施耐德电气丁晓红：AI要解决具体问题，在务实中迈向工业未来

工业AI不是炫技，而是切实解决产线上一个个具体问题，在数据与需求的双轮驱动下，中国制造正迎来以“人工智能+”驱动数智化跃迁的关键时刻。

“AI技术需与行业实际需求深度结合，不能单纯为了技术开发而开发”，施耐德电气集团董事、高级副总裁、工业自动化业务中国区负责人丁晓红在2025工博会媒体见面会上表示。

本届工博会已经成为工业AI从概念走向实用的最佳观察窗口之一。与前两年的技术展示不同，今年的产品和解决方案普遍带有明确的场景属性和量化的价值指标，折射出行业对"AI务实化"的集体认同。

AI+制造业从单点突破到全链协同

今年，国务院印发《关于深入实施“人工智能+”行动的意见》，提出加快人工智能在设计、中试、生产、服务、运营全环节落地应用。工信部也强调出台“人工智能+制造”专项行动实施方案，部署重点行业、重点环节、重点领域智能化转型任务。

人工智能与制造业的融合已进入加速期。数据统计，工业大模型在研发设计、生产制造、经营管理等方面的应用占比分别达到33%、24%、32%。AI技术正从单点应用向全生命周期渗透。

“当前AI发展势头正盛，其创新已从多个单点突破串联成线，正深刻影响着整个产业链的上下游。”丁晓红表示，施耐德电气正积极探索在全生命周期中融入AI技术，从产品设计之初的编程指导，到生产制造阶段的机器视觉、故障诊断与设备预测性维护，再到能源优化等多个关键环节，均在推进AI的落地实践。

工业AI的务实之道

在AI热潮中，施耐德电气选择了一条务实路径。丁晓红指出：“AI技术需与行业实际需求深度结合，不能单纯为了技术开发而开发，关键是能够解决某一类具体问题。”

当前，在诸多工业应用场景，特别是自动控制领域，最基本的要求就是实时性和确定性。但AI往往在这些方面还达不到实际要求。

工业AI的成功应用离不开坚实的数据基础，而当前数据基础薄弱仍是最突出的瓶颈。数据是AI应用的基石，但在很多用户的实际场景中，数据基础普遍薄弱，缺乏足量、优质的数据支撑AI训练。丁晓红坦言，很多客户虽拥有数据，却缺乏标准化治理，如同手握矿石却未经提炼，难以转化为有效资源支撑AI应用。这一问题在尚未建立完善数据采集体系的中小企业中尤为严重，导致AI技术陷入"无用武之地"的困境。

这些现实挑战，让行业对AI的期待从"无所不能"回归"有所作为"。正如丁晓红所言，无论是几年前的软件转型，还是当下的AI应用，都经历了从概念热潮到务实落地的演进过程。工业AI的价值不在于技术本身有多先进，而在于能否切实解决行业具体问题。"

破局AI落地困境

本届工博会，施耐德电气以“了不起的未来工业”为主题，聚焦产业全价值链的行业应用，呈现开放自动化、AI等前沿技术赋能的工业自动化产品、解决方案与服务。

例如在水务环保行业的水处理与环保场景，施耐德电气推出ATV Predict Plus传动系统预测性维护平台，该平台内嵌AI算法，能够实时进行智能监控及预测，并以零新增软硬件、全链路覆盖和灵活部署等核心优势，助力企业实现更全局的设备掌控、更少意外的停机损失和更零风险的生产连续。

再如在流程制造业的采油与炼化场景，施耐德电气能够为行业客户提供覆盖设计、建造、运营、维护全生命周期的解决方案。聚焦大规模一体化工艺装置“安稳长满优”运营目标，能够提供包括施耐德电气旗下AVEVA剑维软件等工业软件、EcoStruxure APC先进过程控制、EcoStruxure Foxboro DCS系统以及ETAP电气系统数字孪生平台等在内的完整的过程一体化解决方案。

其中，AI赋能工业提质增效、智能制造咨询、全新一代中压变频器ATV1200C-S、EcoStruxure PMA预测性维护顾问等多款产品和解决方案竞相展出。

此外，施耐德电气将AI技术融入产品、生产运营和服务当中，并与合作伙伴联合打造工业AI优化方案，涵盖水厂加药曝气优化控制与公用工程冷站、空压站优化等应用场景。

AI与传统工业软件的结合能够释放更多价值。AI可以帮助分析并提供策略，但最终仍需基础模型计算出精确值输出。据施耐德电气相关技术负责人介绍，AI和现有的工业软件结合起来，能够快速帮助客户大幅减少人工调节工作量，从而让相关参数更精准地逼近相对稳定的目标值。

这一实践颇具代表性。例如在流程行业的PLC验证中，将AI的数据分析能力与传统工业软件的基础模型相结合，可使人工调节时间大幅减少，同时通过基础模型的约束确保控制精度。这种"辅助决策+精准执行"的模式，已在化工、水务等领域落地应用。

可以说，工业AI正在成为工业软件的“智慧放大器”。而这种技术融合趋势，正推动工业AI从"实验室精度"走向"工业级可靠"。

事实上，"软件定义的自动化"已经成为行业的一种共识。丁晓红表示，“施耐德电气将发展软件作为战略重点之一。未来，软件在能源管理和工业领域将发挥越来越关键的作用。其中，工业领域的‘软件定义自动化’已成为未来发展方向。工业软件从发展初期开始，就是软件定义自动化的一部分，也是我们业务体系中的重要组成部分。”

开放生态是软件定义的自动化的关键支撑。工业软件场景复杂，仅凭一己之力难以覆盖所有需求。丁晓红表示，推动软件发展需要更多伙伴加入，期待各方真正联合，以务实态度推进软件领域工作。结合行业、应用场景以及客户不同需求，夯实软件基础，加快软件技术迭代和场景落地，进而促进软硬件协同发展。

在解决实际问题中迈向工业未来

针对AI+工业的价值，业界专家认为，AI在工业领域可发挥优化设计、智能运维等诸多作用，但要真正进入核心控制环节，仍需突破知识、决策、验证等瓶颈。工业AI从外围辅助到核心控制，还有很长的路要走，不能急于求成。

对此，丁晓红坦言，AI在工业场景的应用前景无疑是非常广阔的。AI对效率的提升作用毋庸置疑，但在整个工业领域众多复杂的应用场景中，我们也在积极开展实践——无论是内部优化运营，还是对外为伙伴和客户赋能，都在持续推进相关尝试与探索。

可以预见，未来工业的核心是更高效、更灵活、更可持续，这一跃升过程也显现出清晰的发展趋势：一是大小模型协同进化。通用大模型提供基础能力，行业小模型聚焦场景落地；二是AI与开放自动化深度融合。如施耐德电气EAE平台的持续迭代，通过将AI算法封装为标准化模块，降低技术使用门槛，使更多企业享受AI红利；三是数据价值充分释放。从单一设备数据到全产业链数据，从内部数据到生态数据，数据要素的流动将催生新的模式。

未来工业不是遥不可及的概念，而是藏在每一次能效提升、每一次故障预警、每一份工艺优化的探索与实战中。从钢铁厂的智能能耗管理到制药厂的柔性生产，从数据中心的绿电调度到零碳园区的协同运营，以AI为代表的技术创新正在悄然改变着工业的面貌。

施耐德电气正在用实践诠释工业AI的正确打开方式，是扎根应用场景、解决实际问题；未来工业的实现路径，是脚踏实地、务实前行。正如丁晓红所言，当AI技术真正融入制造业的每一个毛细血管，解决好每一个具体问题时，工业的未来自然会到来。