21世纪经济报道记者董静怡 实习生顾婉娴 上海报道

2025年，在大模型争相迭代、算力竞争加剧的喧嚣背后，如何切实推动AI技术与实体产业的融合，成为全球各界关注的焦点。

相关调研表明，2024年78%的全球企业已开始使用AI技术驱动运营升级与商业创新。随着技术的快速迭代、场景的深度适配和产业生态的繁荣，AI向着千行百业的细分场景加速落地的条件已越来越成熟。第八届世界人工智能大会（WAIC 2025）上，行业模型、智能体、具身智能层出不穷，充分体现出AI正从前沿技术突破，逐步进入“大规模应用部署”的实用阶段。

作为全球产业技术领先者，施耐德电气在今年WAIC上聚焦AI技术在包装消费品、油气化工、数据中心、智慧楼宇、未来电网等关键行业的落地应用与生产力转化。

“AI并不只是一项前沿技术。它的核心价值在于落地千行百业的真实应用场景，激发效率潜能和绿色发展动能，推动各界共同创造一个更绿色、更高效、更富有能源韧性的未来。”近日，施耐德电气全球高级副总裁、首席人工智能官菲利普・兰巴赫（Philippe Rambach）在接受21世纪经济报道记者采访时表示。

随着AI从颠覆性技术进化为系统性解决方案，这一前沿数字技术正为全球经济转型提供强劲动力。菲利普·兰巴赫向21世纪经济报道记者指出，作为新一轮科技革命的关键力量，AI技术的规模化应用，将全面推进全球能源、工业等关键领域的结构性变革，从而重塑全球产业格局。

当前，机器学习、大语言模型、计算机视觉、知识图谱、机器推理、辅助决策等AI技术正加入工业流程的各个阶段，在供应链管理和生产制造流程中，实时优化设备参数，攻克效率难题，并预测需求变化，协调整个系统做出快速应对。

在能源领域，AI技术也正提供新的解法。“当前全球面对一个根本的两难困境：我们需要更多能源以推动经济社会发展，但我们必须显著减少碳排放，以实现全球气候目标。这意味着，我们必须拓展能源供给，同时更高效、更可持续地使用它们。而这正是AI的优势，也是施耐德电气的专长所在。”兰巴赫向21世纪经济报道记者表示。

在能源供给侧，AI正促进新能源的发展和并网，支持从化石能源转向清洁能源。在这个过程中，AI技术可以助力解决可再生能源的间歇性难题，通过精准预测风光发电、优化并网策略，让不稳定的清洁能源变得“可调度、可控制”，从而加速能源供给结构的绿色转型。

能源需求侧的变革则更为直接。兰巴赫认为AI可助力制造业、楼宇建筑、数据中心等领域显著提升能效。比如在楼宇建筑中，AI驱动的系统能基于实时使用需求和环境条件自动调节温度与光线，在保障舒适度的同时降低建筑能耗。

作为工业和能源同步变革的一个缩影，施耐德电气的上海普陀工厂就通过AI应用，全面提升生产流程效率，减少16%的能耗，且产品上市时间缩短63%，该工厂也从一家近30年的老工厂，跃升为“端到端灯塔工厂”。

值得注意的是，AI自身的能耗问题正引发关注。兰巴赫坦言，“随着算力的攀升，AI也在消耗大量的能源，尤其是在数据中心。与此同时，AI也在持续改进数据中心的能效和碳排放，并通过在其他领域实现更多绿色转型，来平衡和抵消其自身能耗带来的气候影响。只要应用得当，AI能够破解AI自身的能耗困境。”

WAIC期间，施耐德电气商业价值研究院发布的《算电协同——数据中心的能源挑战与应对》指出：随着全球算力需求的爆发式增长，数据中心将面临供电稳定性、成本控制和碳排放管理三重挑战。为推进算力与电力两大系统的协同优化，施耐德电气提出“算电协同”三层架构及系统化解决方案，为AI产业与数字经济的高质量可持续发展赋能。

无论是施耐德电气的践行经验还是行业共识，AI已表现出推动产业转型的巨大潜力，众多企业计划在业务中应用这一技术，但其规模化落地仍面临多重挑战。兰巴赫建议，企业部署AI的首要前提是“坚实的数字化基础”。

“AI不是孤立的系统，只有在与其他数字化技术结合的时候才能真正发挥作用，比如智能设备、自动化系统、软件，甚至5G网络，等等。”兰巴赫向21世纪经济报道记者表示，这就意味着企业若想推进AI技术发展，必须完成数据采集标准化、设备互联互通等基础性工作，而这正是许多传统企业的短板。

“其次，企业需要将AI真正应用于业务场景，从某些场景开始试行，然后大规模推广。”兰巴赫建议。

第三，战略与人才的适配同样关键。“AI技术应用有一定门槛，企业需要从战略层面坚定方向，并构建一支优秀的队伍，以正确的思路、正确的组织结构来确保AI落地应用能够成功。”兰巴赫向记者表示。

施耐德电气长期深耕机器学习、AI算法等领域20余年，如今，AI早已成为该集团的战略核心，在全球建立了多个AI研发中心，并在中国建立了AI创新实验室，聚焦能源管理和工业自动化领域的具体细分场景需求，不仅应用于自身生产运营，更光伏赋能各行各业。

在人才储备方面，施耐德电气的应对之道包括内部培训与外部合作，对内推行“数字公民”“全员AI”等项目提升员工数字技能，对外联合高校培养兼具AI技术与行业知识的复合型人才。兰巴赫透露，截至2025年底，90%的员工将掌握数字化技能。

最后，生态协同则是突破规模化瓶颈的核心。“AI发展离不开数据、算法、算力、场景等关键要素，跨越多个行业领域。无论是其研发创新还是落地应用，都需与合作伙伴开展深度协作，而不是独自推进。”兰巴赫向记者表示，“在生态系统中联合创新通常是快速构建AI系统并真正产生成效的做法。”

这个理念在施耐德电气的中国实践中尤为突出，其连续六年发起“创赢计划”，赋能中小企业数字化创新，第六季“创赢计划”更专门设置AI+赛道，携手各界生态伙伴共同探索AI应用前沿。不久前，施耐德电气与奇安信等本土企业合作成立技术本地化创新中心，将5G、云计算、信息安全等前沿技术与本地经验结合，既加速了AI解决方案的本土化适配，也通过资源互补降低了技术落地的门槛。

“中国是全球AI产业发展高地，也是施耐德电气AI创新战略布局的关键一环。”兰巴赫向记者表示，“人工智能+”的政策支持、雄厚的产业基础、多元的应用场景、丰富的创新资源，正催生快速崛起的AI产业集群，使中国成为最积极践行AI规模化应用的全球市场。

“中国不止是我们的战略市场，更是一个关键的业务中心。借助中国AI产业发展动力，我们可以进一步强化AI规模化产业应用的能力。”兰巴赫向21世纪经济报道记者表示。