创新、落地、增效：施耐德电气以AI赋能产业新生态

费心懿、曹恩惠/文

随着数字技术的快速迭代升级，人工智能正从实验室走向广阔的产业天地，对千行百业形成颠覆之势。“AI正在重塑各行各业，加速全面创新，但随之而来的挑战还是很多的。”施耐德电气高级副总裁、战略与业务发展中国区负责人熊宜在接受21世纪经济报道等媒体采访时表示。

正是在这充满机遇与挑战的关口，已有190年历史的施耐德电气再次进行定位升级。作为能源技术的全球引领者，该公司强调将AI等数智化技术与能源技术深度融合，在推动能源转型的同时助力千行百业加快转型升级，最终实现高效组织、长效增长的目标。

“三大创新”突破AI落地瓶颈

熊宜认为，AI技术作为最前沿的数字化技术之一，将为全球业界应对产业升级、能源转型和气候变化等挑战提供最有力的技术工具。但对于企业来说，由于AI技术仍处于快速迭代的成长期，企业“押注”AI应用不可盲目部署，而必须找对场景，同时调整运营流程和组织架构，注重投资回报预期。施耐德电气致力于推进AI技术的大规模产业应用，就如何帮助企业突破AI应用困境，熊宜提出三大创新维度——面向市场的创新、生产运营的创新与生态系统的创新。

首先是面向市场的创新。熊宜强调，AI技术是手段，不是目的，关键是要找到具体的应用场景，切实产生价值。施耐德电气通过将AI技术与产业需求深度融合，切实帮助企业解决生产运营难题。以食品饮料行业为例，在啤酒生产中，过滤环节的硅藻土添加量控制一直是行业难题——用量过多会增加成本，过少则无法保证啤酒的澄清度与风味。为帮助企业解决生产难题，施耐德电气中国软件研发团队深度参与，通过AI算法预测和模拟生产工艺，实现了硅藻土添加量的智能调控。这一创新不仅让该工厂的过滤效率提升约20%，物料消耗节约15%，更成功复制到多个工厂，并在食品饮料行业逐步推广。

在生产运营创新层面，熊宜认为AI嵌入数字化系统可以整体提升企业运营效率，企业也要随之优化流程，实现系统性提升。以施耐德电气自身为例，从研发和设计、供应链管理、生产运营到营销售后的全流程中，施耐德电气都已经积极开发和部署AI应用，提升自身整体效率。“比如我们利用AI大模型提升供应链规划和管理、以AI小模型实现预测性维护，还在工厂中引入AI视觉检测，以及算法支持的协作机器人等等，从各个层面加快数智化转型。”

在生态层面，施耐德电气正加快与本土伙伴围绕AI技术共创产业应用，助力技术落地。熊宜指出，AI技术的发展和应用离不开数据、算法、模型、算力、能源等各方支持，单个企业已经很难以凭一己之力解决当下的系统性挑战，这就要求创新必须从“点状突破”走向“系统协同”，而施耐德电气正着力构建AI相关的生态系统，打通合作关节。

比如，通过发起“创赢计划”，施耐德电气长期助力创新型企业进行数字化创新，2025年的“创赢计划”专门开辟了AI赛道，将技术创新能力与产业实际需求对接起来，从技术、资源、平台给予支持，助力技术落地。6年间，“创赢计划”已吸引1400多家中小企业参与，输出40多项联创成果，AI相关的解决方案也在具体产业场景中得到验证和商业孵化。

尤其是当前能源转型的大背景下，相关各方需要更大规模的系统协同。作为能源技术的引领者，施耐德电气与合作伙伴不止于点对点的单项创新，也不是局部的面状优化，而是以集群思维去构建AI赋能的能源生态。“在AI等数字化技术的支持下，我们要做的不是零散的创新，而是把能源转型的一系列关键能力‘串成项链’——每一颗‘珍珠’都代表一个关键产业环节和关键技术领域，有的部分施耐德电气有能力优势，比如智能化电气设备和AI赋能的数字化能源管理等等，有的部分合作伙伴的能力更强，比如在光伏、储能、氢能等领域。最终，我们希望把这些环节整合成一个稳定、互信、长期共赢的合作生态，从而以集群的能力去共同推进能源系统的整体转型。”

