软件不值钱了,签字才值钱:AI 之后,工业软件的十年

一、同一年，两张财报

2026 年 2 月 11 日，巴黎。

达索系统公布上一年第四季度业绩：营收 16.8 亿欧元，同比掉了 4%，2026 年的增长指引只给到 3% 到 5%，比分析师预期的 6% 低了一截。当天股价一度跌掉两成多，收盘跌幅接近两成，市值一天蒸发约 60 亿欧元。CNBC 当天的说法是「史上最差交易日」，彭博的口径是 2002 年以来最大单日跌幅——不管按哪个口径，这家做了四十多年的公司，从来没在一天里被砸成这样。

达索是谁？CATIA 的东家。你坐的飞机、开的车，机身和车身的三维模型，多半是在它的软件里长出来的。

五个多月后，7 月 26 日，圣何塞。

Cadence 公布 2026 年第二季度业绩：营收 15.84 亿美元，同比涨了 24.2%，在手订单创纪录，81 亿美元，全年指引上调。半导体 IP（可复用的电路模块）业务涨了 40% 以上，系统设计与分析涨 37%，连最老的芯片设计软件业务都涨了 18%。

两家都是工业软件公司。都做了几十年。都在同一年，把 AI 写进了每一页 PPT。

一个被市场当成要被 AI 吃掉的应用层，一个被当成 AI 的基建。

我做了二十多年软件，见过不少行业分化，但很少见到这么干脆的。这跟两家公司的经营水平关系不大。市场在重新给一样东西定价，它在问：你卖的那个东西，AI 来了以后还值钱吗？

这篇文章想回答的就是这个问题，以及顺着它往下推十年。

二、先画一张地图

工业软件这个词太大，装了 CAD（计算机辅助设计，画图用的）、CAE（计算机辅助工程，做仿真计算的）、EDA（电子设计自动化，设计芯片用的）、PLM（产品全生命周期管理）、MES（制造执行系统）一大堆东西。要看懂它接下来十年怎么变，得先把它切两刀。

第一刀竖着切，切成三层楼。

顶层是设计端。 画图的、算的、仿真的、签字的。人最少，单价最贵，也是被讨论得最多的一层。

中间是使用端。 拿着别人画好的图干活的人。一张图，画的人一个，看的人几十上百。人最多，单价最低。

底层是设备端。 车间里的机床、产线、控制柜、传感器。数据最多，也最难打通。

越往下人越多、数据越多，越往上单价越高——顶层最贵，但十年后的变数在下面两层

一提工业软件就想到顶层，是这个行业里最常见的一种视野窄化。但下面两层加起来的人数和数据量，都比顶层大出一到两个数量级。三层的命运各不相同，我会一层层说，先从最贵的那层开始。

第二刀横着切。把设计端这个包裹拆开，里面塞着四样货：

第一样，算得动。 求解器、几何内核。一块机翼在气流里怎么变形，一颗芯片里一百多亿个晶体管怎么摆线，这些方程算起来极其费劲，能算出来本身就是本事。

第二样，会干活。 从画图到网格划分到后处理，一套流程几十道工序，每道工序里都埋着几十年攒下来的规矩和土办法。新人上手要两年，这两年买的不是软件，是别人的经验。

第三样，敢签字。 飞机要取适航证，医疗器械要过审，芯片要流片。这些场合里，几家老牌软件是事实上的默认选择——换一个便宜的来算，理论上没人拦你，代价是你得自己把"凭什么信这个结果"重新证明一遍。

第四样，按人头收钱。 这不是货，这是度量衡。你有多少工程师，就买多少席位，一个席位一年多少钱。整个行业的商业模式，建立在"工程师人数"这个刻度上。

四十年来，这四样是捆在一起卖的。你买 CATIA，是一次性把这四样都买了。

AI 干的事，就是把这个包裹拆开，然后一样一样重新标价。

拆完你会发现，四样货的价格，走了四个完全不同的方向。

四样货，四个方向：算得动在塌价，会干活在易主，敢签字在涨价，按人头这把尺子直接断了

三、第一样：算得动，正在变成赠品

2025 年 11 月的 SC25 大会上，英伟达发布了一个叫 Apollo 的开源模型家族，专门用来做科学与工程仿真——计算流体力学、结构力学、电磁、半导体器件、气象，一样一个模型。宣传口径是把仿真速度提高几十倍到几千倍，模型放在 build.nvidia.com 和 HuggingFace 上，谁都能下。

