工业软件:那些藏在电脑屏幕背后的工业“老师傅”

音频速读

1.1 一个再普通不过的下午

二零二五年十一月，江南某制造业重镇，一家精密机械厂的车间里。

老周盯着电脑屏幕，眉头拧成个疙瘩。屏幕上是某个复杂零件的三维模型，密密麻麻的尺寸标注像蚂蚁一样爬满了各个视图。徒弟小陈凑过来看了一会儿，忍不住开口：“师傅，这不就是个画图软件吗？我看网上教程，鼓捣几天也能画个杯子什么的。您干嘛这么费劲？”

老周摘下眼镜，揉了揉眉心，半晌才说：“你小子啊……太小瞧它了。”

他指着屏幕上的模型：“你看见这个齿轮箱没有？三千多个零件，要装配得严丝合缝，要在高温高速下转几十年不出事。这玩意儿要是只能‘画图’，咱们厂里这些精密设备，怕是一台都造不出来。”

小陈讪讪地笑，没再吭声。

老周没说的是，这套软件，正版授权一年几十万。更没说的是，三十年前他刚进厂那会儿，图纸全是手绘的，铅笔、丁字尺、鸭嘴笔，画错一根线，整张图重来。那时候的老师傅，手底下有真章。

可现在，老师傅的本事，一部分装进了脑子，另一部分，装进了电脑——装进了那些藏在屏幕背后的工业软件里。

1.2 谁在教机器“干活”

咱们得说清楚一件事：工业软件，到底是个什么东西？

手机上的APP，大家都熟。微信用来聊天，抖音用来刷视频，美团用来点外卖。这些软件改变的是生活方式，是消费端的事儿。

工业软件不一样。它不跟普通人直接打交道，它跟机器打交道，跟生产线打交道，跟飞机发动机打交道，跟汽车车身打交道。它藏在工程师的电脑里，藏在工厂的控制室里，藏在那些嗡嗡作响的机柜里。

可它的作用，一点不比手机APP小。

这么说吧：你能想到的一切工业品——从你手里这只手机，到你出门坐的高铁，再到天上飞的飞机、海里游的潜艇——在设计、制造、管理的每一个环节，都有工业软件的身影。

没有工业软件，工程师只能靠铅笔橡皮画图纸。没有工业软件，工厂里的机器手臂不知道该往哪儿动。没有工业软件，一架飞机的几百万个零件没法协调生产，一个发电厂的几千个控制阀门没法精准调节。

工业软件，就是教机器怎么干活的那个“老师傅”。

1.3 “老师傅”的本事从哪来

可这里头有个关键问题：老师傅的本事，是几十年手艺攒下来的。工业软件的本事，从哪来？

答案是：从一代又一代工程师、一代又一代产业工人、一代又一代科学家那里“学”来的。

咱们举个最简单的例子。

比方说，你要设计一个水龙头。你得考虑水流的速度、压力、噪音，考虑开关多少次不会坏，考虑用什么样的材料不生锈。这些事儿，从前怎么办？老师傅画个图，做个样品，装上去试。漏水？改。噪音大？改。用两年坏了？再改。

改一次，就得花一笔钱，花一段时间。一个成熟的产品，往往要经过好几轮“设计—打样—试验—修改”的循环，几年下来才能定型。

现在怎么办？

工程师打开电脑，在水龙头的三维模型上，设置好边界条件——水压多少，水温多少，开关多少次——然后让软件去算。软件里头，有流体力学几十年的研究成果，有材料科学无数次的试验数据，有机械工程积累的设计规范。算完之后，屏幕上直接显示出水流的情况：哪儿有涡流，哪儿噪音大，哪儿容易坏。工程师看着结果，当场就能改。

改完了，再算。算满意了，再打样。原来要折腾几个月的事儿，现在几天搞定。

这就是工业软件的价值——它不是把老师傅的经验简单“存”进去，而是把整个人类工业文明的智慧，用数学公式、用算法、用代码，变成了可以随时调用、可以无限复用的工具。

1.4 “画图软件”？格局小了

回到开头小陈那句话：“这不就是个画图软件吗？”

这种误解，太普遍了。

SolidWorks也好，CATIA也好，AutoCAD也好，普通人看过去，不就是能在电脑上画三维图、能旋转着看、能放大缩小吗？跟我手机上那个建模APP有什么区别？

区别大了。

你手机上那个APP，画出来的“杯子”，就是个形状。你不能问它“这个杯子能装多少毫升热水”，更不能问它“装满开水放在桌上，十分钟后把手会不会烫”。因为它就是个空壳子，没有灵魂。

真正的工业设计软件里，每一个模型都是有“身份”的。一个螺丝孔，它知道自己是M6还是M8，知道该配什么样的螺丝，知道拧多紧会滑丝。一个齿轮，它知道自己的模数、齿数、压力角，知道跟谁啮合，知道转起来受力多少。一个装配体，它知道几千个零件之间的关系——谁压着谁，谁套着谁，谁给谁传递动力。

这叫什么？这叫参数化设计，这叫特征建模，这叫装配约束。一套东西，几十年的学问。

你改一个尺寸，整个模型跟着变，几千张图纸自动更新，所有相关的加工路径自动调整——因为软件“懂”它们之间的关系。这不叫“画图”，这叫定义产品。

所以，下次再看见工程师对着电脑拧眉头，千万别以为他只是在“画画”。他是在跟一个浓缩了人类工业智慧的“老师傅”对话。

1.5 两个世界的对话

这个“老师傅”，还有更厉害的本事——它会“说话”。

跟谁说话？跟机器说话。

你设计好了一个零件，尺寸、公差、材料都定下来了。下一步是什么？是把它造出来。造出来，就要有加工工艺——用什么样的刀具，转多快的速度，吃多深的刀，走什么样的路径。

这事儿，从前靠工艺师傅。老师傅拿着图纸，看两眼，心里就有数了：“这活儿，得上四轴，先用直径10的铣刀开粗，留0.5余量，再用直径6的球刀精铣，转速八千，进给一千二……”

老师傅的话，机床听不懂。机床听的，是G代码——那种一串一串的数字指令。

所以中间得有个“翻译”。这个“翻译”，就是CAM软件——计算机辅助制造软件。它把设计模型拿过来，根据你设定的工艺参数，自动生成机床能识别的代码。

你看，这是一个完整的链条：设计软件里定义了“做什么”，工艺软件里规划了“怎么做”，制造软件里翻译成“怎么让机器做”。

三个软件，各自分工，又紧密配合。它们背后，站着的是一代又一代的设计师、工艺师、机床操作工。他们的经验、智慧、教训，一层一层沉淀下来，变成算法，变成参数，变成规则。

这就是工业软件的本质：它是人类工业知识和经验的数字化沉淀，是教机器干活的“老师傅”。

而且这个“老师傅”，不会退休，不会藏私，不会因为今天心情不好就把活儿干砸了。你给它同样的输入，它永远给你同样的输出。稳定、可靠、可重复。

工业文明几百年的积累，最终以这样的方式，延续下去。

1.6 本文的地图

好了，绕了这么大一圈，该说说咱们这篇文章要讲什么了。

工业软件这话题太大，大到一本书都写不完。咱们只能挑几个要紧的角度，掰开揉碎了讲一讲。

先讲历史。看看工业软件这玩意儿是怎么来的，那些现在如雷贯耳的名字，当年是怎么起家的。历史里有规律，有教训，也有人情味儿。

再讲分类。工业软件不是一码事，里头有设计类的、有仿真类的、有制造类的、有管理类的。咱们得说清楚，它们各干什么活儿，相互怎么配合。

然后讲价值。这东西为什么这么重要？为什么有人说它是“工业皇冠的明珠”？为什么这些年老被人提起“卡脖子”？

接着讲逻辑。工业软件难在哪儿？为什么全世界能做的就那么几家？为什么不是写代码就能写出来？

再讲现在。咱们国家这些年干得怎么样？走到哪一步了？还差什么？

最后讲未来。新技术来了，人工智能来了，云来了，工业软件往哪儿走？有什么机会？

一路讲下来，不求面面俱到，只求把意思说到。有些地方，我会多啰嗦几句；有些地方，一笔带过。反正咱们是自己人聊天，想到哪儿说到哪儿。

好，地图画清楚了，咱们就出发。

2.1 一切从“用机器代替手”开始

要说工业软件的起源，得先说明白一件事：工业革命，本质上是一场“用机器代替手”的革命。

第一次工业革命，瓦特改良了蒸汽机，机器有了动力。纺纱不用手纺了，织布不用手织了，蒸汽机突突突带着机器转，产量蹭蹭往上涨。

第二次工业革命，电来了，流水线来了。福特把汽车制造拆成几千个简单动作，每个工人只干一件事，效率高得吓人。这叫“用机器代替手”的升级版——不光代替力气，还代替熟练。

第三次工业革命，计算机来了。机器不光会动，还会“想”了。数控机床、工业机器人、可编程控制器，这些东西让工厂自动化水平上了一个大台阶。

可是，机器再聪明，也得有人告诉它干什么、怎么干。人怎么告诉机器？用程序。程序怎么写？得先有想法，有设计，有计算，有规划。

这时候，工业软件就该上场了。

2.2 草图、图纸、铅笔与丁字尺

在工业软件出现之前，工程师靠什么干活？

靠手。

设计一架飞机，先要画草图。草图满意了，画总图。总图定了，画零件图。一架飞机几百万个零件，每张图纸都要手绘。铅笔、橡皮、丁字尺、三角板、圆规、曲线板，这是工程师的吃饭家伙。

图纸画好了，要描图。用描图纸覆在原图上，拿鸭嘴笔蘸着墨汁，一笔一笔描下来。描错了怎么办？拿刀片刮，刮破了怎么办？重画。

描好了，要晒图。蓝图纸，氨水熏，出来的是蓝底白线的“蓝图”。晒坏了怎么办？重晒。

你想想，这得花多少时间，多少精力。更麻烦的是，改一个尺寸，所有相关图纸都得改。改漏一处，到生产线上才发现，零件装不上，得，报废重来。

那时候，一个型号的飞机，从设计到首飞，七八年算快的。

所以，当计算机出现在工程师面前时，第一个想法就是：能不能用它来画图？

2.3 第一个吃螃蟹的人

1963年，美国麻省理工学院的博士生伊凡·苏泽兰，做了一件惊天动地的事。

他搞出了一个叫Sketchpad（画板）的系统。这东西现在看来简陋得要命——屏幕上只有简单的线条，用光笔（一种像笔的输入设备）在屏幕上画，就能画出图形来。

可这在当时，是开天辟地的事儿。

这是人类历史上第一次，可以用计算机来“画图”。画出来的图形可以存起来，可以调出来修改，可以放大缩小。更重要的是，图形之间可以建立关系——比方说，我画了一个正方形，拖动一个角，整个正方形跟着变，始终保持四边相等、四角直角。

