從電氣化到數字化，從數字化到智能化，雖然曾經工業4.0明確標識出了OT與IT融合的具體場景和標準，但是事實上在行業當中，兩者天然的學科界限依然涇渭分明：以PLC為代表的企業級OT自動化硬件與以云計算為代表的IT數字化能力之間，依然需要根據應用場景的不同，而選擇不同的方式來互相融合，彼此作用。這對于企業用戶而言，無形中增加了由于系統本身定制化而來帶的成長型風險，而對于同時向市場提供包括OT和IT解決方案的廠商而言，則因為缺少真正將兩者關聯起來的技術發展規劃和邏輯，所以常常陷入顧此失彼的窘迫之中——顯然，無論是從行業技術發展角度，還是對于企業用戶、供應商而言，都迫切需要為OT和IT找到一個統一的技術發展、應用的明確邏輯。

2023年6月8日，2023年施耐德電氣創新峰會在烏鎮召開，施耐德電氣全球執行副總裁、中國區總裁尹正提出了施耐德電氣對于OT與IT融合發展的通用邏輯：在企業和產業兩者同時的轉型過程中，電氣化解決的是可持續性發展的問題，數字化解決的是提高業務效率的問題，兩者疊加的關鍵在于用軟件為兩者搭建出一個統一的平臺。而施耐德電氣的這一邏輯，不僅在OT與IT融合的過程中，明確了軟件和IT技術本身的地位，甚至在某種程度上，也為自身涵蓋廣泛的用戶領域——工業、樓宇、數據中心、基礎設施等——定義了統一的發展思路，即以IT技術為核心，以數字孿生為統一模板，面對不同行業，提供包括工業數字孿生和能源數字孿生等解決方案，從而為各種類型的企業提供從設計、建造、運營和維護的全方位價值。

之前施耐德電氣就已經從戰略方向上制定了從硬件技術向軟件和數據技術轉型的方向，但是從整體架構、邏輯以及新舊兩種不同技術融合方式等方面，此刻的施耐德電氣有了更加明確、能夠用來制定和規劃整個企業戰略部署的規則和邏輯。

“數字孿生可以集成軟件、算法、數字化平臺等，全面覆蓋產品和資產的全生命周期，包括設計、建造、運營、維護的各個階段，從而提高整體效率。”在接受筆者采訪時，施耐德電氣副總裁、數字化服務業務中國區負責人張磊強調：施耐德電氣創建了完整的數字化工具組合，包括豐富的硬件和軟件。按照數字孿生的邏輯，實際上就是“數據集成中心”，全面收集所有數據，包括資產、運營、能源、碳排放等，并為最終企業創建覆蓋工業和能源的兩大數字孿生，幫助企業實現對數據和信息的快速追蹤和管理。“這是施耐德電氣的優勢所在，我們的數字化解決方案能夠融合流程、電力和樓宇建筑各個層面。比如，工藝流程的設備參數發生了變化，電源供應也將隨之調整，樓宇建筑的空間位置也將改變……這些變化都可以在數字孿生模型中迅速調整，并反饋到物理世界，通過自動化系統及時調整。隨著企業的規模擴大，應用場景的日益復雜，企業必須進行自動化和數字化的管理，涵蓋設計建造到運營維護，形成一條連續的數字動線。”

在本次創新峰會上，施耐德電氣在原有工業物聯網EcoStruxure架構與平臺基礎上，進一步加入AI技術的元素，發布了企業級一站式、場景化、開放性的AI模型生產與運維平臺EcoStruxure^TMAI引擎，將其對IT技術本身的期望和關注表現到極致。

根據施耐德電氣提供的資料，此次推出的EcoStruxure AI引擎，覆蓋了企業客戶實現人工智能產業落地所需的五大建模相關流程，包括AI模型生命周期中的數據準備、模型訓練、模型部署、模型推理及模型監控，并采用云邊協同架構，云端訓練模型，通過下發至邊緣平臺進行實時推理，控制各類設備執行AI任務。到目前為止，EcoStruxure AI引擎基于原有產品推出了面對各種不同應用場景的標準應用套件和20多個工業級模型，可直接部署開箱即用，如基于AI的智慧安防，空壓機的預測性維護等。而對于特定場景數據，企業用戶可基于EcoStruxure AI引擎內置的豐富模型模板，進行快速預研，從而訓練更高精度的定制化場模型。

