全球工业软件与 AI Native Engineering 战略情报周报
2026年度基准报告｜第001期
研究期间：2026年1月1日—10月16日
重点事件观察窗口：2026年10月9日—16日
研究展望：2026年第四季度—2031年
适用对象：产业政策研究、投资机构、工业软件企业战略与技术研发
Executive Brief｜年度核心结论
2026年全球工业软件产业的七项重要变化
2026年，全球工业软件产业最值得关注的变化，并不是生成式AI开始进入CAD、CAE和EDA软件，而是大型工业软件集团、基础模型企业、工业自动化公司和新兴工程AI公司，正在通过不同方式重新配置专业工程能力。
本报告形成七项年度判断。
第一，工业软件产业整合正在进一步跨越传统专业边界。 2026年2月，Cadence完成对Hexagon Design & Engineering业务的收购；10月5日，Schneider Electric与PTC签署正式收购协议。前者扩大了EDA企业的结构与多体动力学仿真能力，后者则试图连接产品工程数据、工业运营数据和控制系统。PTC交易尚未完成，不能将其计为已交割资产。Cadence
第二，成熟工业软件集团正在将AI从辅助功能推进到专业任务执行。 Siemens推进工业AI与数字孪生集成；Dassault Systèmes推出AURA、LEO、MARIE；PTC开放Onshape FeatureScript MCP；Autodesk开放Fusion Compute MCP公测。这些进展表明专业工程功能正在逐步成为可由智能体调用的能力，但不能据此认定复杂工程设计已经实现完全自主。西门子新闻
第三，Physics AI正在吸引基础模型公司、工业软件公司和风险资本同时进入。 英国PhysicsX于6月宣布3亿美元C轮融资；法国Mistral AI于5月将Emmi AI的物理AI技术纳入自身平台。前者代表专业工程AI公司的扩张，后者说明基础模型企业也开始直接建设工程物理能力。PhysicsX
第四，Engineering Agent正在出现两种不同的架构。 一种由传统软件厂商将智能体嵌入现有产品，另一种由独立平台跨软件调用专业工具。SimScale将仿真智能体接入Onshape，就是后一种路线的代表。两种架构未来可能长期共存，而不是由单一智能体平台 完全替代所有CAD、CAE和EDA软件。SimScale
第五，制造工程AI已经开始从研发工具进入商业交易环节。 英国CloudNC于10月13日发布Quote Agent，支持机械加工报价分析，并采用每零件2.50美元的AI使用价格。这说明AI原生工业软件可以从专业工程任务切入，进一步延伸至报价、采购和订单获取，但报价仍需人工审核。CloudNC
第六，工业数据平台的战略价值正在上升。 Schneider Electric于6月签署收购Cognite的协议，企业价值约31亿美元；日本与美国双总部的CADDi于9月宣布1.14亿美元D轮融资协议。两起事件的交易性质不同，但都体现出工业数据语义、制造知识和跨系统信息利用的商业价值。Euronext
第七，中国工业软件产业的机会与挑战正在同时扩大。 2026年前八个月，中国工业软件产品收入同比增长8.3%。政策进一步支持工业智能体、专业模型和高质量工业数据集建设，但国产几何内核、CAE求解器、EDA专业工具及工业控制软件的成熟度仍需逐项验证，不能仅以企业数量或AI产品发布数量判断产业竞争力。工业和信息化部
年度总判断
2026年全球工业软件的核心变化，是成熟专业计算能力、工程数据、工业知识与AI执行系统之间的关系正在重新组织。
这一过程可能扩大工业软件的应用范围，改变部分软件交互和商业模式，同时强化某些底层算法、数据治理及工程验证技术的战略价值。
未来竞争不应简单理解为“AI取代传统工业软件”，而应研究不同技术资产如何协同、哪些环节可能被商品化，以及产业价值最终由谁获得。
全球产业趋势扫描
