首页/文章/ 详情

产业探索:《具身智能驱动的工业软件产业演化:物理世界、AI 基础设施与新兴产业集群》

6小时前浏览3

 

《具身智能驱动的工业软件产业演化:物理世界、AI 基础设施与新兴产业集群》

第一篇|产业发展逻辑:从复杂终端产品到新兴产业集群的形成

序言|为什么需要重新研究工业软件产业的未来

过去七十余年,全球工业软件的发展始终与现实工业体系的演化紧密联系。从早期计算机辅助设计、有限元分析和数控编程,到现代CAD、CAE、CAM、EDA、PLM、工业自动化和数字孪生平台,工业软件已经形成庞大的专业技术体系,并逐渐成为现代制造业不可分割的组成部分。它所积累的不仅是软件代码和产品功能,更是人类长期探索几何、材料、运动、流动、传热、电磁和复杂工程系统过程中形成的数学方法、物理模型、数值算法与工程知识。

这种长期积累,使工业软件成为一个具有明显技术连续性和产业路径依赖的领域。成熟软件厂商的竞争优势不仅来自现有产品功能,更来自长期形成的求解精度、模型兼容性、工程验证经验、行业流程、用户技能、合作伙伴网络和客户历史数据。对于发展时间相对较短的中国工业软件产业而言,这些积累意味着进入成熟市场具有相当高的综合成本。即使某些局部技术已经取得显著进展,企业仍然需要面对产品成熟度、工程可信度、产业生态和商业体系等方面的长期竞争。

然而,产业发展并不是沿着固定市场边界进行的线性竞争。历史上多次重大的产业技术变革,都不是单纯由一种新技术替代另一种旧技术所完成,而是新的终端需求改变了技术组合方式,进而带动供应链重新分工、产业资本重新配置和专业技术能力不断发展。汽车工业的电动化便是其中具有代表性的案例。新能源汽车并没有抛弃汽车工业长期积累的车辆动力学、机械设计、制造工程与质量管理能力,而是将动力电池、电力电子、软件和新型能源基础设施引入已有产业体系,推动形成新的产业组织方式。

具身智能及其机器人产品,可能使工业软件再次面临类似但并不相同的产业演化过程。

与主要在数字环境中执行任务的人工智能系统不同,具身智能必须理解并作用于真实物理世界。机器人需要感知空间和物体,预测动作引起的状态变化,处理接触、摩擦、运动、柔性变形和环境扰动,并通过不断执行任务积累经验。它的能力边界因此既受到AI模型的影响,也受到机械工程、材料、传感器、动力学、数值计算和控制系统的共同约束。

这意味着,具身智能并不是一个完全脱离传统工业技术体系的新领域。相反,它可能成为将过去几十年积累的工业软件、计算物理学、先进制造与现代人工智能重新组织到同一产业需求之下的重要力量。

本报告尤其关注其中尚未被充分论证的一项可能性:如果机器人产业的发展产生了持续扩大、可重复、可验证的物理世界训练和实验需求,那么传统工业软件中的几何内核、有限元求解器、计算流体力学、多体动力学、系统建模和数字孪生能力,是否能够从主要面向工程师的设计分析工具,进一步成为供机器智能持续调用的物理计算基础设施?

在这一问题之下,还存在一个更具体的技术命题。人类能否在继承成熟工程仿真体系的基础上,通过模型降阶、Physics AI、世界模型、实时物理引擎与跨软件协同计算,逐步建立能够加载不同物理能力、接受智能体动作、保持状态演化并支持大量重复实验的开放式虚拟物理世界?

这一方向已经拥有相当丰富的技术基础,但远未达到可以任意组合物理学模块并保证计算结果正确的程度。传统CAE求解器与现代机器人仿真框架具有不同的设计目标;高速代理模型与高精度物理求解存在适用边界;不同物理领域的计算模型也难以仅靠统一文件格式实现自动耦合。因此,本报告不会将开放式虚拟实验场描述为一项已经成熟的通用技术,而是把它作为需要结合现有成果、系统验证和进一步研发的潜在共性基础设施。

从更宏观的产业角度看,这项研究的最终目的也不是提出一套新的软件架构,而是理解具身智能为何可能成为一个具有长期产业牵引作用的新兴产业,以及这种牵引作用怎样在真实市场需求、基础技术发展、供应商分工、工程能力积累与区域产业集群之间形成相互促进的关系。

我们既不能把新能源汽车产业的发展历史直接视为具身机器人未来成功的保证,也不能因为当前机器人产业尚未形成成熟的通用消费市场,就忽略其潜在的技术和产业价值。需要研究的恰恰是两者之间的历史相似性与现实差异,识别终端市场形成的必要条件,以及复杂工业产品如何在不同发展阶段激活既有技术体系。

本报告因此采用产业经济学、技术演化史、工程科学与企业竞争研究相结合的方法,既分析工业软件自身的技术连续性,也考察人工智能对物理建模、工程计算和自动化实验带来的真实变化;既研究国际领先企业的技术体系,也研究中国在机器人、工业软件和先进制造方面已经形成的能力基础;既关注技术突破,也关注产业分工、投入产出关系、开放标准、市场规模和商业化约束。

我们的研究不预设具身机器人一定会复 制新能源汽车的发展速度,也不预设未来必须形成单一的通用机器人形态或者统一的物理世界平台。报告将把已经得到验证的事实、具有充分理论依据的推断和仍需要实验检验的假设明确区分,力求在尊重已有工业知识和产业积累的基础上,理解新兴需求可能带来的长期变化。

这份研究的核心,不是证明传统工业软件将被人工智能颠覆,而是理解具身智能如何可能改变工业软件被使用、被组合和被创造的方式,并由此推动新的产业演化。

第一章|具身智能为什么可能成为新一代产业牵引力量

1.1 从技术突破到产业形成:为什么终端产品具有特殊地位

判断一个新兴技术领域是否具有重大的产业战略意义,不能只观察其技术先进性、融资规模或者社会关注程度,还需要分析它能否形成持续增长的最终需求,以及这种需求能否促进上游产业分工、生产组织、技术投入和专业知识的长期积累。

在产业经济学中,终端产品与基础技术之间存在复杂的相互关系。基础科学和通用技术进步能够创造新的产品可能性,而最终产品市场一旦形成,又会向上游持续提出性能、可靠性、成本和制造规模方面的要求。这些需求能够使原先停留在实验室或少量专业应用中的技术,获得进一步工程化和产业化的条件。

汽车、民用航空、半导体和通信设备产业的历史表明,复杂终端产品往往具有超出自身销售收入的产业影响。现代汽车制造涉及机械结构、材料、动力系统、电气电子、嵌入式软件、自动化设备和供应链管理。大型航空器则需要气动力学、结构力学、复合材料、控制系统、航空电子、数字化设计、验证与认证等高度专业化的能力。半导体产业虽然具有不同的产业组织结构,但芯片设计与制造同样将EDA、材料、精密机械、光学、化学、真空技术和自动化控制连接成复杂的技术网络。

这些产业具有一个共同特点:最终产品的性能不是由某一项技术单独决定,而取决于多个相互依赖的子系统能否有效协同。正因为这种高度互补性,终端需求能够跨越不同专业领域,持续影响整个产业链的技术发展方向。

在这一意义上,具身智能机器人值得被视为一种潜在的产业牵引型产品,而不仅是一类新增的智能设备。它既需要复杂的机械结构、传动机构、驱动系统和传感器,也需要软件、控制、AI模型和真实物理环境中的行为学习能力。机器人能力越复杂,其研发和部署过程对专业化工程技术的需求通常也越广泛。

但是,技术复杂度并不自动等于产业规模。航空航天领域具有极高技术复杂性,却未必形成与大众消费电子相似的终端数量;某些高度复杂的科研装备也可能长期处于低批量、高价值市场。因此,我们在评价具身机器人时,不能仅仅因为它包含大量先进技术,就推断其最终市场必然巨大。

真正值得研究的是,它能否同时满足三个条件:具有广泛而可持续的终端使用价值,存在不断降低生产和使用成本的技术路径,并且能够通过产品平台化和产业分工,将复杂研发成本分摊到足够大的市场之中。

如果这些条件逐步成立,具身机器人便可能兼具复杂装备和规模化终端产品的特征,进而成为带动相关技术长期发展的产业力量。

1.2 具身智能的技术边界:从数字信息处理走向物理世界行动

近年来,人工智能技术的发展显著改善了机器处理语言、图像、程序和其他数字信息的能力。大规模预训练、多模态模型以及模型推理与工具调用技术,使计算机能够在越来越多的知识性任务中表现出较强的适应能力。然而,数字信息任务与现实物理操作之间存在根本差异:前者的行动结果大多仍然发生在软件和信息系统内部,后者则需要面对真实世界的连续状态、物理约束和不可完全预测的外部变化。

当一个AI系统需要回答技术问题、编写程序或检索资料时,其主要活动发生在符号、文本和数字数据空间中。即使结果存在错误,很多情况下仍然可以通过重新计算、回滚版本或人工审核予以修正。具身机器人则不同,错误动作可能导致物体损坏、设备故障甚至人员伤害;环境也不会因为一次算法计算结束而停止变化。

因此,具身智能要求机器不仅能够识别物体与理解任务,还必须在连续时间中处理动作与物理后果之间的关系。一台移动机器人需要依据自身速度、质量、惯性和地面摩擦条件决定运动方式;一台机械臂需要根据物体形状、质量、材料和接触状态控制抓取力;一台人形机器人在运动过程中还必须维持身体平衡,并在外部扰动发生时及时调整控制策略。

这些问题并不是人工智能时代才被发现的。机器人学、经典力学、自动控制、最优控制、多体动力学和计算机视觉已经围绕相关问题进行了数十年的研究。现代具身智能的重要发展方向,是通过数据驱动学习与基础模型,为已有机器人技术增加任务泛化、环境理解与动作适应能力,并探索减少大量任务专用编程和示教工作的可能性。

这意味着具身智能的发展既具有连续性,也具有新的技术特征。连续性来自物理规律与工程方法不会因为AI出现而改变,新的技术特征则来自机器人有可能通过大规模数据与虚拟交互经验,获得过去难以依靠显式规则完成的行为能力。

对于工业软件产业而言,这种变化尤其值得关注。传统工程仿真 主要服务于设计、分析、优化和验证,机器人学习则可能要求物理环境能够长期执行、反复初始化、接受动作干预并产生大规模训练数据。虽然已有大量仿真系统具备部分能力,但随着训练规模扩大、环境复杂度提高和物理领域不断增加,现有软件架构可能需要进一步演化。

因此,具身智能对工业软件的潜在影响,不仅是增加机器人企业这一类客户,更可能改变工程计算能力的使用频率、接口形式、部署环境和软件之间的协作关系。

1.3 工业机器人已经拥有广泛市场,但不能与通用具身机器人混为一谈

机器人产业的现实基础,首先来自长期发展的工业自动化和专业机器人应用。

国际机器人联合会于2026年9月发布的《World Robotics 2026》数据显示,2025年全球工业机器人新增安装量超过60万台,同比增长约11%,全球工厂中运行的工业机器人存量达到500万台。中国当年新增安装工业机器人约35.4万台,占全球新增安装量的59%。这一数据表明,工业机器人已经成为全球制造业的重要装备基础,而中国在机器人部署规模方面具有明显优势。

这些市场事实对于研究具身智能具有重要意义,但其代表的是成熟工业机器人产业,而不是通用人形机器人市场。

现有工业机器人主要针对相对明确的工作任务,通过固定程序、离线编程、示教、视觉引导和控制系统完成生产操作。近年来,机器学习和自主规划不断进入工业机器人应用,但大量生产场景仍然强调可预测的节拍、重复精度、质量稳定性和安全保障。

通用具身机器人则希望提高设备跨任务和跨环境的适应能力,从而减少针对每一种操作单独开发软件和工程系统的成本。这一目标具有很高的潜在价值,但也意味着机器人需要在非结构化、动态变化和长尾情况丰富的环境中保持可靠性。

2026年9月发布的IFR服务机器人报告显示,2025年专业服务机器人全球出货量接近25万台,同比增长24%,其中运输与物流机器人是重要应用类别。专业服务机器人市场的增长说明,机器人正在从传统工业生产线扩展到物流和其他专业服务场景,但这一数据同样不能直接用来衡量通用人形机器人的商业化程度。

我们因此需要在产业研究中保留明确的技术与市场分类。工业机器人、移动机器人、专业服务机器人、人形机器人和具备跨任务学习能力的通用机器人,可能共享部分机械、传感器和AI技术,却不具有完全相同的成本结构、客户需求和发展节奏。

具身智能的长期影响可能首先发生在传统机器人技术能够与新型感知、规划和学习方法相结合的领域,而不是必须等待通用人形机器人进入千家万户之后才开始显现。

这一区分还具有现实的战略价值。如果把具身智能产业简单定义为人形机器人整机产业,容易忽略大量已经存在、并可能通过AI增强而扩展能力边界的机器人形态。反过来,如果将所有自动化设备都纳入具身智能,又容易夸大AI在机器人产业中的实际商业化规模。

本报告将以机器能否通过感知、决策和物理行动完成任务,以及这些能力是否能够通过学习不断改善,作为理解具身智能系统的重要技术维度,同时在市场规模分析中保持严格的产品分类。

1.4 具身机器人作为复杂终端产品的产业组织特征

在研究具身智能对工业软件产业的影响时,有必要区分产品技术构成与产业组织结构。前者回答一台机器人由哪些技术组成,后者回答这些技术由谁开发、如何交易、怎样协同,以及在什么条件下形成具有持续创新能力的专业化产业体系。

一台具身机器人可以被理解为由机械本体、动力与执行机构、感知系统、计算与通信系统、控制软件、智能模型以及能源系统构成的复杂机电一体化产品。机械系统决定机器人的运动范围、刚度、承载能力和物理操作边界,驱动和控制系统决定动作精度、响应速度与稳定性,传感器提供有关环境和机器人内部状态的信息,人工智能系统则负责将任务要求、感知信息与动作决策联系起来。

这些系统之间具有显著的技术耦合。机械结构变化可能改变控制算法需要处理的动力学特性,传感器布置影响环境观测质量,执行器性能限制控制策略可实现的动作空间,而AI模型生成的动作又必须满足机构约束、接触稳定性和设备安全边界。因此,机器人并不是将几个成熟零部件简单组合便能够获得预期性能的产品,而需要持续开展跨学科系统工程。

这种特征与现代汽车存在一定相似性。整车企业通常承担整车架构、系统集成、性能定义、质量管理以及供应链组织等工作,而大量专业供应商负责零部件、材料、电子模块和技术服务。汽车工业经过长期发展,逐步建立了不同层级的供应链结构、专业设计规范以及面向整车研发和制造的工程软件体系。

具身机器人是否也会形成类似的成熟分工结构,目前仍然存在较大不确定性。一方面,机器人企业可能需要将机械、控制与AI模型进行深度联合优化,以获得显著优于通用组件组合的性能;另一方面,如果关键接口和产品形态逐渐趋于稳定,专业供应商就可能在执行器、减速器、触觉传感器、控制器、仿真模型和训练工具等领域获得更大的独立发展空间。

从技术经济学角度分析,纵向一体化与专业化分工之间并不存在永久不变的最优答案。在产业形成早期,关键技术尚未成熟、供应商数量有限、接口频繁变化,企业可能更依赖内部研发和紧密协同。随着产品架构稳定、市场规模扩大、专业模块质量提高,外部采购与专业化供应的经济优势可能增强。

这一演变过程对工业软件尤为重要。机器人整机企业是否愿意采购第三方物理求解器、训练环境或世界模型服务,不仅取决于软件功能是否先进,也取决于采购后的系统集成成本、模型性能、接口稳定性、数据安全以及对核心技术自主控制的要求。

因此,未来具身智能产业即使形成规模化终端市场,也可能出现不同的产业组织模式。有的整机企业采用高度垂直整合的发展方式,有的企业依赖开放式机器人软件生态,也可能出现大型平台供应商统一提供训练、仿真与计算基础设施的模式。这些模式之间的竞争,将直接影响传统工业软件企业、新型物理AI企业和独立软件开发者在机器人价值链中的地位。

