中国工业软件行业发展研究报告|中国|工业互联网平台|科学|软件产业|软件行业

工业软件行业丨研究报告

摘要：

工业软件具有发展的紧迫性和必要性，且当前处于政策红利带的有利时间窗口期。

当前，我国工业和经济达到分水岭，经济体发展需要创新驱动，而工业软件作为工业知识的载体，既是新型工业化的核心生产资料和关键生产力，又是工业大脑和数字基石，其自主可控意义深远。不同于国外工业软件是先工业后软件的自然生长，我国的工业软件先是用市场换效率，后是工业和软件同步的压缩式发展，现在是追赶核心技术可控，保障供应链安全。因此，当前工业软件既有发展的必要性，又有发展的紧迫性。
工业软件是一个慢行业，发展需要耐心和长期主义思想，同时在变化与重构中，也为企业带来机遇与挑战。

中国的工业软件市场是千亿的大盘子，2024年市场接近3000亿，市场增长稳健，但核心技术空心、产业结构失衡等问题凸显。当前，研发设计类工业软件是卡脖子最为严重，其本质是与数学与基础学科相关的根技术缺乏海量真实工业场景试错进行工程优化，表现为实体就是核心组件/引擎层受限。值得注意的是，根技术的突破没有捷径可走，只能死磕。
工业软件产业处于动态发展中，未来产业、市场、产品的发展方向值得探讨与思考。

1）针对产业：工业软件核心演变路径为工具-系统-平台-基因，前两个阶段主要针对产品服务范围，后两个阶段主要针对数据价值。

2）针对市场：市场盘子大，但企业需要根据自身情况瞄准市场。头部客户既是主要客户群，又有国产替代和信创的需求，为工业软件技术突围带来可能；腰部客户可以成为共同体；长尾客户有助于扩大营收空间。

3）针对产品：当前工业软件主要是买产品，未来，随着数据资产的有效积累与利用，工业软件将走向卖“智慧”的阶段，表现为工业智能体的诞生。

工业软件发展背景-紧迫性&必要性

工业软件有助于工业和经济体的创新和转型，它是新型工业化的核心生产资料和关键生产力，也是其工业大脑和数字基石，发展意义强大

从2018年开始，我国的人均GDP达到了1万美元，这意味着我国的工业和经济达到分水岭，即经济体达到中等发达水平，更进一步的发展需要靠创新驱动。在这个阶段，工业主要有两个特点：1）控制权逐渐转移：生产的控制权从硬件设备逐步向软件转移，算法强则工业强的趋势逐渐凸显；2）知识载体发生变更：之前的工业知识存在于老师傅的大脑和图纸，现在则逐渐被封装在软件代码中。而工业软件是对工业各类生产环节规律的代码化，支撑了绝大多数的生产制造过程，它不但可以控制产品和装备运行，而且可以把产品和装备运行的状态实时展现出来，通过分析、优化，作用到产品、装备的运行，甚至是设计环节，实现迭代优化。因此，工业软件的发展具有紧迫性和必要性。

工业软件的定义、内涵及特征

工业软件是工业知识的“代码化”表达，能将计算能力转为化生产能力，进而显著提升全要素生产率

工业软件是以计算机信息技术（IT）为载体，在工程科学、计算机科学和计算科学的理论指导下，融合工程方法和工业知识，通过程序化的抽象、封装与复用，实现在数字空间对物理空间全生命周期工业过程的描述、仿真、控制、管理和优化，进而显著提升全要素生产率及整体效益。工业软件的本质是工业知识的沉淀与代码化表达，具有门槛高、行业壁垒高、会不断迭代演进等特点。

工业软件的驱动因素-政策

工业软件角色之变：“工具”-“基石”-“大脑”，地位逐步提升

从两次五年规划中工业软件的定位来看，工业软件逐渐从“工具”逐渐转为“基石”的角色，对工业软件的发展目标也从强调应用到强调供应链韧性和核心技术公关，即工业软件自给自足。基于十五五规划建议文件，期望制造业保持合理比重的同时，也希望绿色化、融合化、智能化发展。我们猜测“科技产业融合”换道将是主要的行动逻辑，而对于工业软件：1）定位：将更近一步，处于“工业大脑”和“引领创新”的地位；2）发展目标：强调工业软件+AI深度融合，推动产业赋能与创新；3）行动：强力推动AI与工业软件深度融合，发展基于AI的工业软件和行业模型。

