施耐德电气已经把60多个AI代理投入生产环境，覆盖100多个国家。AI Hub团队大约350人，负责统一管理这套体系。他们在AWS EKS上自托管LangSmith，这样就能掌握可观测性、评估和部署全链路。其中一个内部助手已经服务了16万名员工。

核心信息

| 维度 | 现状 | |---|---| | 生产级代理数量 | 60多个 | | 覆盖范围 | 100多个国家 | | 团队规模 | AI Hub约350名专家 | | 基础设施 | AWS EKS上自托管LangSmith | | 代表性应用 | 面向16万名员工的内部助手 |

为什么选择自托管

施耐德电气没有把代理体系交给外部云端AI工具直接托管，而是把关键组件放在自己的AWS环境里运行。原因很简单：能源行业对安全、合规和审计链路的要求，远高于部署便利性。

这种架构选择主要为了三件事：

• 控制权：模型调用、代理行为、日志和评估数据都留在自有环境；
• 可追踪性：LLM输出不稳定、Prompt调整后行为漂移等问题，需要持续观测；
• 合规性：能源企业在跨国、跨业务场景部署AI时，必须优先满足安全与监管要求。

这说明了什么

LLM代理在企业内部落地后，真正的难点不只是跑起来，而是长期稳定运行。施耐德电气的做法显示，大型受监管企业正在从试点转向生产，重点转向代理输出评估、行为监控与回溯、部署流程治理、安全边界与合规控制。

对这类企业来说，最优先的不是用最省事的AI云服务，而是建立可审计、可观测、可管控的代理生产系统。

Verdict: 这个叙事对已经在做企业级AI基础设施、AgentOps和合规AI部署的builder与长期型企业软件投资者仍然偏早；对只追逐短线AI概念的trader并不占优。真正受益的是能解决观测、评估、安全和私有化部署问题的基础设施团队，以及有耐心评估企业级落地周期的基金。