ARTICLE · 1032435
问道“AI+工业软件”:改良还是革命?(三)
问道“AI+工业软件”：
改良还是革命？（三）
导读
当前，以大模型为代表的新一代人工智能加速演进，成为重塑未来的核心力量。人工智能与工业软件深度融合，正成为这一轮产业变革的主旋律。它正在重塑工业软件的产品形态、研发范式与商业模式，并深刻改变企业研发、生产、管理、服务的方式乃至全球产业格局：产品交互走向自然语言与智能体，知识沉淀由人写代码转向模型从数据中学习，价值交付由卖工具走向卖结果，软件本身也正由单一工具延展为人机协同的智能系统。
这场变革究竟是工具的改良还是范式的革命，价值如何释放、创新的方向是什么、边界又在哪里、全球格局怎样重组、中国工业软件路在何方？围绕这些战略性、前瞻性、基础性问题，我们以《问道 “AI+工业软件”》为题分篇展开研究，力求把判断建立在可核验的证据之上，也愿借此与各界同仁共探“AI+工业软件”的发展之路。
第一期问道“AI+工业软件”：改良还是革命？（一），分析了本轮AI带来变革得差异在于数学范式的跃迁——从“低维显式函数”转向“高维隐式复合函数”。第二期问道“AI+工业软件”：改良还是革命？(二)，剖析在AI变革影响下，工业软件哪些“变”了，哪些“没变”， 二元框架无法容纳变与不变共存得复杂异步性。本期，我们提出理论框架，对变革进行多维度、分阶段的系统分析。
四、理论框架：
“三层逻辑+四维演进+临界点判定”框架
以“工业知识的演进”与“决策权的让渡”为双主线，提出“三层逻辑+四维演进+临界点判定”框架，构成变革的三个观察面，主线定视角、层次定深度、维度定切片，如图2所示。
图2：“三层逻辑+四维演进+临界点判定”框架
该框架首先将AI对工业软件的变革解构为“交互与控制权、架构与耦合度、价值交付与商业模式、求解机理与知识形态”四个维度，并为每个维度设定“改良→过渡→革命”三阶段标尺与革命临界点判定标准，回答“变革发生在哪”；然后从“知识演进、权责让渡、产业表现”构建三层解析逻辑，回答“变革如何传导”。其中底层是知识范式的变革，对应“知识如何被生产、组织与交付”；中层是决策权的让渡，对应“谁掌握各类决策权”；表层是产业的变现，对应“产业呈现何种形态”。三层之间是因果递进关系——知识范式变革是动因，决策权让渡是机制，产业表现是结果。后文对每个维度的剖析，均按此三层逻辑展开。
四个维度并非四张互不相干的清单，而是工业知识演进与决策权让渡的双主线统一体。知识形态每迁移一步，人机之间的决策权就随之再分配一步，二者一一对应、深度耦合。
从知识演进主线看，四维构成了从触达到生产的完整闭环。交互与控制权对应知识的人机调用界面，回答知识如何被触达与操作；架构与耦合度对应知识的系统组织形态，回答知识如何被模块化、编排与复用；价值交付与商业模式对应知识的价值交付模式，回答知识如何被计价与变现；求解机理与知识形态对应知识的生产与求解范式，回答知识由“人编码”转向“机器生产”。此处的工业知识可分三类：以物理规律为内容的机理知识、以设计工艺试验经验为内容的工程知识、从运行数据中归纳关联的数据知识。四维快慢分化，正源于不同类型知识的可显性化程度差异。
从决策权让渡主线看，四维分别对应四类权力的让渡，权种不同、显隐有别。交互与控制权维度重新分配操作决策权，核心是谁来定义几何、谁来触发仿真；架构与耦合度维度重新分配治理决策权，核心是谁定义接口、谁编排生态、能力底座由谁开放；价值交付与商业模式维度重新分配风险决策权，核心是谁对结果负责、谁为不确定性付费；求解机理与知识形态维度则重新分配验证决策权，核心是谁判定“正确”、谁掌握误差边界与知识定义权。其中，操作决策权与风险决策权的转移显性可见、尚可谈判；治理决策权与验证决策权的转移却嵌在架构和机理深处，隐性发生，往往已成定局才被察觉。
