今年，“人工智能+制造”專項行動政策出臺，為AI與制造業(yè)深度融合明確了實施路徑，也標志著中國工業(yè)智能化邁入新的發(fā)展階段。AI正逐步走出概念驗證階段，成為推動新型工業(yè)化發(fā)展、培育新質生產力的重要力量。

當前，工業(yè)AI的技術可行性正在越來越多的場景中得到驗證，但多數制造企業(yè)仍處于單點試點和局部應用階段。制約AI規(guī)?；涞氐?，不僅是技術模型本身，還包括支撐其持續(xù)運行和創(chuàng)造價值的底層能力，包括可信的數據基礎、穩(wěn)定的算力與能源支撐、與工業(yè)系統(tǒng)的深度融合能力，以及應用價值的驗證與復制能力。在這一過程中，模型與應用層面所面臨的挑戰(zhàn)，往往是企業(yè)最直接感受到的瓶頸。

模型與應用層瓶頸：工業(yè)AI規(guī)?；媾R的三重考驗

數據不可信、模型不可靠、應用價值難驗證與復制，AI便難以真正走出試點階段。

首先是數據治理。數據質量參差不齊、“數據煙囪”林立、非結構化數據利用率不足，以及安全合規(guī)和標準體系碎片化等問題，都會影響AI應用效果。企業(yè)大量數據以文檔、圖像、音視頻等形式存在，難以被模型高效利用；不同部門對同一對象的定義和描述缺乏統(tǒng)一標準，也增加了數據治理難度。同時，AI對實時數據的需求不斷提升，傳統(tǒng)批量處理模式正面臨新的挑戰(zhàn)。

其次是模型可靠性與信任問題。許多AI模型難以與現有MES系統(tǒng)以及工業(yè)控制軟硬件環(huán)境深度融合，模型的準確性、穩(wěn)定性和可驗證性仍需進一步提升。對于制造企業(yè)而言，只有基于可靠數據的建模、分析和預測，并且將預測結果通過工業(yè)第一性原理驗證之后，才能獲得持續(xù)信任。

第三是場景驗證與復制。ROI不清晰、業(yè)務融合不足以及案例復制難，成為工業(yè)AI規(guī)模化推廣面臨的普遍挑戰(zhàn)。許多項目能夠完成試點驗證，卻難以從單一場景推廣至更多產線、工廠和業(yè)務環(huán)節(jié)。

三大能力：施耐德電氣的“開放自動化×工業(yè)AI”實踐路徑

施耐德電氣長期深耕產業(yè)，圍繞上述挑戰(zhàn)形成了清晰的實踐路徑：聚焦高價值場景，以開放自動化夯實可信數據基礎，推動智能體與自動化深度融合，讓AI更好地服務生產運營。

以開放自動化夯實數據基礎，破解數據治理之困。構建可信、開放的數據基礎，是工業(yè)AI發(fā)揮價值的重要前提。

在數據治理層面，施耐德電氣以高質量、高時效、全覆蓋、高語義和安全合規(guī)為衡量標準，圍繞數據質量、實時性、標準統(tǒng)一、安全治理等關鍵問題，推動統(tǒng)一語義體系建設、知識圖譜應用、主數據管理以及“數據+AI”一體化平臺建設，為工業(yè)AI落地提供支撐。

數據治理之困，根源在于設備層與控制層的數據長期封閉于不同系統(tǒng)之中，IT與OT之間缺乏有效貫通。開放自動化通過開放標準、軟件定義架構以及IT/OT融合，實現從數據采集、分析決策到控制執(zhí)行的貫通協(xié)同。

在施耐德電氣的架構中，現場設備與執(zhí)行器接入EcoStruxure開放自動化平臺（EAE），數據通過OPC UA、MQTT等開放協(xié)議實現流通，并圍繞設備、工藝、能源等維度構建場景化數據關聯體系。結合大模型、小模型、Harness框架及行業(yè)知識庫，支撐工業(yè)AI應用在運營控制和管理優(yōu)化等層面的落地。

這一數據能力建立在施耐德電氣數十年積累的軟硬件結合自動化技術基礎之上。其中，歷經多年迭代的EcoStruxure開放自動化平臺（EAE），具備可移植、可擴展、可編排和可復用四大特性，并與AVEVA劍維軟件等工業(yè)軟件協(xié)同，支撐從設計、工程建設到運營優(yōu)化的全生命周期數據管理。

