工業軟件賽道發展機遇在哪？

國產化+智能化+云化+平臺化，工業軟件賽道迎來多極增長。

1.滲透率疊加國產化率處于較低水平

嵌入式軟件占據市場主導地位，政策推動下生產控制、研發設計等環節市場規模占比有望成長。從細分賽道看，目前我國工業軟件中嵌入式軟件份額超過五成，2022年占比達57.4%，研發設計軟件規模份額僅有 8.5%，未來隨著新型工業化、新質生產力等政策層面的推動，疊加工業企業在研發設計、生產效率等層面的關注度提升，研發設計等環節的核心工業軟件占比有望提升。

我國工業軟件各細分市場國產化率均有提升空間，其中研發設計類和生產控制類空間較大。根據國新咨詢數據統計，2021 年我國工業軟件市場中研發設計類、生產控制類和信息管理類的國產化率分別為 12%、31%和 71%，預計到 2025 年三大環節的國產化率有望分別提升到 26%、52%和 78%。目前我國研發設計和生產控制工業軟件國產化率較低，政策推動下有望加速國產替代進程。

從細分賽道看，2021 年我國 CAE、EDA 軟件國產化率不足10%，信息管理類已基本完成國產替代。目前在研發設計類核心工業軟件環節，包含CAD、CAE、EDA、PLM等細分賽道，國產化率均不超過 20%，國產替代空間廣闊；在生產控制環節，中低端產品國產化率較高，國產替換空間將主要集中在高端領域，其中 PLC 市場國產化率較低，預計到2025年，國內研發設計和生產控制類的工業軟件國產化率均有望實現顯著提升。

2.AI 大模型有望賦能工業軟件智能化發展

AI 結合工業互聯網應用前景廣闊。工業軟件領域結合AI，可將大數據人工智能、專業性的工業軟件以及工業企業在各自領域的專業知識有機結合。AI 大模型有望推動工業領域邁向優化運營的自主系統階段，在自主控制、機器視覺系統和演化建模三大環節實現顯著進步。Smart Industry 指出，AI 結合工業領域的顯著進步主要體現在：（1）自主控制（Autonomous Control）：利用 AI/ML，制造過程正在從自動化向自主控制的方向發展，使系統能夠在沒有人為干預的情況下做出實時決策和調整。（2）機器視覺系統（Machine Visioon Systems）：將先進的閉環控制策略與先進的感官機器視覺 AI 反饋相結合，使 PLC 能夠采取自動糾正措施，以實時減少缺陷。（3）演化建模（Evolutionary Modeling）：在數據科學實踐的早期，單點解決方案是常態，其中根據從可用數據中得出的各種標準選擇單個模型。未來這種方法演變為從潛在候選模型的集合中構建模型，這種方法要求每個模型在每一次迭代中都要成功適應，開發出更符合實際物理過程和各自系統動態的高精度和穩健的模型。

AI+工業有望在流程控制、質量優化、機器人應用等領域賦能生產力的大幅提升。SmartIndustry 指出，AI、機器學習等技術將在未來五年或十年內對工業制造過程帶來重要的影響，并在八大領域帶來前所未有的商業成果。其中，隨著 AI 大模型技術的迭代，我們認為生成式 AI 有望在工業場景中基于企業用戶的專業知識和行業經驗，在研發設計、生產控制等環節實現高度智能化，賦能生產力提升。

AI+工業市場規模有望保持快速增長態勢，預計至 2029 年市場規模有望達到583億美元。BlueWeave Consulting 數據顯示，2022 年全球工業 AI 市場規模約為31 億美元，預計到2029 年這一市場規模將達到 583 億美元，2022-2029 年復合增長率約為52.46%。我國制造業 AI 解決方案市場規模保持高速增長態勢，2026 年市場規模有望達到近900億元。觀研天下數據顯示，2022 年我國制造業 AI 解決方案市場規模達204 億元人民幣，并預計到 2026 年該市場規模將達到 891 億元。隨著生成式 AI 技術的不斷成熟和全球龍頭廠商的應用落地，工業 AI 市場規模有望進入快速增長階段。