这叫几何约束。今天所有的CAD软件，都还在用这个原理。

苏泽兰的博士论文，成了计算机图形学的奠基之作。他也因此被称为“计算机图形学之父”。

可惜，苏泽兰搞出来的系统，只是个实验品。真正把计算机绘图变成商业产品的，是另一些人。

2.4 CAD的诞生：从汽车到飞机

1960年代，汽车工业正在蓬勃发展。通用汽车、福特这些大厂，每年要设计新车型，每年要画几千张图纸。能不能用计算机来帮忙？

通用汽车搞了个系统叫DAC-1，用来辅助汽车车身设计。与此同时，洛克希德飞机公司也搞了个系统叫CADAM，用来画飞机图纸。

这些早期的系统，用的都是大型机，贵得要死，一般企业根本用不起。能用得起的，也就是汽车厂、飞机厂、军工企业这些“大户人家”。

1970年代，情况开始变化。小型计算机出来了，价格比大型机便宜不少。一些专门做CAD软件的公司开始出现。

其中最出名的，是法国的达索飞机制造公司。

达索的设计师们，成天跟复杂的飞机曲面打交道。他们觉得市面上的CAD软件不够用，干脆自己动手开发了一套，叫CATI。后来这套系统被拿出来商业化，改名叫CATIA。

CATIA有多牛？这么说吧，波音777飞机，是人类历史上第一架完全用三维设计出来的飞机。用的就是CATIA。一千多个工程师，用了八年时间，在电脑上完成了整架飞机的设计、装配、仿真。没有一张纸质图纸，全部是数字模型。

这事儿在当时是轰动性的。它证明了，数字设计这条路，走得通。

2.5 PC时代的革命

1980年代，另一场革命来了——个人电脑。

苹果出了Macintosh，微软出了Windows。图形界面、鼠标操作，让普通人也能用电脑了。

这时候，一家叫Autodesk的小公司冒了出来。他们搞了一个能在PC上跑的设计软件，叫AutoCAD。

当时的主流CAD软件，都跑在工作站上，一台机器几万美金。AutoCAD呢？一台PC几千美金，软件本身几千人民币，门槛大大降低。于是乎，全世界的设计师都疯了——原来画图可以这么便宜！

AutoCAD的成功，把CAD从“贵族玩具”变成了“平民工具”。机械设计、建筑设计、电子设计，各行各业都用上了计算机绘图。

到了1990年代，又一家公司冒了出来，叫SolidWorks。他们的理念是：既然Windows操作系统这么普及，为什么不在Windows上搞一个真正好用的三维设计软件呢？

SolidWorks把参数化设计做到了极致。你画一个零件，每一步操作都有记录，随时可以回头修改。你改一个尺寸，模型自动更新。你改一个零件的形状，所有相关的零件、装配体、工程图，统统跟着变。

这东西太好用了，一下子就火了。今天，SolidWorks还是全球用户最多的三维CAD软件之一。

2.6 从设计到制造：CAM的故事

有了设计软件，下一步自然就是制造软件——怎么让设计出来的东西，能被机器造出来。

这事儿，最早是从数控机床开始的。

1950年代，美国麻省理工学院搞出了第一台数控铣床。要让这机器干活，得先编程序。怎么编？用纸带打孔，一个孔代表一个指令。纸带送进机床，机床照着走。

后来有了计算机，编程序就不用打纸带了。直接在电脑上写，然后传给机床。再后来，有人想：既然设计软件里已经有了零件的形状，能不能让电脑自己生成加工路径？

这就是CAM软件——计算机辅助制造软件——的由来。

最早做CAM的公司，有一家叫UGS，后来被西门子收购了。还有一家叫PTC，搞了个叫Pro/ENGINEER的东西，把设计和制造打通了——设计模型一出来，直接就能生成加工代码。

今天的CAM软件，已经智能得多了。你告诉它用什么样的刀具、什么样的工艺，它自动帮你算路径、优化轨迹、检查碰撞。原来工艺师傅要干几天的活儿，现在几个小时搞定。

2.7 仿真的崛起：CAE的故事

设计出来了，制造搞定了，可是还有一个问题：怎么知道设计出来的东西好用？怎么知道它不会坏？

传统办法是做样机。造一个出来，试。试坏了，改设计，再造一个。再试，再改。循环往复，直到满意为止。

这办法笨是笨了点，可管用。问题是，有些东西没法试——比方说飞机。飞机在天上飞，万一设计有问题，试一次可能就摔了。代价太大。

所以，得有别的办法。这个办法，就是仿真——在计算机里模拟产品的物理行为。

最早搞仿真的，是搞核武器的。核试验不能老做，太贵，太危险。得在计算机里算。洛斯阿拉莫斯实验室的那些数学家和物理学家，搞出了一套用计算机解偏微分方程的方法，用来模拟核爆炸。这是仿真技术的起源。

后来，这套方法被用到民用领域。汽车碰撞，用计算机模拟。飞机气动，用计算机模拟。电子散热，用计算机模拟。材料受力，用计算机模拟。凡是你想得到的产品，几乎都能在计算机里“试”一遍。

搞仿真的软件公司，最有名的是Ansys。1970年，一个叫John Swanson的工程师，在西屋电气工作时，开发了一套叫ANSYS的有限元分析程序。后来他出来单干，创办了Ansys公司。

今天，Anysys已经是全球最大的仿真软件公司。它的软件，可以模拟力学、热学、电磁学、流体力学，几乎无所不包。

另一家著名的仿真软件公司叫达索系统。对，就是搞CATIA的那家。他们把仿真软件叫Abaqus，专门做非线性力学分析，水平极高。后来达索系统把它收购了，变成自己产品线的一部分。

2.8 管理软件的故事：从MRP到PLM

设计软件、制造软件、仿真软件，这些都是“干活的”。还有一类软件，是“管事的”——管理产品的生命周期，管理生产的过程，管理企业的资源。

这类软件的起源，可以追溯到1960年代。那时候，企业发现一个问题：生产计划太难做了。库存多少，采购多少，生产多少，什么时候交货，这些东西全靠人拍脑袋，经常出错。

能不能用计算机来算？于是出现了MRP——物料需求计划。输入订单、库存、采购周期，计算机帮你算出来：什么时候该买什么，什么时候该做什么。

后来MRP越做越复杂，加上了财务、加上了人力、加上了销售，变成了MRPII——制造资源计划。再后来，又变成了ERP——企业资源计划。德国的SAP公司，就是做ERP起家的，做到今天成了欧洲最大的软件公司。

另一条线，是专门管产品的。

一个产品从概念到报废，要经历好几个阶段：需求分析、概念设计、详细设计、工艺规划、生产制造、销售、使用、维修、报废。每个阶段都会产生大量的数据和文档。这些数据和文档怎么管？怎么保证大家用的是最新版？怎么知道哪个零件用在哪个产品上？

这就是PLM——产品生命周期管理——要解决的问题。

最早搞PLM的，也是那些大公司。波音、福特、通用电气，这些企业产品太复杂，不用计算机根本管不过来。后来有软件公司专门做这个，比如达索系统的ENOVIA，西门子的Teamcenter，PTC的Windchill。

到今天，任何一家稍具规模的制造企业，都离不开这些管理软件。

2.9 控制系统：从继电器到DCS

上面说的这些都是“离线”的——工程师在电脑上操作，跟生产过程不直接连着。还有一类软件，是“在线”的——直接控制生产设备、监控生产过程、处理紧急情况。

这类软件的起源，跟工业自动化密切相关。

最早的自动化控制，用的是继电器。一堆电磁开关，按一定逻辑接起来，机器按顺序动作。这叫顺序控制。后来出现了PLC——可编程逻辑控制器。用程序代替继电器，改逻辑不用重新接线，方便多了。

更复杂的过程控制——比方说化工厂，几千个参数要监控，几百个阀门要调节——就需要DCS——分布式控制系统。计算机分布在整个工厂，采集数据、发出指令，中央控制室统一监视和操作。

这些东西的背后，都有一层软件。这层软件，叫工业控制软件。

有一家公司，在这个领域做出过革命性的贡献——Wonderware。

1987年，两个美国工程师创办了这家公司。他们想：为什么工厂控制室里的界面总是那么难用？为什么不能像个人电脑一样，用图形界面来控制机器？

于是他们搞出了InTouch——全世界第一款在Windows上运行的工业监控软件。工厂操作员不用再面对满屏的字符、闪烁的指示灯，而是看着彩色的图形界面，用鼠标点一点，就能控制整个生产线。

这东西一出，整个行业都震动了。原来控制软件可以这么好看、这么好用！InTouch火了，Wonderware成了这个领域的王者。后来这家公司几经转手，最后被施耐德电气收入囊中，品牌变成了AVEVA InTouch。但它开创的那一套东西，至今还在用。

2.10 历史告诉我们什么

工业软件七八十年的发展史，说长不长，说短不短。回过头看，有几个规律挺有意思。

第一，工业软件都是“用出来”的。

你看看前面说的那些软件，CATIA是达索飞机公司自己用的，Ansys是工程师在干活时捣鼓出来的，Wonderware是两个程序员看不惯传统界面自己搞的。没有一个是凭空想出来的，都是在解决实际问题的过程中长出来的。

第二，工业软件是“工业”和“软件”的杂交。

做软件的人，不懂工业，做不出好用的东西。做工业的人，不懂软件，做不出好使的东西。必须是既懂工业又懂软件的人，才能干这个活儿。这就是为什么很多优秀的工业软件公司，创始人都有工业背景。

第三，工业软件的进化，靠的是“积累”。

一个成熟的工业软件，往往有二三十年的历史。里面的每一个算法、每一个参数、每一个默认设置，背后都可能有一段故事——某次试验失败了，所以加了这条规则；某次事故发生了，所以补了这个判断；某个用户提了需求，所以多了这个功能。

这些积累，是时间熬出来的，是钱烧出来的，是人用出来的。你买得起软件，买不到这些积累。

第四，工业软件是“生态”的游戏。

一个软件好不好用，不光看软件本身，还要看它周围的生态——有没有培训，有没有支持，有没有第三方插件，有没有配套的硬件，有没有人会用它。这些东西加在一起，形成了“护城河”。后来者想追，光有技术不够，还得花时间搭生态。

这些规律，到今天还在起作用。理解了这些，再看今天的工业软件格局，就能看懂很多事儿。

咱们得给工业软件这个家族，画个像。

这个家族人丁兴旺，各有各的本事。有管设计的，有管仿真的，有管制造的，有管管理的。它们分工不同，但干活的时候得配合——就像一支足球队，有前锋有后卫有门将，各司其职，才能赢球。

为了方便记，咱们把这帮兄弟分分类。工业软件圈子里，有个通用的分法：按产品的全生命周期来分，从需求到设计，从设计到制造，从制造到运行，从运行到报废。每个阶段，都有相应的软件在干活。

咱们今天只说最重要的四类，圈内人叫“四大金刚”——CAD、CAE、CAM、PLM。

3.1 老大CAD：那个“会画画的”

CAD——计算机辅助设计——是工业软件家族里名气最大的一个。

一般人听说的工业软件，多半是CAD。什么AutoCAD、SolidWorks、CATIA、Creo，这些名字多少都听过。为什么呢？因为CAD离人最近——工程师天天对着它干活，屏幕上转来转去的三维模型，最直观，最好懂。

可要说清楚CAD到底是干什么的，还得费点口舌。

CAD的第一层本事：画得准。

一张图纸，尺寸不能错。手绘图，尺寸得靠标。CAD图，尺寸是“真的”——你画一条线，输个长度，它真的就是那么长。你画一个圆，输个半径，它真的就是那么大。放大多少倍，量出来还是那个数。

