工业克苏鲁：用"软件 + 数据 + AI"重构工业基座
产业洞察 · 中国制造 · 工业软件 | 2026 年 5 月 | 约 8 分钟阅读
最近一直在反复琢磨一个问题：
如果工业软件这么差，那中国这只工业克苏鲁，是怎么跑起来的？
这是 上半场 的题。回头看，30 年制造业红利已经把答案给完了。 真正还没回答的，是 下半场 的另一道题：
下一个 10 年，这只克苏鲁要靠什么继续往上长一截？
我的判断很直接——靠 "软件 + 数据 + AI"重构工业基座。这里的"工业基座"不只是软件——是 工具 + 知识 + 组织 + 商业 四层一起翻。这件事我喜欢叫它 "二次重构"——区别于过去 30 年用"硬件 + 工艺"完成的第一次重构。
下面五步：先拆 "不行"在哪 → 看 上半场怎么跑起来 → 把矛盾还原成 时间问题 → 讲清楚 下半场要重构什么 → 看 谁已经在干。
一、先拆"工业软件不行"——到底哪一类不行？
工业软件不是一个东西，是 6 个层级。"不行"和"行"分布在完全不同的位置。
把这张图压成一句话：
| 层 | 决定的事 | 中国位置 |
|---|---|---|
| 上 4 层 · EDA / CAD / CAE / PLM | "能不能造出来" | 卡脖子最深 |
| 下 2 层 · MES / MOM、工业 IoT / SaaS / APS | "能不能造得快、造得多、造得便宜" | 国产已主导甚至领先 |
关键判断：说"工业软件不行"，几乎全指 上 4 层；说"中国制造很强"，靠的几乎是 下 2 层 + 海量供应链 + 工程师红利。
二、上半场：克苏鲁是怎么跑起来的？
上 4 层薄弱并不致命——四个非显性机制叠在一起，足以把中国制造跑成克苏鲁。
机制一 ｜ 设计买、制造造——双系统并行
C919、J-20、华为手机、宁德时代电池——研发设计层至今主要还是 Catia / NX / Ansys / Synopsys；走出图纸进入车间，MES / APS / SCADA / 数字孪生 / 能源管理 几乎清一色国产或自研。
- 好处：进口软件吃不到中游运营层的利润；
- 坏处：设计天花板被锁死——5nm 以下芯片、商用大涵道航发、超精密机床母机这些"最后一公里"仍跨不过去。
机制二 ｜ 工艺试错代替仿真优化
国外：CAE 仿真 → 数字孪生迭代 200 次 → 出 1 版打样 → 量产
中国：简化版 CAE → 直接上 5 条产线打样 → 工程师手算 + 老师傅经验 → 30 天出量产版
不是更聪明，而是 用规模制造的边际成本去抵消高端软件的缺位。新能源车、光伏、动力电池都是这条路打出来的——用工艺红利吃软件红利。
机制三 ｜ 互联网算法反向给工业补能力
中国做了 20 年消费互联网，沉淀的 调度、运筹、强化学习、路径规划 算法最近 5 年集中"反向输出"到工业现场：
- 阿里、腾讯、华为、字节都做工业云；
- 美团、京东的运筹团队反向给智能制造做产线排产；
- 大模型出来后，"工业大模型 + AI 仿真"开始绕过 CAE 鸿沟——盘古气象、风乌、华为光刻 EDA 大模型、十沣 + 大模型 CFD。
国外没有这条 "消费互联网 → 工业互联网" 反向通道。这是中国独有的捷径。
机制四 ｜ 大头本来就不需要顶级软件
| 行业组 | 工业产值占比 | 是否需要顶级研发设计软件 |
|---|---|---|
| 纺织、家电、家具、五金 | 大 | 不需要，二流 CAD + 强 MES 就够 |
| 化工、建材、食品加工 | 大 | 不需要，工艺 + 控制系统是关键 |
| 中低端装备、消费电子 | 大 | 够用即可 |
| 高端芯片、商用大飞机、航发、超精密机床 | 极小 | 必须顶级，目前正卡在这里 |
克苏鲁的厚度，是前三类海量中低端制造堆起来的——它从来不需要工业软件最强，只需要够用。卡脖子卡的是 国家技术上限和战略主动权，不是克苏鲁的存量。
三、矛盾吗？两段时区的对话
把视角拉到时间轴上，矛盾就消失了。
| 时间窗口 | 工业能力的主要来源 | 工业软件扮演的角色 |
|---|---|---|
| 过去 30 年（1995–2025） | 工程师红利 + 海量产能 + 进口设计软件 + 自研制造软件 | "够用就行" |
| 未来 10 年（2026–2035） | 高端制造升级 + AI 仿真 + 数据要素 + 工业大模型 | 决定增量上限的关键变量 |
- "工业克苏鲁"是已经兑现的存量——靠制造执行层 + 工艺试错红利；
- "工业软件不行"是正在显形的增量天花板——锁的是航发、3nm 以下芯片、高端机床、商用大飞机。
两件事不矛盾——它们各自描述的是 "已经发生的事"和"将要决定胜负的事"。
四、下半场：二次重构什么？四层一起翻
"二次重构"最容易被读成"国产软件替换外资软件"。那不是重构，是搬家。
