ARTICLE · 1306789
中国制造新周期,工业软件何去何从,AI信仰会改变什么?
中国制造新周期,工业软件何去何从,AI信仰会改变什么?中国制造业有一个长期存在的反差：我们可以造出全球最有竞争力的汽车、家电和工业产品，却没能造出同样有全球竞争力的工业软件。 过去几十年，中国制造业在规模、供应链、工程能力和成本效率上不断建立优势，但工业软件领域，核心产品、技术体系和行业标准却长期由海外厂商主导。中国企业一直在追赶，也取得了不少进展，但这条路并不容易——工业软件不仅是代码，更是对制造流程、管理体系和行业知识的长期积累。 现在，AI正在改变这件事。 问题是，AI究竟只是给现有工业软件增加一层智能功能，让中国厂商继续沿着过去的路径追赶？还是会从根本上改变工业软件的形态，让中国企业有机会绕开一部分传统壁垒，找到新的竞争方式？ 这不仅是工业软件行业的问题，也是中国制造业进入新周期后必须面对的问题。 在与依柯力创始人尹可杰、IDC咨询分析师杜雁泽的这期对话中，我们从工业软件的历史路径谈起，延伸到汽车产业的AI应用、企业内部的AI信任与组织变革，以及中国工业企业出海的真实机会。 我们真正想讨论的不是AI能给制造业增加多少新功能，而是：当AI开始改变软件、知识和工作的组织方式，中国制造业过去积累的优势，能不能转化为下一轮全球竞争的优势？一、中国工业软件走过的路：为什么市场份额提升，不等于竞争问题已经解决？ 中国制造业的崛起，并没有自动带来工业软件的同步崛起。 尹可杰在通用电气工作了十年，之后长期服务于中国汽车产业。他的职业经历恰好跨越了中国制造业从学习海外先进体系，到本土产业快速成长的过程。 在他看来，海外工业软件的优势，并不只是某一项技术或某一个产品功能。它背后是长期积累的行业知识、管理经验、业务流程和产品体系。软件只是最终呈现出来的形式，真正难以复制的是软件背后对工业业务的理解。 中国工业软件厂商这些年已经取得了进展，在部分制造领域，本土厂商的市场份额也有明显提升。但市场份额增长，并不意味着所有问题都已经解决。 一个现实难题是项目定制化。 国内很多工业软件项目需要针对客户的业务流程进行大量调整。项目规模小时，依靠团队交付和定制开发，企业可能也能获得不错的收益；但当业务规模扩大，人员、交付和维护成本也随之增加，收入增长未必能转化为利润和现金流的同步增长。 完全标准化，可能无法满足复杂制造现场的差异化需求；完全定制化，又很难形成规模化的产品能力。 这也是中国工业软件企业必须面对的商业难题：如何在行业共性与客户个性之间找到平衡。 因此，中国工业软件的下一步，不只是继续提高市场份额，还要回答一个更难的问题：能否把对中国制造业的理解，沉淀成可持续迭代、可规模化交付、具备全球竞争力的产品？ 而AI的出现，让这个问题有了新的变量。二、中国汽车产业进入新周期：技术迭代为什么变成了一种压力？ 汽车产业是观察中国制造业变化的一个重要窗口。 从燃油车到新能源汽车，再到智能汽车，中国汽车产业经历了非常快速的技术和市场变化。中国企业在这一轮产业转型中建立了新的竞争优势，但快速迭代也意味着企业必须持续应对产品、研发、制造和供应链的变化。 AI进入汽车产业，也不只是汽车本身变得更智能。 至少有两个层面值得关注：一是汽车产品的智能化，二是汽车企业内部的研发、制造、供应链和经营管理如何利用AI重新组织。 后者往往没有那么容易被外界看见，却可能对企业效率产生深远影响。 尹可杰在对话中提到一个制造现场的案例：面对个性化订单带来的工艺调整需求，过去可能需要二三十名工艺人员投入较长时间完成分析和调整；现在，企业正在尝试借助AI，把原本需要大量人工参与的工作压缩到更短的时间尺度。 这类案例的价值，不只是节省了多少人力，而是让制造系统有机会更快地响应变化。 但杜雁泽也提醒，不能简单地把个别企业的实践等同于整个汽车行业的AI转型进度。 汽车产业有着百年以上的发展历史，产业链条长，组织规模大，涉及研发、生产、供应商和大量复杂流程。即使AI工具已经能够在个人工作中显著提升效率，也不意味着它可以立刻改变整个组织。 中国汽车产业过去的优势，很大程度上来自快速响应、工程师能力和组织执行力。进入AI时代，这些优势如何与新的技术能力结合，将决定下一阶段的竞争力。三、AI带来的变化：不是给旧软件加功能，而是重新思考工业软件是什么 如果AI只是给传统软件增加一个聊天窗口，或者增加几个自动化功能，它带来的变化可能仍然是渐进式的。 但尹可杰在对话中提出了一个更激进的方向：AI Native，以及他所说的“Design for AI”——从一开始就按照AI能够参与工作的方式，重新设计产品、流程和组织。 他提到，团队曾经围绕Palantir的Ontology（本体论）进行过研究和实践。 在传统软件中，业务流程、数据结构和操作规则通常需要由人提前定义。AI进入企业后，如果只是把大量资料交给模型，再通过复杂提示词告诉它应该做什么，模型仍然很难真正理解企业业务。 Ontology提供了另一种思路：把企业中的业务对象、对象之间的关系以及业务规则组织起来，让AI能够在更清晰的业务结构中理解问题、调用信息并完成任务。 