从自动化到智能化AI工业软件的下一个时代

2026年3月17日，网梯科技26岁生日这天，我做了一个决定：成立工业软件公司。7天后，3月24日，北京网梯工业软件有限公司的营业执照到手。

这不是一次跨界。这是一次回归。

报考清华之前，我母亲说了一句话：”未来是人工智能的时代，我们报自动化专业吧。”那是1992年，”人工智能”对大多数中国人来说还是科幻小说里的词汇。但母亲的直觉比很多专家都准。

2000年1月，我从清华大学自动化系毕业。自动化专业有个特点：什么都学，什么都不精。控制论、电路、计算机、信号处理、系统工程，门门都沾。同学们自嘲：”我们这个专业的人，最适合当领导。”

毕业两个月后我创办了网梯科技，一头扎进了互联网，做了26年教育信息化。但我心里一直有一根线没断。

有意思的是，清华自动化系现在的四大学科方向是：”智能无人系统””工业智能””智能健康与生物信息””脑智能与机器智能”——每一个都带着”智能”两个字。当年教PLC和DCS的自动化系，已经全面转向AI。

很多人一听”工业软件”，脑子里浮现的是达索、西门子、SAP这些大名头。但这些巨头只是冰山一角。

工业软件的真实生态，是成千上万个你听都没听过名字的细分厂商。

做药品毒理学数据管理的，做注塑模流分析的，做电缆敷设路径规划的，做锅炉热力计算的，做齿轮啮合仿真的……每一个细分领域，都有那么一两款软件，可能是某个德国小镇上三十个人的公司开发的，界面停留在Windows XP时代，文档全是英文，一个许可证几十万，培训费另算。但你不得不用——因为它就是唯一的选择。

这些软件的共同特征：老。 很多核心代码是1990年代甚至1980年代写的。界面丑陋、操作反人类、功能菜单嵌套七八层。但里面封装了几十年的行业经验和专业知识，没有人愿意从头再来。

中国工业软件市场规模约2800亿元，国产化率不到15%。和芯片不同，工业软件不是一两个大问题，是几千个小问题——每个细分领域都被卡一下，加起来就是系统性的依赖。

中国造得出世界上最复杂的产品，却造不出设计这些产品的软件。 传统的追赶路径——每个细分领域都从头积累几十年——根本不现实。但AI来了。

传统工业软件的开发，就像用砖一块一块地砌长城。西门子、达索用了40年砌出了一道城墙。但AI改变了”砌墙”的方式——AI不是帮你砌得更快，是让你不用砌了。

第一，中国有全球最丰富的工业场景。 全球唯一拥有联合国工业分类全部41个大类、207个中类、666个小类的国家。AI工业软件不是通用软件，是场景软件——谁离场景最近，谁就有优势。

第二，中国有全球最大的工程师群体。 每年毕业约700万理工科学生。过去他们去操作西门子和达索的软件，未来他们应该去创造自己的软件。

第三，大模型能力已达临界点。 多模态理解、长链条推理、工具调用——大模型正在从”聊天工具”变成”工业大脑”。

第四，政策窗口打开了。 芯片的教训让所有人明白：核心技术必须自主可控。工业软件是下一个必须突破的关口。

最近我去考察了一家药品研发企业。他们给我演示了一款核心业务软件——药品临床前研究的毒理学数据管理系统。

我盯着屏幕看了半天，问了一句：这个界面……是DOS的？

对方说：最老的版本确实是1998年的DOS界面，现在主要用的版本是2010年开发的。

1998年。DOS。 那一年谷歌刚成立，QQ还没诞生。

但这个DOS界面只是冰山一角。他们整个业务系统——大部分软件是2000到2010年间用VB开发的。VB，微软已经停止更新的编程语言，灰色的Windows窗体，按钮密密麻麻，菜单嵌套五六层。但就是这些VB写的”古董”，支撑着一家药企几十亿的业务在跑。

为什么没人换？因为太专业了。几十年积累的药理学模型、毒理学数据库、FDA合规流程，全部封装在里面。它的护城河不是技术多先进，是知识壁垒太深——深到没有竞争对手愿意花20年去重新积累。

但AI来了。大模型天生就是知识压缩机。几十年的药理学文献、FDA审批案例、临床试验数据——AI可以在几周内”阅读”和”理解”。那个需要20年积累的知识壁垒，AI可能只需要20个月就能翻越。

一个1998年的DOS界面还在统治一个行业，不是因为它好，是因为没有替代者。AI就是那个替代者。

这不是孤例，这是工业软件行业的常态。注塑行业的Moldflow、化工行业的Aspen Plus、电力行业的PSS/E——核心代码都可以追溯到1980年代。开发者往往是某个细分领域的退休教授、行业老专家，带着几个工程师，把毕生经验写进代码里。公司可能只有几十个人，但在自己的领域就是垄断。