基于 CV 等技術，工業 AI 在質檢等場景已有較為成熟的應用。IDC數據顯示，2022年我國工業 AI 質檢解決方案（不含硬件）市場規模約為 2.7 億美元，同比增長27.4%，受宏觀因素影響，增速小幅下降但對比其他 AI 市場仍然屬于較高水平。國內市場份額前三廠商分別為百度智能云（10.6%）、創新奇智（10.4%）和騰訊云（10.2%），CR5 為44.7%。

從行業角度來看，3C 電子（通信及電子制造）和動力電池、汽車等仍然是市場核心需求方向。2022 年 3C 行業占據中國整體 AI 工業質檢解決方案市場比例達53.1%，其次是汽車、輕工消費品行業，市場規模占比分別達到 18.6%和 13.4%，同時AI 工業質檢在裝備制造、有色金屬、包裝印刷、食品飲料等新行業新場景的應用持續涌現涌現。

目前 AI 大模型在工業領域處于初步探索階段，未來四類核心模型有望賦能工業領域多個細分場景。根據中國信通院基于全球 79 個大模型工業應用案例的研究，大模型在工業領域可分為大語言模型、視覺大模型、多模態大模型和專用大模型四類，目前大語言模型的應用占 75%。從細分應用場景看，未來 AI 大模型的應用有望在研發和管理環節率先應用，并逐步滲透到設備管理、生產控制環節。

海外工業軟件廠商積極擁抱生成式 AI，AI 大模型已在部分場景落地應用。2023年10月，羅克韋爾自動化公司（Rockwell Automation）與微軟宣布通過長期合作，致力于利用AIGC 加速工業自動化設計和發展，賦能工業自動化系統制造商提升勞動力，縮短產品上市時間。羅克韋爾將微軟 Azure OpenAI 服務集成至自動 FactoryTalk®Design Studio™，有助于工程師使用自然語言提示生成代碼，幫助資深工程師加速開發進程，并更高效且有效地指引處在學習階段的新人，從而實現日常任務自動化和提升設計效率，幫助工業自動化系統制造商將產品更快地推向市場。 全球 CAE 龍頭廠商 Ansys 將產品嵌入 AIGC 功能，變革用戶交互方式。2023年7月27 日，Ansys 宣布推出 AnsysGPT 限量測試版，這是一款多語言、對話式AI 虛擬助手，可改變 Ansys 客戶獲得支持的方式。AnsysGPT 利用微軟 Azure OpenAI 服務提供的先進ChatGPT 技術進行開發，使用 Ansys 公開數據（包括但不限于Ansys 創新課程、技術文檔、博客文章和教程視頻）在綜合工具中回答有關 Ansys 產品、相關物理和工程主題的技術問題，未來將通過 Ansys 網站提供全天候技術支持，從而更有效地提供信息和解決方案，進一步加速仿真的普及。在數據安全和用戶隱私方面，Ansys 采取強有力的控制措施，以確保在訓練過程中不使用任何類型的私有信息，并且不以任何方式存儲或使用客戶輸入信息來訓練系統。

3.工業軟件云化趨勢，打通數據孤島與虛實孿生

隨著數字經濟的持續發展，數據在制造業中的生產要素作用日益突顯，企業數據上云有望將數據資產有效轉化為制造業企業的重要生產力。數據廣泛存在于制造業從客戶需求到銷售、訂單、計劃、研發、設計、工藝、制造、采購、供應等整個產品全生命周期中的各個環節。我們認為云技術對于制造業企業的賦能主要集中在以下兩點：1、助力企業進行高效創新：通過數據作為生產要素與新技術（AI、ML等）動態融合，幫助制造業企業在構建敏捷供應鏈、精益生產和完善產品售后服務等方面激發新的創新性應用。 2、輔助智能決策：基于人工智能、數字孿生以及工業互聯網技術，對于數據生產要素的深度挖掘，可以增強企業應對不確定性挑戰的抵抗力，降低因不確定性而造成的決策失誤損失。 中國工業云市場在國家鼓勵政策和傳統行業數字經濟發展的推動下增長迅速。一方面工業云解決方案類型不斷豐富，工業互聯網、MES 系統、全生命周期管理、供應鏈管理等系統大幅提升了工業企業的運營效率。另一方面工業云解決方案的需求數量和項目量級提升，AI、IoT 等新興技術的賦能加速工業核心設備系統上云。艾瑞咨詢數據顯示，2021年中國工業云市場規模 250 億元，同比增長 46.2%，并預計到 2025 年該市場規模將達到785億元，2021-2025 年復合增長率預計達到 33.1%，有望保持高速增長態勢。

