
——2026年10月26日至11月3日全球工业软件战略、财务与资本情报深度观察
工业软件的发展历史,是一部人类不断将工程知识、科学方法和工业经验转化为可计算能力的历史。
从最早的计算机辅助设计,到有限元分析、电子设计自动化,再到产品生命周期管理、制造运营管理和工业自动化,过去数十年间,一代又一代软件企业围绕不同的工程问题建立了庞大的技术体系。这些软件不仅改变了工程师的工作方式,也逐渐成为现代制造业研发、设计、生产和运营不可缺少的基础设施。
今天,当人工智能开始深入这些专业软件体系时,一个值得重新审视的问题出现了:AI究竟正在改变工业软件产业的什么?
这个问题看似简单,却不能仅仅通过观察企业发布了多少Copilot、推出了多少智能体,或者大模型能够生成多少行代码来回答。
以西门子工业软件、达索系统和PTC为例,这些企业早已不是依靠单个CAD工具参与竞争。西门子的NX、Teamcenter、Simcenter和Opcenter,达索的CATIA、SOLIDWORKS、SIMULIA、ENOVIA、DELMIA及3DEXPERIENCE,以及PTC的Creo、Windchill和Codebeamer,共同说明了一个基本事实:全球头部工业软件厂商早在AI出现之前,就已经形成了围绕专业产品组合、工程数据、生命周期管理和行业生态展开的系统性竞争。
因此,我们不能简单地把当下的产业变化概括为“工业软件正在从单一工具竞争走向系统性竞争”。这样的表述忽略了头部厂商数十年的平台化、生态化建设,也容易低估其长期积累的工程技术和商业壁垒。
更准确的判断应当是:在既有产品组合、工程数据、生命周期平台和行业生态竞争的基础上,AI正在进一步改变工业软件的技术组织方式、工程任务执行方式和商业价值实现方式。
过去,工业软件主要帮助工程师完成特定的计算、设计和管理任务。今天,越来越多的企业开始探索让AI理解工程问题、调用专业软件、组织跨工具工作流,并在工程规则和物理约束下完成部分任务。
这并不意味着传统工业软件即将消失,而是意味着专业软件长期积累的工程模型、算法、数据和客户工作流,正在获得新的调用方式,也面临新的竞争压力。
2026年10月26日至11月1日这一周,恰好为我们观察这种变化提供了一个非常有价值的窗口。
在国际市场,Cadence公布了专业领域AI模型组合Maestro,达索系统披露3DEXPERIENCE业务增长并完成对ArisGlobal的收购,日本和韩国大型技术企业公布了最新经营成果。在中国市场,中望软件、浩辰软件、索辰科技、概伦电子、华大九天、广立微等企业集中披露三季报,中控技术、用友网络等公司也开始提供更具体的工业AI业务收入数据。
这些事件共同揭示出一个趋势:工业软件产业对于AI的讨论,正在从技术可能性进一步进入工程验证、客户采用、收入确认和资本回报的阶段。
但这种变化并不均衡,也远没有走到终点。
本周最值得关注的国际企业之一,是全球EDA巨头Cadence。
10月26日,Cadence公布2026年第三季度财务报告。公司当季收入达到16.33亿美元,同比增长22%;季度末订单储备达到82亿美元。与此同时,GAAP营业利润率为26.2%,低于上年同期的31.8%;Non-GAAP营业利润率为44.1%,也低于上年同期的47.6%。
如果只看收入增长,Cadence的表现相当突出。但利润率的变化提醒我们,收入快速增长不一定意味着经营效率同步改善。研发投入、并购整合、产品结构和费用增长,都可能影响利润率。
真正值得研究的是,Cadence正在将这种业务增长与新的AI技术体系结合起来。