尹可杰分享，团队围绕这一方向进行了持续研究和尝试。他们发现，当业务知识和关系被更好地组织起来之后，AI完成任务时对复杂提示词的依赖可以降低，使用方式也会发生变化。 这让他对AI Native的方向更加坚定。 当然，一家企业的实践还不能证明这就是工业软件未来的唯一答案。但它提出了一个值得整个行业思考的问题： 过去，软件是把人的业务流程固化下来，让人按照软件规定的方式工作；未来，软件是否会逐渐变成一个能够理解业务、组织知识，并让AI直接参与工作的系统？ 如果答案是肯定的，那么工业软件厂商竞争的核心，也可能从功能、模块和代码，转向对行业知识、业务关系和工作过程的理解。 这对传统软件厂商是挑战，对中国工业软件企业也可能是一次重新寻找位置的机会。四、AI信念：技术变化为什么最终会变成组织问题？ AI的能力进步很快，但企业真正采用AI，往往不是一个纯粹的技术决策。 杜雁泽谈到，自己对AI的信心是在一系列实际使用中逐渐建立起来的。从早期的模型能力，到开源模型的发展，再到各种智能体和办公工具，AI开始从一个对话框，变成能够实际参与工作、交付结果的工具。 这种变化首先发生在个人层面。 过去，一个人可能需要花一两个小时整理资料、制作文档或完成某项分析；现在，只要提供足够的背景和文件，AI就可能在较短时间内完成相当一部分工作。 但个人效率提升，并不等于组织效率已经提升。 杜雁泽特别提到，个人层面的改善与组织层面的改善之间，仍然存在很大的距离。 原因并不难理解。 当企业引入AI时，管理者希望提升效率，员工却可能担心自己的工作被替代。如果一个人认为自己花时间积累的经验和能力，最终会被AI吸收，然后让自己失去价值，那么他就未必愿意主动推动AI进入工作流程。 尹可杰也谈到了企业内部面临的类似问题。AI在内部使用确实带来了收益，但围绕AI的讨论和推动并不总是一帆风顺。尤其在传统制造业，组织规模大、岗位分工复杂，AI可能改变的不只是某项任务，而是人与人之间原有的工作关系。 所以，AI转型不仅需要技术投入，也需要组织重新理解人的价值。 一个有意思的类比是辅助驾驶。很多人刚开始接触辅助驾驶时，会对它保持警惕；但随着使用次数增加，逐渐确认它在某些场景下确实可靠，才会愿意把更多任务交给系统。 AI信任的建立也有类似过程。 企业需要让员工在真实工作中看到AI的价值，而不是仅仅告诉他们AI有多强。与此同时，也要回答一个更现实的问题：当AI承担了过去由人完成的部分工作，人应该把时间和能力投入到哪里？ AI带来的最终变化，可能不是简单地减少岗位，而是重新划分人的工作、机器的工作，以及人与AI协作的边界。五、中国制造出海：能否找到新的全球竞争方式？ 中国制造业已经拥有相当强的全球竞争力，但从国内市场走向全球市场，并不是把产品卖到海外那么简单。 尤其是工业软件和工业数字化服务，它们与客户的生产流程、管理体系和日常运营深度绑定。客户采购的不是一个孤立的软件产品，而是一套能够长期运行、持续维护并适应业务变化的解决方案。 这意味着，出海过程中真正的难题往往不只是产品技术，还包括客户关系、交付能力、本地服务、渠道和生态建设。 中国企业过去在国内市场形成的快速响应和成本优势，到了海外市场不一定能够原样复制。不同国家和地区的产业结构、客户习惯、管理流程和服务要求都有差异。尤其对于工业软件而言，一旦进入客户核心流程，建立信任和完成替换都需要较长时间。 因此，出海不能只理解为把国内产品以更低价格卖出去。 更重要的问题是，中国企业能否为海外客户创造新的价值？能否把在中国复杂制造环境中积累的经验，转化为适应不同市场的产品和服务？ 中国市场足够复杂，也足够有竞争强度。它可以成为企业打磨产品、验证技术和积累交付经验的重要场所。但国内市场的成功，并不意味着海外市场自然会接受同样的产品和商业模式。 AI可能为中国工业软件和制造业服务企业带来新的机会，但机会不会自动变成全球竞争力。最终仍然要回到产品、客户价值和本地化能力。结语：AI会不会改变中国制造的追赶方式？ 回到最初的问题：中国制造已经很强，为什么工业软件仍然是一个需要长期追赶的领域？AI能否改变这种局面？ 这期对话给出的并不是一个简单的答案。 从工业软件的历史路径，到汽车产业的快速迭代；从AI Native和Ontology的探索，到企业内部的信任与组织问题，再到中国制造业的全球化，几条线索最终指向同一个变化： AI带来的可能不只是效率提升，而是工业知识、软件产品和企业工作方式的重新组织。 过去，中国工业软件企业更多是在既有技术体系和产品范式下追赶。现在，AI让行业有机会重新思考软件应该如何构建、企业应该如何工作，以及工业知识应该如何被理解和使用。 但新的技术窗口，并不意味着竞争会变得容易。技术能力需要转化为产品，产品需要进入真实业务，业务价值还需要经过客户和全球市场的检验。 中国制造下一阶段的竞争力，或许不只取决于我们能制造出什么，也取决于我们能否用新的方式组织知识、软件和生产。 AI会不会让中国工业软件换一条路走？这个问题，可能才刚刚开始。
