中国工业报  耿鹏飞

“人工智能+制造”已进入关键期，探讨工业软件智能化显得尤为重要。

1月16日，2025数智工业探索者论坛在京举行，用友网络科技股份有限公司助理总裁孙汉明、上海凯士比泵有限公司首席数据科学家及数据算法部负责人戴林杉、北京纷扬科技有限责任公司副总裁辛岳、上海积鼎信息科技有限公司副总裁刘锋受邀参加“工业软件智能化‘方法论’”圆桌对话。中工智库数智工业工作委员会副秘书长李卫忠主持对话。

结合企业实践经验，对话嘉宾从工业软件智能化战略布局、方法论构建、场景落地等维度展开深度交流。经总结，主持人李卫忠发布工业软件智能化方法论五条核心原则建议，以及“人工智能+制造”五大典型场景，分别是AI+数据+流程综合场景、预防式维护、智能排产、销售预测、过程工艺参数优化与多相流数字孪生。

差异化布局，锚定AI赋能核心

在人工智能技术加速渗透的背景下，企业的AI战略布局直接决定了工业软件智能化的落地成效。

孙汉明直言，用友的AI战略始终围绕客户需求展开，聚焦“AI+数据+流程”的深度融合，通过构建场景化模型，将AI能力嵌入企业运营的各个环节，帮助客户实现管理效率提升与业务创新增长。

“相比一开始就建立庞大的AI框架，凯士比更倾向于把AI揉碎了、打碎了，像繁星一样应用在各个流程中，精准优化每一项工作。”戴林杉说道，凯士比深刻认识到不同生产流程的独特性，拒绝标准化的AI方案，而是将AI技术与具体生产场景深度绑定，通过定制化开发解决实际痛点，让AI成为赋能生产的“隐形帮手”。

“纷享销客AI战略的关键在于持续打造自身智能科技能力，同时将服务万千企业沉淀的行业智慧转化为组织能力与IT能力，形成可复用、可迭代的核心竞争力，更好地服务更多客户。”辛岳强调，以客户为中心的转型与AI技术应用相辅相成，唯有兼顾技术创新与行业沉淀，才能让工业软件真正创造价值。

“我们希望将人工智能全面融入仿真全流程，聚焦智能化交互、智能化求解、智能化应用三个核心方向，打造高效的工程仿真人工智能应用体系。”刘锋表示，积鼎的AI战略始终立足工业软件核心业务，通过AI技术提升仿真效率与精度，助力客户在产品研发、工艺优化等方面实现突破，为工业领域的创新发展提供技术支撑。

在四位嘉宾的战略分享中，虽各有侧重，但“务实落地、价值导向”成为共同特点：拒绝盲目追逐技术热点，而是基于企业定位与行业需求，将AI战略与核心业务深度绑定，为工业软件智能化发展奠定坚实的战略基础。

不是技术叠加，而需要系统性变革

然而，工业软件智能化不是简单的技术叠加，而是涉及技术、业务、组织的系统性变革。

“智能化建设不能空中楼阁，必须以扎实的数字化基础为前提。”孙汉明以企业废钢管理场景为例，很多企业此前依赖人工经验进行管理，数据分散且不规范，AI技术应用无从谈起。通过整合数据资源、规范数据标准，再结合AI模型提炼经验、推演规律，才能让管理从“凭经验”走向“循规律”，充分发挥数据价值。

刘锋认为，工业软件智能化离不开数据支撑，而工业数据大多沉淀在用户端，因此构建“产学研用”闭环创新体系至关重要。“高校作为技术源头提供原创思路，企业负责工程化、产业化落地，应用方提供真实场景与数据反馈，通过这样的闭环，才能让工业软件在数据积累中持续迭代，让AI能力不断提升。”

“工业软件要发挥作用，必须与业务深度融合，杜绝‘两张皮’现象。”戴林杉以凯士比的实践为例说道，开发人员会与报价人员、生产人员一同深入车间，用秒表测算生产节拍，精准掌握每个环节的需求与痛点，再针对性地开发AI工具。我们不做标准化的套件产品，而是将工业软件升级为贴合企业需求的数字应用，让场景深度嵌入数智化工具，实现业务与技术的无缝衔接。

在辛岳看来，工业软件智能化不能只“向内看”关注内部效率，更要“向外看”对接市场与客户。以客户为中心的端到端转型是很多企业的核心需求，工业软件智能化必须赋能这一转型，帮助企业打通从市场调研、产品研发、生产制造到销售服务的全链条，实现从“低成本、高质量、快工期”的运营优化，到“高产出、高收益”的价值提升。

