从“会分析”到“能执行”：软件定义的开放架构为AI“搭台”
作者：王聪彬
当前，AI模型正加速迭代，技术能力正快速增强。但AI只是工具而非目的，模型能力并不代表企业数智化水平。
企业的数智化进程，贯穿从底层数据接入、生产运营效率、上层决策优化的三大层次。AI进入产业现场，中间还隔着设备、数据、系统、流程等技术鸿沟。填平鸿沟的每一步，都离不开软件的“架桥铺路”。
对此，施耐德电气执行副总裁、中国及东亚区总裁尹正在2026年世界人工智能大会（WAIC）上做出了一个十分形象的比喻：AI“唱戏”，需要软件“搭台”。落实到技术层面，这一平台正是业界高度关注的“软件定义的开放架构”——通过软件将异构设备、数据、应用和业务流程连接起来，并依靠统一的数据模型、开放接口和编排能力，让AI不仅能够读取现场信息，还能够参与分析、决策和执行。
施耐德电气执行副总裁，中国及东亚区总裁 尹正
尹正提出：“通过这一开放架构，软件能够治理数据、优化运营、协同管理，为AI模型融入产业显示场景奠定基础，助AI技术充分发挥数智价值。”
AI落地面临三大痛点，开放架构提供“解题思路”
当AI从辅助工具走向生产、运营和决策三大核心环节，传统产业的“烟囱式”系统布局，成为首要的技术关卡。具体来看，有三大痛点：
第一是“AI看不见”：数据分散，现场信息不完整。AI落地面对的第一个问题往往不是“模型能不能用”，而是“有没有高质量数据”。但据Splunk调研，全球55%的企业数据被视为隐藏在系统缝隙间的“暗数据”。IDC研究则显示，全球89%的组织存在数据质量问题，七成IT和业务负责人将数据孤岛列为AI应用面临的主要挑战之一。
第二是“AI用不上”： 运营割裂，决策依赖人工经验，AI无法执行。AI参与运营决策，需要有可学习、可参照的依据。而在真实产业现场，很多设备该怎么调、参数该怎么配，靠的是老师傅几十年攒下来的经验。缺乏学习经验，AI往往被挡在决策之外。
第三是“AI协同不了”：系统各自为政，单点优化无法成为企业整体优势。AI要推动企业数智化转型，前提是能看到“全景图”。事实上，企业的研发、供应链、能源管理等系统往往独立，一个决策通常要跨好几个部门反复对齐，AI也就很难跳出单个设备、单个参数，难以帮助企业优化全局经营。
这三个痛点看似分散在数据、运营、管理三个层面，本质上是同一道坎：信息孤岛丛生，AI向下打不通现场，向上看不全貌。缺乏的，正是软件所形成的统一架构。因为AI要真正进入产业现场，需要依靠软件跨越设备、系统和业务之间的边界。软件定义的开放架构正是打破这些边界、重新组织数据与系统能力的基础。
软件打破孤岛，首先是在硬件设备层面。“软件定义”就是让不同硬件能够以统一方式被连接和管理，让原本分散的数据流动起来。传统的架构中，软件与硬件深度捆绑，一旦更换设备或升级系统，数据格式和系统逻辑就要面临重构。数智时代，一切以数据为基本线索，软件的本质则是对数据、流程和业务逻辑进行抽象、组织和连接。“软件定义的开放架构”，意味着无论硬件有何差异，都可以在软件的支持下形成一套相互理解、相互沟通的数据语言，为AI洞察物理世界打开“慧眼”。
其次，软件打破生产运营和管理层面的系统边界，以“开放架构”打通数据、应用和业务系统，让不同能力可以彼此调用、协同运行。如果软件建立在私有、封闭的标准之上，信息孤岛只会在虚拟世界继续重演。真正的解法，是以开放的统一架构整合不同领域的软件系统，打通数据壁垒，实现跨系统的操作与调度。只有在开放平台中，AI技术才能够充分调动数据和程序，助力人类实现最佳决策。
“软件定义的开放架构”，一方面降低硬件和系统之间的紧耦合，另一方面持续连接数据、应用与新能力，开放也由此贯穿整个企业运营。
从车间到“灯塔”，施耐德电气的开放架构实践
软件定义的开放架构要真正发挥价值，关键还在于能否深入产业现场。无论是工业生产、数据中心的算力能耗，还是电网中源网荷储各方的协同，数据是AI进入产业现场的第一道门槛。
作为能源科技的全球引领者，施耐德电气长期深耕能源管理与工业自动化场景，在不同的专业领域拥有深厚的产业基础和数智化积累，这也让“软件定义的开放架构”能够从工业和能源领域的专业设备、专业数据开始，逐层落地。正如施耐德电气高级副总裁、工业自动化业务中国区负责人丁晓红指出，只有在高质量、高时效、高覆盖、高语义的数据支撑下，AI才能够准确理解现场信息。
为打通不同领域的数据，提高数据质量，施耐德电气以EcoStruxure为核心平台，聚合ETAP 电力系统仿真软件、EEO电力综合运营系统、AVEVA工业软件等专业组合，打造“软件定义的开放架构”。在后台，“数据立方体”对软件汇集的企业数据、运营数据、现场数据和第三方数据，进行治理和优化，不仅促使数据自由流动，还为训练行业AI模型提供源源不断的“数据养料”。
