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，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(yè)內(nèi)部——從信息真實性到?jīng)Q策依據(jù)的可靠性，都會影響企業(yè)的運行質(zhì)量。

     基于此，AI規(guī)?；瘧玫年P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(yè)企業(yè)而言，這并不是陌生議題?；乜垂I(yè)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(guī)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(tǒng)，都可能造成各種損害。但通過建立使用標準與協(xié)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(yè)*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(fā)的AlphaFold，攻克了困擾科學家數(shù)十年之久的蛋白質(zhì)結構預測難題，改變了生物學的研究方式。該AI系統(tǒng)能夠預測數(shù)億種蛋白質(zhì)序列的結構，顯著加速藥物研發(fā)進程，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)和權限邊界，建立質(zhì)量與風險流程并打通安全合規(guī)。治理不是拖慢創(chuàng)新，而是讓AI進入核心流程、實現(xiàn)規(guī)?；瘡椭频幕A。在恰當?shù)闹卫硐?，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(jīng)難以想象的突破。

務實的上海上自儀三廠AI：更“日常”、更“落地”的價值閉環(huán)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(xiàn)實問題上。治理框架的完善，將與對可量化業(yè)務價值的持續(xù)追求相結合。工業(yè)領域的上海自儀表九廠AI應用將更強調(diào)投入產(chǎn)出、穩(wěn)定效果與可持續(xù)運行。

     我們非?？春?026年工業(yè)AI的發(fā)展，原因非常務實：工業(yè)AI并非從零起步，工業(yè)AI已高度成熟。上海儀表三廠以我們積累數(shù)十年的AI預測性維護為例，這類方案始終是通過AI創(chuàng)造商業(yè)價值的*實踐?，F(xiàn)在，我們正把這些經(jīng)驗遷移到工程與設計、能源管理、質(zhì)量保障、供應鏈協(xié)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(yè)任務的模型。以通義千問、DeepSeek、文心、悟道等本土的開源模型為例，它們強調(diào)效率，通過智能架構與自適應技術，用更低的算力強度實現(xiàn)強勁表現(xiàn)。在阿里巴巴、百度等大型平臺支持下，這些模型讓*AI在實驗室之外的真實工業(yè)場景中更具成本效益與可落地性，并躋身全球下載量*的模型之列。

     此外，交互方式的變化同樣值得關注。隨著上海新躍儀表廠AI助手進入與業(yè)務系統(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(chuàng)新。

     基礎設施層面，企業(yè)的判斷標準也在發(fā)生轉(zhuǎn)變：從“單純追求*低算力成本”轉(zhuǎn)向更強調(diào)“地理安全與主權可控”的布局，以便對紅旗儀表AI的使用施加更強的戰(zhàn)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(xiàn)了被Gartner概括為“地緣回遷（geo、WWW.zghq5.com/patriation）”的趨勢——將關鍵技術能力作為對沖波動的戰(zhàn)略“保險”。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)領域的重要事項

     隨著AI使用規(guī)模擴大，在2026年，對能耗與水耗的審視將持續(xù)升溫。在當前路徑下，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)影響的關注。

     需要強調(diào)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(chǎn)線上運行機器學算法還多。而許多工業(yè)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(yè)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、WWW.SHSAIC.NET Foundation的合作感到十分自豪。此外，AVEVA技術*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(huán)境影響的技術標準。

     與此同時，上海上自儀轉(zhuǎn)速表廠AI也有機會成為能效提升的“資產(chǎn)”。優(yōu)化“每單位計算能耗”，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(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)中心用電量的四倍。這說明*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。