2026年10月12日，第二十六届中国国际工业博览会在上海国家会展中心正式启幕。作为能源科技的全球引领者，施耐德电气以“智·在其间”为主题亮相6.1号馆C127展位，将持续迭代的EcoStruxure三层架构作为主线，集中呈现开放自动化、工业AI与能源管理领域的全链路创新成果。展会期间，施耐德电气举办专场媒体交流会，围绕行业趋势、技术落地、生态共建等话题展开深度分享，为产业界解读工业数智化新阶段的融合路径。
“智·在其间”：重新定义工业数智化的新阶段
在媒体交流会上，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首先对本届工博会的核心主题作出了系统性阐释。她指出，过去数年工业领域的智能化应用多聚焦于单点、单环节的突破，而当下行业正进入全新的融合阶段：“‘智·在其间’，意味着工业智能不再停留在某一个孤立的应用点，而是要融入不同技术层级、不同业务环节、不同行业场景之间，实现跨维度的融会贯通。”
这一判断并非抽象的理念，而是建立在施耐德电气对产业实践的长期观察之上。从技术架构维度看，施耐德电气迭代后的EcoStruxure三层架构，底层聚焦互联互通的接入适配，中层打造基于软件定义自动化的运营控制体系，上层面向全局管理优化，形成了从数据采集到价值释放的完整链路，让工业智能贯穿技术体系的每一个层级。从企业全生命周期维度看，智能能力将覆盖仿真、设计、建造、运营、维护的全流程，打破不同阶段的能力壁垒。从跨场景融合维度看，能源与自动化的结合、驱动与控制的协同，乃至中国企业出海过程中跨区域的体系化解决方案支撑，都需要通过深度融合为客户创造增量价值。
针对当前行业热议的“算力+能源+自动化”融合趋势，丁晓红进一步提出了底层逻辑判断：“算力的尽头是能源，电力是支撑算力运行的核心基础设施，而自动化则是实现算力与能源协同优化的基础，三者本身就是一体共生的关系。”这一观点在本届工博会的施耐德电气展区得到了充分落地，尤其在数据中心场景中，其全链路方案正是通过能源技术与自动化技术的深度结合，同时保障算力的连续稳定输出与能耗的精准管控，为AI算力基础设施的高质量发展提供支撑。
锚定数据根本：探索工业AI规模化落地的务实路径
工业AI是本届工博会最受关注的核心议题，而产业实践中普遍面临的协议不统一、历史数据质量参差不齐、跨主体数据难以共享等痛点，始终制约着规模化落地的进程。在丁晓红看来，数据治理是工业AI落地的根本性基础：“不同发展阶段形成的‘数据孤岛’长期存在，进入工业AI时代后，除了结构化数据，大量非结构化数据的价值挖掘，更需要建立完整的‘业务上下文’，把一台设备、一座工厂的‘前世今生’串联起来，才能真正理解现状、预测未来。无论是当下的工业AI阶段，还是未来的智能体时代，数据治理都是无法绕过的根本性基础，需要产业各方共同推动完善。”
基于这一判断，施耐德电气走出了一条稳扎稳打的AI落地路径，丁晓红将其总结为三大核心举措：
第一是组织与人才的前置储备。施耐德电气在全球设立AI Hub人工智能中心，面向内部团队与外部客户提供AI应用孵化与赋能服务；近两年又专门组建聚焦工业AI场景的专项团队，通过内部培养、外部引进相结合的方式，让更多一线员工具备AI应用落地能力。
第二是“先自用、再外输”的实践策略。施耐德电气将AI工具深度融入全球及中国的产品研发全流程，从AI辅助编码到设计环节的智能优化，先在自身业务场景中跑通验证，再将成熟经验复制推广给客户，实现实践经验的跨场景复用。
第三是开放协同的生态共建。工业AI的规模化不可能依靠单一企业完成，施耐德电气正广泛与AI领域的初创企业、成熟企业开展共研共创，汇聚产业合力拓展应用边界。
对于未来1-3年最有可能率先实现商业化普及的工业AI场景，丁晓红给出了清晰的判断：能源优化与关键设备预测性维护是当前基础最扎实、落地门槛最低的两大方向。前者覆盖全行业的能耗优化需求，只要完成基础仪表的数据采集，就能实现跨车间、跨工厂的能效对标，快速为客户识别优化空间；后者经过多年的技术沉淀，结合机理模型与轻量化AI算法，已经在风机、空压机等关键设备上实现了广泛落地。面向中长期，随着数据孤岛的逐步打通、多智能体技术的成熟，跨工艺段、跨设备、跨软件的全局生产优化，将成为工业AI下一个重要的价值爆发点。
六年深耕：软件定义自动化从理念走向产业共识
距离2020年施耐德电气推出EcoStruxure开放自动化平台（EAE），推动软件定义自动化理念落地，至今已走过六年时间。丁晓红在交流中回顾这一历程时表示，六年里最显著的变化，是开放自动化已经从少数先行者的探索，转变为全行业的共识与共同行动。
