10多年前，ABB就开始研究AI赋能的电气化和自动化解决方案。时至今日，ABB集团机器人与离散自动化事业部总裁安世铭建议“区分人工智能的过度炒作和实际应用，那些真正能够带来实际价值和现实应用的或许才是最为重要的”。
2025年“ABB加速器中国周”期间，作为ABB加速器项目的一部分，AI 黑客松竞赛诞生了近350项AI创新提案。一家百年企业，对人工智能技术的发展始终保持着一颗好奇心。
AI绝非新生事物，其源头可以追溯到20世纪50年代。近年来，我们见证了很多人工智能解决方案的诞生，但是又随时会有一些更成熟的新兴系统出现。安世铭说：“每当迎来热潮时，我们总会认为人工智能可以解决所有的问题，但往往随之而来的是幻灭的低谷期，然而每一轮浪潮依然能够推动我们达到新的高度与技术成熟度。”
两年前，ChatGPT的发布标志着生成式人工智能进步的重大里程碑，互联网世界看到了全新而令人激动的新纪元。此后，DeepSeek不仅成本更低，也成为开源的一项工具。中国有大量的人工智能技术与新兴技术正在发展壮大，ABB所在的机器人行业也在发生着日新月异的变化。
早在10多年前，ABB就开始布局人工智能技术。安世铭说：“当智能体技术出现时，我们就开始思考在公司内部还有什么是可以做的。无论是分析式人工智能还是生成式人工智能，所有这一切都可以与我们最新的技术应用相结合。不论是结构化还是非结构化的环境当中，我们都可以通过这种方式大幅提升效率。”
为了寻找更多的解决方案，ABB选择的是去中心化的方式，不是由总部思考问题、做决策并下发命令，此前尝试过这种方法，很快发现它并不适用。“我们认为创新应该来自问题的发现者，并且要尽量走近客户、走近真正的问题源头。”安世铭说。
ABB采用自下而上的开发模式来打造人工智能解决方案，创造切实可感的创新价值。自下而上的模式也体现在不久前举办的AI黑客松竞赛。该项目吸引了中国以及全球员工的参赛，汇集350项AI提案，体现了AI领域最新的前沿应用。在Formula E国际汽联电动方程式赛车世界锦标赛上，ABB也实现了AI在电动方程式锦标赛赛场内外的落地与应用。
“我个人认为我们可以去观察已经实施落地的项目，或者是正在研发中、可能在5年内会落地的项目，无数项目雏形都在试验过程中，我们认为人工智能会改变世界，当然它不一定会那么顺利地落地，但是我们可以把所有可能性综合起来，创造一个项目储备（project pipeline），并且让它一步一步地落地实现。”安世铭说。
过去一年以来，ABB的AI项目数量增长了一倍，并且还在不断上升。中国公司创造了非常多的新项目，它们将会进一步驱动更多创新。有一些AI项目已经应用于现实生产，有一些成果被推广至全集团。一个AI项目可以首先应用于一个业务领域，再复制、使用到多个业务系统领域之中。比如ABBy机器人助手，最初由单一业务部门开发，现在已经在全公司范围内部署。
人工智能编程助手的用户规模一年增长超过了100%。微软研究表明，开发者工作效率提升了100%，工作满意度也提升了75%，这都是AI编程助手取得的成果。
“通过AI接管常规作业，团队得以专注于创新以及攻克更有难度的问题，同时也可以实现更具复杂性以及挑战性的突破，我们可以更快更好地获得想要的答案。”安世铭说。
芬兰的一位员工开发了Specifier（规格阅读器），这是一个基于生成式AI技术的规格阅读。他面对200多页的文本，觉得阅读起来过于麻烦，想找到一个解决方案。当客户提交一篇两三百页的文档时，系统可以发现文档中哪些需要修改并进一步优化，并将RFQ文件中的电机规格总结成简洁、可操作的摘要。通过这个规格阅读文档，使阅读速度提升225%，其报价处理量显著增加，销售流程也全面提速，同时大幅提升报价的质量准确性和标准一致性。最初这个工具也是由单一业务部门开发的，首先进行试点，现已推广至其他业务部门，被200多名员工常规化地使用。
ABB已经有无数的案例以及100多年的沉淀和积累，如何提取信息、让工程师以最快的速度去识别，为客户提供更精准快捷的服务，ABB必一运动官网还在不断优化、尝试中。
另一例是ABB收购的一家瑞士公司（Sevensense）的移动机器人应用，它可以在一个空间中进行扫描并了解它所处的位置，从而很好地完成任务。同一个空间中可以有各种各样的机器人，它们能够去往不同房间彼此交流、了解各自的任务，同时也可以从a点移动到b点，不需要任何固定的路线设置，从而实现巨大的效率提升以及精确度提升，这可以帮助客户大幅度实现功能优化，满足各种需求。
