夜雨聆风
当AI开始进入物理世界，工业软件也正在发生一次根本性变化。
AI如何从“理解语言”走向“理解现实”，
在Octave（鹰图软件）全球高级副总裁、大中华区总裁贾智骏看来，
这或许才是下一阶段工业智能真正困难的部分。
2026年5月，海克斯康将旗下软件相关业务进行战略拆分（含原海克斯康数字智能产业单元、原海克斯康安全、基础设施与地理空间产业单元，以及ETQ、Bricsys、Projectmates等多款解决方案），成立新公司Octave（鹰图软件）。与此同时，5月25日，Octave（鹰图软件）已成功以代码“OCTV SDB”正式登陆纳斯达克斯德哥尔摩；5月28日，将以代码“OCTV”正式登陆纳斯达克。 Octave原为音乐术语，寓意在原有积淀之上的新高度。表面上，这是一次精密的业务剥离与资本安排；但更深层的问题是：为什么工业软件，突然开始需要重新定义自己？
在WGDC2026期间，泰伯网独家访谈Octave（鹰图软件）全球高级副总裁、大中华区总裁贾智骏。经历过工业互联网热潮，也见证过工业巨头转型的起伏，贾智骏对这轮AI浪潮保持着理性的克制。这场访谈最终讨论的，已经不只是工业软件。在他看来，AI真正的下一场战争，才刚刚进入物理世界。以下是贾智骏在本次访谈中表达的核心观点。
1. 工业软件正在从“记录世界”走向“理解世界”
过去二十年，工业软件的核心是记录流程、管理设备、打通系统，解决信息流转问题。AI时代，核心变成机器理解真实世界。数字孪生是视觉和记忆，时空智能是大脑和判断。以园区火险为例，数字孪生只能显示模型与状态，时空智能则能推演火势蔓延、规划安全路线、预判区域失效，推动工业软件从“数字档案馆”升级为“物理世界推演引擎“。
2. 工业世界，并不相信“万能大模型”
生成式AI重塑数字世界，但工业领域不信“大模型万能论”。面向生活消费场景的通用AI容错率高，工业AI面对物理世界，容错率为零——失误可能引发事故、停产甚至伤亡。工业AI需要可解释、可验证、可追溯、可控制的能力，与面向生活消费场景的通用AI走向完全不同的路线，确定性优先于生成能力。
3. 面向生活消费场景的通用AI不理解重力，机器人真正缺的是“空间感”
机器人行业最大痛点不是“大脑”，而是空间感。大模型拥有海量语言数据，却不懂重力、失衡、碰撞等物理规则。面向生活消费场景的通用AI不理解空间拓扑、运动约束与因果关系。未来机器人竞争，不是比大模型参数，而是比真实世界理解能力，空间常识是机器人落地的核心门槛。
4. 时空智能已是企业全球化中的“数字主权底座”
过去中企出海拼制造、成本与供应链；如今进入工业智能竞争阶段。出海难点不在产品，而在全球设计、建造、运营、合规协同。地图基准、地籍权属、环境敏感区、数据合规等“时空规则”易踩坑。如今，中企出海更需要“时空智能底座”。时空数据就像能源，已成为全球化竞争中新的“数字主权资源”。
在本次访谈中，贾智骏还谈到了关于行业演进、用户痛点、业务闭环、企业全球化，以及工业AI的走向等话题。以下是采访精编实录：
泰伯网：Octave（鹰图软件）从海克斯康独立拆分，背后是否是正在变化的产业逻辑？
贾智骏：确实如此，背后有几个深层趋势。第一，工业软件正从“集成套件”走向“深度智能”。只有聚焦核心场景、深度耦合数据与算法，才能解决真正的业务痛点。第二，用户不再满足于“记录资产”，而是需要“预演未来”——预测洪水、优化疏散、在问题发生前决策。第三，垂直领域的“智能核心”比“大而全平台”更有生命力。如果继续放在传统工业集团体系里，很多AI能力反而难以演化。Octave（鹰图软件）的诞生，正是为了抓住从数字化到智能化的这一跃迁。
泰伯网：过去工业软件更像记录世界的工具，而现在开始变成理解世界、甚至干预世界的系统。您怎么看这种变化？ 有没有一个您亲历的业务场景，让您意识到过去的软件逻辑已经不适用了？
贾智骏：当然，我拿一个非常典型的场景举例，这也是我们时空智能板块具有深厚积累的核心优势领域，即大型园区的管理和运维。过去的逻辑是，我们建好三维模型，接入摄像头和传感器，一旦发生突发情况报警，系统可以定位坐标、弹出图纸或者影像。但在实战演练中，在火险、泄露危险发生时，现场运维人员站在大屏前真正需要的是，在当前环境下，如何有效控制，最佳疏散是哪条等。过去的软件根本无法实时回答这种“如果…那么…”的深度逻辑问题。那一刻我就意识到，我们不能只做“数字相册”或“三维记录仪”。工业软件必须变成可计算、可推演、可干预的智能体。这正是Octave（鹰图软件）要突破的方向。