从最初在水务、市政行业实现规模化应用，到如今快速拓展至数据中心、离散制造、流程工业等多个领域，EAE的应用边界不断拓宽。在生态层面，以UAO开放自动化组织为核心，高校、行业伙伴、国内自动化品牌共同参与的协作网络已经形成，施耐德电气也与生态伙伴联合开发了EcoPredict预测性维护边缘系统、EcoPumping智能泵组边缘系统等多款边缘侧解决方案，通过生态协作放大开放自动化的价值。在产品与技术层面，AI技术的蓬勃发展进一步加速了IT与OT的融合，EAE开放的架构让视觉算法、AI控制算法能够便捷地集成到工业现场，大幅降低了先进技术落地的门槛。
据施耐德电气工业自动化业务通用行业负责人金石介绍，针对不同行业的差异化需求，施耐德电气也形成了面向不同行业的差异化落地路径：对于流程与混合行业，以安全为底线，通过机组驱控一体化、AI与软件能力的融合，帮助企业实现长期稳定运营与持续优化；对于数据中心行业，围绕算力连续性与能耗双控两大核心痛点，打造覆盖配电、冷源群控、全生命周期运维的全链路方案；对于市政行业，以智慧水务、智慧供热等场景化方案，保障民生服务的连续稳定与运营效率提升；对于离散制造行业，通过“黄金四件套”机器运动控制整体方案、EAE平台等能力，适配小批量、多品种的柔性制造需求。施耐德电气北京物流中心的实践显示，依托EAE的模块化、可复制特性，项目整体部署周期可缩短20%，充分验证了开放自动化的实际价值。
扎根场景实践：以灯塔工厂经验沉淀可复用的AI能力
作为拥有无锡、上海、北京、武汉四座灯塔工厂的企业，施耐德电气自身就是工业AI的深度实践者。丁晓红在交流中分享了多个“小而美”却效果显著的落地案例：在运营近30年的上海普陀灯塔工厂，新增的“智能领班”系统让一线管理人员无需再从大范围现场巡检开始一天的工作，通过仪表盘就能优先定位存在问题的区域，提升巡检的针对性和效率；在无锡工厂的HMI组装产线，AI视觉系统可以自动识别零部件是否漏装、操作是否规范，用轻量化的投入解决了一线生产的实际痛点。
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，这些实践并非零散的单点尝试，而是围绕安全、质量、能源管理、设备绩效、生产优化五大维度搭建的完整AI应用体系。在安全领域，本地创新团队开发的安全智能机柜，结合AI能力提升设备点位测试效率，减少人为疏漏带来的风险，相关方案已经落地大型项目与“一带一路”项目；在质量领域，上海普陀工厂的AI视觉检测系统，替代传统人工完成贴标、称重、包装完整性检测等工作，大幅提升检测准确率；在能源管理领域，北京零碳工厂通过AI驱动的能源管理系统，对分布式能源进行实时分析与优化调度，实现园区能效的持续提升；在设备绩效领域，覆盖全厂区的预测性维护体系，帮助企业减少非计划停机，实现从“被动抢修”到“主动运维”的转变；在生产优化领域，结合严格机理模型与大数据模型的AI能力，覆盖从工艺仿真到实时优化的全流程，为生产运营提供智能辅助决策。
丁晓红特别提到，这些沉淀在自身工厂中的实践经验，正在逐步转化为标准化的能力组件，对外赋能更多处于不同数字化阶段的客户。尤其针对当下市场中存量改造需求占比持续提升的趋势，施耐德电气专门组建了服务存量市场的专项团队，依托开放自动化架构，在尽可能保留客户原有硬件资产、历史工艺Know-how的前提下，打通不同系统之间的数据孤岛，帮助老旧工厂在不影响连续生产的前提下完成数智化升级。拥有近30年历史的上海物流中心，正是通过EAE完成了多品牌旧系统的升级改造，成为国内存量物流改造的典型样本。
开放生态协同：推动工业智能走向规模化普惠
在本届工博会上，施耐德电气不仅带来了覆盖控制、驱动、通信、人机交互等领域的多款全新产品——包括首次公开亮相的新一代Modicon M380 ePAC控制器，以及ATV610QC通用型变频器、ATH600暖通变频器、TeSys iMCC新一代智能电动机管理系统、岳昇HMI2026（由AVEVA剑维软件出品）等创新成果，更通过发布《软件定义，进入现场》EAE开放自动化创新实践集、《工业AI，进入现场》工业AI应用创新实践集，以及与中电联电力发展研究院联合撰写的《中国企业新型工业电气化之路》报告，为产业界沉淀可参考的实践经验。同时，施耐德电气在展会现场与多家行业客户、生态伙伴完成战略签约，进一步扩大开放自动化与工业AI的协作“朋友圈”。
除扎实的技术成果与生态合作外，施耐德电气的互动体验区同样亮点纷呈：AI智能体非遗糖画设备可通过自然语言指令调用PLC控制功能，自主完成非遗糖画创作；黄金四件套赋能工业具身智能设备直观演示高精度运动控制与实时响应性能；AI视觉智能检测与柔性协作机器人方案展示机器视觉与边缘计算在工业质量检测中的落地应用，让观众沉浸式体验工业智能价值；水处理开放自动化设备则通过微缩模型完整还原净水处理流程，展示开放自动化架构如何帮助传统基础设施实现更高效、更灵活的运营。
丁晓红在媒体交流会的最后强调，工业数智化从来不是单一企业的“独奏”，而是全产业协同创新的“合奏”。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。