公司本期公布的Maestro,是面向芯片及系统设计的专业领域AI模型组合。根据公司披露的特定测试结果,Maestro相对于通用基础模型在部分任务中可实现最高约30%的输出质量提升和5倍Token效率。Cadence还披露,AI Super Agents已经开展超过100项活跃客户合作。
对于EDA行业而言,这些信息的价值,并不只是说明一家软件公司开始使用大模型。
电子设计自动化是一个高度专业化的技术领域。芯片设计需要同时处理逻辑功能、时序约束、功耗、面积、工艺规则、信号完整性、热效应及制造可靠性。即使AI能够生成看似合理的设计方案,也不意味着该方案可以直接进入流片流程。
工业软件中最昂贵的错误,往往不是没有输出,而是输出了一个看似正确、实际违反工程约束的结果。
因此,EDA智能体的真正竞争力,必须建立在专业模型与既有EDA工具之间可靠协作的基础上。
一个成熟的智能体可能负责理解设计要求、组织任务、选择工具、生成脚本、读取结果和提出优化方案,但最终仍需要由专业求解器、验证工具和签核流程完成工程确认。
这也解释了为什么Cadence、Synopsys和Siemens EDA长期积累的技术体系,在AI时代仍然具有重要价值。
几何、物理、数值计算、工艺验证和客户设计经验,不会因为大模型可以编写代码而自动失去意义。相反,如果这些专业能力能够被AI更加高效地调用,其潜在使用范围可能进一步扩大。
当然,我们也需要警惕另一种过度乐观的判断。
Cadence披露的超过100项AI客户合作,并不等于已经形成100家规模化付费客户;特定任务中30%的质量提升,也不意味着完整芯片设计流程的整体效率能够提高30%。
未来真正值得持续追踪的,是AI智能体能够承担多少真实工程任务、能够降低多少人工干预、能否稳定通过专业验证,以及由此形成多少新增软件收入。
这将决定AI对于Cadence究竟是一种产品增强工具,还是能够在未来数年形成新的收入增长曲线。
与Cadence相比,达索系统本周的变化更加体现一家成熟工业软件集团的长期战略连续性。
10月28日,达索公布第三季度业绩。公司当季收入约15.52亿欧元,按固定汇率计算,软件收入增长约5%,3DEXPERIENCE软件收入增长25%,云软件收入增长14%,年度经常性收入ARR达到约45亿欧元。
在盈利能力方面,达索披露的Non-IFRS营业利润率为31.6%。
这些数字说明,虽然集团整体收入增长相对温和,但3DEXPERIENCE平台业务仍然呈现较快增长。
这里需要重新理解达索的竞争历史。
达索并不是从AI时代才开始平台化。早在多年以前,它就已经围绕CATIA、SOLIDWORKS、ENOVIA、SIMULIA、DELMIA等产品构建了覆盖设计、仿真、制造和生命周期管理的完整体系。
3DEXPERIENCE的意义,是进一步尝试将这些专业能力组织在统一的平台和数据环境中。
这套体系并不完美,各产品之间的历史架构差异、数据迁移和客户实施成本依然存在,但其平台战略已经持续多年。
因此,AI时代真正值得研究的不是达索会不会从工具转向平台,而是AI能否提高既有平台的使用效率,扩大跨产品协同范围,并进一步深化其行业模型和知识资产的价值。
本周达索完成对ArisGlobal的收购,为观察这一战略提供了新的案例。
ArisGlobal主要服务生命科学行业,产品涉及药物安全、监管合规、质量管理和医疗事务。达索公布的交易现金对价约18亿美元,另有最高2亿美元与未来AI相关收入里程碑挂钩的或有对价。
这一收购与传统机械CAD之间,看起来似乎相距很远。