1.5 从终端需求到工业软件:技术需求怎样沿产业链传递

终端产业对基础技术的牵引作用,需要通过具体的工程活动才能转化为市场需求。

以一台需要完成工业装配任务的具身机器人为例,其最终用户通常不会直接购买几何内核、有限元求解器或者多体动力学平台。用户关注的是机器人能否完成指定操作,能否达到生产节拍和质量要求,是否可以安全进入现有生产流程,以及其综合使用成本是否优于替代方案。

这些最终需求会被逐步转换为工程约束。机器人制造商需要根据任务确定运动范围、负载、末端执行器、关节精度和控制响应要求,并通过机械设计、结构分析、运动学建模和控制仿真评估不同设计方案。进一步进入真实场景后,还需要解决物体识别、操作技能学习、复杂接触、异常恢复及与工厂设备之间的协同问题。

由此形成一条从应用需求到专业工程能力的传导路径。

终端需求      
形成的工程问题      
相关工业软件与基础技术      
提高动作速度与承载能力      
机构优化、强度、刚度、运动稳定性      
CAD、FEA、MBD、优化软件      
降 低 制造与维护成本      
零部件设计、制造工艺、可靠性      
CAD/CAM、PLM、CAE、制造系统      
提高抓取与装配能力      
接触、摩擦、柔性体、轨迹与控制      
物理引擎、接触求解器、机器人控制      
适应不同工作环境      
感知、导航、环境重建与训练      
传感器仿真、虚拟场景、AI训练平台      
提高能源利用效率      
电机效率、传动损失、散热与电池管理      
电磁仿真、热仿真、系统建模      
实现大批量生产      
工艺规划、生产执行、质量追溯      
CAM、MES、APS、QMS、PLM      
保障长期安全运行      
故障分析、极端工况与系统验证      
CAE、系统仿真、数字孪生、测试平台      

但是,工程需求的产生并不等于相应软件市场立即扩大。企业可以通过已有商业软件、开源项目、自研工具或专业工程服务满足这些需求,而不同实现方式对应的商业收入和产业分工并不相同。

例如,机器人训练对高频刚体动力学的需求,可能更多由开源或商业实时物理引擎满足;复杂材料与结构分析则可能依赖专业CAE软件;一些重复调用的计算任务又可能通过ROM和AI代理模型实现加速。如果机器人企业能够自行完成特定算法研发,相应的价值便可能更多体现为内部研发能力,而不形成第三方软件采购。

因此,研究工业软件产业演化时,需要同时关注技术需求增长、软件能力的供给方式和实际价值捕获。不能直接依据机器人市场规模乘以某个软件成本比例,便推导出未来工业软件市场规模。

对于具身智能而言,尤其值得关注的是软件调用主体的变化。过去,工程师使用CAE软件完成一次设计分析,通常需要进行模型准备、工况设置、求解和结果判断。未来,如果AI训练系统能够通过标准接口自动调用相同的物理计算能力,一种软件能力便可能被嵌入大量自动化实验之中,其调用频率、部署方式和计算资源结构都会发生变化。

这为工业软件产业带来了新的可能性,也提出了新的技术要求。软件供应商需要解决的不仅是单次计算是否正确,还包括模型能否被自动生成和检查、任务能否批量运行、计算资源能否弹性调度、结果能否被机器解释,以及高频实验是否能够维持合理的运行成本。

这些变化可能使工业软件从交互式工程设计工具,进一步发展为可由智能系统调用的工程计算服务。但这一演化既不意味着人类工程师退出软件使用过程,也不意味着全部工业软件都必须采用同一种云端或AI原生架构。

1.6 虚拟物理实验场为什么可能具有跨企业的共性价值

机器人产业发展过程中,一项具有特殊意义的研发活动是利用虚拟环境完成物理任务训练和验证。

与只在数字信息环境中运行的智能系统相比,具身智能必须考虑动作与物理后果之间的关系。机器人抓取物体时,需要处理质量、惯性、接触位置、摩擦、变形和运动约束;机器人行走时,需要处理关节动力学、足地接触、平衡控制以及外部扰动;机器人操作柔性材料时,还可能涉及大变形、复杂接触、材料非线性和状态变化。

如果所有学习都依靠真实机器人完成,将面临设备占用、硬件磨损、环境搭建、实验安全和数据获取方面的限制。虚拟仿真能够在一定程度上降低这些成本,并提供现实中不易获得的完整状态信息。

但虚拟环境也可能产生与真实世界不一致的行为。特别是在复杂接触、柔性物体操作、传感器噪声和长期连续任务中,模型误差可能沿时间不断累积,导致机器人在仿真环境中学习到的策略无法直接迁移到现实场景。

因此,机器人虚拟实验的价值不能仅以场景数量或训练速度评价,还必须考虑实际任务中的迁移效果、计算成本及模型验证水平。

过去几十年形成的工业软件技术,能够为这一问题提供重要支撑。几何建模和装配技术可以描述物体结构,多体动力学可以计算机构运动,有限元和流体仿真可以处理复杂连续介质,控制系统仿真可以研究执行器和反馈控制,而传感器仿真与实时渲染技术则为机器人提供虚拟观测数据。

然而,这些工具并不天然具备统一的场景语义、物理状态和计算接口。不同求解器采用的空间离散方式、时间步长、变量定义和数值算法可能存在较大差异,将其组合为一个持续运行的虚拟环境需要解决相当复杂的软件与工程问题。

这也是开放式、可组合物理世界值得研究的原因。

如果不同物理求解器、AI代理模型、机器人模型和传感器模块能够通过明确的接口与验证机制进入共同的计算环境,产业便有可能减少部分重复开发,使独立专业供应商参与同一训练生态。

但这种开放能力必须以物理正确性和工程可验证性为前提。流体、热学和结构力学插件虽然可以分别安装,却不能不考虑能量交换、边界变化和数值稳定性而简单叠加。通用插件接口、专业耦合机制和可信执行环境应当被视为不同层次的技术问题。

对于产业组织而言,这一点尤其重要。只有当物理能力能够被第三方可靠提供,并以可预期的成本进行集成和验证,开放式生态才可能具有超出传统软件产品集成的经济价值。

1.7 从机器人产业发展到区域产业集群形成

具身智能能否成为产业集群发展的牵引力量,还需要考察企业之间的知识流动、专业服务、人才市场和产业基础设施。

产业集群通常不是将大量从事同一行业的企业集中到某个区域便自然形成的。产业集群的发展往往与专业供应链、劳动力市场、知识外溢、科研机构、客户需求和地方制度条件之间的相互作用有关。企业空间集聚可能提高信息交换和工程协同效率,但地理距离本身并不能替代实际产业联系。

复杂终端产业之所以可能具有集群牵引作用,是因为其研发、制造和部署活动需要大量不同技术主体协同完成。机器人整机企业能够提出系统需求,关键零部件供应商持续改进产品,软件企业开发设计、仿真与控制工具,科研机构研究基础算法和材料,应用企业提供真实工作场景,而测试机构与工程服务商则承担验证和集成工作。

当这些主体之间产生稳定的技术合作、采购和人才流动关系时,区域产业体系可能形成持续的知识积累。一家企业研发过程中发现的工程问题,可能推动专业供应商发展新的产品;供应商形成的技术又可能被其他机器人企业或工业装备企业采用,进而扩大其应用市场。

新能源汽车产业的发展已经表明,复杂终端产品的规模扩张可以支持大量专业供应商成长,但机器人产业是否会形成同样的空间集聚结构,不能直接由汽车案例推导。

机器人在硬件制造方面可能利用现有汽车、消费电子和精密机械供应链,AI模型与软件开发则可以通过跨区域计算和远程协作完成,实际部署又高度依赖不同城市和行业的应用场景。因此,未来机器人产业集群未必按照传统整车制造基地的方式组织,而可能形成制造基地、AI研发中心、专业软件集群和应用测试中心之间的网络化分工。

这里还存在一个值得深入研究的变化。过去,许多工业软件企业的市场主要围绕既有制造业客户形成,企业所在地区是否拥有软件研发人才和相应客户十分重要。具身智能如果产生新的基础物理建模和训练需求,可能加强机器人企业、工业软件企业与AI计算平台之间的联系,促使一些原本相对独立的产业集群形成新的交叉合作。

但我们必须通过真实企业关系和产业项目验证这种可能性,而不能简单把同一地区的机器人公司、工业软件公司和AI公司加总,就宣布形成了新的完整产业生态。

1.8 技术复杂性、市场规模和产业牵引能力并非同一概念

具身智能产业研究中,一个容易出现的判断偏差,是把机器人的技术先进程度直接转化为产业价值判断。一个机器人如果能够完成后空翻、复杂舞蹈或者具有视觉冲击力的操作,确实能够体现其动力学控制、机械设计或动作学习方面的能力,但这些展示与其是否适合长期执行有价值的生产任务之间,并不存在简单的对应关系。

产业需求最终取决于产品能够解决怎样的问题,以及相对于现有人工、自动化设备或其他技术方案,是否具有可以接受的综合经济性。

因此,对于具身机器人,我们需要区分技术能力、应用价值和商业价值三个层次。技术能力涉及机器人能够完成什么动作、适应怎样的环境以及如何从经验中学习;应用价值涉及这些能力是否解决真实的生产或生活问题;商业价值则进一步涉及设备购置、部署集成、维护、能源、软件更新、故障停机和整个使用周期的成本。

只有当三者形成有效联系时,技术发展才可能推动市场持续扩大。

这种逻辑同样适用于工业软件基础设施。如果一个虚拟物理世界能够展示复杂的多物理场计算,说明其具有一定技术能力,但并不意味着机器人企业必然愿意为其支付高额费用。只有当这种能力能够缩短真实研发周期、减少实验设备消耗、提高训练效果或者改善产品可靠性,并且收益超过部署与使用成本时,它才有可能形成可持续的市场需求。

由此可以看出,具身智能产业对工业软件的牵引作用,既不是技术必然性,也不是纯粹的政策选择,而是需要通过真实产品开发和市场竞争逐步实现的产业过程。

在后续研究中,我们将分别评估机器人终端市场、工程研发活动、训练基础设施需求和工业软件市场之间的关系,并特别关注技术替代与新增需求的区别。某些软件能力可能因为AI自动化而降低单位使用成本,另一些能力则可能因为机器人研发规模扩大而增加总调用量。产业总需求的变化,将取决于这两种力量及其他经济因素的共同作用。

1.9 第一章结论:具身智能的产业价值应当从终端市场与技术协同共同判断

具身智能之所以值得作为新一代产业发展方向研究,不仅因为人工智能正在获得新的物理行动能力,也因为机器人可能成为把机械、电子、软件、计算物理、AI和先进制造重新连接起来的复杂终端产品。

但这种潜力能否真正转化为产业牵引能力,取决于市场需求、工程可行性、成本改善和专业化分工能否形成相互促进的循环。单纯的模型性能提升、机器人演示能力或者投资规模增长,都不足以证明一个成熟产业已经形成。

与此同时,机器人产业又具有较为坚实的技术和制造基础。全球工业机器人和专业服务机器人已经形成真实市场,中国在工业机器人部署和制造应用方面具有显著规模。这意味着具身智能并不是完全脱离现有产业的新技术实验,而是能够在长期形成的机械、控制、自动化、传感器和工业软件体系上持续发展。

对于工业软件,本章形成的核心研究判断是:具身智能可能使既有工程计算能力获得新的使用方式,其变化不仅涉及终端客户增加,也可能涉及模型自动构建、高频物理计算、虚拟场景组织、跨领域求解器协同以及AI自主实验。但是,这些新需求能否转化为独立的软件市场和开放式产业生态,仍需进一步研究具体技术条件与经济机制。

下一章需要通过新能源汽车产业史回答一个更加明确的问题:在一个成熟工业体系中,新技术如何通过终端市场扩张激活已有基础能力,推动新的供应链分工,并最终形成持续的产业积累;这一机制在具身机器人领域究竟具有多大的可迁移性?

第二章|新能源汽车产业发展的历史机制及其对具身智能的启示

2.1 历史类比的边界:新能源汽车是成熟需求的技术重构,具身智能则可能创造新的需求空间

新能源汽车产业与具身机器人产业之间的比较,是本报告产业战略分析的重要起点,但这种比较必须首先明确两者在产业发展阶段上的根本区别。

新能源汽车进入快速发展阶段之前,全球汽车市场已经拥有庞大的消费者基础、成熟的道路交通系统、汽车制造能力以及销售和售后服务网络。汽车的核心用途并不需要重新创造,消费者已经明确知道为什么需要汽车,并且愿意为交通便利性、使用性能、安全、品牌和舒适性支付费用。

新能源汽车的关键任务,是以新的动力技术和产品架构,更有效地满足已经存在的大规模交通需求。其市场形成过程虽然仍然涉及价格、续航里程、充电便利性和技术可靠性等障碍,但最终使用价值相对明确。

具身智能机器人则处于不同阶段。传统工业机器人已经拥有成熟应用,但通用具身机器人试图进入的许多任务,过去主要由人类劳动、专用机械或传统自动化系统完成。用户是否需要购置一台通用机器人,取决于机器人能够完成多少具有实际价值的工作,以及这些工作的自动化收益能否覆盖设备和系统成本。

因此,新能源汽车的发展在相当程度上属于既有大市场中的技术路线替代,而通用具身机器人则同时面临技术能力建设与新产品市场形成的问题。

这一区别非常重要,因为市场形成的不确定性,会直接影响整个产业链的发展速度。

对于新能源汽车,动力电池企业可以围绕逐渐扩大的整车市场组织生产,零部件供应商能够依据较为成熟的汽车开发流程参与产品研发。对于具身机器人,部分任务规范、产品架构、软件接口和验收标准尚在形成,不同企业对通用平台、人形形态、专用机器和AI模型架构的选择仍可能存在较大差异。

由此,本报告不采用简单的汽车销量增长曲线预测未来机器人销量,而是重点研究新能源汽车产业演化中能够被抽象出来的机制,包括技术继承、需求牵引、供应链分工、基础设施建设、规模经济、竞争开放和产业集群发展。

这些机制具有一定跨产业解释力,但具体表现仍必须结合机器人产业的技术与商业条件重新分析。

2.2 中国新能源汽车的发展:长期技术积累与市场形成的共同结果

新能源汽车产业历史能够提供的第一个重要启示,是重大产业的发展往往需要长时间的技术积累与多种条件的相互配合,而不是由某一个重大项目或一家明星企业单独推动。

现代新能源汽车的发展建立在锂离子电池、电机、电力电子、嵌入式控制、汽车制造和能源系统的长期技术进步之上。相关技术原本分布于消费电子、电气工业、工业驱动和传统汽车等不同领域,随着电动车市场不断扩大,逐步形成围绕整车产品的产业协同。

中国新能源汽车的发展尤其体现了这种长期性。

2009年,中国启动“十城千辆”新能源汽车示范推广工程,早期通过公共交通、出租车及其他公共服务车辆等场景,探索车辆性能、充电方式、运行安全和配套基础设施。世界银行在2011年的研究报告中明确记录了这一示范计划,并指出,早期选择运营路线相对可预测的公共车辆,有助于应对续航和基础设施方面的限制。

image

World Bank

这种路径具有明显的工程合理性。新兴复杂产品在技术不成熟时,首先进入边界条件较为明确的应用环境,可以更有效地识别实际问题,积累真实数据,并使供应链企业获得逐步改善产品的机会。公交运营的固定线路、统一场站和组织化维护条件,使早期电动汽车能够在相对受控的使用场景中积累经验。

随后,中国新能源汽车产业逐渐从公共示范应用扩展到更加广泛的乘用车市场,相关政策也从早期补贴和试点逐步延伸到技术创新、产业生态、市场秩序、充电设施和长期竞争能力等方面。

2020年发布的《新能源汽车产业发展规划(2021—2035年)》明确将技术创新、新型产业生态、产业融合、基础设施建设以及开放合作列为重要任务,同时强调企业在技术路线和市场竞争中的主体作用。

image

IEA

+1

这表明新能源汽车产业的发展过程,既涉及单个产品技术性能的不断改善,也涉及研发、制造、市场和公共基础设施之间的协同。

随着动力电池制造和整车销量增加,产业逐步形成规模化生产、工程经验积累、成本改善与需求增长之间的正向关系。与此同时,市场竞争也推动企业形成不同技术路线、价格定位和产品架构,而不是由一种技术方案从一开始就完全主导市场。