全球工业软件并购：从专业能力补充走向跨系统组合
2026年最重要的资本变化，是大型集团进一步重视不同工程软件技术之间的互补性。
其中，Autodesk完成MaintainX收购的日期已由美国证券监管文件确认；Schneider收购PTC则仍处于正式协议阶段，预计2027年第三季度交割。两者不能使用相同的“完成收购”口径。美国证券交易委员会
产业含义
过去，工业软件集团已经通过产品组合和专业平台实现跨学科竞争，因此2026年的并购不能被描述为它们首次从单一工具转向平台。
真正的变化在于，产品设计、工程仿真、制造运营和实际设备数据之间的商业联系进一步受到资本重视。
例如，PTC长期掌握产品设计与生命周期数据，而Schneider Electric及其软件体系具有工业控制、能源和运营数据基础。
如果未来能够有效连接这些数据，企业可能进一步利用真实运行信息改善下一代产品设计。
但这属于潜在协同。完成资本交易并不意味着相关系统已经拥有统一的数据模型或实现工程闭环。
因此，2027—2031年最值得观察的不是并购后的品牌数量，而是跨软件工作流、数据互操作和客户共同采购是否产生实际变化。
2026年工业软件市场的可核实增长指标
数据来源：工业和信息化部、SEMI ESD Alliance及企业正式财报。工业和信息化部
这里存在三个必须保留的统计边界。
首先，中国工业软件产品收入不等于中国全部软件业收入，也不等于中国工业软件产业链全部产值。
其次，SEMI统计的电子系统设计产业包括EDA相关软件、半导体IP和服务，其中的CAE分类属于电子设计统计体系，不能直接当作机械CAE或CFD市场规模。
最后，上市集团收入可能包含建筑软件、服务、IP及并购业务，因此不能直接用集团收入增速推断某一专业工业软件市场的有机增长率。
本报告暂不发布2026年全球工业软件市场总规模的单一数字。 不同机构对ERP、EDA、工业控制、工业互联网、嵌入式软件和工业AI的统计边界差异较大，在完成统一口径之前，直接相加容易产生重复计算。
国家与区域扫描：全球工业软件产业的不同竞争体系
本次建立的区域观察体系，不以企业总部所在地简单决定技术竞争力，而同时考虑研发资产、母公司控制关系、专业软件产品、制造业客户和AI创新活动。
表中为初步观察对象，不代表所有企业均在2026年发布了AI产品，也不代表每个区域的企业覆盖已达到穷尽。部分企业为跨国集团业务或已被收购的技术资产，详细主体关系见附件。
美国：成熟工业软件与AI创业公司之间的联系进一步增强
美国工业软件的突出特点，是专业软件、AI基础模型、云计算和风险资本同时具备较强基础。
2026年，Autodesk与PTC分别通过Fusion Compute MCP和Onshape FeatureScript MCP，为智能体调用专业CAD能力提供新的技术入口。
Cadence则通过ChipStack、AuraStack等产品，尝试在芯片、先进封装和PCB设计中组织多个专业智能体。公司于7月16日公布AuraStack，并提出最高15倍任务生产率提升等指标；这些属于公司披露的产品性能和客户案例，不能直接视为所有PCB设计任务的普遍收益。Cadence
美国未来值得持续观察的，是成熟平台是否开放足够稳定的专业接口，以及独立工程智能体能否形成可持续的商业模式。
德国与法国：工业软件、自动化和基础模型正在发生新的交叉
德国和法国的工业软件体系具有不同但互补的产业基础。
德国更突出工业自动化、专业工程软件和制造系统。Siemens与NVIDIA于1月6日扩大合作，计划围绕AI原生电子设计、仿真、适应性制造和AI工厂推进工业AI。其Digital Twin Composer将工程仿真、Omniverse技术和真实工业数据结合，但公司披露的客户效率改善仍需结合具体项目条件理解。西门子新闻
法国则拥有Dassault Systèmes、Schneider Electric以及不断扩展工业应用的Mistral AI。