这有什么好处？好处太大了。手绘图上，你标了“100毫米”，实际量图上那条线，可能只有99.5毫米——因为纸会变形，因为铅笔有粗细，因为描图有误差。CAD图不存在这个问题。文件里是多少，画出来就是多少。

CAD的第二层本事：改得快。

手绘图纸，改一个尺寸，所有相关的地方都得改。改漏一处，麻烦就大了。CAD图，改一个参数，所有相关的特征自动跟着变。这叫参数化设计，是CAD最核心的本事之一。

你设计一个支架，上面有四个螺丝孔。手绘图纸，孔的位置是标出来的。CAD里，孔的位置是“约束”出来的——比方说，离左边50毫米，离上边30毫米。哪天你想把支架改宽一点，改一下总宽度，四个孔的位置自动跟着动，保证还离左边50毫米、离上边30毫米。

这叫设计意图。设计意图保留住了，修改就不会出错。

CAD的第三层本事：看得全。

手绘图纸，画的是二维视图——主视图、俯视图、左视图。你得自己想象，这三个视图拼起来，三维是个什么样子。想象力不好的，容易出错。

CAD直接画三维。你看着屏幕上的模型，转过来转过去，哪儿凸起哪儿凹陷，一目了然。更厉害的是，三维模型能“剖开”——剖开看内部结构，看看零件之间有没有干涉，看看装配顺序对不对。

波音777为什么能成为第一架完全无纸化设计的飞机？就是因为CAD三维技术成熟了。一千多个工程师，分布在几十个地方，各自设计自己那一部分，最后在电脑里“虚拟装配”——把几百万个零件拼成整架飞机，看看有没有装不上、碰在一起的地方。全在电脑里完成，省了无数样机的钱和时间。

CAD的第四层本事：有“脑子”。

前面说的，还只是“形”。真正的CAD，不光有“形”，还有“神”。

一个零件，在CAD里不是一堆几何形状，而是一个“对象”。这个对象有自己的属性——叫什么名字，用什么材料，有多重，是哪位设计师设计的，什么时候创建的，现在是什么版本。

一个螺丝孔，在CAD里知道自己是什么规格的螺纹——M6还是M8，粗牙还是细牙，深度多少，底孔多大。一个齿轮，知道自己有多少齿，模数多少，压力角多少，跟谁啮合。一个装配体，知道几百个零件之间的关系——谁被谁固定，谁在谁上面，谁可以动，谁不能动。

这些信息，都“附着”在模型上。设计的时候输入进去，后续的仿真、制造、管理，都能直接调用。这叫特征建模，是CAD走向智能化的关键一步。

你想想，这不光是“画图”，这是在“定义产品”。

CAD的第五层本事：能协作。

现在的CAD，早已不是单机版软件，而是云端平台。设计师在A地，工艺师在B地，供应商在C地，大家都能在同一个平台上，看同一个模型，改同一个设计。

你改了一个零件，系统自动通知所有相关的人——谁用了这个零件，谁要更新图纸，谁要重新算一下受力。版本不会乱，信息不会丢。

这套东西，对复杂产品尤其重要。一架飞机，几百万个零件，成千上万人参与。没有协作平台，根本没法干。

所以你看，CAD发展到今天，早已不只是“画图工具”。它是产品定义的起点，是数据产生的源头，是协作协同的中心。说它是工业软件的“老大”，一点不为过。

3.2 老二CAE：那个“会算命的”

CAD画出来的东西，好不好用？结不结实？耐不耐用？这些问题，CAD答不了。得找老二——CAE，计算机辅助工程。

CAE这行当，圈里人也叫“仿真”。啥叫仿真？就是在计算机里模拟真实世界——模拟东西受力怎么变形，模拟流体怎么流动，模拟热量怎么传递，模拟电磁场怎么分布。

CAE的第一层本事：算得准。

CAE的核心，是一套叫“有限元分析”的数学方法。

啥叫有限元？打个比方。

你要算一根梁，在力的作用下会弯多少。直接算，有公式，不难。可要算一个形状复杂的零件——比方说发动机缸体，上面有孔、有筋、有凸台、有凹槽——直接算，没公式，算不了。

怎么办？把复杂的形状切成无数小块。每块形状简单，好算。把所有小块的结果加起来，就近似得到整个零件的结果。小块切得越细，结果越准。

这个过程，就叫有限元分析。切出来的小块，叫“单元”；小块之间的连接点，叫“节点”。计算机就对着这些单元和节点，解方程组，算变形，算应力，算位移。

这套方法的厉害之处在于：不管你形状多复杂，材料多奇特，边界条件多刁钻，只要单元切得够细，计算时间够长，总能算出个结果来。而且这个结果，跟实际试验的结果，差不了太多。

CAE的第二层本事：试得全。

有些试验，没法做。比方说飞机坠毁。你总不能真摔一架飞机吧？太贵，太危险。可是适航认证又要求你证明：飞机坠毁时，油箱不能破，乘客生存空间不能变形太厉害。怎么办？用CAE算。

有些试验，可以做，但太费钱。比方说汽车碰撞。真撞一次，样车没了，几十万块钱没了。而且撞完一看，有地方不行，得改。改完还得撞。几次下来，一辆车的研发成本能涨几百万。现在呢？先在电脑里撞几十次，把设计方案调到基本没问题了，再真撞一次验证一下。省的钱，海了去了。

有些试验，可以做，但太费时间。比方说产品寿命试验。一个产品设计寿命二十年，总不能真的用二十年再卖吧？CAE里可以“加速”——把二十年的使用工况压缩成几天的计算，看看哪儿会先坏。

所以CAE的另一个名字，叫“虚拟试验”。有了它，很多试验可以不做，很多问题可以在出样之前发现。节省的时间和金钱，难以估量。

CAE的第三层本事：看得深。

真试验，能测的数据有限。你测一个零件受力，最多贴几个应变片，测几个点的应变值。其他地方的情况，看不见。

CAE不一样。算完的结果，整个模型上每一个点的数据都有。想看哪儿看哪儿——想看应力最大的地方，调出来看看；想看变形最大的地方，调出来看看；想看温度场分布，调出来看看；想看流体流动轨迹，调出来看看。

这叫“可视化”。看得见，才能分析；分析透了，才能改进。CAE在这方面，比真试验还要强。

CAE的第四层本事：能优化。

更高级的CAE，不光能“算”，还能“找”——在给定的条件下，自动找出最优的设计方案。

比方说，你设计一个支架，要求它尽量轻，同时强度够。你可以设定几个变量——板的厚度、筋的位置、孔的大小——然后让CAE自动计算几百种方案，找出既轻又结实的那一个。

这叫“拓扑优化”。设计出来的结构，往往出人意料——不是工程师能想出来的形状。但它就是好用，就是省料。

空客A380的机翼铰链，就是用拓扑优化设计的。比传统设计轻了40%，强度一点没减。这就是CAE的价值。

CAE的第五层本事：跨学科。

真实世界的物理过程，往往不是单一学科的。发动机里，既有燃烧（化学），又有流动（流体），又有传热（热学），又有结构变形（力学），还有振动（声学）。它们相互影响，耦合在一起。

传统的CAE，各算各的。算流体的不管结构，算结构的不管流体。结果呢？流体那边算出来的压力，没告诉结构这边；结构这边算出来的变形，没反馈给流体那边。算出来跟实际对不上。

现在有了“多物理场耦合”。不同的物理过程，放在一起算。一边算流体，一边算结构，算一步，交换一次数据。这样算出来的结果，跟实际情况更接近。

这方面的代表，是Ansys、COMSOL、Abaqus这些软件。它们能让工程师在同一个平台上，完成多种物理场的仿真分析。

所以，CAE这个老二，本事确实不小。它能让产品在没造出来之前，就知道会不会出问题；能在虚拟世界里，试遍各种工况、各种设计；能让工程师看得更深、算得更准、改得更快。

说它是“工业设计的守护神”，一点不过分。

3.3 老三CAM：那个“会动手的”

CAD画出来了，CAE算过了，没问题了。下一步干什么？把它造出来。

怎么造？让机器动手。让机器动手，就得有人告诉机器怎么动。谁告诉？老三——CAM，计算机辅助制造。

CAM的第一层本事：告诉机器怎么走。

数控机床怎么干活？靠走路径。刀具从A点走到B点，然后走到C点，一路走，一路切，把材料多余的部分去掉，剩下的就是零件。

可是，走什么样的路径？是来回走还是绕着走？是粗着走还是细着走？用什么样的速度走？这些问题，都得有人决定。这人，就是工艺师。工艺师的经验，翻译成机器能识别的指令——G代码，就是CAM的活儿。

传统的做法是：工艺师傅拿着图纸，看两眼，心里规划好路径，然后在机床上手动输入G代码。几百行代码，一个字符输错，就可能出事故——刀具撞上了，工件废了，机床坏了。

现在好了，CAM软件直接读CAD模型，自动生成加工路径。你告诉它：用直径10的铣刀，先开粗，留0.5余量；再用直径6的球刀，精铣表面。它自动给你算路径、优化轨迹、检查碰撞。生成完了，直接传机床，开干。

原来几天的事儿，现在几个小时。

CAM的第二层本事：考虑得全。

自动生成路径，听起来简单，做起来复杂。要考虑的东西太多了：

用什么刀？直柄的、球头的、锥度的？直径多大？长度多长？

什么材料？铝合金好加工，不锈钢难加工，钛合金更难加工。材料不同，切削速度、进给速度、吃刀深度都得调。

什么机床？三轴的、四轴的、五轴的？五轴联动，能摆角度，能加工复杂曲面。但路径规划也更复杂，还得考虑避让、防止碰撞。

什么精度？粗加工，效率优先；精加工，质量优先。粗加工留的余量，要保证精加工能切掉，但又不能留太多，影响效率。

什么路径？是单向走还是来回走？是等高走还是螺旋走？不同的路径策略，影响加工效率、表面质量、刀具寿命。

一个合格的CAM软件，要把这些都考虑进去。它得“懂”工艺——知道什么样的路径策略，适合什么样的加工场景。

CAM的第三层本事：能仿真。

路径生成好了，能不能直接给机床用？风险太大。万一路径有问题，刀具撞上工件，轻则废零件，重则毁机床，弄不好还伤人。

所以，CAM软件还有一个本事：加工仿真。把路径、刀具、机床、工件，全部在电脑里建起来，然后模拟加工过程。看刀具怎么走，看材料怎么切，看看有没有碰撞，看看有没有过切。

发现问题，回去改路径。改好了，再仿真。确认没问题了，才真正传到机床上。这样一来，实际加工的风险大大降低。

CAM的第四层本事：能管理。

一个零件，可能需要几十道工序，用几台机床，换几次刀具。这些工序怎么安排？刀具怎么管理？程序怎么传送？都得有人管。

现在的CAM，已经不只是“生成路径”，而是“工艺管理平台”。在平台上，你可以管理所有零件的加工程序，管理所有刀具的信息，管理所有机床的状态，管理所有操作人员的任务。