人工智能如今已经渗透至非常多的应用和场景当中，也存在于产品布局中，帮助优化、实现更高程度的智能化和性能提升。ACOPOS 6D输送系统即为一例，该系统具有悬浮穿梭技术，将现行的生产转化为多维自适应的空间。在这个空间中会有非常多的运动路线，AI可以实现最好的路线选择和最高的效率提升。与此同时，空间利用率也将最高提升至80%。
面对目前人形机器人技术的创新浪潮，ABB的产品可以在非结构化的环境中，让机器人有抓取能力、视觉能力，让机器人用远程传感器更好地实现自我导航。
ABB希望可以聚焦客户问题。在人形机器人的应用中，有些足部采用轮子，移动更快，有些用语言来更好地下达指令，同时也可以和机器人实现对话。中国可以设计出与机器人对话的方案，对任务进行分解，并且执行任务的具体动作，这是非常前沿的技术。
ABB在中国还有多样化的行业应用，比如青岛特钢智能制造解决方案、ABB厦门工业中心的光伏系统、为新疆天富能源提供的供热管网升级智能解决方案，以及在消费品制造、医疗器械装备等领域都实现了跨行业的应用落地，这些都是真正在中国实现的行业应用案例。
如今ABB与中国高校、全世界很多大学、初创公司、客户一起协同合作，可以更好地实现核心技术开发，并进一步完善生态系统的搭建。
微软是ABB的重要战略合作伙伴，双方在工业人工智能领域长期合作，现在也已经实现了ABB产品线集成Microsoft Copilot。微软（中国）有限公司首席技术官韦青指出，目前微软正在大力推进内部员工培训，教会他们如何使用人工智能，其中一个关键的技术就是Copilot，这是为人类服务、导航的协同技术。另外，微软花了非常多的时间开发技术，开发技术之后也需要让内部员工知道如何使用技术。“其实用户并不在意你使用的技术是什么，他真正在意的是能不能帮他解决实际问题。”
韦青说：“初心和常识是两个关键点，另外就是本分。我们需要不断地尝试、应用、日日维新。最重要的是以人为本，其次是问题驱动以及学会利用数据。”微软CEO萨提亚·纳德拉（Satya Nadella）经常说模型并不是微软的产品，模型只是其中一部分。微软CTO Kevin Scott也认为模型和数据同等重要。韦青表示：最为关键的是把技术应用到真实的世界当中，以人为中心，用数据驱动使用场景，这些都是合作的关键。
最近包括黄仁勋、马斯克在内的科技领袖都在不同场合表达了AI与电力之间的关系。
根据国际能源署的数字报告，在2022年，整个AI数据中心的用电量已经达到4600亿千瓦，占全球用电量1.5%—2%。有数据显示，最晚到2030年，AI数据中心用电量占比将翻一番。中国AI数据中心目前占全球的1/3左右，用电量预估最迟在2030年翻一番。这个数据表明，AI的发展对于电力能源的需求是很旺盛的。4月28日发生在西班牙的全国大停电事故，导致全国70%的电力都受到了影响。这两个例子说明，能源会蓬勃发展，能源的管理和稳定至关重要。
ABB电气中国副总裁杨嵘指出，在电力行业，新型电力系统也应该是“云—管—边—端”的架构。例如，ABB Ability™系统能够将电力数据存储到云端，实现远程调控；ZEE600系统则能够将太阳能用电与负荷有机结合，提升能源利用效率。
目前ABB过程自动化业务线非常广泛，近期也发布了ABB Ability工业知识库。ABB过程自动化事业部中国区负责人蒋海波说：“从AI角度来说，过程自动化工业多年来都有很多悬而未决的痛点。随着AI技术的飞速发展，现在AI在过程自动化的应用非常普遍。”过程工业的共性问题是非计划停机，所造成巨大的损失包括时间损失、设备损失、产品质量影响等。通常非计划停机由两个问题引起，一个是设备本身的故障停机，另一个是由于各种复杂原因造成的系统停机。
针对设备本身的故障停机，蒋海波说：“AI技术的应用促成了可预测性维护，但是成本上不太经济。”预测性维护通过大数据分析和AI的技术应用，发展出很多解决方案用来帮助客户提高可靠性。在没有问题的时候就不需要停机，一旦产生问题指示，就可以做一些预防性手段，这是第一个方向。
针对生产线上复杂的停机事件，ABB运用AI手段，比如大数据分析、图像识别、分析式AI模型，已经解决了不少问题。“停机的成本压力非常大，客户闸机生产线起始的损失很大，因为等到整个生产线稳定之后，前面已经报废了部分产品。目前ABB开发了一些解决方案，用AI的方式大幅度降低损失，目前可将损失减少至1/10。”蒋海波表示。
