當Anthropic開源的Model Context Protocol（MCP）成為連接AI助手與數據系統的新標準，如同USB-C為設備連接提供標準化接口一樣，MCP為AI智能體提供了一種能與現實世界“對話”的標準化的“物理層語言”。這一轉變也將AI模型的“推理潛力”轉化為了“實際作業能力”。
“連接世界”的復雜度被大幅降低后，AI Agent的應用范式也隨之躍遷，2025年也迎來了AI智能體的“應用元年”。AI從“Chatbot”演進為“能感知、能執行、能反饋”的系統級智能體（Agent），其應用側也開始向交通、工業、能源等重資產行業滲透。
如今，AI智能體技術，正在告別“炫技”階段，真正深入產業腹地，從“好玩”變為“好用”。
在日前舉辦的世界人工智能大會（WAIC 2025）上，施耐德電氣就面向數字樓宇行業發布了一款重磅新品——EcoStruxure™ Building GPT。該產品是一款定位于“樓宇暖通智能運維專家”的行業級AI智能體，致力于讓AI真正“聽懂、看懂、做懂”樓宇設備運行和運維任務，推動能源管理領域從數字化向智能協同邁進。
不同于常見的通用AI工具，EcoStruxure™ Building GPT的功能不僅僅是簡單的對話，而是面向樓宇暖通系統的能效提升與運維變革，融合了知識圖譜與大語言模型的行業專用智能體，具備“感知、理解、診斷、決策與優化”的閉環能力。
通用到專用 施耐德電氣打造更“懂行”的智能體
與市場上眾多“套殼”大模型的產品不同，EcoStruxure™ Building GPT并非簡單地將基礎模型“換殼”嵌入，而是基于施耐德電氣在OT（運營技術）領域數十年的知識、數據與流程積累，重構了一套“行業智能體架構”。
施耐德電氣數字能效業務中國區數字樓宇和智能系統產品市場部負責人魏琨表示：“施耐德電氣一直以來都是數字化的引領者，在能源管理的OT領域有非常豐富的經驗和數據積累，以及專家的積累。因此，施耐德電氣有信心在這一領域發揮引領作用。”
施耐德電氣數字能效業務中國區數字樓宇和智能系統產品市場部負責人 魏琨
回歸到EcoStruxure™ Building GPT本身，具體而言，其核心能力體現在五大“支柱技術”上：
其一是深度融合的知識圖譜。通過構建領域知識圖譜，將原本分散的設備知識、專家面對故障的經驗和運行邏輯進行結構化管理，實現智能體的“知識成型”，從根本上解決信息混亂的問題。
具體而言，施耐德電氣將暖通設備的點位關系、控制邏輯、故障模式、運維手冊等海量的非結構化知識，結構化為邏輯清晰的知識圖譜。這使得AI不僅能回答“是什么”，更能基于邏輯推理，深刻解釋“為什么”，這為復雜的故障診斷提供了堅實基礎。
其二是自然語言驅動的大模型交互。“EcoStruxure™ Building GPT的核心目標是降低技術門檻。”魏琨舉例稱，樓宇運維團隊人員的素質參差不齊，一些年紀較大的員工，盡管擁有豐富的經驗，但對于使用復雜的數字化工具卻存在挑戰。而有了AI的加持，他們就可以通過對話、交互獲取信息，最大程度地降低了門檻。
其三是多模態感知與解析能力。EcoStruxure™ Building GPT支持圖紙PDF、語音輸入、Excel表等多模態的數據解析。
魏琨解釋說：“用戶只需將點位信息、暖通設計圖紙等PDF文件上傳，系統就能在后臺進行語料識別、文件識別和數據采集，繼而自動構建起項目的本地知識庫。這種方式也降低了AI部署的復雜度和成本。”
其四是先進的RAG與模型微調技術。為了確?；卮鸬木珳市院拖嚓P性，盡可能減少模型的幻覺率，EcoStruxure™ Building GPT不僅利用了RAG（檢索增強生成）機制，還將強化學習（Reinforcement Learning）和LoRA（低秩自適應）微調技術融入模型訓練中。
“我們的LoRA也借鑒了MoE（混合專家模型）的訓練方法，確保模型更偏向于在行業場景中使用。”魏琨說。
其五是靈活的私有化部署能力。“數據安全是行業客戶非常關心的問題。”魏琨對此特別強調：“目前，很多客戶因為數據安全和隱私原因，不能讓數據上云。而EcoStruxure™ Building GPT在設計上原生支持與客戶自建的DeepSeek‘滿血版本’做配合，幫助客戶實現完全的私有化部署。此外。在運維一段時間后，我們可以把整個系統完全交付給客戶，徹底解決了他們對數據安全和供應商綁定的顧慮。”
一句話搞定故障排查 EcoStruxure™ Building GPT讓“人效”與“能效”雙升
對于EcoStruxure™ Building GPT，施耐德電氣制定了兩大核心KPI——“人效”（人員效率）與能效提升。同時以AI技術深入運維、管理、能耗等多個維度，實現降本增效、提質升級的成果。
在“人效”提升方面，EcoStruxure™ Building GPT以“AI梳理架構+自然語言交互”的方式，極大降低了新員工上手的門檻。
過去，一個剛入行的運維人員需要熟悉繁復的設備點表和控制邏輯，翻閱厚重的圖紙才能勉強完成排查。