这叫“数字化工艺”。它让生产过程的每一个环节，都可控、可追溯、可优化。

CAM的第五层本事：能自适应。

这是最新的发展方向。

传统的CAM，路径是提前规划好的。加工过程中遇到什么情况，不知道，也没办法调整。

现在的“自适应加工”，是在线调整的。加工过程中，传感器实时监测——监测切削力，监测振动，监测温度。数据反馈给系统，系统判断：这个参数不合适，要调整一下。于是动态调整进给速度、切削深度，保证加工过程始终处于最优状态。

这叫“闭环制造”。机器不光听指令，还会自己“看情况”调整。制造过程更智能、更稳定、更高效。

所以，CAM这个老三，是连接设计和制造的桥梁。没有它，CAD画出来的东西，只能是“纸上谈兵”；有了它，虚拟的模型才能变成真实的产品。

3.4 老四PLM：那个“会管家的”

CAD、CAE、CAM都是干活的。干活的多了，就得有人管——管数据，管流程，管版本，管协同。这个管家的角色，就是PLM——产品生命周期管理。

PLM的第一层本事：管数据。

一个复杂产品，比方说一辆汽车，涉及的数据量有多大？

设计数据：几万个零件，每件有三维模型、二维图纸、技术规范。几十GB的数据。

仿真数据：几百次仿真分析，每次产生一堆结果文件。又是几十GB。

工艺数据：几千道工序，每道有工艺卡片、程序文件。又是几十GB。

制造数据：加工记录、检验报告、合格证书。又是海量数据。

这些数据，存放在哪里？怎么找？谁有权限看？哪个版本是最新的？这些问题不解决，数据就是一盘散沙，根本没法用。

PLM系统，就是解决这些问题的。它把所有的产品数据，集中存储，统一管理。你想找某个零件的图纸，输入零件号，瞬间找到。你想看某个版本的历史记录，点几下鼠标，一目了然。你想知道谁改了什么东西，系统自动记录，全程可追溯。

PLM的第二层本事：管流程。

产品的开发，不是一个人能干完的。设计师画图，工艺师规划，采购买料，生产制造，质量控制，销售服务。各个环节的人，都要参与。

怎么让他们协同工作？怎么保证每个人都在正确的时间，做正确的事情？靠流程管理。

PLM系统里，可以定义各种各样的流程——设计评审流程，变更审批流程，问题处理流程。流程启动，任务自动分配给相应的人。完成了，自动转到下一步。超时了，自动提醒。谁在干什么，一目了然。卡在哪儿了，一看便知。

流程规范了，效率自然就高了。

PLM的第三层本事：管变更。

产品开发，变更是常态。今天改个尺寸，明天换个材料，后天加个功能。变更不可怕，可怕的是变更没管好——你改了，别人不知道；图纸改了，实物没改；版本乱了，生产停了。

PLM系统，就是管变更的。

你想改一个零件，系统先告诉你：这个零件，用在哪些产品上？哪些人用了？相关的文档有哪些？你得评估一下，改了这个，会影响什么。

评估完了，走变更流程。审批通过，系统自动更新所有相关的数据——该通知的人通知到，该更新的图纸自动更新，该停产的指令自动发出。整个过程，规范、透明、可控。

变更管好了，产品才能越改越好，而不是越改越乱。

PLM的第四层本事：管协同。

现在的产品开发，往往是跨地域、跨企业的。主机厂在A地，设计公司在B地，供应商在C地，客户在D地。大家分布在不同的地方，怎么一起干活？

PLM系统，就是协同平台。

在平台上，大家可以看同一个模型，讨论同一个问题，跟踪同一个任务。你改了，我马上知道。我问了，你马上回复。数据实时同步，信息即时传递。距离不再是障碍。

波音787的研发，就是典型的“全球协同”。几十个国家的供应商，参与设计和制造。用的就是PLM平台，把所有分散的团队，连接成一个虚拟的整体。

PLM的第五层本事：管生命周期。

产品的生命周期，不光是研发和制造，还包括销售、使用、维护、报废。每一个阶段，都有数据产生，都有信息需要管理。

PLM的理念，就是“从生到死”全程管理。

产品卖出去，用户的反馈收回来；产品在使用，运行的数据收回来；产品要维修，维修的记录保存下来。这些信息，反过来又可以指导下一代产品的改进。

这叫“闭环生命周期管理”。产品活着的时候，管好它；产品死了的时候，总结教训。循环往复，产品一代比一代好。

所以，PLM这个老四，本事也不小。它让产品开发的每一个环节，都有条不紊；让分散在全球的团队，都能协同工作；让产品的每一次变更，都清晰可控。说它是“工业数据的大管家”，一点不过分。

3.5 四大金刚的分工与合作

好了，四大金刚介绍完了。咱们再捋一捋它们的关系。

CAD负责“画”——把产品的形状、结构、尺寸定义清楚。

CAE负责“算”——验证产品好不好用、结不结实、耐不耐用。

CAM负责“做”——告诉机器怎么把产品造出来。

PLM负责“管”——把所有的数据、流程、人员管好。

这四个兄弟，各干各的活，又得配合着干。

CAD画出来的模型，传给CAE去算。CAE算出来的问题，反馈给CAD去改。改完的模型，传给CAM去生成路径。路径生成好了，传给机床去干活。整个过程产生的数据，统统进PLM系统管起来。

一环扣一环，缺一不可。

当然，这只是最简化的描述。实际的情况要复杂得多——CAE的结果会影响CAM的策略，CAM的经验反过来可以优化CAD的设计，PLM里管的数据又能支撑下一次的CAE分析。它们是相互依赖、相互促进的关系。

理解了这四大金刚的分工与合作，工业软件的骨架，就算搭起来了。

上一章讲了四大金刚是干什么的。这一章，咱们讲讲它们是怎么来的——讲几个软件公司的故事，看看那些改变工业世界的“老师傅”，当年是怎么起家的。

4.1 达索系统：从飞机厂走出的软件巨头

1970年代末，法国有一家飞机制造公司，叫达索航空。

这家公司有个特点：特别重视技术。设计师们成天跟复杂的飞机曲面打交道，觉得市面上的CAD软件不好用——功能不够，速度太慢，精度不行。干脆，自己动手开发一套。

1977年，达索航空开始内部开发一套三维设计软件，用来设计“幻影”战斗机。这套软件的名字叫CATI——Conception Assistée Tridimensionnelle Interactive，法语，“交互式三维辅助设计”。

CATI用起来不错，设计师们挺满意。但达索的高管们很快意识到一个问题：这么好的东西，光自己用，可惜了。能不能拿出来卖给别人？

1981年，达索系统公司成立。CATI改名叫CATIA——加了个“A”，是“应用”的意思。

最初的日子并不好过。三维CAD在当时是个新鲜玩意儿，市场很小。达索系统的第一个大客户，是日本的汽车公司——本田、日产、丰田。日本人眼光毒，看到三维设计的潜力，愿意花钱试试。

真正的转折点，是1988年。

那一年，波音公司正在筹备777飞机的研制。777的定位是“全球首架完全无纸化设计的商用飞机”。波音的工程师们研究了一圈市面上的CAD软件，最后选中了CATIA。

为什么选CATIA？因为只有CATIA能处理飞机那种复杂的大型装配——几百万个零件，几十万个连接，几千人协同。别的软件，不是功能不够，就是稳定性不行。

这个决定，改变了CATIA的命运。也改变了工业软件的历史。

接下来的几年，波音和达索系统深度合作。波音提需求，达索系统开发；波音发现问题，达索系统修改。几百个工程师，干了七八年，终于在1994年完成了777的设计——没有一张纸质图纸，全部是数字模型。

CATIA一战成名。从那以后，世界上但凡要搞复杂产品的公司——汽车、飞机、船舶、高铁——几乎都成了CATIA的用户。

今天的达索系统，已经是全球最大的工业软件公司之一。旗下不光有CATIA，还有仿真软件Abaqus、管理软件ENOVIA、协同平台3DEXPERIENCE。去年的营收超过60亿欧元，员工两万多人。

这一切，都始于四十多年前几个飞机设计师的“自己动手”。

4.2 Autodesk：让每个人都能用上CAD

跟达索系统走的精英路线不同，另一家公司走的是平民路线——Autodesk。

1982年，一个叫约翰·沃克的程序员，联合了十几个同事，创办了Autodesk公司。他们的想法很朴素：既然个人电脑越来越普及，能不能在PC上跑CAD软件？

当时的主流CAD软件，都跑在昂贵的工作站上——一台机器几万美金，一般企业用不起。PC呢？几千美金一台，中小企业、个人设计师、甚至学生，都有可能买得起。

沃克他们赌的是：一旦CAD的价格降下来，市场会大得多。

1982年12月，Autodesk发布了第一个产品——AutoCAD 1.0。这个版本的AutoCAD，简陋得可怜：只能画简单的二维图，功能不如工作站软件的十分之一。但它有一个巨大的优势：便宜。一套只要一千美元。

一千美元的CAD，跟几万美元的CAD比起来，简直是白菜价。市场反应热烈。到1985年，AutoCAD的销量已经超过五万套。

AutoCAD的成功，还有一个重要原因：开放性。

沃克他们从一开始就决定，让用户自己开发功能。AutoCAD支持二次开发——用户可以写自己的插件，加自己的功能。这样一来，各行各业的用户，都可以把AutoCAD改造成适合自己行业的工具。建筑、机械、电子、测绘，各有一套。

开发者社区越做越大，插件越来越多，AutoCAD也越来越好用。到1990年代，AutoCAD已经成为全球装机量最大的CAD软件，没有之一。

今天，Autodesk已经是全球最大的设计软件公司之一。产品线从最早的AutoCAD，扩展到三维设计（Inventor）、建筑信息模型（Revit）、动画制作（Maya）、甚至工业数据管理。去年的营收超过50亿美元，用户遍及各行各业。

这一切，都始于四十多年前几个程序员的一个朴素想法：让每个人都能用上CAD。

4.3 SolidWorks：让三维设计变得简单

1990年代，三维CAD开始普及。但有一个问题：不好用。

主流的CATIA、Pro/ENGINEER，功能是强大，但操作太复杂。要记住几百个命令，要理解复杂的概念，要花几个月的时间培训。一般的设计师，根本学不会。

这时候，一个叫乔恩·赫希蒂奇的人，看到了机会。

赫希蒂奇是CV公司的创始人之一。CV公司是最早做CAD的公司之一，后来被收购了。赫希蒂奇退休后，一直琢磨：能不能做一个真正好用的三维CAD？功能够用就行，但一定要简单，要让普通设计师几个小时就能上手。

1993年，赫希蒂奇在波士顿郊区租了个办公室，招了几个年轻人，开始开发SolidWorks。

他们的核心理念有两个。

第一，完全在Windows上跑。当时的CAD软件，很多跑在Unix系统上，界面粗糙，操作反人类。SolidWorks决定，充分利用Windows的特性——菜单、工具栏、鼠标右键、拖拽，全部按Windows的标准来。用过Windows的人，上手SolidWorks就不会太陌生。

第二，参数化设计做到极致。SolidWorks把“特征”这个概念发挥到极致——每一步操作都是一个特征，随时可以回头修改。特征之间有父子关系，一个改，相关的全改。设计意图保留得清清楚楚，修改起来得心应手。

