施耐德电气尹正：软件正成为AI规模化落地的关键底座

从硬件到软件，算力管理的重心正在转移

在人工智能大规模部署的浪潮中，硬件基础设施常被视为核心支柱，但施耐德电气副总裁尹正近日在接受《经济参考报》采访时提出，软件才是AI规模化落地的“关键底座”。这一观点在当前算力需求激增的背景下引发了产业关注。尹正表示，随着AI模型参数持续增长，单纯依靠硬件堆叠已无法有效解决算力利用率与能耗控制的矛盾，软件层面的调度与优化能力正成为决定AI项目能否从实验室走向生产环境的核心因素。 据行业分析机构Gartner预测，2026年全球AI软件市场规模将达到约1350亿美元，较2024年增长超过40%。这一数据表明，软件在AI产业链中的价值比重正在快速提升。尹正的发言或许正是对产业趋势的回应：当算力租赁与云端部署成为主流，能否通过软件实现高效、弹性的算力调度，直接决定了企业AI投入的回报率。

算力调度软件：连接硬件与应用的桥梁

尹正强调，施耐德电气作为能源管理与自动化领域的专家，早已意识到软件在数据中心与工业AI场景中的关键作用。其旗下的EcoStruxure架构正是通过软件平台整合电力、制冷与IT设备，实现能源效率与算力输出之间的动态平衡。在AI训练与推理过程中，算力调度软件需要实时监测GPU、CPU等芯片的负载状态，并根据任务优先级调整资源分配，从而避免“算力闲置”或“算力过热”问题。 根据IDC发布的《2025年中国AI基础设施市场报告》，中国AI服务器市场在2025年同比增长约35%，但同期数据中心平均利用率仅为65%左右。这意味着大量算力资源并未被充分使用。软件调度的缺失是主要原因之一。尹正的观点与这一数据形成呼应：若缺乏智能调度层，即便部署了最先进的芯片，也无法实现“可规模化的AI落地”。

产业影响：芯片、半导体与生态协同的变局

尹正的论述触及了更广泛的AI产业链。在芯片层面，英伟达、AMD等厂商近年已推出支持“弹性算力分配”的软件工具，例如CUDA的MPS（多进程服务）与AMD的ROCm框架，但其与数据中心级调度软件的协同仍存短板。如果施耐德电气等企业能够提供更通用的软件底座，可能倒逼芯片厂商进一步开放底层接口，从而加速软硬件生态的融合。 在半导体制造端，AI驱动下的算力需求也对先进制程产能形成压力。据SEMI统计，2025年全球半导体设备销售额预计达到1120亿美元，其中用于AI芯片的先进封装设备占比超过15%。然而，先进制程产能的扩张受限于技术门槛与资本开支。尹正提出的“软件底座”策略或许能在一定程度上缓解硬件瓶颈：通过优化现有算力利用率，降低对极端先进制程的依赖。 需要指出的是，以上产业影响仍以行业趋势判断为主。施耐德电气具体将推出何种软件产品，以及与芯片厂商的合作细节，目前尚无官方信息披露，有待进一步确认。

数据参考

• 全球AI软件市场规模预测：Gartner，2026年预计达到约1350亿美元，较2024年增长超40%。（本次新闻未发布此数据，为行业背景参考）
• 中国AI服务器市场增长：IDC，《2025年中国AI基础设施市场报告》，2025年同比增长约35%。（本次新闻未发布此数据，为行业背景参考）
• 数据中心平均利用率：IDC同报告显示约为65%。（本次新闻未发布此数据，为行业背景参考）
• 全球半导体设备销售额：SEMI，2025年预计为1120亿美元，AI芯片先进封装设备占比超15%。（本次新闻未发布此数据，为行业背景参考） #AI #算力调度 #施耐德电气 #数据中心