10月12日至16日，第二十六届中国国际工业博览会（下称“工博会”）在国家会展中心（上海）举行。

　　施耐德电气以“智·在其间”为主题亮相6.1号馆，集中展示开放自动化、工业AI及能源管理领域创新成果，围绕流程与混合行业、市政、数据中心和离散行业四大场景，助力产业数智化升级。

　　本届工博会，施耐德电气以持续演进的EcoStruxure三层架构为主线，展示从现场设备、控制系统到运营优化的全链路创新能力。展会期间，施耐德电气发布多款工业自动化与能源管理领域创新产品、行业报告及案例成果，并携手多家客户和生态伙伴深化合作，共同推动产业高质量发展。

　　潘洁摄

　　从单点智能走向系统融合

　　“过去大家在不同层级和不同环节已经有很多智能化应用，现在需要让这些应用进一步融会贯通，走向融合。”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接受记者采访时表示。

　　以EcoStruxure三层架构的迭代为例，丁晓红表示，“底层是实现互联互通的接入适配，中间是基于软件定义自动化的运营控制，再往上是管理优化。在底层获取数据的基础上，要进一步用好数据，对数据进行分析和优化，让工业智能贯穿各个层级，系统性地帮助客户释放数据价值。”

　　丁晓红进一步指出，从用户全生命周期来看，从仿真、设计、建造，到运营和维护，需要让工业智能贯穿每一个阶段，“‘智，在其间’就是让工业智能融入不同应用场景、不同层级和不同架构之间，为客户创造更多价值，而不是停留在单点、单层面的智能化”。

　　针对未来智能工厂，丁晓红指出，算力的尽头是能源（电力），电力是支撑算力的基础设施。如何更好地使用能源，涉及如何匹配传统能源与新型电力系统、做好柔性控制等，这些都与自动化和控制技术密切相关。

　　“因此，算力、能源和自动化本身就是一体的，需要相互促进并彼此作为基础。只有三者融合，才能更好地释放整体价值。”丁晓红表示。

　　数据治理AI落地根本挑战

　　工业AI是本届工博会的热门话题。对于工业AI落地面临的瓶颈，丁晓红认为，最根本的挑战依然是数据治理。

　　她提到，客户在较长的发展周期中形成了不同的“数据孤岛”。进入工业AI阶段后，除了结构化数据，还有大量非结构化数据需要利用。未来，“Context”（数据的业务上下文）概念至关重要，即把设备和工厂的“前世今生”联系起来，才能更好地理解现状并预测未来，“无论是当前的工业AI阶段，还是未来的智能体时代，数据治理都是根本性基础”。

　　工业AI真正的价值是从单点突破走向真正落地。对此，施耐德电气在全球设立AI Hub人工智能中心，并在工业自动化业务组建聚焦AI应用场景的团队，加快人才培养与赋能。

　　“在产品研发方面，施耐德电气从产品研发和设计阶段就开始使用AI工具。”她说，“我们会先在自身业务中应用AI，再结合客户的应用场景，把成功经验复制给客户，并推动这些经验在不同客户和不同行业之间复用。”

　　“近两年正在发展新的AI生态，与AI初创企业和成熟企业开展合作，通过共研共创推动应用落地。”丁晓红说，当前，工业AI应用百花齐放，已经出现很多应用场景，关键找到适合规模化复制的高价值场景。

　　关于未来1—3年最可能率先实现商业化的工业AI场景，丁晓红认为，能源优化和关键设备预测性维护目前具备广泛应用基础，可进一步普及。

　　中长期来看，AI进入物理世界（如自动驾驶、机器人）将是重要方向，但安全性、合规性和可靠性是首要考量。此外，随着数据孤岛打通及多智能体技术发展，跨工艺段、跨设备、跨软件的全局优化也是值得探索的复杂方向。

　　工业AI规模化落地的关键不仅是算法和数据，更在于行业Know-how的工程化封装能力。丁晓红强调，标准化是规模化的基础。施耐德电气正推进如面向能源优化的AIBox、DCS系统工程能力等的标准化封装，以降低使用门槛，提高工程效率。

　　她指出，工业场景复杂，标准化无法满足100%的需求。现阶段需先覆盖共性需求，再通过与合作伙伴、开发者及集成商的合作，完成最后的个性化定制。