具身机器人能否形成类似的产业发展过程,关键不在于是否存在一项可以直接复 制的产业政策,而在于能否找到具有真实使用需求、技术条件可控并能够持续积累经验的早期应用场景,并在此基础上形成产品可靠性、成本和制造规模之间的有效循环。

2.3 特斯拉的产业作用:技术竞争、制造体系与中国供应链的结合

在讨论中国新能源汽车产业时,特斯拉上海超级工厂具有重要的历史意义,但必须将其作用放在中国汽车工业与新能源汽车产业长期发展的背景中理解。

特斯拉对现代电动汽车的重要贡献之一,是通过连续的产品开发、技术投资和商业实践,证明高性能纯电动汽车能够进入全球汽车消费市场,并逐渐形成具有规模的研发与制造业务。其在电池系统、电驱动、整车电子电气架构、软件和生产制造方面所进行的探索,对传统汽车行业形成了显著的竞争压力。

特斯拉上海超级工厂于2019年开工,并在同年开始生产车辆。这一项目将国际新能源汽车企业的产品开发、质量要求和供应链体系,与中国已有的汽车零部件、电子制造、工业装备和产业配套能力连接起来。

但这种连接并不是单向的技术输入。中国制造体系的供应能力、生产效率与产业配套条件同样支持了特斯拉在中国扩大生产规模。中国本土供应商通过满足整车企业的质量、成本、交付和工程协同要求,积累了更多参与全球汽车产业竞争的经验。

从产业经济学角度看,特斯拉上海工厂的价值不应仅以工厂产量或投资规模衡量,而应进一步分析其对供应商能力升级、制造工艺、人才流动、竞争行为和产业合作网络所产生的影响。

其中一个值得强调的特征,是国际领先企业与本土制造体系之间存在互补关系。国际企业可能带来产品定义、技术标准和全球市场渠道,本土供应商则提供专业制造、工程服务、技术适配与成本优势。双方通过持续采购和工程协同形成相互依赖,而不是由某一方单独完成全部技术进步。

这一机制为具身机器人产业研究提供了有价值的启示。如果未来中国机器人产业能够吸引具有先进AI模型、机器人控制和系统架构能力的企业,并与国内已经形成的精密机械、电子、工业软件和自动化制造体系建立长期合作,那么相关产业之间可能出现类似的技术互补和能力提升。

不过,机器人产业与汽车产业在技术标准化程度、生产数量和供应链稳定性方面仍存在显著差异。汽车制造早已形成成熟的零部件分工、质量体系和生产流程,而具身机器人部分关键硬件和软件架构尚未收敛。因此,机器人产业中的合作模式可能更加依赖联合研发与系统集成,难以完全照搬成熟汽车产业的采购层级和产品开发流程。

这意味着产业研究需要特别关注,机器人企业与国内工业软件企业之间是否正在形成长期共同研发、技术标准协作和产品迭代关系,而不能仅把某些国际或国内整机企业的落地视为完整产业生态已经形成的证据。

2.4 规模化市场如何改变基础技术的经济性

新能源汽车产业历史中的另一个关键机制,是市场规模扩大能够改变专业技术的研发和生产经济性。

对于一项需要较高前期研发投入的技术,如果最终只能服务少量客户,企业可能难以分摊研发成本,也缺乏持续优化和产品化的动力。随着市场规模扩大,专业技术供应商能够将研发成果应用于更多产品和客户,从而形成规模经济与范围经济。

动力电池产业的发展较为明显地体现了这一机制。电池技术早已应用于消费电子和其他领域,但新能源汽车的大规模需求使其成为独立且庞大的产业体系,推动电池材料、制造设备、电芯结构、电池管理与回收利用等专业领域持续发展。

IEA《Global EV Outlook 2026》显示,2025年全球电动汽车销量超过2000万辆,中国电动汽车销量超过1300万辆,占其新车销售接近55%。同年,中国约占全球电动汽车生产量的四分之三。

如此规模的最终产品需求,使大量上游专业企业获得了持续开发、扩大生产和参与竞争的条件。但产业规模扩张也带来激烈的价格竞争,技术进步产生的收益可能以产品降价的形式转移给整车企业和消费者,而不全部留在技术供应商内部。

因此,研究机器人产业对工业软件的牵引作用时,不仅要考虑机器人销量增长可能带来多少新的工程计算需求,还需要分析专业软件供应商能否获得足够规模的复用机会,以及这种复用能否覆盖持续研发和工程验证成本。

假如每一家机器人企业都需要自行建立完整的流体、结构、接触、控制和传感器模拟能力,可能导致较高的重复开发成本。如果其中一部分能力能够由专业软件企业提供,并通过标准化接口服务多个客户,就可能形成更合理的产业分工。

但这只有在接口相对稳定、物理模型得到验证、客户具有明确采购意愿且供应商能够保证服务持续性的条件下才能成立。

由此可以发现,具身智能与工业软件之间的产业关系,不只是机器人对工业软件提出更多需求,更可能涉及专业技术能力是否能够形成新的可交易产品形态。这一问题将在后续关于物理计算基础设施与开放式插件生态的章节中进一步展开。

2.5 不能复 制新能源汽车的地方:市场、产品形态与技术成熟度

新能源汽车产业发展史能够解释复杂终端产业如何形成规模,但不能为具身智能提供确定的市场预测。

首先,两者的最终需求基础不同。汽车为消费者提供交通能力,市场价值经过长期验证,而通用具身机器人希望进入的部分工作和生活场景尚未形成成熟的产品定义。机器人是否能够以足够低的成本、足够高的可靠性完成这些任务,仍是决定未来市场规模的重要变量。

其次,两者的产品架构成熟度不同。现代汽车虽然存在大量技术路线差异,但交通功能、乘员安全和使用环境具有相对稳定的边界。具身机器人需要应对的任务范围更加广泛,专用移动机器人、人形机器人、轮式机械臂和其他形态之间并不存在已经确定的统一产品架构。

再次,两者的智能能力在产品价值中占据的地位不同。新能源汽车可以在不具备高级自动驾驶能力的情况下满足基本交通需求,而某些通用具身机器人的核心经济价值,恰恰取决于其是否能够可靠完成原本需要人类操作的复杂任务。

最后,软件和训练基础设施在两类产业中的作用也可能不同。汽车产业长期形成的工程软件主要服务于整车与零部件设计、仿真、生产和管理。具身智能除这些用途外,还可能要求大量仿真环境直接参与机器人策略的学习过程,从而使物理计算和AI训练之间建立更加紧密的联系。

因此,具身智能可能对工业软件产生不同于新能源汽车的技术需求,但这种差异不会自动转化为更大的软件市场。需要进一步考察机器人训练的计算效率、模型可复用程度、实际部署规模以及相关软件的商业供给方式。

2.6 第二章阶段性结论:真正可借鉴的是产业演化机制

新能源汽车的发展历史,为具身智能产业研究提供了重要参考,但其价值主要体现在产业演化机制,而非销量曲线、产品形态或者具体政策工具的简单复 制。

可以从这一历史中识别出若干具有跨产业意义的规律:复杂终端产品能够组织不同专业技术形成共同需求,早期应用场景可以为新技术积累工程经验,规模化市场能够改变专业供应商的研发经济性,制造能力与技术创新之间可能形成相互促进关系,而产业开放、标准化与真实市场竞争则会影响整个产业体系的发展效率。

与此同时,新能源汽车产业史也表明,规模增长并不保证每一家企业都获得利润,产业集聚不必然产生高水平技术创新,国际领先企业进入也不能替代本土企业的持续研发投入。

对于具身智能而言,最值得关注的不是未来是否会出现一家对应特斯拉的机器人公司,而是它能否形成一类足够复杂、足够广泛并具有持续发展需求的终端产品,使中国已经积累的工业软件、计算物理、精密制造、自动化和AI技术获得新的组合机会。

这一判断将成为下一章研究机器人产业边界的重要基础。

本篇最重要的研究依据包括国际能源署 Global EV Outlook 2026、国际机器人联合会 World Robotics 2026相关发布、世界银行对中国早期新能源汽车示范计划的 历史研究,以及国务院 《新能源汽车产业发展规划(2021—2035年)》。后续涉及企业个案、市场比较和产业链关系时,将继续优先使用年报、技术论文、官方标准及可追溯的一手资料,而不以行业宣传材料替代证据。

 



来源:工业软件产业发展探索
复合材料非线性化学其他专业半导体光学通用航空航天汽车电力理论电机材料PLM
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-11-12
最近编辑:6小时前
易赋
签名征集中
获赞 5粉丝 6文章 124课程 0
点赞
收藏
作者推荐