工业软件的驱动因素-新技术&补贴

大模型推动工业软件研发加速，政策补贴刺激工业软件应用创新加速

工业软件的发展还得到技术和补贴的双重加持。对于技术，主要是大模型提升了工业软件本质基础之间的转化效率，即工程能力、数学能力、计算机能力的转化效率提升，有利于工业软件的研发和应用加速落地。对于政策补贴，2025年一线城市基于AI+工业软件这个大主题下，纷纷推出了补贴政策，目的就是刺激工业软件的创新发展。

工业软件的驱动因素-需求市场

企业侧需求重市场实用性，同时兼顾国产替代；政府侧重顶层规划和行业推动；科研院所重视实训实验室和产教融合

企业是招投标的主体，政府单位次之，科研院所排在末尾。虽然三者采购的都是工业软件，且基本上都是研发设计、生产控制、企业运维等类别，但侧重点还是有所区别：1）企业侧的采购类别最为广泛，同时还有国产替代的招标需求；2）政府侧更多是工业互联网平台相关软件集成、运维等需求，同时还兼顾举办工业软件大会等地方或全国性的活动；3）科研院所则更多聚集于实训实验室或者某个课题（如工具开发、仿真等）的研发。对于项目金额，波动非常大，多集中在百万左右。而对于项目服务周期则相对集中在1-2个月。

全局与困境：千亿市场，但核心技术卡脖子严重，且是技术 - 场景 - 生态 - 商业的系统性问题

工业软件的市场规模与市场特征是什么？

2024年中国工业软件整体市场规模近3000亿，但千亿赛道背后存在着核心技术空心、产业结构失衡等问题，核心技术亟待在窗口期进行突破

根据工信部电子第五研究所发布的数据看，中国工业软件是一个千亿级的市场。但是提到工业软件，“卡脖子”一词就会被多次提及，但需要澄清的是：1）研发设计类才是卡脖子的重灾区，主要原因是因为几何内核、求解器等根技术的缺失，且此类技术无法绕过，只能死磕，国产工业软件企业可把握政策红利带来的窗口期，加速淬炼自身根技术。2）当前产业结构失衡，呈现管理软件强、工程软件弱的特点，故经营管理类的国产化率高，卡脖子现象相对轻。除此之外，产品趋于平台化、重视数据增值服务等也是我国工业软件市场的主要特点。

工业软件的产业链情况大概是什么样的？

上游赚“技术垄断费”，壁垒极高，通常上游内核决定中游产品；中游主要赚“行业know-how溢价”，同时其文件格式也影响下游客户的迁移成本；下游用户主要赚“效率提升带来的毛利”

研发设计类工业软件为何卡脖子严重？

海量真实工业场景试错的缺失导致工程优化的欠缺是研发设计类工业软件被卡脖子的真实原因，卡脖子实体则主要是核心组件/引擎层

国产工业软件发展的主要难点有哪些？

当前中国工业软件企业面临的不是单一的技术问题，而是技术-场景-生态-商业的系统性问题，是技术债传导的结果

起步晚、资金少、早期用市场换技术导致错过发展期等是提到国内工业软件发展难点时大家都会提到的，也是事实。但回到产业链和工程化的深层逻辑来看，国产工业软件的主要难点：根技术缺失/不足-产品切入供应链难度高，场景验证不足，难以打通上下游并构筑自身生态圈-难以实现商业成功，这是一个系统性的问题，是技术债传导的结果，很难依靠单点突破来解决。

