工业软件的旧路走不通了,AI原生能换道吗?-夜雨聆风

工业软件的旧路走不通了,AI原生能换道吗?

解读工信部”模数共振”行动：用数据飞轮破解工业软件困局

字数：约3397字 | 阅读时间：约8分钟

摘要：中国工业基础软件国产化率不足10%，追赶二十年差距未缩小。工信部4月28日启动”模数共振”行动，暗示一条不同的路：不再复制海外软件功能，用AI原生重新定义工业软件。20个行业、500个场景、7个月倒计时，从追赶者变成定义者。

一、追赶了二十年，差距为什么没有缩小

工业软件的卡脖子现状

中国是全球工业门类最全的国家——41个大类、207个中类、666个小类，从钢铁石化到航空航天，一应俱全。

但工业基础软件的市场格局，和这个”全”字形成了刺眼的反差。

领域	海外主导者	国产化率
CAD（计算机辅助设计）	达索、西门子、PTC	约10%
CAE（工程仿真）	ANSYS、MSC、达索	不足5%
EDA（芯片设计）	Synopsys、Cadence	约5%
PLC（可编程逻辑控制器）	西门子、罗克韦尔	约10%
MES（制造执行系统）	西门子、达索、SAP	约30%

CAD国产化率10%，CAE和EDA不到5%。这些数字在过去十年几乎没有显著变化。

为什么追不上？

传统工业软件的核心壁垒不是代码。

一个CAD软件的价值，不在于它的渲染引擎多快，而在于它内置了几十年的工程标准、材料参数、设计规范、行业模板。这些东西写不进代码注释里，只能靠一代代工程师在实际项目中积累。

这就是问题的本质：工业软件的壁垒是行业知识沉淀，不是技术实现。

后发者面临的困境是一个恶性循环：功能追赶海外巨头 → 缺少真实场景验证 → 客户不敢用 → 无法积累行业数据 → 功能继续落后。海外巨头的飞轮越转越快，国产追赶者越追越远。

政策信号的变化

4月28日，政策方向出现了微妙但重要的变化。

工信部副部长柯吉欣在国务院吹风会上宣布启动”人工智能+软件”专项行动。同一天，工信部和国家数据局联合印发了”模数共振”行动通知（工信厅联科函〔2026〕193号）。

叠加1月八部门发布的”AI+制造”实施意见和4月21日国务院7号文，信号链很清晰：

从”扶持国产工业软件”转向”用AI重新定义工业软件”。

二、不追旧路，另开新道

“模数共振”是什么

模 = AI模型，数 = 数据资源。共振 = 双向循环赋能。

飞轮的逻辑是这样的：行业数据 → 训练行业模型 → 落地应用场景 → 产生更多数据 → 训练更好的模型。

官方的说法叫”以模引数、用数赋模”——用模型需求牵引数据治理，用高质量数据反哺模型迭代。

为什么这是一条不同的路

维度	传统追赶路径	模数共振路径
起点	逐个复制海外软件功能	从行业数据出发
核心资产	代码和算法	行业数据集和行业模型
竞争维度	功能完整度 vs 海外巨头	场景解决能力 vs 实际问题
飞轮方向	正向飞轮在巨头那边（越追越远）	逆向飞轮（数据赋能模型迭代）
终点	国产替代品	AI原生的工业智能体

