公司对新兴技术的态度与投入 - 公司认为新兴技术的发展对工业软件企业有正向促进作用[1] - 作为国内领先的研发设计类工业软件企业，公司多年来始终在引进新兴技术方面坚持进行投入[1] 公司在AI领域的探索与进展 - 在AI领域，公司已开展广泛积极的探索[1] - 已在现有产品功能升级方面借助AI技术的融入取得良好进展[1] - 已在内部研发团队提效方面借助AI技术的融入取得良好进展[1] 行业特性与技术应用挑战 - 研发设计类工业软件与工业设计场景相辅相成[1] - 为确保设计生产流程稳定，新兴技术通常需要经过较长时间磨合才能更好的在工业设计场景中落地[1] - AI的发展是否能够对现有行业情况带来颠覆性的影响，仍然有待时间检验[1]

文章核心观点 - 工业软件是新型工业化的核心生产资料和关键生产力，其自主可控发展具有紧迫性和必要性，当前处于政策红利带来的有利时间窗口期 [1] - 中国工业软件市场为千亿级规模，2024年整体市场规模近3000亿元，但存在核心技术空心化、产业结构失衡等突出问题，研发设计类软件是“卡脖子”重灾区 [1][17] - 工业软件是一个慢行业，其发展面临技术-场景-生态-商业的系统性难题，需要耐心和长期主义，同时新技术（如云原生、AI）与产业重构也带来了机遇与挑战 [1][26][39] - 工业软件产业正从“工具”、“系统”向“平台”、“基因”阶段演进，未来产品将从卖软件走向卖“智慧”，工业智能体是重要发展方向 [2][3][48][52] 工业软件发展背景与驱动因素 - **发展的紧迫性与必要性**：中国人均GDP在2018年达到1万美元，工业经济进入需创新驱动的分水岭，工业软件作为工业知识的代码化载体，是提升全要素生产率的关键，发展意义重大 [1][4][7] - **政策驱动与定位演变**：政策对工业软件的定位从“工具”提升为“数字基石”，并进一步向“工业大脑”和“创新引擎”演进，发展目标从强调普及率转向核心技术攻关及与AI深度融合 [9][10] - **技术与补贴驱动**：大模型技术提升了工程、数学、计算机能力的转化效率，加速工业软件研发落地；2025年一线城市推出针对“AI+工业软件”的补贴政策，刺激应用创新 [12] - **市场需求驱动**：企业、政府、科研院所构成主要需求方。企业侧采购类别最广，平均项目金额约240万元，且存在国产替代需求；政府侧项目平均单价约130万元；科研院所项目平均单价约110万元 [14][16] 市场现状、规模与核心困境 - **市场规模**：2024年中国工业软件整体市场规模接近3000亿元，其中纯软件市场规模约为1100-1400亿元，占全球市场的6.8% [17][19] - **产业结构失衡**：呈现“管理软件强、工程软件弱”的特点。经营管理类国产化率高（约70%），生产控制类国产化率中等（约50%），而研发设计类国产化率极低（约5%-10%），是“卡脖子”重灾区 [17][19] - **核心困境（卡脖子原因）**：研发设计类软件的瓶颈本质是根技术（如几何内核、求解器）缺失，这源于缺乏海量真实工业场景进行试错和工程优化，是一个技术债传导的系统性问题，无法绕过只能“死磕” [1][17][23][26] - **产业链价值分配**：产业价值流转呈微笑曲线，越靠近上游根技术厂商（如内核提供商），门槛和利润越高，呈现“技术单向溢价”逻辑 [20][30] 产业发展规律、盈利模式与玩家成长逻辑 - **产业规律**：行业具有“慢”特性，时间累积下的技术实践验证是硬道理，需接受长期主义 [29] - **盈利模式**：欧美企业以软件授权、维护与服务费为主，并积极转向订阅制；中国企业当前以定制化开发、实施及维护服务费为主；平台与生态分成模式在积极探索中 [33] - **玩家成长逻辑差异**：欧美巨头是“顺势而为的工业溢出”，伴随工业化自然生长，其“先工业后软件”的路径因时间、市场、资本环境不同而不可复制；中国企业的成长逻辑是“逆流而上的场景反哺”，需把握庞大工业场景反哺技术的契机 [36] - **价值流转新趋势**：随着工业数据服务产业链成熟，“数据价值溢价”逐步显现，未来将呈现“技术溢价”与“数据价值溢价”协同发展的态势 [30] 新技术（云原生、AI）带来的变量与重构 - **云原生的影响**：主要通过架构解耦和提供万核算力赋能开发流程，虽无法替代核心内核研发，但能增强协作、降低算力门槛，有助于产品覆盖下沉市场，并可能实现设计-制造-订单一体化 [40][41] - **AI/大模型的影响**：传统AI（如CV、GNN）主要赋能几何拓扑修复、异构数据读取，能破解国外巨头的“数据锁死”；大模型（LLM）则通过辅助代码生成和自然语言交互，降低软件使用门槛，提升开发测试效率 [43][45] - **企业价值左移**：工业企业研发类数据价值挖掘受关注，利好具备研发设计全链路追踪能力或端到端平台能力的服务商发展 [46] 未来产业发展方向思考 - **产业演进路径**：工业软件产业核心路径为“工具 → 系统 → 平台 → 基因”，当前正深入平台化并摸索基因化，最终目标是实现工业知识的代码化封装与智能生成 [2][48] - **市场锚定策略**：头部客户（如航天、船舶）是技术突破的窗口；腰部客户可绑定共同成长，沉淀行业基因；长尾及海外市场有助于扩大营收空间和收集AI训练数据 [2][50] - **产品形态演进**：在云原生、AI等技术驱动下，产品将走向“平台+生态化”，核心能力下沉为API/SDK，最终从功能工具跃升为具备感知、思考和自主执行能力的“工业智能体” [52]