英伟达 Apollo 开源物理 AI 模型家族，覆盖机器人、汽车电子、气动、分子等场景（图源：NVIDIA 官方博客）

英伟达自己不卖 CAE 软件。它为什么要做这个，还免费送？

因为它卖卡。仿真快一千倍，以前算一次要一周的东西现在几分钟算完，工程师就敢一天算一万次，算力需求不降反涨。软件对英伟达来说就是卖卡的赠品。

这件事的杀伤力，比任何一个开源社区都大。开源软件靠志愿者，慢，功能残缺，商业公司熬一熬总能熬过去。但一个市值上万亿、有充分动机把你的核心技术白送的邻居，熬不过去。

已经有人排队接了。应用材料（Applied Materials）、Cadence、西门子都说要基于这套开源模型做自己的东西。这是个很微妙的姿势：它们把自己吃饭的手艺，接到了别人免费发的地基上。

同一时间，开源的另一头也在往上顶。FreeCAD 在 2024 年底发了 1.0，第一次有了稳定可用的开源参数化建模内核；KiCad 在电路设计里早就是能干活的正经工具；CFD 那边 OpenFOAM 一直在跟商业软件掰手腕。这些工具本身还打不过商业软件——真到复杂装配、公差标注、产品数据管理这些脏活上，它们还差得远。但它们有 Python 插件生态，谁都能往上接大模型。

结论很直白："能算"这件事，正在从核心竞争力变成入场券。

十年前，你能做出一个收敛得好的求解器，就能卖钱。十年后，这大概相当于今天你说"我们的软件能打开文件"。

四、第二样：会干活的，换人了

如果说第一层是塌价，第二层是易主。

先看几个数字。

芯片设计这边，一家叫 ChipAgents 的公司，2026 年 2 月拿了 5000 万美元，7 月底又加了 6000 万，A 轮总额做到 1.34 亿美元。给钱的里面有美光和联发科，而且这两家同时是它的客户。它对外说的数是：120 多个半导体公司在用，上半年经常性收入涨了六倍，设计周期砍掉一半以上。

ChipAgents 官网首页，顶部横幅是 7 月 29 日的融资公告：A 轮扩至 1.34 亿美元（图源：chipagents.ai）

仿真这边，英国的 PhysicsX，2026 年 6 月拿了 3 亿美元 C 轮，淡马锡领投，估值 24 亿美元。跟投名单挺说明问题：英伟达、西门子、应用材料——一个卖卡的，两个是它要抢生意的对象。

PhysicsX 官网首页的自我定位："用 AI 加速工业创新"（图源：physicsx.ai）

设计这边，瑞士的 Neural Concept，2025 年 12 月拿了 1 亿美元 C 轮，高盛领投。它公布的客户名单里有通用汽车、GE Vernova、赛峰、雷诺，还有几支 F1 车队。

这三家路数几乎一样：不做求解器，不做几何内核，从工作流切进去。

而且它们进场的姿势特别聪明——先当外挂。PhysicsX 明确说自己能接 Ansys、西门子 NX、OpenFOAM；Neural Concept 的合作方里有英伟达、西门子、Ansys、微软、AWS。它们没有一家说"我要替代 Ansys"。它们说的是"我让你的 Ansys 好用十倍"。

这个路径我见得太多了。互联网二十年，所有从平台边上长起来的公司都走这三步：先做外挂，再做中枢，最后宿主变成后台的一个接口。

十年后真正的风险不是 Ansys 被谁替代掉。是 Ansys 还在，还在算，但工程师一年都不打开它一次——它变成了某个智能体（Agent）在后台调用的一个接口，用量还在涨，价格却再也提不上去。

老牌厂商当然看见了。Cadence 在 2025 年 11 月买下了做 AI 验证的西雅图初创公司 ChipStack——一家总共只融过七百多万美元、二十来个人的小公司，收购价没公开——把它做成了 ChipStack AI 超级智能体；新思在 2025 年 7 月花 350 亿美元把 Ansys 吞了，2026 年 3 月发布的 Ansys 2026 R1 里塞了一堆 AI 功能——自动划网格的 Mesh Agent、生成几何的 GeomAI、主动挑毛病的验证智能体；西门子 2025 年 3 月花约 106 亿美元买下 Altair，是它历史上最大一笔收购。

这三笔钱花得都不冤。但要看清楚它们买的是什么。

不是买功能。三家巨头自己写不出网格生成算法吗？写得出。

它们买的是数据和客户名单。Ansys 手里几十年的仿真样本、验证过的实验对照数据，这是训练物理 AI 模型的粮食；Altair 手里的求解器和高性能计算客户，是现成的入口。

