工業AI不是炫技，而是切實解決產線上一個個具體問題，在數據與需求的雙輪驅動下，中國制造正迎來以“人工智能+”驅動數智化躍遷的關鍵時刻。

“AI技術需與行業實際需求深度結合，不能單純為了技術開發而開發”，施耐德電氣集團董事、高級副總裁、工業自動化業務中國區負責人丁曉紅在2025工博會媒體見面會上表示。

本屆工博會已經成為工業AI從概念走向實用的最佳觀察窗口之一。與前兩年的技術展示不同，今年的產品和解決方案普遍帶有明確的場景屬性和量化的價值指標，折射出行業對"AI務實化"的集體認同。

AI+制造業從單點突破到全鏈協同

今年，國務院印發《關于深入實施“人工智能+”行動的意見》，提出加快人工智能在設計、中試、生產、服務、運營全環節落地應用。工信部也強調出臺“人工智能+制造”專項行動實施方案，部署重點行業、重點環節、重點領域智能化轉型任務。

人工智能與制造業的融合已進入加速期。數據統計，工業大模型在研發設計、生產制造、經營管理等方面的應用占比分別達到33%、24%、32%。AI技術正從單點應用向全生命周期滲透。

“當前AI發展勢頭正盛，其創新已從多個單點突破串聯成線，正深刻影響著整個產業鏈的上下游。”丁曉紅表示，施耐德電氣正積極探索在全生命周期中融入AI技術，從產品設計之初的編程指導，到生產制造階段的機器視覺、故障診斷與設備預測性維護，再到能源優化等多個關鍵環節，均在推進AI的落地實踐。

工業AI的務實之道

在AI熱潮中，施耐德電氣選擇了一條務實路徑。丁曉紅指出：“AI技術需與行業實際需求深度結合，不能單純為了技術開發而開發，關鍵是能夠解決某一類具體問題。”

當前，在諸多工業應用場景，特別是自動控制領域，最基本的要求就是實時性和確定性。但AI往往在這些方面還達不到實際要求。

工業AI的成功應用離不開堅實的數據基礎，而當前數據基礎薄弱仍是最突出的瓶頸。數據是AI應用的基石，但在很多用戶的實際場景中，數據基礎普遍薄弱，缺乏足量、優質的數據支撐AI訓練。丁曉紅坦言，很多客戶雖擁有數據，卻缺乏標準化治理，如同手握礦石卻未經提煉，難以轉化為有效資源支撐AI應用。這一問題在尚未建立完善數據采集體系的中小企業中尤為嚴重，導致AI技術陷入"無用武之地"的困境。

這些現實挑戰，讓行業對AI的期待從"無所不能"回歸"有所作為"。正如丁曉紅所言，無論是幾年前的軟件轉型，還是當下的AI應用，都經歷了從概念熱潮到務實落地的演進過程。工業AI的價值不在于技術本身有多先進，而在于能否切實解決行業具體問題。"

破局AI落地困境

本屆工博會，施耐德電氣以“了不起的未來工業”為主題，聚焦產業全價值鏈的行業應用，呈現開放自動化、AI等前沿技術賦能的工業自動化產品、解決方案與服務。

例如在水務環保行業的水處理與環保場景，施耐德電氣推出ATV Predict Plus傳動系統預測性維護平臺，該平臺內嵌AI算法，能夠實時進行智能監控及預測，并以零新增軟硬件、全鏈路覆蓋和靈活部署等核心優勢，助力企業實現更全局的設備掌控、更少意外的停機損失和更零風險的生產連續。

再如在流程制造業的采油與煉化場景，施耐德電氣能夠為行業客戶提供覆蓋設計、建造、運營、維護全生命周期的解決方案。聚焦大規模一體化工藝裝置“安穩長滿優”運營目標，能夠提供包括施耐德電氣旗下AVEVA劍維軟件等工業軟件、EcoStruxure APC先進過程控制、EcoStruxure Foxboro DCS系統以及ETAP電氣系統數字孿生平臺等在內的完整的過程一體化解決方案。