基于框架对“AI+工业软件”分析的总览如表1所示。
表 1 “AI+工业软件”演进框架总览
（一）维度一：交互与控制权——人机关系维度（最快）
本维度考察人机关系的重构路径，核心是软件操作控制权的分配与转移，对应知识交互范式的变革，是本轮智能化变革演进最快的维度。整体呈现“外挂辅助—副驾驶协同—自主执行”的三阶段递进特征。
1. 改良阶段：AI 外挂辅助
知识范式方面，GUI参数操作式知识交互，知识输入输出高度依赖人工操作；权责重构方面，操作决策权完全掌握在人手中，AI 仅承担“顾问”角色；产业表现方面，传统图形用户界面仍是软件的唯一主入口，AI 仅以对话框形式嵌入软件边缘，提供操作建议、信息查询等辅助服务，不直接参与核心操作。当前绝大多数工业软件的基础 AI功能均处于这一阶段，技术形态已相对成熟。
2. 过渡阶段：Copilot 副驾驶协同
知识范式方面，自然语言意图式知识交互兴起，知识输入门槛大幅降低；权责重构方面，操作决策权部分向 AI 转移，AI 升级为“副驾驶”，人仍是最终决策者；产业表现方面，自然语言上升为与 GUI 并列的重要交互入口，AI 能够理解工程师的设计意图，并主动调用软件内部的部分功能模块完成特定任务。关键节点仍需人类审核与确认。西门子Industrial Copilot、达索Leo 等主流产品均采用这一模式，是当前产业的主流形态。本阶段的核心标志是AI 从“被动响应”转向“主动执行”，能够独立完成单一步骤的操作任务。
3. 革命阶段：Agent 自主执行
知识范式方面，Agent 自主式知识调用，知识交互完全由智能体自主完成；权责重构方面，操作决策权实质性转移至Agent，Agent成为新的“控制面”，人退居“目标定义者”与 “异常仲裁者”；产业表现方面，交互主体从人类工程师转向智能体，传统 GUI 界面退化为可被调用的功能组件，呈现 “无界面化”特征。智能体可通过 API 自主调用建模、仿真、验证等能力，独立完成从任务理解到结果输出的全流程。
革命临界点判定：当 AI 能够通过 API 调用自主完成端到端工程任务，且输出结果可验证、过程可追溯、责任可界定，控制权实质性地从人转移至智能体，维度一即越过革命临界点。
当前判断：维度一已进入“过渡”阶段的中期、接近“革命”临界点，但控制权转移尚未完全实现，多数场景中人仍是最终决策者。同时受子领域特性影响，不同赛道演进节奏差异显著：EDA 因逻辑约束明确、验证自动化程度高，智能体化进程最快；通用 CAD 因几何语义复杂，演进节奏次之；航空结构仿真等领域因物理非线性强、安全认证周期长，智能体化进程滞后更久。本维度演进最快，核心原因是交互结果的意图判读成本低，输出是否符合意图可快速判断；但须与工程正确性验证分开看待，意图判读便宜，并不意味着生成物已在工程意义上通过验证。
（二）维度二：架构与耦合度 —— 系统组织维度（次快）
本维度考察工业软件的系统组织形态重构，对应知识组织范式的变革，核心是软件从封闭单体向开放生态的演进过程，整体呈现“封闭单体—部分解耦—开放底座” 的三阶段特征。
1. 改良阶段：封闭单体架构
知识范式方面，封闭单体式知识组织，知识固化在软件内部无法灵活调用；权责重构方面，治理决策权完全集中在单一厂商手中；产业表现方面，传统“UI 层—逻辑层—数据层”三层架构保持不变，AI 功能仅作为固定模块嵌入软件内部，与核心引擎深度绑定。软件仍呈现封闭大型系统特征，功能与许可强绑定，用户无法按需拆分组合功能。当前主流工业软件均处于这一阶段。
