中国工业正在经历数字化转型和低碳转型,数字技术与应用场景的融合正逐步深入,创新模式正从一家企业的单点突破转变为生态系统的融合发展。但工业中有不同的细分行业,不同细分行业又有不同的业务场景,在这些场景中持续创新,成为工业企业数字化转型“最后一公里”的关键。
从2020年开始,施耐德电气就开启了“绿色智能制造创赢计划”,挖掘工业场景中的创新模式,到目前已经是第三季。绿色智能制造创赢计划联合生态圈伙伴,融合创新技术,为制造企业提供一系列可落地、可复用的联创解决方案,同时孵化出一批中小企业生态伙伴,让创新技术激发出工业场景更多的生产力、更高的效率以及无限潜力。

“绿色智能制造创赢计划“正式启动
施耐德电气高级副总裁、工业自动化业务中国区负责人庞邢健表示,现在技术与技术之间的连接变得更具迫切性和必要性,如何帮助合作伙伴在更加高效、集成的平台下把IT和OT融合在一起,应用更加创新的技术,赋能更丰富的用户场景,助推工业数字化转型,是绿色智能制造创赢计划重点思考的方向。
加速与成长的“双营”
今年绿色智能制造创赢计划是由工业和信息化部国际经济技术合作中心与施耐德电气共同主办,第三季还开启了加速营和成长营“双营”模式。其中“加速营”甄选出挑战性与普遍性并存的工业场景。“成长营” 针对电力、建材、休闲食品和冶金行业的四个联创方案将进一步完善并在市场中开始规模化复制。“第三季我们会在内涵和形式上有进一步的创新和延展。”庞邢健说道。在前两季我们有了初步的尝试,我们和合作伙伴都希望有更多的项目延伸到各个不同行业。
同时,绿色智能制造创赢计划成立了“绿色智能制造技术融合创新专家委员会”,由施耐德电气、亚马逊云科技、中科创达、智慧工厂研究院的专家组成,为入营企业提供技术融合创新指导,促进合作伙伴技术融合创新合作,提升工业客户解决方案竞争力,推动工业企业数字化转型。
与合作伙伴一起深入场景
亚马逊云科技连续三次作为云服务方参加了绿色智能制造创赢计划,亚马逊云科技创新成长企业事业部总经理倪殿令表示:“我们希望通过云、人工智能等技术将设备、企业仓储管理、供应链管理等真正连接起来,形成适合初创企业的解决方案,真正服务更多工业领域的用户。”
中科创达也延续为绿色智能制造创赢计划提供技术赋能和组织赋能。中科创达副董事长邹鹏程表示:“第三季中科创达赋能参赛中小企业整体解决方案和算法,同时将海外的十几个资源开放,形成融合赋能的服务平台。”
绿色智能制造创赢计划从行业需求、用户场景出发,深入结合绿色可持续发展以及绿色智能制造,并从相应领域选择具有优势的合作伙伴。
“施耐德电气是软件和硬件两者中间的结合,构建边缘控制和现场数据采集中不可或缺的一环,在挑选第三季创新合作伙伴时,希望能够更加开放,更好地实现各类技术的融合。”庞邢健表示,绿色智能制造创赢计划的所有用户场景都是真实的,在做PoC的过程中和真正的用户达成一致,使用真实数据来验证最后的效果。
庞邢健指出,通过方法论、技术架构、用户现场实际的PoC进行验证,一些项目也将真正和用户签署合作协议,展开规模化复制。
激发中小企业创新潜力
中小企业在国民经济中有着举足轻重的作用,“专精特新”正成为一个被不断提及的词,从中央到地方都出台了大量支持“专精特新”企业发展的政策。
今年1月,财政部、工业和信息化部联合印发《关于支持“专精特新”中小企业高质量发展的通知》。工信部副部长徐晓兰近期在第十一届APEC中小企业技术交流暨展览会主论坛上提到,力争到2025年带动孵化百万家创新型中小企业,培育十万家省级专精特新中小企业、万家专精特新“小巨人”企业、千家制造业单项冠军企业。
工业和信息化部国际经济技术合作中心副主任李毅锴表示,工业和信息化部作为国家促进中小企业发展工作的主管部门,也在不断加大中小企业纾困帮扶力度,强化优质企业培育,引导广大中小企业走‘专精特新’发展道路,促进产业数字化绿色化转型。
清华大学全球产业研究院副院李东红认为,专精特新企业在推动技术创新方面,和大企业一样,是不可或缺的重要力量。
绿色智能制造创赢计划从“政、产、学、研、用”几方面共同为中小企业,无论从场景选择,还是技术赋能,助力中小企业更好的参与到数字经济的发展浪潮中,推动工业数字化低碳双转型。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。