AVEVA劍維軟件副總裁、中國區(qū)總經(jīng)理 崔靜怡

     隨著數(shù)智化轉(zhuǎn)型持續(xù)推進(jìn)，中國工業(yè)在數(shù)字化與綠色化協(xié)同、新型工業(yè)化、產(chǎn)業(yè)鏈韌性建設(shè)等方面加快步伐。步入“十五五”開局之——2026年，工業(yè)領(lǐng)域的AI應(yīng)用也不再停留在戰(zhàn)略層面或技術(shù)試驗(yàn)，而是全面進(jìn)入各價(jià)值鏈的融合：從工程設(shè)計(jì)、生產(chǎn)制造到資產(chǎn)運(yùn)營、能源管理與供應(yīng)鏈協(xié)同。

     AI帶來的變革無疑是顛覆性的。但對企業(yè)領(lǐng)導(dǎo)者而言，更關(guān)鍵的問題是：AI的發(fā)展將如何改變工業(yè)價(jià)值鏈？如何把AI從“可用”變?yōu)椤昂糜?、常用、可?fù)制用”，并沉淀為可持續(xù)的組織能力？在AVEVA劍維軟件看來，2026年，工業(yè)AI的核心在于更務(wù)實(shí)地推進(jìn)AI的落地，構(gòu)建成熟能力并嵌入業(yè)務(wù)流程，讓AI真正成為企業(yè)核心競爭力。

從“能用”走向“可控”：AI治理是規(guī)?；瘧?yīng)用的前提

     如今，生成式AI快速普及，內(nèi)容與知識的生產(chǎn)方式發(fā)生巨大改變：文本、圖像與音頻等多模態(tài)內(nèi)容被更低成本、更高效率地批量生成。與此同時(shí)，信任成本和誤導(dǎo)風(fēng)險(xiǎn)也在快速上升，并可能以更隱蔽的方式進(jìn)入企業(yè)內(nèi)部——從信息真實(shí)性到?jīng)Q策依據(jù)的可靠性，都會影響企業(yè)的運(yùn)行質(zhì)量。

     基于此，AI規(guī)?；瘧?yīng)用的關(guān)鍵不再只是“能不能用”，更關(guān)鍵的是，其“能否可控”：輸出是否可信、邊界是否清晰、風(fēng)險(xiǎn)是否可管理、責(zé)任是否可追溯。

     對工業(yè)企業(yè)而言，這并不是陌生議題。回看工業(yè)技術(shù)演進(jìn)史，許多技術(shù)并非天然危險(xiǎn)，風(fēng)險(xiǎn)往往來自缺少邊界與規(guī)范的使用方式。飛機(jī)、核電站、渦輪機(jī)、電鋸皆是如此。我們每天依賴的許多機(jī)器與系統(tǒng)，都可能造成各種損害。但通過建立使用標(biāo)準(zhǔn)與協(xié)議，我們可以把這些技術(shù)納入工作與生活之中，并以較高的可預(yù)測性與安全性來使用它們。

     2026年將成為工業(yè)領(lǐng)導(dǎo)者開始認(rèn)真對待AI治理的一年。

     一方面，我們開始看到AI帶來的各種積極改變。例如DeepMind開發(fā)的AlphaFold，攻克了困擾科學(xué)家數(shù)十年之久的蛋白質(zhì)結(jié)構(gòu)預(yù)測難題，改變了生物學(xué)的研究方式。該AI系統(tǒng)能夠預(yù)測數(shù)億種蛋白質(zhì)序列的結(jié)構(gòu)，顯著加速藥物研發(fā)進(jìn)程，更為疾病研究開辟了全新路徑。

     另一方面，企業(yè)將把AI治理從“講原則”落到“建規(guī)則”，明確使用規(guī)范與數(shù)據(jù)和權(quán)限邊界，建立質(zhì)量與風(fēng)險(xiǎn)流程并打通安全合規(guī)。治理不是拖慢創(chuàng)新，而是讓AI進(jìn)入核心流程、實(shí)現(xiàn)規(guī)模化復(fù)制的基礎(chǔ)。在恰當(dāng)?shù)闹卫硐?，AI將帶來諸多益處：不是取代人類洞察，而是增強(qiáng)人類的能力，解鎖曾經(jīng)難以想象的突破。

務(wù)實(shí)的AI：更“日?！?、更“落地”的價(jià)值閉環(huán)將成為主旋律

     2026年，AI的關(guān)注重點(diǎn)將更大程度回到落地的現(xiàn)實(shí)問題上。治理框架的完善，將與對可量化業(yè)務(wù)價(jià)值的持續(xù)追求相結(jié)合。工業(yè)領(lǐng)域的AI應(yīng)用將更強(qiáng)調(diào)投入產(chǎn)出、穩(wěn)定效果與可持續(xù)運(yùn)行。