五、第三样：敢签字的，还是那几个

前两层看下来，好像老厂商很危险。别急，第三层是反过来的。

这里得先纠正一个流传很广的说法：监管机构并不给仿真软件发牌照。

医疗器械那边有一份叫 ASME V&V 40 的标准，是美国食品药品监督管理局（FDA）和美国机械工程师协会一起搞的，2023 年被 FDA 正式采纳进指南。它规定的是一套按风险分级的可信度要求：你这个模型要支撑的决策风险越高，需要拿出的验证证据就越多。至于该用哪家软件，标准里一个字没写。航空那边 NASA 和美国航空航天学会推的"用分析代替试验"，逻辑也一样。

换句话说，规矩认的是证据。

但落到现实里，效果跟发牌照差不多。

Ansys、SIMULIA、西门子 Simcenter 这几家，求解器背后压着几十年的验证案例和基准测试，审查的人也熟。用它们做可信度论证，成本最低、来回最少。你换一家算，没人拦着，但那套"凭什么信这个结果"的证明，得你自己从头做一遍——在一个错了要赔钱、可能要坐牢的领域，没有几个项目经理愿意当第一个。

所以砌起这堵墙的是几十年的验证数据，不是一纸批文。 谁替客户把验证成本提前付掉了，谁就拿到了事实上的签字权。这也解释了前面那笔账：新思花 350 亿买 Ansys，买的从来就不只是代码。

这套体系真正在问的，也不是"算得准不准"，而是"算错了谁负责"。

AI 代理模型在这里撞了一堵硬墙。代理模型的本事绑死在它训练过的范围里，出了这个范围，精度会掉，而且掉得没有征兆——它不会告诉你"这题我没学过"，它会一本正经给你一个错答案。物理仿真里这叫外推失效。你拿它做概念设计没问题，拿它去申请适航证，审的人第一句话就是：你怎么证明这个模型在这个工况下是可信的？

所以会出现一个很拧巴的局面：算得最快的那个，签不了字；能签字的那个，慢得要死。

我在 EDA 那篇文章里写过一个说法：芯片设计的三巨头真正在卖的，是竣工验收章。现在看，整个工业软件行业都是这个逻辑，只不过 AI 把这件事挑明了。

以前"算得动"和"敢签字"是绑在一起的：因为只有你算得动，所以只有你说了算。现在算得动的人多了，签字权就单独露了出来，成了这几样里最能涨价的一样。

这里可以下一个判断了。

AI 让所有人都能交卷，于是判卷的人成了唯一的稀缺。

六、第四样：按人头收钱，到头了

回到开头那张跌了两成的财报。

达索并不是没看见这些。恰恰相反，它是几个巨头里第一个动手改商业模式的。它宣布从 2026 年起，工业 AI 产品不再按席位卖，改成三种计量单位：知识单元（AI 伙伴的能力等级）、专长单元（在某个专业领域的深度）、工作单元（实际用了多少）。达索首席执行官帕斯卡尔·达洛兹还讲过一个更激进的方向——按结果收费，比如帮车厂用虚拟孪生（在电脑里建一个和实物一一对应的模型，拿它代替实物做试验）自动设计一套车灯，就分走省下来的工程费用里的一部分。

非改不可，因为老的度量衡废了。按席位收费的前提是"干活的是人，人要坐在电脑前"。当一个智能体在半夜跑了三千次设计迭代，它占几个席位？零个。你按人头收费，客户用 AI 用得越狠，你收的钱越少。

这个逻辑没毛病。市场的反应也不难理解——它把股价砸下去两成。

因为投资人听到的是另一层意思：你自己承认，客户不需要那么多工程师了。而你过去四十年的收入，是按工程师人数收的。

这就是行业里所有按席位收费的公司要过的那道坎。达索只是第一个走上去的，所以第一个挨打。

公道地说，那一巴掌也不全是打给它的。达索公布财报的那两周，整个软件板块正在经历一场后来被叫作「软件末日」的行情：标普 500 软件与服务指数从 1 月 28 日起，市值蒸发了约一万亿美元。导火索是 Anthropic 发布了一个能自动处理法务事务的工具，法律软件股当天被打穿，接着恐慌蔓延到所有按席位收费的公司——微软一个月跌 13%，Adobe 跌 19%，Salesforce 和 ServiceNow 年内跌了两三成。

