近期，施耐德電氣全球供應鏈中國數字化轉型總監冒飛飛受亞馬遜云科技邀請探討了制造業企業在深化數字化轉型與創新階段面臨的挑戰與機遇，AI技術，尤其是生成式AI在制造行業應用的趨勢洞察，并就施耐德電氣在相關領域取得的進展進行了深入分享。

冒飛飛指出，業界知名的"二八定律"同樣存在于制造行業AI應用中。"二"指的是可被規模化推廣、可被復制的工業產品模型量數。針對此種標準化AI應用場景，可以通過模型的單次構建，實現未來的"開箱即用"或少量再訓練微調。而對于約占"八"（80%）的特定碎片化與長尾場景，則需開發定制化的模型。施耐德電氣正在與包括亞馬遜云科技這樣的云技術服務商進行合作，致力于開發端到端的訓練平臺，來做從模型的訓練、部署、迭代以及全生命周期的管理。此外，就當下熱議的生成式AI大語言模型應用方面，冒飛飛認為，在短期內大模型不會內吞并小模型，二者是相輔相成的關系。短期內，小模型會隨著大模型推陳出新，并長期存在。另一方面，大模型還可以對小模型進行輔助訓練與精度提升。

作為全球能源管理和自動化領域數字化轉型專家，施耐德電氣致力于持續深耕AI領域，開發定制化AI解決方案，賦能制造業應用場景。2023年6月，施耐德電氣發布企業級一站式、場景化、開放性的AI模型生產與運維平臺EcoStruxure AI引擎，將能源管理和自動化領域的專業知識融入AI模型中，為業務專家、數據分析師等用戶提供低代碼乃至零代碼的AI應用，幫助他們更好地解決工業場景中面臨的業務問題、提升效率和創新能力。EcoStruxure AI引擎在施耐德電氣中國供應鏈內部的成功應用，采用了亞馬遜云科技等服務商所提供的廣泛技術與服務。亞馬遜云科技的數據庫、計算服務，以及Amazon SageMaker 機器學習服務，都能夠為EcoStruxure AI引擎提供完備的技術支撐，提高解決方案落地效率，并有效節約成本。

首先，在數據存儲方面，亞馬遜云科技能夠為施耐德電氣EcoStruxure AI引擎提供托管式關系數據庫服務Amazon Relational Database Service（Amazon RDS），可幫助客戶在云中設置、操作和擴展關系型數據庫，輕松完成耗時的數據庫管理任務。此外，彈性擴展、安全、高可用的云服務器Amazon Elastic Compute Cloud（Amazon EC2）在云中提供了各種計算實例類型，可以根據不同的需求提供靈活的計算資源，從而滿足施耐德電氣不同AI應用場景的需求。亞馬遜云科技還可以為EcoStruxure AI引擎提供Amazon Elastic Container Service（Amazon ECS）全托管的Docker容器編排服務，通過這種高度安全、可靠且可擴展的容器運行方式，實現機器學習模型在生產線邊緣設備容器中的輕松部署和管理。基于存儲、管理和部署Docker容器鏡像服務Amazon Elastic Container Registry （Amazon ECR），施耐德電氣可以使用安全、高效的容器鏡像存儲和管理服務，輕松地管理和部署容器化的AI應用。

此外，Amazon SageMaker機器學習服務也能夠為EcoStruxure AI引擎提供良好的技術支撐。基于Amazon SageMaker，施耐德電氣得以在特定環境中成功且準確地構建適應實際制造場景的機器學習模型，并根據需要靈活調整資源，大幅提高內部測試效率和EcoStruxure AI引擎的模型迭代速度。施耐德電氣在全球擁有187家工廠，在中國擁有超過20家工廠，Amazon SageMaker中央化云平臺可為施耐德電氣提供統一的數據級管理和訓練管理平臺，有效確保數據的一致性和準確性，從而大幅降低全球模型管理和訓練的復雜度。

亞馬遜云科技和施耐德電氣雙方的合作由來已久。除了最近在EcoStruxure AI引擎方面的合作，作為施耐德電氣首選的云和機器學習服務提供商，亞馬遜云科技還助力施耐德電氣成功構建了智能工業視覺質量檢測解決方案——"云-邊協同AI工業視覺檢測平臺" 。該解決方案率先在施耐德電氣武漢工廠上線，能夠針對產品表面的缺陷進行智能檢測，顯著提高了生產線的檢測效率，將誤檢率降低0.5%以內，并實現了零漏檢率。同樣上線了該視覺檢測平臺的施耐德電氣無錫工廠，被世界經濟論壇評為端到端的 "燈塔工廠" 。目前，AI視覺檢測項目已經成功覆蓋了施耐德電氣中國區15家工廠、超過50個終端檢測點，為產品質量提供保障，有效減少因產品瑕疵而浪費的資源和時間。

施耐德電氣全球供應鏈中國數字化解決方案負責人、數字化轉型總監冒飛飛表示："亞馬遜云科技在制造行業擁有多年積累的豐富經驗與核心業務優勢，是施耐德電氣在全球范圍內的主要云服務提供商之一。未來，我們將繼續深耕與亞馬遜云科技的合作，基于亞馬遜云科技廣泛而深入的云服務，加速生成式AI技術應用的落地，將AI模型與自身在工業自動化和能源管理領域的專長相融合，探索AI在設計、生產、運營和維護等全生命周期不同階段與場景中的應用，全方位賦能制造業的創新與變革。"