工业软件行业发展背景与驱动因素 - 工业软件是工业知识的代码化载体，是新型工业化的核心生产资料、关键生产力、工业大脑和数字基石，其自主可控意义深远[1] - 中国工业和经济已进入人均GDP超1万美元的分水岭阶段，发展需创新驱动，工业软件发展具有紧迫性和必要性[1][4] - 工业软件能将计算能力转化为生产能力，显著提升全要素生产率[7] - 政策定位从“工具”到“基石”再到“工业大脑”逐步提升，发展目标从强调应用到强调供应链韧性与核心技术攻关[9] - 大模型技术提升了工程、数学、计算机能力的转化效率，加速工业软件研发和应用落地[12] - 2025年一线城市在AI+工业软件主题下推出补贴政策，刺激工业软件应用创新[12] 市场现状、规模与特征 - 2024年中国工业软件整体市场规模接近3000亿元，是一个千亿级市场[1][17] - 2024年纯软件市场规模约为1100-1400亿元（嵌入式软件占比约50%-60%）[19] - 市场存在核心技术空心化、产业结构失衡（管理软件强、工程软件弱）等核心问题[1][17] - 研发设计类软件是卡脖子重灾区，国产化率极低，约5%-10%[19] - 生产控制类软件国产化率约50%，经营管理类软件国产化率约70%[19] - 市场呈现产品平台化、重视数据增值服务等特征[17][19] 产业链结构与核心困境 - 产业链上游（根技术厂商）赚取技术垄断费，壁垒高、利润高；中游（软件厂商）赚取行业知识溢价；下游用户赚取效率提升带来的毛利[20] - 研发设计类软件卡脖子的实体是核心组件/引擎层（如几何内核、求解器），根本原因是缺乏海量真实工业场景试错以进行工程优化[1][23] - 国产工业软件发展面临技术-场景-生态-商业的系统性问题，是技术债传导的结果，难以单点突破[26] - 行业发展需要耐心和长期主义，时间累积下的技术实践验证是硬道理[29] 需求侧分析与招标情况 - 企业侧是招标主体，占比78.1%，采购类别最广，涵盖研发设计、生产控制、企业管理、运维等，并有国产替代需求，项目平均单价约240万元[14][16] - 政府侧招标占比约7.8%，侧重工业互联网平台集成、运维及举办行业活动，平均单价约130万元[14][16] - 科研院所招标占比约6.3%，聚焦CAD、CAE等软件产品及产教融合服务，平均单价约110万元[14][16] - 企业侧招标以技术分为主（占比约70%），价格分占比约10%；科研院所和政府侧价格分占比约30%[16] - 项目服务周期多集中在1-2个月[14][16] 产业演变路径与未来方向 - 工业软件产业核心演变路径为：工具 → 系统 → 平台 → 基因，前两阶段提升产品/业务效率，后两阶段挖掘数据价值[2][48] - 当前产业正深入平台化阶段，表现为应用功能解耦、积木式组装，盈利模式转向订阅或按需付费[48] - 未来将摸索基因化，将工业知识内化为参数/代码（如机理模型），工业软件可能进化为能自主规划执行的“数字工程师”或“工业智能体”[48][52] 企业盈利模式与成长逻辑 - 欧美企业盈利以软件授权、维护与服务费为主；中国企业以定制化开发、实施与维护费为主；平台与生态分成模式在探索中[33] - 订阅制是市场积极追求的方向，欧美巨头如Autodesk、PTC已基本实现全面订阅[33] - 欧美巨头成长本质是“伴随工业化进程的自然生长+工业诀窍代码化+资本并购”，具有底层技术扎实、点线面发展、硬件基因等优势，其先工业后软件之路不可复制[36] - 中国企业的成长逻辑是“逆流而上的场景反哺”，需把握庞大工业场景和国产替代窗口期，绑定客户共同成长以实现技术突围[36] 新技术（云原生、AI）的影响 - 云原生通过架构解耦增强多人实时协作能力，并通过万核算力资源实现算力按需调用，缩短测试时间，虽不改变核心内核研发难度，但有助于产品差异化竞争和开拓下沉市场[40][41] - 传统AI（CV/GNN）主要赋能几何拓扑修复、异构数据读取，能将国外格式的“死模型”转化为可编辑的“活数据”，降低客户迁移成本[43][45] - 大模型（LLM）主要赋能代码生成、自然语言交互（降低使用门槛）以及生成海量测试用例，加速产品打磨进程[43][45] - 新技术推动工业软件产品从“工具箱”向具备感知、思考、自主任务能力的“工业智能体”演进，未来可能从卖软件走向卖“智慧”[3][52] 市场战略与产品方向 - 头部客户市场存在国产替代和信创需求，为技术突破提供窗口期[2][50] - 腰部客户市场场景丰富、付费能力强，有助于企业绑定成长、沉淀行业知识、促进现金流[2][50] - 长尾及海外市场有助于扩大营收空间，并收集海量数据训练AI模型[50] - 当前主流产品走向平台+生态化，强调覆盖更多流程/场景（如设计仿真一体化）以及架构解耦、核心能力下沉为API/SDK[52] - 未来工业智能体特征：懂自然语言交互、知识内嵌与自主编排结合、可组装交付[52] 产业价值流转 - 传统价值分配是技术单向溢价，越靠近上游根技术厂商，利润越高[30] - 随着工业数据服务产业链成熟，数据价值溢价逐步显现，未来将呈现售卖工具功能与售卖数据智慧协同发展的态势[30] - 产业内谁能打通数据回流，将下游数据变为上游智慧，谁就能吃到产业升级红利[30]