投资人问的是同一个问题：你这门生意，是 AI 的基础设施，还是 AI 随手就能替掉的应用层？达索只是恰好在风暴眼里开了财报会，还亲口承认自己要换计价方式。

engineering.com 后来有篇复盘写得很准：整个品类正在被重新定价，投资人开始怀疑工业软件到底还算不算战略基础设施。

过去四十年，这门生意是"人头本位"的。人头本位留下的账，属于商业模式债，不属于技术债——技术债加班能还，商业模式债只能割肉。

而 Cadence 那张涨了 24% 的财报，好就好在它收钱的刻度钉在芯片设计项目上，跟客户有多少工程师无关。AI 越火，芯片设计的项目越多、越复杂，它的账单越长。

同一年，同一个行业，一个跌两成一个涨两成四，差别在收费的刻度上：你的刻度，是不是钉在了一个正在被 AI 缩小的东西上。

七、先泼一盆冷水

上面说的都是趋势，但趋势和现场是两回事，这盆水必须泼。

第一盆：真进产线的很少。2026 年的一份工业 AI 调研里，只有 7% 的受访者说 AI 已经嵌进了核心业务流程，68% 还卡在试点和概念验证阶段。麻省理工那边流传更广的一个数是，95% 的企业生成式 AI 试点最后没进生产。卡住的原因大多不新鲜：跟老系统集不进去、数据散在各处、输出质量不稳定、没人负责。

第二盆：AI 画的图还不能送车间。2026 年做文本生成 CAD 的评测里说得挺刻薄——大部分工具吐出来的是一个单独的几何体，没有特征树，没有公差，没有材料标注，也没考虑这东西怎么加工出来。一个看着挺对的支架，壁厚在选定树脂下薄到没法注塑，那东西叫渲染图，不叫支架。同一个提示词跑两遍还能出两个不一样的形状。

第三盆，也是最要命的：工业 AI 没有互联网可爬。

大语言模型能起来，是因为人类把几十年的文字免费堆在了互联网上。工业没有这个东西。仿真数据、工艺参数、试验记录、失效案例，全在客户的保险柜里锁着，而且格式互不相通，很多还是几十年前的私有格式。芯片行业更极端，关键数据握在客户和代工厂手里，谁也不给。

这一条决定了一个很反直觉的结论：工业软件不会出现"一个大模型通吃"的局面。

消费级 AI 是赢家通吃，因为数据是公共的，谁算力大谁赢。工业 AI 是分区割据，因为数据是私有的，一个行业一个模型，甚至一个大客户一个模型。这既是新玩家的机会——你不用打赢通用模型，你只要在一个细分领域拿到数据；也是新玩家的天花板——你在航空发动机里做得再好，也不能直接搬到锂电池上去。

八、往下两层：人和机器

前面几节讲的都是地图的顶层。那是工业软件最贵的一段，账也最好算。

现在往下走两层。这两层的钱没那么好赚，但人和数据都在那儿，十年后的变数也在那儿。

顶层之下：图纸的读者

先说人多的那一层。

一张施工图，画的人可能就一个。要看这张图的有多少？施工员、班组长、监理、造价员、审图的、甲方代表、后期检修的。几十上百个人，围着一张别人画的图干活。

这批人过去几乎不给软件付钱。要么用免费的看图工具，要么装个盗版的正经 CAD，要么干脆打印出来卷着塞在安全帽里。需求一直都在，只是没人把产品做到他们手上，也没人相信他们会自己掏钱。

这条路后来被走通了。

广联达控股的北京鸿鹄云图，2016 年成立，做的就是这件事：CAD 快速看图、PDF 快速看图、建工计算器，全平台、走订阅制，用户过千万，覆盖一百多个国家和地区。同一条赛道上的浩辰看图王，公开数据是 2025 年总用户破亿、月活超一千五百万。

这条路成立的地方在于，它做的是增量，不是存量。

它没去抢 AutoCAD 的饭碗——画图的人该用什么还用什么。它把一群从来不在付费名单上的人，变成了付费用户。客单价低到个人愿意自己掏钱，于是绕开了国内工业软件最难啃的那一环：企业采购流程。一个施工员不用打报告、不用走招标，在手机上点一下就订了。

AI 在这一层的杠杆，比在设计端更容易兑现。

图纸识别、文字表格提取、两版图纸自动比对、按图算量——这些恰恰是多模态模型最擅长的活。更关键的是，这一层不需要签字权。看图的人不承担设计责任，AI 认错一个标注，人当场就发现了；而设计端的 AI 算错一个应力场，可能要等到东西装上天才知道。责任链条短，AI 就能立刻用起来。