Mistral于2026年将Emmi AI纳入Physics AI体系，是本年度值得特别提高权重的事件。 这意味着基础模型企业不再只通过API服务工业软件，也可能直接获得专业物理模型、仿真代理技术和工业客户场景。Mistral
这一路线与传统工业软件集团的技术演进形成新的竞争与合作关系。
英国、瑞士和北欧：专业工程AI与工业数据形成具有特色的创新生态
英国PhysicsX的融资说明，具有明确专业技术定位的工程AI公司已经能够获得较大规模资本支持。
CloudNC则从数控加工策略自动化进一步扩展至制造报价，形成更容易衡量业务收益的产品。
瑞士Neural Concept代表几何AI与物理预测结合的技术路线；ABB通过机器人仿真与NVIDIA技术合作，进一步探索仿真到实际部署的连接。
北欧的另一项重要资产是工业数据平台。Cognite长期围绕工业设备和运营数据建立专业能力，2026年的收购协议表明这类技术受到大型工业集团重视。
因此，不能只用CAD和CAE软件公司数量评价欧洲工业软件竞争力。专业工程模型、工业数据和自动化系统同样是其重要组成部分。
日本、韩国与印度：制造场景和工程服务形成不同的发展条件
日本在数控、机器人、电磁仿真和电子设计软件方面拥有长期积累。
2026年10月，OMRON签署收购美国工业计算机企业OnLogic及其母公司Interlogic的协议，企业价值6.75亿美元，计划于2027年1月左右完成。
这项交易的重要性在于，日本工业自动化集团正在尝试将高可靠工业计算平台与现场控制、机器人及Physical AI结合。它属于工业AI基础设施和自动化战略事件，而不是纯工业软件并购。欧姆龙
韩国更突出大型制造集团内部的工业数据和智能工厂应用。印度则在工程研发服务、嵌入式软件及国际工业软件实施生态中具有重要地位。
未来应分别观察日本的专业软件与Physical AI、韩国的工业数据产品化，以及印度工程服务企业如何利用AI提高交付效率。
全球工业软件重点企业动态
本年度重点企业研究，不以新闻数量排序，而是按照其掌握的专业技术、平台范围及2026年实际变化进行判断。
上述企业中，2026年有明确事件的公司与主要作为长期跟踪基线的公司已经分开处理。没有核实到具体新产品或财务变化的企业，不将一般性战略方向写成2026年新增事实。
重点企业经营判断
2026年第二季度，Dassault Systèmes公布收入约15.6亿欧元，固定汇率增长4%；Autodesk截至7月31日的FY2027第二季度收入为20.46亿美元，同比增长16%。
Synopsys的FY2026第三季度收入达到24.77亿美元，但其同比增长包含Ansys并表影响，因此必须同时观察EDA原有业务和新并入业务。Dassault Systèmes
这些数据说明成熟工业软件平台仍具有重要商业基础，但不能仅凭集团收入增长，直接证明AI产品已经形成对应规模的新增收入。
AI Native Engineering Radar｜2026年度核心技术企业
本期将AI Native Engineering分为六条主要技术路线。
AI原生CAD：需要区分生成几何与工业级建模
2026年的AI CAD已经出现多种技术路径。
部分企业利用自然语言生成参数化代码，部分企业通过视觉和代码智能体操作已有CAD软件，也有企业试图建立自有几何内核。
这些路线不能简单按照生成速度排序。
对于工业级CAD，仍需评价精确B-rep、拓扑稳定性、参数约束、复杂装配和数据交换。
例如，开源CADAM可以根据自然语言生成程序化模型，但这不等于已经完整替代成熟机械CAD的全部工业功能。其开源项目明确使用OpenSCAD相关技术，支持参数调整和模型导出。GitHub
Physics AI：专业 代理模型正在从单任务走向更广泛的工程应用
Physics AI是本年度技术雷达中最值得持续深入研究的方向之一。
