由达沃斯世界经济论坛评选的“灯塔工厂”，被认为代表着全球智能制造的最高水平，也是工业4.0的最佳实践。施耐德电气的中国无锡工厂即位列其中，全球则有5家工厂入选。
施耐德电气是全球能效管理和工业自动化领域的专家，2022年全球营业收入达到340亿欧元，12万员工遍布全球100多个国家。在为客户提供数字化解决方案的同时，施耐德电气自身的供应链体系也在加速数字化。
施耐德电气全球供应链中国数字化转型总监冒飞飞介绍说，施耐德电气的全球供应链拥有8万员工、187家工厂，其中包括在中国的二十多家工厂。为此，施耐德电气全球供应链确立了“AI for All”的宗旨，与亚马逊云科技等云服务商提供合作，来实现AI对制造的赋能。
冒飞飞表示，施耐德电气全球供应链鼓励所有的员工，从技术人员到业务人员，从初学者到专业人士，都来使用AI技术。他们无需具备专业技术和编程知识，就能获得AI能力，更好地解决业务问题，提升效率和创新能力。
帮助其达成这一愿景的，是施耐德电气的EcoStruxure AI引擎。借助亚马逊云科技的Amazon Relational Database Service（Amazon RDS）关系数据库服务和Amazon Elastic Container Service（Amazon ECS）容器服务，EcoStruxure AI引擎能够以完善算力和数据等要素供给为基础，以模型算法创新为关键，以场景应用为引擎，构建活跃的AI创新与应用生态。
冒飞飞说，施耐德电气的EcoStruxure AI引擎具备一站式、开放性、场景化三个方面的优势。其提供AI算法需要的从数据探索，到模型构建，再到部署上线、应用、监控的全生命周期服务，缩短了创新开发路径；支持API接口，简化各业务系统对接，能够与生态圈中的伙伴合作，实现开放共创；标配能源和工业自动化领域的常见场景模型，按需调用，随需定制，提升了效率，减少了开发上线时间。
目前，施耐德电气已经将AI能力应用到很多业务场景中，包括工业制造、绿色能源、供应链管理等领域。
在排产计划环节，施耐德电气的制造工厂，采用了AI高级计划和排程。通过资源、成本、制造、设备、交付等业务决策模型的打造，实现了从采购到销售的全供应链环节的智能决策，为多品种小批量生产奠定了基础。
在产品质检环节，施耐德电气选择亚马逊云科技的Amazon SageMaker机器学习服务，搭建了云-边协同AI工业视觉检测平台，对产品进行质量检测，不仅提高了效率，而且将漏检率降为0%，误检率低于0.5%。
冒飞飞介绍说，这些场景可以按照“二八原则”分为标准场景和长尾场景两大类。覆盖20%应用的是标准场景，可以一次建模多次复用，并且直接部署上线应用或者少量微调；覆盖80%的是长尾场景，面对特定业务需求，要进行全流程的定制化开发。
在前者，施耐德电气已经累积了20多个工业级的模型；对后者，施耐德电气则搭建了全流程开发平台。
今年以来，大模型的火爆成为AI市场的风景线。很多人认为，大模型将吞噬一切。不过冒飞飞认为，如今的大语言模型，暂时无法替代之前的小模型，两者是相辅相成的关系，至少在相当长的时间内将共存。
他介绍说，大模型主要应用在智能客服、知识库、故障诊断、代码生成等应用场景中，同时可以帮助小模型提升训练速度和精度。但工业领域有非常深的行业碎片化知识，产生了很多行业壁垒很高的应用场景，比如表面缺陷检测、工艺控制优化、预测性维护、安全巡检、能耗排放优化等，这些都是小模型展现才华的领域。
他表示，大模型还处在发展的早期阶段，施耐德电气也在积极探索工业能源降碳、财务、人力资源、维修等应用场景，有望从企业内部知识管理、智能知识问答等领域切入。同时，他希望与亚马逊云科技进一步加强合作，借力亚马逊云科技的生态圈，与更多优秀的合作伙伴一起，推动施耐德电气在人工智能与大模型方面的发展。