真正的二次重构 从外向里、从工具到生态四层一起翻——少做一层都不能算。
重构层 1 ｜ 工具层
重构对象 #1：把"上 4 层"从"卡脖子"重写成"领跑机会"。
不是再造一个 Ansys、再造一个 Synopsys——那条路 20 年没追上，再花 20 年也未必行。 而是 用 AI 跨越式重写：大模型 + 物理先验做仿真、EDA 大模型做芯片设计、工业 GPT 做工艺优化。
代表性突破已经摆在那里——盘古气象（Nature 论文，仿真精度超越欧洲中心 ECMWF）、上海 AI 实验室"风乌"、华为光刻 EDA 大模型、十沣 + 大模型 CFD。
重构层 2 ｜ 知识层
重构对象 #2：让工业知识的容器，从"外资软件 license"换成"中国数据 + 模型"。
工业软件本质是 工业知识的容器：
- Catia 装的是法国航空 50 年的设计 know-how；
- Ansys 装的是美国流体/结构仿真的工程知识；
- Synopsys 装的是 50 年芯片设计经验。
中国工厂用了几十年这些软件，但知识仍锁在容器里，没装进自己脑子。
下半场要做的，是把知识 从外资软件里拆出来：
- 三一、宁德、华为、比亚迪沉淀的工艺数据 → 工业数据集；
- 老工程师的工艺经验 → 通过 LLM 抽取成 工业知识库；
- 制造现场实时反馈 → 反向训练 专属工业大模型。
重构层 3 ｜ 组织层
重构对象 #3：让"设计 - 制造 - 服务"从串行变成数据双向闭环。
上半场（串行）：设计（Catia / NX）→ 工艺（PLM）→ 制造（MES）→ 运营（ERP） 下半场（闭环）：设计 ↔ 制造 ↔ 运营 ↔ 服务（实时数据双向流动）
每段都用一套独立软件，数据在边界打折损耗——这是上半场的代价。下半场 AI + 数据要素 + 工业云 把它写成闭环。
新能源车已经在做：100 万台车每天反馈数据，让下一版设计更聪明。
重构层 4 ｜ 商业层
重构对象 #4：把工业软件的钱，从"卖 license"挣转成"卖订阅 + 数据 + 词元"挣。
| 维度 | 上半场 | 下半场 |
|---|---|---|
| 计费 | 一次性 license + 维保费 | 订阅制（黑湖、华为云、用友云） |
| 数据 | 数据是软件的副产物 | 数据即服务（高质量数据集直接卖） |
| AI 用量 | — | 按词元计费（与 《从"流量"到"词元"》 的"词元驱动"对应） |
这是中国最有机会赢的一层——不是技术之战，而是商业模式之战。
一张表收口
| 层 | 上半场（已发生） | 下半场（要重构） |
|---|---|---|
| 工具层 | 进口 CAE / CAD / EDA / PLM | AI 仿真 + 工业大模型 |
| 知识层 | 知识锁在外资软件里 | 知识装进中国数据 + 模型 |
| 组织层 | 设计 - 制造 - 服务串行 | 数据闭环 + 数字孪生 |
| 商业层 | 卖 license / 维保费 | 订阅 + 数据 + 按词元计费 |
不是把外资软件换成国产软件，而是把整个工业基座的范式重写一遍。
五、谁在干：三条政策线已经摆出来
下半场不是空想——三个部委的动作已经分头落到三个重构层上。
| 部委 / 主体 | 政策线 | 对位重构层 |
|---|---|---|
| 工信部 | "新一代工业软件创新攻关行动"（2025 启动）—— EDA / CAE / CAD 列为最高优先级专项 | 工具层 |
| 科技部 + AI 实验室 | "AI for Engineering / AI for Science"——大模型 + 物理先验绕过 CAE 鸿沟（盘古气象、风乌、光刻 EDA 大模型） | 工具层 + 组织层 |
| 国家数据局 | "高质量工业数据集 + 工业可信数据空间"——参见 《从"流量"到"词元"》 中"5+3+1"的"数据赋能 AI" | 知识层 + 组织层 |
| 市场（民企/资本） | 订阅制 SaaS、按词元计费、数据即服务 | 商业层 |
三个部委不是三件事，是同一件事的三个侧面——分别推工具、知识、组织三层；商业层由市场自己跑出来。
六、一句话总结
上半场：中国用 30 年制造业红利，证明了 "工业软件够用就能跑出克苏鲁"。
下半场：要靠 "软件 + 数据 + AI" 对工业基座做一次 二次重构——工具、知识、组织、商业四层一起翻，让这只克苏鲁继续向上长一截。
下一次再看到"中国工业很强 / 工业软件不行"同时出现，不必觉得它们打架—— 它们是同一个故事的上半场和下半场，下半场已经在开打。
本文涉及工业软件市场份额、行业分类等数据，参考工信部《工业软件产业白皮书》、中国工业技术软件化产业联盟年度报告、国家数据局公开材料及主流财经媒体公开报道；具体数字以最新官方口径为准。文中观点为笔者个人理解，欢迎讨论。