2. 过渡阶段：部分解耦混合架构
知识范式方面，插件化混合知识组织，知识模块开始独立化、可部分调用；权责重构方面，治理决策权部分向生态开放，接口定义权逐步释放；产业表现方面，AI 功能模块开始独立化，厂商逐步开放 API 接口与插件生态，支持第三方功能扩展，但核心几何引擎、求解引擎仍与传统架构紧耦合。软件呈现“单体+插件”的混合架构形态，既保留了传统核心的稳定性，又具备了一定的扩展灵活性。西门子Xcelerator 平台、达索 3DEXPERIENCE 平台均在向这一方向演进。本阶段的核心标志是 AI 功能与核心引擎的初步解耦，以及标准化 API 接口的形成。
3. 革命阶段：Agent 编排+能力底座
知识范式方面，底座化开放知识组织，知识以标准化能力的形式被按需编排调用；权责重构方面，治理决策权向生态多方转移，能力编排权由上层Agent 掌握；产业表现方面，传统单体软件彻底瓦解，软件体系重构为“Agent 编排层+能力底座层”双层架构。各类工业软件能力退化为标准化的“能力集合”，通过统一接口接入底座，由上层智能体按需编排调用。软件呈现开放生态特征，功能与许可完全解绑，用户可按需组合能力，灵活性大幅提升。
革命临界点判定：单体软件彻底瓦解，功能与许可解绑，且能力可被第三方独立编排、替换与组合，调用可监管、异常可仲裁、安全可审计，软件从“封闭产品”变为“能力集合”，能力化替代产品化成为核心形态。
当前判断：架构与耦合度维度已进入“过渡”前期。传统厂商正逐步开放 API 接口，构建插件生态，但开放程度有限，核心引擎仍保持封闭。真正的解耦尚未发生，在很大程度上仍呈现“增强而非替代、渐进而非跳跃、兼容而非颠覆”的改良特征。用户习惯、数据锁定、认证体系等生态壁垒是架构解耦的最大阻力。此外还有一层不易察觉的约束，能力底座与上层智能体的连接，正越来越多地依托通用智能体接口协议，而这类协议的制定权不在工业软件行业之内。接口协议层不自持，核心引擎层便不敢真正开放。架构解耦的验证成本高于交互层面，涉及数据兼容性、接口稳定性、系统安全性等多重验证，因此演进速度慢于交互维度。
（三）维度三：价值交付与商业模式 —— 商业逻辑维度（较慢）
本维度考察客户价值主张与收费模式的重构，对应知识价值范式的变革，整体呈现 “工具订阅—用量计费—结果即服务”的三阶段演进。
1. 改良阶段：工具订阅模式
知识范式方面，工具交付型知识价值，价值载体是软件工具本身；权责重构方面，风险决策权完全在客户一侧，厂商对 “工具好用程度” 负责；产业表现方面，厂商交付的核心是 “软件工具”，客户按许可证或席位订阅付费，收费模式以许可制、订阅制为主，价值的计价对象是软件实现而非工程知识。这是当前产业的主流形态。
2. 过渡阶段：用量计费模式
知识范式方面，用量型知识价值，价值与使用强度挂钩；权责重构方面，风险决策权部分向服务商转移，按使用量承担对应成本；产业表现方面，厂商按 AI 算力消耗（Token）或功能使用量向客户计费，收费模式从 “固定成本” 转向 “可变成本”，“软件+服务”的融合特征逐步显现。价值链重心开始由软件实现向工业知识倾斜。当前 Token 计费模式已在头部厂商的 AI 功能模块中出现，处于萌芽阶段。
3. 革命阶段：RaaS 结果即服务
知识范式方面，结果服务型知识价值，价值载体是工程结果本身；权责重构方面，风险决策权向服务商转移，服务商对工程结果负责；产业表现方面，企业身份从“软件供应商”转变为“智能体工程服务商”，交付的核心不再是工具，而是具体的“工程结果”。价值链重心高度集中于工业知识，收费模式转变为效果制，按投资收益分成。