回到那四样货的账：设计端"按人头收费"正在崩，因为工程师人数会被 AI 压缩；使用端"按人头收费"才刚开始，因为拿着手机在工地上核对现场的那个人，AI 替不了。同一个商业模式，在两层里的命运是相反的。

这是一个离签字权最远、离用户最近的位置。后面那张牌桌上，它会单独占一把椅子。

也得把话说完整：这个位置有它的天花板。

单价低，全靠规模，一旦"看懂一张图"这件事被大模型或者操作系统免费内置，护城河立刻变薄。而且它占的是入口那把椅子，不是数据主那把——看图行为本身沉淀不出多少高价值数据。真正的升级路径是从看图往上走，把一个项目的图纸版本、变更、现场核对记录攒成一条可追溯的链，那才是别人拿不走的东西。

但无论如何，这是国内厂商为数不多的、在全球范围内跑通的模式。它没有在旧战场上跟人拼精度，而是在旧战场旁边开了一块新地。

再往下：设备的语言

再往下一层，是机器那一侧。

上一节那句狠话——工业 AI 没有互联网可爬，数据全锁在保险柜里，格式互不相通——是对的，但没说完。有人正在修这条路。

修路的东西叫 OPC UA。名字听着劝退，来历其实很实在。

上世纪九十年代，车间里的设备各说各的方言：这家的 PLC（可编程逻辑控制器，机床产线上那台管控制的小电脑）一套协议，那家的另一套，Modbus、Profibus 各行其是。上位机想读一台设备的数，就得为它单独写一个驱动；设备换个牌子，驱动重写一遍。1995 年，五家自动化厂商受够了，凑在一起成立工作组，第二年 OPC 基金会挂牌，1996 年 8 月发布第一版规范。那时候 OPC 的意思是"用于过程控制的对象链接与嵌入"——直接架在微软的技术上，当时够用，代价是只能跑在 Windows 上。

2008 年出了第二代，叫 OPC UA，UA 是"统一架构"，后来成了国际标准 IEC 62541。跨平台只是顺带的，它跟第一代最要紧的差别在于：它不光负责把数搬过去，还负责说清楚这个数是什么意思。

一台注塑机报出来一个数字 187，光有数字没用，得知道它是模具温度、单位是摄氏度、采于哪个工位、在什么工况下有效。前者是数据，后者才是语义。工厂里几十年积下来的私有协议，数据其实传得出来，麻烦的是传出来没人知道它指什么。

这套东西在工业界的分量，看德国人的态度最清楚。工业 4.0 那套参考架构，通信层他们只推荐了一个标准，就是 OPC UA。后来给产品评工业 4.0 的"基础、就绪、完全"三档，连最低那档的硬性条件里都写着：至少得集成 OPC UA 的信息模型。

把语义标准化的抓手，是一套叫伴随规范的东西，一个行业一份，规定这个行业的设备该怎么把自己讲清楚。目前有四百三十多份。

2026 年 4 月，OPC 基金会宣布了一件很值得琢磨的事：把这四百三十多份伴随规范，全部转换成 AI 能直接消化的格式——切好块的检索文本、向量嵌入、模型上下文协议接口。一个成立三十年的工业标准组织，在主动把自己改写成大模型读得懂的样子。

这是新赛道的起点，理由有两条。

一是它把"工业 AI 没有语料"这件事撬开了一个口子。设计端的数据难拿，因为那是客户的核心机密；但产线上每天跑出来的运行数据，只要接进标准语义，就能变成智能体可用的素材。后面会讲到，十年后最值钱的位置之一是"数据主"。不修这条路，那把椅子根本坐不上去——数据取不出来、机器读不懂，攥在手里也是一堆废硬盘。

二是更要紧的一层：定义语义，就是定义入口。 谁写下"这个行业的设备该有哪些字段、字段叫什么、单位是什么"，谁就站在了这个行业所有数据的门口。这跟前面讲的签字权是同一件事，只不过它发生在设备层，而且现在还没定完——四百多份规范背后，是四百多个行业联盟在划地盘。

新赛道具体长什么样？把老设备接进标准的建模工具、边缘侧的网关、私有协议到标准语义的映射，以及让智能体直接读懂产线的那一层中间件。这些活单看都不性感，但它们是上面所有 AI 应用的地基。

这里也得泼一点水。标准好写，装到机器上难。车间里跑了二十年的老设备不会自己开口说话，改造要停产、要花钱、要有人背锅；很多厂子今天还在靠人工抄表。OPC UA 喊了很多年，真正接进来的设备比例并不高。这条赛道最难的一关在人身上：你得说服一个厂长，为了"以后 AI 能用"今天停三天产。

