夜雨聆风前言
新一代AI技术的发展，给制造企业数字智化转型、智能制造服务商、工业软件厂商都提出了新的要求，工业软件与工业AI如何融合，是必须面对和思考的问题。既有一步一步向前推进需要的循序渐进，也有面向未来趋势要做的全新规划；既要继承原有的产品和技术基础，又要充分发挥新技术的优势，得去做判断和选择。
看了一些工业软件公司的工业AI发展情况，整理了相关的内容，不断学习消化，放在这里备忘。下面是佰思杰、开目的一些情况。
一、佰思杰
主要参考的材料包括：
1.深耕国防智造，淬炼数字军工。2026.07。
2.佰思杰亮相2026工业AI+智能制造论坛，共探军工科研生产一体化与工业AI融合新实践。2026.06。
3.深度拆解：信通院工业智能2026报告下的“佰思杰工程实践”。2026.05。
4.工业软件新范式：运行时模型驱动架构与语义智能对象架构的融合之路——兼论佰思杰技术架构的时代内涵与前瞻价值。2026.03。
5.本体论驱动、知行合一：工业软件的智能闭环新范式。2026.03。
6.迈向“人机协同”新纪元：MindSpring与FlexPP平台的深度整合战略蓝图。2026.02。
7.当AI遇见制造：破解数据“质”困，构建以业务为原点的智能引擎。2026.01。
佰思杰的前身是佰均成集团2006年成立的信息化部门，2012年创建独立公司，专注于企业制造运营管理（MOM）领域，深耕智能制造整体解决方案，全力打造“星云(Nebula)”工业互联网平台、“爱敏捷”SaaS供应链平台，支撑智能协同制造体系，助推军工央企数智化转型。
1、工业AI操作系统
面向工业AI发展，核心观点包括：
传统MES等工业软件：精准的无知（只能执行指令，不懂业务语义）；通用大模型AI：聪明的幻觉（缺少工业机理约束，生产决策不可信）。
工业AI的发展不能简单停留在“大模型+工业”的应用层，而应构建能够连接工业知识、业务规则与实时数据的认知架构。
工业AI真正需要解决的，不是替代传统工业软件，而是在确定性的工业系统与智能化的大模型之间建立统一的认知基础，让AI真正理解工业、服务工业、赋能工业。
下一代工业互联网的架构应当是整体演进的AI原生操作系统，而非外挂一个AI能力。
主张“模型驱动、本体原生”理念：通过本体建模定义数据之间的语义关系，使大模型能够理解并推理业务逻辑。用本体模型提供确定性的认知骨架；用大模型提供灵活的理解、推理和编排能力；用执行层保证权限、安全和审计；用知识库和反馈机制支持持续进化。
倡导“业务驱动的工业数据治理”新范式。核心逻辑是彻底逆转思维，从“事后治理数据”转向“事前定义业务”， 通过模型框架、统一业务平台底座、元模型抽象和关系网络构建，为AI构建可直接理解、计算的“高质量数据资产”，使其真正成为驱动智能决策的核心引擎。
推出本体原生、AI驱动的工业AI操作系统佰应MindSpring OS 2.1，以工业本体层和工业世界模型（认知镜像）为核心，为设备、工单、工艺、物料等工业对象建立统一的语义体系，并持续融合现场实时数据，构建与物理工厂同步演进的数字认知空间，让工业数据真正具备上下文理解能力，为AI提供可信、可解释、可推理的认知基础。
2、双引擎应用架构
继而，以Nebula星云与MindSpring佰应联合作为双引擎，构建六层闭环工业AI应用架构。系统秉持“稳态兜底、敏态赋能、受控闭环、经验沉淀”的核心理念，底层筑牢制造运营的数据与规则底线，中层通过模型底座实现工业知识的资产化复用，上层依托AI中枢在安全边界内提供动态智能，通过稳敏编排与智能体执行层转化为场景化应用，并由全域运维监管实现全程可视、可控、可溯，构建起兼具确定性根基与智能化弹性的工业操作系统。
3、核心逻辑与技术内核
业务语义的深度灌注与模型化封装。
元模型与对象框架（技术灵魂）：基于ISA-95等国际标准，将企业业务高度抽象化，并构建了一套可扩展的工业对象元模型，业务对象化，通过对象框架使其属性、行为及相互关系能被系统定义、管理与继承。
数据平台+业务底座一体化（Nebula工业PaaS）：将企业业务场景元素化，基于统一的底座平台上模块化构建，通过原生开发与运行，奠定数据同源、模型统一的物理基础，让数据天生内聚，不治而顺。