革命临界点判定：当企业能够按良率提升、工期缩短等工程结果向客户收费，且该结果由AI独立达成、可第三方归因核验、风险可量化、责任可界定，价值交付才真正从“工具”转向“结果”。
当前判断：当前价值交付与商业模式维度尚处“改良”向“过渡”的初期。订阅制仍是主流收费模式，Token 计费在 AI 功能模块中开始出现，但 RaaS 模式尚未规模化。本轮的新意不在定价形式，而在交付物本身由AI生成并对结果负责。RaaS 模式的核心障碍在于工业结果的价值高度依赖上下文，难以标准化定价；AI 生成的结果若导致损失，责任归属在法律与合同层面尚无共识，若无第三方可核验的归因机制，按结果计费便难以形成稳定契约。商业模式变革的验证成本最高，涉及结果归因、责任界定、法律合规等复杂问题，因此演进速度滞后于技术维度。
（四）维度四：求解机理与知识形态 —— 技术内核维度（最慢）
本维度考察研发设计类工业软件技术内核的重构，对应知识生产范式的变革。将技术内核分三类：物理与系统求解类（解物理场方程与常微分、微分代数方程）、几何内核类（构造边界表示并求解几何约束）、离散求解类（解组合优化问题并承担形式化验证）。三类的数学对象、AI 路径与验证门槛各不相同，并且并非彼此封闭。整体仍呈现“AI 外围加速—双引擎融合—原生主导”的三阶段特征，数学范式之变是核心内容。
1. 改良阶段：AI 外围加速
知识范式方面，人类编码演绎型知识生产，知识形态仍以人类编码知识为主；权责重构方面，验证决策权完全掌握在人手中，AI 仅承担加速角色；产业表现方面，传统求解器仍占据主导地位，AI 仅作为加速器使用。AI 作为降阶模型或代理模型，在特定参数空间内做“粗筛+精求”，加速传统数值求解器的计算效率。代理模型技术已相对成熟，广泛应用于仿真优化、参数扫描等场景。
分类看，物理与系统求解类以代理模型做粗筛精求；几何内核类中 AI 仅做特征识别与参数化重建，几何仍由人显式构造；离散求解类中 AI 仅生成脚本与用例，综合与布局布线仍由确定性算法主导。
2. 过渡阶段：双引擎融合
知识范式方面，人机融合归纳演绎型知识生产，知识形态从人类编码知识转向人机共创知识；权责重构方面，验证决策权部分协同，AI 生成结果，人做最终验证；产业表现方面，AI 从“外围加速” 转向“融入求解过程”，与传统求解器形成协同。融合路径有四条，但深浅迥异：物理嵌入是本阶段主导路径，代理替代在改良阶段即已成熟，结构启发与组件替代则分处学理探索与有限工程验证两端。整体仍处早期探索——物理信息神经网络在简单问题上已验证有效，复杂非线性问题仍面临训练困难。
分类看，物理与系统求解类中，物理信息神经网络与数值算法混合形成“AI 粗算+物理精算”，几何内核类中，几何内核类尚在探索环节，离散求解类已把强化学习用于布局布线，三类的签核权仍都留在确定性引擎。
3. 革命阶段：原生 AI 与统一知识基座
知识范式方面，内核原生型知识生产，统一知识基座形成，结构启发与物理嵌入两条路径合流，知识形态呈现“机理可解释+机器习得”的融合特征；权责重构方面，验证决策权协同重构，AI 承担主要求解负担，人保留误差验证权威；产业表现方面，神经算子、物理基础模型等物理原生 AI 突破工程化瓶颈，与经典求解器形成“快速代理＋确定性验证”的混合求解体系。跨领域的工程知识大模型基座成型，工业 Know-how 被统一抽取、结构化整合。
