2023 年年中，施耐德电气发布了企业级 AI 模型生产与运维平台 EcoStruxure AI 引擎，将能源管理和自动化领域的专业知识融入 AI 模型中，为业务专家、数据分析师等用户提供低代码乃至零代码的 AI 应用。
而这一AI平台背后云服务可以选择包括亚马逊云科技在内的生态伙伴提供支撑。
施耐德电气全球供应链中国数字化转型总监冒飞飞在采访中表示，“亚马逊云科技是施耐德电气在全球范围内的主要云服务提供商之一，我们双方的合作不仅在人工智能方面，在数据平台、数据中台，甚至是企业内部的业务系统，以及 ESG 的中央化平台领域，施耐德电气都在基于亚马逊云科技的服务打造相关解决方案，可以说，我们与亚马逊云科技的合作是全面且深入的。”
利用亚马逊云科技技术，实现 AI 普及化
施耐德电气秉持“Al for All”的宗旨，致力于让所有的员工，无论是技术人员还是业务人员，初学者还是专业人士，都能利用人工智能的技术，更好地解决业务问题，提高效率和创新能力，让 AI 惠及每一个人！
为了实现了这一宗旨，施耐德电气打造了企业级AI模型生产与运维平台 EcoStruxure AI 引擎。据冒飞飞介绍，施耐德电气 EcoStruxure AI 引擎以完善算力与数据等要素供给为基础，以模型算法创新为关键，以场景应用为牵引，构建活跃的AI创新与应用生态。
EcoStruxure AI 引擎共分为三层，最核心是算力层，包括算力资源、网络、云服务和边缘计算，中间层是模型层，通过模型训练、模型部署、模型推理、模型监控、模型更新完成模型的闭环，最外层是应用层，通过工业领域专业知识训练的小模型所打造的专业应用，例如表面缺陷检测、预测性维护、能耗排放优化等方面。
在算力层，施耐德电气使用了Amazon SageMaker，在云端实现数据存储和标注及模型训练、推理、部署、监控，以及迭代更新等全流程，并把云端模型下发到产线边缘侧，执行边缘推理，有效降低模型管理训练的复杂度。
此外，施耐德电气开放的 AI 平台还应用了Amazon Relational Database Service（Amazon RDS）服务，帮助客户在云中设置、操作和扩展关系型数据库；同时，施耐德电气借助Amazon Elastic Container Service（Amazon ECS）轻松部署、管理和扩展容器化应用程序，实现机器学习模型在生产线边缘设备的容器中的轻松部署和管理。
如今，施耐德电气的全球供应链拥有 187 家工厂，在中国拥有二十多家工厂。通过亚马逊云科技的数据库、计算服务，以及Amazon SageMaker机器学习服务，施耐德电气在云端实现对全球工厂的中央化部署、管理与监控，更好地管理其在全球的供应链，提高生产效率，优化资源配置，并确保持续改进和创新。
探索大模型与小模型并存，推动 AI 在工业场景的发展
冒飞飞表示，在 AI 应用中同样存在二八定律。对于标准场景，可以通过一次构建多次重复使用，实现“开箱即用”或少量再训练微调。目前，施耐德电气已经积累了超过 20 个工业级模型，可以直接部署上线使用，以应对不同场景的需求。然而，对于长尾场景，需要全流程定制化，从 0 到 1 搭建场景，这就需要借助全流程平台的支持。施耐德电气可以基于内置模型模板进行定制化开发，以满足特定业务场景的需求。
此外，冒飞飞认为，大模型不会短期内吞并小模型，二者是相辅相成的关系。一方面，工业领域拥有多碎片化场景以及非常深的行业碎片化知识，面对这些行业壁垒很高的应用场景，小模型的存在是有其必要性的。因此，小模型将继续存在，并随着大模型的推陈出新而发展。
另一方面，大模型还可以对小模型进行辅助训练与精度提升。例如，在工业质量检测场景中，大模型可以通过图生图的方式快速生成大量负样本，从而增强模型训练中的图片验证过程。
冒飞飞表示，施耐德电气正在积极探索大模型的应用和发展。在工业能源降碳、财务、人力资源、维修等场景，施耐德电气沉淀了大量语料与经验，未来计划优先从如企业内部知识管理、智能知识问答等产品与场景入手，推动大模型的发展和应用。
对于未来与亚马逊云科技的合作，冒飞飞表示，“我们希望与亚马逊云科技进一步加强合作，通过借力亚马逊云科技的自有生态圈，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。同时，我们也将继续在数据平台，以及企业信息化系统等方面与亚马逊云科技合作，依托亚马逊云科技全球覆盖的基础设施，实现施耐德电气全球供应链的集中化部署、管理及监控。”