但如果从生命周期管理的角度理解,就会发现两者具有某种共同逻辑。
在机械制造领域,一家企业希望连接产品设计、仿真、工艺、制造、使用和维护。
在生命科学领域,企业则希望连接科学研究、药物发现、临床开发、生产、监管、药物安全以及真实世界应用结果。
两者面对的具体问题不同,但都需要长期维护复杂对象之间的数据关系、状态变化、专业规则和业务流程。
达索正在尝试将其在模型、数据管理和行业协同方面的长期积累,延伸到越来越多的专业市场。
这也是为什么我们不能仅用CATIA或SOLIDWORKS的市场份额评价达索未来的全部竞争力。
当然,产业边界扩张也并非没有风险。专业行业的监管要求、客户采购模式、产品架构和实施难度都可能不同。收购一个行业软件资产,并不意味着其能够自动融入统一平台。
未来的关键问题,是ArisGlobal能否与达索现有的生命科学产品形成客户协同、收入协同和更高的资本回报。
从这一角度看,达索的收购不仅是一项资本交易,更是其长期行业生态扩张战略的一次延续。
研究全球工业软件产业时,一个常见的问题是过度关注欧美独立软件公司,而低估日本和韩国大型工业集团所拥有的软件能力。
日本的Hitachi、Fujitsu、Mitsubishi Electric、FANUC、OMRON、Yokogawa等企业,长期将软件能力嵌入控制系统、工业设备、工程服务、生产运营和基础设施之中。
因此,日本的工业软件竞争力不一定表现为某一家拥有巨大独立软件收入的上市公司,而可能分散在自动化、机器人、机床、工程系统和大型制造客户的长期合作网络之中。
本周,Hitachi和Fujitsu分别公布最新半年业绩。
Hitachi截至2026年9月30日的半年收入约5.614万亿日元,Fujitsu同期收入约1.626万亿日元。
这些数字属于集团收入,并不能直接用于计算日本工业软件市场规模。
真正值得关注的是,这些企业如何将AI、软件平台和长期积累的行业系统经验结合起来。
Hitachi长期发展的Lumada体系,Fujitsu持续推进的Uvance业务,都是理解日本数字化和工业软件竞争模式的重要线索。
与部分欧美软件公司的高标准化订阅模式不同,日本大型技术企业往往与客户的生产设备、业务流程、系统集成和长期运营联系更加紧密。
这类模式可能带来较高的客户黏性,但也可能伴随较高的定制实施成本和人力投入。
AI对于这些企业的潜在价值,可能不只是增加新软件收入,还包括降低系统实施和运维成本,提高专业服务的可复 制性。
韩国市场也呈现出类似但不完全相同的特征。
Samsung SDS第三季度收入约3.7725万亿韩元,同比增长11.2%,其中云业务收入约7,961亿韩元,同比增长18%。
LG CNS第三季度收入约1.6643万亿韩元,同比增长9.3%,AI与云业务收入约9,615亿韩元。
两家企业都在推动AI基础设施、企业数字化和行业解决方案业务,但集团业务结构中也包含物流、系统实施和其他非工业软件业务。
因此,我们不能把这些公司的全部收入纳入工业软件市场规模。
更有意义的问题是:韩国大型技术企业能否通过AI和云计算,进一步提高制造企业IT系统、供应链系统和工业软件的集成效率,并在此基础上形成持续的软件收入。
这也是中日韩工业软件产业研究需要长期保留的独立观察维度。
如果说国际篇让我们看到成熟工业软件巨头如何在既有平台体系上推进AI,那么中国篇更值得关注的是另一组问题:
中国工业软件企业是否正在建立可持续的核心技术能力?
研发投入能否转化为真正可复 制的软件产品?
国产替代和AI技术创新,能否进一步转化为收入增长、客户复购和经营现金流?