智能化不是为了替代人，而是为了释放人力，让员工做更有价值的事情。

对此，戴林杉表示，生产环节复杂多样，完全用AI替代人类并不现实。凯士比的实践证明，AI+人的协同模式，才能让效率与创新双提升，这是工业软件智能化的核心价值导向。

辛岳同样认为，要“赋能一线”，让听得见“炮火声”的人拥有更多决策权。工业软件智能化应提升一线作战人员的能力与效率，尤其是面对客户与市场的员工，通过AI工具提供数据支持、决策参考，让他们能够快速响应需求、精准对接市场，实现个人价值与企业价值的同步增长。“不同行业、不同企业的业务场景差异巨大，AI能力集不能一刀切，要具备灵活性与扩展性，能够根据客户需求进行定制化组合，让技术真正适配业务，而非让业务迁就技术。”辛岳补充道。

“工业软件智能化需要构建系统化的AI能力集，而非零散的技术应用。”孙汉明表示，很多企业的核心经验都沉淀在老员工的脑子里，难以传承与复制。通过AI技术，我们可以将这些隐性经验转化为显性数据与模型，形成企业的核心资产，实现知识的持续迭代与复用。

在复杂工业场景中，单纯依靠数据驱动的AI模型往往难以解决全部问题，尤其在极端工况、数据稀缺等场景下容易失效，其结果的物理可信度和可解释性也常受质疑。对此，刘锋提出，工业软件智能化必须坚持“物理机理与数据驱动深度融合”。“工业领域有其独特的机理与规律，比如流体力学、热力学原理，这些是AI模型无法替代的。我们的实践是开发内嵌于工业CFD仿真软件中的“仿真智能体”，通过数据驱动优化物理模型的求解效率与精度，让工业机理与AI技术相辅相成，实现‘1+1>2’的效果。”刘锋说道。

五条原则建议及AI+制造五大典型场景

事实上，再好的理论与方法论，其价值最终要通过场景落地来体现。

“预防式维护是工业软件智能化的经典场景，已在多个行业展现出巨大价值。”戴林杉介绍，传统的故障维修或定期维护存在维修浪费、可靠性不足等问题，而通过IOT传感器、大数据分析与AI算法的结合，能够实现设备故障的精准预测。

“智能排产本质上是一个复杂的数学优化问题，如何在有限的设备、人力等资源条件下，结合复杂的生产流程与交期要求，实现生产效益最大化，AI能够给出最优解。”戴林杉表示，凯士比通过引入AI优化算法，构建智能排产系统，让AI大脑快速计算海量方案，找到最佳排产策略，有效提升了生产效率与订单交付能力。

“很多制造企业智能制造能力上关注成本、质量、工期，但我们不能忽视有效产出——产品交付给客户并实现回款，固定成本不变情况下，有效产出越高，工业企业的盈利能力越强。”辛岳说道，纷享销客通过AI技术优化销售预测环节，整合传统渠道数据、电商平台数据、工程项目商机数据等多维度信息，结合不同渠道的转化比例与交付周期，构建精准的销售预测模型。通过更准确的销售预测，企业可以优化生产计划、合理配置资源，减少库存积压与资源浪费，让同样的设备与人力实现更高的有效产出，提升企业经营效益。

刘锋介绍，在离散制造领域，新能源智能交通工具（汽车、火车、飞机等）的外气动设计优化，积鼎通过将AI技术与仿真软件结合，构建数字化仿真平台，能够快速穷举大量设计方案并进行精准计算，在短时间内找到最优外形设计。在流程制造领域，高炉炼钢过程工艺参数优化与多相流数字孪生是AI技术的重要应用场景。“高炉内部工况复杂，传统方式难以精准判断炉内状态，只能依靠专家经验进行操作。”刘锋说道，积鼎通过构建高保真仿真代理模型，模型建好利用深度学习技术训练后，可以在秒级推断出当前高炉内部的流场分布，帮助操作人员快速调整工艺参数，优化冶炼过程，不仅提升了产能，还降低了能耗与污染物排放，实现了绿色高效生产。

AI能够快速处理海量的历史数据，提炼出经验规律，形成标准化的管理流程与决策依据，帮助企业减少浪费、降低成本，实现资源的高效利用。孙汉明介绍，“很多制造企业的废钢管理、备料等环节长期依赖人工经验，管理不规范、效率低下。我们通过AI技术将这些隐性经验转化为显性模型，结合数据进行分析与推演，让资源管理有章可循。”

圆桌对话最后，主持人李卫忠总结并发布工业软件智能化方法论的五条原则建议和AI+制造五大典型场景。

五条原则建议：一是夯实数智化建设根基，需同步搭建智能化底座与充实数据资源，为AI技术落地筑牢基础；二是推动工业软件与业务深度融合，将标准化套件升级为贴合企业需求的数字应用，让场景深度嵌入数智化工具，破解“两张皮”难题；三是锚定智能化建设以人为本的核心价值，明确智能化的目的是释放人力开展更重要的工作，而非替代人；四是打造集成智能分析、决策、流程自动化等功能的AI数据集与知识库；五是沿着企业创新路径探索技术前沿，推动大模型仿真交互式协同，实现物理驱动与数据驱动的融合。

五大典型场景：AI+数据+流程综合场景、预防式维护、智能排产、销售预测、过程工艺参数优化与多相流数字孪生。