其中，AI賦能工業提質增效、智能制造咨詢、全新一代中壓變頻器ATV1200C-S、EcoStruxure PMA預測性維護顧問等多款產品和解決方案競相展出。

此外，施耐德電氣將AI技術融入產品、生產運營和服務當中，并與合作伙伴聯合打造工業AI優化方案，涵蓋水廠加藥曝氣優化控制與公用工程冷站、空壓站優化等應用場景。

AI與傳統工業軟件的結合能夠釋放更多價值。AI可以幫助分析并提供策略，但最終仍需基礎模型計算出精確值輸出。據施耐德電氣相關技術負責人介紹，AI和現有的工業軟件結合起來，能夠快速幫助客戶大幅減少人工調節工作量，從而讓相關參數更精準地逼近相對穩定的目標值。

這一實踐頗具代表性。例如在流程行業的PLC驗證中，將AI的數據分析能力與傳統工業軟件的基礎模型相結合，可使人工調節時間大幅減少，同時通過基礎模型的約束確保控制精度。這種"輔助決策+精準執行"的模式，已在化工、水務等領域落地應用。

可以說，工業AI正在成為工業軟件的“智慧放大器”。而這種技術融合趨勢，正推動工業AI從"實驗室精度"走向"工業級可靠"。

事實上，"軟件定義的自動化"已經成為行業的一種共識。丁曉紅表示，“施耐德電氣將發展軟件作為戰略重點之一。未來，軟件在能源管理和工業領域將發揮越來越關鍵的作用。其中，工業領域的‘軟件定義自動化’已成為未來發展方向。工業軟件從發展初期開始，就是軟件定義自動化的一部分，也是我們業務體系中的重要組成部分。”

開放生態是軟件定義的自動化的關鍵支撐。工業軟件場景復雜，僅憑一己之力難以覆蓋所有需求。丁曉紅表示，推動軟件發展需要更多伙伴加入，期待各方真正聯合，以務實態度推進軟件領域工作。結合行業、應用場景以及客戶不同需求，夯實軟件基礎，加快軟件技術迭代和場景落地，進而促進軟硬件協同發展。

在解決實際問題中邁向工業未來

針對AI+工業的價值，業界專家認為，AI在工業領域可發揮優化設計、智能運維等諸多作用，但要真正進入核心控制環節，仍需突破知識、決策、驗證等瓶頸。工業AI從外圍輔助到核心控制，還有很長的路要走，不能急于求成。

對此，丁曉紅坦言，AI在工業場景的應用前景無疑是非常廣闊的。AI對效率的提升作用毋庸置疑，但在整個工業領域眾多復雜的應用場景中，我們也在積極開展實踐——無論是內部優化運營，還是對外為伙伴和客戶賦能，都在持續推進相關嘗試與探索。

可以預見，未來工業的核心是更高效、更靈活、更可持續，這一躍升過程也顯現出清晰的發展趨勢：一是大小模型協同進化。通用大模型提供基礎能力，行業小模型聚焦場景落地；二是AI與開放自動化深度融合。如施耐德電氣EAE平臺的持續迭代，通過將AI算法封裝為標準化模塊，降低技術使用門檻，使更多企業享受AI紅利；三是數據價值充分釋放。從單一設備數據到全產業鏈數據，從內部數據到生態數據，數據要素的流動將催生新的模式。

未來工業不是遙不可及的概念，而是藏在每一次能效提升、每一次故障預警、每一份工藝優化的探索與實戰中。從鋼鐵廠的智能能耗管理到制藥廠的柔性生產，從數據中心的綠電調度到零碳園區的協同運營，以AI為代表的技術創新正在悄然改變著工業的面貌。

施耐德電氣正在用實踐詮釋工業AI的正確打開方式，是扎根應用場景、解決實際問題；未來工業的實現路徑，是腳踏實地、務實前行。正如丁曉紅所言，當AI技術真正融入制造業的每一個毛細血管，解決好每一個具體問題時，工業的未來自然會到來。