数字仿真网

一组数据，足以让你重新审视这个行业——

中国工业软件市场2024年规模接近3000亿，却只占全球市场的7.6%。更扎心的是，研发设计类软件的国产化率仅有5%~10%，几何内核、求解器等根技术几乎全部依赖欧美。

换句话说：我们用着全球第二大工业体量，却在最核心的工业大脑上，被别人扼住了咽喉。

这不是危言耸听。2024年中国制造业增加值占全球近30%，航天飞船上天、高铁跑遍世界，但打开这些超级工程背后的电脑屏幕，CAD/CAE/EDA这些"画图纸"和"做仿真"的核心软件，依然是西门子、达索、Ansys、Synopsys的天下。

工业软件，就是工业的"大脑"和"数字基石"。没有自主可控的工业软件，所谓的制造强国，始终建在别人的地基上。

这篇文章，我们不说虚的，只做三件事：拆清楚产业链的钱和权怎么分、讲明白卡脖子到底卡在哪、看透未来5年谁能破局。

一、千亿赛道全景：一张图看清工业软件的底牌

工业软件不是一个软件，而是一整套"工业知识的代码化表达"体系，贯穿产品从设计到退役的全生命周期。

先搞清楚一个基本概念：工业软件的本质，不是写代码，而是把几十年工业实践中积累的显性知识（手册、标准）和隐性知识（老师傅的诀窍、直觉）封装成计算机能运行的程序。

它的价值公式很简单——将计算能力转化为生产能力，进而提升全要素生产率。

按照产品全生命周期分类，工业软件主要分为四大板块：

核心判断：不是所有工业软件都被卡脖子。真正的"卡脖子重灾区"是研发设计类——因为它直接关联物理世界的数学表达，需要几何内核、求解器这样的"根技术"，而这些技术背后，是欧美企业40年、数十亿次工业场景调用打磨出来的工程积累。

2024年，中国工业软件整体市场规模约2940亿元（含嵌入式软件），纯软件市场约在1100~1400亿元。全球对比来看，中国市场占全球比重仅6.8%~7.6%，与中国制造业的全球地位严重不匹配。

二、产业链深度拆解：钱、权、命脉，全在这条链上

2.1 上游：根技术垄断，一把锁扼住整条链

工业软件的上游是基础层，包括基础硬件（服务器、CPU/GPU芯片）、通用基础软件（操作系统、数据库）、工业级基础软件（工业数据库、实时操作系统RTOS）、以及最关键的——工业核心算法引擎（几何内核、求解器等）。

上游的产值不高，但它的地位是"芯片级"的：支撑着中游几百亿、下游几万亿的产值。

利润逻辑：上游赚的是"技术垄断费"。西门子的Parasolid几何内核、达索的ACIS，都是以SDK/IP授权方式收费，利润率极高、边际成本极低。国内企业如华天软件自研的DGM内核，是少数敢走底层重构路线的尝试。

2.2 中游：各路软件厂商的贴身肉搏

中游是真正的主战场——覆盖产品全生命周期的各类工业软件厂商。这里行业know-how和技术要求都极高，高端市场主要由西门子、达索、PTC等欧美巨头主导。

中游的利润逻辑是"规模效应"——卖标准化产品。当前全球正在经历从永久授权（买断制）向订阅制（SaaS）的转型：

数据背后的残酷现实：中望软件研发投入占比高达50.2%，但绝对金额仅0.62亿美元，不及达索一个零头。国产企业不是不努力，而是体量差距太大——这也是为什么工业软件是典型的"慢行业"，需要长期主义。

2.3 下游：谁在买单？头部企业是主力

下游用户横跨离散制造（汽车、航空航天、机械装备）和流程制造（能源、冶金、制药）两大领域。当前市场需求最旺盛的是头部企业，尤其是央国企、行业链主和军工企业——他们既有自主可控的刚需，又有国产替代和信创的政策推力。

招投标数据显示，近一年工业软件招标中，企业侧占比84.8%，其中78.1%采购的是软件产品，平均单价约240万元，以技术评分为主导（占比约70%）。

2.4 渠道：云厂商入局，传统格局正在重构

过去的渠道是"直销+代理+SI集成商"的经典模式。现在，云厂商（华为云、阿里云等）正在成为"超级集成商"，扮演四重角色：IaaS底座+PaaS平台+云市场分发+联合销售。传统增值分销商的空间被压缩，正被迫向MSP（云管理服务商）转型。

2.5 产业链价值流转：谁赚得最多？

工业软件产业的分钱逻辑，呈现典型的"微笑曲线"：

关键洞察：资金流是"层层分润，越往上游话语权越强"；但数据流是"逆向增值"——现场数据可以反哺上游算法。谁能打通数据回流线，把下游的数据变成上游的智慧，谁就能吃到这一轮产业升级的最大红利。

三、卡脖子到底卡在哪？五层拆解，直击根源

研发设计类工业软件的技术架构可以拆成五层，卡脖子的真相藏在最底下两层。

把上面这张表浓缩成一句话：成熟的工业软件产品 = 公开的数学原理 + 极致的工程优化 + 海量的工业场景试错。

数学原理是公开的，论文都能找到。但问题在于：

第一关：公式正确 ≠ 符合物理真实。需要在海量工业场景中不断验证、调整参数组合，这是"工程化"的最大壁垒。

第二关：能算出来 ≠ 怎么算都不死机。面对工业现场的"脏数据"（缝隙、破面、重叠），国外成熟内核能处理、不崩溃、甚至能自动修复。我们的软件一碰就崩——这就是稳定性的差距。