全球工业软件资本、产业与AI战略三部曲:第一篇|资本史(2015—2026)第一部分

十二年资本账:中国与全球工业软件的融资、并购、上市和资本回报副标题:从专业技术资产的长期积累,到全球工业软件巨头的资本整合,再到AI时代的新一轮价值重估研究区间:2015年1月1日至2026年10月21日|全球与中国|微 信公 众号深度研究长文引言|资本究竟改变了工业软件的什么?2026年10月5日,施耐德电气与PTC共同宣布了一项足以改变全球工业软件产业格局的交易。根据双方达成的最终收购协议,施耐德电气计划以每股205美元现金收购PTC全部股份,对应约226亿美元的股权价值和237亿美元的企业价值。相对于公告前的最后收盘价,这项交易提供了42.3%的溢价。如果后续获得股东及监管批准,并按照预计于2027年第三季度完成交割,PTC将进入一家长期经营能源管理、工业自动化和工业软件的跨国集团体系。这项收购为什么值得如此高的价格?从PTC的发展历史看,它早已不是一家只销售参数化CAD的软件公司。自1980年代建立三维参数化设计技术基础以来,PTC逐步进入PLM、服务生命周期管理、物联网、增强现实和云原生产品开发市场,并通过一系列收购获得了Windchill、Onshape、Arena等不同技术架构和产品体系。其产品与服务已经深入制造企业从产品开发、工程变更到维护运营的多个环节。施耐德电气愿意支付的价格,因此不仅包含PTC现有的软件收入,也包含双方对客户互补、工程数据与能源工业系统连接,以及未来经营协同的预期。然而,交易公告中最值得关注的财务细节,也许并不是237亿美元本身。施耐德披露,交易价格相当于PTC预计2027年调整后EBITA的约21倍;如果将管理层预计的全部协同效应纳入,倍数则降至约13倍。这意味着收购方认为,现有业务价值之外,后续通过产品、渠道和客户整合仍有可观的经济价值可以释放。但这里存在一条必须强调的边界:截至2026年10月21日,这项收购尚未完成,预计协同收益也没有实现。投资者为未来支付了价格,未来却仍需要接受经营结果的检验。两个月之前,另一种截然不同的资本活动已经发生。2026年8月4日,中国嘉立创在深圳证券交易所上市,公开发行5,556万股新股,每股发行价84.46元,募集资金总额46.93亿元。嘉立创的业务涵盖EDA/CAM工业软件、PCB制造、电子元器件购销和电子装联。这种商业模式并不符合人们对传统工业软件企业的单一想象:它既不是一家只向工程师出售软件许可证的公司,也不是一家只有产能和设备的PCB制造企业。它将电子设计入口、器件信息、制造服务和客户订单组织在同一商业体系之中,因而可以从产业协作效率和制造服务收入等多个维度创造价值。与此同时,一批AI原生工程软件公司正在尝试走出完全不同的道路。2026年6月,PhysicsX宣布完成3亿美元C轮融资,融资后估值约24亿美元。投资者关注的不是它已经拥有与国际成熟CAE集团相同的完整产品目录,而是AI能否改变部分复杂工程问题的建模、预测和优化成本。其投资价值建立在新技术路线未来可能实现的工程效率提升之上,而不是已经被广泛验证的传统软件商业模式之上。把这三件事放在一起观察,会发现一个有趣的现象:资本可以为持续数十年的技术和客户积累支付巨额收购溢价,也可以支持覆盖设计、供应链和制造的综合经营平台,还可以为尚处于成长阶段的新型工程计算技术给予较高估值。同样处于工业软件及其相邻产业链之中,三类企业的技术资产、收入结构、资金用途和未来风险却截然不同。过去十二年,中国工业软件产业一直试图回答自己的问题:一套真正可靠的专业工程软件究竟需要多长时间才能开发完成?一家掌握专业算法的技术企业如何从科研走向商业?为什么某些企业融资数轮之后仍然没有形成相应的经营规模,而另一些企业可以依靠长期客户关系和持续经营现金流,逐渐建立稳定的竞争地位?国产工业软件需要多少资本,资本又应该在怎样的阶段进入?这些问题不能只从中国市场内部寻找答案。全球工业软件产业已经经历了远比最近十二年更漫长的资本整合。Siemens、Dassault Systèmes、PTC、Autodesk、Synopsys、Cadence等集团的产品组合,既来自内部长期研发,也来自数十年间不断发生的技术授权、企业收购和业务重组。大量今天被认为理所当然的工业软件能力,最初来自独立技术团队和专业软件公司。它们在不同时期进入更大的集团,或者继续保持独立经营,最终形成了今天复杂的全球技术版图。如果没有理解这些交易,就很难理解工业软件企业的市场价值。几何内核、CAE求解器、半导体EDA和专业制造软件通常拥有很长的开发与验证周期。它们的价值不只是代码量,也包含多年的工程测试、客户使用经验、专业技术人才和长期维护能力。资本能够通过收购取得这些资产,却不一定能够立即将它们整合成一个更有竞争力的统一平台。收购价可以买到控制权,不能自动买到研发效率、客户信任与长期经营回报。反过来,如果只研究成熟集团,我们也可能低估新技术所创造的机会。过去,开发一款专业软件可能需要长期积累大量工具链、界面与工程基础组件。随着开源软件、云计算、GPU以及大模型辅助开发的发展,部分新产品的初始开发成本正在发生变化。这可能使更多专业技术团队有机会进入原本门槛较高的软件市场。但工业软件与一般信息工具的不同之处在于:代码可以更快生成,真实工程环境中的结果仍然需要验证;功能可以更快展示,复杂工业客户的采购和生产流程却不一定能够同样快速迁移。因此,研究工业软件资本,既不能站在传统软件巨头的立场上低估新进入者,也不能因为AI的发展,就认为过去数十年形成的专业技术和工程验证体系已经失去价值。资本市场真正需要判断的,是哪些技术成本正在下降,哪些壁垒仍然稳固,哪些客户需求可能扩大,以及不同类型的软件企业将如何争夺这些变化带来的经济价值。本文以2015年至2026年10月21日为主要研究区间,回溯更早的关键并购历史,对全球与中国工业软件领域的融资、并购、IPO、资产重组和资本回报进行系统梳理。研究对象不仅包括大型上市公司,也包括几何建模、工程仿真、EDA、制造执行、生产排程、质量管理和设计到制造等细分市场中的专业企业,以及支持这些企业成长的产业投资机构、PE基金和长期持有资本。在方法上,我们将特别警惕融资研究中的一种常见倾向:把所有看起来能够加总的金额都加在一起。企业通过发行新股获得的融资,和股东出售股份取得的对价不是一回事;一项并购的企业价值与股权价值不是同一个数字;基金宣布设立的认缴规模,也不等于已经流入工业软件企业的资金。更重要的是,一家公司完成融资或获得高估值,并不意味着其投资人已经取得实际回报。工业软件的资本账,应该至少同时记录三种价值:资本进入企业时的投资成本,企业持续经营形成的技术和经济价值,以及资本最终退出时真正获得的现金回报。三者之间的差额,才是理解产业投资结果的关键。在接下来的十二年资本史中,我们既要研究那些改变全球技术格局的数十亿美元并购,也要研究中国企业漫长而艰难的核心技术研发,更要分析成熟软件、专业组件、行业平台和AI创业公司之间的资本配置差异。因为只有把资本放回真实的技术与商业历史中,才能理解今天工业软件产业究竟处在怎样的阶段。第一章|2015—2026:工业软件资本市场的十二年演化1.1 2015—2017年:专业技术资产成为全球产业集团的重要收购对象工业软件产业的历史有一个鲜明特征:许多真正重要的技术能力,并不是由今天的大型集团从零开始全部研发出来的。它们往往首先诞生于具有专业技术背景的独立企业,经过多年工程验证和市场竞争,再通过并购进入更大的产品体系。正是这种长期存在的专业分工与资本整合,使全球工业软件产业逐步形成了今天的技术层次。2016年1月25日,Siemens宣布以9.7亿美元收购CD-adapco。当时CD-adapco是全球具有重要地位的计算流体力学软件公司,拥有STAR-CCM+等产品,其技术覆盖流体动力学、传热、反应流、颗粒、声学及多种复杂工程现象。根据Siemens当时披露的数据,CD-adapco此前一个财年的收入接近2亿美元,员工超过900人,过去三个财年按固定汇率计算的收入年均增长超过12%。从财务上看,这笔收购不仅是Siemens买入了一家正在增长的软件企业;从技术上看,Siemens取得了一套经过多年积累的CFD及多物理场仿真技术体系。对汽车、航空航天、工业装备和能源系统而言,设计工作并不会止于几何模型。工程师还需要研究流动、传热、结构、噪声和其他物理现象,判断产品能否达到性能和可靠性要求。CD-adapco的技术因此具有明确的工程价值,并与Siemens已有的机械设计、仿真及产品生命周期软件形成互补。值得注意的是,CFD软件并不是一种可以仅凭功能列表评价成熟度的工具。复杂工业模型中的网格质量、数值稳定性、湍流模型、多物理场耦合、收敛特性及计算性能,都需要长期算法研发和真实工程验证。CD-adapco能够形成成熟的国际市场地位,背后是一套专业技术体系和客户应用历史。Siemens通过收购取得了这些资产,但后续仍需要持续投入研发、产品集成和客户维护,才能保持竞争力。不到一年后,2016年11月14日,Siemens又宣布以约45亿美元企业价值收购Mentor Graphics,现金报价为每股37.25美元。这次收购的技术意义,与CD-adapco并不相同。Mentor Graphics主要拥有电子设计自动化、集成电路与系统设计、电子验证、嵌入式软件及相关工业技术能力。通过这项交易,Siemens进一步扩大了机械、电气、电子、热、软件及系统工程之间的技术覆盖。如果把两项交易放在一起,就能看到Siemens的产业战略并不是简单购买两个增长较快的软件业务。2016年的两项收购分别连接了工程仿真和电子设计,而这两种技术恰恰对应制造产品复杂性不断提升的重要方向。现代汽车不仅是机械结构,也包含大量控制器、传感器和嵌入式软件;航空航天系统不仅需要机械设计,还需要电子、热、流体及系统级协同。工业软件集团需要满足客户不断扩展的工程问题,因此会持续寻找专业技术资产。这也提醒我们,不应该将Siemens、Dassault Systèmes和PTC等成熟集团描述为过去只依靠单一工具竞争、直到AI时代才开始追求系统能力的公司。事实上,跨专业软件组合、工程数据管理和长期产业生态,早已是这些集团发展的核心部分。AI可能进一步改变产品能力和客户工作方式,却不是它们第一次意识到跨领域协同的重要性。从资本市场角度看,CD-adapco与Mentor Graphics的交易还展示了工业软件并购的两种不同规模。前者接近10亿美元,是一家具有明确专业技术和产品市场的软件公司;后者规模约为前者数倍,能够帮助买方整体扩展进入电子设计与系统工程的产业边界。两项交易的收购价格、技术整合难度和长期协同风险不同,但它们都证明:成熟工业软件集团可以通过资本获得内部研发难以在短期内复 制的专业积累。中国工业软件产业研究者尤其需要理解这种路径。许多本土企业把自主研发视为形成核心技术能力的必要方式,这有其现实原因。但全球产业历史也表明,工业软件竞争力并不只来自单一企业内部的研发。成熟公司之间的授权合作、专业技术收购、长期持股和跨企业产品互操作,同样是技术体系形成的重要机制。关键不在于收购数量,而在于收购之后是否真正获得可靠技术、保留专业人才,并形成持续的工程产品能力。1.2 2018—2019年:从购买专业算法,到购买未来的软件架构如果说2016年的重要交易体现了成熟集团对专业技术资产的获取,那么2019年PTC收购Onshape,则提供了另一种资本视角:一家工业软件集团可能愿意为尚未达到成熟平台收入规模的新企业支付较高价格,因为它希望取得一种可能改变未来软件交付方式的技术架构。2019年10月23日,PTC宣布以约4.7亿美元、扣除取得现金后的价格收购Onshape。Onshape由具有深厚CAD背景的创业团队创建,产品从一开始就采用云原生方式,把三维CAD、数据管理和协作组织在统一的在线环境中。与传统桌面CAD软件相比,它在架构上试图减少本地部署、文件传输和版本协同带来的某些问题。对于PTC而言,这项交易并不是因为公司原有Creo产品缺少三维参数化建模能力。恰恰相反,PTC在CAD及PLM领域已经拥有长期积累,收购Onshape是为了取得一种与既有产品不同的技术和商业路径。PTC能够通过自有研发继续发展成熟设计软件,同时利用Onshape探索新的云端交付和协作市场。这种资产的估值,与成熟CAE求解器的估值逻辑不同。CD-adapco拥有多年专业仿真收入和工程客户,Onshape的收购价值则更多涉及云原生产品架构、未来客户增长和软件交付模式变化。两者都属于工业软件,却对应不同的资本风险。从投资角度看,这类交易涉及一种对未来的选择权。假如云原生CAD在某些客户群体中快速发展,PTC将拥有相应产品和技术团队;即使传统CAD客户仍需要成熟桌面软件,PTC也可以继续经营原有产品。但为这种选择权支付的价格,最终仍需要通过客户采用、商业收入、经营成本与长期竞争地位判断是否合理。Onshape案例还具有一个容易被忽略的产业启示。软件架构的改变,有时可能比增加一个独立功能更重要。一个新功能可以被成熟软件企业通过内部研发补齐,而一种从基础层重新组织数据、协作和部署方式的架构,可能需要重新设计大量软件机制。对成熟集团来说,收购新架构企业有时可以减少内部改造的不确定性。不过,我们也不能将这一逻辑简单推广到全部技术路线。收购一家采用新架构的软件公司,并不意味着该架构必然成为未来行业统一标准。云原生CAD需要与复杂机械模型、企业数据权限、离线要求、已有软件接口和长期客户习惯相协调。市场结果仍然取决于真实客户需求,而非技术概念本身。1.3 2020—2021年:工业软件资本开始更深入地连接制造业务与供应链2020年12月,PTC宣布以7.15亿美元现金收购Arena Solutions,进一步完善其云端产品开发与PLM业务。若将Onshape与Arena连续观察,就能发现PTC正在尝试把云端CAD与产品生命周期数据管理连接起来。对于制造企业,零件的几何定义只是产品开发的一个方面;正式生产还需要产品结构、物料、工程变更、版本和质量信息。这些数据关系决定了研发成果能否进入跨部门的企业工作流。但是,同一时期另外几笔资本交易揭示了更进一步的发展方向:工业软件企业开始通过资本进入设计工具之外的供应链信息和制造服务领域。2021年5月17日,Siemens宣布以7亿美元收购Supplyframe。与CD-adapco、Mentor Graphics不同,Supplyframe的核心价值并不来自专业物理求解器,也不是传统意义上的三维CAD。它专注电子产业Design-to-Source,连接设计工程师、电子元器件信息、供应链数据及采购相关决策。这一收购揭示了一个重要事实:制造企业的工程开发过程,不是设计完成后才开始考虑供应链。在电子产品开发中,工程师选择的芯片、器件和封装,可能在很早的设计阶段就决定采购成本、交期、替代料风险和产品生命周期。即使电路设计本身完全正确,如果关键器件无法稳定采购,整个产品开发计划仍然可能遭遇困难。如果软件能够更早把器件供给、价格、规格和生命周期信息引入工程决策,就可能帮助制造企业减少设计返工和供应风险。Supplyframe的商业价值,正是建立在这一设计到供应链连接之上。Siemens希望将其软件能力与电子产业供应链情报结合,扩大工业软件在产品开发业务中的作用。同样值得关注的是机械制造领域的数字化平台。Xometry、Protolabs及其相关收购,体现出从三维设计数据进入制造报价、制造商匹配和订单履约的另一条路径。电子Design-to-Source与机械Design-to-Make都试图连接工程设计与产业资源,但两者的实际经济问题不同。电子器件具有相对标准化的产品型号和规格,机械零件则往往由材料、几何、公差、工艺、批量和制造设备共同决定成本,不能完全照搬电子元器件市场的交易机制。这些交易让工业软件的资本边界变得更加宽广。投资者开始关注的不只是软件工具销售,还包括工程数据能否成为供应链协作和制造交易的入口。一家企业可以通过软件吸引设计用户,再通过零件采购、制造服务或专业数据服务创造收入。与此同时,这类商业模式通常需要承担比纯软件许可更多的供应链和履约成本,因此不能简单使用传统SaaS企业的收入倍数评价。这一变化对今天研究AI原生工程软件同样具有启发。未来Agent可以协助工程师理解设计意图、检查BOM、寻找供应商、组织RFQ和比较交付方案,但这些能力的商业化,需要真实、及时、可信的制造和供应链资源支撑。AI可以降低信息处理成本,却无法凭空创造供应商产能,也不能替代质量、价格和交付责任。资本最值得关注的,是软件智能与真实产业资源之间能够形成怎样的稳定业务关系。1.4 2022—2023年:当资本成本改变,工业软件估值开始面对更加严格的检验科技投资在2022年前后经历的宏观金融环境变化,也影响了软件企业的估值和融资条件。随着主要经济体通胀与货币政策发生变化,投资者对未来现金流的折现、债务融资成本及资产估值的判断随之调整。对于成熟工业软件公司,这种变化可能体现为市场愿意支付的收入倍数下降,或大型收购需要更加重视融资结构和资本回报。对于尚未形成稳定收入的创业企业,则可能体现为后续融资条件更加困难,以及投资者对商业化进展的要求提高。