本周集中披露的第三季度财报,让这些问题有了更加具体的观察基础。
中望软件与浩辰软件都是中国CAD领域的重要上市公司,但两家企业本周披露的信息,反映了不同的研究重点。
中望软件前三季度收入约5.80亿元,同比增长7.80%,归母净利润仍小幅亏损。
公司披露,三维CAD产品ZW3D悟空开始对收入产生贡献,第三季度三维CAD产品收入同比增长接近30%。
这一变化值得关注,因为它表明新产品已经不仅停留在发布或展示阶段,而开始体现到经营数据中。
但是,判断一款三维CAD产品是否真正增强了企业长期竞争力,还不能只看单季度增长率。
我们需要了解这一收入增长的基数、客户数量、许可证结构、续费情况、海外收入,以及大型工业客户是否开始在复杂工程场景中持续使用该产品。
特别是在三维CAD领域,用户界面和基础建模功能只是竞争的一部分。
成熟CAD系统的技术积累涉及几何内核、参数化建模、约束求解、复杂装配、工程图、文件转换、性能优化和下游CAM、CAE、PLM协同。
这些能力长期依赖大量真实工程场景验证。
中望正在探索CAx智能体平台,但智能体是否能够可靠完成真正具有工程约束的模型创建、修改和检查,还需要独立技术验证。
相比之下,浩辰软件本周更值得关注的是研发资本配置方向发生变化。
浩辰前三季度收入约2.74亿元,同比增长18.93%,归母净利润约3,115万元,同比下降25.04%。
公司同时披露,拟终止原有3DBIM平台研发项目,将部分募集资金重新配置至AI CAD、新一代云化产品研发及全球营销服务体系建设,拟投入的新项目总额约4亿元。
这项变化的意义在于,浩辰开始通过正式资本预算调整,将AI CAD作为下一阶段重要的研发方向。
但我们不能将研发预算调整直接等同于产品技术突破。
从资本投入到成熟工程软件产品之间,仍然存在漫长的研发、测试、客户验证和商业化过程。
如果把中望和浩辰放在一起比较,可以发现两者本周提供了不同类型的证据。
中望提供的是三维CAD新产品收入增长证据,浩辰提供的是下一代AI CAD研发投资方向变化的证据。
前者更接近当前商业化,后者更接近未来技术投入。
在产业研究中,这两种信息都重要,却不能混为一谈。
未来的国产CAD竞争,很可能同时发生在两条线上:一条是持续提升传统CAD核心能力和工程可靠性,另一条是借助AI探索新的交互方式、建模方式和软件交付方式。
它们之间既存在关联,也存在不同的技术要求。
本周华大九天、概伦电子和广立微的财务表现,说明中国EDA产业已经不能简单用“国产EDA企业整体增长”来概括。
华大九天前三季度收入约9.60亿元,同比增长19.3%,归母净利润约2,693万元。第三季度单季利润同比出现较大幅度增长。
这表明公司近期盈利状况有所改善,但判断改善的持续性,还需要进一步拆分收入增长、成本费用、研发投入和其他收益。
概伦电子前三季度收入约4.18亿元,同比增长32.79%,但扣除非经常性损益后仍然亏损。
公司披露的主营业务中,EDA软件授权收入约占55.70%,同时存在IP授权、技术开发解决方案、半导体测试系统和芯片定制等业务。
这组收入结构非常值得重视。
概伦不能再简单地被视为一家只出售EDA软件许可证的公司。
随着半导体IP资产和相关业务整合,其商业模式已经开始具有更加复杂的特征。
EDA工具与半导体IP之间存在潜在协同,但也面临不同的研发和商业化要求。EDA工具更强调设计、仿真、验证和优化流程,IP则更强调可复用功能模块、工艺适配、客户授权和长期维护。
因此,概伦收入增长32.79%,不能全部解释为原有EDA软件产品的内生增长,还需要进一步扣除并购贡献。
广立微前三季度收入约5.82亿元,同比增长36.14%,归母净利润约7,152万元,同比增长93.22%。
其经营表现与概伦存在明显差异,但广立微同样不是纯粹依靠EDA许可证收入的公司,其业务还包括半导体测试及相关设备和服务。
这说明,将华大九天、概伦和广立微放入同一个EDA排行榜,并按照集团收入或利润简单比较,容易产生误导。
中国EDA产业需要建立更加专业的分类体系。
在数字设计领域,需要关注逻辑综合、布局布线、静态时序分析、物理验证和签核。在模拟和混合信号领域,需要关注器件建模、电路仿真、版图和工艺适配。在制造相关EDA领域,则需要关注工艺仿真、测试和良率分析。