     我們非常看好2026年工業(yè)AI的發(fā)展，原因非常務(wù)實(shí)：工業(yè)AI并非從零起步，工業(yè)AI已高度成熟。以我們積累數(shù)十年的AI預(yù)測性維護(hù)為例，這類方案始終是通過AI創(chuàng)造商業(yè)價(jià)值的最佳實(shí)踐?，F(xiàn)在，我們正把這些經(jīng)驗(yàn)遷移到工程與設(shè)計(jì)、能源管理、質(zhì)量保障、供應(yīng)鏈協(xié)同等更多領(lǐng)域。

     在技術(shù)路徑上，“組合式策略”將更為普遍：一方面探索GPT-5、Gemini Ultra等前沿模型。另一方面積極采用面向特定工業(yè)任務(wù)的模型。以通義千問、DeepSeek、文心、悟道等中國本土的開源模型為例，它們強(qiáng)調(diào)效率，通過智能架構(gòu)與自適應(yīng)技術(shù)，用更低的算力強(qiáng)度實(shí)現(xiàn)強(qiáng)勁表現(xiàn)。在阿里巴巴、百度等大型平臺支持下，這些模型讓先進(jìn)AI在實(shí)驗(yàn)室之外的真實(shí)工業(yè)場景中更具成本效益與可落地性，并躋身全球下載量最高的模型之列。

     此外，交互方式的變化同樣值得關(guān)注。隨著AI助手進(jìn)入工業(yè)軟件與業(yè)務(wù)系統(tǒng)，工程師能夠直接與其所監(jiān)測和控制的工業(yè)基礎(chǔ)設(shè)施進(jìn)行“對話”。我們預(yù)計(jì)，2026年會更聚焦于支持自然語言檢索與對話式交互的用戶體驗(yàn)創(chuàng)新。

     基礎(chǔ)設(shè)施層面，企業(yè)的判斷標(biāo)準(zhǔn)也在發(fā)生轉(zhuǎn)變：從“單純追求最低算力成本”轉(zhuǎn)向更強(qiáng)調(diào)“地理安全與主權(quán)可控”的布局，以便對AI的使用施加更強(qiáng)的戰(zhàn)略控制。德勤預(yù)測，明年用于“主權(quán) AI算力”的投入將接近1000億美元。與此同時(shí)，在加拿大、中東及歐盟等地出現(xiàn)了被Gartner概括為“地緣回遷（geopatriation）”的趨勢——將關(guān)鍵技術(shù)能力作為對沖波動的戰(zhàn)略“保險(xiǎn)”。這意味著一種深刻變化：過去IT投入的核心驅(qū)動力更多來自成本控制，而未來的底層邏輯將更強(qiáng)調(diào)韌性與可控。

更精簡、能耗更低的AI模型，將成為工業(yè)領(lǐng)域的重要事項(xiàng)

     隨著AI使用規(guī)模擴(kuò)大，在2026年，對能耗與水耗的審視將持續(xù)升溫。在當(dāng)前路徑下，AI與數(shù)據(jù)中心的增長面臨可持續(xù)挑戰(zhàn)；圍繞超大規(guī)模數(shù)據(jù)中心的公共討論也在增加，其對能源與水資源的消耗會引發(fā)對環(huán)境與社區(qū)影響的關(guān)注。

     需要強(qiáng)調(diào)的是，并非所有AI應(yīng)用都具有相同的能耗特征。例如，一些消費(fèi)級AIGC給朋友生成一張搞笑圖片，耗電可能比在工廠生產(chǎn)線上運(yùn)行機(jī)器學(xué)習(xí)算法還多。而許多工業(yè)AI應(yīng)用的能耗大致與一份普通電子表格相當(dāng)。因此，更精簡、能耗更低的模型與工程路線，將成為工業(yè)領(lǐng)域的重要待辦事項(xiàng)。

     作為AVEVA劍維軟件的一員，我對公司與Green Software Foundation的合作感到十分自豪。此外，AVEVA首席技術(shù)專家Arti Garg擔(dān)任IEEE的Working Group P7100工作組主席，該工作組正致力于制定衡量AI環(huán)境影響的技術(shù)標(biāo)準(zhǔn)。

     與此同時(shí)，AI也有機(jī)會成為能效提升的“資產(chǎn)”。優(yōu)化“每單位計(jì)算能耗”，并將AI用于提升數(shù)據(jù)中心與工業(yè)系統(tǒng)的運(yùn)行效率，是一條更具建設(shè)性的路徑。

     更重要的是，不要忽視能源真正的流向。國際能源署強(qiáng)調(diào)：未來五年，即使考慮AI帶來的高速增長，工業(yè)（重工業(yè)與非重工業(yè)）的用電量仍將約為所有數(shù)據(jù)中心用電總量的四倍。這說明最大的脫碳潛力：在工業(yè)。也正因如此，AI驅(qū)動的工業(yè)智能對于能源轉(zhuǎn)型至關(guān)重要。

     歸根結(jié)底，AI是一種工具。工具既可以用來建設(shè)，也可以用來破壞。選擇權(quán)在我們手中。