AI驱动、软件定义的EcoStruxure开放平台，引领能源与工业智能化
这份“数据养料”，让AI变得更聪明，也让数智化转型“有据可依”，华融化学的实践就是个直观的例子。这家化工企业旗下多家运行多年的工厂，设备种类多、批次杂。施耐德电气首先为其实施了设备改造和智能化部署，再通过软件实时汇总生产数据和能源数据，监测分析设备的运行状态。有了数据支撑，华融化学得以持续优化流程和能效，最终工厂生产效率提升35%、综合能耗下降6%，三年下来累计节能降耗超过千万元。
数据打通只是起点，更重要的是让数据进一步进入运营和决策。AI参与实际运营，不仅要给分析结果，更要落实到业务改善。“软件定义的开放架构”进一步打通运营系统，让AI参与状态识别、趋势预测和策略优化中，并把优化结果直接送回生产现场。
在某跨国啤酒公司的工厂里，过滤环节要添加多少硅藻土，过去全靠老师傅的经验或者一套固定公式。现在，施耐德电气以AI算法结合实时生产状态，自动算出最优的添加比例并驱动实时调整，从而节约了20%的物料，生产效率提升了15%。在亚洲一家大型乳品企业，施耐德电气以AI预测关键设备状态，持续监测关键设备的运行情况，提前发现异常并预警，最终帮助提升了17%的设备利用率，降低35%的维护成本，同时减少80%的意外停机。
预测设备状态，优化生产参数，正是“开放架构”打破了生产运营系统边界，让AI不再只是分析工具，而是能真正参与到感知、分析、决策、执行这一整套闭环当中。
当软件进一步把生产系统和业务流程连接起来，AI能够参与的范围，也就从单点设备逐步扩大到管理层面。现代企业是复杂的整体，除了生产现场，更多的系统交互发生在产品生命周期和供应链协同等管理环节。比如，一款新产品要经历从研发到上市的全过程，一张订单则关联着从采购到交付的各方。当企业内部通过软件形成统一开放系统，AI助力优化的范围就能扩展到研发创新、资源配置、可持续经营这些全局性目标上。
“灯塔工厂”是全球高效与可持续发展的标杆，施耐德电气在无锡、上海、武汉和北京已经建成了四座。上海普陀的“端到端灯塔工厂”就把AI技术应用于产品研发、生产决策、供应链管理、柔性生产和设备运维等关键环节，从而大幅缩短新产品上市时间，交付准时率保持在98%以上。北京亦庄的“可持续灯塔工厂”则通过AI赋能的一体化数智能碳双控平台，彻底打通各个用能系统，整个工厂园区的综合能效水平提升30%以上。
全面应用AI技术，施耐德电气在华建成四座世界级“灯塔工厂”
软件搭建开放生态，AI进入产业全链路
当企业内部逐步打通，下一步考验的就是跨系统、跨场景的协同能力。从数据接入到运营控制，再到管理优化，软件始终是驱动企业数智化转型的“中枢”。面对产业转型升级需求，“软件定义的开放架构”正从企业内部向外延伸，打通工业、电网、新能源、储能、算力、基础设施等多个领域，助力AI进入产业全链路，加速推动转型。
“算电协同”，正是软件打通不同领域的典型场景。随着AI发展和能源转型，电力与算力的融合需求变得极为迫切。在数据中心这一关键场景中，“软件定义的开放架构”边界扩大，软件内部打通配电、服务器、制冷等多个异构系统，外部对接智慧电网。基于软件开放架构，AI也在“算电协同”这一系统级挑战中持续发挥作用。
而要实现这种跨领域协同，既需要软件能力，也离不开对电力、算力和基础设施的深度理解，这正是施耐德电气的优势所在。山西大同的秦能科技广灵算力园区就是一个典型：为确保算力集群7×24小时不间断运转，除了电网，当地也就近投建了新能源发电站，确保供电稳定性和绿色低碳。面对复杂的建设布局，施耐德电气提供了软硬件一体化的配电方案，一方面对接电网、新能源和UPS储能，以AI算法调配用电，保证供电的稳定和绿色；另一方面，根据算力任务的实时需求灵活调配能源，以AI算法驱动精密制冷系统，降耗降碳。项目落地后，园区的电力监控可靠性、能碳管理和运营效率都有明显提升。
施耐德电气能源科技为秦能科技大同算力园区提供能效洞察
可见，AI时代的数智化转型，需要的是从硬件设备到外部生态的全链能力，而软件正是这套能力的关键载体——在企业层面，向下连接物理现场，中间支撑运营控制，向上优化管理决策；在产业层面，构建系统级数智中枢，推动生态链的深度协作与整体升级。
施耐德电气的实践证明，通过将工业、数据中心、基础设施、楼宇建筑等关键领域的技术专业，与丰富的软件组合紧密融合，“软件定义的开放架构”不仅能为各行各业的数智转型提供核心架构，更为AI加速落地打造坚实平台，从而为产业转型升级提供澎湃动力。