AVEVA剑维软件副总裁、中国区总经理 崔静怡

     随着数智化转型持续推进，中国工业在数字化与绿色化协同、新型工业化、产业链韧性建设等方面加快步伐。步入“十五五”开局之——2026年，工业领域的AI应用也不再停留在战略层面或技术试验，而是全面进入各价值链的融合：从工程设计、生产制造到资产运营、能源管理与供应链协同。

     AI带来的变革无疑是颠覆性的。但对企业领导者而言，更关键的问题是：AI的发展将如何改变工业价值链？如何把AI从“可用”变为“好用、常用、可复制用”，并沉淀为可持续的组织能力？在AVEVA剑维软件看来，2026年，工业AI的核心在于更务实地推进AI的落地，构建成熟能力并嵌入业务流程，让AI真正成为企业核心竞争力。

从“能用”走向“可控”：AI治理是规模化应用的前提

     如今，生成式AI快速普及，内容与知识的生产方式发生巨大改变：文本、图像与音频等多模态内容被更低成本、更高效率地批量生成。与此同时，信任成本和误导风险也在快速上升，并可能以更隐蔽的方式进入企业内部——从信息真实性到决策依据的可靠性，都会影响企业的运行质量。

     基于此，AI规模化应用的关键不再只是“能不能用”，更关键的是，其“能否可控”：输出是否可信、边界是否清晰、风险是否可管理、责任是否可追溯。

     对工业企业而言，这并不是陌生议题。回看工业技术演进史，许多技术并非天然危险，风险往往来自缺少边界与规范的使用方式。飞机、核电站、涡轮机、电锯皆是如此。我们每天依赖的许多机器与系统，都可能造成各种损害。但通过建立使用标准与协议，我们可以把这些技术纳入工作与生活之中，并以较高的可预测性与安全性来使用它们。

     2026年将成为工业领导者开始认真对待AI治理的一年。

     一方面，我们开始看到AI带来的各种积极改变。例如DeepMind开发的AlphaFold，攻克了困扰科学家数十年之久的蛋白质结构预测难题，改变了生物学的研究方式。该AI系统能够预测数亿种蛋白质序列的结构，显著加速药物研发进程，更为疾病研究开辟了全新路径。

     另一方面，企业将把AI治理从“讲原则”落到“建规则”，明确使用规范与数据和权限边界，建立质量与风险流程并打通安全合规。治理不是拖慢创新，而是让AI进入核心流程、实现规模化复制的基础。在恰当的治理下，AI将带来诸多益处：不是取代人类洞察，而是增强人类的能力，解锁曾经难以想象的突破。

务实的AI：更“日常”、更“落地”的价值闭环将成为主旋律

     2026年，AI的关注重点将更大程度回到落地的现实问题上。治理框架的完善，将与对可量化业务价值的持续追求相结合。工业领域的AI应用将更强调投入产出、稳定效果与可持续运行。

     我们非常看好2026年工业AI的发展，原因非常务实：工业AI并非从零起步，工业AI已高度成熟。以我们积累数十年的AI预测性维护为例，这类方案始终是通过AI创造商业价值的最佳实践。现在，我们正把这些经验迁移到工程与设计、能源管理、质量保障、供应链协同等更多领域。

     在技术路径上，“组合式策略”将更为普遍：一方面探索GPT-5、Gemini Ultra等前沿模型。另一方面积极采用面向特定工业任务的模型。以通义千问、DeepSeek、文心、悟道等中国本土的开源模型为例，它们强调效率，通过智能架构与自适应技术，用更低的算力强度实现强劲表现。在阿里巴巴、百度等大型平台支持下，这些模型让先进AI在实验室之外的真实工业场景中更具成本效益与可落地性，并跻身全球下载量最高的模型之列。

     此外，交互方式的变化同样值得关注。随着AI助手进入工业软件与业务系统，工程师能够直接与其所监测和控制的工业基础设施进行“对话”。我们预计，2026年会更聚焦于支持自然语言检索与对话式交互的用户体验创新。

     基础设施层面，企业的判断标准也在发生转变：从“单纯追求最低算力成本”转向更强调“地理安全与主权可控”的布局，以便对AI的使用施加更强的战略控制。德勤预测，明年用于“主权 AI算力”的投入将接近1000亿美元。与此同时，在加拿大、中东及欧盟等地出现了被Gartner概括为“地缘回迁（geopatriation）”的趋势——将关键技术能力作为对冲波动的战略“保险”。这意味着一种深刻变化：过去IT投入的核心驱动力更多来自成本控制，而未来的底层逻辑将更强调韧性与可控。

更精简、能耗更低的AI模型，将成为工业领域的重要事项

     随着AI使用规模扩大，在2026年，对能耗与水耗的审视将持续升温。在当前路径下，AI与数据中心的增长面临可持续挑战；围绕超大规模数据中心的公共讨论也在增加，其对能源与水资源的消耗会引发对环境与社区影响的关注。