规律与机制：接受并理解行业慢的特性，时间累积下的技术实践验证是硬道理

工业软件的产业价值如何流转？

技术保持硬通货地位不变，数据增值服务有望成为新的增长极；产业整体有“技术单向溢价&数据价值溢价”协同并进的态势

工业软件产业价值流转也趋近于微笑曲线。工业软件的分钱逻辑可总结为：客户付费→实施上/集成商→软件厂商→根技术厂商，越靠近根技术厂商门槛越高、话语权越强，利润也越高，故原本工业软件产业是技术单向溢价的分配逻辑。但随着围绕工业数据的整套数据服务产业链（如数据采集、集成、流转、分析/挖掘等）的兴起与逐步走向成熟，工业软件的数据价值溢价逐步显现。未来很长一段时间，工业软件将呈现卖工具功能&售卖数据智慧协同发展的态势。至于数据增值服务的最终利润空间与竞争格局，还需要等待市场发展与检验。但当前，对于产业内的玩家来说，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红利。

工业软件企业当前主要盈利模式有哪些？

以软件授权、运维、定制化开发为主，平台与生态分成在积极探索中

当前工业软件的盈利模式比较明确：欧美企业以软件授权、维护与服务费为主，中国企业以定制化开发与实时、维护与服务费为主，而平台与生态分成的部分模式则仍在积极探索中。对于软件授权，主要分为永久授权和订阅两种模式，其中订阅模式是市场所积极追求的，且欧美巨头也跑在中国企业之前，如Autodesk、PTC等基本实现了全部转为订阅制，西门子和达索也在积极探索。工业发展阶段不同、付费习惯与知识产权环境不同是欧美与中国企业盈利模式差异大的主要原因。

值得注意的是，未来若制造即服务、生成式设计成为可能，工业软件“按产品抽成”的收费方式也并非不可能。

工业软件主要玩家成长逻辑是什么样的？

欧美工业巨头是“顺势而为的工业溢出”，而中国企业是“逆流而上的场景反哺”，欧美先工业后软件之路不可复制，需把握场景反哺技术契机

工业软件本质是工业知识的“容器”而不是IT行业，故不可参照单纯的技术成长逻辑。中国工业软件企业需要注意：1）成长本质需认清：欧美工业巨头表面上是通过大量并购整合而成长为巨头，但实际上，“伴随工业化进程的自然生长+工业诀窍的代码化+资本并购拼图完善覆盖”是其成长本质，他们具有三大特点：其一，无论出身如何，专精先行，底层软件/硬件技术扎实；其二，发展策略都是点-线-面逐渐铺开；其三，部分企业凭借硬件基因+捆绑，在IT和OT的融合方面相对具有先天优势。2）具有不可复制性：其一，在时间上，欧美巨头工业软件跟随工业化走了40年，而中国是压缩式追赶；其二，在市场上，欧美企业起步时还是蓝海市场，而中国当前大部分处于存量博弈，少量国产替代/信创市场有较强窗口期；其三，在资本上，欧美并购主导性强，而中国当前地缘政治激烈，出海并购受限，而国内企业多而散且多为营收服务，难以深度整合。3）场景反哺技术可能是突围方向：中国具有庞大的工业场景，依托项目获得接触工业现场的机会，借助国产替代的窗口期，绑定共同成长的工业企业，打磨产品，赢得逐步突围的机会。

变量与重构：抓住变量，重视新技术、新产品形态、渠道及管理模式带来的改变

云原生对研发设计类工业软件开发的影响？

依托于“架构代差”带来的解耦和万核算力资源为软件开发部分模块赋能

云原生对研发设计类工业软件的开发主要通过改变底层架构而实现的，它解决的是“运行”，而不是“逻辑”的问题，故对数学验证与原型、核心内核研发这两个阶段的影响较小。云原生对研发流程的影响主要聚集于两点：1）通过解耦增强协作能力：在阶段4和阶段6，既赋能协作能力，又基于数据库打破“文件锁”，提升开发效率；2）通过万核算力实现按需调用算力：在阶段7，用算力换时间，缩短测试时间，助力产品上市。就基于云原生产品进入市场时可能的影响可总结为：虽然云原生无法改变核心数学内核的研发过程仍需补课这一现状，但基于云原生的产品在差异化竞争和商业缓冲期上，有极强的作用，具体表现为：1）通过增强协作与降低算力门槛，可能有助于占领下沉市场；2）基于开发和应用的云平台化，有设计-制造-订单一体化的可能。

