武汉软件大会侧记:听郭旭院士讲＂AI赋能工业软件＂有感

昨天下午，我参加武汉软件大会工业软件供需论坛，听大连理工大学郭旭院士做了一场题为《AI赋能工业软件发展建议》的主旨报告，没有一句废话，句句打在实处。我边听边记，越记越觉得——这不是一场普通的学术报告，这是一份写给中国工业软件人的"战报"。

以下是我在现场记录下的核心观点，以及我的一些粗浅思考。

一、先认清形势：工业软件不是"工具"，是"大脑"

郭院士开场就定了一个调：

"工业软件本质上是将物理规律、工业知识、工业经验数字化封装后形成的计算机代码。它是现代工业的智慧大脑。"

他引用了一句话，我当场记下来：

"没有两弹一星就没有大国地位，但没有'两建一星'（基础元器件、工业软件、高端芯片）就没有强国地位。"

这句话的分量，做工业的人都懂。郭院士接着说："一旦这个基础不牢，后果就是地动山摇。"

我深以为然。我们武汉云这几年做的事，就是搭建底座。很多人问我，云和工业软件有什么关系？我的回答一直是：云是底座，但工业软件是灵魂。 没有灵魂，底座再稳也是空壳。

二、当前工业软件面临的"三座大山"

郭院士讲得很坦诚。他说我们现在面临至少三个层面的严峻挑战：

1. 正向设计的能力不足

"我们现在要设计高速飞行器，既不能试着飞，也不能飞着试。必须靠虚拟实验。"

"这类装备的设计要求到了极致：要轻、要防滑、要高韧性、还要储存使用——需要消除任何理由的斤斤计较。"

"因为危险性是万无一失，一失万无。"

这句话让我头皮发麻。"万无一失，一失万无"——八个字，道尽了工业软件在高端装备研制中的生死攸关。这不是消费级软件，不是推送错了可以划过去重来。这是真金白银、人命关天。

2. 计算范式的天花板

"现有计算范式下，网格越细，计算复杂度是自由度的立方级。描述优化设计的变量，计算条件是急剧变化的。"

通俗地说：我们现有的工业软件，在"算得快"和"算得大"之间，有一个看不见的墙。墙那边是无人区，墙这边是舒适区。郭院士的意思很明确——不突破这堵墙，我们就只能一直在舒适区里打转。

3. 软件架构的代际落后

"现在的工业软件是一个一个单点工具。面向未来，工业软件应该是支撑工程智能的基础设施。"

"现在是人在操作工具，未来是人在驱动智能体，智能体来操控工具。"

这一段我听得最入神。郭院士描述的，不是"升级"，而是"范式变迁"——从"人操作软件"到"人指挥智能体，智能体操作软件"。这中间的差距，不是版本号差几个数字的问题，是思维模式差一个时代的问题。

三、AI给工业软件带来的不是"辅助"，是"重塑"

郭院士说，AI对工业软件的影响，不是打补丁，是换引擎。

"AI正推动工业软件从'计算机辅助人'，向'人辅助计算机'的范式转变。"

注意这个方向——不是人越来越强，而是计算机越来越能独当一面。 人退后一步，从"操作者"变成"决策者"和"把关者"。

他举了几个让我印象深刻的场景：

• 智能仿真与优化设计：原来做一个仿真很慢，AI加持后可以做到非常快，"大量减少研发时间"。

• 测算一体化：以前实验和计算是分离的，未来有了AI工具，机理模型和数据驱动模型结合，"可以实现测算一体化"。

• 成批设计：以前做优化得到一个设计，未来可以"成批生成设计，覆盖大部分设计空间"。

• 软件自主进化：现在的软件买回来是1.0，永远1.0；未来的软件"每天都在自己学习"，"用得好，很快就从1.0进化到5.0"。

最后一个点让我特别有感触。我们做数转平台的时候，一直在想一个问题：中小企业用了之后，平台能不能越用越聪明？能不能根据企业的数据反馈，自动优化推荐的数字化转型路径？郭院士说的"软件自主进化"，正好回答了我的困惑——不是不可能，是技术底座还没搭好。

四、智能工业软件的"五个硬骨头"

郭院士话锋一转，给在场的人泼了一盆清醒的冷水。

"有机遇就有挑战。要把智能工业软件真正落地，还有很多工作要做。否则它就是一个炒作的名词。"

他列出了五个关键挑战：

挑战一：智能底座

"要做一个智能工业软件的底座，集成工业数据、工程知识、物理解析、软件工具互联、AI能力调度。数据要汇起来，模型要管起来，AI能力要跑起来，结果要用起来。"

这个底座，不是简单的"云平台"或者"数据中台"，而是一个能让数据、知识、模型、AI四种要素自由流转、互相调用的操作系统级基础设施。我们正在往这个方向努力，但坦率讲，还差得远。

