GE：以 AI 重塑百年工业基因 从航空动力到电网智能的全面进化

2026年8月，市场传出SpaceX旗下xAI在以600亿美元收购Cursor之后，又与AI编程公司Cognition AI接洽收购。Cognition的旗舰产品是AI软件工程师Devin，其官网列出的企业客户中包括梅赛德斯-奔驰和GE Aerospace。

Cognition CEO Scott Wu随后表示没有出售计划。但这笔传闻中的收购，把一个常被忽略的事实推到了台前：在AI编程工具成为资本焦点之前，GE已经把AI用在了发动机设计、战机维护、电网编排和工业无线通信等多个环节。

 一、从Devin开始：软件交付节奏的变化

GE Aerospace与Cognition的合作始于试点，随后逐步铺开。公开案例显示，引入Devin之后，GE Aerospace的软件产出提升约一倍，工程团队的协作方式从按环节交接转向端到端交付。

GE Aerospace软件业务总裁Andrew Coleman用了一个比喻来形容这种变化："你给了我们一把Gibson吉他，交到了吉米·亨德里克斯手里。"产品管理副总裁Nate Hicks则说得更具体——客户一直希望增加功能，有了Devin之后，软件交付的速度明显加快。

这只是GE Aerospace AI布局的一个切面。过去几年，GE Aerospace在航空领域积累了规模领先的AI专利组合，并把AI嵌入设计、制造、服务三个环节。

设计端，2026年5月，GE Aerospace宣布自研生成式AI工具用于高超音速发动机早期设计，能在数秒内生成双模态冲压发动机概念方案，而传统流程需要数周甚至数月。公司还与DARPA合作，用AI验证高超音速飞行器的前沿材料。

制造端，2026年3月，GE Aerospace与Palantir Technologies扩大多年合作，部署智能体AI优化美国空军战机战备率。合作从T-38教练机J85发动机的持续保障起步，现已扩展到维修、MRO及新发动机生产，试图构建从战场信号到供应商行动的闭环。

服务端，GE Aerospace为全球约5万台商用和3万台军用发动机提供7×24小时AI驱动的安全与健康监测。AI物料助手能在发动机送修前数月预测所需备件，将周转时间缩短5至7天；AI引导的白光机器人检测系统为技师提供辅助，检测一致性有所提升，流程时间约减半。

 二、MDS工业无线通信：电网数字化的通信底座

如果说GE Aerospace把AI用在了天上，GE Vernova则把智能落地到了地面基础设施。其中，MDS（Multi-Data System）工业无线通信平台承担着电力、油气、水务、轨道交通等行业数字化转型的通信支撑角色。

GE MDS Orbit数传电台

过去几年，MDS平台有几个关键节点值得梳理。

2025年10月，GE Vernova与Verizon Business联合宣布MDS Orbit平台上线Verizon蜂窝网络，为电力公司提供SCADA、自动化和人员移动性的安全通信骨干。

2026年2月，GE Vernova发布GridOS for Distribution统一电网编排软件平台。Alabama Power的试用数据显示，该平台在2025年帮助避免了超过1.12亿客户停电分钟。

2026年3月，MDS Orbit X新一代5G/LTE工业现场路由器发布，支持3GPP Release 16、载波聚合和TPM硬件安全模块，可实现LTE到5G的平滑演进。

同期，英国Northern Powergrid部署MDS Orbit覆盖约7500个配电变电站，这是欧洲近年规模较大的关键基础设施通信项目之一。

MDS平台的技术特征可以从三个维度理解。

其一是全链路冗余。双收发器、双电源的冗余部署，主链路异常时可毫秒级自动切换，计划检修对上层业务透明。

其二是多链路混合组网。平台兼容LTE、5G以及授权和非授权工业频段，私有专网与公网蜂窝可互为备份，单一路径中断不至于阻断业务。

其三是跨代平滑迁移。在现有铁塔、天线、馈线基础上叠加新的通信能力，支持新旧网络长期共存、分批升级，避免大规模改造期间出现全线断网。

在AI层面，GE Vernova把AI嵌入GridOS网格编排软件、Meridium资产绩效管理（APM）和Proficy Historian数据平台，方向是从事后预测转向实时编排和自主自愈。行业研究机构已将GE Vernova电气化软件列为能源领域工业AI的领先企业。

 三、几点观察

把GE Aerospace和GE Vernova放在一起看，GE的AI路径有几个特征。

AI的渗透是全栈的。从发动机概念设计到生产排程，从代码开发到在翼检测，从电网编排到工业通信，AI不是某个部门的专属工具，而是横跨航空与能源两大主业的基础能力。

人机协同是基本原则。GE Aerospace提出AI使用三原则——可信数据、系统透明可重复、始终保留人在回路中。这在FAA、军方、电力监管等高合规场景下，不是口号，而是实际操作中的约束条件。

工业数据和工程经验构成了门槛。GE Aerospace拥有约30年的非conforming（不合格品）硬件数据用于训练AI质量助手，拥有约8万台在役发动机的实时运行数据支撑健康监测。GE Vernova MDS在全球关键基础设施中积累了数十年的工业无线通信工程经验。这些数据资产和现场know-how，不是单纯靠算力可以替代的。

2026年，AI编程工具和大模型公司占据了科技新闻的大量版面。GE的案例提供了另一个视角：AI的价值不只取决于模型本身，更取决于能否嵌入复杂、高要求的工业场景。从驱动全球约四分之三商业航班的发动机，到支撑配电自动化的工业无线通信网络，GE正在把百年工业积累与AI技术结合，推进航空和能源领域的智能化进程。

*本文基于公开信息整理，不代表GE官方立场。*