但方向是清楚的。中国有全球最大的设备保有量和最多的产线，尤其在电池、光伏、储能这些我们本来就领先的行业里——那些行业的设备语义该由谁来定义？这个问题现在还没有答案，而它值钱的程度，不亚于任何一个求解器。

这个位置我叫它语义的守门人。它不出现在任何一张财报的产品目录里，却决定了数据主那把椅子上最后坐的是谁。

三层走完，一个结论已经浮出来了：钱最贵的那层，未必是十年后变数最大的那层。

九、十年推演：六个判断

三层都摊开了，说点敢下注的。下面六条，2036 年可以拿出来对账。

一，求解器会免费，送它上路的是卖硬件的人，不是开源社区。

英伟达 Apollo 已经开了这个头。往下十年，凡是自己不靠软件吃饭、却需要工程师多算的公司——卖芯片的、卖云的、卖机器人的——都有动机把仿真能力白送。等到主流物理场的基础模型都能免费下载，"我们的求解器很强"这句话就彻底卖不出价。软件厂商守得住的是精度最后那几个百分点，和这几个百分点背后的验证数据。

二，工业界不会出现「一个大模型通吃」的时刻，格局是分区割据。

理由前面讲过：没有可爬的公共数据，而 OPC UA 这样的路才刚开始修。所以别指望某一天冒出一个模型把 CAD、CAE、EDA 全干了。十年后你会看到几十家垂直玩家，各占一块，各自有一批不外传的数据。这个行业的集中度不会像消费 AI 那么高。

三，并购不会停，但买的东西已经变了。

新思 350 亿买 Ansys，西门子 106 亿买 Altair，Cadence 收编 ChipStack 那二十个人——这一轮买的是数据和入口，功能只是搭头。往下十年，最贵的收购标的会是那些自己不怎么赚钱、但手里攥着某个行业几十年验证数据的小公司。估值逻辑会从"你有多少客户"变成"你有多少别人拿不到的数据"。

四，会出现一个刺眼的财报现象：客户的工程师人数在降，软件账单反而在涨。

这是我最想立此存照的一条。当计费单位从席位改成工作量，两条曲线会分家。谁先完成这个切换，谁先享受到它；切换晚的公司，会经历一段收入曲线跟客户裁员曲线一起往下走的难受日子。达索是第一个试的，市场先给了它一巴掌，但方向是对的——三五年后回头看，2026 年 2 月 11 日那一跌，可能是整个行业换度量衡的起点。

五，新势力不会正面攻城，十年后老厂商多半还在，只是退到后台。

外挂—中枢—后台，这三步棋已经在走了。危险的信号藏在别处：某一年的调研会显示，工程师每天真正打开的界面，已经换成了别人的。到那一天，老软件还在跑、许可证还在续，但定价权没了。

六，最后一道护城河会从"算得准"变成"敢担责"，工业软件公司会长得越来越像认证机构。

这是我对终局形态的判断。当算力和模型都白菜化，剩下唯一稀缺的是一句"我为这个结果负责"。谁能承担错误的后果，谁就能收最贵的钱。往后走，工业软件公司的样子会越来越接近德国莱茵、必维这类认证机构，甚至接近会计师事务所——软件本身可能便宜到接近免费，签字盖章、承担责任的那部分收费高得离谱。

十、十年后，牌桌上坐着谁

上面六条是"会发生什么"。这一节讲"谁还在"。

我把 2036 年的牌桌画成七个位置。它们之间没有上下级关系，是七种完全不同的赚钱方式。

十年后的七个位置——最先出局的是夹在中间那批：没有独家数据、拿不到签字权、还在按人头收费

位置一：卖铲子的。 英伟达这类。它不卖工业软件，它靠把仿真做快、做便宜，让工程师敢算一万次，卖掉更多的卡。它是这张桌子的规则改写者，但它自己不下场分工业软件的钱。所有人的地基都在它手上，这件事十年内很难变。

位置二：全栈平台。 新思吃了 Ansys，西门子吃了 Altair，达索和 Cadence 各有各的拼法。它们的方向是把芯片、结构、流体、电磁、产品数据管理缝成一整套，卖"从一颗晶体管到一整架飞机"的整包。这个位置十年后不会多，我估计能站稳的就三家上下。它们真正的资产已经从软件功能换成了两样：几十年的验证数据，和监管认它的那张脸。