只有按照这些专业技术环节展开研究,才能真正理解中国EDA企业的竞争能力、技术缺口和产业协同机会。
AI可能加速EDA工具开发和芯片设计流程,但不会自动使不同EDA环节的专业难度消失。
索辰科技本周披露的数据很有代表性。
公司前三季度收入约1.73亿元,同比增长62.89%,第三季度单季收入增长超过100%,但归母净利润仍亏损约9,519万元。
如果只看增长率,这是一家收入扩张较快的企业。
如果只看净利润,又可能得出完全相反的结论。
这正是研究专业CAE企业时需要避免的两个极端。
CAE软件的技术积累具有特殊性。
一套成熟的CAE系统不仅需要具备用户界面和前后处理功能,更需要可靠的物理模型、数值求解器、网格技术、材料模型、边界条件处理、并行计算以及大量工程案例验证。
这些能力往往需要长期研发投入。
对于结构、流体、电磁、热分析及多物理场耦合等不同领域,其核心算法和客户需求也存在明显差异。
因此,研发投入较高并不必然意味着企业经营效率低下,也可能反映其正在建设长期技术资产。
但另一方面,长期研发投入同样不能自动证明技术已经达到成熟水平。
真正具有说服力的证据,是专业Benchmark、工业客户实际部署、计算结果精度、求解稳定性、客户复购和软件收入增长。
AI的出现,使CAE领域增加了新的研究维度。
传统CAE主要通过物理方程和数值求解获得工程结果。Physics AI和代理模型则尝试利用已有仿真数据,对特定条件下的工程性能进行快速预测。
这两种技术并非必然替代关系。
高保真求解器可以提供训练和验证数据,代理模型可以减少部分重复计算,AI智能体可以帮助组织模型准备、工具调用和结果分析。
对于中国CAE企业而言,未来的技术竞争力可能同时取决于自主求解器能力与AI辅助工程能力。
索辰本期的收入增长说明其商业化正在推进,但从财务数据本身尚不能判断其在各专业求解领域的技术成熟度。
如果说CAD、CAE和EDA企业仍然需要长期突破专业工程技术,那么中国工业AI和企业管理软件领域,本周已经出现了更加直接的商业化财务信号。
中控技术披露,2026年前三季度工业AI业务收入约6.19亿元。
用友网络披露,AI相关收入约7.6亿元,AI相关合同签约金额约15.4亿元。
这两个数字值得关注,因为它们已经从“推出AI产品”和“开展客户试点”的叙事,进入了企业正式财务披露体系。
但如果据此得出“中国工业AI市场已经形成十几亿元新增软件收入”的结论,仍然过于草率。
首先,不同企业对于AI相关业务的定义可能不同。
中控工业AI收入中,可能包含平台软件、应用软件、工程实施和其他相关服务。
用友AI相关收入中,也可能包含原有云服务产品增加AI能力后的收入。
如果没有对业务结构进行拆分,就无法确定哪些收入是真正新增的AI产品收入,哪些属于现有业务升级或重新分类。
其次,合同签约金额与已经确认的营业收入不是同一个概念。
用友披露的15.4亿元AI相关合同签约金额,不能与7.6亿元收入简单相加。
再次,AI业务收入增长并不必然带来利润增长。
中控前三季度集团收入约55.06亿元,同比下降2.62%,归母净利润约1.46亿元,同比下降66.26%。
用友前三季度收入约57.56亿元,同比增长3.06%,但归母净利润仍亏损约12.47亿元。
这表明新业务增长与集团整体经营情况可能处于不同阶段。
因此,我们需要建立新的AI商业化评价方法。
过去,软件产业研究通常重视收入、ARR、毛利率、营业利润和现金流。
未来,在这些指标之外,还需要重点增加AI任务使用量、单位任务执行成本、模型调用成本、人工复核比例、客户付费率和AI产品独立收入。
尤其对于工业软件,AI的任务成功率必须通过工程标准来判断,而不能仅仅根据模型是否生成了结果。
举例来说,一个AI智能体可以自动生成工程图,并不意味着它生成的工程图符合制造要求;一个AI系统可以自动提出生产排程,也不意味着该排程满足现场设备、人员、物料和安全约束。
因此,工业AI的商业化成熟度,既需要财务证据,也需要工程证据。
本周的上市企业公告还揭示了另一个值得研究的问题:工业软件企业如何在长期技术研发、当前经营压力、并购扩张和资本回报之间配置资源?