业务知识图谱化（从数据到洞察）：超越静态数据模型，支持将专家经验与隐性知识结构化，构建动态的领域知识图谱。图谱基于元模型，将具体数据实例按业务逻辑连接成可追溯、可推理的关系网络，使数据具备解释与洞察能力。
M3级元模型驱动的治理与智能双引擎
M3级元元模型架构：率先实现从M0（实例数据）到M3（元元模型）的四层全栈模型驱动架构。M3层定义了模型定义语言本身，赋予平台前所未有的自描述、自进化能力，可灵活适配不同行业的独特业务逻辑。
双引擎驱动：治理引擎（Nebula对象框架）-提供可视化、低代码的数据对象建模、关系编织与质量规则定义工具，让业务专家的知识直接转化为治理规则。智能引擎（BSG MindSpring）：提供开箱即用的工业AI算法库与模型工厂，直接消费治理引擎产出的高质量数据，快速生成场景化智能应用。
AI深度融入基于统一模型构建的业务与数据体系。所有分析源于真实、语义清晰的高质量数据。而且，依据AI建议采取的业务措施及其效果，将作为新的经验数据反馈至系统，持续优化分析模型与知识库，实现“数据滋养AI，AI反哺业务”的自我增强循环。
4、技术发展路线
佰思杰的这套架构，与华为、Palantir的AI发展思路是类似的，强调工业本体建模，按照他们的描述，这件事儿是从公司建立之初就确定的技术路线，一直贯彻下来。
早在2008年，就开始采用“运行时元数据模型驱动（Runtime MDA）”架构，搭建核心平台FlexPP（Flexible Programming Platform），将企业运营中的实体抽象为对象，并解构为数据（如设备）、逻辑（如预测性维修模型）、行动（如调度设备管理员），基于“对象”进行统一定义和关联。
经过多年极端复杂工业场景验证，已经形成完整的技术工程体系，涵盖基于MOF国际标准的规范化元建模体系、运行时解释与动态适应性（Runtime Adaptability）、面向业务领域的专用建模语言（DSML）与工具、工业级性能与可靠性保障机制（多级缓存系统和元数据驱动的对象关系映射框架）。已积累超过10,000个预置领域模型，覆盖制造、质量、设备管理等工业场景。这些模型将零散的生产数据转化为结构化的业务对象，为上层应用和AI提供统一的语义层。
面向工业AI，佰思杰表示无需从零构建“本体”，其整个运行时模型驱动体系本身就是最强健、最贴合业务的本体构建与维护平台。它站在了一个从“运行智能”迈向“分析智能”与“决策智能”的绝佳起点。其架构不仅是工业软件底座，更是孕育“工业语义智能”的母体。在坚实的对象数字化基础上，进一步融合AI与语义技术，佰思杰希望打造出全球领先的“工业版Palantir”。
佰思杰构建的数字化平台，本质上是在做一场宏大的“整地工程”，彻底消灭底层的语义混乱，终结昂贵的“数据考古”，在地基里统一“母语”，工业智能体才能长出真正的参天大树。
5、小结
佰思杰在工业AI发展方面，发布了很多文章，很重要的一点，是他们认为自己多年来坚持的技术路线，正是今天工业AI应用的基石，可以在此基础上顺滑的融入新一代人工智能技术，推动工业智能应用发展。
佰思杰对工业AI的这些表述，我觉得挺不错，他们与华为工业智能的思路是类似的，只是华为是走的全场景+核心底座+生态体系，佰思杰是面向制造运营管理领域，自己建立一套完整的体系，看看他们能有怎样的发展。
二、开目
主要参考的材料包括：
1.开目软件：30年深耕，AI重构工业软件新范式。2026.04。
2.开目三十周年再出发，对话宁总：工业软件的国产化纵深之道。2026.04。
3.擘画新程！开目软件2026用户大会圆满落幕，六大AI技术成果重磅发布。2026.04。
上世纪90年代，开目依托高校的计算机集成制造相关技术，开始自主研发工业软件产品，已经在制造业领域深耕30年，在高端装备行业形成深厚积淀，建立起研发数字化领域知名品牌，尤其是CAD、数字化工艺设计与管理产品，可以说是独树一帜。
AI时代，开目主要观点：
工业软件与AI各有局限，绝非替代或颠覆，而是相互赋能、协同演进的共生关系。
工业智能化发展注定无法依靠单一技术路线，工业软件与AI的深度融合，是破解双方短板、实现双向赋能的关键。
AI时代必然是“机理模型+工业AI”双轮驱动。
开目定位自身发展路径：
既坚守工业软件的核心根基，又通过AI融合实现创新突破，开辟新的增长空间。
1、开目工业软件+AI技术架构
构建面向下一代的工业软件和AI融合架构，形成“底座+工业软件+智能体”新一代智能产品矩阵。