泰伯网：从数字孪生，到时空智能、世界模型。您认为两者最大的区别是什么？
贾智骏：本质区别在于从“镜像映射”到“深度逻辑推理”。数字孪生更像是视觉和记忆，而时空智能是大脑和判断。数字孪生告诉你“现在发生了什么”，时空智能告诉你“接下来会发生什么，以及该怎么办”。前者是记录，后者是决策。
泰伯网：工业AI与面向生活消费场景的通用AI的根本差异是什么，最难跨越的门槛是什么？
贾智骏：简单来说，是对“容错率”的容忍。面向生活消费场景的通用AI回答错了可能只是体验不好，但工业AI一旦失误，可能导致桥梁坍塌、人员伤亡。工业AI必须可解释、可追溯。它不能是“黑盒”，工程师需要知道为什么AI建议关闭这个阀门，依据了哪些物理方程和历史数据。最难的门槛我认为是“稀缺的高质量时序闭环数据”——尤其是“负样本”。现实中，没人会主动制造事故。如何在小样本、无标签、高安全约束下训练可靠的工业AI，是真正的硬骨头。
泰伯网：在您二十多年工作中，已经帮助和见证过很多企业做了数字化，但客户业务流程中依然存在严重的数据孤岛。这个问题长期存在的核心症结是什么？
贾智骏：坦白的说，我认为核心症结不是技术，而是流程、组织与激励机制的割裂。不同阶段、不同主体、不同平台产生的数据存在割裂是必然结果。Octave（鹰图软件）正在做的就是通过时空智能中间件，让不同阶段的数据能在逻辑上互通，而不强求物理上统一。比如设计阶段的设备ID和运维阶段的设备ID对不上，这不只是接口问题，是两个部门从来没用同一种语言描述过同一个东西。
泰伯网：很多人认为机器人竞争的核心是大模型。您认为机器人真正缺的是什么？
贾智骏：不可否认大模型很重要，但机器人，尤其是地理空间中的自主移动机器人，真正缺的是“空间常识”与“物理约束下的实时决断”。现在的机器人能认出“这是一把椅子”，但不知道在满是仪表的控制室里，绕过椅子时不能碰倒旁边的灭火器箱。这种对空间布局、物理规则、行为礼仪的综合理解，是纯大模型无法给予的。机器人需要的是一个轻量级的“时空世界模型”，部署在边缘端，能实时感知周边几米内的微地形、动态障碍物和潜在危险，并做出符合物理法则和安全伦理的移动决策。这也是Octave（鹰图软件）在基础设施巡检场景中，正与机器人伙伴联合攻关的方向。
泰伯网：中国企业正在进入新一轮出海周期。Octave（鹰图软件）在中国企业全球化过程中，扮演着怎样的角色？
贾智骏：我们的角色可以概括为“时空智能底座提供者”。中国企业在海外建设港口、铁路、电站、数字基础设施时，面临三大痛点：一是不同国家的地理信息标准、坐标系、法规差异巨大；二是海外运营中需要与当地应急、交通、环保系统实时对接；三是远程管理国内总部对海外资产缺乏“可推演的穿透力”。 凭借170多个国家的数据积累，我们帮企业统一时空数据底座，构建海外资产的数字孪生与智能预警系统。我们不做“数据出境”，做“能力就近输出”。
泰伯网：未来5-10年工业软件会演化成什么形态？行业对AI有哪些高估？
贾智骏：未来5-10年，工业软件会演化为“嵌入物理世界的自主智能系统” ——一个持续运行、主动感知、自主建议甚至执行的“工业副驾驶”。设计、建造、运营、防护的界限会模糊，一个工程师可以对着自然语言界面说：“基于未来三年的吞吐量增长预测，帮我优化现有码头的布局，并评估改造期间的运营中断风险。”软件会实时生成多个方案，并自动调用仿真、GIS、BIM、物联数据。被高估的，我认为一个是“通用大模型能直接解决工业问题”。纯粹的LLM不懂欧拉角、不懂应力应变、不懂空间拓扑。另一个被高估的是“彻底替代人的全自动化”，在关键决策里，人必须在回路中。与此同时，被低估的是“离线智能”，深海平台、地下矿场没有稳定云连接，工业AI必须在边缘端低功耗、高可靠运行。
泰伯网：从未来回看现在，独立后的Octave（鹰图软件），最想被记住的是什么？
贾智骏：我们一直在践行为客户解决最复杂的问题，让关键行业不受到侵扰，让整个世界变得更好这个使命。独立是为了更专注，专注是为了解决真正难而正确的问题。当工业软件开始长出时空智能，当机器像人一样理解世界，这一次战略拆分与独立运营，或许正是工业智能时代真正的起点。
