PLM软件的突围。
随着数字化转型加速推进，工业软件的重要性日益凸显。其中，产品生命周期管理（PLM）软件作为提升企业创新能力和效率的关键工具，正逐渐引起行业的关注。
在PLM软件领域，一些国际厂商如PTC、西门子、达索等长期占据领先地位，与此同时，国内厂商如鼎捷软件、金蝶、用友、思普、华天软件等也在迅速崛起。他们凭借本土化优势和对国内市场的深入理解，推出了一系列适应国内制造业需求的PLM软件产品，并逐渐在市场上占据一席之地。
近日，鼎捷软件副总裁谢丽霞接受21世纪经济报道记者专访时谈道：“工业软件国产化在不同领域面临的挑战是不同的，比如OA范畴的软件基本能替换了，MES车间管理软件因为与制造生产形态的多样化有关，替换难度就更大。而难度最大的就是PLM、CAD、EDA等研发设计类工业软件，近两年来鼎捷的PLM业务正在快速增长。”
一方面，国内的工业软件正在逐步攻克核心技术，另一方面更多的企业愿意使用国产软件。日前，鼎捷软件推出了新一代PLM产品，据悉这是业内首款融入AI技术的智能化PLM，从中也能看到当前工业软件的一个新趋势，生成式AI正在工业界掀起新变革。
国产工业软件高端突围
工业软件被称为工业制造的“大脑”和“神经”，主要可以分为研发设计类、生产管控类、管理运营类、嵌入式软件类。其中，研发设计类的PLM、CAD、EDA、CAE等高端工业软件领域技术壁垒高。
PLM是企业实现数字化转型的核心工具之一。PLM软件通过集中管理产品信息、流程和资源，帮助企业在产品设计和生产过程中实现更高的协同、创新和质量。
以鼎捷软件为例，业界最熟知的是其制造业ERP产品，其实鼎捷的业务已完整覆盖工业软件的四大类别，包括数字化管理类、研发设计类、生产控制类及AIoT类，其中研发设计类的PLM是近年高增长品类。
谢丽霞告诉记者：“鼎捷是国内最早一批进入PLM领域的国内厂商，只专注于制造业，已经服务了2000多家制造业客户，主要聚焦在6个行业，包括装备制造、高科技电子、汽车零部件、新能源材料等。这两年看，新能源新材料、装备制造市场的增量很大，今年半导体因为整个市场低迷，增速有一定放缓。”
尽管细分行业有起伏，但是在近年企业数字化发展的趋势中，工业软件的重要性和价值正在被更多人认可，厂商们对于工业软件等基础型底座更加重视。
谢丽霞向记者表示，越来越多的客户选择了鼎捷等国内的工业软件，“比如针对细分行业深度场景的应对上，鼎捷已将解决方案封装到产品中。而国外产品对该类场景的直接满足度并不高，且定制成本较大。再比如历史数据资产迁移等，鼎捷也有丰富的成功经验。”
从数据来看，国内的工业软件正在加速发展。根据IDC发布的《IDC Market Forecast：中国核心工业软件市场预测，2022-2026》报告，预计从2021年到2026年，中国制造业整体软件市场规模将从1533.2亿元人民币增长到3361.4亿元人民币，年复合增长率17%；其中核心工业软件市场规模将从201.4亿元人民币增长到515.6亿元人民币，年复合增长率20.7%。
事实上，此前国内工业软件生态基础薄弱，但近年来随着国内智能制造加快发展，带动了软件产业的增长空间，产业并逐步往高端领域进发。
生成式AI如何落地工业领域
作为国产工业软件的核心环节，PLM软件的发展也随着整体产业环境、企业研发设计环节场景、技术应用等层面的演变而发生变化。华中科技大学机械学院工艺装备及其自动化系教师彭义兵指出，PLM的未来趋势将由“A”时代的CAD、CAPP等计算机辅助发展为“AI时代”的人工智能技术增强产品设计、制造与服务。
这也意味着，AI在软件中的角色将越来越重要，尤其是融入生成式AI能力后，PLM将能够实现更智能化的产品设计、分析和优化，提升产品的创新性和竞争力。
谢丽霞介绍道，智能是鼎捷软件新一代PLM的关键特性之一，目前生成式AI已经在多个环节中尝试。比如，工程师在做完结构设计定型，AI就会预测下一步工艺规划，提早准备好对应相似的工艺流程、工装夹具等给工程师参考，提高设计效率。
在使用场景背后，鼎捷软件已经和国内外主流的大模型进行合作，包括和微软在GPT上的合作、百度文心一言的合作等。今年，鼎捷软件发布融合GPT技术的企业级知识机器人ChatFile，子公司鼎新电脑与微软Azure OpenAI合作推出PaaS平台“METIS”，随后又推出多款SaaS级应用，PLM产品也融合了这些产品的AI能力。
“我们虽然不做大模型，但是我们会运用大模型的能力结合鼎捷对制造业场景的深度理解，去发展一些对制造业有价值的应用。”谢丽霞谈道，“术业有专攻，大模型未来基本只有几家大厂才有能力做，鼎捷软件会运用小模型来训练行业知识，基于大模型叠加自己的小模型来解决‘答非所问’的问题。”
对于生成式AI在应用中的挑战，谢丽霞表示，目前AI的产品都比较偏于C端，B端的应用、场景较少，所以大家对它的理解认识可能还需要一段的时间。其次是数据，如何更好地处理海量数据，这也是用好AI的关键。