但工业软件并不是一个经营结构完全相同的市场。一家拥有多年专业客户和经常性收入的EDA企业,与一家仍在验证核心技术的AI工程创业公司,其资金需求和风险根本不同。即使外部资本环境相同,两类公司的经营韧性也可能表现出明显差异。因此,把这一时期概括为“工业软件资本寒冬”,可能过度简化事实。更值得研究的是,资本究竟重新重视了哪些企业特征。成熟的客户关系、可预测的收入、经营现金流、技术壁垒和合理的收购价格,可能在资本重新定价时成为更加重要的评价变量。与此同时,少数能够证明技术差异化和巨大潜在市场的新企业,仍可能获得资金支持。这种变化也揭示了工业软件产业与一般互联网创业之间的一项长期差异。专业工业软件往往需要多年技术积累,却未必能够在短期内形成爆发式收入。过于依赖连续融资维持研发的企业,在资本环境变化时可能面临较大风险;而能够依靠客户付费和长期产品维护形成持续收入的企业,则拥有更多经营自主 权。不过,现金流稳定并不意味着企业技术一定领先。某些企业可能在成熟市场中保持良好盈利,却面临新技术架构的长期替代风险。另一些专业软件公司可能因为研发新算法而暂时利润较低,但其技术成果具有重要产业价值。投资者真正需要建立的,是根据技术成熟度、客户发展和资金期限进行分类的评价体系,而不是用单一财务倍数筛选全部软件公司。1.5 2024—2025年:巨型并购重新揭示成熟工业软件技术资产的价值2024年1月,Synopsys宣布拟收购Ansys。这是一项最初宣布交易价值约350亿美元的现金加股票收购,并于2025年7月17日完成。Synopsys在半导体EDA、芯片IP及验证领域积累了长期技术能力,而Ansys则在结构、流体、电磁、热及多物理场仿真领域拥有广泛产品组合和专业客户。这项交易试图将芯片设计与更加广泛的物理系统工程联系起来。其产业背景并不难理解。随着数据中心、高性能计算、先进封装、汽车电子和复杂工业产品不断发展,工程师需要在更小的物理尺度与更大的系统尺度之间建立联系。芯片本身的设计不能完全脱离封装、电磁、热和系统运行环境。反过来,复杂机械与工业系统也越来越依赖电子控制、芯片与软件。因此,芯片设计和系统仿真之间的技术协同,具有明确的工程动机。但技术协同并不意味着买方可以无限制地集中所有资产。大型并购需要面对竞争监管、客户关系和产品整合问题。Synopsys—Ansys交易同样涉及监管条件和特定业务资产处置。由此可见,工业软件技术资产的长期价值,不仅取决于买方是否有资金,也取决于市场结构、竞争规则和实际整合能力。2024年10月,Siemens宣布拟收购Altair,并于2025年3月完成。这项企业价值约100亿美元的交易,使Siemens进一步获得结构分析、优化、计算流体力学、高性能计算及相关软件能力。对于此前已经拥有Simcenter等工程软件产品的Siemens而言,Altair的价值更多体现在专业技术互补、客户市场和平台组合,而不是第一次进入仿真市场。Cadence则通过收购BETA CAE等资产,继续向结构仿真扩张。BETA CAE长期发展ANSA、META等工程仿真前后处理产品,在复杂模型处理和仿真工作流中具有专业地位。对于一家传统上以EDA和电子系统设计著称的企业而言,这种收购使其工程软件组合进一步扩展到机械结构与系统仿真。从财务角度看,这几笔交易的重要性在于,它们的金额相当高,却仍然得到具有成熟经营基础的大型软件集团支持。市场买方显然认为,经过多年工程验证的软件、专业客户、技术团队和产品协同,可能具有长期经济价值。但是否真正创造了高于收购价格的价值,需要在交割后的多年经营中观察,而不能只依据公告中的战略叙事。这也说明,成熟专业技术没有因为云计算、AI或新型软件架构的发展而立即失去价值。至少在这些大型买方的资本判断中,经过长期积累的工程仿真资产仍然值得高额收购。但另一方面,买方愿意支付高价,不意味着未来不存在技术替代风险。资本价格只是对未来的一种判断,不是技术永续领先的证明。1.6 2026年:成熟技术收购与AI原生融资同步活跃进入2026年,全球工业软件资本市场开始呈现更加明显的双重特征。一方面,大型产业集团继续争夺成熟技术、客户及产品平台;另一方面,一批AI原生工程软件创业企业开始获得规模较大的成长资金。施耐德拟收购PTC,是第一种力量的代表。它希望在既有能源管理、自动化及软件业务的基础上,进一步取得产品研发、工程数据和生命周期管理能力。这类交易需要大量资金,也要求买方在未来兑现产品和销售协同。由于交易预计于2027年交割,截至本文研究截止日,它仍应被记录为已经签约但尚未完成的资本事件。2026年2月,Cadence完成对Hexagon Design & Engineering业务的收购。此次收购包含MSC相关专业仿真资产,体现成熟EDA集团进一步向工程物理计算扩张。与2016年Siemens收购CD-adapco相比,虽然买方不同、交易规模不同,但资本逻辑具有某种连续性:成熟工程软件和长期技术积累,仍然可以成为大型集团进行战略资产配置的重要对象。另一边,PhysicsX于6月宣布完成3亿美元C轮融资。投资者关注的是AI能否在特定工程问题中提高计算、预测与优化效率。与成熟CAE公司不同,AI原生平台未来能取得多少客户收入、适用范围能够扩大到什么程度,以及它会与现有求解器合作还是形成直接竞争,仍需要长期观察。因此,2026年不是工业软件从“传统资本时代”突然进入“AI资本时代”的简单分界线。更准确地说,经过几十年形成的专业软件资产,与正在出现的新型工程计算技术,开始在同一个资本市场接受重新估值。两类资产的价值来源不同,投资机构不能只根据融资规模和企业估值进行简单比较。如果将2015—2026年放在一起研究,我们会发现工业软件资本史并不是一条由低到高、不断增加融资的直线。它更像一个不断变化的产业资产市场:专业技术持续积累,企业通过并购重新组织资产,公开市场与PE提供不同退出机制,而新的软件架构和计算方式又不断引入新的投资对象。这正是十二年资本账的第一条结论:资本不仅为工业软件研发提供资金,也不断改变技术资产由谁拥有、怎样组织以及通过什么商业机制创造价值。第二章|全球工业软件资本账:为什么不能把融资、并购和估值简单加总?在许多研究报告中,资本市场的繁荣程度往往通过交易金额和融资规模表示。对于工业软件,这种方法尤其容易产生误导。原因在于,这个产业不仅存在创业融资,还存在规模巨大的战略并购、上市公司股权交易、PE二级转让、专业资产收购以及长期经营现金流再投资。它们虽然都涉及资本,却不一定代表新增资金进入软件研发活动。假设一家创业企业在过去十年获得了1亿美元新增融资,最后被一家大型集团以10亿美元收购。如果把两笔数字相加,得出该企业累计吸引11亿美元资本,再据此判断社会为其技术研发投入了11亿美元,就混淆了企业融资与股东退出。前者通常为企业研发和运营提供资金,后者则主要是买方向原股东支付取得控制权的对价。即使最终收购确实为企业带来新的产业资源,也不能把全部购买价格当作新增研发支出。这一误差在工业软件领域并非小问题。单笔大型交易可能达到数十亿美元,甚至数百亿美元。如果一家数据库同时统计宣布金额、交割金额、股份对价、贷款融资和历史融资,很容易把同一经济活动重复计算多次。因此,本文将资本账分为三个相互关联但彼此独立的层次。第一个层次是资金进入企业的融资账,记录新股投资、债务融资及其他真正提高企业可用资金的行为。第二个层次是股权与资产转手的交易账,记录控制权收购、老股交易、资产收购与股权置换。第三个层次是投资者最终取得回报的退出账,记录实际现金分配、股份出售、并购退出和剩余持股价值。只有建立这三个层次,才能真正分析工业软件产业的资本形成过程。2.1 软件企业融资与收购并不是同一件事当一家工业软件公司完成A轮融资,投资人通常以现金认购新发行股份,资金进入公司,用于研发、人员、市场和运营。但成长轮融资可能同时包含新股投资和老股转让。后者支付给出售股份的原投资人,而不是公司本身。因此,即使融资新闻公布了总金额,也未必能够仅凭新闻确认企业实际新增资金。并购则更复杂。买方可能通过现金、股票或两者结合取得全部股权,也可能收购特定业务资产。交易总价有时是股权价值,有时是企业价值,还有时使用扣除取得现金后的购买对价。不同口径分别用于研究股东获得的经济利益、经营资产定价和会计上的企业合并,不应互相替代。以2026年施耐德拟收购PTC为例,官方公告分别披露226亿美元股权价值和237亿美元企业价值。两者相差约11亿美元,但这个差额本身不能在缺少完整桥接表的情况下直接认定为某一种精确的净债务余额。研究者需要根据交易条款和资产负债调整进一步核算。同样,Siemens于2016年收购CD-adapco时披露9.7亿美元购买价格,并给出标的此前一个财年接近2亿美元收入。研究者可以据此得到接近4.9倍的粗略交易对收入倍数,但必须明确收购价格和收入期别是否完全可比,以及是否存在相关会计调整。这样的计算可以帮助理解交易规模,却不应伪装成经过审计的统一可比估值。真正严谨的资本研究,并不是完全拒绝估算,而是清楚说明估算的基础、口径和局限。2.2 不同工业软件资产为何拥有不同的估值?工业软件市场内部的差异,可能比工业软件与某些其他软件行业之间的差异还大。一家成熟几何内核供应商,可以通过向大量专业软件厂商授权技术获得收入。其客户结构和产品维护成本,与一家主要向大型制造企业实施PLM项目的公司明显不同。一家专业CAE求解器公司可能拥有很高的研发技术壁垒,但其细分市场规模有限。相反,一家制造云平台可能技术深度较浅,却能够服务大量中小客户,形成规模化订阅和销售网络。EDA工具还具有特殊性。先进工艺客户通常需要长期验证、工艺适配、IP支持和复杂设计流程。因此,半导体专业工具的商业化和研发投入规律,也不能简单套用一般ERP或办公SaaS模型。这些差异决定了工业软件不可能存在一个适用于全部公司的统一收入倍数。资本可以依据当前收入、盈利、现金流、增长和客户续约进行财务估值,也可以根据特定买方能够实现的技术互补和经营协同,支付额外战略价格。但任何额外价格最终都意味着更高的未来收益要求。如果协同无法实现,高收购估值反而可能成为资本回报的负担。这也是工业软件收购与一般初创投资之间的重要区别。早期投资人可以接受大量不确定性,通过组合投资分散风险;而一家上市集团以数十亿美元进行成熟资产收购,则需要对股东解释交易对利润、现金流、资本成本和长期战略的影响。2.3 交易数量上升,不代表融资金额和产业技术能力同步增长2026年上半年,专业机构MP Corporate Finance的工业软件交易样本显示,资本活动相当活跃。但必须注意,这类研究样本往往根据机构自身的工业软件范围、交易数据库和可获取信息形成,其覆盖口径未必与政府统计或其他商业数据库一致。因此,如果某机构统计的交易事件同比增长较快,这能够说明其样本中的市场活动更加活跃,却不能直接证明全球所有工业软件企业获得的新增融资同比增加相同比例。更不能通过并购次数推算技术突破数量。一次成熟专业CAE公司的控股权交易,可能只是资产在不同所有者之间转移,而不是产生一项新的核心技术;一次规模不大的早期融资,则可能支持长期研发,未来才会产生工程成果。如果研究者忽略这些差异,最终很容易得到一份看似宏大、实则无法解释资金去向和技术结果的资本账。工业软件真正需要的是三个层次的对应关系:交易发生了什么,谁因此获得了什么资产或资金,以及这些资产在后续经营中产生了什么技术和经济结果。这套方法同样适用于中国市场,而且尤为重要。因为地方产业基金、上市公司投资平台、国资资本、创业融资和股东转让经常同时存在。如果缺少统一的事件分类与资金流向记录,很容易把基金认缴规模、企业股权融资和产业项目投资重复纳入同一组统计。这一章的研究形成了一项重要结论:过去十二年的全球工业软件资本竞争,既是企业股权的交易史,也是一部专业技术资产在不同产业组织之间重新配置的历史。本次续写完成第四章。下一章应把视角从大型产业集团转向中国工业软件企业,按照CAD、CAE、EDA、PLM、MES与工业运营等细分领域,研究真实融资、投资机构、资本进入方式及商业化结果。中国企业数量多、业务类型复杂,尤其需要把专业研发企业、代理实施公司、系统集成商和行业平台分别核查,才能形成真正完整的中国资本账。第三章|中国工业软件的资本转折:从长期技术积累到公开市场定价3.1 中国工业软件产业不是被最近十二年的资本创造出来的讨论中国工业软件投资,首先需要纠正一种经常出现在资本市场叙事中的认识:仿佛工业软件是在国产替代成为热门话题之后,才逐渐形成的全新产业。事实上,中国工业软件的技术探索远早于这一轮融资热潮。围绕CAD、CAE、CAM、EDA、制造执行和生产经营管理,国内科研机构、工业企业和专业软件公司已经进行了长期研究与应用实践。这些探索起点不同,有些来源于高校与科研体系,有些由大型工业企业的内部信息化与工程技术需求推动,还有一些则是专业创业团队面向商业客户持续积累的结果。因此,中国工业软件产业从来不是一个单一的创业群体。以CAD为例,国内企业需要在二维绘图、三维参数化建模、几何内核、工程数据兼容和行业应用之间作出不同的产品选择。CAE企业面临的则是结构力学、计算流体力学、电磁、热、材料和多物理场等专业方向的技术投入,产品之间的算法复杂度、验证方法和客户市场也并不相同。EDA的核心问题又涉及半导体设计、工艺模型、先进验证和晶圆制造生态。在生产运营领域,专业MES、APS及工业ERP企业则依靠长期制造业务知识、客户流程和实施经验形成竞争能力。如果只依据软件名称将这些企业归为一类,再用总融资额或平均研发投入比较竞争力,就很难得到可靠的产业结论。工业软件的资本经济学高度依赖其具体技术领域,而资本市场必须先理解专业差异,才能合理判断企业的发展阶段。例如,一家已经经营二十年的二维CAD企业,可能拥有较为成熟的销售渠道、软件产品和维护收入;一家自主发展复杂数值求解器的CAE企业,即使技术能力取得重要进展,也可能需要多年才能扩大商业客户市场;一家半导体EDA企业则可能长期依赖先进设计流程中的客户验证,收入规模的形成与其工具链覆盖及工艺适配密切相关。这三类企业在某个时点都可能需要资金,但所需资本的期限、规模和投资回报机制完全不同。把它们统一放入以短期增长和快速退出为核心的融资模型,很可能造成资本与技术发展周期之间的错配。中国工业软件过去十二年的资本史,实际上是这些不同类型企业逐步与新的资本市场相连接的过程。产业政策、创业投资、地方国资、上市公司和制造业客户,并不是在同一时期、以相同方式影响全部工业软件企业的。它们往往在不同专业领域形成不同组合,推动了多条并不完全同步的发展路径。3.2 2018—2020年:产业安全与技术自主,使长期存在的工程软件问题得到重新认识2018年前后,中国工业软件逐渐进入更广泛的产业政策和资本讨论。在这一变化背后,并不是某项政策突然创造了技术需求,而是先进制造、半导体、航空航天、汽车和工业装备等产业长期存在的软件依赖问题,开始被放到更加宏观的产业链环境中研究。对于大型制造企业而言,工业软件是一种持续投入使用的生产性工具。产品研发不仅需要工程师掌握操作方法,还依赖历史模型、专业设计规则、材料数据库、企业接口、软件维护与长期技术支持。一个复杂产品从研发到制造可能经历多年时间,在此期间形成的大量工程数据和业务流程,未必能够在短期内迁移到另一套软件环境。因此,工业软件的战略重要性,并不是简单由软件采购金额决定的。某一项专业工具的采购支出可能只占大型工业项目成本的很小比例,却可能直接影响设计能力、工程验证、制造效率及未来产品维护。如果相关软件无法获得稳定的技术支持,客户可能需要承担远大于软件许可证价格的转换和运营成本。正是在这样的背景下,基础研发设计软件逐步获得更广泛的产业资本关注。专业CAD、CAE和EDA企业开始被放入技术自主、产业链安全及高端制造能力建设的框架中讨论。对于部分企业而言,这提高了外部融资和客户试点的机会;对于投资机构而言,也意味着过去较为陌生的工业软件技术,开始成为需要建立长期研究能力的产业领域。但资本市场关注度的提高,并不会让软件产品自动成熟。许多工业软件的难点并不在于能否开发基本功能,而在于能否满足真实工程项目对正确性、稳定性、效率和长期兼容性的要求。一个三维CAD原型可以展示参数化零件建模,却未必能够可靠处理大规模装配和复杂曲面;一个CAE求解器可以运行标准算例,却未必能够覆盖工业客户多样化的材料和边界条件;一款EDA工具可以支持部分设计功能,却未必已经进入先进芯片设计的正式生产流程。这些技术成熟度上的差异,决定了资本投入的实际效果需要经过长期检验。融资可以帮助企业扩大团队、改善开发环境和建设产品,但最终能否形成客户认可的工程软件,仍取决于技术研发、专业验证和持续产品迭代。从这一意义上说,2018—2020年中国工业软件资本关注度提高,是一个重要的产业条件变化,却不是工业软件核心技术发展的起点。真正值得研究的,是这一变化之后,哪些企业获得了长期发展所需的资金,哪些企业形成了可持续的产品和客户收入,以及哪些专业技术能力开始逐渐摆脱对单一外部供应商的依赖。只有把这些结果逐笔对应到真实企业和产品,才能评价这一时期资本配置的效果。3.3 2020—2021年:公开市场开始提供新的工业软件估值与融资机制2020—2021年前后,中国部分专业工业软件企业进入更加透明的公开资本市场。