第三关：算得出来 ≠ 秒级响应。还需要大量的数学优化技巧，在有限内存条件下保证计算效率。

本质：国产工业软件面临的不是单一技术问题，而是"根技术缺失→切入供应链难→场景验证不足→难以构筑生态→难以商业成功"的系统性问题。这是技术债传导的结果，很难依靠单点突破来解决。

四、巨头博弈与格局演变：两条路线之争

4.1 欧美巨头：工业溢出 + 时间复利 + 资本并购

欧美工业软件巨头的成长本质并非只是"买买买"，而是三重力量的叠加：

第一，伴随工业化进程自然生长。无论是达索脱胎于航空工业，还是Ansys源于大学实验室，他们都是先有工业实践，再把经验变成代码。

第二，工业诀窍的代码化。40年下来，那些"论文里不写的"工程Trick（窍门）和Bug修复经验，全部沉淀在了代码里。

第三，资本并购完善版图。从单点工具→综合套件→平台生态，"点-线-面"逐步铺开。

欧美巨头大致可以分为三个流派：

4.2 中国企业：逆流而上的场景反哺

欧美的路不可复制——三个原因很现实：

时间上：欧美走了40年，中国要压缩式追赶。市场上：欧美起步是蓝海，中国面对的多是存量博弈。资本上：地缘政治制约出海并购，国内企业多而散、难以深度整合。

那中国企业的突围路径是什么？

场景反哺技术，可能是最现实的突围方向。

中国拥有全球最庞大、最完整的工业场景。依托项目获得接触工业现场的机会，借助国产替代窗口期，绑定链主企业共同成长，用真实工况打磨产品——这是一条苦但可行的路。

以云原生CAD赛道为例，两种路线正在分化：

为什么云原生是机会窗口？国外成熟内核背负几十年历史包袱，而中国企业没有。从零构建"云原生内核"可以更好适应云环境。趁国外巨头切换或适应云原生的时间窗口，国内企业有可能缩小底层差距。

五、三大变量重构行业：云原生、AI大模型、工业APP

变量一：云原生——解决"运行"问题

云原生对工业软件的影响主要通过改变底层架构实现，它解决的是"运行"而非"逻辑"问题。核心价值有两点：

1）解耦增强协作：基于数据库打破"文件锁"，支持多人实时同屏协作。

2）万核算力按需调用：用算力换时间，缩短测试周期，中小企业用普通笔记本也能做复杂设计。

变量二：AI/大模型——加速但不替代

这里需要泼一盆冷水：AI不能替代核心几何内核和物理求解器。在CAE领域，物理方程的自由度高达上万亿量级，AI无法"生成"这些数据。

但AI的价值在别处：

正确理解CAE与AI的关系：CAE为AI提供数据，AI帮助CAE产生的数据更好地服务工程。AI不是替代者，而是加速器和效率放大器。

变量三：工业APP——长尾市场的破冰者

工业APP依托工业互联网平台，通过低代码让"老师傅的绝活"变成可复制的数字资产。它的核心价值不是数学求解，而是工业知识的软件化。

三大影响：普惠化（中小工厂用得起）、解耦化（按需购买，不用全家桶）、资产化（隐性经验变显性算法）。

六、机会在哪？风险在哪？一份冷静的行动指南

6.1 市场锚定策略

6.2 未来产品方向：从卖软件到卖"智慧"

工业软件产业的演变路径清晰可见：工具→系统→平台→基因。

前两个阶段关注产品功能范围，后两个阶段聚焦数据价值。我们正处于平台化深入、基因化萌芽的阶段。

终局形态是什么？工业智能体。

工业智能体 = "数字工程师"

交互形态：懂人话——自然语言对话即开发/操作

能力内核：有知识——出厂即懂行，内嵌行业机理模型；有思路——给定目标后自主调用平台APP/插件

交付架构：可组装——核心能力API化，行业功能APP化

6.3 需要警惕的风险

1. 融资与验证的"双重避险悖论"：投资人不敢投（缺验证）→链主企业不敢用（怕停产）→企业没钱研发→产品更难验证。破局需要链主提供"非核心产线"试运行，投资人实施"里程碑式投资"。

2. 生态铁幕化：国外巨头用私有数据格式锁定用户，迁移成本极高。国产替代不仅是技术问题，更是生态问题。

3. 商业内卷陷阱：客单价低、定制成本高、利润薄，难以形成"销售→利润→研发"的正循环。

七、尾声：慢行业，需要长期主义者

回到最开始的那组数据——3000亿市场，5%~10%的研发设计类国产化率。

这个行业没有"弯道超车"的捷径。几何内核要一行一行写，Bug要在工业现场一个一个磨，工程经验要在客户工厂里一年一年攒。

工业软件的"慢"，是一种必须被尊重的客观规律。"研发→使用→反馈→迭代"的闭环是产品成形并好用的必经之道，而且必须是持续的。

但慢不等于没有机会。三个变量正在打开窗口：云原生带来架构代差的追赶机会，AI降低使用门槛和加速测试迭代，国产替代政策提供了宝贵的场景练兵场。

这个行业需要的不是风口上的猪，而是愿意扎进车间、啃硬骨头、熬得住十年冷板凳的长期主义者。

而这，恰恰是中国工业软件最稀缺、也最需要的东西。