AI时代,国产工业软件可能又要落后了

没有上游芯片/算力作为物理AI支撑的国产工业软件，可能已经开始输在起跑线上了。

2026年3月的GTC大会上，黄仁勋在台上宣布，将会与全球工业软件领域的五家巨头Cadence、达索系统、PTC、西门子、Synopsys深化合作，把CUDA-X和Omniverse注入到各自的核心产品里。

那一刻，我们认为全球工业软件的格局就已经开始分化了，原因很直接，就是物理AI存在的巨大差距。以前，我们说仿真，一般更多的是产品研发阶段的验证工具。而现在仿真要为物理AI源源不断地生成训练数据，变成了AI训练管道的上游入口。

01

落后的“家底”：数据不会说谎

在讨论AI时代之前，先看清国产工业软件的真实处境。

研发设计类工业软件国产化率仅为10%左右。CAD、CAE、EDA等核心工具的90%依赖进口。CAE软件国产化率低于5%。EDA软件市场由Cadence、Synopsys、西门子三大巨头垄断，前三大企业占比超70%，国产头部企业华大九天市场份额仅占5.9%。

经营管理类软件国产化率70%，生产制造类60%。听着不错，但偏中低端。高端研发设计软件国产化率不足20%，海外巨头仍垄断CAE/PLM超60%份额。

之前，全国人大代表、麒麟信安董事长杨涛直言：“国产核心工业软件产品仍存在‘空心化’和‘碎片化’问题，尚未形成全栈自主生态链，难以支撑复杂工业场景需求。 ”

例如，达索系统2022年研发投入28亿欧元（约210亿元人民币），超过中国前十大工业软件企业研发投入总和。研发一款CAM软件需要500至1000人员、5亿元至10亿元资金投入。资本、人才、时间的差距，是实打实的。

差距还没填平，AI时代的新赛道已经开跑了。

02

“起跑线”看似公平，实则残酷

有人说，AI让工业软件领域企业站在了同一起跑线上，其实这话对了一半。

AI确实在重构工业软件的底层逻辑。生成式AI正在推动工业设计从“参数化驱动”迈向“意图驱动”。工业软件与AI的融合将引领产业未来。从这个角度看，大家都在摸索新范式，传统积累的优势确实在被重新定义。

但“同一起跑线”忽略了两个致命问题。

第一，起跑线的“地基”不一样。 英伟达已经构建了从底层仿真平台到上层训练框架、世界模型、数据工作流的完整管道。全球95%的开发者和80%以上的大模型训练使用英伟达CUDA系统。海外工业软件巨头选择依托这个现成底座开发自身应用，无需重复造底座。

国产厂商呢？底座要自己造，应用也要自己造。

第二，物理引擎的精度差距是硬伤。 物理AI训练需要大量高质量合成数据，合成数据的质量取决于物理引擎的精度。海外巨头在物理引擎上积累了二三十年。

国产求解器在复杂工况下的稳定性、收敛性、求解精度与Ansys、Abaqus等成熟产品仍有差距。这意味着即便把生态拼起来，最上游的数据生成环节质量天花板依然受限。

中国科学院院士郭旭此前也公开指出，人工智能赋能工业软件面临四大核心挑战：智能底座能力薄弱、高质量工业数据匮乏、核心根技术缺失、算法模型可解释性差。每一个都是硬骨头。

03

生态的差距不是单点、短时能解决的

工业软件的竞争，从来都是整个生态的竞争。

SolidWorks拥有超5000个第三方插件，而中望3D仅支持约300个；ANSYS联合高校建立全球仿真开发者社区，贡献了80%的创新算法模块，而国产软件开放接口与开发者工具匮乏。

生态差距的可怕之处在于它会自我强化。用户越多，生态越丰富；生态越丰富，用户越多，海外巨头已经在这个飞轮上转了二三十年。

AI时代，我们也可以看到这个飞轮还在加速。英伟达与西门子宣布共同打造工业AI操作系统，推出Digital Twin Composer等AI原生工具。英伟达与西门子的合作正在成为加速工业AI革命的新起点。国产厂商还在搭建生态，海外巨头已经在定义标准。

国内企业用的存量工业软件多为传统架构，缺乏标准化API，智能体即便具备再强的大脑，也难以跨系统调用工业软件各项功能。“有脑缺手脚” 是国产工业软件在AI时代的真实写照。

而且工业软件是一个非常重视品牌和案例的行业。客户做一个关键工程项目，往往不愿冒险用没经过大规模验证的工具。

汽车、半导体、航空航天这些领域对仿真精度要求最高的领域，恰恰是国产软件最难进入的市场。海外巨头背后有波音、空客、宝马、奔驰这样的顶级客户打磨产品。达索系统的成功与法国的飞机制造产业息息相关，西门子的成功背后有汽车工业的大规模应用场景支撑。

国产厂商要进入主流工业用户的项目管线，需要时间，更需要标杆案例。

这其实是一个“先有鸡还是先有蛋”的困局，没有大客户就不敢用，没有大规模验证就不敢给大客户用。

04

智造社总结

黄仁勋说，仿真是英伟达几乎所有业务的核心。反过来理解，谁掌握仿真这个工具层，谁就掌握了基础模型训练的数据源。海外走的是英伟达统一底座、工业软件巨头做应用扩展的路线。这条路线已经跑起来了，而且越跑越快。

2026年1月，工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》，明确提出到2027年推动3—5个通用大模型在制造业深度应用。政策在加速，但国产工业软件在AI时代的基础设施建设，才刚刚起步。

国产厂商走的是算力、求解器、场景三方联合搭建的路线。方向是对的，但商业模式尚未跑通、核心技术仍存差距、用户信任仍需培育。