发布日期：2024/7/24     来源：ICT产业观察

工业软件是对工业技术和知识的程序化封装、复用，是工业化的顶级产品。在实际工业场景中，如汽车制造、船舶制造等，人们中获得了诀窍、技能、经验，通过程序化、算法化、模型化等手段，封装成了工业软件。工业软件能够控制生产设备、优化制造和管理流程，提高生产率，是现代工业的“灵魂”。

工业软件可大致分为研发设计类、生产控制类、运营管理类、嵌入式等，而CAD（计算机辅助设计）、计算机辅助工程（CAE）长期被海外产品主导，比如CAE领域的Ansys、Altair、海克斯康（收购MSC），CAD领域的西门子、达索、PTC、Autodesk。国产厂商近年也取得一定进展，但存在研发不足、商业化能力弱、垄断竞争带来的绝对差距。

AI大模型的发展，将成为国产化工业软件发展赛道上的关键变量。

大模型加速工业软件新突破

据2024年6月24日举行的2024南京软件大会上发布的《中国工业软件产业发展研究报告（2024）》显示，2023年全球工业软件市场规模约5028亿美元，折合人民币约3.56万亿元。我国工业软件市场规模约2414亿元，同比增长12.3%，高于软件行业平均增长水平。同时工业软件关键环节取得多项标志性进展，开源体系建设迈上新台阶，产业发展生态加速完善。我国的工业软件企业也不断加强自主创新，提升全球竞争力，提升产业链供应链韧性和安全水平。

截至2023年底，我国工业软件企业关键工序数控化率达到了62.2%，数字化研发设计工具普及率达到了79.6%，研发设计类工业软件市场份额占比达10%，较2019年翻了一番。

事实上，2015年后我国重视工业软件发展，相关政策密集出台，但仍处于起步阶段，国产化率较低，其中研发设计类工业软件国产化率尤其低。2020年以来，在国外技术封锁下国内企业加快研发进度，国产化有所提高，行业迎来新发展期。

“随着新一轮科技革命和产业变革的加速演进，工业软件已经广泛应用于几乎所有工业领域的核心环节，是推进新型工业化的重要支撑。”工信部电子五所总工程师万举勇在2024南京软件大会上说，我国工业软件企业关键工序数控化率整体呈现上升发展趋势。

“随着数字化转型的深入和新型工业化的持续推进，软件产业尤其是工业软件领域必将迎来更大的发展空间。”工业和信息化部信息技术发展司副司长杨亚俊说。

随着技术发展和需求变化，工业软件也在不断演进和创新，以适应制造业数字化、智能化的发展趋势。尤其是AI大模型的发展，更为工业软件产业发展带来新的期望。

中国工程院院士李培根在2023中国企业数字化转型峰会暨赛意用户大会上发表演讲《AI与工业软件发展》，就曾说道，人工智能技术对于工业软件领域中，尤其是对于创新设计、制造工艺与装备的重要意义。他指出，需要基于AI和前瞻大模型的应用大力发展能“定义制造”的软件，现在人工智能的发展已经在局部领域超越人的智能，在制造中融入了人工智能的某些软件完全有可能在制造的特定方向超越人的能力。

去年12月，信通院牵头、多家单位联合编制的《工业大模型技术应用与发展报告》指出，AI与大模型将加速赋能新型工业化，从2022至2032年工业AI市场规模将以46％的年均复合增长率高速成长。工业各环节围绕语言、专用、多模态和视觉四类大模型开展探索。当前以大语言模型为主，4类模型应用占比：75%、15%、8%和2%。通用模型的场景化适配调优是主要部署方式，问答交互为主要应用模式。

今年3月，腾讯研究院发布的《工业大模型应用报告》指出，工业正处于从数字化向智能化迈进的阶段，而大模型凭借其卓越的理解能力、生成能力和泛化能力，成为推动工业智能化的关键力量，有望拓展人工智能与工业融合的新空间。

产业布局迎来新气象

众企业看到了AI大模型带来的新机遇，自然也成为各企业发力的重点。

2024年3月27日，创新奇智的奇智孔明工业大模型2.0版本（AInno-75B）及多款大模型原生应用发布。升级后的奇智孔明工业大模型参数量级实现了新突破，达到750亿以上参数，进一步增强了海量知识管理、复杂逻辑推理、长流程任务编排、Agent智能体以及更多工业模态的生成能力。