AI/大模型对研发设计类工业软件开发的影响？

传统AI赋能几何、拓扑和视觉处理，大模型赋能代码生成、人机交互等

AI和大模型对研发设计类工业软件开发的影响略有不同，其中：1）传统AI主要是在三维几何数据方面发挥优势：其一，赋能阶段4的几何拓扑修复，提高参数化建模的强健性；其二，赋能阶段5的异构数据读取难题，进而将原本无法编辑的“死模型”转化为“语义化的特征集合”，这是打破国外巨头“数据锁死”护城河的关键步骤。2）大模型则主要通过辅助代码生成和改变人机交互方式而在阶段6、阶段7赋能。

企业价值左移对企业管理的影响在哪？

价值左移趋势下，企业数据资产尤其是研发类数据价值释放将是客户关注重点，利好管理类服务的发展

当前，随着工业企业数字化转型的推动，企业的数据资产得到累积是有目共睹的。但是，企业的数据依然面临如何发挥数据价值、赋能哪些方向等问题，而这是供给方企业在提供产品服务时就需要考量的。当前工业领域价值左移（如质量管理左移、设计验证左移等）的主张提的较多，故研发类数据价值挖掘将备受关注。提供研发设计服务的厂商、端到端全流程打通能力的平台型厂商这两大类企业将有效赋能研发类数据价值挖掘。前者通过构建“需求-功能-逻辑-物理”全链路追踪而赋能，后者通过辅助企业管理或企业研发管理体系构建与流程固化而赋能。

思考1-工业软件产业下一阶段通向何方？

工业软件产业的核心演变路径为：工具→ 系统 → 平台 →基因，深入探索平台化、积极摸索基因化是业内当前和未来的发展重点

工业软件产业随着产品主要功能/主要解决任务的变化而变化。截至目前，工业软件产业基本完成了工具化、系统化的发展阶段，分别对应个人效率、业务效率的提升。未来，工业软件产业主要聚焦于数据流动效率、数据价值效率提升2个发展方向：1）逐步深入平台化，主要有两点表现：其一，应用层功能进一步解耦，实现积木式组装适配；其二，盈利模式逐步转向订阅或者按需付费。2）进行基因化摸索。基因化的本质就是将工业知识内化为参数/代码，其形态可以是机理模型、业务规则、工艺参数等。基因化时代，工业软件将逐步转化为数字工程师，即面对需求，智能体可根据自身所具备领域知识进行自主规划与执行，最终实现需求。

思考2-国产工业软件玩家市场该如何锚定？

头部客户+政策红利有望驱动技术突破；腰部客户赋能现金流转及行业基因沉淀；长尾及海外客户有助于扩大营收空间

当前工业软件市场以国内企业类客户为主，政府、高校、海外是重要补充。国内企业类中：1）头部市场在国产替代和信创的需求驱动下，为工业软件玩家技术突围带来了窗口期，有能力的企业应积极把握。2）腰部市场场景丰富且具有较强的付费能力，工业软件玩家：其一，可绑定客户共同成长；其二，促进行业套件形成。3）长尾市场：其一，巨头忽略的赛道，有助于“农村包围城市”战略的实施与突破；其二，海量数据的收集有助于AI模型的训练。

思考3-工业软件玩家的产品将走向何方？

技术红利驱动下的“产品-技术-服务”三维重塑与“工业智能体”的诞生，未来产品将从卖软件走向卖“智慧”

在云原生、AI等技术的加持下，工业软件企业的的产品、技术、服务铁三角将得到重塑。当前，主流工业软件企业的产品都在走向平台+生态化，主要强调两个方向的能力：1）产品流程/场景的覆盖增加，如设计仿真一体化、协同平台等；2）平台架构上的解耦和商业上的生态化，即产品逐步成为能力底座，核心能力下沉为API和SDK。其中，技术门槛降低有利于平台化发展，平台化的成熟有助于服务方式的创新与多样化。新技术带来的这些变化并不是终点，而是起点。我们认为未来工业软件将不再是一个“工具箱”，而是具备感知、思考、调用平台能力的、能自主完成任务的“数字工程师”，即工业软件将从功能工具跳跃成为工业智能体。工业智能体具有3大特征：1）交互形态方面懂人话；2）能力内核层面是知识内嵌+自主编排的结合；3）交付层面可组装交付。