分类看，物理与系统求解类以神经算子与物理基础模型主导求解；几何内核类由几何原生 AI 直出可制造、可签核的边界表示；离散求解类由 AI 自主完成综合、布局与验证闭环。
革命临界点判定：工程知识完成跨域整合、形成统一基座，且三类同时过线——物理原生 AI 主导工程求解且误差有边界几何侧的输出无需人工重建即可进入制造与签核，离散侧的闭环可由形式化方法确认。
当前判断：三类进度不一，整体仍处改良区间。物理与系统求解类中代理模型已成熟、物理引导融合刚起步；几何内核类中生成式几何在探索环节可用，但“生成—可编辑边界表示—可制造—可签核”的链条未打通，仅在极少数专用系统上于单一品类走通，尚不具备跨品类迁移能力；离散求解类中布局布线与验证辅助的智能化程度高于物理侧，局部探入过渡。当前均处于“边界内有效、边界外失效”状态。
（五）四维度传导分析
四个维度并非孤立并行，而是存在双向的传导与约束关系。前端交互维度的变革会逐层倒逼架构解耦、商业创新与机理突破，形成正向拉动路径；后端求解机理的验证边界则会反向制约商业模式、架构开放与交互自主的上限，构成刚性约束边界。例如，交互自主化倒逼架构解耦。当交互范式转向 AI 自主调用，外挂式 Copilot 的功能边界局限凸显，必然要求打破封闭单体架构，开放 API 接口、模块化核心能力，为智能体提供可编排的能力底座。头部厂商从 “内置 AI 功能” 转向 “开放 AI 插件平台”，正是这一倒逼的直接体现。
与之对应，决策权让渡也呈现链式传导特征。操作决策权率先让渡，对应交互维度，边界清晰、显性可见，是权力让渡的先锋，当前 Copilot 模式下操作类任务的 AI 辅助即是典型体现；治理决策权随架构解耦逐步让渡，对应架构维度，接口开放、能力编排的过程，本质是治理权向生态参与方与智能体的重构；风险决策权随商业模式转型逐步让渡，对应商业维度，能力可追溯、责任可界定是风险转移的前提，从客户自担风险到服务商按结果负责，对应风险权的深度让渡；验证权最后突破，对应机理维度，是权力让渡的最终闸门，只有机理可解释、误差可量化、过程可追溯，验证权才可能部分向 AI 转移。
权力的显隐性差异进一步放大了非对称性。操作决策权、风险决策权属显性权力，写在界面规则与服务合同之中，边界清晰、可谈判、可量化，传导速度快、公众感知强，容易形成 “革命已至”的直观感受；治理决策权、验证决策权属隐性权力，内嵌在架构设计、求解逻辑与标准体系深处，不易察觉、难以谈判、一旦让渡即难逆转，传导速度慢，但决定了变革的真正深度。产业中普遍存在的“颠覆论”，本质上是只看到显性权力的转移，而忽视隐性的治理权、验证权仍牢牢掌握在人类与传统体系手中——这正是“单维革命、多维改良”的体现。
（六）子领域非对称演进的案例分析
不同工业软件子领域的技术特征、安全要求、成熟度不同，智能化进程差异显著。本节选取典型领域开展多维定位分析，直观展现子领域非对称演进特征，如图3所示。
图3：四个典型领域的四维定位与临界点
EDA领域的智能验证（以头部EDA厂商的AI验证业务为参照）：维度一已进入Agent自主执行阶段，呈长时自主运行特征，自然语言生成验证脚本、AI辅助调试与多步自主闭环成为新的产品形态；维度二处于改良，AI嵌入既有界面，架构未解耦；维度三处于改良，仍以工具订阅为主；维度四处于改良向过渡，离散求解类中布局布线与验证环节的智能化程度较高，但签核与形式化验证仍由确定性引擎主导。综合判断：维度一在子领域已越过“过渡”阶段的中点、逼近“革命”临界点，但维度二三四仍需传统托底，整体处于“过渡”阶段。
