AI大潮下，工业软件还能守住“护城河”吗？
从2025年到2026年初，AI Agent的爆发引发部分国际企业级软件公司市值大幅度下挫，造成软件行业从业者的集体焦虑。那么，当生成式AI能够快速生成代码，AI Agent能够拆解任务、调度工具、生成方案，作为现代工业数字神经系统的工业软件，还能守住“护城河”吗？AI究竟是强化工业软件，提升工业软件应用的效率，还是能够替代工业软件？工业企业应当如何看待AI以及AI Agent与工业软件的关系？本文将分享我的看法，欢迎广大读者批评指正。
01
工业软件的传统护城河：工业机理与数学根基、数据与安全性
工业软件的生命力根植于对工业企业产品研发、工艺规划、生产制造、供应链管理等业务流程，以及制造工艺的精准建模与逻辑封装，种类繁多，具有鲜明的行业特质。这种专业性正是工业软件厂商的护城河。从研发设计到生产制造，每一类工业软件都构建在专属的核心技术体系之上。
以研发设计类软件为例，CAD、CAE、CAM、EDA等核心工具软件的底层是经过数十年验证的复杂数学模型与物理算法，而非简单的数据分析能力，这些工具类软件的核心逻辑是难以替代的：
🔷CAD的核心是参数化几何建模与约束求解器，通过CSG和B-REP精准描述产品的三维形态与装配关系，引入了NURBS曲面，还发展了同步建模技术；
🔷CAE软件博大精深，工程仿真软件需要将实体模型转化为网格模型，基于静力学、动力学、计算流体力学、空气动力学等基础科学，融合热场、流场、电磁场等多物理场，涉及前处理、求解器、后处理等多个环节，还有系统仿真、拓扑优化等相关软件，各类制造工艺也都有相应的工艺仿真软件，例如铸造、冲压、注塑、增材制造等，包含着高深的知识与Know-How；
🔷CAM软件基于零件的三维模型和工艺路线产生刀具轨迹，根据设备类型推荐加工策略，产生数控代码，并提供加工仿真功能，针对常规曲面和自由曲面（例如模具、航空叶片等）加工的CAM软件差异很大；
🔷EDA作为半导体和芯片设计的基础软件，涉及到芯片设计、制造、测试与封装，下游PCB设计与制造和PCBA等复杂的业务流程和工艺流程，不同类型的芯片对EDA的需求差异很大。
制造运营类的工业软件也同样如此：
🔷MES（制造执行系统）的核心是车间级的生产排产、生产过程管控和追溯，需要适配不同行业的工艺路线，汽车制造的流水线生产、半导体的无尘室制造、钢铁行业的连续冶炼差异很大；
🔷SCM（供应链管理系统）需要整合供需预测、库存控制、物流优化等多重模块；
🔷APS（高级计划排程）则需要融合诸多约束条件，才能实现车间的优化排产。
这些软件的核心价值在于将行业特有的生产规则、管理流程固化为可执行的系统逻辑，这种行业定制化的壁垒并非AI Agent可以简单地替代。
AI技术在工业企业已得到广泛应用，主要的应用场景包括质量检测、质量分析、生产排产优化、工艺参数优化、设备故障预警与预测性维护和节能降耗等。AI的高效运行离不开高质量数据的支撑；而工业场景的核心数据恰恰沉淀于工业软件之中，这种数据共生的关系使AI难以脱离工业软件。
工业企业的数据体系极为复杂，涵盖结构化、半结构化与非结构化三大类型，分散于研发、生产、供应链、销售等各个环节：
🔷结构化数据如ERP中的物料清单（BOM）、MES中的生产报工数据、PLM中的产品版本信息，是工业软件运行的核心基础；
🔷半结构化数据如工艺图纸、检验报告、设备维护手册，承载着关键的工艺知识与质量标准；
🔷非结构化数据如生产现场的视频监控、工程师的经验笔记、客户的需求文档，蕴含着大量隐性的工业智慧。
流程工业要实现闭环控制，需要采集大量实时数据。这些数据并非孤立存在，而是通过工业软件形成了数据、模型到应用的闭环。如果脱离工业软件，这些数据将沦为信息孤岛，失去价值；AI Agent必须通过工业软件对这些数据进行调用与解析。