而如今，借助系統的智能問答功能，只需一句自然語言提問——如“東塔樓5樓空調太熱，空調系統是否存在問題？”，系統便可實時調取相關設備數據、歷史故障記錄、控制邏輯與圖紙，快速生成清晰的排查路徑與操作建議。這一方式將大幅縮短新員工的熟練周期，同時也讓團隊內部的知識由隱性變為顯性，實現了經驗的結構化、標準化沉淀。
通過語音輸入替代人工核對等傳統流程，EcoStruxure™ Building GPT將能夠有效提升數據校準等關鍵步驟的效率；同時，對工單和故障處理流程進行了深度重構，借助自動化分析功能，不僅幫助企業減少了運維人力投入，還將故障處理周期縮短，相應地帶來了維修成本下降。在實際運行中，這種效率優勢轉化為對運營資源的更優配置，使人力和設備都能以更高的效能運轉。
此外，EcoStruxure™ Building GPT還深度參與到故障診斷與風險管理中。通過“AI定位+故障分析”的組合，將平均故障修復時間大幅縮短。結合實時數據監測和預測性預警機制，EcoStruxure™ Building GPT可以在問題發生前發出提示，將故障發生概率降低。此外，其決策建議的可視化能力也顯著減少了人為誤判的可能性，讓相關風險下降。這些特性共同構成了一套更可靠、更主動的運維體系。
在管理層面，EcoStruxure™ Building GPT展現出對數據的深度整合與調用能力。EcoStruxure™ Building GPT能夠支持對設備運行狀態的精準查詢，讓一線操作人員與管理者都能在更短時間內做出更準確的判斷，決策效率提升。
同時，其還能模擬多種調節策略的預期效果，輔助管理者選擇最優方案，從而帶動整體系統運行效率提升。更重要的是，隨著系統持續運行，EcoStruxure™ Building GPT的動態知識庫也將自動不斷擴充，這使得經驗的積累不再依賴于個體，而轉變為企業資產，在新老員工之間實現無縫傳承，讓經驗復用效率實現倍增。
魏琨透露，施耐德電氣內部在部署EcoStruxure™ Building GPT時，設置了點贊、點踩等反饋機制。在模型初期上線階段，好評率維持在70%左右。而隨著持續迭代與優化，如今好評率已超過90%，充分說明了其在真實場景下對一線人員的使用價值與支持力度。
除了提升運維與管理效率，EcoStruxure™ Building GPT在能效優化方面也發揮了核心作用。其基于歷史運行數據、實時負荷信息與天氣預報模型，能夠為設施管理團隊提供精細化的能耗分析和節能策略建議。
正是在“人效+能效”的雙重驅動下，EcoStruxure™ Building GPT不僅成為施耐德電氣自身的智能化引擎，也正在為整個行業的轉型提供樣本。
但是，魏琨同時也強調說：“我們的目標從不是用AI取代人，而是讓人的經驗可以被AI所吸收、轉化和復用，使AI成為經驗傳承的工具，成為一線團隊的‘第二大腦’”。
從AI BOX到EcoStruxure™ Building GPT 用“結果導向”打通AI商業化
其實，施耐德電氣在AI領域的探索早在“Agent爆發”甚至“AI爆發”之前。2023年，施耐德電氣就推出了首款此類產品——SpaceLogic™ AI BOX（樓宇節能盒）。
魏琨回憶道：“當初在發布SpaceLogic™ AI BOX（樓宇節能盒）時，ChatGPT還沒有深入到B端市場。那時，大家對AI的理解還很模糊，甚至心存顧慮，我們花費了大量時間去和客戶溝通、培育市場。”
然而，隨著2023到2024年AI市場的快速成熟，情況變得完全不一樣了。“今年我們再和客戶談到EcoStruxure™ Building GPT，他們的接受度非常高，覺得這再自然不過。”魏琨直言道：“C端用戶認知的普及，極大地推動了B端產品的落地——這確實是我們這個時代的紅利。”
市場一旦成熟，商業模式自然明朗。當被問及成本時，魏琨坦言道：“重點不是價格，而是價值。”
我們的定價邏輯非常簡單——以為客戶創造的結果付費。但更核心的是，施耐德電氣所有AI產品的定價都與結果掛鉤。“說到底，你必須先幫客戶賺到或省下足夠多的錢，才有資格從他那里分享一部分收益。”魏琨說。
也正是這種“先創造價值，再分享價值”的底層邏輯，讓施耐德電氣對AI的未來角色有了更高的期望。
談及此，魏琨也展望道：“未來，AI不再是冰冷的工具，而是更‘懂業務’的數字同事。當然，施耐德電氣也將繼續演進。或許，明年的今天，我們將見證第三次技術融合下，帶來的新產品。”
寫在最后
在產業AI的競爭進入深水區的當下，施耐德電氣的此次的發布其實反應了一種模式——“先有行業懂行，再有AI賦能”。這種模式，或許能擺脫純技術公司“拿著錘子找釘子”的窘境。
EcoStruxure™ Building GPT將機器側復雜的、非人性的數據語言，翻譯為一線人員能理解、能執行的決策指令，從而將AI從“聰明的玩具”轉變為直擊“人效”與“能效”兩大痛點的生產力工具。
這種轉變背后反映的是B端市場對AI認知的成熟化。當C端用戶已經習慣了Chatbot式的交互后，B端客戶對AI的期待也從“能用”升級為“好用”。這為專業化AI產品創造了更好的市場窗口期。
而更深層的啟示在于，未來在AI領域的競爭或將不再是算法優劣的比拼，而是對特定行業“know-how”的深度理解和重塑能力。誰能將數十年的行業積淀轉化為AI的“肌肉記憶”，誰就能在行業的垂直賽道中建立更加堅固的“護城河”。
評論