传统CAE通过数值方法求解物理问题，Physics AI则尝试利用数据驱动模型，在一定条件下更快预测物理行为。
两者可能形成协同，而不是简单替代。
高保真求解器能够为模型训练提供数据，代理模型则可以加快部分设计探索。对于最终关键工程决策，仍需要结合误差范围和专业验证。
2026年，PhysicsX与Mistral/Emmi分别代表专业工程AI创业平台和基础模型企业进入工程物理领域的两种路径。
未来30—90天，应重点关注它们是否公布跨几何、跨工况的独立测试，以及真实客户中的训练和部署成本。
Computational Engineering：工程规则可能直接成为可执行设计系统
LEAP 71的Noyron技术路线具有特殊意义。
该系统强调将物理规律、工程规则和制造约束组织为计算工程模型，并根据性能要求生成可制造结构。
2026年3月24日，LEAP 71与The Exploration Company签署五年可续签的技术许可协议。
这一事件表明，计算工程技术不仅可以作为定制设计服务，也可能通过模型许可进入客户内部研发流程。
但技术许可并不等于全部设计结果已经通过工程验证，实际产品仍需要专业分析和测试。LEAP 71
AI CAM：从自动生成加工策略到商业报价
CloudNC的2026年产品进展，提供了另一条具有明确商业路径的案例。
其CAM Assist主要围绕数控加工编程，Quote Agent则进一步处理机械加工企业的询价、工艺判断和报价准备。
这说明AI工程软件的市场入口不一定局限于设计软件本身。
如果AI能够降低某项高频工程任务的成本，并使客户收益容易衡量，就可能形成独立收费产品。
但制造报价涉及实际材料、设备、工艺和商业风险，仍然需要专业人员审核。
开源工业软件与AI原生替代技术
开源技术正在降低新工程软件产品的部分研发门槛，但需要区分开源内核、完整应用、脚本框架和AI界面。
本期建立了13个项目的开源工具链基线，重点如下。
开源战略判断
未来五年，AI可能进一步降低围绕开源工程内核开发新应用的成本。
例如，开发者可以通过AI生成CadQuery脚本，再利用Open CASCADE执行几何计算；也可以使用OpenFOAM或SU2生成专业仿真数据，为代理模型训练提供基础。
但这些能力的组合，并不自动形成具有工业级可靠性的商业软件。
真正值得长期跟踪的是：AI是否正在缩短开源专业算法与完整工程应用之间的距离，以及哪些开源技术能够形成稳定的开发者和企业生态。
2026年度重要产品、融资与并购数据库
本次建立的事件库包含24条已定位来源的事件。下表列出其中具有较高产业战略意义的代表性记录。
完整事件来源、证据级别和交易状态均在附件事件库中保留。表中融资金额、交易股权价值和企业价值不可直接相加。
本周特别观察｜2026年10月9—16日
虽然本期以年度基线为主，但过去一周仍出现了几项值得单独记录的变化。
Schneider—PTC：关注交易执行，而不是重复解读收购公告
10月5日的收购协议仍然是本周工业软件战略研究的重要背景。
截至10月16日，交易仍需完成相关审批程序，不能将PTC全部产品和客户收入视为已经并入Schneider Electric。
未来最值得研究的是其与AVEVA、Cognite相关数据能力及工业控制软件之间的技术整合路径，而不是仅比较合并后的产品数量。PTC投资者关系
10月13日：CloudNC发布Quote Agent
这是本周最明确的AI原生制造软件产品事件之一。
Quote Agent将AI用于机械加工企业的订单报价准备，提供按零件计费方式。
该产品的长期价值需要通过客户实际报价准确率、使用频率和订单收益判断，而不能仅根据公司披露的时间节约估计。CloudNC
10月12日公告：OMRON拟收购OnLogic
OMRON与OnLogic的交易说明，Physical AI的产业竞争可能进一步涉及工业计算机、边缘部署和现场控制。
对于工业自动化软件研究，这意味着未来需要将机器人仿真、工业边缘计算和控制系统纳入同一个技术观察框架，但仍须区分工业计算硬件与软件收入。欧姆龙