更重要的是，工业数据具有极强的私密性与场景化特征。每个企业的生产工艺、管理模式、客户需求都存在差异，某汽车厂商的焊接工艺参数，对另一家工程机械企业毫无意义。因此，AI Agent需要针对特定企业的场景进行适配，而适配的基础正是工业软件构建的企业级数据体系。
工业数据的安全性要求极高。工业数据涉及企业的核心商业机密与生产安全，例如芯片设计方案和化工工艺配方一旦泄露，将造成不可挽回的损失。
经过数十年的发展，工业软件已形成完善的数据加密、权限管控、访问审计等安全体系，能够满足工业场景的合规要求。PLM和ERP等企业级管理软件涉及到复杂的权限管理机制，来管控企业的产品信息、财务信息等核心机密数据。如果脱离工业软件的安全框架，AI Agent极易引发数据泄露风险。此外，生成式AI所固有的幻觉问题是其在工业场景应用的难点。
02
工业软件的护城河正在变浅，某些领域甚至可能被填平
虽然工业软件有上述护城河，但是不能低估AI for Engineering的颠覆性潜力。近年来，AI求解器（如利用神经网络求解偏微分方程）发展迅速。在某些特定场景下，AI代理模型（Surrogate Model）的计算速度比传统数值计算快成千上万倍，且精度正在逼近传统方法。未来如果AI能直接学习物理规律并生成高精度的近似解，那么传统基于网格和迭代求解的护城河会受到实质性冲击，而不仅仅是增强。目前，生成式设计软件融入了AI技术，是当前国际主流CAD软件竞相改进的关键技术；APS软件厂商也纷纷采用AI技术来提高生产排产算法的效率。
纵观企业级软件的发展历程，企业应用集成（EAI）软件致力于实现企业中各类应用软件的信息集成，提供与各类软件集成的适配器（Adapter）；而业务流程管理（BPM）软件则强调实现打通企业的业务流程，实现各类应用软件的流程集成；流程机器人自动化（RPA）系统则可以帮助企业实现各种业务流程的自动化。AI Agent比RPA更加智能，不仅可以实现应用软件和数据流打通，还可以连接生成式AI，甚至连接具身智能的硬件。
AI Agent可以进一步提升企业业务流程的自动化和执行效率，简化工业软件的应用。类似Anthropic Claude Cowork、阿里QoderWork以及OpenClaw等AI Agent具备自主执行能力，可以7×24小时处理邮件、生成文档、调试代码。这种数字员工模式正在改变人机协作方式，确实会对提供协同办公、文档和数据处理软件的SaaS软件厂商带来极大挑战。AI智能体可以替代这些软件的用户交互界面，通过调用API接口完成跨系统自动执行，这将直接冲击SaaS订阅软件的商业模式，导致订阅用户数与ARR（年度可以重复获得的收入）明显下滑。未来，这类软件的计费方式很可能会从订阅的席位数收费转化为按照席位数和API调用次数混合计费方式。
虽然工业软件的核心机理难以被替代，但其用户交互界面（UI）和部分低代码、无代码的配置功能确实面临被AI Agent重构的挑战。未来的工业软件可能不再依赖复杂的菜单和按钮，而是更多地通过自然语言进行交互。如果传统厂商不能主动将自身能力API化、服务化，可能会沦为AI Agent背后的黑盒计算引擎，失去直接触达用户的入口价值。
随着多模态大模型的发展，AI直接通过视觉识别图纸、通过传感器原始数据学习工艺规律的能力在增强。未来AI可以不再高度依赖工业软件整理好的结构化数据（如BOM、MES报表），而是直接从非结构化原始数据中提取价值，这可能削弱工业软件作为数据入口的地位。很多ERP软件用户企业由于软件本身的License费用太高而开发了很多外挂系统，而AI Agent加生成式AI正在成为更高级的“外挂系统”。
例如，上海设序公司已实现通过自然语言、参数化录入等方式，AI一键生成3D模型和2D工程图。目前的CAPP软件主要采用交互式的方法录入工艺路线和工艺过程卡等信息。但是工艺规划大模型则可以学习工业企业典型产品的制造、装配等工艺规划文件，再集成工艺特征识别算法和典型工艺知识库，自动创成工艺规划文档，后续只需要进行少量修改，从而大大提高工艺规划的效率。