落实到具体的应用场景中，能源转型的技术路径与调度逻辑在不同场景中存在显著差异，有的场景需要完全离网的“能源孤岛”，有的场景则需要微电网与主电网定期进行能量交换。熊宜介绍，施耐德电气正与众多合作伙伴一道探索不同场景，比如在海外大型离网项目等场景中积累经验、验证方案，探索不同场景下的用能优化模式。

此外，施耐德电气还同时通过校企合作、职业教育与开发者社区建设，汇聚个体智慧与企业力量，让AI相关的生态边界更开放、创新更具活力。

聚焦场景突破，AI成产业转型的关键力量

AI正在从多个层面重塑企业运行方式：从质量检测、预测性维护、设备健康管理，到供应链计划、能源管理、安全管理等，AI正在帮助企业提升效率、降低成本，并在更多场景中释放创新潜力。施耐德电气长期深耕工业自动化和能源管理领域，积累了大量可规模化复制的AI应用场景。

“在工业领域，AI不仅是提高效率的手段，更是激发创新和提升竞争力的关键力量。”施耐德电气高级副总裁、工业自动化业务中国区负责人丁晓红认为，工业领域经历了自动化、信息化、数字化的持续迭代，如今已积累了丰富的数据资源，数据采集手段也日益完备，这为AI技术的深度应用奠定了坚实基础。

“工业端未来应用AI的潜力是巨大的。”丁晓红强调。在她看来，基于长期的数字化建设，AI技术能帮助企业进一步挖掘数据价值，实现高质量、可持续的盈利性增长。比如在三维模型和数字孪生技术方面，施耐德电气与本地生态伙伴通过激光扫描自动生成三维模型，帮助相关流程提升50%效率；在离散行业，施耐德电气帮助机器制造商、设备供应商以及OEM 厂商实现数据和AI技术驱动的精益管理，比如设备的预测性维护、能源和碳足迹管理、机器人协同、供应链整体优化，甚至具体到物流中的AGV小车轨迹管理等等。

谈及未来趋势，丁晓红认为工业领域的AI应用会朝着两大方向推进：“一方面，加速预测性维护、机器视觉故障识别、工艺优化等成熟应用的规模化推广；另一方面，探索具身机器人等创新方向，并通过全局优化将分散的单点创新整合起来，实现全流程、全系统的效率提升。”而无论哪个方向，都离不开软硬件构建的数字化基础，和AI技术与具体行业场景的深度绑定。

“工业领域的AI应用空间远不止于制造流程本身。施耐德电气拥有能源管理和工业自动化领域的领先技术优势，我们认为未来AI技术将助力各行各业打通能源与生产、能源与算力，提升整体效率。”丁晓红进一步补充道。她提到，比如在化工、半导体等传统行业，过去企业往往更关注生产装置的稳定运行与产能保障，对能源供给侧的成本优化与协同调度重视不足，而通过打通数据和引入AI技术，未来企业有望更效率运营，且更加绿色可持续。

对此，熊宜也认为，尽管当下许多企业已经展开了AI相关的新技术和新架构的讨论，实际上这些探索大多仍基于传统的能源系统，并未产生对现有架构的替代性作用。他表示，能源系统的整体转型正在有序推进，企业未来应高度关注能源结构的变化，比如从交流到直流，将带来全新的技术架构，最终实现成本优化和效能提升等变化。

“这并非仅仅通过算法就能实现的简单提升，而是一个根本性的架构提升，包括硬件和软件的迭代和紧密融合，这才是未来业界最应关注的发展趋势。”