喂数据跑场景 催熟工业软件

▲关注中国信息化周报

2026年世界杯激战正酣。从安装智能芯片的比赛用球，到协助裁判的视频技术，再到支持百万球迷转运的中国列车……这支“中国队”被誉为世界杯供应链“不可或缺的一环”。英国《金融时报》分析，“中国制造”的竞争力并非源自低成本，而是产业集群和完整供应链。很多人只看到了中国制造的出海热度，却忽略了藏在生产线背后的工业软件，才是整个产业集群真正的“隐形骨架”。

这些年，我们亲眼见证国产工业软件在光伏、新能源汽车、高端装备等赛道接连突围，不少细分领域已经实现跨越，但工业软件的应用落地，从来不是实验室里跑出一个原型就能直接上线的简单事。行业里流传着一句扎心的话：工业软件的最后一公里，比前面的九十九公里还要难走十倍。很多团队拿着亮眼的专利技术，做出了在实验室里跑满分的原型产品，一放到真实的高温、高干扰、连续运行要求的工业现场，就频繁出现稳定性问题。想要解决全场景适配、百万级压力测试、多类设备接口兼容等问题，很多企业负担不起自建全流程验证环境的成本，不少好技术卡在“最后一公里”，没法从样品走向量产。

为解决上述核心痛点，中试基地（平台）应运而生。近日，国家人工智能应用中试基地（工业软件）在山东济南正式启动建设；工业和信息化部公示第二批重点培育中试平台初步名单（全国共计111家）。在信息技术领域，“工业软件中试平台”是唯一上榜的平台。

科技成果转化率不高，一直是我们面临的一个突出问题。要加强国家技术转移体系建设，布局建立一批概念验证中心和中试平台，破解制约早期科技成果转化的瓶颈。当前，我国工业软件发展面临产品成熟度不高、规模化应用不足、第三方技术服务缺位等难题，制约工业软件成果产业化，国家工业信息安全发展研究中心软件所副所长、“工业软件中试平台”副主任刘桂镗表示，“工业软件中试平台”是为处在研发阶段的工业软件转化到工程应用提供中试服务的载体，通过“场景牵引、模型驱动、全面验证，持续迭代”，加快工业软件技术攻关和成果应用，提高技术价值和质量水平，为产业科技创新和高质量发展提供有力支撑。

大连理工大学力学与航空航天学院教授、大连工业软件创新发展研究院常务副院长梅跃表示，中试平台为解决工业软件“不好用”问题提供了新路径，特别是在弥补数据和场景短板方面具有积极作用，但要真正发挥“催化剂”效应，还需在运营机制、行业适配和效果评估等方面持续探索和优化。第一，中试平台为工业软件提供了“集中补课”的机会。工业软件“不好用”的深层原因并非代码写不出来，而在于缺乏足够的真实场景数据进行迭代验证。中试平台通过模拟或接入真实工业场景，能够加速验证数据的积累，缩短“实验室成果”与“工程可用”之间的距离。第二，中试平台是协同迭代的“催化剂”。其价值在于搭建起连接软件厂商、应用单位和测试平台三方协同的桥梁，通过真实场景数据反向驱动软件迭代，加速工业软件走向成熟。第三，中试平台的建设尚处于起步探索阶段，为各地方、各行业结合自身特点进行差异化探索留出了充分余地。工业软件品类繁多，覆盖研发设计、生产管控、经营管理等不同环节，对验证环境的需求各有侧重，这也对中试平台提出了多样化的能力要求。

据悉，“工业软件中试平台”主要面向高端装备制造数字化智能化转型需求，积累应用场景库、模型库和自主软件库等基础资源，配置一系列中试专用工具和应用系统，提供功能性能验证、可靠性验证强化、成熟度评估、集成适配验证、供应链韧性及安全风险评估等综合性、专业化服务和系统化解决方案，推动工业软件成果产业化应用。

此前工业软件研发缺少真实工况与实测数据，产线需求难以回流至研发环节，行业缺乏统一验证标准，大量成果滞留在实验室。“工业软件中试平台”从机制、标准、技术三维发力，大幅压缩落地成本。通过完善知识产权保护制度，打破场景、数据的流动壁垒，用户单位开放场景、中试平台开展验证、软件厂商迭代产品，三方共同参与中试验证；通过健全标准规范，构建统一的中试流程、场景模型库、评价体系等，形成共性资源池和可复制中试示范线；通过探索AI赋能工业软件中试，研究工业软件专用大模型，研制分析、执行、评价等多方位智能体，实现智能化手段提升迭代效率。

“工业软件中试平台”到底做什么？简单说，就是给国产工业软件搭一座“从实验室到工厂”的桥。刘桂镗表示，平台把高校、科研院所、企业和用户的力量凝聚在一起，提供从标准规范制定、共性技术攻关、工具平台研发，到中试验证、能力评估、迭代改进，再到软件选型推荐、实施方案制定乃至最终推广落地的全链条服务。“平台上攒了不少‘家底’——真实的应用场景、算法、模型、用例和国产软件库，还配齐了各类专业工具和系统；我们还建立了一套统一的标准——中试怎么做、场景怎么分、效果怎么评，都有章可循。最终目标是搭建一个共享的资源池和可复制的示范线，让整个行业都能用得上、用得起、用得好”。