此外，在开源生态和新型数据协议下，数据可能更多地存储在用户侧或中立的数据湖中，软件退化为单纯的查看器或执行器，此时，工业软件的数据护城河可能变浅。
因此，工业软件厂商需要积极行动起来，用AI来创新乃至重构自身的工业软件，从而避免被AI所颠覆。同时，在AI大潮下也必将产生更多新一代的AI Native的工业软件。
03
AI Agent将成为连接工业软件的智能中枢
此次AI Agent热潮引发的市场恐慌，实际上是对其功能边界的误判。AI Agent的核心优势在于感知、规划、行动到记忆的闭环能力，能够将人类的自然语言或者定义好的业务逻辑转化为工业软件可执行的操作指令，实现跨系统的协同调度。它并非工业软件的竞争对手，而是连接工作人员与工业软件的智能桥梁，让工业软件的使用门槛更低、运行效率更高。
🔷在研发设计环节，AI Agent可成为工程师的超级助手。例如，西门子Team center AI助手深度融合产品生命周期管理（PLM）系统，通过自然语言处理与知识图谱技术，构建了覆盖2.3万个零部件标准库的行业知识体系。该智能体在博世集团电动转向系统的研发部门部署后，把设计验证周期从14天压缩至6天。ANSYS的AI驱动仿真工具能够快速遍历数千种参数组合，帮助工程师找到功耗、性能、面积的最优平衡点。这些应用并非替代CAD、CAE工具，而是通过AI Agent的调度，使工业软件的核心能力得到更加充分的发挥。
🔷在生产运营环节，AI Agent可实现工业软件的协同运行。例如，某能源企业采取Agent+插件模式，整合能耗管理、设备运维等工业软件的通用能力，适配不同场景需求；阿里工业大脑的AI Agent能够实时调控海螺水泥的128个工艺参数，使标准煤耗降低3.2%。这种模式既保留了工业软件的核心逻辑，又通过AI Agent实现了跨系统的智能调度，解决了传统工业软件的孤岛问题。
04
国内外主流工业软件厂商正在加速拥抱AI
目前，国内外主流工业软件厂商正在加速拥抱AI。例如：
🔷达索系统推出Aura（商业）、Leo（工程）、Marie（科学）三大虚拟助手，覆盖全流程决策；与NVIDIA深度绑定，共建工业AI底座，虚拟孪生+AI算力融合，打造行业世界模型；在SOLIDWORKS软件嵌入自动装配、指令预测、草图修复、AI生成图纸/注释等AI能力。
达索系统三大虚拟助手
🔷西门子与NVIDIA共建工业AI操作系统，重构设计-制造-运营全链路，推出九大AI Copilot，嵌入Teamcenter、NX、Opcenter等，支持图纸解析、工艺优化、故障预测；西门子推出的Digital Twin Composer基于NVIDIA的Omniverse，融合数字孪生与实时数据，提前识别90%问题；Teamcenter AI Chat集成Azure OpenAI实现PLM知识问答与检索。
Teamcenter几年前就布局Copilot功能
🔷PTC在Creo、Windchill中内置AI代理，实现与NVIDIA的Omniverse集成，结合生成式设计与数字孪生，通过AI自动生成多方案并仿真评估，加速产品迭代。
PTC推出生成式AI助手Onshape AI Advisor
🔷Autodesk推出AI设计助手，Fusion 360内置生成式设计、智能约束、草图自动修复；Autodesk Forge，提供AI API，支持定制化开发。
🔷AVEVA则强调AI+工业运营，基于AVEVA PI System+AI实现预测性维护、异常检测、能耗优化；AVEVA Insight用AI分析实时数据，驱动产线智能决策；通过AI+供应链实现需求预测、库存优化、物流路径规划。
🔷2025年我带团考察日本Zuken总部，观摩了该公司展示的利用AI来自动优化PCB布线的功能。Zuken将这项技术称为自主智能布线AIPR（Autonomous Intelligence Place and Route Zuken），可以无缝集成到其PCB设计软件CR-8000平台中。
