在施耐德电气上海普陀工厂，领班每天早上上班后的第一件事变了。过去，他需要直接走进车间巡检。现在，可以先打开系统仪表盘，看看哪些区域存在问题，再决定优先去哪里。这套新加入的应用，被称为“智能领班”。

在施耐德电气的另一座无锡工厂，AI视觉系统也开始参与HMI组装，检查螺钉、背板等零部件有没有放齐，以及操作是否正确。

这些应用看起来都不复杂，却能反映工业AI目前的落地状态。

“智·在其间”是今年工博会施耐德电气参展的主题，对比去年“了不起的未来工业”，今年强调让不同层级、不同环节的智能化应用进一步融合。随着工业AI在越来越多的场景中取得实际效果，如何将这些应用接入原有生产系统，并推广到更多产线和工厂，正在成为企业关注的新问题。

从视觉检测到能源优化，AI正在进入生产现场

在2026工博会媒体见面会上，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谈到无锡工厂的AI视觉应用时说：“这些应用的投入可能并不大，但效果非常直接，能够帮助员工解决实际工作中的问题，是‘小而美’的应用。”

施耐德电气在中国拥有无锡、上海、北京和武汉四座灯塔工厂。除了视觉检测，AI也已经进入能源管理、设备绩效和生产优化等环节。从目前的应用情况看，丁晓红认为，能源优化和关键设备预测性维护，是已经具备广泛应用基础、可以进一步普及的两个方向。

能源优化可以通过仪表获取数据，对不同车间、不同工厂的能源使用情况进行比较，寻找优化机会。预测性维护则结合机理模型与AI算法，提前识别大型风机、空压机等设备可能出现的问题。

一些项目已经有了可以量化的结果。在施耐德电气提供的案例中，钢铁冶金球团先进控制使关键参数波动偏差降低20%以上；石油化工APC参数闭环周期从2小时缩短至15分钟；冷站泵组实现15%以上节能。

不过，这些应用通常围绕相对明确的设备或生产环节展开。当企业希望进一步实现跨设备、跨工艺段的优化时，就需要处理不同系统之间的数据连接，以及长期积累的工业经验。

老工厂智能化改造，如何用好已有资产

一些工业企业正在面对老旧工厂的智能化改造问题。客户现场既有运行超过20年的工厂，也存在多个品牌产品并存的情况。部分老旧工厂使用的设备品牌已经退出市场，备件也越来越难获得。对于这些企业，智能化改造首先需要考虑已有资产如何继续使用。

施耐德电气工业自动化业务通用行业负责人金石表示：“保留PLC等硬件设备相对容易，更重要的是如何保留原有程序和其中积累的行业Know-how。”设备程序中包含着企业多年生产运营积累的经验。与此同时，不同系统之间的数据往往难以互通，如果希望进一步开展预测性维护或工业AI应用，还需要重新整理这些数据。丁晓红在采访中专门谈到了Context，也就是业务上下文。她认为，要将一台设备、一座工厂过去积累的相关信息联系起来，才能更好地理解设备当前的状态，并对未来进行预测。

在既有系统连接和资产复用方面，施耐德电气提供的路径之一是EcoStruxure开放自动化平台（EAE）。该平台自2020年推向国内市场以来，最初主要应用于水务、市政等行业，近年来逐步扩展到数据中心等场景。软件定义自动化所提供的开放架构，可以帮助企业连接不同品牌的设备和系统，并将已经开发完成的功能封装成模块，供后续项目复用。

施耐德电气工业自动化技术架构和流程行业负责人刘文表示：“对于老旧工厂，可以通过软件定义自动化接入不同品牌的原有产品，在尽量减少停机影响的情况下实施改造。”施耐德电气已经在自身物流中心进行了相关实践。上海物流中心运营近30年，原来使用多个品牌的产品，如今通过开放自动化完成了升级改造；在北京物流中心，EAE利用模块化、可复制的特点，将部署周期缩短了20%。而在一些离散制造项目中，施耐德电气与合作伙伴通过已有能力和模块复用，节省了60%以上的开发时间。

对于拥有多个生产基地的企业，第一座工厂积累的通用模块和交付经验，有机会继续应用于第二座、第三座工厂。相比每次重新开发，这种方式也为存量工厂持续升级提供了条件。

从单点应用到跨工厂复用，工业能力如何沉淀

随着工业AI进入更多行业，不同客户对系统功能的要求也出现明显差异。即使采用相近的技术，工厂的设备状态、工艺流程以及长期积累的运行数据也可能不同。一个项目中经过验证的应用，到了另一家企业，仍然需要完成相应的适配工作。施耐德电气正在尝试将更多成熟的工业能力进行标准化封装。例如面向能源优化的AIBox，以及对流程工业DCS工程能力的封装探索。施耐德电气还与生态伙伴共同开发了EcoPredict预测性维护边缘系统、EcoPumping智能泵组边缘系统和EcoBatch柔性批次管理组件，希望让开发者和系统集成商能够直接复用相关功能。

刘文举了智能报警的例子。系统可以先提供初步诊断，再由操作人员进行维修或响应。随着工厂持续运行，新的故障记录、检修数据以及设备厂商反馈还会不断产生，客户需要利用这些信息完善应用。因此，施耐德电气希望先提供标准化工具，再由客户结合自身数据完成个性化应用，生态伙伴也可以参与其中。

施耐德电气工业自动化产品市场部负责人程晓莉在谈到AI对工业控制体系的影响时表示：“就目前阶段而言，还谈不上AI从底层重构整个体系。”按照她的介绍，目前施耐德电气更强调让AI在设备接入、运营控制和决策等不同层级发挥作用。在化工等工业场景中，AI的使用必须确保决策合理、安全，并保障整个系统稳定运行。

结束语

从工厂现场的视觉检测、能源优化，到开放自动化架构下的设备连接与应用复用，施耐德电气今年展示的技术实践，指向了工业AI落地过程中几个相互关联的问题：如何解决具体生产问题，如何融入已有的工业体系，以及如何将经过验证的应用推广到更多场景。

正如丁晓红谈到：“工业数智化不仅是技术升级，更是产业协同创新的过程。施耐德电气将持续深化开放生态建设，推动开放自动化、工业AI与行业场景深度融合，与客户和合作伙伴共同探索可复制、可推广的数智化实践，助力中国工业高质量发展。”

我想这也是对“智·在其间”的解读。工业智能化涉及设备、控制、软件、数据与人的协同，单一技术的突破只是其中一环。随着AI逐步进入生产运营的不同环节，如何让这些能力在既有工业体系中有效衔接，并在安全、稳定的前提下持续发挥价值，将成为工业数智化进一步深入的重要课题。