1995年，SolidWorks 1.0发布。市场反应超乎想象的好。设计师们发现，原来三维设计可以这么简单、这么顺手。SolidWorks一下子火了。

接下来的几年，SolidWorks以每年翻倍的速度增长。1997年，公司被达索系统收购——达索系统不想让这个威胁留在外面。但收购之后，SolidWorks仍然独立运营，保持自己的产品路线和开发理念。

到今天，SolidWorks还是全球装机量最大的三维CAD软件之一。全球有超过600万用户，遍布各行各业。当年的愿景——“让每个设计师都能用上三维CAD”——早就实现了。

4.4 Ansys：从工程师的个人项目到仿真帝国

1969年，一个叫约翰·斯旺森的年轻人，从康奈尔大学博士毕业，进了匹兹堡的西屋电气公司。

斯旺森的工作，是做有限元分析。当时有限元还是个新东西，没有商业软件可用。工程师们想算点什么，得自己写程序。斯旺森整天写那些重复的代码，烦不胜烦。

他想：能不能写一个通用的程序，让大家都用？写一次，以后就不用每次都从头来了。

于是，斯旺森利用业余时间，偷偷写程序。写了一年多，搞出一个叫ANSYS的程序。ANSYS的意思是“ANalysis SYStem”——分析系统。这个程序，后来成了商业有限元软件的鼻祖之一。

1970年，斯旺森离开西屋，创办了自己的公司——Swanson Analysis Systems。最早的办公室，就是他家地下室。最早的客户，是西屋的同事——他们知道斯旺森写了个好东西，愿意花钱买。

头几年，日子很艰难。斯旺森自己写程序，自己跑销售，自己搞技术支持。订单来了，熬夜写代码；订单没来，出去跑客户。就这样熬了七八年，公司才算站稳脚跟。

1980年代，ANSYS的用户越来越多。功能越来越强，能算的结构越来越复杂。1996年，公司改名Ansys Inc.。这时候，Ansys已经是全球最大的有限元软件公司之一。

2000年，Ansys做了一件大事——收购了Fluent公司。Fluent是做流体仿真的，跟Ansys的固体力学仿真正好互补。这笔收购，让Ansys成为少数几个同时能做固体和流体仿真的公司之一。

之后的二十年，Ansys一路买买买——买了做电磁仿真的Ansoft，买了做高频仿真的HFSS，买了做显式动力学的LS-DYNA。每一次收购，都补上一块短板。到今天，Ansys的产品线几乎覆盖了所有物理场——力学、流体、热学、电磁学、声学，无所不包。

今天的Ansys，已经是全球仿真软件的霸主。全球前二十大工业企业，全是Ansys的客户。去年的营收超过20亿美元，员工超过五千人。

这一切，都始于五十多年前一个工程师的“偷懒”——不想写重复代码，想一次写完大家用。谁能想到，这个小小的偷懒，最后长成了一个仿真帝国。

4.5 PTC：参数化革命的发起者

1980年代中期，三维CAD刚刚兴起。当时的CAD软件，有个共同的问题：修改太麻烦。

你画好一个模型，想改一个尺寸，得删掉特征重新画。因为模型是“死”的——每个几何元素之间，没有关系。你改了圆角半径，孔的位置不会跟着动；你改了总长，细节特征不会自己调整。

这时候，一个叫塞缪尔·盖斯伯格的数学家，想到了一个主意：用参数来定义几何。

什么叫参数？就是“变量”。你画一个零件，不画具体的形状，而是画一个“模板”。模板里，尺寸不是固定的数字，而是“变量”——比方说，长度=A，宽度=B，高度=C。A、B、C可以随时改，模型自动更新。

更重要的是，几何元素之间的关系，也可以用参数来描述。比方说，孔的中心到左边=A/2，到前边=B/3。改A、B，孔的位置自动跟着动。

这叫参数化设计。它是革命性的——从此以后，模型不再是死的，而是“活”的；设计不再是静态的，而是动态的。

盖斯伯格拿着这个想法，找了几个投资人，1985年创办了PTC——Parametric Technology Corporation，参数技术公司。

1987年，PTC发布了第一个产品——Pro/ENGINEER。这个产品，让整个CAD行业都震惊了。因为它的理念太超前了——全参数化、全相关、基于特征。模型里每一个元素，都有关系；改一处，全动。

市场反应热烈。尤其是有复杂产品要设计的公司——汽车、飞机、机械装备——简直像找到了救星。Pro/ENGINEER迅速占领了高端市场，PTC的股价一路飙升。

之后的三十年，PTC一直是CAD领域的重要玩家。产品线从CAD扩展到PLM、物联网、增强现实。虽然中间的路线有过摇摆，但Pro/ENGINEER打下的根基，一直支撑着这家公司走到今天。

参数化革命的故事，证明了技术理念的力量。一个聪明的想法，可以改变整个行业。

4.6 西门子：从数控到数字工厂

西门子做工业软件，跟前面几家不太一样。前面的都是从CAD起家，西门子是从“控制”起家。

1960年代，西门子就开始做数控系统。数控机床的核心，就是控制系统。西门子的控制系统，卖得不错，成了数控领域的大玩家。

1990年代，西门子发现一个问题：控制系统做得好，但上面的软件不够强。设计软件是别人的，仿真软件是别人的，管理软件也是别人的。西门子只能做底层，做不了上层。

怎么办？买。

2001年，西门子收购了意大利的ORSI公司——一家做MES（制造执行系统）的公司。这是西门子在工业软件领域的第一次大收购。

2003年，收购了比利时的Compex公司——做仿真优化的。

2005年，收购了德国的Innotec公司——做工艺规划的。

2007年，最重要的一次收购：买下了美国UGS公司。UGS是做CAD/CAM/PLM的，旗下有著名的NX软件和Teamcenter平台。这笔收购花了35亿美元，是当时工业软件领域最大的一笔交易。

UGS的加入，让西门子一下子补齐了设计和管理的短板。从设计软件，到工艺软件，到制造执行系统，到底层控制系统，西门子都能提供。

之后的十几年，西门子继续买买买——买了做电磁仿真的Infolytica，买了做多物理场仿真的CD-adapco，买了做电子设计自动化的Mentor Graphics。每一次收购，都在补强自己的产品线。

今天的西门子数字化工业软件，已经是全球工业软件的巨头之一。产品线覆盖设计、仿真、制造、管理，几乎无所不包。去年的营收超过50亿欧元，员工超过一万五千人。

西门子的故事，告诉后来者：工业软件这个行业，不自己慢慢做，可以用资本的力量快速拼。但前提是，你得懂这个行业，知道该买谁，买了之后怎么整合。

4.7 Wonderware：让控制室变得好看

最后一家的故事，咱们讲讲Wonderware。这不是最大的工业软件公司，但绝对是最有传奇色彩的一家。

1987年，美国加州，两个工程师——丹尼斯·莫林和菲尔·胡贝尔——创办了Wonderware公司。

当时，工业控制软件长什么样？字符界面，满屏的代码，闪烁的指示灯。操作员要盯着黑白屏幕，看那些数字跳来跳去，判断有没有异常。想要操作，得输命令，记一堆指令。

莫林和胡贝尔觉得，这太落后了。个人电脑都进入图形界面时代了，为什么工业控制还要用这种老古董？

他们想：能不能在Windows上跑控制软件？能不能用鼠标点，不用键盘输？能不能用图形代替字符，让操作员一眼就看明白？

带着这个想法，他们开始写程序。写了两年，1989年，发布了InTouch 1.0——全世界第一款在Windows上运行的工业监控软件。

InTouch的界面，在今天看来不算什么。但在当时，简直是革命性的。画面上是彩色的图形——管道、阀门、泵、罐子，跟工厂里的实物一模一样。数值在旁边显示，红色表示异常，绿色表示正常。操作员想开阀门，鼠标点一下就行；想看历史趋势，拖一下鼠标就行。

InTouch一出，整个行业都震动了。原来控制软件可以这么好看、这么好用！订单像雪片一样飞来。到1998年，InTouch的全球装机量超过15万套。全球三分之一的工厂，都在用Wonderware的软件。

之后几年，Wonderware不断推出新产品——InSQL实时数据库、FactorySuite集成套件、System Platform平台。每一步，都在引领行业的方向。

1998年，Wonderware被英国Siebe公司收购。后来Siebe跟BTR合并，成了Invensys集团。2014年，施耐德电气收购了Invensys。2018年，施耐德把自己的软件业务跟英国AVEVA公司合并。Wonderware的品牌，渐渐融入了AVEVA体系，变成了AVEVA InTouch。

品牌虽然变了，但Wonderware开创的那一套东西——图形化的人机界面、实时数据库、集成化的平台——至今还在用。今天全球任何一家工厂的控制室，屏幕上那些花花绿绿的图形，源头都可以追溯到1987年加州那两个工程师的奇思妙想。

4.8 这些故事告诉我们什么

讲了这么多故事，有几点感触挺深。

第一，工业软件都是“用出来”的。

CATIA是飞机设计师自己开发的，Ansys是工程师在干活时写的，Wonderware是两个程序员看不惯传统界面自己搞的。没有一个是凭空想出来的，都是在解决实际问题的过程中长出来的。

这就意味着，做工业软件，光有技术不行，得懂工业，得进工厂，得跟一线工程师聊天。只有深入现场，才知道问题在哪儿，才知道解决方案该怎么设计。

第二，工业软件是慢功夫。

看看这些公司的历史：达索系统从1981年成立，到今天四十多年；Ansys从1970年成立，到今天五十多年；PTC从1985年成立，到今天快四十年。每一个都是几十年的积累，才走到今天的位置。

一个成熟的工业软件，需要时间慢慢磨。功能要迭代，稳定要打磨，生态要建设，品牌要积累。这些都不是砸钱能砸出来的，得用时间慢慢养。

第三，工业软件是团队活儿。

这些公司，没有一个是一个人做出来的。达索系统背后是几百个工程师的贡献，Ansys背后是几千个开发者的智慧，西门子背后是上万个员工加上无数次收购的整合。

一个人可以写一个程序，但写不出一个工业软件。工业软件需要各种人才——懂算法的人、懂工程的人、懂用户的人、懂市场的人——一起干活。团队越强，软件越好。

第四，工业软件有偶然也有必然。

这些故事里，有不少偶然因素——波音选了CATIA，SolidWorks在Windows上跑，InTouch赌对了图形界面。但背后也有必然——敢于创新的人，总能找到机会；坚持长期主义的人，总能走到最后。

偶然给了机会，必然决定了谁能抓住机会。

理解了这些，再看今天的工业软件，就能看出更多门道。

聊了这么多历史，有个问题肯定绕不过去：工业软件到底难在哪儿？为什么全世界能做的就那么几家？为什么咱们国家搞了这么多年，还是有不少差距？

这一章，咱们就掰开揉碎了讲讲，工业软件这块“硬骨头”，到底硬在哪儿。

5.1 数学的硬：解了几十年的偏微分方程

先说说最底层的——数学。

工业软件的核心，是求解。CAE要解偏微分方程，CAD要解几何约束，CAM要解路径优化，PLM要解数据关系。这些问题的背后，都是数学。

以CAE为例。要模拟一个零件的受力，核心是解一组叫“弹性力学方程组”的偏微分方程。这组方程长什么样？咱们不写公式，只说复杂程度：三维情况，有十几个变量，十几个方程，相互耦合，非线性的那种。

