部署持續加力

施耐德電氣集團董事長趙國華日前分析工業智能化發展現狀時表示，工業企業需要在數字化智能化領域加大部署和應用力度，這是保證全球競爭力和實現可持續發展的必由之路。

近期推出AI新產品的AVEVA劍維軟件首席執行官賀凱博認為，AI規模化應用的序幕已經拉開，將為工業企業提供更廣泛更深入的智能服務，實現生產力提升。

相關機構預計，2025年全球工業數據將由2024年的147澤字節（zettabyte）顯著上升至175澤字節（zettabyte），而未來工業數字化轉型有望帶來75萬億美元的增長潛力，AI等技術的復合應用于數字化重要環節將使全球工業出現顯著加速轉型趨勢。

零一萬物首席執行官李開復表示，以大模型技術為代表的AI技術將重塑各行各業的生產力格局，顛覆現有的企業組織結構和規模。但是目前大模型能力并未在 To B 應用上釋放出全面潛能，只有進入業務核心系統、快速輕量級大批量部署才能最大程度地為企業降本增效。

“今天在大模型領域內，大部分To B項目都集中在私有化定制模型，如何能夠真正讓大模型進入客戶核心業務場景，形成一個大模型賦能下、標準化、可規模復制的應用產品是未來To B的一大挑戰。”零一萬物聯合創始人祁瑞峰說。

收益逐漸擴大

隨著AI的應用和實踐已經滲透進多個行業，具體規模和參與度是業界普遍關注焦點。2024年新發布基于AI新產品的劍維軟件產品線執行副總裁庫斯托表示，在其接觸的大型煉油、石化、機械制造等工業領域，AI技術正通過長期積累的行業數據和運營參數不斷學習，協助人工提高設備的檢測和運行效率。

她認為，語言交互類AI的數據積累具有獨特優勢，發展速度快于產業類的應用。但在被稱為AI應用元年的2024年，已經逐步顯現加速和大規模應用的方向發展，未來隨著數據紅利和學習成果的釋放，AI參與生產的比重將大幅提升。

庫斯托表示，劍維較早就接觸AI的研發和應用，近年來細分行業的應用正在逐步加深。“未來在工業領域應用的關鍵是因地制宜，根據不同的企業和商業方案給予應用的客戶創造價值，達成其所需目標。今年我們發布了新的AI產品，顯示出我們大規模運用AI賦能客戶的決心。”

另外在埃克西爾能源公司，其超過20%的能源供應都來自風能，通過部署PI System，其利用數據驅動工具將風力預測誤差減少三分之一以上，并在六年時間里實現了4500多萬美元的運營降本增效。”

難點問題依然突出

業內人士表示，未來在能源效率、數據積累應用方面的問題限制了工業領域AI應用，需要各方提前布局加以解決。

面對豐富的制造業場景，AI解決方案廠商很難開發出一個唯一的解決方案。大模型加入后，工業AI應用已經加深，但目前距離做出一個通用的工業大模型尚遠，要獲取足夠的數據也存在困難。

《日本經濟新聞》評論員中山淳史撰文分析稱，個人數據僅占全世界數據量的一成左右，而盤活約九成的工業數據，或者BtoB（企業間）數據，包括企業之間的訂單及工廠運營情況、“IoT”（物聯網）等信息，此外還包括可再生能源和汽車行駛相關數據。

圍繞工業數據的爭奪戰今后將愈演愈烈。這些數據目前大多靜靜躺在各企業的自家系統或云上，尚未有平臺運營商對這些數據進行加工并為其賦予各種附加值。

如果企業間可以深化在數據方面的合作，那么經營效率提高及技術創新將更加容易實現，“工業數據巨人”也有可能誕生。保護數據隱私和維護經濟安全固然重要，但是企業意識到信息產生的價值，開始推進數據驅動型經營，這樣一天的到來更加令人期待。

近日，咨詢公司Gartner在最新調查報告中發出警告，預計到2027年，40%的現有AI數據中心將因電力供應不足而面臨運營困境。報告稱，在處理和訓練大模型方面，AI所需的計算資源和能源消耗達到了前所未有的水平。

為滿足AI數據中心巨大能源需求，業界顯現出加力發展清潔能源的舉措。谷歌、微軟、亞馬遜和Meta等科技巨頭正在積極投資核能發電設施，相繼宣布將推動建設小型模塊化核反應堆（SMR）。另外，《自然》雜志網站最近報道顯示，地熱技術正處于廣泛商業成功的邊緣，包括Meta和谷歌在內的幾家公司正在投資布局此領域。