通用机械CAD。维度一处于外挂向Copilot演进的早期，维度二处于改良，架构仍为封闭单体，维度三处于改良，商业模式以许可订阅为主，维度四处于改良，几何内核类中生成式几何仅在探索环节可用，可编辑边界表示仍需人工重建。综合判断：四维均处改良区间，整体处于“改良”的后段。
CAE领域的流体仿真（以Ansys SimAI为参照）：维度一处于改良，AI嵌入既有界面，未改变交互范式；维度二处于改良，仍是单体软件；维度三处于改良，按模块订阅，未出现用量计费；维度四处于改良向过渡，物理与系统求解类中代理模型大幅加速，但物理信息神经网络在主流产品的通用求解流程中尚未成熟。综合判断：在维度四上做了极大“改良”，在维度一二三上则仍处改良，整体以“改良”为主。
AI原生建筑电气设计（以Augmenta为参照）：维度一处于革命，自然语言输入，AI自主完成设计，人退居“目标定义者”；维度二处于过渡，AI原生架构，但仍是单体产品；维度三处于过渡，按项目制服务计价，尚未出现结果分成；维度四处于改良，几何内核类中规则校验与出图仍基于确定性引擎。综合判断：维度一已越过“革命”临界点，但维度二三四仍“改良”或“过渡”，是典型的“单维革命、多维改良”。
框架应用显示非对称性。一是维度间非对称，交互控制层面推进最快而求解机理层面最慢；二是品类非对称，不同子领域的 AI 渗透速度差异显著后；三是形态非对称，头部企业沿演进标尺逐维爬升，每升一维都牵动既有架构与生态；新兴力量则单维跳跃、多维补齐。交互维度天然处于高位，但机理、审核与生态必须从低位补齐。
（七）速度差异源于知识验证成本
至此，还需回答一个更根本的问题：四维演进速度的差异，其底层根源在何处？本报告的判断是，根源在知识验证成本的差异。责任配置成本与组织迁移成本同样构成约束，但验证成本约束最硬，故为下文聚焦，其余两项分别在架构、商业维度以及后续篇章展开。
验证成本之所以难以随生成能力同步下降，在于它有一半不可压缩：判定模型是否被正确求解，是数学问题，可以自动化；判定模型是否正确地描述了物理世界，是物理问题，只能由实验给出，任何投入都无法替代。交互维度最快，因其验证成本最低，生成结果直观、判断规则明确、可即时校验；求解机理维度最慢，因其验证成本最高，需物理一致性证明与全流程安全认证，验证周期以年计。子领域的节奏差异同样由此解释：EDA 逻辑约束明确、验证自动化程度高，验证成本低而智能化进程快；航空 CAE 物理非线性强、安全认证周期长，验证成本高而智能化进程慢。
验证成本高，意味着每轮迭代都要付出更长时间与更高代价，能力增长的循环随之放慢。这一判断在演进最快的 EDA 领域得到印证，头部厂商在把智能体推向自主执行的同时，恰恰把确定性签核引擎放在最终的审核位上。“慢革命”的速度，不由生成能力决定，而由验证能力决定。验证体系的重构速度，就是范式革命的推进速度。
本章核心结论
四维框架给出“改良—过渡—革命”的统一标尺，其底层动因是知识验证成本的差异，后者经由迭代循环的快慢决定 AI 在各维度的能力增长速度。四维同时越过临界点才构成彻底革命，在此之前只是“单维革命、多维改良”的慢革命图景。与前三次范式转移不同，本轮变革的压力同时落在四个维度之上。
下一篇将分析AI变革的约束在于审核，并进行综合研判和总结。
作者信息：谢克强，工信部电子五所软件与系统研究院首席研究员，工学博士，正高级工程师。主持国家重点研发计划“工业软件”重点专项青年科学家项目等国家级科研项目，参与多项国家级政策文件起草，多次接受人民日报、新华社等中央媒体采访。出版“软件定义”系列著作《工业软件：通向软件定义的数字工业》《质量大数据：体系与应用》《软件定义：重构新型工业化数字底座》《企业软件化》。