浩辰软件选择调整募集资金投向,将更多资源投入AI CAD和云化产品。
概伦电子通过EDA与半导体IP资产整合拓展业务组合。
中控技术披露了新的关联收购事项。
这些企业的路径并不相同。
对于工业软件企业而言,自主研发是形成核心技术能力的重要方式,但也具有较长的投入周期。并购可以加快获得产品、客户和技术团队,但需要承担组织整合、产品架构差异和资本回报风险。
类似的选择早已在全球工业软件产业反复出现。
Siemens通过多次收购扩展了工业软件与仿真能力,Dassault不断通过行业软件资产扩大生命周期覆盖范围,Synopsys和Cadence持续向更广泛的工程计算领域延伸,Roper和Addnode则形成了以专业软件组合经营和持续资本配置为特色的发展模式。
这些不同路径说明,工业软件产业并不存在唯一正确的组织形式。
有些产品适合统一数据平台,有些专业软件可以保持相对独立,通过接口和渠道合作形成协同;有些企业需要持续自主研发核心内核,有些细分市场则可以通过收购实现较快扩张。
对于中国工业软件产业,关键不是机械模仿某一家国际企业的模式,而是理解不同技术资产、客户结构和商业模式适合怎样的发展方式。
尤其在AI时代,产品功能开发成本可能下降,但专业技术验证、工业客户信任、长期维护和全球生态建设仍然需要持续投入。
因此,未来中国工业软件企业的资本配置能力,将越来越值得纳入产业竞争力评价。
通过这一周全球和中国工业软件上市企业的变化,可以对产业演进作出更加完整的理解。
首先,工业软件的产品能力正在进一步扩展。
AI可能使用户通过自然语言完成部分建模、分析、检查和业务操作,也可能通过专 业代理模型和加速计算,提高既有工程软件的运行效率。
其次,工业软件之间的协作方式正在变化。
过去,跨CAD、CAE、PLM、MES等系统的数据交换和任务执行,往往依赖复杂的软件接口、工程规则和人工流程。
未来,智能体可能承担其中一部分跨系统任务组织工作。
但是,真实工程系统并不会因为增加智能体而自动实现数据互通。
不同软件的数据结构、对象关系、权限体系和工程语义仍然需要解决。
再次,工业软件的商业模式可能出现新的分化。
传统许可证、维护合同和订阅模式仍然重要,但按任务收费、按计算资源收费、按结果交付收费等模式,正在获得更多探索。
这些模式有可能使原本难以购买大型专业软件的客户获得新的工程能力,也可能改变软件企业的收入结构与成本结构。
最后,工业软件产业的价值边界可能继续扩大。
当AI降低某些工程任务的执行成本,过去因为成本过高而无法开展的设计优化、仿真分析和生产决策,可能成为新的软件需求来源。
这意味着AI既可能冲击现有工业软件市场的部分收入,也可能创造新的工程软件应用市场。
两种变化完全可能同时存在。
从产业战略角度看,我们既不能简单认为AI会替代所有传统工业软件,也不能认为拥有几十年技术积累的企业就一定能够保持原有竞争优势。
未来竞争的关键,在于企业能否把长期积累的专业算法、工程数据、行业经验、产品组合和客户网络,转化为更高效、更可靠、更容易被客户使用的新能力。
对于中国企业,机会同样并非只有“国产替代”一条路径。
一方面,中国企业仍然需要在几何内核、约束求解、CAE数值算法、EDA签核和工业控制等核心技术领域持续突破。
另一方面,AI可能创造新的软件交付方式、新的客户群体和新的工程需求,从而为中国工业软件企业开辟不同于传统国际巨头的市场切入点。
这两个方向应当同时研究,而不是相互替代。
