从卖工具到卖结果AI与具身智能重塑工业软件需求

2026年10月20日，国务院新闻办公室举行新闻发布会，工信部信息通信管理局局长谢存表示，将促进工业软件在实际场景中摔打磨炼、快速迭代，实现更大范围更深层次应用。同时传递出：面向“十五五”，以人工智能为代表的新一代信息技术正深刻重塑工业软件底层竞争逻辑，开始从“AI辅助”向“AI原生”迈进，新产品、新形态、新模式不断涌现，这既是挑战，更是难得的机会。

次日，10月21日，工业和信息化部工业软件标准化技术委员会在杭州成立，秘书处设在电子五所，职责覆盖关键技术、数据互操作、产品服务、融合应用和生态建设。

两件事挨得很近，指向的其实是同一个问题：工业软件的政策重心，正在从“扶持供给”转向“制造需求、确立规则”。规模数字固然重要，但2026年更值得看的，是人工智能和具身智能这两个需求侧变量，能不能把工业软件从“卖工具”的老路上拽出来。

2025年我国工业软件核心市场规模已突破4000亿元。按IDC预测，2025年至2029年中国核心工业软件市场规模的年复合增长率将达21.5%，到2029年达到约1.2万亿元。研发设计类工业软件增速同样可观，年复合增长率保持在15%以上。这个量级的增长，意义不在总量再高几个百分点，而在于它正在改变产业的结构重心。

一方面，资本逻辑在切换。市场规模的增长预期，让长周期、高投入的工业软件企业有了进入公开市场的现实基础，行业从主要依赖政策扶持，逐步转向资本驱动和市场验证。另一方面，研发设计类这块长期最薄的短板，正以高于行业平均的速度被需求牵引。制造业研发密度上升，产品迭代周期缩短，轻量化、多物理场仿真和全生命周期数据管理从可选项变成必选项，研发设计类软件的增长不再只靠替代叙事，而有了制造业升级的内生支撑。

更陡的增量来自AI+工业软件。IDC预测，AI+工业软件子市场将以49.0%的年复合增长率扩张，占核心工业软件市场的比重将从2025年的13.0%跃升至2030年的46.2%。这不是在既有软件上叠加智能模块，而是交付形态和计价基准在位移：从卖功能模块转向卖持续产出的结果，从一次性资本性支出转向可订阅、可按调用量计费的运营性支出。对长期受困于项目制回款周期和规模效应不足的国产厂商，这条增量线提供的是一条从定制泥潭里抽身的现实通道，前提是产品能在具体任务上产出可验证的结果。

AI真正改变的是工业软件的使用门槛与计价方式

AI进入工业软件，最容易看到的是功能层面的变化，比如工艺解析、排产优化、设备诊断、图纸理解等环节开始出现智能体形态的应用。但如果只看到这一层，就低估了它对产业的实际影响。更实质的变化发生在两个地方：一是软件的使用门槛，二是软件的计价方式。

过去工业软件，尤其是研发设计类和管理类软件，往往依赖长时间的实施、培训和定制开发，中小企业一次性投入高、试错成本大，渗透率很难快速提升。工业智能体把一部分需要专业人员操作的判断和调度工作接管过来，软件从“需要学会用”变成“可以直接给结果”，这在一定程度上降低了使用门槛。对于量大面广的中小制造企业，这种变化比单纯的功能升级更有意义，因为它意味着工业软件有可能从大企业专属，逐步走向更广泛的用户群体。

计价方式的变化同样关键。传统工业软件以一次性买断和项目制实施为主，收入确认周期长，厂商容易陷入定制项目里难以规模化。随着智能体在具体任务上产出可验证的结果，订阅制、按调用量计费、按结果分成等模式开始具备现实基础。对工业软件厂商而言，这意味着从“卖一套软件”转向“持续交付能力”，收入结构更可持续；对用户而言，资本性投入转化为运营支出，决策门槛下降。

具身智能把工业软件推入“物理数据供应链”

具身智能对工业软件的拉动比AI更直接，因为它发生在软件与物理世界的交界处。人形机器人及具身智能整机研发本身就需要CAD做结构设计、CAE做仿真验证、PLM管理全生命周期数据，整机厂研发密度越高，对高端研发设计类软件的调用就越密集，恰好对准国产工业软件最薄弱、最需要真实需求牵引的环节。

更深层的变化在仿真数据。具身智能训练需要材料属性、接触关系、摩擦参数等高保真物理数据，而这些正是工业仿真数十年积累的核心资产。行业判断，具身智能规模化应用至少需要千万小时级真实数据，当前全球高质量真实物理交互数据仍在数十万至百万小时级，缺口不可能只靠人工采集填上。但传统工业仿真追求离线高精度，具身仿真要求实时并行结算大量物理接触和力反馈，两套体系并不互通，中间缺一层转换机制，把工业工程知识翻译成机器人训练环境可直接调用的物理资产。

这给工业软件带来的利好是市场边界的延伸：CAE等仿真软件不再只是研发辅助工具，而有机会成为物理AI训练基础设施的一部分，市场空间从百亿级研发设计工具向物理数据供应链延伸。2026年6月工信部与国资委联合开展的人形机器人实景实训专项行动，要求年底前凝练百个以上高价值场景、带动万台级规模落地，场景开放越密集，工业仿真模型和工艺数据的调用频率就越高。对国产工业软件而言，具身智能是一条标准尚未定型、需求快速形成的新链条，国内外起点差距相对较小，在仿真转换、数据资产化、场景评测等环节存在切入机会，但物理数据的准确性和可验证性是硬门槛，一哄而上解决不了问题。

回到工业软件标委会的职责清单，“数据互操作”和“融合应用”两项，几乎是为当前最现实的摩擦点准备的。工业智能体要跨系统协同排产和异常分析，需要数据接口和模型表达能够互通；工业仿真数据要进入具身训练环境，需要标准化的转换与验证机制；数据在不同用户之间复用，需要产权和质量的共同规则。标准不直接创造市场需求，但它决定场景里磨出来的经验能不能沉淀为可复用的行业规则。

对国产工业软件来说，标准化的利好是降低集成成本、缩短交付周期，让细分场景的解决方案更容易规模化复制，减少被国外巨头生态锁定的风险。对用户来说，标准统一意味着选型和集成风险下降。但标委会成立只是制度起点，标准落地需要和真实场景迭代同步，不能指望一成立就解决研发设计类软件的长期短板。

2026年的工业软件，4000亿之后总量仍会增长，但更值得看的是增长的方向。AI让工业软件的计价方式从卖工具转向卖结果，给国产厂商在细分场景中创造可复制的收入模式；具身智能把工业仿真从研发辅助工具推向物理数据供应链，为研发设计类软件打开新的需求入口；标委会成立的意义，则是为这两条需求线提供一套共同的接口语言。三件事叠加，构成的是一个结构性窗口，而不是一次总量反转。窗口能不能变成真实的产业能力，取决于有多少工业场景愿意把数据和工艺知识真正交给软件，也取决于软件厂商能不能在这些场景里长出可验证、可复用的能力。

责任编辑：李斌

文章来源：http://www.anfangnews.com/2026/1025/16798.shtml