而AI最擅长的事恰恰是：吞噬知识，重新封装，降低门槛。 大模型不需要花30年去当化工专家，它只需要读完全球所有化工文献、专利和案例数据。

那个1998年的DOS软件活到了2026年，不是因为IBM不会做新界面，是因为重做意味着重新验证所有合规流程——成本太高，不如不动。达索、西门子这些大厂也一样，不是不懂AI，是不敢用AI革自己的命。而那些细分领域的古董小厂商，连招一个AI工程师都困难。

AI工业软件的机会，一定属于新进入者。 没有历史包袱，直接从AI原生的视角，一个细分领域一个细分领域地去啃。

有人问我：你做了26年教育，为什么突然去做工业软件？

不突然。回头看，我这26年做的一直是同一件事：用信息技术降低专业门槛。

2000年做网络教育——降低教育的地理门槛。2010年做移动学习——降低学习的时间门槛。2024年做AI教育——降低个性化教育的成本门槛。现在做AI工业软件——降低工业设计和制造的知识门槛。

教育是降低知识获取的门槛，工业软件是降低知识应用的门槛。 一个是输入端，一个是输出端。殊途同归。

还有一个更现实的原因：能力溢出。

过去两年，我们用AI彻底重构了软件研发体系。所有技术人员转型为”AI应用工程师”，代码审查由AI完成，2026年起全员token考核。研发效率提升了好几倍——原来十个人干三个月的项目，现在三个人一个月搞定。

人多出来了，能力溢出了。 这套AI研发体系能快速理解新领域的业务逻辑，能把行业专家的知识封装成软件产品，能在几周内完成传统团队几个月的开发量——这不就是做AI工业软件最需要的能力吗？

所以成立工业软件公司，不是拍脑门的冲动，是水到渠成。AI研发体系、自动化专业底子、26年软件工程积累——差的只是一个方向。而工业软件恰好是AI时代最大的蓝海。

而且，我在清华自动化系学到的那些东西——控制论、系统工程、信号处理、优化算法——是工业自动化的底层语言，也是AI工业软件的底层语言。26年前学的数学，今天全用上了。

说一段自动化系的”黑历史”。清华自动化系以前一直在大力推CIMS——计算机集成制造系统。目标是用计算机把工厂的设计、制造、管理、物流全部打通。当时业界有一句著名的话：

为什么找死？那个年代技术不成熟——网络带宽不够，数据库性能不行，最要命的是没有智能，所有集成都靠人来硬编码。系统越大越脆弱。CIMS的理想是对的——工厂全流程数字化。但手段错了——用刚性代码去硬连接柔性的工业场景。

30年后再看，AI恰恰解决了CIMS当年解决不了的核心问题。 AI能理解自然语言、能适应变化、能自主处理异常。当年CIMS要靠几百人团队维护的”集成”，AI可能一个智能体就搞定了。从CIMS到AI工业软件，是同一个梦想终于等到了对的技术。

我不是跨界，我是回家。

早上8点，工厂AI中枢收到新订单：5000个电池托盘，减重15%、成本降低10%、两周内交付。

8:01，AI设计智能体启动，2分钟内生成8个设计方案，每个都已完成应力、热、模态和碰撞仿真。

8:05，总工程师花10分钟审核，提了两处修改。AI在30秒内完成修改并重新验证。

8:20，设计冻结。AI工艺智能体自动生成模具设计、加工路径和质检标准。

8:30，生产线开始运转。AI质检系统实时监控，发现缺陷自动调整参数。

8:45，AI供应链系统发现原料库存不足，自动询价比价并下单。

从接到订单到开始生产，不到1小时。 没有一张图纸被人手动画过，没有一个仿真被人手动跑过。今天这个流程需要几周到几个月。AI把它压缩到几小时——不是提升10%，是提升100倍。

2000年，我从清华自动化系毕业，带着”让机器听人的话”的理想。两个月后，我创办网梯，带着”让知识没有围墙”的理想。

2026年3月17日，网梯26岁生日，我决定成立工业软件公司。7天拿照。带着一个新的理想：让每一个工程师都拥有AI的力量，让中国制造拥有自己的工业大脑。

清华自动化系教给我的第一课是控制论的核心思想：反馈。 观察输出，调整输入，不断迭代，趋近最优。这不就是大模型训练的本质吗？也是创业的本质。也是人生的本质。

每一次技术革命，最先反应过来的人赢得未来，最后反应过来的人成为历史。