怎么解？用有限元法。有限元法的本质，是把连续的方程，变成离散的代数方程组。这个转换过程，涉及大量数学推导——加权余量法、变分原理、高斯积分、数值稳定性分析。随便哪个概念，都能写一本教科书。

方程离散完了，要解。一个复杂零件的有限元模型，可能有几百万个自由度。解几百万个方程组成的线性方程组，需要高效的数值算法——共轭梯度法、多重网格法、预处理技术。这些算法，又是几十年的研究成果。

更麻烦的是，很多问题是非线性的。材料非线性——比方说塑性，应力跟应变不是线性关系。几何非线性——比方说大变形，形状变了，方程本身也变了。边界非线性——比方说接触，两个零件碰上了，条件才成立，碰不上就不成立。

非线性问题的求解，更复杂。要用牛顿-拉弗森迭代，每一步都要重新组装矩阵，每一步都要判断收敛性。迭代几千步，不收敛是常事。怎么保证收敛，怎么加速收敛，都是大学问。

这些数学方法，都是几十年积累下来的。你买个软件，不用自己写。但你要是想自己做一个，对不起，这些数学基础，得从头垒。

工业软件的数学门槛，是第一道硬骨头。

5.2 物理的硬：把真实世界装进方程里

数学解完了，还没完。你得告诉计算机，真实世界是什么样的。这就是物理。

真实世界很复杂。材料有几百种——钢、铝、塑料、橡胶、复合材料，每种都有自己的本构关系。什么叫本构关系？就是应力跟应变的关系。钢是线弹性的，橡胶是超弹性的，塑料是粘弹性的，每种材料的本构方程都不一样。你得把这些关系，写进程序里。

温度的影响要考虑。材料性能随温度变化——高温下，钢变软了；低温下，塑料变脆了。你得告诉计算机，温度变了，材料参数怎么变。

载荷的影响要考虑。静态载荷，匀速加载，计算简单。动态载荷，冲击、爆炸、跌落，时间效应出来了，要算时间历程。疲劳载荷，反复加载卸载，要算寿命，要预测什么时候会坏。

多物理场耦合要考虑。电机工作，电磁场产生热量，热量导致温度升高，温度升高导致材料膨胀，膨胀产生应力，应力影响电磁性能——一圈耦合下来，复杂得一塌糊涂。你要把这些相互影响的关系，都写进方程里。

边界条件要考虑。零件怎么固定，力怎么加载，热量怎么传递，流体怎么流动，电磁场怎么屏蔽——这些条件，都要用户输入。用户输入的不对，算出来的就不对。软件得有办法帮用户判断，输入合不合理。

真实世界的每一个细节，都要在软件里体现。体现得越细，算得越准；算得越准，软件越好用。

工业软件的物理深度，是第二道硬骨头。

5.3 工程的硬：从实验室到工厂的漫长道路

数学和物理搞定了，程序写好了，算出来挺准。能卖了吗？还早。接下来，是工程化的漫漫长路。

第一个问题：用户是谁？

工业软件的用户，是工程师。工程师不是数学家，也不是物理学家。他们不懂偏微分方程，不懂有限元法，不懂本构模型。他们只关心一件事：这软件能不能解决我的问题？

所以，你得把复杂的数学物理，藏到简单的界面后面。用户点几个按钮，输入几个参数，就能得到想要的结果。这叫“可用性”。

要做到可用，得有好的交互设计，得有直观的操作方式，得有清晰的结果呈现。用户点错了，要给提示；用户不会用，要有教程；用户遇到问题，要有支持。这些活儿，不比写核心算法轻松。

第二个问题：稳定吗？

工业软件的使用场景，不是实验室，是工厂。工厂是什么环境？机床嗡嗡响，灰尘到处飞，电压忽高忽低，操作员累了困了可能乱点鼠标。

软件在这种环境下，得扛得住。不能动不动崩溃，不能算着算着卡死，不能存着存着丢数据。这叫“健壮性”。

要达到健壮，得有严格的测试——单元测试、集成测试、系统测试、压力测试、回归测试。一套软件几百万行代码，测试覆盖率要达标，bug率要控制，性能要监控。这套测试体系，不是一天两天能搭起来的。

第三个问题：兼容吗？

工业软件不是孤岛。它得跟别的软件配合。CAD模型要导给CAE，CAE结果要传回CAD，CAM要读CAD模型，PLM要管所有数据。每个软件都有自己的数据格式，怎么保证互相能读懂？

国际上有标准——STEP、IGES、DXF——但这些标准都只是基础。真正用起来，每家都有自己的扩展，自己的约定。要保证兼容性，得跟其他软件厂商合作，得参加行业组织，得不断更新适配。

更要命的是，用户的软件环境五花八门。有的用Windows 10，有的还用Windows 7；有的用Linux，有的用Unix；有的是单机，有的是集群。你得保证软件能在所有这些环境下跑起来，不出问题。

第四个问题：支持得起吗？

软件卖出去了，服务刚开始。用户不会用，得培训；用户遇到问题，得支持；用户有新需求，得升级。这些服务，都得有人做。

工业软件的服务，不是打个电话就能解决的。往往要派工程师去现场，跟用户一起分析问题，一起找原因，一起想方案。去一趟，可能是几天，可能是一周。差旅费、人工费，都是成本。

用户多了，服务团队也得跟着壮大。招人、培训、考核、管理，一套体系搭起来，又得几年。

工业软件的工程门槛，是第三道硬骨头。

5.4 时间的硬：那些用几十年熬出来的积累

最硬的骨头，其实是时间。

你看看那些老牌工业软件公司，哪个不是几十年的历史？达索系统四十三年，Ansys五十五年，PTC四十年，西门子从做数控算起，快六十年了。

这几十年，他们干了什么？

第一，攒数据。

工业软件的很多参数，是试验试出来的。比方说材料数据——某种钢材在多少温度下的弹性模量是多少，屈服强度是多少，疲劳极限是多少。这些数据，都是几十年无数试验攒下来的。你买得到软件，买不到这些数据。

第二，攒案例。

用户用过的东西，都是案例。汽车碰撞的案例，飞机气动的案例，电子散热的案例，机械振动的案例。每个案例都是一次验证——软件算得准不准，边界条件怎么设，网格怎么画才合适。这些案例攒得多了，软件才好用。

第三，攒口碑。

工业用户，特别保守。买软件，不只看功能，更看谁在用。波音用了，空客用了，通用汽车用了，丰田用了，那就说明这东西靠谱。口碑不是一天能攒出来的，是几十年无数用户用出来的。

第四，攒人才。

一个成熟的工业软件公司，员工里可能有做了二十年的老程序员，有干了三十年的领域专家，有服务用户一辈子的技术支持。这些人脑子里的东西，比代码重要得多。新人进来，老人带着，一代一代传下去。这套人才培养体系，不是钱能买来的。

工业软件的时间门槛，是第四道硬骨头，也是最难跨的一道。

5.5 生态的硬：不只是软件，是整个系统

最后一道门槛，是生态。

什么叫生态？就是围绕这个软件长出来的一整套东西。

有培训的生态。用软件得有人教。培训教材谁写？培训机构谁办？认证体系谁定？这些事儿，光靠软件公司自己做，做不过来。得有一批合作伙伴，专门做培训。他们懂软件，懂行业，能帮用户快速上手。

有开发的生态。用户有特殊需求，软件的标准功能满足不了，怎么办？得有二次开发。软件的API开放出来，让用户自己写插件，自己加功能。但光开放不够，还得有人教怎么开发，还得有论坛讨论问题，还得有社区共享成果。

有咨询的生态。用户买了软件，不知道怎么用才能发挥最大价值。得有咨询公司，帮用户诊断问题，帮用户优化流程，帮用户落地应用。这些咨询顾问，得懂行业，懂管理，懂技术。

有集成的生态。软件不是孤岛，得跟其他系统集成——跟ERP集成，跟MES集成，跟SCADA集成。得有系统集成商，专门做这些事儿。他们知道接口怎么对，数据怎么转，流程怎么配。

有硬件的生态。CAD软件对显卡有要求，CAE软件对CPU有要求，控制软件对采集卡有要求。得有硬件厂商，专门做适配。软件更新了，硬件得跟上；硬件出新款了，软件得支持。

这些东西，加在一起，形成一个“网”。网织得越密，用户越离不开这个软件。因为换一个软件，不光是换软件本身，整个网都得换——培训的人要重新学，开发的插件要重新写，集成的接口要重新对，咨询的经验要重新攒。

这就是“锁定效应”。后来者想进来，功能做得再好，价格再便宜，只要这张网织不起来，就很难撬动用户。

工业软件的生态门槛，是第五道硬骨头。

5.6 小结：为什么说它是“工业皇冠的明珠”

讲了这么多硬骨头，你大概能理解，为什么工业软件这么难做了。

数学要硬，物理要硬，工程要硬，时间要硬，生态要硬。五道门槛，一道比一道难跨。

这五道门槛，不是砸钱能砸过去的，不是堆人才能堆出来的。得用时间慢慢熬，得靠一代一代人的积累，得靠无数用户的使用打磨。

所以有人说，工业软件是“工业皇冠的明珠”。不是说它金光闪闪，是说它太难得了。全世界能做出好东西的，就那么几家。几十年下来，他们的地位，很难撼动。

但这不代表后来者没有机会。新的技术来了，新的场景来了，新的需求来了，新的变数就来了。就看谁能抓住这些变数，谁能把这五道门槛，跨过去几道。

聊完难处，说说咱们自己。中国工业软件这几十年，是怎么走过来的？现在在哪儿？还差什么？

6.1 从“甩图板”说起

中国工业软件的故事，得从“甩图板”说起。

1980年代，中国的工程师们画图，还是用老办法——铅笔、丁字尺、三角板、鸭嘴笔。一张图，画几个月，改几天。效率低，周期长，精度差。

1991年，国家启动了“CAD应用工程”。目标是让企业用上计算机绘图，“甩掉图板”。

这个工程，对中国工业软件的发展，影响深远。

一方面，大批企业开始采购CAD软件。国内做CAD的公司，借这股东风，迅速成长起来。比方说，广州的京粤CAD，武汉的开目CAD，苏州的浩辰CAD。这些公司的产品，虽然比不上国外大牌，但便宜，能用，服务好，国内企业愿意用。

另一方面，国家支持高校搞CAD研究。浙大、清华、华中工学院（现在的华中科大），都成了CAD研究的重要基地。很多今天做工业软件的骨干，就是那时候培养出来的。

“甩图板”搞了十几年，效果显著。到2000年代初，国内大中型企业的设计部门，基本上都实现了计算机绘图。二维CAD普及了，工程师的工作效率大大提高。

6.2 跟跑阶段：能做，但不够好

二维CAD普及了，接下来是三维CAD。

三维的难度，比二维高得多。几何造型、参数化设计、特征建模、大型装配，每一个模块都是硬骨头。

国内公司试过自己开发。1990年代末，浙大、清华、华中科大都有团队在做三维CAD的研发。但做到后来，发现太难了。资金不够，人才不够，时间不够，市场更不够——国外大牌的产品太成熟，用户凭什么用你的？

到2000年代，国内的三维CAD，基本上放弃了自主开发，转而走“二次开发”的路子——在国外的平台上，加自己的功能。比方说，基于SolidWorks做模具设计模块，基于CATIA做汽车设计模块。这样能快速出产品，能服务特定行业，但核心平台不是自己的。