作为产业链上游的，传统的CAD软件市场长期被国外厂商主导，界面复杂且使用门槛高。为打破这一局面，创新奇智将工业大模型技术引入工业设计领域，推出自主可控的Text-to-CAD类应用—“ChatCAD生成式辅助工业设计”。通过简单的对话问答，系统便能迅速理解设计师的创意意图，并自动生成符合要求的工业设计图，还支持导出到传统工业设计软件进行手动微调。

中工互联在去年6月推出了智工·工业大模型，思谋科技同年11月推出了工业多模态大模型IndustryGPT V1.0，科大讯飞投资成立的羚羊工业互联网平台，也发布由讯飞星火提供技术底座的羚羊工业大模型。

去年12月，京东方推出显示工业大模型。该大模型在原有的AIoT技术底座基础之上，深度融合京东方半导体显示行业知识与经验，涵盖多个细分业务版块。其第一期成果“缺陷检测视觉大模型技术方案”已在京东方半导体显示工厂稳定运行，有效助力产线缺陷模型迭代及检测系统上线效率提升10倍以上。，推动了核心工艺缺陷检测流程从全人工模式向人机协同模式演进。

2024年3月，金风科技风电行业大语言模型，将深耕行业多年所沉淀的海量风机运行数据与风电行业专业知识库进行融合，构建风电行业大语言模型，集成风机故障智能诊断系统，模型诊断准确率均在95%以上。

2024年5月，隆基绿能基于多模态大模型的生产合规视频检测技术，在隆基绿能嘉兴基地的生产过程中，每隔18秒就可以判断出12串组件是否有缺陷，同时能识别和追溯缺陷组件产自哪条流水线、哪个机台。

巨头PTC的新布局

PTC是一家全球性软件公司，更是工业设计软件CAD的头部企业。根据PTC发布《PTC 2023年度报告》，2023财年总收入20.97亿美元，同比增长了8%，总利润16.56亿美元，同比增长7%。PTC的产品组合主要分为大类：产品生命管理PLM和计算机辅助设计CAD。其中CAD软件收入7.61亿美元，呈现小幅负增长（-4%）。PLM软件在2023财年的收入11.86亿美元，实现了21%的增长。

近日PTC推出其Creo®计算机辅助设计（CAD）软件的第十一个版本以及Creo+™SaaS CAD解决方案的最新版本。Creo使工程师能够在更短的时间内完成最佳设计，Creo 11在电气化、复合材料、基于模型的定义、仿真驱动的设计和制造方面提供了广泛的增强功能。

“随着人工智能生成设计和基于安世亚太的集成仿真的改进，Creo使客户能够在开发过程中更早地采用仿真驱动设计，从而缩短产品上市时间，提高初始产品质量，降低制造成本。”PTC CAD部门副总裁兼总经理Brian Thompson表示。

“产品设计完成之后，基本上就决定了其80%的碳足迹。所有的企业，尤其是加工制造型的企业，需要将节能减排、零碳的重心转移到研发阶段，通过选择更加利于回收、制造成本更低的材料、减重，实现这样的目标。事实上Creo 11就可以在帮企业用户解决相关的问题：一方面是帮助企业选择更好的材料；另一方面通过创新设计降低企业碳足迹。”PTC公司中国区CTO施战备说道。

据了解，PTC在2013年收购主流物联网信息平台ThingWorx，2015年收购大数据分析平台ColdLight之后，PTC就开始对人工智能产品的投入。2019年和2020年，PTC分别收购了云原生CAD软件厂商Onshape和 PLM解决方案提供商Arena Solutions。这正是PTC开始布局SAAS平台云化工业软件的第一步。“Onshape带来的SaaS软件模式，使得我们在AI创新设计方面，也有了新的产品。”CTO施战备补充说道，到今天，PTC又与微软Copilot协作实践，从而帮助企业实现数字化转型在未来企业全面应用AI数据大模型和人工智能——不仅是在Creo、Windchill、Codebeamer，未来的售后服务的ServiceMax，都会全面采用Copilot的解决方案。同时，除了目前PTC已经推出的AI能力和应用外，PTC会从Creo、PLM、ALM、IoT/AR和SLM领域，全面推出PTC在AI大模型方面的应用和能力。

在AI技术的支持下，PTC的整个数字主线远景也会与AI实现紧密地结合：以往，PTC实际上为企业用户提供了一个闭环的数物融合的数字主线；未来，在这个数字主线上，无论是从市场需求到产品的工程设计，再到仿真验证、生产制造，最后交付之后的运营服务，PTC都会全方面引入Copilot与PTC软件融合后的AI技术，从而帮助企业实现数字化转型的能力。

