EcoStruxure AI引擎的功能涵盖AI应用商店、数据集管理、AI建模与模型运维，实现AI模型的全生命周期管理，且支持第三方模型入驻。它覆盖了企业客户实现人工智能产业落地所需的五大建模相关流程，包括AI模型生命周期中的数据准备、模型训练、模型部署、模型推理及模型监控，并采用云边协同架构，云端训练模型，通过下发至边缘平台进行实时推理，控制各类设备执行AI任务。
- AI应用商店提供设备预测性维护、设备能耗优化、异常检测、质量预测性分析，虚拟智能顾问等应用，用户可轻松选择其中的各种算法和模型并应用到自己的数据集中，从而减少开发新模型的时间和成本。
- AI模型可以应用在设备管理、质量提升、能耗优化等智能制造领域，如焊接质量数据的实时监测等；
- 数据集管理可以查看数据特征、数据趋势、及数据质量；
- 自动化机器学习赋能用户快速创建AI模型；画布式建模支持用户以拖拉拽的方式创建AI模型，代码化建模支持使用Python建模，模型运维提供模型管理与监控。
EcoStruxure AI引擎具备广泛的适用性和可扩展性，以及较高的稳定性和可靠性，同时用户也可根据需求进行定制化地开发和分享自己的算法与模型。
目前，EcoStruxure AI引擎已经应用在各类细分场景中，施耐德电气行业专家基于自有产品打造了标准的应用套件，如基于AI的智慧安防，空压机的预测性维护等，面向不同应用场景已推出20多个工业级模型，可直接部署开箱即用。对于特定场景数据，用户可基于EcoStruxure AI引擎内置的丰富模型模板，进行快速预研，从而训练更高精度的定制化场模型。在楼宇节能的场景，通过机器学习和运筹学的方法，施耐德电气已积累包括空调冷机、冷却泵、新风机组、锅炉、热水泵等多个设备的1000多个智能诊断方案，实现冷量和能耗预测准确率95%以上，与传统楼宇自动化控制相比平均节能量提高15%。
在施耐德电气供应链中国区，基于AI的解决方案已成为提高生产效率、控制成本以及保护环境的得力工具。AI视觉检测项目已经成功覆盖了中国区10家工厂，能够针对产品表面的缺陷进行检测，大大提高产品的质量，有效减少因产品瑕疵而浪费的资源和时间。AI激光机预测性维护项目基于机器学习算法，通过对大量数据的分析可以提前预测机器故障，并进行预防性维护，从而提高生产效率，降低机器维护成本。过去一年中，这些AI解决方案已经为工厂带来400万的直接成本节约。其中施耐德电气亦庄工厂通过节能改造和基于EcoStruxure AI引擎进行能源系统优化，过去三年能源消耗降低了10%。
随着AI技术在实体产业应用中的不断深化，将涌现出更多复杂非标的场景，需要相应的模型支持， EcoStruxure AI引擎正是这一问题的最优解。