工業互聯網、工業數字孿生等有望成為未來幾年工業制造企業重點發展方向。工業數字孿生將物理對象構建為數字模型，利用感知、控制、數據管理與模型分析來實時檢測物理對象的狀態，并且作出相應決策以管理與調控物理對象的狀態，從而大大縮短新品上市周期。數字孿生可以打造全物理世界生命周期虛擬化，降低試錯成本。工業互聯網是解決數據與業務、系統之間分散割裂的整體性解決方案，集頂層應用、中層數據分析和功能集合以及底部可彈性擴容基礎設施于一體，輔以網絡與安全體系。工業互聯網可以通過對工業產業鏈各環節優化和增強整體連通性，在設備及產品管理、業務與運營優化、社會化資源協作三個維度為企業降本增效。

2022 年我國工業云（平臺）解決方案市場前五企業占比超過50%，而工業云（應用）解決方案市場集中度較低。2022 年中國工業云（平臺）解決方案市場中，阿里巴巴占比最高，達 26.3%。華為占比 12.5%排名第二，用友、騰訊、浪潮占比均低于5%。在工業云（應用）側，用友市場份額占比最多，達 12.5%，CR5 為 33.8%，不足四成。

4.平臺化：我國工業互聯網平臺應用仍處于較低水平

工業互聯網平臺包含數據采集（邊緣層）、基礎設施（IaaS 層）、工業PaaS（平臺層）、和工業 App（SaaS 層）四大要素。其中數據采集（邊緣層）是基礎，本質是利用感知技術對多源設備、異構系統、運營環境、人等要素信息進行實時高效采集和云端匯聚。同時通過協議轉換和邊緣計算，一部分數據在邊緣側進行分析，另一部分數據傳到云端進行綜合分析，進一步優化形成決策，為制造資源的優化提供數據源，是建設工業互聯網平臺的基礎。基礎設施（IaaS 層）是支撐，作用是提供計算、存儲及網絡等資源，支撐PaaS層更好地為用戶服務。通過虛擬化技術將計算、存儲、網絡等資源池化，向用戶提供可計量、彈性化的資源服務。

工業 PaaS 平臺是核心，通過構建一個可擴展的操作系統，為工業App應用開發提供了基礎平臺。工業 PaaS（平臺層）向下調用部署在 IaaS 層的資源，向上為SaaS層提供功能模塊、管理模塊、計算存儲等資源的調用和配置。工業 PaaS 最核心的是基于微服務架構的數字化模型，即將大量的工業技術原理、行業知識、基礎工藝、模型工具等規則化、軟件化、模塊化，并封裝為可重復使用的組件。 工業 App 是關鍵，通過推動工業技術、經驗、知識和最佳實踐的模型化、軟件化，形成滿足不同行業、不同場景的應用服務，以工業 App 的形式呈現。工業App 層由傳統軟件云化和基于工業 PaaS 層開發的新型工業 App 應用構成，面向企業客戶提供SaaS服務。工業 App 層通過不斷匯聚應用開發者、軟件開發商、服務集成商、工業用戶和平臺運營商等各方資源，成為工業企業企業和軟件巨頭構建和打造工業云生態系統的關鍵。

我國工業互聯網平臺普及率整體水平較低，未來幾年滲透率有望快速提升。根據國家工業信息安全發展研究中心數據，我國工業互聯網平臺應用普及率從2020 年的14.7%提升至 2022 年 22.2%。同時，黨中央、國務院堅持政府引導和市場主導并舉，“建平臺”和“用平臺”并重，“工業互聯網平臺普及率”已被納入多項國家級戰略規劃，并提出了到2025年工業互聯網平臺應用普及率達到 45%的具體目標。 《工業互聯網平臺應用數據地圖（2021）》數據顯示，我國工業互聯網平臺整體應用水平從 2020 年的 31.76 分提升至 2021 年的 34.25 分。其中，電力、輕工、交通設備制造這三大行業的工業互聯網平臺應用水平相對較高，分別達到 40.85 分、38.82 分和36.52分，其次是電子、機械、紡織和冶金等行業，整體應用水平仍有很大提升空間。