按照财报中提到的，PTC的长期发展战略是加速数字线程解决方案，加快产品创新，加速SaaS转型。云化、AI大模型将成为PTC这家CAD巨头未来市场竞争中成败的关键变量。

专家支招破解融合难题

工业数据往往涉及企业机密，数据隐私保护成为重要挑战。工业领域具有高度的专业性和复杂性，大模型需要深入理解特定行业的知识和规则，才能提供有效的解决方案，否则可能出现“水土不服”的情况。大模型的决策过程和输出结果可能难以解释，这在工业领域可能导致决策风险，尤其在涉及安全关键和高价值决策的场景中。

在过去一两年来，有很多数字化技术在冲击着整个工业领域，首当其冲的就是AI。据不完全统计，国产大模型数量目前已超过200个，但在制造业领域，从目前来看应用AI还是非常困难的，施战备分析认为，主要有以下几个方面原因。

首先是数据。因为大语言模型最关键就是数据海量的数据，但在制造业，数据问题比较大。其实我们今天所有的制造企业在讲的制造业转型升级、数字化转型升级，都是在解决数据的问题难题。

第二，制造业企业对于大语言模型结果的准确度要求很高。对于制造业企业而言，不能够容许99%或者98%的准确率，因为只要存在误差，那么就存在导致工厂生产线出问题的可能性，这是不能容许的。

第三，数据的隐私和安全的保护。所以，在施战备看来， 企业用户事实上都在各个领域探讨、深入研究应用AI的可能性，但是目前看来，应用真正的大语言模型也还差距比较大。短期内，在某些领域做单点的小规模应用，或者企业内部的探索和尝试，是有可能性的；但是在整个工业级的大语言模型应用，目前难度比较大。

“企业最核心的资产之一，就是与产品相关的数据。那么，有多少企业愿意把数据拿出来共享？我们看到所有大企业在谈到IT应用的时候，第一反应都是安全性和保密性，甚至连应用公有云服务都会有顾虑。”PTC全球资深副总裁兼大中华区总裁刘强说道，对于制造业企业而言，其核心竞争力就体现在产品数据上。如果没有数据，企业应用AI，训练大模型只能在企业内部，所以在工业领域，机器学习或者AI，什么时候能够完全取代设计工程师，实现行业的这种颠覆性成长，本身就是一个问题。

在工业互联网产业联盟工业大数据组副主席、上海优也信息科技公司首席科学家、原宝钢中央研究院首席研究员郭朝晖看来，学术界总把工业软件当成科技问题，这是完全错误的。其本质是经济问题，要看工业软件的市场在哪里，工程问题才是工业软件问题。算法其实是次要的。在郭朝晖看来，工业大模型主要对研发服务过程有辅助做用，对生产过程的影响不是很大，而生产过程才是最基本的工业过程。

杉数科技联合创始人兼首席科学官葛冬冬曾谈到，我国基础工业行业在转向智能化的过程中，主要面临以下三方面挑战：运营体系复杂度大幅上升。产业链全球化及生产规模扩大带来协同难度放大，产业进步又使得各个环节的交叉及融合程度大大加深；响应灵敏度要求更高。在现代工业的生产和运营中，为了达到最优效益，对生产和决策的响应度要求提高；技术壁垒高。基础工业行业具有技术密集型和资本密集型的特点，技术壁垒和研发成本较高，而我国在这方面的技术积累和人才储备都不足。

“有很多创业公司在做行业模型的优化和微调。相对于其他行业，制造业核心工艺相关公开数据相对较少，比较难预训练大模型。”亚马逊云科技大中华区战略业务发展部总经理顾凡曾说道。对于制造业客户，大模型应用核心是需要找到模型准确度和推理成本之间的平衡点。如果小模型能够解决问题，成本也可控，那就不建议替换大模型。

根据浙商证券发布的工业软件行业研究报告指出，目前 AI 大模型在工业领域处于初步探索阶段，未来四类核心模型有望赋能工业领域多个细分场景。AI+工业有望在流程控制、质量优化、机器人应用等领域赋能生产力的大幅提升。随着工业软件逐步走向标准化、生态化和微服务化，核心技术朝平台化、智能化发展，我国国产工业软件在开发、技术、市场应用和服务模式上呈现明显的发展趋势，未来工业软件与云服务、AI、大数据等智能技术相结合的市场空间广阔。