【赛宝观点】问道“AI+工业软件”:改良还是革命?(四)

问道

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”。第三期问道“AI+工业软件”：改良还是革命？（三），我们提出“三层逻辑+四维演进+临界点判定”分析框架，对变革进行多维度、分阶段的系统分析。本期，我们提出AI时代工业软件的稳定形态，并进行最终的研判与总结。

本轮变革最本质的约束，是审核能力的稀缺。审核所倚靠的不是单纯的判断能力，而是担责主体资格，这一资格只能由人来承担。“Vibe coding”（以自然语言快速编码，即“氛围编程”）式的自然语言描述，更无法替代精确几何约束。本轮变革最可能的稳定态不是CAx（Computer-Aided x，计算机辅助），也不是AAx（AI-Autonomous x，AI自主），而是HAx（Human-Augmented x，人类增强），即人类工程师与AI智能体协同，人类负责审核与决策，AI负责生成与优化，如图4所示。

需要澄清HAx与“革命”的关系。HAx的“稳定”，稳定的是审核权与担责主体，人始终握有对结果的判断与责任；而革命阶段所改变的，是操作权与求解权由人转至智能体。二者并不冲突，革命改变的是谁执行，HAx守住的是谁负责。即便四维同时越过临界点、智能体承担了主要求解负担，人类仍以目标定义与异常仲裁的方式留在环路之中。此时维系人在环内的已不是能力，而是责任。

HAx的核心不是“分工”，而是“审核权”。AI可以生成，但人类必须能审核；当审核能力缺失时，HAx模式崩溃，这是“AI+工业软件”的真正瓶颈。物理一致性、安全认证与形式化证明的完备性受制于责任归属，凡责任仍在人，验证便无法完全外包给AI。这一约束有其经济学根源。生成成本沿指数曲线下降，而验证成本在本轮变革中并未同步下降。两条曲线形成剪刀差，竞争的焦点必然从“生成能力”转向“审核能力”：当瓶颈从生产侧转移到验证侧，验证基础设施就成为新的稀缺要素，其建设速度直接决定每个维度临界点的到达时间。当生产不再稀缺，验证便成为稀缺，如图5所示。

这一模式的提出，揭示了当前工业软件智能化转型的底层约束。当技术演进触及求解机理这一核心维度时，往往面临既“慢”又“不可验证”的双重困境。此时，决定产业革命能否真正发生的闸门，便卡在了“人类是否敢于信任AI”这一关键问题上。无论自主Agent的算法多么先进、推理多么聪明，只要人类无法有效审核其决策过程与结果，AI就只能在“局部改良”的区间内打转，无法实现跨越式的产业革命。因此，HAx模式不仅是当前阶段的技术选择，更是贯穿整个AI驱动工业软件演进系列的底层约束机制。

审核就绪并非单一能力，而是一个随AI自主性升级而逐层抬升的能力阶梯。

第一层结果审核。判断AI输出正确与否。审核主体是一线工程师，方法是对比验证与规范检查，所需的是既有的领域知识与物理直觉，当前多数应用实践停留于此层。

第二层过程审核。Agentic模式下的AI自主规划执行路径，审核对象从“结果对不对”扩展为“为什么这样做、会不会在特定场景下失效”。审核主体是资深工程师，方法是推理链回溯与关键节点校验：物理侧的网格划分策略、求解器选择、边界条件设置是否合理，几何侧的拓扑有效性与特征可追溯性是否保真，离散侧的时序收敛与形式化证明是否完备，能力要求陡然上升。

第三层架构审核。面向更远的Autonomous阶段，需要评估的不再是单次任务而是系统本身。Agent集群的任务分解逻辑、权限划分、异常仲裁规则乃至目标权衡框架是否合理。审核主体是系统架构师与安全专家，方法是架构评审与安全测试，人才成长周期以十年计。

在 AI 全面渗透工业领域的背景下，最稀缺的核心能力已不再是“如何使用 AI”，而是“如何审核 AI 的输出”。具备深厚系统专业认知能力的专家，之所以不会被 AI 输出的表面结果所迷惑，正是因为他们深刻理解整个系统的运行逻辑，具备高阶的专业审核能力。

进入 Agentic 时代后，当 AI 能够自主规划并执行长序列复杂任务时，审核的复杂度将呈指数级增长，从而在工程实践中形成巨大的“审核鸿沟”。这种鸿沟构成了 AI 从“工具”走向“自主”的终极阻力。因此，审核能力将成为解锁工业软件革命的关键。