位置三：智能体应用层。 ChipAgents、PhysicsX、Neural Concept，以及未来五年会冒出来的一大批。它们不碰内核，只做工作流的中枢。这是十年内最有机会长出新巨头的位置，也是死亡率最高的位置——今天融到几亿美元的公司，十年后能剩下几家，我不乐观。判断它们生死的标准只有一条：有没有从客户那里换到别人拿不到的数据。换到了，就升位；没换到，就是个漂亮的外挂，被宿主一个版本更新抹掉。

位置四：使用端入口。 看图、批注、协同、现场核对这一层。用户基数大得多，客单价却低到个人自己就能决定买不买。它离签字权最远，所以 AI 在这里落地最快；也正因为离签字权最远，它的护城河最薄——护住位置的办法只有一个，把入口沉淀成一个项目全流程的数据链。

位置五：数据主。 这个位置现在最不起眼，十年后最贵。谁手里攥着某个行业几十年的仿真—试验对照数据、失效案例库、材料实测曲线，谁就是所有想训物理模型的人必须绕过去的一道关。这类主体今天大多不是软件公司——可能是个行业研究院，一家老牌零部件厂，一个检测中心。它们自己还没意识到手里那堆没人整理的旧硬盘值多少钱。

位置六：语义的守门人。 定义一个行业的设备该怎么把自己讲清楚——字段叫什么、单位是什么、什么工况下有效。它不卖软件，它写规矩。数据主那把椅子上最后坐的是谁，很大程度上由它决定。

位置七：担责方。 认证机构、标准组织，以及一个今天还不存在的角色——给 AI 算出来的结论承保的人。前面那条判断落到牌桌上就是这把椅子：它收的是风险钱，不是软件钱。七个位置里，这一把最有可能长出一个全新物种。

那么谁最危险？

夹在中间的那批：既没有独家数据，又拿不到签字权，还在按人头收费的中型通用软件商。 上打不过全栈平台，下被智能体应用层抄了工作流，横着被开源和免费模型抹平了技术差。这类公司十年内会大批消失或被并购，而且它们中的很多今天日子还过得不错——这才是最麻烦的地方，日子过得去，就不会动。

七把椅子摆在这儿，接下来的问题是：中国厂商现在坐在哪一把上，又该去坐哪一把。

十一、六块短板，AI 松得动几块

国内的情况，先说一个不太好听的事实。

中国工业软件的国产化率这些年确实在往上走，但结构极不均衡：管生产、管经营的那些，替代得快；研发设计这一类——CAD、CAE、EDA——一直是国产化率最低的一块，占整个市场的盘子也最小。这是行业里的常识，不用具体数字也不影响判断。

有一种流行说法：AI 来了，大家在新赛道上是同一起跑线，正好弯道超车。

这话对一半。因为短板不止一块，而 AI 只对其中几块有效。我把它拆成六块，一块一块判。

六块短板的判定：AI 能撬开左边三块，右边两块反而更硬，商业模式那块看自己怎么选

短板一：根技术。几何内核、求解器、约束求解、编译器。

这几样东西底下是偏微分方程、调和分析这些硬数学，靠的是几十年一行一行调出来的收敛性和鲁棒性。行业里有句公认的话，没有五到十年的死磕，突破不了内核。国内这些年确实有从零做起的自主内核出来了，但数量少、生态薄。

*AI 能松动吗？能，而且是最直接受益的一块。* 物理 AI 模型提供了一条绕行路线——你可以不把前四十年的数值方法重走一遍，直接用数据驱动的代理模型去逼近解。英伟达把这条路的地基免费发了出来，谁都能站上去。但要清醒：绕过去的是"能算个八九不离十"，最后那几个百分点的精度、极端工况下的稳定性，还得硬啃数学。

短板二：生态和分工。

国外早就是横向分工：内核一家、求解器一家、前后处理一家、行业模块一堆小公司，中间靠标准接口拼起来。国内多数厂商还得纵向一体化，内核、求解、界面、行业方案、实施交付，一家全干。人手就那么多，摊到每块都薄。

*AI 能松动吗？这是我认为机会最大的一块。* 智能体时代，人和软件之间的接口正在从"点菜单"变成"下指令"，工具之间的接口正在从"文件格式"变成"函数调用"。旧生态是围着菜单和文件格式长出来的，新的接口标准还没定。谁先在新接口上做成中枢，谁就不用去复制别人四十年的插件生态——重新长一个就行。

