摘要：在一个约2米高的金属框架内，144个伺服电机分列两侧，4台隐藏式控制器通过AI算法精准调度每块翻牌的翻转角度与速度，协调它们有条不紊地运作，翻出指定的图案。这是施耐德电气开放自动化EAE平台与AI算法深度融合的成果，可同步控制多个机械臂协同作业。
我国已建成3.5万多家基础级智能工厂
作者／ IT时报记者 潘少颖
编辑／ 潘少颖 孙妍
在一个约2米高的金属框架内，144个伺服电机分列两侧，4台隐藏式控制器通过AI算法精准调度每块翻牌的翻转角度与速度，协调它们有条不紊地运作，翻出指定的图案。这是施耐德电气开放自动化EAE平台与AI算法深度融合的成果，可同步控制多个机械臂协同作业。
在新松展台，一套免示教智能焊接系统仿佛拥有“火眼金睛”，依托AI视觉技术实现了工件的自动三维建模、焊缝识别与工艺优化。面对复杂结构件，机器人能精准锁定焊缝位置，并能根据工件材质自动调整电流、电压等参数，手法比老焊工更加稳定。
在本届以“工业新质，智造无界”为主题的工博会上，AI正从概念走向量产车间、能源枢纽与城市楼宇，重塑工业生产的底层逻辑。如今在工业制造领域，AI的价值正从单点突破转向全链条渗透。但AI真的能包揽所有工业难题吗？毕竟，AI不是实验室技术，而是需要“下车间、进产线”的价值工具。
重塑生产逻辑 落地场景丰富
“‘十四五’期间，我国制造业数字化转型从标杆引领进入规模推广阶段。智能制造成效显著，已建成3.5万多家基础级、230多家卓越级智能工厂。”工业和信息化部部长李乐成如此表示。
工业数字化转型已步入日趋成熟的阶段，工博会上随处可见的案例印证了这一点。
在施耐德展区，《IT时报》记者看到，专为行业打造的EcoStruxure开放自动化平台（EAE）已深度应用于智慧水厂、泵站及污水处理厂等场景，新一代数智水厂正推动水务行业加速数字化转型。透明展柜中，蓝色水流沿模拟管道缓缓流动，屏幕上实时显示浊度、pH值等数据，这正是EAE平台的现场演示。每道工序都被紧密串联：从原水过滤到加药调节，再到管网压力监控，平台统筹净水全流程工艺，显著提升工程效率、降低运维成本。
《IT时报》记者了解到，施耐德电气在自身生产运营中全面部署AI，打造了多个标杆性“灯塔工厂”。在研发方面，施耐德电气设立了包括中国自动化研发中心在内的五大研发中心及AI创新实验室。施耐德无锡工厂便是一个典型案例，通过AI驱动的闭环碳跟踪平台与能效优化模型，该厂实现范围一和范围二（两大碳排放类别）减碳90%，成为全球“可持续灯塔工厂”的标杆。
施耐德电气执行副总裁、中国及东亚区总裁尹正在接受采访时透露，施耐德电气中国的“AI创新实验室”目前正聚焦“工业AI模型的边缘侧控制”和“具身智能在工厂的实际落地应用”等前沿方向，加快探索步伐。
西门子在工博会上的展台堪称工业AI的“全景展示窗口”，近20款与工业AI相关的产品及解决方案集中亮相。其中，荣获汉诺威工博会赫尔墨斯奖的生成式AI工业助手Industrial Copilot成为焦点。在设计研发端，面对跨领域的复杂数据，它能快速梳理分析并生成优化建议，显著缩短产品设计周期；进入生产制造环节，工程师只需用日常语言下达指令，系统便能自动生成自动化代码并完成验证；在运维管理场景中，它提供专家级诊断服务，精准预警潜在故障，大幅减少非计划停机带来的损失。
并非“万能钥匙” 暂难担核心“重任”
在工业领域数字化转型的浪潮中，AI从概念走向实践，逐步渗透到生产制造、设备运维、能源管理等多个环节。无论是通过机器视觉提升产品质检精度，还是依托预测性维护减少设备非计划停机，AI都已成为推动工业智能化升级的关键力量。但工业场景的复杂性与多样性，决定了AI并非“万能钥匙”，再加上目前存在的“幻觉”问题，并非所有场景都适合直接将AI应用于核心调控环节。
我国北方一家大型半导体企业，在半导体制造过程中既面临能耗管控的实际需求，又需严格保障核心生产环节的稳定性。其生产区域（尤其是洁净室）对送气、风、水、电的供给精度与连续性要求极高，任何参数波动都可能影响芯片制造质量，因此在核心工艺调控上必须保持绝对谨慎。基于这一特点，该企业与施耐德电气共同搭建工厂能源管理系统时，并未轻易将AI用于核心生产区，而是聚焦非生产场景的节能优化：通过施耐德的AI算法，实时采集并分析生活区、物流装备区及外围区域的空调运行数据，动态调整设备启停与功率参数，在不影响生产稳定性的前提下实现精准节能。
在施耐德电气工业自动化中国区行业及战略中心负责人乔锃看来，工业应用场景（尤其是自动控制或自动化领域）对技术的核心要求是“实时性”与“确定性”。“AI的输出结果并非直接的确定性数值，而是通过‘逐步逼近’的方式无限接近目标值，例如要求输出‘1’时，AI可能从0.85开始缓慢趋近，无法像传统控制系统那样精准响应。”乔锃表示。
这一特性决定了目前工业AI的核心价值更多体现在“辅助性支持”：通过数据分析提供优化策略，但这些策略不能直接用于工艺调节或设备控制，必须结合常规的机理模型进行约束与校准，最终通过机理模型计算出确定性数值后，再输出至现场执行。
“AI分析与软件决策结合是最优路径。”乔锃表示，二者结合可实现“效率提升”与“精度保障”的双重目标：一方面，AI能大幅减少人工调节环节，快速缩短逼近稳定值的过程，提升计算与工程执行效率；另一方面，软件决策可确保最终输出值的精准性，避免因AI输出偏差影响生产。
排版／ 季嘉颖
图片／ IT时报 施耐德
来源／《IT时报》公众号vittimes
E N D
来源：IT时报