底层，Cloud+平台
包括云计算底座KMOS与AI基座KMArtizen.AI。KMOS提供坚实的算力与存储支撑；KMArtizen.AI涵盖大模型微调、低代码开发、知识图谱构建、智能体管理、数据集管理等能力，可为上层产品提供稳定、高效、安全的技术支撑；
中间层，智能体矩阵
包括通用智能体与专业智能体。通用智能体覆盖需求文档生成、业务流程编排、智能体开发、智能运维等场景。专业智能体则聚焦制造业研发、工艺、制造领域的细分业务，提供面向具体场景与行业需求的AI应用；
最上层，工业软件
主要包括KMPLM、KMMPM、KMMOM三大管理系统及一系列研发设计类工具软件，通过嵌入各智能体，实现相似推荐、工艺生成、变更分析等智能化应用。它们承载着工业机理、沉淀着行业Know-How、连接着数据与智能，是底座发挥作用、智能体落地场景的前提。
面向未来，行业将步入“统一AI知识大脑”的阶段，通过构建以智能体为核心的“AI原生”架构，将企业的业务数据、图纸等提炼为统一的知识图谱，形成可自进化的“业务大脑”，工业软件则API化，演变为底层AI的“大脑执行器”。
（我理解，目前这个融合架构，是一个过渡期架构，因为这张图上表达的意思，AI是作为辅助工具，协助工业软件完成任务。未来，最上层可能会是智能体，工业软件在下面作为执行器。）
2、工业AI落地技术路线
开目提出大模型AI在工业场景下落地的技术路线，在幻觉与硬约束之间寻找动态平衡区。
架构层面，采用神经符号架构，通过工业机理模型与AI技术的有机结合，实现“大脑与四肢”的体系解耦。大模型作为“大脑”，负责模糊意图理解与泛化推理；工业软件的专业求解器与规则引擎退化为“四肢”，负责核心工业决策、三维几何计算与严格参数设定；中间还辅以基于传统工业机理的“安检网”作为规则护栏。这种模式既发挥AI的灵活智能优势，又守住工业机理的硬约束。
数据层面，采用RAG（检索增强生成大模型），结合工业知识图谱，用业务域确定性事实锚定生成边界。确保智能体在正确的数据范围和功能边界内活动，确保操作精准可靠。
其中，企业知识图谱依托企业原始业务数据搭建而成：由开目软件提供标准理论模型，明确数据规范与数据范围，再结合企业自身业务主线与实际数据，落地形成适配企业的专属知识模型；领域知识图谱，则沉淀行业通用工艺规范、制造标准、材料属性及优秀实践经验，是可跨行业、跨企业复用的共性知识底座。
（这个描述，似乎是不涵盖工业本体模型方面的工作，而是直接依据企业相关的业务数据，构建知识图谱。）
3、工业AI Agent落地路径
采用“场景为王+用户共创”模式：联合客户挖掘高价值、高痛点的业务场景，分析AI能力，并找到与业务融合的切入点，据此构建智能体。再依托客户真实业务数据完成场景验证与持续打磨，最终将成熟方案沉淀至标准化产品，形成可复用、可快速复制的智能能力。
目前，开目软件重点聚焦AI的六大核心能力，形成了覆盖复杂装备研发、工艺、制造、数据决策、知识运营五大领域的25大核心智能体，且在多个场景实现突破。
（从图上理解，目前的智能体应用，主要是结合几个大的工业软件平台，如PLM、MPM、MOM，提取典型业务场景，提供单点业务的智能化应用辅助。似乎没有涉及到跨系统的数据分析、业务关联执行这方面的场景。）
在生态合作方面，开目明确三种生态模式：与上下游及互补友商的互补型整体方案生态、与国产操作系统/数据库/CPU的环境适配生态，以及代理商与服务商的增值合作生态。生态构建主导思路：核心技术自主可控，非核心拥抱开源。
开目软件三十年深耕高端制造，以工艺为核心，已构建起“平台+系统+工具+解决方案”的全栈产品体系，提供覆盖设计、工艺、制造全链条的集成化解决方案。在行业知识与实践经验、工业机理模型、算法与规则、跨模态高质量工业数据等方面，有深厚积淀。面向AI重构产业格局的发展趋势，正通过打造AI技术底座、筑牢工业机理底线、拓展智能体应用场景，推动AI Agent从演示Demo走向工业实操场景，力争成为国产工业软件AI突围的样本。
（就目前看到的材料，开目更多的还是在原有的工业软件架构下，力求充分融合AI新技术，为客户数智化转型进程提供持续支撑，这应该是基于自身30年发展积淀的务实选择。在全面彻底重塑工业软件、工业AI架构方面，指出了思路，但还没有看到具体的报道。）