“施耐德電氣有個特別好的一個優勢：我們本身就是一家有將近200年歷史的一個工業巨頭，在中國有22家工廠和7個物流中心，覆蓋了各種業務模式。按照供應鏈的模式，有些工廠是按照庫存生產的標準產品，也有些工廠完全是定制化的產品，甚至還有工廠是從圖紙設計定制的這種高度的定制化的產品……所以施耐德電氣的業務模式跨界范圍很廣，基本涵蓋了離散行業、離散制造的所有的生產范式。”施耐德電氣中國區供應鏈績效及數字化副總裁顧俊強調，施耐德電氣對軟件和IT技術投入的方式，與單純IT行業不同，施耐德電氣所有的IT技術研發和推出，都是來自于企業真實的業務需求和業務場景，也是經過反復驗證的，“所有產品在正式走向市場之前，都有一個孵化的過程，包括在做原型、測試時，都會在施耐德電氣自己的企業當中做真實的應用，以驗證其所能提供給企業用戶的價值。”

以此次推出的EcoStruxure AI引擎為例，顧俊強調，在真實的工業企業的供應鏈當中，有一個“質量檢測”的應用場景，其需要在產品生產過程中，對產品的生產過程、外觀、特征以及生產最后的結果進行檢測，確保產品的質量和結果是符合產品質量要求的。“在以前，很多工業企業只能靠人工檢測的方法來完成這部分工作，這樣容易出現效率低下以及漏檢等情況。在最早的幾年，我們會采用傳統機器視覺的圖像檢測方式——這種方式幫我們解決了一部分的問題，但對于那些可能出現的缺陷由于沒有太多的規律性，出現的位置和形狀也千差萬別，因此在不可窮舉的情況下，這種方式也無法很好地保證漏檢和過檢率，所以依然得需要很多人工做現場檢驗。”

顧俊認為AI技術的加持，讓“質量檢測”環節得到了徹底改善：“現在，施耐德在10家以上的工廠已經用了大量的AI工業視覺檢測平臺，過去一年中，這些AI解決方案已經為工廠帶來400萬元的直接成本節約。最直觀的一個結果是對于質量的改進，漏檢率是0，過檢率能夠控制在0.5%以下。這樣企業就不需要用專人做質檢了，只需要隨機巡檢。”

事實上，與傳統IT技術提供者開發的針對工業企業應用場景的IT產品相比，以施耐德電氣為代表的技術提供者，最大的優勢還僅僅在于可以用自己的企業去先行發現、研發和驗證IT技術的現實能力，而是能夠在IT技術的基礎上，疊加自身積累的工業知識和企業管理經驗。

依然以本次發布的EcoStruxure AI引擎為例，顧俊認為，工業領域對于AI技術的應用模式與消費互聯網領域是有本質性的區別的：“我們雖然同樣強調算法，強調通過算法訓練出大量的、越來越多的智能模型去輔助工業企業的智能生產，但是幾乎沒有一個模型是純數據模型，這是不可能的。因為工業領域強調的邏輯判斷標準是強因果性，而不是強相關性——純數據模型強調的是強相關性——所以施耐德電氣提供的AI應用，一定是要知道結果背后的原因，有很清晰的邏輯性，強調強因果性。”

顧俊強調，EcoStruxure AI引擎在數據模型和分析技術的基礎上，重點加入了施耐德電氣多年的行業知識和專家經驗，“也就是說，施耐德電氣提供的所有數據模型背后，都是數據分析加專家系統——這是施耐德電氣在工業領域多年積累的知識和能力，由于這些知識和能力的高度碎片化，所以也是互聯網公司或者純IT技術開發者，在短期內很難提供的。當施耐德電氣將這些工業企業的業務知識與數據分析結合在一起退出來的模型，就是能夠具備高可解釋性和強因果性，而不純是具有相關性。”

而從現實應用的角度，張磊則認為，在現階段，包括AI在內的IT應用，都必須從企業自身的業務特點出發，在為企業提供更高效率的同時，以保證企業的業務連貫性、安全性為主。“所以我們在做算法的時候，會在應用流程中加入一個過渡，增加人工確認的過程，而不是讓IT系統直接控制PLC，控制企業的業務生產線工作，從而保證企業的業務流程是低風險、安全且連貫的——AI到目前為止，還是輔助決策，不是完全的取代。”

寫在最后

從強調硬件設備的電氣化、自動化，到認識到軟件技術的價值，加強IT技術能力的數字化，施耐德電氣是整個工業技術提供商當中，最早放下倔強、擁抱未來的企業之一，也是對IT技術如何應用于工業企業，并真正發揮價值，認識最清晰的企業之一。而這一種轉變在未來，不僅僅會影響施耐德電氣自身的業務發展方向，很大程度上，也會影響到整個工業領域數字化轉型模式向更務實的方向進行優化調整，讓更多的企業能夠真正借助IT能力，更關注自身的業務。