目前，中试平台已经完成了哪些验证？刘桂镗表示，针对航空、船舶、电子等重点行业应用的计算机辅助设计（CAD）、计算机辅助工程（CAE）、电子设计自动化（EDA）等领域工业软件，平台进行了500余款软件的功能性能、自主度、安全性等验证，形成了40余套多软件集成的优选解决方案，进行了150余款软件对国产CPU、操作系统、数据库主流技术路线的适配性验证。哪些工业软件可以在中试平台验证？“成熟度在5-8级的国产工业软件都可提交中试平台验证，验证后会将软件在各方面暴露的问题反馈给软件厂商，帮助其进行迭代改进，提升产品成熟度和适用性。”刘桂镗说。

作为中试基地的承建运营方，最头疼的难题从来不是搭建硬件，而是怎么在“让中小企业用得起”和“自己能长期活下去”之间找到平衡。既不能搞无门槛“撒胡椒面”式普惠把资源耗散一空，也不能沦为接几个零散项目就停摆的一锤子买卖。“工业软件中试平台”走的是最接地气的“先攒人气、再做实盘”的路子。

刘桂镗表示，将配套落地分层递进的运营机制：前期用定向免费、梯度优惠的方式邀约重点软件厂商进场开展中试验证，联手打磨标杆案例跑出示范效应；待生态链路打通后，再稳步扩大中试服务覆盖范围，把阶段性试点转化为全行业常态化的开放服务。运营初期主动对接多渠道政策资源托底，进入成熟阶段后依托技术服务、成果推广、咨询培训等增值服务实现市场化造血，同时联动周边产业平台打通资源共享通道，以跨平台协作实现成本共担、收益共赢。

中试平台解决的是“从有到好”的验证迭代问题，但工业软件的崛起不能仅靠单点突破，还需多维度协同发力。梅跃认为，发展工业软件，应以“深耕底层”的定力和“拥抱AI”的魄力，在夯实根基与前瞻布局中寻求破局之道。

第一，夯实底层根技术，补齐核心算法与求解器的短板。几何建模内核、网格生成引擎、求解器引擎等，是工业软件的“芯片”级技术，决定了软件的精度、效率和可靠性。必须依靠高校、科研院所、软件厂商和应用单位的协同力量，在数学物理基础理论和计算方法上持续攻关，从底层解决精度、稳定性与计算效率等关键问题。

第二，把握AI战略机遇，构建差异化竞争优势。AI技术为本土工业软件提供了“换道超车”的历史性机遇——既可利用AI优化设计流程、提升工具层智能化水平，也可探索AI赋能底层算法、提升计算效率和精度。但需要清醒认识到，AI在工业场景中泛化能力不足的根源，在于其缺乏对CAD、CAE模型等底层语义的理解。工业设计的底层逻辑是严密的数学方程和物理定律，而非单纯的数据模式识别。因此，AI赋能必须从宏观的端到端应用下沉至数学物理底层，同时辅以“数据”与“标准”的双轮驱动，才能真正为AI能力的实质性提升奠定基础。

无论是夯实底层技术，还是探索AI赋能路径，最终都需在具体的产业场景中接受检验。梅跃指出，我国幅员辽阔，不同区域的产业基础各异，这决定了工业软件不能走“一刀切”的发展路子，因地制宜、差异化布局才是务实之策。

从当前布局来看，我国工业软件产业已初步形成多类型高地并存的态势。一是核心城市群引领型。北京、上海、广州等一线城市，依托雄厚的科研资源和人才储备，聚集了华大九天、安世亚太、索辰、中望软件等一批头部企业，成为研发创新的主要策源地。二是场景驱动型。以山东为代表，该地区拥有海尔、海信等家电巨头及潍柴、济南二机床等重型装备企业，丰富的制造业场景为工业软件提供了天然的验证场和迭代土壤。三是技术驱动型。深圳、杭州等地凭借人工智能领域的技术积淀，将“AI+工业软件”作为重点方向，致力于以智能化赋能工业软件。

梅跃强调，区域集聚并非简单扎堆，而是工业软件产业发展的内在规律使然。工业软件的成长需要形成“硬件—软件—测试—应用”紧密耦合的闭环生态，尤其是在涉及敏感行业数据时，本地化资源的获取和协同效率往往决定着成败。但某一地区的成功模式不能也不应被简单复制，工业软件与地方产业基础深度绑定，各地须走差异化发展之路。例如，湖南可依托工程机械、轨道交通与航空发动机等产业，陕西则可立足军工领域的特殊需求。只有找准自身定位，避免同质化竞争，才能在全国工业软件版图中形成各具特色、协同互补的发展格局。

—End—

注：转载、添加白名单以及商务合作请在公众号后台留言，未经许可、不得转载，不得随意修改及盗用原文。