传统工业软件的核心壁垒是”几十年积累的工程知识”。AI模型可以从行业数据中自动学习这些知识——前提是有足够多、足够好的数据。

模数共振要做的，就是建立这个数据供给体系。

这不是”复制西门子的CAD，做得便宜一点”。这是换一个赛道：不比谁的软件功能更全，比谁的模型更懂你的工厂。

量化目标：写进红头文件的KPI

20个重点行业：钢铁、石化、汽车、工业母机、航空航天、船舶、电力装备等

每个行业：至少5个通识数据集 + 1个行业模型

每个行业：至少30个高价值AI应用场景

每个专用模型/智能体：至少3个实际部署案例

年底目标：500个可复制场景

500不是”争取实现”，是通知正文里写清楚的任务目标。每省至少建3个”模数共振空间”，每央企至少建1个。这些数字出现在工信厅联科函里，意味着它带着考核压力。

三、AI原生+机器人：工业的新操作系统

模数共振空间：解决数据供给的核心卡点

AI落地制造业最大的阻碍从来不是算力，也不是算法。

是数据。

行业数据散落在不同的企业、不同的工厂、不同的设备里。格式不统一，质量参差不齐，标注成本高昂。更关键的是，谁也不敢把数据交出去——那是企业的核心资产。

单个企业的数据量，往往不够训练一个像样的行业模型。这就是AI进工厂的”最后一公里”障碍。

模数共振空间的解法是：数据不出域的联合训练。多方在”数据不离开本地”的前提下，共同训练行业模型。空间本身提供算力、安全机制和协作框架。

通知里的表述更有野心：这些空间将”与国家数据基础设施互联互通”，”逐步打造为’智能体工厂'”。

输入行业数据，输出可部署的工业智能体。这就是终态。

AI原生场景的典型形态

场景	传统软件怎么做	AI原生怎么做
质检	固定规则+人工复检	视觉模型实时检测+自动分拣+缺陷根因分析
工艺优化	老师傅经验调参	专识模型基于历史数据推荐最优参数
排程	车间主任排产	智能体根据订单、库存、设备状态自动排程
预测维护	定期检修或坏了再修	模型分析传感器数据，提前预警
设计	CAD手工绘制	生成式AI根据参数自动生成设计方案

注意最后一行。传统CAD的核心功能是”辅助设计”——帮工程师画图。AI原生的设计工具不帮人画图，它直接生成设计方案，工程师只需要选择和修改。竞争规则从”谁的绘图工具更好用”变成”谁的生成模型更懂设计意图”。

机器人：AI原生的物理载体

AI原生软件解决”大脑”问题，机器人解决”手脚”问题。

模数共振行动中的”特色智能体”不限于纯软件。它可以是控制机械臂的决策系统、调度AGV小车的路径规划器、管理柔性产线的编排引擎。

中国是全球最大的工业机器人市场——2025年安装量占全球超过50%。这个数字意味着：AI模型的”手脚”已经就位，缺的是”大脑”。

AI模型+工业数据+机器人。这三样东西的组合，正在形成一个”工业新操作系统”的雏形。不是国产替代Windows或Linux，而是一个全新的范式。

创新联合体：谁和谁组队

通知要求每个行业至少组建1个创新联合体。成员结构是：算力企业+模型企业+数据企业+应用企业。

这个设计有明确的意图：打通全栈。不是让AI公司自己在实验室里练模型，而是把算力供应商、大模型公司、行业数据拥有方和工厂用户拉到一张桌子上，从数据采集到模型训练到场景部署，一条链做完。

央企被要求”加强场景开放和技术攻关力度”。翻译成大白话：国企的工厂场景将对AI企业开放。

四、7个月倒计时与关键判断

时间线

截止日期	里程碑
5月30日	各省和央企报送实施方案
8月30日	中期评估 + 专家评审
11月30日	总结报告 + 发布成果清单

从发文到年底，只有7个月。5月30日各省就要交方案，意味着地方现在已经在赶工。

需要冷静看的

“模数共振空间”的运营模式尚未明确——谁来建、谁来管、怎么收费、数据权属怎么定。这些细节将直接决定空间能不能跑起来。

省级方案的质量会参差不齐。工业基础好的省份（广东、江苏、浙江）可能快速推进，其他地方可能流于形式。

传统工业软件的壁垒仍然真实存在。AI原生是一条新路，但不是万能钥匙——高端CAD/CAE的工程知识沉淀，AI模型能否真正学到，还有待验证。

但至少，这是一条不同于过去的路。

关键判断

中国工业软件追赶了二十年，用”复制海外功能”的路径收效甚微。差距没有缩小，根本原因是正向飞轮在海外巨头那边——你追得越快，他们转得越快。

模数共振的真正意义在于：不再追旧路。

用行业数据训练行业模型，用模型驱动场景落地，用场景产生更多数据。这个飞轮一旦转起来，中国工业最稀缺的资源——分散在各工厂里的行业数据——将被系统性整合和利用。

AI原生+机器人的组合，正在形成一个”工业新操作系统”的雏形。这不是在西门子的赛道上追赶，是开了一条新赛道。

7个月很短。但方向的变化比速度更重要。

从追赶者，变成定义者。