对长期依靠产品收入、少数股东投入和专业客户发展起来的软件公司而言,IPO提供了新的资金来源,也使其经营数据开始受到更加广泛的公众审视。2021年,中望软件登陆科创板,是研发设计类工业软件进入公开市场的重要案例。其意义并不仅是出现了一家上市CAD企业,还在于投资者开始能够通过持续披露的招股说明书、年度报告和半年度报告,追踪一家自主工业软件公司的收入增长、利润、研发投入、现金流、客户结构及主要经营风险。与消费互联网公司相比,工业软件的产品迭代和客户采用具有不同的时间特征。成熟CAD软件需要长期维护文件兼容性、专业工程功能和客户历史数据;CAE需要持续建设物理模型和专业求解能力;EDA则需伴随半导体工艺演进开展验证。这样的经营特点,使得研发投入可能在较长时期内保持较高水平,短期净利润却难以完整解释产品和技术的长期价值。公开市场能够为这类企业提供资金,也要求企业把研发和经营成果转换为可接受外部检验的信息。研发费用增长是否合理、产品收入是否可持续、技术服务收入与许可证收入如何区分、回款周期和经营现金流是否健康,开始成为投资者必须面对的问题。然而,上市本身并不能证明企业已经拥有全球领先技术。资本市场评价的是在特定制度和经营条件下可以公开发行和交易的企业股权,工程技术评价则需要深入产品性能、专业验证和客户使用环境。二者相互关联,却不能直接替代。这一原则对未上市工业软件企业同样适用。某些长期深耕专业仿真、电子设计或制造运营的软件公司,可能因为经营规模、股权结构和发展战略暂时不具备独立上市条件,但其技术仍然可能具有产业价值。反过来,已经上市的软件企业,也仍然需要持续改进核心技术和商业模式。因此,中国工业软件公开市场的发展,应该被理解为产业资本体系增加了一个重要环节,而不是技术竞争的终点。企业上市后获得更广泛的融资渠道,可以支持研发、国际化和合理的专业并购,但同时需要承担持续的信息披露、资本回报及经营绩效要求。这些要求与专业工业软件的长周期研发之间如何平衡,逐渐成为上市企业经营中的重要议题。3.4 2022—2024年:从融资能力转向技术商业化与经营质量在部分中国工业软件企业进入公开市场之后,行业研究开始拥有更多连续性财务资料。这些资料使资本市场能够看到一个此前容易被忽略的事实:专业软件企业的研发投入可能长期处于较高水平,而相应的商业收入规模增长则需要经历不同阶段。工业软件研发本身具有复杂性。一个核心技术项目可能需要持续投入较多高级研发人员,完成算法、工程测试、产品架构和客户适配。其经济价值不会在研发支出发生的同一期间立即形成收入。对于基础技术企业而言,这是需要承认的客观规律。但同样需要承认的是,长期研发投入并不自动证明资本配置有效。专业技术企业最终仍然需要形成能够被客户验证和持续使用的产品。对于进入商业化阶段的企业,客户采用、标准产品收入、续约、维护及经营现金流,应该逐渐成为更重要的评价指标。因此,资本评价重点的变化,并不意味着研发不再重要,而是要求研究者更准确地理解研发如何形成经营成果。技术积累与商业化不是相互排斥的两个目标,而是工业软件企业长期经营中需要不断协调的两个过程。在这一阶段,不同工业软件领域之间的差异再次凸显。成熟二维CAD、专业CAM、工业ERP和MES企业,可能更需要提高产品标准化与市场覆盖;自主三维内核、复杂CAE求解器和EDA核心算法企业,则可能仍然需要长期研发和客户验证。对这两种企业使用相同的短期盈利要求,未必符合其实际发展规律。中国工业软件投资由此面临一个更加复杂的任务:既要避免因为技术研发周期长,就拒绝支持有潜力的基础技术;也要避免用“核心技术研发”这一理由,长期掩盖产品化和商业化缺乏进展的问题。真正具有专业能力的产业资本,应当能够识别二者之间的差别。3.5 2025—2026年:本土软件企业开始更积极地成为资本配置者进入2025—2026年,中国工业软件产业的资本结构又出现一个值得注意的变化。部分已经上市、拥有一定产品和资本能力的企业,不再只是融资接受者,也开始通过收购、少数股权投资和产业基金参与其他技术企业的发展。EDA领域尤其具有代表性。华大九天在2026年10月公告拟受让芯行纪部分股份,加强数字布局布线技术方面的资本联系;概伦电子则通过重大资产重组,将EDA工具与半导体IP企业连接起来。这些资本行为体现出上市工业软件企业不再只依靠自身研发建立全部产品能力,也可能采用资本合作和产业整合取得专业技术互补。但二者的经济和治理含义不同。取得一家企业的控股权,通常意味着买方可以在适用公司治理制度下推动更加深入的经营整合;购买少数股权则不必然取得经营控制权,更不意味着自动获得全部技术知识产权。企业还需要通过产品合作、正式技术授权和研发组织协调,才能把资本关系转化为实际技术与商业能力。与此同时,中国工业软件市场还出现了另一类不同的发展模式。嘉立创2026年在深交所上市,显示软件工具与电子制造、元器件和产业服务可以形成综合经营体系。其资本市场意义不同于传统纯软件企业,也不能简单纳入EDA许可证收入排名。它的长期价值需要同时观察软件入口、用户规模、电子制造业务及供应链履约效率。更加年轻的AI工程创业企业则开始尝试新的产品方向。它们可能从专业建模、物理预测、工程Agent或电子设计自动化切入,借助AI和开源技术降低部分初始研发成本。但早期融资估值和技术演示,并不意味着未来已经形成成熟的工业级产品。如何在较短时间内取得真实客户、建立可持续付费和验证工程可靠性,将决定这些新企业能否跨越创业早期阶段。因此,中国工业软件资本市场在2026年的复杂程度,已经明显超出简单的“国产替代融资”叙事。公开市场、专业技术企业、产业基金、集团并购、AI创业融资以及跨行业平台同时存在,各自对应不同的资本期限和经济目标。从十二年历史看,中国工业软件产业正在从主要关注企业融资,逐步走向更加复杂的技术资产组织与资本配置阶段。这个过程仍然处于发展之中,其长期效果需要通过未来多年的客户采用、经营现金流和真实资本回报检验。第四章|全球工业软件并购史:一部专业技术资产不断转手、组合与重估的历史2016年1月25日,西门子宣布了一项9.7亿美元的收购协议,目标是一家名为CD-adapco的工程仿真软件公司。这家公司在普通公众中没有太高知名度,却在计算流体力学行业拥有重要地位。其STAR-CCM+等产品广泛服务汽车、航空航天、能源及其他工业领域,帮助工程师模拟流体、传热以及复杂物理系统的行为。根据西门子当时的公告,CD-adapco拥有900多名员工,上一个财年收入接近2亿美元,此前三个财年按固定汇率计算的年均收入增长超过12%。这笔交易最值得注意的,并不是一家德国工业集团花费近10亿美元购买了一家软件公司,而是西门子购买的究竟是什么。CD-adapco拥有的不只是可以安装在计算机上的应用程序,还包括长期发展的数值算法、物理模型、专业工程数据处理方法、经过真实工业应用反复验证的软件产品,以及一批能够持续维护和改进这些技术的研发人员。对于计算流体力学而言,软件能够运行某个标准算例,只是产品研发的起点;能否在复杂几何、非线性现象、不同材料和多物理场问题中保持可靠性,才是工程客户真正关心的事情。如果西门子选择完全依靠内部研发复 制这样一套成熟软件体系,可能需要投入大量资金,而且仍然无法保证在相同时间内取得同样的客户信任。收购则提供了另外一种选择:用资本取得已经形成的技术能力,再通过自身产品、客户和产业渠道推动其进一步发展。这就是全球工业软件并购长期存在的基本逻辑。资本不仅是在购买未来收入,也是在购买专业技术经历多年积累之后形成的时间价值。但时间价值并不必然等于收购成功。买方可以支付价格取得软件公司的股权,却不能因此保证技术团队长期稳定、客户持续续约,更不能确保原本具有独立竞争力的软件产品,进入大型集团之后一定能够获得更好的发展。这些问题,需要通过交割后的多年经营来回答。回顾2015年以来的全球工业软件资本市场,可以发现大量重要交易都处于这样的张力之中。一方面,专业技术需要长期积累,成熟集团通过收购能够更快进入新的工程领域;另一方面,工业软件的技术专业性又使整合变得复杂,过高的交易价格和不合理的组织管理可能损害原有资产的价值。正是在这两种力量共同作用下,全球工业软件形成了今天由大型平台、专业独立公司、技术组件供应商、产业集团和金融资本共同组成的产业结构。一、2016年前后的西门子:为什么机械、电子与仿真需要在同一产业体系中协同?理解西门子2016年的资本布局,必须回到工业产品本身的变化。汽车、航空航天、工业装备和能源设备的设计,早已不再是单纯的机械结构问题。工程师需要同时考虑复杂几何、材料、流体、热、电磁、控制、嵌入式软件和系统可靠性。随着这些专业领域之间的联系日益紧密,工业软件集团也在不断扩大能够服务的工程范围。CD-adapco收购宣布后不到一年,2016年11月14日,西门子又宣布以约45亿美元企业价值收购Mentor Graphics,每股现金报价37.25美元。Mentor Graphics在集成电路设计、电子系统设计、验证、PCB及相关工业软件领域拥有长期积累。这笔交易使西门子的资本布局进一步深入电子设计和系统工程,形成与原有机械设计、产品生命周期管理以及工程仿真业务互补的技术组合。两笔收购合在一起,能够帮助我们理解成熟工业软件集团的资本战略究竟在解决什么问题。客户设计的产品越来越复杂,设计活动也越来越依赖跨学科协同。如果一家工业软件公司只能够完成机械设计,而无法帮助客户处理结构、流体、电子或系统级问题,就可能无法覆盖更广泛的工程研发需求。反过来,如果能够通过自主研发、合作和收购形成不同专业软件的组合,企业就有机会在更多客户工作流中创造价值。但这并不意味着西门子在2016年才开始从单一工具转向综合工业软件平台。其机械设计、PLM、自动化和专业工程软件体系,早已经历了多年发展。CD-adapco与Mentor的加入,是这一长期发展过程中的重要阶段,而不是整个战略的起点。这一历史细节对于研究工业软件尤其重要。大型集团的长期竞争力,通常并非由某一次收购突然创造,而是通过不同年代的技术积累与资产整合逐渐形成。某一笔交易可能补充重要能力,但后续仍需要投入研发、建立接口、完善客户支持,并解决不同产品的长期维护问题。这种整合具有明显的技术难度。一个成熟CFD求解器可能使用自己长期形成的数据结构和网格技术,电子设计工具则具有不同的物理模型、验证机制和文件体系。即使两类产品归属于同一家集团,也不会自然获得统一的软件架构。如何将原有专业优势与跨产品协同结合起来,是大型工业软件集团长期面对的挑战。因此,评价这些收购不能仅依据产品目录是否扩大。更重要的是,在收购数年之后,专业产品是否仍然保持竞争力,客户是否得到更加完整的工程能力,以及买方为此支付的资金是否能够形成可持续的经营回报。这个问题,在西门子2025年收购Altair时再次出现。2024年10月,西门子宣布拟收购Altair Engineering,并于2025年3月26日正式完成,企业价值约100亿美元。Altair拥有长期发展的工程仿真、优化、高性能计算、数据科学及相关技术,包括HyperWorks、OptiStruct、Radioss等专业软件能力。对于已经拥有Simcenter及其他仿真产品的西门子而言,Altair并不是帮助其第一次进入CAE市场,而是进一步扩大技术深度、产品组合和客户覆盖。2016年收购CD-adapco与2025年收购Altair,相隔近十年。两项交易共同说明,即使成熟集团已经建立了广泛的专业仿真体系,仍然可能继续通过资本取得新的算法、产品和客户能力。这既反映出工程计算市场的技术深度,也表明工业软件市场难以被少数通用产品完全覆盖。不同物理学科、数值方法和专业行业需求,仍然为独立技术公司留下了长期发展的空间。西门子案例由此揭示了一种值得中国工业软件企业认真研究的发展机制:大型平台与专业技术公司的关系,不必只是相互替代。专业公司可以通过长期研发形成独立竞争力,大型集团则可能在合适阶段通过授权、合作或收购取得互补能力。真正决定交易价值的,是专业资产的技术质量、客户需求以及整合后的经营结果,而不是收购本身的规模。二、从Onshape到Arena:PTC为什么收购另一种CAD与PLM架构?如果说西门子的并购体现了跨学科技术资产的长期组合,那么PTC在2019年至2023年间的交易,则更清楚地展示了成熟软件公司如何通过资本获取不同的产品架构,并进一步扩大产品生命周期业务。2019年10月23日,PTC宣布以约4.7亿美元、扣除取得现金后的价格收购Onshape。Onshape由具有长期CAD行业经验的团队创立,从最初便采用云原生软件架构,把参数化三维建模、数据管理和协作功能组织在同一在线环境中。对当时已经拥有Creo及Windchill等产品的PTC而言,收购Onshape并不是因为自身缺少机械CAD或PLM技术。真正值得关注的,是Onshape试图改变CAD软件的交付方式和协作模式。传统设计软件经历多年发展,形成了成熟的本地计算能力、复杂工程功能和庞大的用户生态;云原生架构则希望在部署、协作、版本管理和数据一致性方面建立不同的产品体验。一项新架构的商业价值并不容易在收购当时准确计量。其当前收入可能尚未达到成熟软件产品的规模,但买方可以认为,未来客户的软件使用习惯和信息技术基础设施存在变化空间,因此愿意为这一新架构支付额外价格。从资本角度看,收购Onshape相当于PTC为未来CAD市场的发展路径增加了一种长期选择。它可以继续完善Creo和Windchill,也可以通过Onshape探索不同的客户群体和云端商业模式。两条路线可能互补,也可能在部分市场相互竞争,最终仍需要由客户采用和经营绩效决定。2020年12月,PTC再次宣布以7.15亿美元现金收购Arena Solutions。这家企业长期发展云端PLM及质量管理相关软件。与Onshape相比,Arena的技术重点并不在三维参数化建模,而是产品数据、BOM、工程变更、质量和跨组织协同。两笔收购的连续性非常清晰:Onshape提供云原生CAD与数据协作基础,Arena进一步补充产品生命周期管理能力。但不能因为两款产品都采用云端架构,就认为技术整合不存在难度。CAD系统管理几何与设计意图,PLM系统管理产品结构、配置、版本、变更和正式业务记录。它们需要连接,却不具有完全相同的数据对象与工作流程。企业能否让客户在设计和产品管理之间形成更加顺畅的协作,仍然取决于长期产品开发和实际部署。2023年初,PTC又完成收购ServiceMax,业务进一步延伸到复杂设备的现场服务和维护管理。如果将这几项交易连在一起,可以看到PTC资本布局逐渐覆盖从产品开发、产品数据管理到售后服务的更多环节。对于工业装备制造企业,一台设备从设计到退役可能经历多年甚至数十年,产品配置、零部件变更、维修记录和服务经验之间存在大量数据关系。能够更好地组织这些信息,可能帮助制造企业改善产品质量、服务效率和客户经营。这也说明,工业软件集团的资本战略并不一定沿着软件技术分类横向扩张。有时它们围绕的是客户业务生命周期,从CAD进入PLM,再进一步延伸到服务和运营。市场边界因此不再完全由某种软件工具定义,而是由制造企业需要完成的工作决定。2026年10月,施耐德电气宣布拟以237亿美元企业价值收购PTC,使这种长期资本整合再次进入新的层次。PTC此前通过多次收购取得专业技术与产品平台,而施耐德则希望将PTC的工程与生命周期能力连接到自身工业自动化、能源管理及相关工业软件业务之中。截至本文研究截止日,这项收购尚未交割,其预期协同仍然属于管理层预测。PTC的历史告诉我们,软件企业的资本地位不是固定的。一家公司在某个阶段是积极收购专业软件的买方,在另一个阶段也可能成为更大产业集团的收购目标。资本市场不断重新组织所有权,但经过长期积累的技术、客户和工程数据,才是交易背后真正值得研究的产业资产。三、Synopsys与Cadence:EDA巨头为什么同时走向工程仿真?2024年1月,Synopsys宣布拟收购Ansys。这项最初公布价值约350亿美元的交易,于2025年7月17日完成。对全球工业软件产业而言,这是一项具有代表性的跨领域资本整合,因为买方的长期技术基础主要位于半导体设计自动化和IP,标的则是工程仿真与分析领域的成熟企业。这笔交易的产业逻辑,可以从现代电子系统的复杂性中理解。随着高性能计算、先进封装、汽车电子和复杂工业系统发展,芯片设计与物理世界之间的联系越来越紧密。工程师不仅需要确保电路逻辑和物理实现正确,还必须考虑功耗、散热、电磁、封装结构和完整系统的运行行为。Synopsys拥有长期积累的EDA、验证及IP技术,而Ansys则在结构、热、流体、电磁和其他多物理场分析领域拥有成熟产品和客户。两者如果能够在适当的工程任务中建立更好的技术连接,可能帮助客户减少部分跨工具工作成本,并改善系统级设计与验证。但这种协同绝不能只靠宣布合并就自动实现。EDA中的逻辑验证、时序和物理实现,与传统CAE中的有限元、流体和多物理场求解具有不同的技术基础。更重要的是,许多专业工具需要经过长期客户验证,不能因为被纳入同一集团,就立即改变关键设计流程。因此,Synopsys—Ansys的实际长期价值,需要通过交割后的产品发展、客户采用和经营回报持续检验。