最近常看到一种现象：不少高校老师，开始用 AI 编程工具自己上手做软件了。几天工夫就可以搭出一个能跑的系统——有后端、有数据库、有业务规则，不是网页上演示的那种空壳。成本是几十块钱。一个人借助AI，也能把这些东西做出来。很多人会顺势下结论：AI 这是要颠覆工业软件了。先别急——一个能跑的软件，和一个敢用在产线上的工业软件，中间还隔着东西。隔着什么，才是真正该问的。
一、先把"AI 强大"的理由讲清楚
强是真的。算法、数据库、多租户、界面，过去一个团队磨几个月的活，现在 AI 几乎全包；成本从"几十万请人"掉到"几十块调 API"；效率不是提升百分之几十，是数量级的增长。一个人几天搭出能跑的系统，不是孤例，是一批人目前正在干的事。所以"AI 能写工业软件了"这句话，我不反对。我反对的是——"所以工业软件这事，以后就容易了。"
要驾驭 AI 做到这一步，得先具备：领域知识的积累，业务流程的熟悉，对问题的理解。而这几样，AI 现在还替不了，它遇到拿不准的地方，还会反过来让你做选择。AI 把"写代码"这一步几乎抹平了。但它没有抹平"想清楚要什么"，反而把这一步顶到了最前面：需求没说清，它就给你一堆看着都对、实则跑偏的东西；方案摆出来，走哪条路，得懂行的人拍板。看明白这个机制，就看清了 AI 时代的真正变化：它让"写"贬值，让"懂"升值。而"懂"，从来不是 AI 能代劳的——它只能长在人的脑子里，长在真实的场景里。对工业场景的深度理解，才是 AI 时代工业软件的底层竞争力。
四、工业专业专业该教什么
AI 时代工业软件专业该专注的，不是"教学生用 AI 生成一个能跑的软件"——那件事，AI 比人快，也快得越来越多。真正该学的的，是跨过那条"最后一公里的工程化"：让一个学生懂工艺、懂需求、懂验证、懂现场，能把一个软件在真实产线上用成、验成、扛住。这里得诚实说一句：这门课，学校自己也未必教得动。它需要在真实的工业场景里磨，需要有真数据、真异常、真验收给学生练手。光在机房里，是练不出"敢用"的。这也是我反复讲的那个判断的另一半：学校和企业，谁也单独教不出这种人。学校出得了"懂"，企业出得了"现场"，两个拼起来，才跨得过那条沟。
五、工业软件专业建设需要理解一句话
功能跑通，只是起点；能进产线、扛住工况、经得住时间，才算工业软件。AI 没有让这件事变简单。它只是把难度挪了个地方——从"写不写得出"，挪到了"懂不懂行、敢不敢用"。而"懂行"和"敢用"，恰恰是眼下 AI 替人做不了的那部分。你身边有没有那种"能跑、却不敢真用"的软件？它卡在了哪一道坎上？评论区里，想听听你见过的。资料来源文中"老师用 AI 编程工具开发软件"的情形，为对公开可见的普遍现象的综合演绎，不指向任何具体个人；具体人名、工具名均已隐去，数字为约数。"工业属性""工程化应用验证""一行代码的错误可能导致系统宕机、装备停工停产"——《中国工业软件产业白皮书》。"成熟软件是用 Bug 喂出来的""工业软件不是写出来的、是用出来的"——艾瑞咨询《中国工业软件行业发展研究报告》（2026）。"通用大模型缺工业机理约束、决策链路不透明、AI 输出须经工程师审核测试后方可部署"——工业 AI 落地相关公开研究。
夜雨聆风