AVEVA劍維軟件副總裁、中國區總經理 崔靜怡

     隨著數智化轉型持續推進，中國工業在數字化與綠色化協同、新型工業化、產業鏈韌性建設等方面加快步伐。步入“十五五”開局之——2026年，工業領域的AI應用也不再停留在戰略層面或技術試驗，而是全面進入各價值鏈的融合：從工程設計、生產制造到資產運營、能源管理與供應鏈協同。

     AI帶來的變革無疑是顛覆性的。但對企業領導者而言，更關鍵的問題是：AI的發展將如何改變工業價值鏈？如何把AI從“可用”變為“好用、常用、可復制用”，并沉淀為可持續的組織能力？在AVEVA劍維軟件看來，2026年，工業AI的核心在于更務實地推進AI的落地，構建成熟能力并嵌入業務流程，讓AI真正成為企業核心競爭力。

從“能用”走向“可控”：AI治理是規模化應用的前提

     如今，生成式AI快速普及，內容與知識的生產方式發生巨大改變：文本、圖像與音頻等多模態內容被更低成本、更高效率地批量生成。與此同時，信任成本和誤導風險也在快速上升，并可能以更隱蔽的方式進入企業內部——從信息真實性到決策依據的可靠性，都會影響企業的運行質量。

     基于此，AI規模化應用的關鍵不再只是“能不能用”，更關鍵的是，其“能否可控”：輸出是否可信、邊界是否清晰、風險是否可管理、責任是否可追溯。

     對工業企業而言，這并不是陌生議題。回看工業技術演進史，許多技術并非天然危險，風險往往來自缺少邊界與規范的使用方式。飛機、核電站、渦輪機、電鋸皆是如此。我們每天依賴的許多機器與系統，都可能造成各種損害。但通過建立使用標準與協議，我們可以把這些技術納入工作與生活之中，并以較高的可預測性與安全性來使用它們。

     2026年將成為工業領導者開始認真對待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開發的AlphaFold，攻克了困擾科學家數十年之久的蛋白質結構預測難題，改變了生物學的研究方式。該AI系統能夠預測數億種蛋白質序列的結構，顯著加速藥物研發進程，更為疾病研究開辟了全新路徑。

     另一方面，企業將把AI治理從“講原則”落到“建規則”，明確使用規范與數據和權限邊界，建立質量與風險流程并打通安全合規。治理不是拖慢創新，而是讓AI進入核心流程、實現規模化復制的基礎。在恰當的治理下，AI將帶來諸多益處：不是取代人類洞察，而是增強人類的能力，解鎖曾經難以想象的突破。

務實的AI：更“日常”、更“落地”的價值閉環將成為主旋律

     2026年，AI的關注重點將更大程度回到落地的現實問題上。治理框架的完善，將與對可量化業務價值的持續追求相結合。工業領域的AI應用將更強調投入產出、穩定效果與可持續運行。

     我們非常看好2026年工業AI的發展，原因非常務實：工業AI并非從零起步，工業AI已高度成熟。以我們積累數十年的AI預測性維護為例，這類方案始終是通過AI創造商業價值的最佳實踐。現在，我們正把這些經驗遷移到工程與設計、能源管理、質量保障、供應鏈協同等更多領域。

     在技術路徑上，“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任務的模型。以通義千問、DeepSeek、文心、悟道等中國本土的開源模型為例，它們強調效率，通過智能架構與自適應技術，用更低的算力強度實現強勁表現。在阿里巴巴、百度等大型平臺支持下，這些模型讓先進AI在實驗室之外的真實工業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注。隨著AI助手進入工業軟件與業務系統，工程師能夠直接與其所監測和控制的工業基礎設施進行“對話”。我們預計，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創新。

     基礎設施層面，企業的判斷標準也在發生轉變：從“單純追求最低算力成本”轉向更強調“地理安全與主權可控”的布局，以便對AI的使用施加更強的戰略控制。德勤預測，明年用于“主權 AI算力”的投入將接近1000億美元。與此同時，在加拿大、中東及歐盟等地出現了被Gartner概括為“地緣回遷（geopatriation）”的趨勢——將關鍵技術能力作為對沖波動的戰略“保險”。這意味著一種深刻變化：過去IT投入的核心驅動力更多來自成本控制，而未來的底層邏輯將更強調韌性與可控。

更精簡、能耗更低的AI模型，將成為工業領域的重要事項

     隨著AI使用規模擴大，在2026年，對能耗與水耗的審視將持續升溫。在當前路徑下，AI與數據中心的增長面臨可持續挑戰；圍繞超大規模數據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對環境與社區影響的關注。

     需要強調的是，并非所有AI應用都具有相同的能耗特征。例如，一些消費級AIGC給朋友生成一張搞笑圖片，耗電可能比在工廠生產線上運行機器學習算法還多。而許多工業AI應用的能耗大致與一份普通電子表格相當。因此，更精簡、能耗更低的模型與工程路線，將成為工業領域的重要待辦事項。

     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首席技術專家Arti Garg擔任IEEE的Working Group P7100工作組主席，該工作組正致力于制定衡量AI環境影響的技術標準。

     與此同時，AI也有機會成為能效提升的“資產”。優化“每單位計算能耗”，并將AI用于提升數據中心與工業系統的運行效率，是一條更具建設性的路徑。

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

     歸根結底，AI是一種工具。工具既可以用來建設，也可以用來破壞。選擇權在我們手中。