第一,EDA正在成为专业领域AI模型和工程智能体的重要验证场景。 Cadence推出Maestro并披露超过100项活跃客户合作,说明AI正在深入专业芯片设计流程,但其工程可靠性和独立商业收入仍需要持续验证。
第二,全球工业软件巨头正在既有平台与行业生态基础上继续扩大能力边界。 达索系统的3DEXPERIENCE业务增长和ArisGlobal收购,反映了成熟工业软件企业通过专业软件资产、数据平台和行业解决方案持续深化竞争优势的路径。
第三,中国CAD企业开始出现不同的AI发展路径。 中望正在推动现有三维CAD产品商业化,浩辰则通过调整研发资本配置加大AI CAD投入。两者分别代表当前产品收入验证和未来技术投资,不能使用同一指标简单评价。
第四,中国EDA与CAE企业的财务表现正在揭示技术研发与商业化之间的差异。 概伦、华大九天、广立微和索辰的收入、利润与业务结构存在显著不同。对这些企业的比较,必须深入具体技术环节、收入来源、并购贡献和研发效率。
第五,中国工业AI商业化开始出现更具体的财务数据,但尚未形成完全统一的统计口径。 中控和用友披露的AI相关收入表明业务正在推进,但能否创造持续的新增利润,仍取决于产品付费、实施成本、客户复购和工程任务可靠性。
回顾工业软件过去数十年的发展,我们会发现一个值得重视的事实:工业软件的长期价值,从来不只是把工程师原来需要手工完成的工作转移到计算机上。
它的更深层价值,是将科学知识、工程经验、物理规律和工业组织方法沉淀为可以重复使用、不断优化的计算能力。
CAD把复杂几何与设计意图转化为数字模型,CAE让工程师能够在现实制造之前预测物理行为,EDA使现代复杂芯片的设计与验证成为可能,PLM帮助企业管理产品全生命周期中的数据与变更,MES和工业自动化系统则将业务计划、工艺约束和现场执行连接起来。
这些能力共同构成了现代制造业的重要技术基础。
AI的出现,为这套体系增加了新的可能性。
未来,部分工程任务可能不再要求工程师逐一操作所有软件功能,而是由工程师提出目标,由智能体组织专业软件和计算资源完成一系列任务,再通过工程规则、物理模型和必要的人类审批进行验证。
但是,一个真正可靠的工程智能体,不能仅仅知道下一步应该调用哪个工具,还必须理解任务的约束、结果的不确定性,以及何时需要重新计算、人工复核或停止执行。
这意味着工业软件的未来,既需要人工智能,也需要工业知识;既需要新的模型和计算架构,也需要长期积累的专业内核和工程验证体系。
全球工业软件竞争正在既有产品、平台和生态体系的基础上,进一步延伸到专业模型、工程数据、跨系统任务执行以及物理世界反馈优化的综合能力。
对于中国工业软件产业来说,真正值得长期投入的,不只是追赶已有产品功能,也包括理解AI正在创造哪些新的工程需求、新的客户市场和新的技术组织方式。
当工业知识能够更加高效地转化为可验证、可执行、可持续积累的数字能力时,工业软件产业的市场边界也可能随之扩展。
这或许才是AI时代工业软件产业最值得持续研究的变化。
研究期间:2026年10月26日至11月1日。本文依据上一版《全球与中国工业软件上市公司战略、财务与资本情报周报》重新编写,保留其主要公开财务数据及产业事件,采用公 众号长文叙事方式呈现。不同企业的集团收入与工业软件收入、AI相关收入与新增AI原生收入、交易签署与正式交割均应区分。正式发表前,建议使用各公司投资者关系网站、SEC、上交所、深交所、港交所及巨潮资讯核查关键数字和原始公告。本文用于产业研究与战略分析,不构成证券投资建议。