CAE的情况类似。国内也有一些做CAE的公司，比方说大连的英特仿真，北京的安怀信。他们的产品，在特定领域有一定竞争力——比方说船舶、航空、核电——但要跟Ansys全面竞争，还差得远。

CAM和PLM，也是这个状态。能做，但不够好。能用，但不够强。跟国外一线产品比，总有差距。

这个阶段，叫“跟跑”。别人在前面跑，我们在后面跟。跟得上，但超不过。

6.3 被“卡”醒过来的日子

2018年，中兴事件。2019年，华为事件。

这两件事，让全国人民都知道了什么叫“卡脖子”。工业软件，就是被卡得最狠的地方之一。

美国一纸禁令，哈工大、哈工程的MATLAB用不了了。师生们打开软件，弹出提示：您的授权已终止。想用？没门。

这事儿影响太大了。工科学生做研究，哪个不用MATLAB？数据要分析，算法要验证，模型要仿真，全指着它。一禁，研究没法干了。

更严重的是企业。设计飞机用CATIA，仿真用Ansys，管理用Teamcenter，全是国外的。万一哪天也被禁了，怎么办？

“万一”不是不可能。工业软件，是工业的“大脑”。大脑被别人捏着，能睡得着觉吗？

从那时起，工业软件突然成了全社会关注的话题。资本进来了，政策下来了，人才开始往这个领域流了。

一批创业公司冒了出来。做CAE的、做CAD的、做EDA的、做PLM的，各种方向的都有。资本追捧，估值飙升，热热闹闹。

有搞仿真的，从航空航天领域起步，产品用在火箭、卫星、导弹上。有搞设计的，从模具行业切入，用云CAD的模式，让设计师在浏览器里就能建模。有搞管理的，服务中小企业，提供轻量级的PLM方案。

这些公司，有的融了好几轮钱，有的上了市，有的还在埋头打磨产品。热是热了，但能不能真正长出几个有竞争力的产品，还得看接下来几年的造化。

6.4 现在走到哪一步了？

实事求是地讲，中国工业软件这几十年，有进步，但差距还在。

先说好的方面。

第一，能用的问题基本解决了。二维CAD，国内产品跟国外差距不大。国产CAE，在一些特定领域——比方说船舶、航空、核电——已经能用，有的还很好用。国产PLM，服务中小企业绰绰有余。大部分企业，如果只求“能用”，国产软件是可以满足的。

第二，有些领域有亮点。华为的EDA工具，已经能做到14纳米；中望软件的CAD，在海外市场卖得不错；数码大方的注塑模具软件，在细分领域有竞争力。这些亮点，说明在某些点上，我们能做到跟国外差不多的水平。

第三，人才队伍起来了。前些年，做工业软件是冷门，没人愿意来。这几年热度上来了，高校开始设工业软件专业，年轻人开始愿意进这个行业。广工大、华中科大、清华、浙大，都在培养工业软件人才。再过几年，这批人长起来，会有帮助。

再说差距。

第一，核心平台还是别人的。很多国产软件，不是从头开发的，是在国外平台上做的二次开发。平台是人家的，人家一升级，你得跟着改；人家一卡，你就没得用。这个隐患，还在。

第二，高端市场进不去。飞机、汽车、芯片这些高端制造业，用的还是国外软件。不是因为不爱国，是因为国产软件确实达不到要求。精度、稳定性、可靠性、易用性，全方位的差距。

第三，生态没起来。前面讲过，工业软件不光是软件本身，还有培训、开发、咨询、集成、硬件的生态。这个生态，国内还没长起来。用户买了软件，找不到人培训；遇到问题，找不到人咨询；想二次开发，找不到人帮忙。用起来累，就不愿意用。

第四，数据积累不够。国外的CAE软件，材料数据、仿真案例、最佳实践，攒了几十年。国内才几年？数据不全，案例不多，用户用着心里没底。算出来的结果，到底准不准？不敢信。

第五，资金投入还不够。工业软件研发，投入大，周期长，见效慢。国外公司每年几十亿美金的研发投入，国内公司一年能投几个亿就算大的了。差的不是一个数量级。

所以，现状是：能用，但不够好；有点亮，但没成面；追得快，但追上的少。

6.5 机会窗口在哪里？

差距在，机会也在。

第一个机会：新赛道。

云来了，AI来了，工业软件的形态在变。传统的单机版、授权模式，正在向云端、订阅模式转变。这个转变，对所有玩家都是新的起跑线。

云CAD、云CAE、云PLM，这些新东西，大家都还在摸索。国内公司如果能抓住这个窗口，有可能实现“换道超车”。

第二个机会：新需求。

中国制造业在转型升级。智能制造、数字孪生、工业互联网，这些新概念需要新软件。老牌的国外软件，功能是强，但灵活不够，适配新场景慢。国内公司如果反应快，能做出贴合新需求的产品，有机会切进去。

第三个机会：新生态。

国产替代的大趋势，给国产软件创造了市场空间。很多央企国企，有明确的国产化率要求。只要你产品能用，我就愿意试。愿意试，就能积累用户反馈；有反馈，就能迭代优化。这个正循环，以前没有，现在有了。

第四个机会：新人才。

前面说了，人才队伍起来了。年轻人愿意进这个行业，高校开始培养相关人才。这批人几年后长起来，会是国产软件的中坚力量。

第五个机会：新格局。

中美科技脱钩的大背景，让供应链安全成了企业的头等大事。以前买国外软件，图省事，图放心。现在不行了，万一哪天被禁了呢？企业开始有动力找备份，找替代。这个动力，比什么政策都管用。

6.6 从“能用”到“好用”还要多久

从“能用”到“好用”，中间隔着一道鸿沟。

“能用”的标准低。功能有就行，偶尔出错也能忍，服务差点也能凑合。“好用”的标准高。功能全，性能稳，易上手，服务好，生态全。差了哪样，用户都不满意。

跨过这道鸿沟，需要时间。少说五年，多说十年。

五年能干什么？能把核心功能做得更全，能把稳定性磨得更强，能把用户体验改得更好。能把几个关键的行业案例做好，能把几个大客户服务好。能攒一批用户反馈，迭代几个大版本。

十年能干什么？能把产品线铺开，能从点上的突破变成面上的覆盖。能把人才培养起来，能让团队有厚度。能把生态做起来，能让合作伙伴围着长。能攒足够的数据，能让用户越来越有信心。

时间是工业软件的朋友。只要坚持做，时间会帮我们补齐短板。

但时间也是工业软件的敌人。别人也在跑，我们追得快，别人跑得不慢。能不能追上，关键看两条：一是坚持，二是专注。坚持做长期投入，专注做核心产品。不瞎折腾，不走弯路，时间会给出答案。

聊完历史，说说未来。新技术来了，AI来了，工业软件会变成什么样？

7.1 AI如何改变工业软件

AI对工业软件的影响，可能比我们想象的要大。

第一，设计环节：从“人画”到“机生”。

现在的CAD，是人画的。工程师动鼠标，软件生成模型。未来的CAD，可能是“生成式”的。你告诉软件：我需要一个支架，连接这两个点，承重50公斤，材料是铝合金。软件自动给你生成几个方案，你选一个，微调一下，完事。

这叫“生成式设计”。它背后的技术是AI——用大量的设计数据训练模型，让模型学会“设计”这件事。用户输入需求，模型输出方案。

有人已经在做了。达索系统、PTC、Autodesk，都在搞生成式设计的功能。Autodesk的Fusion 360里，有个叫“Generative Design”的模块，已经能让用户输入需求、自动生成方案了。

第二，仿真环节：从“慢算”到“快测”。

现在的CAE，算一次要几小时，甚至几天。想算几十次，找最优方案？时间受不了。

AI可以加速。用机器学习的方法，训练一个“代理模型”——这个模型学的是原CAE软件的输入输出关系。算一次新方案，用代理模型几秒钟出结果，不用等几小时。

代理模型当然有误差。但可以用它来做快速筛选——几千个方案，先筛出几百个候选，再用精确CAE去验证。效率提升几十倍。

这叫“AI加速仿真”。是CAE领域的热门方向。

第三，制造环节：从“编程”到“对话”。

现在的CAM，要写路径，要设参数，要调策略。操作复杂，学习成本高。

未来的CAM，可能变成对话式的。你告诉它：用直径10的刀，先粗后精，表面粗糙度1.6。它自动给你生成路径，自动优化轨迹，自动检查碰撞。你只需要看结果，点确认。

这叫“智能编程”。背后的技术是AI——把工艺知识教给AI，让它理解“粗加工”“精加工”“表面粗糙度”这些概念，然后自动决策。

第四，管理环节：从“记录”到“预测”。

现在的PLM，主要是记录——记录数据，记录流程，记录变更。未来的PLM，可以做预测——预测产品的问题，预测项目风险，预测资源需求。

数据都在那儿，AI可以学。学出来之后，告诉你：这个零件的历史数据表明，它容易在某个环节出问题，你要注意。这个项目的进度，比类似项目慢，可能要延期。这个资源的占用率，下周会达到峰值，你要提前准备。

这叫“智能PLM”。把AI加进去，让管理系统从“记录过去”变成“预测未来”。

7.2 云的冲击

除了AI，云的冲击也很大。

第一，部署模式变了。

以前工业软件都是单机版，装在工程师的电脑上。用的时候打开，不用的时候关着。协作起来麻烦——文件发来发去，版本对来对去。

云模式下，软件装在云端，用户用浏览器访问。数据也存云端，大家看同一个模型，用同一个版本。协作方便，管理简单。

第二，收费模式变了。

以前卖软件，一次收一大笔钱——几万、几十万、几百万。用户买之前要反复评估，买了之后用十年八年。

云模式下，按年订阅，按需付费。用户门槛低了，软件公司现金流稳了。这个模式，对用户和厂商都好。

第三，开发模式变了。

以前做软件，两三年一个版本。新功能要等，bug修复要等。

云模式下，随时迭代，随时更新。今天写好的功能，明天用户就能用。敏捷开发、持续交付，在云上可以实现。

第四，数据模式变了。

以前数据在用户自己手里，软件公司看不到，也用不了。

云模式下，数据在云端，可以脱敏使用。软件公司可以学用户的行为，可以分析使用模式，可以用数据训练AI模型。数据变成新的资产。

7.3 数字孪生：虚拟与现实的融合

另一个大趋势，是数字孪生。

什么叫数字孪生？就是给物理世界的每一个产品、每一台设备、每一条产线，在虚拟世界里建一个“数字双胞胎”。物理世界发生什么，数字世界同步反映。数字世界做什么决策，物理世界实时执行。

听起来玄乎，其实已经在用了。

比方说，飞机发动机。每台发动机上装几百个传感器，实时传回数据——温度、压力、转速、振动。地面系统里，有一个这台发动机的数字模型。传回来的数据，实时输入模型，让模型同步运转。

模型可以做什么？可以预测故障。数据异常，模型算出来：再飞200小时，这个叶片可能要坏。维修团队提前准备，等飞机落地就换。这叫“预测性维护”。省的是钱，保的是安全。