推動智能體與自動化深度融合，破解模型可靠性難題。對于工業(yè)場景而言，AI的價值不僅體現在分析和預測，更在于能夠與生產過程深度結合，輔助決策和運行優(yōu)化。

施耐德電氣推動智能體與工藝系統(tǒng)、自動化解決方案深度融合：工業(yè)解決方案為AI提供可靠數據，AI則為優(yōu)化生產過程提供決策建議。開放自動化不僅提升數據可用性，也為AI與工藝和自動化系統(tǒng)融合創(chuàng)造條件。

這一思路已經在多個場景中得到應用。例如，在全球某領先化工新材料企業(yè)的正丁烷塔熱源切換項目中，施耐德電氣依托AVEVA Dynamic Simulation嚴格機理模型和PI System運營大數據平臺，本地部署強化學習算法訓練AI智能體，實現AI SOP優(yōu)化。項目中，操作時間縮短至原來的三分之一，切換時間縮短原來的四分之一，驗證了AI在流程工業(yè)裝置自主控制優(yōu)化場景中的應用潛力。在“一帶一路”中亞大型天然氣化工項目中，過程控制系統(tǒng)自動組態(tài)與測試智能體BoroClaw通過預訓練知識庫與智能體能力，輔助測試、實施與診斷工作。通過自動識別配置文件、語音引導測試等方式提升調試效率，使AI能夠在安全合規(guī)的前提下融入工程交付環(huán)節(jié)。

聚焦高價值場景，破解價值驗證與復制難題。相比追求技術創(chuàng)新本身，聚焦業(yè)務痛點明確、價值預期清晰的場景，更有利于推動工業(yè)AI從試點驗證走向規(guī)模化應用。

目前，施耐德電氣已圍繞生產管理、公用工程和供應鏈三大核心業(yè)務領域，形成覆蓋安全、質量、效率、能耗與運營優(yōu)化的豐富應用場景。

在生產管理領域，AI已應用于預測性維護、設備讀數與異常檢測、質量檢測與關聯分析、工藝參數優(yōu)化、異常行為識別以及安全監(jiān)測等場景；在公用工程領域，可應用于空壓機負荷預測、空壓站群控、能耗優(yōu)化、電力負荷預測以及冷站智能運行；在供應鏈領域，則已應用于需求預測、庫存優(yōu)化、智能排程、物流路徑優(yōu)化、智能分揀和AGV調度等環(huán)節(jié)，推動生產與物流協(xié)同優(yōu)化。

能力支撐價值落地，生態(tài)推動價值拓展。工業(yè)AI要從單點試點走向規(guī)模化推廣，不僅需要技術能力支撐，也需要開放協(xié)同的產業(yè)生態(tài)。施耐德電氣以數據融合、數據治理和數智賦能能力為基礎，通過開放連接、場景共創(chuàng)和生態(tài)合作，推動更多成功經驗沉淀、驗證與復制。

全棧協(xié)同：支撐工業(yè)AI規(guī)?；l(fā)展

從更廣闊的產業(yè)視角來看，工業(yè)AI的規(guī)?；瘧貌粌H依賴模型與應用創(chuàng)新，也離不開能源、算力和基礎設施等底層能力支撐。只有數據、算法、算力與工業(yè)場景協(xié)同發(fā)展，AI價值才能持續(xù)釋放。

依托電氣化、自動化與數智化的融合優(yōu)勢，施耐德電氣持續(xù)推動從能源管理、工業(yè)基礎設施到工業(yè)軟件與自動化系統(tǒng)的協(xié)同創(chuàng)新，為工業(yè)AI從場景驗證走向規(guī)模化應用提供支撐。通過連接底層電力與算力基礎設施，以及上層數據、軟件和工業(yè)場景，進一步推動工業(yè)智能化能力的持續(xù)拓展。

共赴工博之約 共啟數智新程

2026年中國國際工業(yè)博覽會開幕在即，施耐德電氣將全方位展示迭代升級的軟件定義自動化架構，以及AI等數智化創(chuàng)新成果，呈現賦能產業(yè)智能化升級的創(chuàng)新實踐。

智，在其間。施耐德電氣期待與更多產業(yè)伙伴攜手，以開放連接筑基啟智、以軟件定義提效賦智、以工業(yè)AI馭變增智，共同推動工業(yè)智能化邁向更廣泛、更深入的發(fā)展階段。