挑战二：数据治理

"多元异构数据、质量一致性、数据孤岛、安全隐私——特别是工业数据，不能轻易拿出来，怎么在统一平台上对接？"

"破解数据基本问题，是人工智能赋能工业软件研发的先决条件，也是关键卡点。"

数据是AI的燃料，但工业数据是"脏燃料"——格式不统一、标准不一致、质量参差不齐、还涉及安全和保密。郭院士说得很直接：数据问题不解决，后面的AI都是空中楼阁。

挑战三：底层根技术——高泛化能力

"不谈泛化能力来谈智能工业软件，就是耍流氓。"

这句话我记了三遍。郭院士举例：有些AI赋能的仿真技术，前面散热算的是3个孔，你挖5个孔它就不行了。这说明什么？说明它不是真正"懂"了物理规律，它只是"记住了"几个特定场景。 真正的工业软件，必须能应对各种变化、各种边界条件，这叫"泛化能力"。没有这个，就是花架子。

挑战四：实时反馈与低消耗计算

"Token经济——无论是推理还是生成，都要消耗Token。但未来智能工业软件的标准，不只是算得快、算得准，还要算得省。"

这让我想到我们平台运营的成本问题。AI能力很强，但如果每调一次都要烧掉大量算力成本，中小企业用不起，那就是"阳春白雪"。工业软件的终极使命，是服务产业，不是炫技。

挑战五：可解释性——白箱化能力

"工业软件不是消费级软件。抖音推送错了可以划过去，但装备性能绝对不能错。"

"模型驱动智能工业软件算法白箱化的能力，决定了这个软件发展的上限。"

"智能工业软件依然是一个数学物理为根基的重工业产品。"

这段话是我全场印象最深的一段。郭院士不是在批评AI，他是在划定边界——工业软件可以拥抱AI，但不能让AI变成黑箱。 每一个决策、每一个预测，背后必须能追溯到物理原理、数学推导和工程逻辑。这不是保守，是负责。

五、郭院士的"三个建议"

演讲最后，郭院士提了三个方向性的建议。我逐条对照，发现和我们正在做的事，高度吻合：

1. 夯实关键技术基础

"要突破核心技术瓶颈，为智能设计仿真软件与一体化平台提供底层支撑。比如CAD和CAE的一体化——有没有统一的'词源'描述，既能做建模，又能支撑分析，还能自动通过语义识别打通界面流程？"

我们一直在做数转平台，本质上就是在尝试打通"设计-仿真-制造"的数据链路。郭院士说的"词源统一"，正是我们平台架构设计的核心难点。

2. 探索新价值和新模式

"新型智能工业软件必须有自感知、自学习、自主执行、自主判断决策、自主计划的能力。要以工业大模型为基础，智能体驱动新型工业软件架构，实现从传统工业软件到新一代智能工业软件的范式变迁。"

郭院士透露了一个案例：他和上海商飞合作，用智能体做机身建模，传统需要3周，智能体打通链路后只需1天。这个结果"非常令人兴奋"。

我听完立刻想：我们武汉有商飞在鄂州的供应链，有船舶、兵器、电子等六大军工行业，这些场景能不能也做成类似的"智能体驱动"？答案是能，但必须有人先搭底座、先淌河水。

3. 依托龙头产业开放场景，补短板与抢制高点同步

"我们比美国好在哪？我们国家还在工业化进程中，制造业门类最全，可以提供很多数据、很多场景。"

"要补短板和抢制高点同步进行。守正与创新，共同支撑未来发展。"

这段话让我既感到压力，也感到责任。武汉有什么？有全国一流的军工产业，有华中科技大学、武汉大学这样的顶尖科研力量，有"软件名城"的招牌。我们要做的，不是等别人把场景开放出来，而是主动搭建平台、主动汇聚场景、主动牵线搭桥——让供给侧的软件企业和需求侧的工业企业，在武汉这片土壤上对接、验证、迭代、成长。

六、道阻且长，行则将至

郭院士用一句话结束了他的演讲：

"道阻且长，但行则将至，行而不辍，未来可期。"

我坐在台下，把这句话默念了两遍。

这个论坛，议程满满。从郭旭院士到陈学东院士，从国家部门到船舶、兵器、航天、电子等各大工业集团，从CAD到CAE到EDA到MBSE，从软件国产化到AI赋能——这是一场真正"练供需"的论坛，不是走过场。

我是这场大会的亲历者和参与者，借郭院士的话，对自己说几句：

工业软件的国产化，不是喊口号喊出来的，是一个场景一个场景验证出来的，是一行代码一行代码写出来的。 我们愿意做那个"搭台子"的人——把场景汇聚起来，把供需对接起来，把中试验证的平台建起来，让国产工业软件在这里有地方试、有地方用、有地方改。

郭院士说，"工业软件发展的必由之路，是依托真实场景完成软件迭代验证，打通研发、中试、量产闭环。"

这条路，我们已经在走了。