ABB工业知识库是ABB与微软合作开发、使用生成式AI的智能知识库，解决了非常大的痛点，现在很多企业面临人才流失，员工的退休、转岗、升迁，技术骨干的流失等情况对企业来说是普遍存在的、长远的痛点，人员水平也存在参差不齐的情况。现在利用AI技术将所有产品信息、维修经验等整理进数据库，再提供使用友好的界面，可以帮助客户更轻易地解决操作维修难题，大幅度降低对人员的培训成本，大大提高整体效率。
ABB运动控制事业部大电机与发电机亚太区负责人杨文广说，在预防性维护方面，电机应用场景比较广阔。过程工业，特别是在石油石化中，电机坏了会发生意想不到的停机，整个生产也会随之停顿，损失可能高达几百万、上千万元。“2024年在ABB创新杯大赛中，我们就提出如何利用AI或者智能技术协助支持电机的故障诊断。ABB在电机变频器领域有100多年的行业经验和知识，但如何与AI技术融合，从而更好地提升诊断效率和效果，这是我们最关注的地方。”
这个课题提出后颇受关注，有50多所高校近300人参与课题讨论。他们与研发团队去工厂拜访，ABB将积累的大量案例分享给合作者，西安交大国际机械学院通过三相电流的融合，采集电流的损失峰值，通过ABB的数据积累，复查运行过程的转差率，就电机的参数进行动态分析，结合AI模型做出判断，从而解决了关键问题。研究发现，原来的很多分析会产生数据干扰，而算法能将数据干扰降到最低，同时将诊断的可靠性和准确率提升到新高度。这个项目获得了2024年度ABB创新大赛的一等奖。杨文广说：“现在整个研发团队还在跟进去年的讨论和数据模型，尽可能通过研发将它产品化，从而为客户提供服务。”整体来说，这也是运动控制在数字化和智能化上的探讨，尽可能利用数字化工具和AI方法提高整体运营的精准度和敏捷度。
2024年2月，ABB机器人业务部中国区负责人韩晨曾经分享了将AI引入到控制器生产线的案例，控制器生产线多种选项。由于非标准化的场景太多，为此，拧螺丝工序一直由人工操作。团队将深度学习引入后，传统的图像处理手段的打螺丝成功率从20%提升至80%左右。经过一年对模型的进一步培训以及新技术应用，这条生产线打螺丝的成功率已经基本达到100%。对于工厂中不同的环境和光影、来料的不一致性，甚至一些缺陷，都有很好的忍耐度。这项技术在ABB工厂得到完善之后，也推广给了客户。
另一项已经落地的应用是焊缝的质量检测。之前焊缝质量检测是在工序最后对成品进行检测，现在通过AI加持，利用3D照相机快速成像，能迅速检测到焊接问题，精确到22微米，速度是人工检测的20倍以上。在高速检测的情况下，可以把焊缝质量检测直接植入到生产线中，做到产品精准控制，边焊边检测，有问题时立刻返工修复，而不是等到最后。
韩晨说，除了生产应用以外，ABB也把人工智能推广到生产管理，比如订单预测。由于ABB面向汽车、电子、金属加工等众多行业，业务量也存在起伏不定的情况，精确地预测订单会实现更精益的生产。引入人工智能后，对原材料以及生产人员配置都有了很大的改进。
ABB还与英伟达达成合作进行前沿探索，英伟达的Omniverse数字孪生仿真平台与ABB的RobotStudio进行结合，在设计产品时，先用视觉团队（Visual Team）做深入研究，有了模型之后，还能对产品质量问题溯源，实现根本原因分析（Root Cause Analysis）。
韩晨说：“希望今后可以把人工智能引入到日常生产，进一步推动智能化生产转型。”
目前，ABB已经有超过250个AI项目，公司对此运用不同的KPI，从生产效率和生产力两方面衡量。安世铭说：“Specifier规格阅读器现在已经有超过200人、6个不同的部门在使用，阅读速度提升至225%，这是真实的效率提升和时间成本节省，以更少的资源达到更好的效果。”
一些外部产品应用的价值，也是通过具体数据来体现。比如AMRs自主移动机器人部署后，效率提升超过20%。“每个项目都有其KPI，与客户期待密切相关，可能是成本下降，可能是用更少的资源得到更大的效果。实际上，所有项目我们都能够预先设定价值指标、驱动其发展并衡量结果，这个效果是非常好的。”
针对生产线效率提升，ABB还会通过不断地检验和实践扩大其使用率。根据不同项目逐个设置KPI，公司内部的智能聊天应用，比如通过询问ABBy机器人助手，了解HR领域的最新规定，这些都是不断扩展增加的项目，能够为公司内部带来更多的价值。
