＂AI+软件＂专项落地,工业软件起飞

4月28日工信部官宣"AI+软件"专项行动，"智能体即服务（AaaS）"第一次写进国家级文件。配套的《"人工智能+制造"专项行动实施意见》把CAD、CAE、CAM、MES、EDA全列进攻坚对象，2027年是第一个考核节点。

对工业软件来说，这波不是修修补补，而是从根子上动刀。

（1）CAD：从画图板到设计搭档

CAD这玩意儿干了这么多年，本质上还是个电子画图板。设计师脑子里有想法，得一笔一笔建模，一个尺寸一个尺寸标。累了容易出错，改一版得重来一遍。

现在加进AI之后，情况变了。你描述需求——"一个承重的支架，最大载荷500公斤，用铝合金"——模型直接出来，还附带几种变体让你选。不是简单的参数化建模，是真正理解设计意图。

更关键的是自动检查。以前靠人眼找干涉、查公差，现在模型生成的同时，干涉检查、强度校核、可制造性分析全跑完了。设计效率至少翻两三倍，而且错误率降下来。

CATIA、NX、CREO已经在这条路上走了，国产CAD要是再慢个半年，差距就不是一代两代的问题了。

（2）CAE：仿真从"等结果"变成"试想法"

CAE最折磨人的就是等。一个复杂装配体，划分网格要几小时，跑仿真要几天。工程师一般跑完一次，改两个参数，再等几天。一个项目下来，真正能试的方案也就那么几个。

AI代理模型（Surrogate Model）把这事彻底改了。它先用传统方法跑一批样本，学会其中的规律，然后能在几秒钟内给出近似结果。工程师可以反复试错，今天想试10种拓扑优化方案，下午就能全看完。

设计探索（Design Exploration）也变了。以前做参数优化，得手工设定一个个变量，一个个组合去试。现在AI能自动找最优解，甚至能告诉你哪些参数其实不重要，可以固定下来。

这直接改写了产品研发的周期。原来一个设计迭代要两三周，现在可能两三天就能敲定。

CAPP（计算机辅助工艺规划）是工业软件里最没存在感的一块，客户不太愿意有大的投入，当然专项落地也没点它名儿。很多工厂还靠老师傅的经验加纸质工艺卡片。

但这恰恰是最适合AI的场景。工艺编制需要什么？材料属性、设备能力、加工特征、历史工艺数据、工厂的实际约束——这些东西全喂给模型，它就能给出工艺路线初版。

这里最大的卡点是知识积累。老师傅的经验在脑子里，没有结构化数据。但一旦有人开始做这件事，把历史工艺数据整理出来，把工艺规则编码进去，AI就能快速学习。

这块几乎没有像样的玩家，窗口期还开着。谁先把工艺知识库建起来，谁就占了先机。而且工艺这东西行业差异大，做深了就很难被替代。

EDA（电子设计自动化）这块，Synopsys、Cadence、Mentor（西门子）三家吃了全球90%以上的市场，国产替代压力最大。芯片设计复杂度指数级增长，7nm、5nm、3nm制程下，人工布局布线已经接近极限。

AI进来之后，布局布线开始"自己会了"。以前工程师手工摆放标准单元，反复迭代优化时序和面积，一个模块可能要调几周。现在AI能通过强化学习，自动找到满足时序约束的最优布局，把几周的工作压到几天甚至几小时。

验证加速也是大痛点。芯片验证要跑大量仿真，传统方法耗时长、覆盖率低。AI Agent模型能快速预测哪些测试用例容易出问题，把验证资源集中在高风险区域，覆盖率上来，时间还能降下来。

设计空间探索（DSE）也变了。以前调电压、频率、缓存大小这些参数，得手工一个个试。AI能自动搜索设计空间，找到性能、功耗、面积的最优平衡点。这在手机芯片、AI芯片这种对PPA（性能功耗面积）要求极高的场景里，价值特别明显。

功耗优化更是刚需。现在手机、电动车、边缘设备都要求低功耗，AI能根据使用场景预测功耗分布，提前优化电路结构。这比传统静态分析要准得多。

国产EDA现在还在追着跑，但AI这条路给了个弯道超车的机会。谁能先把AI能力整合进EDA工具，谁就能在下一轮芯片竞争中占住脚。

PLM（产品生命周期管理）落地到大多数企业干的事主要还是图文档版本管理和流程审批。文件上传、版本号加一、走审批流程，说白了就是个带权限的文件服务器。

加上智能体之后，PLM开始有点"大脑"的意思了。

图文档不再只是检索几个元数据，而是基于内容向量化，为产品设计和开发提供决策依据和参考规范。

BOM管理是最典型的。以前从CAD集成或者工程师手工录入BOM，靠人填写和核对，出错率高，效率低。智能体读模型和图纸、识别零件、自动生成BOM，还能根据规则自动检查有没有漏项；跟踪零部件和BOM配置关系、多视图演进过程等。

设计变更管理也变了。以前一个变更通知下去，各相关部门靠邮件来回确认，效率低还容易漏。智能体评估变更影响域——哪些图纸要改、哪些BOM要更新、哪些供应商要通知——自动推送给相关责任人，还能跟踪执行进度。

PLM开始从"数据仓库"变成"知识大脑"，这是质的跃迁。

车间的MES现在基本就是个记录工具。工人报工、录数据、跟单，干的就是电子化账本的事。数据倒是有了，但都是事后记录，对实时决策帮助不大。

AI进来之后，MES开始有点"实时调度"的能力了。

排产优化是最直接的应用。以前排产靠计划员手工做，考虑设备状态、订单优先级、物料情况，复杂度一高就顾不过来。AI能实时算，设备故障了自动调整排产，急单插进来重新优化，还能考虑模具寿命、换模时间这些细节。

质量预测也开始有了。以前质量靠事后检验，坏了再返工。现在通过过程参数实时监控，AI能提前预警——这个批次的工艺参数有点偏，照这么下去大概率会超差，赶紧调整。

设备维护也从"坏了再修"变成"预测性维护"。AI分析设备运行数据，告诉你哪台设备快出故障了，提前安排维护，避免产线停机。

MES不再是事后的账本，而是事中的决策引擎。

ERP的痛点大家都清楚——需求预测不准，导致要么库存积压，要么缺料停产。销售给个数字，计划员拍脑袋调一下，采购跟着买，整个链条都是猜测。

AI能把这事做细。销售历史、市场趋势、季节性因素、促销计划、竞品动态，全考虑进去，预测精度上去一大截。采购计划就能更准，库存周转率就能提上来。

供应链优化也是。以前选供应商看价格、交期，现在AI能综合评估供应商的可靠性、风险、灵活性，甚至能模拟不同采购策略的结果。

财务预测也准了。AI根据历史数据、在手订单、市场趋势，给出更靠谱的现金流预测和利润预估，老板做决策心里有底。

2027年的目标不到两年，国产工业软件如果这波没跟上，后面的差距不是砸钱能追上的。

最缺的不是技术，是既懂工业流程又懂AI的人。懂工业的不懂AI，懂AI的不懂工艺，两边说着说着就聊死了。真正有机会的是那些肯沉下去、把工艺知识一点点梳理出来、再用AI把它变成智能体的团队。

这类团队现在太少了，但价值也恰恰在这里。