另一家EDA巨头Cadence采取了不同但具有可比性的资本路线。2024年3月,Cadence宣布以约12.4亿美元收购BETA CAE,并于5月完成交易。BETA CAE长期发展ANSA、META等工程仿真前后处理技术,在汽车、航空航天和复杂工业模型领域具有专业地位。这项收购揭示了一个容易被非专业投资者忽略的问题:CAE产业的价值,不只存在于求解器本身。在开始计算之前,工程师需要准备几何模型、材料、网格和边界条件;在计算完成之后,还需要理解复杂结果、识别关键区域并开展进一步设计修改。前后处理软件在真实工程工作流中可能占据十分重要的位置。Cadence通过取得BETA CAE,扩大了自身在结构与系统分析中的产品能力。2026年2月23日,它又完成收购Hexagon Design & Engineering业务,交易价格约27亿欧元,采用约70%现金和30%股票的支付结构。这次交易将MSC Nastran、Adams等具有长期历史的结构和多体动力学软件纳入Cadence体系。与Synopsys一次性收购大型Ansys集团不同,Cadence在2024—2026年通过不同标的逐步扩展工程仿真能力。它既获得了专业前后处理技术,又获得了成熟求解器和相关工程软件资产,试图在原有电子设计与系统分析能力之外建立更加广泛的多物理场产品组合。这些交易最深刻的产业含义,并不是EDA和CAE从此成为一个没有边界的统一市场,而是现代工程产品越来越需要跨学科设计。芯片、封装、电子系统、机械结构、热管理与其他物理过程之间的关系,正在为专业软件协作创造更多需求。资本试图围绕这种需求重新组织技术资产。不过,规模巨大的收购也增加了财务风险。Synopsys需要处理Ansys带来的支付结构、融资、监管与整合任务;Cadence需要面对BETA CAE和MSC相关业务的研发维护及购买价格分摊。2026年Cadence公告预计Hexagon D&E在当年贡献约1.6亿美元新增收入,同时对当年非GAAP每股收益造成一定摊薄。这类披露提醒投资者,收购价格与经营回报之间存在时间差,技术协同也需要付出成本。因此,不能因为EDA巨头高价收购CAE资产,就判断这些技术已经被证明具有无限增长空间。更合理的结论是:至少在这些买方的资本判断中,成熟CAE技术、专业软件团队和客户关系仍然具有重要的长期价值,而能否兑现支付的收购溢价,仍需要多年持续验证。四、当半导体企业收购PCB软件:Renesas与Altium的另一条路径2024年2月15日,日本半导体企业Renesas Electronics宣布拟以每股68.50澳元现金收购Altium,对应约91亿澳元股权价值和88亿澳元企业价值。交易于同年8月1日完成,Altium成为Renesas旗下企业。这笔交易与Synopsys—Ansys不同,也与Siemens收购Mentor不同。Renesas并不是传统意义上以EDA软件作为主要收入来源的企业,其长期经营基础来自微控制器、模拟、功率、连接及其他半导体产品。Altium则长期服务PCB与电子系统设计,拥有工程师用户、设计软件及相关云协作能力。两家公司所处的产业环节具有天然关联。电子工程师在开发产品时,需要选择元器件、确定原理图、设计PCB、安排物料,并最终完成制造和测试。半导体原厂掌握器件及技术资料,电子设计软件则处于工程师实际完成设计的工作环境。双方可以通过正确的数据连接减少设计到器件选择之间的信息断裂。Renesas收购Altium,因此不仅是购买一项软件业务,也包含进一步进入电子设计工作流的战略动机。设计软件能够帮助其理解客户开发过程,而器件信息又可能增强设计平台的实际应用价值。但是,这种组合具有明显的生态挑战。PCB设计软件通常需要支持大量不同厂商的元器件,客户也希望能够自由选择器件供应商。如果软件平台过度偏向控制股东的半导体产品,可能影响其他供应商和客户对平台中立性的信任。因此,Renesas最终能否释放协同价值,需要在产品开放性、客户采用和长期业务经营中得到证明。这项交易与Siemens此前收购Supplyframe形成了值得注意的比较。一家从工业软件和EDA业务出发,购买供应链信息平台;另一家从半导体器件业务出发,购买电子设计软件。两者方向不同,却都在探索电子设计与供应链资源之间的价值连接。这种资本现象说明,未来争夺工业软件资产的买方未必全部来自软件行业内部。拥有工业设备、半导体、制造网络和产业渠道的企业,也可能因为软件能够改变其客户关系和业务位置,而成为重要的技术资产买家。五、从CAD设计到制造采购:Supplyframe、3D Hubs与Thomas揭示的产业延伸如果把全球工业软件收购史理解为纯软件公司之间的交易,就会忽略2020年之后逐渐清晰的一类资本行为:企业开始尝试将工程设计入口与真实制造资源连接。2021年5月,Siemens宣布以7亿美元收购Supplyframe。其业务重点是电子产业Design-to-Source,帮助工程师、采购人员与企业在产品设计和器件选择过程中获得元器件及供应链情报。对电子产品而言,某个关键器件能否采购、是否临近停产、是否存在替代料,以及采购价格和交付周期,都可能影响产品设计决策。如果设计工程师在早期无法及时获得这些信息,就可能在产品开发后期才发现供应链约束,增加重新设计和验证的成本。Supplyframe试图通过数据平台和产业信息服务降低这种不确定性。Siemens的收购因此体现出工业软件集团对工程设计之外产业协同环节的重视。机械制造领域也在发生类似但并不相同的变化。2021年1月,Protolabs完成对3D Hubs的收购,初始对价约2.8亿美元,包括现金和股票,另有根据业绩条件支付的潜在或有对价。Protolabs拥有数字化制造及自有产能,3D Hubs则通过平台连接外部制造供应商,两者结合希望扩大能够服务的制造需求范围。同年12月,Xometry完成对Thomas的收购,交易价值约3亿美元,以现金和股份共同支付。Thomas长期提供工业供应商搜索、企业信息和采购服务。Xometry此前已经经营数字制造市场平台,取得Thomas意味着它能够进一步连接工业采购需求、供应商发现与制造交易网络。从表面看,Supplyframe、3D Hubs与Thomas都属于围绕供应链和制造服务展开的资本交易,但它们的业务并不相同。电子设计通常需要处理相对标准化的元器件信息、型号、封装、库存和价格;机械制造则需要根据材料、几何、公差、表面处理、加工工艺、设备产能和订单批量确定报价与履约。两者共同涉及工程数据与产业资源,却采用不同的信息模型和经营机制。这种差异决定了资本不能简单复 制某一种平台模式。电子器件情报平台可能主要通过数据、专业用户和商业服务创造收入;数字制造平台则可能承担真实订单履约、质量与供应商管理成本。两类企业可以共享设计到制造的信息协同方向,却不能使用完全相同的财务模型评价。这些交易也让我们重新认识工业软件产业的市场边界。一款CAD工具的价值,可能并不止于帮助工程师完成模型;一套PCB设计软件,也可能与元器件选型和采购系统结合;工程设计信息在经过适当授权和转换之后,可能成为生产、采购和供应商协同的重要输入。但这种延伸不是无限的。实际制造能力、供应商库存、生产质量和物流交付具有现实约束。软件和AI能够帮助提高匹配与协调效率,却不能直接替代工厂产能和商业履约责任。因此,工程软件向制造网络延伸,可能创造新的增长机会,同时也可能带来与传统软件授权完全不同的经营风险。六、制造运营与质量管理:为什么专业行业软件能够独立形成收购价值?全球工业软件产业资本的另一个重要方向,是制造运营、质量管理、资产维护和专业行业业务软件。这类产品与几何内核和数值求解器不同,却往往在工业企业长期经营中拥有稳定应用。2020年12月,Honeywell宣布以13亿美元现金收购Sparta Systems。Sparta长期提供面向生命科学行业的企业质量管理软件,包括TrackWise及相关SaaS能力。在制药、生物技术及其他高度监管行业,质量管理不仅意味着产品是否通过检验,还包括偏差、变更、审计、纠正和预防措施以及长期记录追溯。企业需要确保整个质量体系能够按照专业要求持续运转。这类软件的长期价值,更多来自行业规则、复杂工作流、客户验证和持续服务能力。它可能没有大型机械CAD那样广泛的工程师用户,但在专业客户的正式运营中具有重要地位。对于Honeywell而言,收购Sparta意味着能够将专业质量管理能力纳入已有工业自动化及生命科学业务组合。2021年,Rockwell Automation又宣布以22.2亿美元现金收购Plex Systems。Plex经营云原生制造执行与相关制造运营软件,能够将生产工单、设备、质量、物料和现场数据连接起来。Rockwell长期拥有工业控制和自动化业务,Plex则可以进一步补充制造执行和云端运营能力。两项交易可以放在一起比较,却不能简单按收购金额判断哪一家软件更重要。Sparta面向具有特殊监管要求的生命科学质量管理市场,Plex则服务更广泛的制造执行和生产运营需求。专业技术壁垒、客户转换成本与增长空间都有区别。对工业软件资本市场来说,它们共同说明了一个事实:工业软件的价值不只来自设计和仿真。制造企业每天需要执行订单、管理质量、维护设备和协调生产,这些持续发生的运营活动,同样能够形成稳定的软件需求。拥有深厚行业经验和客户工作流的软件公司,即使不开发几何内核或复杂物理求解器,也可能具有重要的资本价值。这也是专业PE和长期软件收购集团持续关注垂直行业软件的重要原因。对于具有经常性收入、客户黏性和专业市场地位的企业,资本可能不需要通过全面技术整合才能创造价值。保持专业化经营、改善产品和客户服务,并在适当阶段实施补充收购,也可能形成长期经营回报。然而,客户黏性同样不能作为高估值的唯一理由。软件需要持续更新,行业客户可能受经济周期影响,专业软件企业还可能存在客户集中和项目定制成本。成熟资本买家必须理解这些经营因素,而不是只因软件深入客户流程,就认为其现金流必然稳定增长。七、十二年并购留下的最重要启示:产业资产的价值,不等于它被谁收购把2015—2026年间的代表性 交易放在同一条历史线上,可以看到全球工业软件产业资本发展并不存在单一模式。Siemens通过长期收购完善机械、电子、仿真、工业数据及供应链能力;PTC利用资本取得云原生产品开发与服务生命周期资产;Synopsys和Cadence进一步进入工程物理仿真;Renesas从半导体器件业务进入PCB设计;Rockwell与Honeywell则从工业自动化和专业产业客户出发,扩大制造运营及质量软件业务。与此同时,Protolabs和Xometry通过交易组织设计到制造之间的资源网络。这些企业的原有产业位置不同,交易目标也不完全相同,但它们都在尝试通过资本降低获取专业技术、客户能力和产业资源的时间成本。从长期历史看,资本交易确实帮助形成了全球工业软件的复杂技术版图。许多今天属于成熟集团产品组合的专业软件,最初来自独立公司。正是这些公司在特定领域长期研发,才形成了值得其他企业收购的技术资产。然而,这部历史同时告诉我们,工业软件并购并不是一种可以无限重复而不会付出代价的增长方式。收购价格需要现金、股票或债务融资支持,技术与组织整合需要持续投入。专业研发人员可能流失,客户可能不接受新的产品策略,软件架构也可能难以协调。如果买方因为过度乐观的协同预期支付了过高价格,即使取得了优秀技术,仍然可能无法获得合理资本回报。因此,工业软件资本研究不应在交易宣布时就停止。真正值得追踪的是,标的在收购之后是否继续保持专业技术竞争力,是否扩大了客户应用范围,是否产生可持续的经营现金流,以及买方能否在长期内收回其投入的资本。这一认识对中国工业软件产业具有直接的战略意义。未来中国专业软件企业可能继续通过自主研发、产业基金、股权合作与并购建立更广泛的技术体系,但不应把收购数量等同于技术自主能力,也不能将上市公司拥有更多子公司直接解释为更强的工业软件竞争力。对一家掌握几何内核或求解器的专业技术企业而言,持续保持算法研发、工程验证和客户服务能力,可能比进入某家大型集团本身更重要。对一家具有资本能力的产业买家而言,收购的真正目的,应当是让专业技术资产在更加适合的组织中持续创造价值,而不只是增加集团的产品清单。过去十二年,全球工业软件产业之所以不断发生并购,正是因为专业技术资产具有较高的积累成本,而不同企业拥有不同的商业渠道、工程客户和资本能力。资本市场不断在这些能力之间建立新的组合,有些组合形成长期竞争优势,有些则可能因为价格和整合问题未能实现预期。这也解释了为什么即使经过几十年的持续整合,全球工业软件产业仍然存在大量独立专业软件公司。产业的复杂性不断创造新的细分技术需求,也使任何一家集团都难以依靠内部研发覆盖全部领域。大型平台与专业企业之间的收购、合作和竞争,很可能继续长期共存。从这个角度理解,全球工业软件并购史并不是一部少数巨头不断吞并小公司的历史,而是一部专业技术、产业客户、资本能力与企业组织不断寻找更有效组合方式的历史。真正成功的资本交易,不仅改变企业的所有权,更能够使原有技术继续进步、客户获得更好产品,并在长期经营中产生合理回报。这才是评价工业软件产业并购价值的根本标准。第五章|中国工业软件的十二年资本演进:从自主技术积累,到上市融资与产业整合过去十二年,中国工业软件产业经历的变化,并不能简单用融资规模增长或上市公司数量增加来概括。更深层次的变化在于,原本主要依靠专业工程师、行业客户和企业自身经营积累发展的软件公司,逐渐进入更加多元的资本体系。市场化风险投资、地方产业基金、国有产业资本、公开证券市场,以及具备产业整合能力的上市企业,开始从不同方向参与中国工业软件技术资产的形成与组织。这一过程并不是从零开始。早在本轮工业软件融资热潮出现之前,中国就已经拥有一批持续经营多年的专业软件企业。中望软件、浩辰软件、华天软件、数码大方等企业分别在CAD、工程设计、产品生命周期管理及相关技术领域长期发展;安世亚太及其他专业仿真企业参与了国内CAE市场的形成;华大九天、概伦电子及相关EDA企业则在半导体设计与工艺技术方面积累了不同的专业能力。生产制造领域还存在大量专业MES、工业ERP、生产计划和质量管理软件企业,其技术与客户基础来源于多年真实的工业项目。这些企业的市场地位、技术来源和商业模式并不相同,却有一个共同点:真正的工业软件产品能力,通常需要经过较长时间的技术研发、工程应用和客户验证才能形成。资本可以增加企业能够使用的资金,但无法直接取代这种时间积累。一款几何建模软件即使完成核心功能开发,也仍然需要长期处理复杂模型的稳定性和历史数据兼容问题;一个专业CAE求解器即使通过标准算例,也还需要在不同材料、边界条件和工业场景中接受验证;一套半导体EDA工具能够正常运行,并不意味着它已经成为先进设计流程中经过充分验证的生产级工具。因此,中国工业软件资本史的核心问题,并不是过去十二年有多少资金进入这个行业,而是这些资金究竟支持了哪些技术能力,是否推动专业软件形成可靠产品,以及企业能否逐渐建立足以支持持续研发的商业收入。一、2015—2020:资本为何重新发现长期存在的工业软件产业2015年前后,中国制造业对数字化、自动化和工程软件的需求已经持续增长,但工业软件在资本市场中的关注度,与互联网平台、移动应用以及部分消费技术领域相比仍然有限。这并不意味着工业软件没有市场,而是它的经济特征与当时受到追捧的许多科技创业模式存在明显差异。工业软件往往服务数量相对有限、采购流程较长的专业客户,产品开发需要数学、工程学和行业知识的长期积累,而且在完成技术研发之后,还要承担客户验证、软件维护和专业服务的成本。对于投资机构而言,这样的企业并不容易用短期用户增长速度衡量。一个面向工业制造的专业求解器可能拥有较高技术壁垒,但最初可服务的客户市场并不庞大;一家CAD软件公司可能需要多年才能建立复杂建模与数据兼容能力,前期商业收入却未必足以覆盖研发投入。相比能够快速扩大用户规模的互联网产品,工业软件更加依赖专业研发和客户长期采用,资本投入与最终经营收益之间可能存在更长的时间差。2018年前后,外部技术环境和产业政策讨论的变化,使这种长期存在的经济特征获得了新的战略解释。对于航空航天、汽车、半导体、装备制造和其他高端制造行业,工业软件不仅是提高研发效率的工具,也是维持复杂工程活动持续运行的重要基础设施。制造企业在专业软件中保存的不只是设计文件,还包括产品结构、工程规则、工艺参数、历史版本、仿真模型和大量经过长期验证的知识。一旦企业需要更换核心软件系统,往往不仅面临采购费用,还需要承担数据转换、员工培训、工程流程重建以及产品重新验证等成本。随着产业链安全和关键技术自主的重要性进一步上升,资本市场开始更加认真地研究自主CAD、CAE、EDA及其他研发设计软件的战略价值。一些过去主要由专业工程师、科研机构和产业客户关注的技术方向,开始进入市场化基金、地方产业资本和大型企业投资部门的视野。工业软件的投资理由也不再完全围绕短期收入增长,而是增加了核心技术积累、产业链保障以及长期市场替代等因素。但这种资本关注的变化,也带来了新的判断风险。产业战略的重要性,并不意味着每一家被冠以“自主工业软件”名称的企业都具有同等技术能力。自主研发核心求解器与基于第三方软件提供仿真服务,是不同性质的业务;掌握独立几何建模能力与面向既有CAD产品开展行业二次开发,也需要分别评价。