10月15日：CERN与Mistral宣布大型物理模型合作意向
这是本周最值得关注的AI4S与Physics AI交叉事件。
CERN与Mistral签署合作意向声明，计划利用大量模拟粒子碰撞数据，开发面向高能物理任务的大型预训练物理模型。
这一合作直接面向科学研究，并不是已经推出的商业CAE产品。但其研究路线对于理解未来工业物理基础模型具有参考价值。
特别值得观察的是，单一预训练模型能否覆盖原本由多个专用算法处理的任务，以及其在科学精度和计算成本方面的实际表现。欧洲核子研究组织
技术路线演进：AI Native Engineering的竞争到底发生在哪些层次？
从2026年的产业案例看，AI Native Engineering不能只被理解为给CAD或CAE增加一个聊天窗口。
本报告将其分为六个相互联系的技术层次。
这些层次并不意味着现实工业软件必须按照六个独立产品部署。
成熟工业软件往往已经同时包含多个层次。AI原生公司也可能选择其中一个层次作为主要市场入口。
最重要的技术判断
专业计算能力变得更容易调用，并不意味着其技术价值必然下降。
如果AI扩大了几何计算、物理求解和工程验证的使用范围，某些核心技术组件反而可能获得更多应用机会。
但与此同时，开放接口和开源算法也可能使部分功能面临更强的价格竞争。
因此，未来的产业价值分配取决于专业算法差异化、客户数据关系、任务入口及商业定价能力，而不是简单由AI是否参与决定。
全球与中国工业软件能力比较
中国工业软件的研究需要避免两个极端。
一方面，不能因为国产企业已经覆盖多个软件类别，就认定全部核心技术已经达到成熟国际水平。
另一方面，也不能因为某些高端技术仍然存在差距，就忽略本土企业在专业求解、几何计算、EDA工具和制造运营软件中已经形成的实际能力。
本报告采用技术层面的定性比较，而不是给国家或企业人为打分。
这张表并非企业技术成熟度排名。对于每个细分领域，后续仍需建立统一的测试算例、产品版本、真实客户项目和独立验证证据。
中国工业软件的三项结构性机会
首先，AI可以降低部分软件交互、脚本开发和应用集成成本，使本土专业技术更容易形成面向客户的产品。
其次，中国具有丰富的制造业应用场景，如果能够建立高质量工程数据和可靠验证体系，可能为专业模型和行业智能体提供持续改进条件。
最后，开源工程内核与AI工具的结合，为新型专业软件架构提供了更多研发选择。
但这三项机会均不能自动转化为产业竞争力。
核心算法、工业数据质量、客户信任和商业化交付仍然需要长期积累。
未来30—90天战略观察事项
本期的观察窗口为2026年10月16日至2027年1月中旬。
这张表用于确定未来研究优先级，不表示上述事项都将在90天内产生新事件。
结语｜2026年全球工业软件产业进入新的竞争阶段
2026年的全球工业软件产业，已经不再只是成熟软件厂商各自推出AI辅助功能的市场。
一方面，Siemens、Dassault Systèmes、Autodesk、PTC、Cadence和Synopsys等企业，正在利用既有专业软件与工程数据基础，发展新的智能化能力。
另一方面，PhysicsX、Neural Concept、SimScale、CloudNC、Flux、Quilter、LEAP 71及其他新兴企业，正在通过专业模型、智能体和计算工程，探索不同的产品与商业路径。
Mistral整合Emmi AI、Schneider拟收购Cognite和PTC，则进一步说明，基础模型、工业数据与专业工程软件之间的资本和技术联系正在加强。
这些变化可能重新分配部分产业价值，但尚不足以证明传统工业软件的技术壁垒已经被全面消除。
精确几何、数值求解、EDA验证、工业控制和可信工程数据，仍然是复杂工业系统不可忽视的技术基础。
未来五年最值得持续研究的问题，是AI能否把这些长期积累的专业能力组织成更加可靠、经济、可复用的工程执行系统。
