2023 年年中，施耐德電氣發布了企業級 AI 模型生產與運維平臺 EcoStruxure AI 引擎，將能源管理和自動化領域的專業知識融入 AI 模型中，為業務專家、數據分析師等用戶提供低代碼乃至零代碼的 AI 應用。

而這一AI平臺背后云服務可以選擇包括亞馬遜云科技在內的生態伙伴提供支撐。

施耐德電氣全球供應鏈中國數字化轉型總監冒飛飛在采訪中表示，“亞馬遜云科技是施耐德電氣在全球范圍內的主要云服務提供商之一，我們雙方的合作不僅在人工智能方面，在數據平臺、數據中臺，甚至是企業內部的業務系統，以及 ESG 的中央化平臺領域，施耐德電氣都在基于亞馬遜云科技的服務打造相關解決方案，可以說，我們與亞馬遜云科技的合作是全面且深入的。”

利用亞馬遜云科技技術，實現 AI 普及化

施耐德電氣秉持“Al for All”的宗旨，致力于讓所有的員工，無論是技術人員還是業務人員，初學者還是專業人士，都能利用人工智能的技術，更好地解決業務問題，提高效率和創新能力，讓 AI 惠及每一個人！

為了實現了這一宗旨，施耐德電氣打造了企業級AI模型生產與運維平臺 EcoStruxure AI 引擎。據冒飛飛介紹，施耐德電氣 EcoStruxure AI 引擎以完善算力與數據等要素供給為基礎，以模型算法創新為關鍵，以場景應用為牽引，構建活躍的AI創新與應用生態。

EcoStruxure AI 引擎共分為三層，最核心是算力層，包括算力資源、網絡、云服務和邊緣計算，中間層是模型層，通過模型訓練、模型部署、模型推理、模型監控、模型更新完成模型的閉環，最外層是應用層，通過工業領域專業知識訓練的小模型所打造的專業應用，例如表面缺陷檢測、預測性維護、能耗排放優化等方面。

在算力層，施耐德電氣使用了Amazon SageMaker，在云端實現數據存儲和標注及模型訓練、推理、部署、監控，以及迭代更新等全流程，并把云端模型下發到產線邊緣側，執行邊緣推理，有效降低模型管理訓練的復雜度。

此外，施耐德電氣開放的 AI 平臺還應用了Amazon Relational Database Service（Amazon RDS）服務，幫助客戶在云中設置、操作和擴展關系型數據庫；同時，施耐德電氣借助Amazon Elastic Container Service（Amazon ECS）輕松部署、管理和擴展容器化應用程序，實現機器學習模型在生產線邊緣設備的容器中的輕松部署和管理。

如今，施耐德電氣的全球供應鏈擁有 187 家工廠，在中國擁有二十多家工廠。通過亞馬遜云科技的數據庫、計算服務，以及Amazon SageMaker機器學習服務，施耐德電氣在云端實現對全球工廠的中央化部署、管理與監控，更好地管理其在全球的供應鏈，提高生產效率，優化資源配置，并確保持續改進和創新。

探索大模型與小模型并存，推動 AI 在工業場景的發展

冒飛飛表示，在 AI 應用中同樣存在二八定律。對于標準場景，可以通過一次構建多次重復使用，實現“開箱即用”或少量再訓練微調。目前，施耐德電氣已經積累了超過 20 個工業級模型，可以直接部署上線使用，以應對不同場景的需求。然而，對于長尾場景，需要全流程定制化，從 0 到 1 搭建場景，這就需要借助全流程平臺的支持。施耐德電氣可以基于內置模型模板進行定制化開發，以滿足特定業務場景的需求。

此外，冒飛飛認為，大模型不會短期內吞并小模型，二者是相輔相成的關系。一方面，工業領域擁有多碎片化場景以及非常深的行業碎片化知識，面對這些行業壁壘很高的應用場景，小模型的存在是有其必要性的。因此，小模型將繼續存在，并隨著大模型的推陳出新而發展。

另一方面，大模型還可以對小模型進行輔助訓練與精度提升。例如，在工業質量檢測場景中，大模型可以通過圖生圖的方式快速生成大量負樣本，從而增強模型訓練中的圖片驗證過程。

冒飛飛表示，施耐德電氣正在積極探索大模型的應用和發展。在工業能源降碳、財務、人力資源、維修等場景，施耐德電氣沉淀了大量語料與經驗，未來計劃優先從如企業內部知識管理、智能知識問答等產品與場景入手，推動大模型的發展和應用。

對于未來與亞馬遜云科技的合作，冒飛飛表示，“我們希望與亞馬遜云科技進一步加強合作，通過借力亞馬遜云科技的自有生態圈，與更多優秀的合作伙伴一起，推動施耐德電氣在人工智能與大模型方面的發展。同時，我們也將繼續在數據平臺，以及企業信息化系統等方面與亞馬遜云科技合作，依托亞馬遜云科技全球覆蓋的基礎設施，實現施耐德電氣全球供應鏈的集中化部署、管理及監控。”