数字孪生的实现，靠的是工业软件。设计软件建模型，仿真软件算状态，物联网软件传数据，管理软件做决策。所有软件连在一起，形成一个闭环。

未来的工厂，可能是这样的：每一个设备都有数字孪生，每一个流程都在虚拟世界先跑一遍，每一个决策都经过仿真验证，才在物理世界执行。虚拟和现实，越来越融合。

7.4 开源：挑战还是机遇？

工业软件领域，开源是个绕不开的话题。

传统的工业软件，都是闭源的。代码在厂商手里，别人看不到，也改不了。用户要什么功能，得等厂商开发。厂商不开发的，就只能忍着。

开源模式不一样。代码公开，谁都能看，谁都能改。用户需要什么功能，自己加。加完了，可以共享给别人。

这个模式，在别的软件领域很成功——Linux、Python、TensorFlow，都是开源的。工业软件能不能走这条路？

有人在做。OpenFOAM，流体仿真的开源软件，学术圈用得很多。Salome，CAE平台的开源项目，欧洲核子研究中心开发的。FreeCAD，三维建模的开源软件，全球社区维护。

这些开源项目，功能比不上商业软件，但在教育和科研领域，已经有了不小的影响。

对中国来说，开源可能是一个机会。我们起步晚，积累少，闭源模式追起来慢。开源模式，可以站在全球社区的肩膀上，用别人的代码，学别人的思路，加自己的功能。

但也有限制。很多开源软件的许可证，不保证你能商用；很多核心模块，开源社区没有；很多行业知识，开源软件不涉及。开源可以借力，但不能靠它解决一切问题。

7.5 人机协同：AI是取代还是辅助？

最后说说人机协同的问题。AI来了，很多人担心：工程师会不会被取代？

我的看法是：短期内不会，长期看也不完全是取代，而是“协同”。

工业设计这个活儿，涉及的东西太多。有数学，有物理，有工程，有审美，有经验，有创意。AI能学会数学，能学会物理，能学会工程规范，但学不会审美，学不会创意，学不会“这地方看着别扭”的那种直觉。

AI能做的是：帮你算得快点，帮你试得全点，帮你筛得细点，帮你做得规范点。决策还得你来，创意还得你来，拍板还得你来。

这叫“人机协同”。AI是工具，不是替代。就像当年CAD没有取代设计师，只是让设计师画得更快；CAE没有取代分析工程师，只是让工程师算得更准。AI也是一样，会改变工程师的工作方式，但不会让工程师失业。

可能的变化是：工程师的门槛会降低。以前要懂很多才能干这个活儿，以后AI帮你做很多，新人上手更快。但天花板会更高。因为有AI辅助，人可以挑战更复杂的问题，做更深入的探索。

这对工业软件的发展，是好事还是坏事？我想是好事。工具越强，人能做的事越多；人能做的事越多，对工具的要求越高；要求越高，工具进化越快。正循环。

聊了这么多技术和产业，最后想聊聊人。

工业软件这个活儿，不是谁都能干的。它要的东西太多——懂数学，懂物理，懂编程，懂工程，懂用户，懂行业。这么复杂的要求，能干的人，本来就不多。

8.1 什么样的人能做工业软件

我琢磨了这些年，觉得能干工业软件的人，大概有三种。

第一种是“数学脑袋”。他们喜欢琢磨方程，喜欢推公式，喜欢抠算法的细节。一个偏微分方程的解法，他们能讲几个小时不带重样的。这种人适合做求解器，做核心算法，做最底层的数学库。

第二种是“工程脑袋”。他们喜欢跑工厂，喜欢看设备，喜欢跟一线工人聊天。一个零件怎么加工，他们能说出门道来；一个工艺怎么改进，他们能想到点子去。这种人适合做应用，做行业方案，做用户支持。

第三种是“产品脑袋”。他们喜欢琢磨用户，喜欢想功能，喜欢画界面。一个按钮放在哪儿顺手，一个操作怎么设计省事，他们能琢磨半天。这种人适合做产品经理，做交互设计，做用户体验。

三种脑袋，缺一不可。只有数学，做出来的东西别人不会用；只有工程，做出来的东西不够深；只有产品，做出来的东西不够硬。

最难的是三种脑袋都有的人。这种人太少了，打着灯笼都难找。大部分团队，是三种人凑在一起干活。数学脑袋写核心，工程脑袋定功能，产品脑袋管体验。配合得好，才能出好东西。

8.2 从哪儿来？

工业软件的人才，从哪儿来？

高校是源头。数学系、物理系、力学系、机械系、计算机系，都能出人。但光靠课堂不行，得有机会接触真东西。真东西在哪儿？在企业，在项目，在用户那里。

现在的问题是，高校的课程偏理论，跟工业软件的实际需求脱节。学生学了一堆数学，不知道往哪儿用；学了一堆编程，不知道写什么；学了一堆力学，不知道算什么。到企业从头学，成本太高。

解决的办法，一是校企合作，让企业参与课程设计，让学生有机会接触真实项目；二是新工科建设，把工业软件的内容融入课程体系；三是实习实训，让学生去企业待一段时间，知道真实场景什么样。

广工大有个做法：从理工科学生中选拔，进工业软件专业，先学嵌入式程序和数据库，再学专业课程。这样培养出来的学生，既懂技术，又懂应用。这个路子，值得推广。

8.3 拿什么留住人

培养出来的人，怎么留住？

这是个现实问题。做工业软件，收入比不上互联网大厂，也比不上金融行业。一个刚毕业的学生，去互联网公司年薪三十万，来工业软件公司可能只有一半。人往高处走，能留得住吗？

光靠情怀不够。情怀能管一阵子，管不了一辈子。得让人看到前途——事业的前途，钱的前途。

事业的前途，是能干大事。工业软件这个领域，挑战大，机会多，能做出影响整个行业的东西。一个算法写好了，能让几万工程师用，能造出更安全的飞机、更省油的车。这种成就感，不是写个APP能比的。

钱的前途，是能挣到钱。这几年情况在变好。资本进来了，公司能开出更高的工资；创业的机会多了，能干的人可以自己当老板；上市的公司有了，期权能兑现。虽然跟互联网比还有差距，但差距在缩小。

更重要的，是让人看到长期的希望。工业软件是个慢行业，得用十年二十年的时间来熬。公司得有定力，得有耐心，得让员工相信：坚持在这儿干，十年后会有收获。

8.4 代际的传承

最后说说传承。

工业软件的知识，很大一部分是“隐性知识”——没法写进文档，只能靠人传人的那种。一个老工程师，干了三十年，脑子里装的东西，比任何文档都值钱。他退休了，这些东西就带走了。

所以，传承特别重要。

怎么传承？师徒制。老带新，手把手教。新人跟着老人干活，看老人怎么分析问题，怎么设计方案，怎么跟用户沟通。看多了，干多了，慢慢就学会了。

文档也要有。老人走了，留下的文档，可以让后人看。但文档只能记“显性知识”——公式、参数、流程。真正的“隐性知识”——什么时候该用这个公式，什么情况下参数得调，什么流程可以跳过——文档写不出来。

所以，传承的关键，是人。得让老人在公司待得久，得让新人有足够时间跟老人学，得让老人愿意把东西教出来。这些，都是管理上的功夫。

工业软件的竞争，说到底，是人才的竞争。谁能培养出更多“三种脑袋”的人，谁能留住这些人，谁能让他们把东西传下去，谁就能在未来的竞争中占得先机。

写到这里，该收尾了。

这篇文章，前前后后写了几个月。有时候半夜睡不着，爬起来写几段；有时候周末没事干，坐在电脑前一整天。老婆说，你这是写文章还是写书呢？我说，写着玩儿，写着玩儿。

其实不是玩儿。是有话想说。

干了这行三十年，看着计算机从286发展到今天的AI时代，看着软件从几万行代码发展到几千万行，看着中国制造业从手绘图纸发展到三维设计、数字孪生。变化太大了。

可也有些东西没变。做工业软件的，还是那批人——喜欢琢磨事的人，愿意坐冷板凳的人，觉得写出一个好算法比什么都开心的人。

我教过的学生里，有的去了大厂，年薪百万；有的自己创业，融资几轮；也有的留在工业软件这个行当，拿着不高的工资，干着不起眼的活儿。有时候替他们不值，觉得凭他们的本事，去哪儿挣不到更多的钱。

可他们说，老师，我喜欢这个。看着自己写的代码，被工程师们用着，帮他们解决真问题，那种感觉，不是钱能比的。

我就觉得，行当有希望了。

工业软件这东西，难是真难。数学要懂，物理要通，编程要精，工程要熟，用户要懂，行业要透。一个人，能把一两样做好就不容易。可做工业软件的，得把这些全占了。

可也正是因为难，才值得做。容易做的事，轮不到我们做；容易赚的钱，也轮不到我们赚。做难的事，赚慢的钱，才能做得久，才能做得稳。

中国制造业要升级，工业软件是绕不过去的坎。这个坎，迟早得有人去跨。跨过去了，天宽地阔；跨不过去，脖子永远卡在别人手里。

我希望跨过去的人里，有我教过的学生，有我认识的朋友，有正在看这篇文章的你。

你问我能做什么？我说不上来。我能做的，就是把这些年琢磨的东西，写成文字，让想入行的人，少走点弯路；让在行里的人，多点共鸣；让行外人，多点理解。

如果这篇文章，能让你对工业软件多一分了解，能让年轻人觉得这行当有意思，能让决策者觉得这领域值得投，我就心满意足了。

三十年前，我刚开始干这行的时候，没人知道工业软件是什么。今天，至少大家都知道这是个重要的事儿。再过三十年，我希望大家知道的不只是重要，还有我们干得不错。

路还长，一步一步走吧。

写完最后一个字，窗外天快黑了。站起来伸个懒腰，颈椎咔咔响了几声。电脑屏幕上，光标一闪一闪，像在说：差不多了，今天就到这儿。

那就到这儿吧。

感谢你耐心看到最后。咱们后会有期。

本文写作过程中，参考了以下公开资料，特此说明：

1. 赵敏. 挖掘工业软件新趋势：数据万象，模型无边，数据治理无处不在. 金航标电子，2025年8月 

2. 湖北日报. 30余年拓荒，开目推出一系列“全国首款” ——工业“智脑”铸魂国之重器. 2024年11月 

3. 李培根. 工业软件是实现数字孪生的关键. 2021中国工业软件大会主题演讲 

4. 科技日报. 制造业数字化转型发展报告（2025）发布. 2025年10月 

5. SolidWorks不过是个画图软件？工程师笑了：你根本不懂三维设计的灵魂！. cad-carry.com，2025年9月 

6. 光明网. 科学报国正当时｜为工业制造“铸魂”，这个新专业很重要. 广东工业大学，2025年8月 

7. 工业自动化软件传奇——Wonderware的前世今生. 控制工程网，2025年8月 

8. 陈立平. 我国工业软件技术创新与应用发展现状. OFweek工控网，2018年11月 

9. 2025国家工业软件大会发布中国自动化技术产业发展报告和智冶大模型. 凤凰网，2025年9月 

10. 工业互联网话题下的知乎回答汇总. 知乎，2022年11月

（全文完。部分内容为AI协作）

欢迎朋友们阅读、转发，提一提建议，在讨论区展开更深入讨论。

本公众号往期文章