对于半导体EDA,拥有某个设计工具模块与建立覆盖复杂芯片设计流程的工具链,更不能简单画等号。因此,资本市场越是重视工业软件,就越需要准确识别企业真正拥有的技术资产。如果缺少这种专业判断,资金可能流向技术概念较为鲜明但产品能力尚不成熟的项目,也可能忽略那些规模有限、宣传较少,却长期服务工业客户的专业软件公司。2015—2020年的重要变化,应当理解为中国工业软件的长期技术需求与新的产业资本环境逐步发生交汇,而不是资本在短时间内创造了一个原本不存在的行业。它提高了许多企业获得资金和客户验证机会的可能性,却没有改变工业软件必须依靠长期研发、稳定产品和真实工程应用建立竞争力的基本规律。二、2021—2024:公开市场为中国专业工业软件提供新的资本循环如果说2018年前后的变化,更多体现为产业战略与资本关注的重新汇合,那么2021—2024年则出现了更加具体的资本制度变化。一批长期经营专业软件的企业进入公开证券市场,使中国工业软件的发展开始拥有更多可以连续观察的财务和经营资料。2021年3月11日,中望软件正式登陆上海证券交易所科创板。根据广州地方金融监管部门当时发布的信息,公司发行价格为每股150.50元,募集资金总额约23亿元。值得注意的是,中望并不是一家在上市前数年才开始探索CAD技术的创业公司,而是已经持续发展二十余年、拥有专业产品和国内外客户的软件企业。上市改变了企业的资本结构和融资渠道,却不是其技术积累的起点。这一点非常重要。中望软件的长期发展首先建立在CAD产品研发和商业经营之上,上市则为后续技术投入、产品扩展和业务发展提供了新的资金条件。对于外部投资者,IPO也意味着能够通过招股说明书和持续披露的财务报告,观察一家自主设计软件企业的收入、研发、利润、现金流以及风险因素。在上市之前,工业软件企业的经营信息往往分散于产品资料、客户案例和投资机构披露中。上市之后,其研发费用、人员结构、产品收入和经营现金流开始接受定期披露与公众检验。资本市场因此获得了一个理解中国CAD产业经济结构的新窗口:一家专业设计软件企业究竟需要投入多少研发资金,如何维持产品竞争力,怎样扩大销售渠道,以及收入增长能否逐渐带来稳定的经营现金流。但上市并不意味着技术竞争已经结束。CAD的复杂性并不是某个固定产品版本能够永久解决的问题。三维参数化设计、几何内核、复杂装配、数据兼容、云协作和不同制造行业的工程需求,都需要持续投入研发。上市公司能够获得更广泛的资本支持,同时也必须面对盈利、增长与股东回报的要求。如何在长期核心技术建设与公开市场的短期经营评价之间取得平衡,成为企业新的管理问题。2023年10月,浩辰软件登陆科创板,为中国CAD市场提供了另一个公开上市的企业样本。与中望软件一样,浩辰长期经营CAD相关产品,但两家企业的产品结构、研发技术路线、销售体系和具体客户市场并不完全一致。公开市场由此提供了更多比较对象,却不意味着只需要将两家企业的市盈率、研发费用率和收入增长率排列在一起,就能够判断技术竞争力。这种比较需要进一步拆分业务。二维CAD、三维机械设计、专业行业模块及相关云服务,分别具有不同的技术要求和商业模式。如果一家企业的收入主要来自成熟二维CAD市场,而另一家企业正在投入较多资金研发复杂三维技术,那么同一个时期的利润率差异,未必能够说明谁的长期资本效率更高。真正合理的比较,应当综合产品结构、技术成熟度、客户收入、研发成果与现金流。CAE领域则提供了另一个更加鲜明的样本。2023年4月,索辰科技登陆科创板,其发行募集资金总额约25.37亿元,扣除发行费用后净额约23.16亿元。对于一家长期从事专业工程仿真软件研发的企业而言,这是一笔相当可观的资本投入,但它并不意味着企业已经拥有与募集资金规模相对应的年度软件收入。CAE与部分成熟CAD软件的资本需求不同。专业求解器通常需要在数学算法、物理模型、软件架构和工程验证方面进行长期投入,技术成果可能需要经过多年才能进入更多工业客户的正式工作流。即使企业拥有自主算法,商业化仍然需要建立工程师信任、软件质量体系、产品支持和行业销售能力。因而上市融资的作用,可能更多表现为为未来数年的技术发展和市场扩张提供资金,而不是立即形成同等规模的收入。索辰科技上市后的募集资金使用和研发投入,能够让投资者更具体地观察这一过程。其资金投入涉及研发、工业仿真云、专业技术基础设施及其他项目,后续还根据业务发展调整部分资金用途。对于产业研究者,这些变化值得持续跟踪,因为它们反映了企业如何在既有专业仿真能力与新兴工业AI、物理数据及相关技术之间分配资源。但投资者不能因此把所有新增研发投入都认定为原有求解器技术水平的提高,也不能根据一家企业当期亏损便否定其专业技术价值。复杂工业软件的评价需要将研发成本与产品成熟度、客户采用和未来商业收入连接起来。在不同发展阶段,相同金额的研发投入可能具有不同经济意义。中国EDA上市公司的发展又提出了新的问题。华大九天、概伦电子、广立微虽然都处于半导体设计与制造相关技术领域,但它们的产品范围和经营结构存在差异。华大九天重点发展EDA工具体系,概伦电子覆盖器件建模、电路仿真、EDA及相关专业技术,广立微则将良率工程软件与测试设备等业务结合。由于经营活动并不完全相同,投资者需要分别研究软件产品、半导体IP、测试设备和技术服务收入,不能把合并营业收入全部认定为标准EDA软件销售。上市企业数量增加,使中国工业软件产业的财务信息更加丰富,也为后续专业技术收购创造了更多资本条件。但与此同时,公开市场形成的估值并不是技术领先程度的直接度量。发行价格、市值和市盈率反映特定时期的资本市场定价,专业软件的工程性能仍然需要经过独立技术和客户应用检验。因此,2021—2024年中国工业软件资本史的重要成果,不只是形成了更多上市公司,而是专业工业软件企业开始拥有新的资本循环方式。企业能够募集长期研发资金,投资者能够持续观察经营结果,部分成熟企业也逐渐具备通过上市公司平台开展股权投资与并购的条件。与此同时,长期技术研发、市场竞争与股东回报之间的协调问题变得更加突出。三、2025—2026:资本开始从支持企业研发,进一步转向组织专业技术资产2025—2026年,中国工业软件领域出现了一种值得重视的资本变化:部分已经上市、拥有一定资金和产品基础的企业,开始更加积极地通过股权投资、资产重组和产业基金与其他专业技术公司建立关系。这说明中国工业软件资本市场正在从主要支持企业自身研发,逐步增加围绕专业技术资产展开的产业整合活动。这一变化在EDA领域尤为清晰。对于半导体设计软件,工具链涉及从电路设计、器件建模、仿真验证到数字物理实现及签核的众多技术环节。不同领域需要长期算法积累、客户项目和工艺支持,一家企业如果希望完全依靠内部研发覆盖全部工具,可能面临很高的研发成本与时间要求。因此,通过资本取得专业技术互补,成为具有现实意义的一种选择。2026年9月30日,华大九天与芯行纪相关股东签署股份转让协议,并于10月8日公告拟以14,904.4692万元受让926.9142万股芯行纪股份,交易完成后预计持股6.90%。华大九天在公告中明确将这项交易与补齐数字EDA布局布线工具能力联系起来。从金额看,这笔投资约为1.49亿元,与国际EDA集团数十亿美元的收购规模不可同日而语。但它的产业意义并不主要取决于绝对金额,而在于一家中国EDA上市公司开始利用外部专业技术企业的股权关系,支持自身工具链建设。这笔交易也揭示了资本统计中一个很容易被忽略的问题。华大九天购买的是现有股东持有的股份,属于老股转让,而不是芯行纪向华大九天新发行股份。因此,交易金额不能直接记录为芯行纪新获得1.49亿元融资。这笔资金的经济流向和用途,与创业公司发行新股获得资金存在根本不同。更进一步,华大九天拟获得的是6.90%的少数股权,而非芯行纪的控制权。这意味着上市公司并不会因为完成这一投资,就自动拥有芯行纪全部研发成果的知识产权,也不能直接将其所有软件功能认定为华大九天已经完全掌握的自主产品能力。未来能否建立有效技术协同,还要依靠正式的产品合作、知识产权授权、软件接口与研发组织安排。概伦电子则采用了另一种整合方式。2026年,公司推进通过发行股份及支付现金收购锐成芯微100%股权与纳能微45.64%股权,并于7月完成标的资产过户。由于锐成芯微同时持有纳能微其余54.36%的股份,相关交易使概伦电子取得两家企业的控制权。与华大九天参股芯行纪相比,概伦电子的交易不仅涉及资本关系,还直接改变企业控制权及上市公司合并报表范围。其经济结构更加复杂,需要同时分析标的资产估值、现金与股票对价、原股东退出、股份稀释、商誉和后续经营整合。从技术角度看,这一交易把EDA与半导体IP及相关专业能力结合起来,体现出中国上市工业软件企业通过外部收购扩展业务组合的努力。但这种组合是否能够提高企业的市场竞争力,仍然需要通过产品互补、客户采用和经营绩效证明。收购完成只能确认资产所有权已经发生变化,并不能自动确认技术整合的效果。两项交易反映了中国工业软件资本市场出现的不同组织模式。一种通过少数股权投资与专业公司建立联系,另一种通过发行股份和现金取得技术资产控制权。前者可能在保持专业企业独立性的同时推动合作,后者则有机会实施更加深入的经营整合,但也需要承担更大的交易和管理风险。中国工业软件资本整合的复杂性,还体现在非上市专业企业的分布上。CAD、CAE、EDA、PLM、MES、APS和QMS领域存在大量技术范围不同、发展阶段不同的中小企业。一些公司拥有自主算法或专业产品,一些长期服务特定制造行业,还有企业主要经营系统集成、代理实施或工程服务业务。如果不首先确认企业真实的技术和商业定位,仅凭工商登记名称或融资新闻建立资本图谱,很容易高估某些领域的自主技术供给,或遗漏真正重要的专业企业。这种情况与全球工业软件资本史形成对照。Siemens、Cadence、PTC及其他国际集团,在长期发展过程中收购了大量具有明确专业技术积累的软件企业。对于中国而言,未来是否能够形成相似的专业技术整合能力,不只取决于上市公司是否拥有资金,还取决于国内是否存在足够成熟的专业软件资产,以及资本交易能否尊重这些资产的技术特点和长期研发规律。资本能够重新组织企业所有权,却不能跳过技术积累。收购一家几何建模公司,不意味着收购方立即具备完整复杂CAD研发体系;参股一家EDA专业企业,也不意味着其工具已经通过全部先进工艺的生产级验证。只有当技术、研发组织、产品和客户关系得到持续维护,资本整合才可能真正形成新的产业竞争力。四、另一条经常被忽略的资本路线:制造运营、工业ERP与专业MES企业如果只研究上市CAD、CAE和EDA公司,中国工业软件资本版图就会缺少十分重要的一部分。大量制造企业的数字化投入,并不发生在研发设计软件,而是发生在生产经营、制造执行、质量、设备和供应链管理之中。这些系统与真实工厂运行紧密相关,既具有软件产品特征,也往往需要大量行业知识和长期实施服务。宝信软件、鼎捷数智、赛意信息、中控技术以及众多专业MES、APS、QMS和ERP公司,分别从不同路径进入这一市场。宝信软件具有长期服务大型工业集团和复杂工业现场的背景;鼎捷数智在工业ERP和制造运营软件领域发展多年;赛意信息长期参与企业数字化与制造运营项目;中控技术则可以依托工业自动化、过程控制和现场数据基础,向工业软件与工业AI延伸。这些企业拥有不同的客户基础,也面临不同的资本问题。对一家主要销售标准软件产品的企业,经营分析可以更关注软件收入、客户续费和产品毛利;对一家提供复杂工业项目实施服务的企业,则必须考虑项目人员、交付周期、应收账款和客户回款;对于同时经营自动化硬件和软件的公司,还需要拆分不同业务的收入及成本。不能因为它们都参与制造业数字化,就简单使用相同的SaaS倍数评价。在这一市场中,专业MES和半导体CIM企业尤其值得单独研究。赛美特、哥瑞利等公司面向复杂制造和半导体生产管理,其产业环境与一般中小企业轻量化制造管理系统明显不同。半导体工厂需要管理大量复杂工艺路线、设备、晶圆、批次、在制品和质量数据,对系统稳定性与追溯能力具有很高要求。这样的技术与业务经验需要长期客户应用积累,不是只靠开发一个通用MES界面就能获得的。另一方面,云端制造协同平台和面向中小企业的制造管理软件,也可能形成不同的商业机会。它们更加关注低成本部署、产品标准化和更广泛的客户覆盖。两类企业同样属于制造运营软件市场,却拥有不同的客户结构、技术架构和产品化路径。因此,中国制造运营软件的资本研究不能只依据上市公司公开资料。大量非上市专业软件公司的股权、融资和经营信息需要进一步逐笔核实。特别是地方产业基金、市场化投资机构和制造业产业资本参与的交易,有时通过多个持股平台实施,融资新闻未必完整披露实际资金流向。如果缺少原始交易依据,不宜仅根据媒体报道建立精确融资总额。这一领域还有一项值得注意的财务现象:企业股权结构变化可能显著影响上市公司利润,却未必代表主营软件业务发生相同幅度增长。2026年上半年,鼎捷数智因子公司南京鼎华增资扩股而失去控制权,对剩余持股按公允价值重新计量,产生了较大非经常性收益。若只观察归母净利润增长,而不研究子公司合并范围变化,就可能误判软件主业的真实盈利能力。这说明工业软件资本账还需要包含企业控制权和财务并表信息。对于中国工业软件企业,除了融资、并购和IPO,子公司增资、老股转让、股权稀释及相关会计处理,同样可能深刻影响上市公司的财务表现。五、从融资额到长期资本回报:中国工业软件真正需要建立怎样的产业资本体系?回顾2015—2026年,中国工业软件资本市场已经发生显著变化。长期存在的专业技术企业获得了更加广泛的产业关注,部分成熟公司通过科创板和创业板形成新的资本融资渠道,上市工业软件企业开始参与其他专业技术公司的股权投资和资产整合,新型AI工程软件创业企业也逐步进入投资机构视野。但是,资本参与者增加,并不自动意味着产业竞争力同步提升。工业软件的复杂性,决定了从资金投入到技术产品形成,再到客户收入和资本回报,需要经历多个相互关联的阶段。对于底层技术企业,首先需要判断资金是否真正用于建立自主专业能力。几何内核、专业求解器、先进EDA和复杂工业数据技术,往往具有较长研发周期,如果完全要求短期利润,可能使企业缺乏足够时间完成工程验证。但如果长期投入始终不能形成可靠产品,也不能仅凭技术战略重要性就无限延长投资期限。合理的资本机制需要设定可检验的阶段成果,使专业研发得到耐心支持,同时保持必要的技术和资金纪律。对于已经拥有成熟产品的企业,资本的主要作用可能从基础研发转向商业化扩张。提高产品标准化程度、扩大客户市场、建设国际销售渠道、发展长期服务体系,以及取得具有明确技术互补性的专业软件资产,都可能比单纯增加研发人员更重要。此时,资本配置效率需要更多通过收入质量、产品毛利、客户续费和经营现金流衡量。对于具有多种产品和客户基础的上市工业软件集团,资本能力又上升到另外一个层次。企业不仅需要决定自身研发资源如何分配,还需要判断是否收购其他技术、支付多少价格、采用怎样的股权与现金结构,以及收购后的软件产品、研发团队和客户能否真正产生协同。这个阶段的竞争,不只是工程技术能力,也是组织管理和资本配置能力。未来中国工业软件产业还需要发展更加多样化的资本退出方式。并非所有专业软件企业都必须独立上市。一些拥有稳定客户和现金流的专业公司,可能适合长期独立经营,也可能通过被大型产业集团收购实现技术整合与股东退出。另一些掌握专业组件或底层算法的企业,则可能通过长期技术授权、战略参股和产业合作获得商业回报。资本市场越成熟,就越不需要把所有企业的发展目标统一为相同的上市路径。与全球工业软件产业相比,中国仍然需要在专业资产识别、技术尽职调查、跨企业合作和长期资本持有方面积累更多经验。国际大型集团经过数十年形成的产品组合,并不是简单通过购买更多公司就能够复 制。它们依赖成熟技术资产、专业管理团队、经营现金流和长期客户关系共同支撑。中国如果希望形成有国际竞争力的工业软件企业和技术生态,也需要在这些基础能力上持续投入。由此回到本章最初的问题:过去十二年,资本究竟为中国工业软件带来了什么?资本确实扩大了部分企业的研发和市场资源,也推动工业软件进入更加透明的公开市场,并开始支持专业技术资产之间的整合。但它没有,也不可能单独完成工业软件的技术进步。几何算法仍然需要持续验证,CAE求解器仍然需要真实工程数据,EDA仍然需要客户与工艺适配,制造运营软件仍然需要长期行业经验。资本能够支持这些过程,却不能直接替代它们。中国工业软件资本市场下一阶段的真正任务,因而不只是争取更多融资和创造更多上市企业,而是建立能够持续识别、支持并经营专业技术资产的完整机制。通过这一机制,早期核心技术可以获得与研发周期相匹配的资金,成熟产品能够通过客户市场形成持续收入,专业企业可以根据自身发展需要选择独立经营、产业合作或资本整合,而投资者也可以通过实际经营回报和合理退出实现资金再循环。只有当这套机制逐步形成,中国工业软件才能从依赖外部融资支持技术成长,进一步走向利用自身技术、产品和客户所创造的现金流持续发展。这才是过去十二年中国工业软件资本演化最值得理解的方向,也是判断未来资本投入能否真正转化为产业竞争力的关键。来源:工业软件产业发展探索

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