短板三：验证数据。

这是最容易被忽略、也最要命的一块。国外巨头手里攥着几十年的仿真—试验对照数据：算出来是这个值，实物砸下去是那个值，差多少，为什么差。这些数据不外传，也没法买。

*AI 能松动吗？不能，而且情况反而更糟了。* 前面说过，新思花 350 亿买 Ansys，买的很大一部分就是这些数据。AI 时代之前，这些数据只是"经验"；AI 时代它变成了"燃料"，直接升值。AI 没有削平这块差距，AI 把这块差距变得更值钱了。

这是我想让大家特别注意的一点：一提 AI 就说弯道超车，但 AI 恰恰让对手最深的那块资产升了值。

短板四：签字权。

哪家软件的结果能拿去报审、能进标准、能当证据，这件事跟技术水平只有一半关系，另一半是行业几十年的路径依赖和标准体系。国产软件在常规结构和流体计算上，精度已经能跟国际主流对齐，但在需要取证的场合仍然进不去，卡的不是算得准不准。

*AI 能松动吗？在存量行业里，基本不能。* 标准的更新速度以十年计，而且越是人命关天的领域越保守。AI 算得再快，也改变不了"出了事谁负责"这个问题的答案。

短板五：人才。

既懂数学又懂工程还愿意在一个软件里蹲十年的人，全世界都缺，国内更缺。这批人过去大多被互联网和金融吸走了。

*AI 能松动吗？能。* 写求解器的门槛被拉低了，一个懂工艺的老工程师，配上 AI，现在能把自己脑子里的规矩变成可运行的软件——这在五年前需要一个博士团队。这一块的松动会很快，快到出乎意料。

短板六：商业模式。

国内工业软件长期在打价格战，靠低价和补贴换份额，毛利被压得很薄，养不起长期研发。而按人头卖席位这套刻度，本身又是从国外抄来的。

*AI 能松动吗？两个方向都有可能。* 好的方向是：既然全行业都要换计价方式，国产厂商没有历史包袱，可以直接跳过"按人头打价格战"这一段，一步进到按工作量、按结果收费。坏的方向是：如果继续拿低价当唯一武器，AI 只会让软件本身更不值钱，毛利更薄。

六块拆完，账很清楚：AI 能帮上的是根技术、生态和人才这三块，帮不上的是数据和签字权这两块，而后两块恰恰是价值最高的部分。 商业模式那块，看自己选。

落到打法上。对照上一节那七把椅子，我的判断可能不太中听：中国厂商最现实的目标是数据主、语义守门人和担责方这三把，挤进全栈平台，十年不够。 一个行业的数据谁攒起来、设备语义谁来定义、新领域的验收标准谁来立——这几件事外国公司在中国做不了，也不该由它们做。

具体三件事。

别在旧战场上追平。 花十年做一个国产 CATIA，做出来那天，市场可能已经不按那个形态买东西了。这就像 2010 年拼命做一个更好的功能机。

去新场景立规矩。 真正的空子在那些还没形成路径依赖的地方——动力电池、光伏、储能、机器人、算力中心的散热与能耗。这些行业在中国是全球第一梯队，标准体系还在成形中，没有一个盘踞四十年的外国软件把持着验收章。谁能在这些领域先把数据攒起来、把标准立起来，谁就有机会在下一轮拿到签字权。我们做工业软件时选高能耗行业当切口，图的就是那里还没人占住。

把责任体系当成基础设施来建。 一个国家如果只有软件没有验证标准、没有认证体系、没有可追溯的数据库，那国产软件永远只能干"画图"这种最不值钱的活。这件事单个公司做不了，得行业、协会、监管一起来。

有个话我在很多场合说过：外行是赚不到内行的钱的。工业软件是这句话最极端的例子——它的每一行代码背后，都是某个老工程师踩过的坑。AI 能把这些坑压缩进模型里，但压缩的前提是有人先踩过、并且把过程记下来。

十二、写在最后

回到 2 月 11 日和 7 月 26 日那两张财报。

我猜十年后再看，这一年会被当成分水岭：工业软件从"卖工具"变成"卖答案"，从"按人头"变成"按结果"，从"我算得准"变成"我敢负责"。

行业的钱不会变少，甚至会变多——AI 让工程量爆炸，画的图、算的方案、跑的迭代，都是过去的成百上千倍。但钱会换个口袋装，也会往下层挪：从最贵的设计端，挪向人最多的使用端和数据最多的设备端。

过去四十年，工业软件卖的是一台计算器，按使用者的数量收费。往后十年，它卖的是一份可以拿去交差的结论，按结论的分量收费。

至于我们这些做软件的人，得想清楚一件事：当机器一个晚上能交出一万份方案，你多做一份没什么意义。你的价值在于敢从这一万份里挑出一份，签上自己的名字。