国内工业软件厂商则强调聚焦实用场景。
🔷中控技术以All in AI为核心，自研TPT2时序大模型，面向流程工业，用AI实现预测控制、工艺优化和安全预警全闭环，从自动化迈向自主智能。
🔷中望软件在中望CAD/3D 2026中融入了AI功能，例如智能块可以相似图形识别、批量修改，效率提高50%，智能助手支持自然语言问答和规范查询，图形相似检索可以实现秒级扫描图纸、模型复用。
🔷开目软件推出AI Agent“小沐”，KMPLM CLOUD集成了DeepSeek，可以实现自然语言交互、知识检索、需求分析和文档生成；结合工艺特征识别和AI自动生成工艺路线。
🔷CAXA的PLM系统集成了DeepSeek，内置千亿参数模型，可以实现知识问答、设计辅助和文档智能处理；CAD智能工具实现了AI识图、自动标注、参数化设计、图纸比对。
🔷思普软件可自由配置大模型的AI本地化部署底座开发，适应大模型中的各种专业大模型支持，其SIPM PLM已经提供AI大模型及本地增强的支持，应用场景为本地知识库智能搜索、FMEA的创建和审核、需求编写和审核等环节。
🔷天喻软件则基于AI实现了图纸智能解析、BOM智能提取、工艺知识自动推送；通过AI实现相似模型检索、参数化快速变型设计，从而提高设计重用率。
🔷云道智能聚焦物理AI和仿真智能化，推出Sim-PI物理AI平台，建立了AI Agent+代理模型，实现了仿真的“自动驾驶”。
🔷鼎捷软件推出IndepthAI智能体平台，建立了12个行业专用大模型，融合了生成式AI，可以用自然语言生成表单、流程和BOM，并实现智能排产和预测性维护。
🔷艾普工华是百度飞桨的生态伙伴，深度集成文心大模型，融合了AI设计助手，智能变更控制和AI质量追溯等能力。
🔷雪浪云以雪浪OS+雪浪工匠大模型双核驱动，打造工业可信知识引擎与META K知识中台，解决工业知识幻觉与碎片化问题；聚焦数字孪生、智能设计与工业问答，用AI重构复杂装备设计与生产全链路，实现知识检索、推理与生成一体化。
从上述工业软件厂商的AI实践可以看出，工业软件厂商正在主动融合AI和AI智能体，主动与AI厂商深度合作，优化软件的用户体验和应用效率，从而加固自身的护城河。但是，需要警惕的是，如果所有厂商都调用相似的底层大模型，工业软件之前的差异化可能会缩小，导致护城河因为AI的普及而被填平，变成纯粹的价格战或服务战。
05
AI将提升工业软件的价值，实现融合创新
AI正在创新工业软件的研发流程，大幅度提高研发效率，尤其是写代码和测试流程；生成式AI正在融入工业软件，例如Text to CAD，帮助工业软件更加智能、易用和高效，帮助构建工业软件应用过程中所需的各类知识库；AI Agent有利于实现工业软件应用过程中的流程自动化，实现各类AI工具和工业软件的集成应用。AI及AI Agent将赋予工业软件更强的感知、决策与执行能力；AI不会替代工业软件的核心架构，而是将其重塑为AI原生的智能系统。
因此，工业软件企业应当正视AI发展带来的挑战，把握AI融合的机遇，不要等待，立即行动；应当将AI能力融入产品内核，不仅要添加功能，更要重构交互模式和系统架构；同时要警惕同质化竞争，深耕垂直行业的Know-How。而对于工业企业，不要试图用AI完全替换现有工业软件，而应利用AI Agent打通现有系统的数据孤岛，实现工业软件的互联互通，释放数据价值,提升流程自动化水平；同时，重视数据治理，为AI的应用打好基础，打造人机协同的工业智能体系。
根据Gartner发布的2025人工智能成熟度曲线，AI Agent正处于泡沫顶峰，会导致人们对其价值产生非理性的过高预期。AI Agent有高度的价值，但也不能神话其作用。未来的工业软件将是机理模型+AI算法+企业数据的融合体，工业机理与数学模型是“骨架”，企业数据是“血液”，AI则是“神经中枢”。AI大潮并非工业软件的终结，而是工业软件智能化时代的开端！
