
当前,以AI为代表的先进数字化技术已成为全球能源转型与产业升级的关键力量。对于企业来说,日新月异的AI技术不仅为加快增长提供了更有力的工具,也不断开辟新的竞争赛道。但同时,AI技术也带来了如何应用落地的系统性挑战,亟需先进企业的经验分享和技术支持。
作为全球能源技术的领先者,施耐德电气已将围绕AI的创新作为重要的发展战略,不仅积累了20多年的机器学习和算法经验,并在全球已搭建了350多名专家组成的AI研发团队。尤其在中国,该公司已建立AI创新实验室,与聚焦能源、工业、数字化等领域的五大研发中心一道,持续推进AI技术与电气化、自动化、数字化技术的深度融合,为工业、楼宇建筑、基础设施、数据中心等关键行业提供AI嵌入的软硬件解决方案和服务。
2025年11月11日,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,以及高级副总裁、工业自动化业务中国区负责人丁晓红,在以“AI赋能数智创新”为主题的媒体群访中,深入解读了AI技术在工业、能源、建筑等领域的应用实践,系统阐述了施耐德电气以AI驱动产业数智化转型的战略布局与生态构建思路。
AI价值亟需落地:三大创新破解应用难题
“施耐德电气并非AI公司,但我们始终聚焦AI在行业中的价值落地。”熊宜指出,当前AI正在重塑产业,企业主要面临“场景定位”与“投资回报”两大核心挑战。对此,施耐德电气从“面向市场的创新、生产运营创新、生态系统创新”三大维度破局,以“AI产品+AI服务”模式助力企业系统性加快数智化转型。
面向市场的创新即应用AI技术和产品,解决用户痛点,切实创造价值。这就要求企业聚焦具体的应用场景,而非泛泛地部署AI技术。在施耐德电气的实践中,多个案例印证了AI的实用价值。熊宜举例道,比如在啤酒生产领域,施耐德电气通过AI算法优化硅藻土添加量,帮助啤酒厂商提升过滤效率约20%,节约物料约15%,该方案已成功复制至多个工厂并延伸至食品饮料行业。与太古地产的合作中,施耐德电气以AI模型精准预测楼宇冷负荷需求,结合优化算法,帮助用户实现制冷系统节能效益超5%,预测准确率达95%以上。
生产运营创新,即通过在产线、供应链、前中后台中部署AI技术,赋能企业全面提升效率,节能降碳。在自身实践中,施耐德电气已将AI技术广泛应用于供应链,比如其上海普陀工厂以大模型优化供应链管理、以小模型提升设备预测性维护效率,以“场景+硬件”合作模式落地工业机器人应用,工厂实现了98%的订单交付率,也获得了世界经济论坛“端到端灯塔工厂”的称号。
生态系统创新,则聚焦AI产业链中的上下游协作,不仅加速AI研发和应用落地,更强调以AI技术创建新的产业模式。比如在能源转型领域,AI与数字化技术的深度融合可以串联起源网荷储各个领域的参与方,尤其是针对新能源接入带来的电网波动问题,和用电侧各行各业的能效提升问题,施耐德电气都推出了相应的AI嵌入的软硬件解决方案,从而助力打造绿色低碳、安全可靠、灵活协作的新型电力系统,为数据中心、楼宇、化工、冶金等重能耗行业构建清洁高效的电力支持。
工业AI潜力爆发:数据为基,场景多元
工业是国民经济支柱,新质生产力的发展既要求推动传统产业的转型升级,也促进新兴产业和未来产业的蓬勃发展。丁晓红进一步聚焦工业领域,强调“数据积累为AI应用筑牢基础”。历经自动化、信息化、数字化迭代,工业领域已形成完备的数据采集体系,为AI落地提供坚实支撑。
基于深厚的数据基础和软硬件支持,在工业全生命周期中,AI的价值已在多个场景率先呈现:设备预测性维护、机器视觉质量检测等应用已趋成熟;视频识别技术可实时监测人员安全行为,及时预警违规操作;在智能制造领域,AI 算法与工业机器人结合,正拓展工业应用的丰富边界。在供应链中,AI助力实现智慧仓储和物流,并驱动AGV等硬件设施实现自动调度、智能分拣,提升运营效率。在公用工程领域,AI通过预测分析和实时管理,可以优化系统,大幅节能降耗。
此外,在市场竞争的压力下,更多工业企业正面临“增量不增收”的普遍困境,丁晓红认为AI正是“降本增效”、突破困境的关键工具。“过去企业更重硬件价值,如今软件和数据的价值获得了更广泛的认知。AI技术可以帮助企业挖掘更多增长潜力,不仅提升运营效率,更推动企业创新转型,实现高质量盈利增长。”她以流程行业为例,施耐德电气与生态伙伴协作,通过激光扫描自动生成三维模型,使用AI工具实现自动设计出图,整体效率有望提升50%。
生态协同与趋势:从技术到价值的转化路径
AI应用涉及数据、算法、算力、应用场景等等关键要素,一家企业难以全面覆盖。谈及AI落地的核心抓手,熊宜强调“生态协同的力量”。比如,施耐德电气通过“创赢计划”开辟AI赛道,汇聚创新企业力量,联合研发市场所需的数字化解决方案;在新型电力系统领域,施耐德电气联合光伏、储能、虚拟电厂等各方构建协同生态,共同推进这一宏大体系的建设。此外,施耐德电气还与阿里云等云服务商的合作,利用云厂商的AI大模型引擎,开发预测性维护、微电网调度等标准化软件,再通过本地伙伴实现定制化交付,形成“基础工具-应用开发-现场交付”的完整产业链条。
在工业领域,生态协同也是大势所趋。丁晓红提出工业领域AI未来应用两大方向:一是从成熟应用到大规模拓展,如将设备预测性维护、机器视觉故障识别、工艺优化等经验复制推广到更广泛的工业场景中;二是协同伙伴,加快前沿领域的创新探索,在产业链中实现AI应用从“单点优化”到“全局优化”的突破。
一方面,AI技术正加快迭代;另一方面,产业应用正多点开花。作为AI产业化应用的践行者与赋能者,施耐德电气充分展现出“以行业为核心、以AI为纽带、以生态为支撑”的数智化转型路径。正如熊宜所言股票配资论坛是什么,作为“能源技术全球引领者”, 施耐德电气正是要通过AI与能源技术的深度融合,推动千行百业实现高效与可持续的双重目标。
尚红网提示:文章来自网络,不代表本站观点。