审核是人的判断力，而测试验证是把判断力工程化、制度化的手段。没有后者，前者无法规模化。结果审核依托产品级统计测试基准与仿真校验，过程审核依托推理链可解释性工具与过程留痕，架构审核依托运行时监控与治理框架；哪一层审核可行，直接取决于相应验证工具链的成熟度。测试验证为审核提供证据链，审核为测试验证提供需求侧反馈，二者形成闭环。值得注意的是，头部厂商已开始把审核机制内建进产品本身。以确定性签核引擎交叉校验大模型输出、以结构化知识表示记录设计意图、以权限护栏限定智能体可修改的范围。这既是对审核稀缺性的直接回应，也意味着审核能力正在从依赖个人经验，转向可复制、可审计的工程机制。

AI 与工业软件的融合使得测试对象、方法、标准均发生变化，构建适配 AI 特征的工业软件测试验证体系，是 HAx 模式落地的核心工程基础，也是推动 AI 向更深层次应用渗透的关键前提。

本报告基于技术范式转移理论，构建四维演进分析框架，系统研判 AI 对工业软件的重构路径、阶段特征与约束条件，核心结论可凝练为四点：

第一，本轮 AI 驱动的工业软件变革是一场“非对称的慢革命”。四个维度演进节奏显著分化，应用层变化快、内核层演进慢，整体呈现“快在前、慢在后、创新引领、根基托底”的时态结构。最先变化的维度决定竞争格局，最晚成熟的维度决定安全边界。

第二，“慢革命”不等于可以慢慢来，变革可以慢，动手必须快。技术时钟的渗透以十年计，竞争时钟的窗口以年计，竞争时钟不会等技术时钟走完。快变量的红利窗口以年计，窗口期内若不能同步完成审核能力与数据资产的积累，待慢变量成熟时便无船可乘。

第三，技术渗透遵循“交互—架构—商业—内核”的分层递进规律。当前产业整体刚步入过渡，交互维度已接近革命临界点，架构维度先行转型、商业维度随后跟进，求解机理维度仍以改良为主，远未实现底层范式替代。

第四，审核能力与测试验证是解锁范式革命的终极闸门。HAx协同模式是当前阶段适配工业安全要求的核心范式，体系化的 AI 测试验证技术是审核能力规模化落地的工程基础，二者共同构成 AI 向核心业务深度渗透的前提条件。判定内核变革的深度，最终不看 AI 能算到多深，而看责任链能追到多细。

第一，摒弃二元对立的技术认知。产业界需跳出“改良VS革命” 的非黑即白思维，建立分维度、分阶段、分领域的动态研判框架，理性把握技术变革节奏，既避免“革命叙事”下的盲目投入，也避免“改良论调” 下的机遇错失。

第二，坚持守正创新的发展逻辑。工业软件智能化必须坚守数学物理根基与工业安全底线，内核层面稳基托底、审慎迭代；同时在交互、应用、模式层面大胆探索、先行突破，实现 “守正” 与 “创新” 的双轨并行、动态平衡。

第三，重塑智能时代的产业能力观。工业领域的核心价值正从“操作执行能力” 转向 “判断审核能力”。复合型工程人才、体系化测试验证能力、工程知识沉淀，将取代单纯的工具研发能力，成为产业核心竞争力。

第四，筑牢可信前置的发展底线。安全是工业软件智能化的前置约束而非后置要求。技术演进与安全验证需同步规划、同步建设，用可解释、可验证、可追溯的技术体系，破解 AI “黑箱” 与工业确定性要求的根本矛盾。

第五，遵循非对称的差异化路径。快变量兑现效率，慢变量决定成败。不同细分领域应根据自身技术特征、安全等级与产业基础，选择适配的智能化节奏与技术路线，不搞“齐步走”式的运动式推进，形成分层演进、多点突破的产业发展格局。

第六，抢占工业本体的定义权。知识主权之争，争的不是谁的模型参数更多，而是谁定义本体、谁掌握算子与框架。工业场景与工程数据沉淀在本土，只是拿到了入场券；数据的可治理、可标注与负样本完备程度，才是主权能否兑现的前提。竞争重心必须由数据规模前移至工业本体的自主定义，把概念、关系与规则的命名权、标准权握在自己手中。