1.1 AI+工业软件的定义与技术内涵
1.1.1 工业软件的基本定义与分类
（1）研发设计类CAD/CAE/CAM/EDA
（2）生产制造类MES/PLC/DCS
（3）经营管理类ERP/PLM/SCM）
1.1.2 AI+工业软件的内涵界定：AI赋能工业软件的全新范式
1.1.3 人工智能与工业软件融合的三个层次：AI增强、AI辅助、AI原生
1.2 AI+工业软件的核心技术特征
1.2.1 AI驱动的工业软件智能化升级：从“规则驱动”到“数据+知识驱动”
1.2.2 工业大模型与工业智能体（Agent）的崛起
1.2.3 数字孪生与物理AI的融合创新
1.2.4 云原生与AI原生的软件架构变革
1.3 AI+工业软件的战略价值
1.3.1 新型工业化的核心支撑与“工业制造大脑”
1.3.2 制造业智能化升级的关键驱动力
1.3.3 产业链供应链安全自主可控的战略基石
1.4 AI+工业软件发展历程
1.4.1 全球技术演进：传统工业软件→云化工业软件→AI赋能工业软件
1.4.2 中国发展路径：跟随→追赶→并跑→局部引领
1.5 本报告数据来源及研究方法
1.5.1 本报告数据来源
1.5.2 本报告研究方法

2.1 行业监管体系及机构职能
2.1.1 监管体系（工信部主导、多部委协同）
2.1.2 核心监管机构（工业和信息化部、国家发改委、科技部）
2.2 AI+工业软件行业标准建设
2.2.1 国际标准参与现状
2.2.2 国内标准研制进展（工业AI标准体系、工业数据标准等）
2.2.3 接口协议与互操作性标准瓶颈
2.3 行业主要政策规划汇总及解读
2.3.1 《关于深入实施“人工智能+”行动的意见》（2025年8月）
2.3.2 《“人工智能+制造”专项行动实施意见》（八部门联合，2026年1月）
2.3.3 《推动工业互联网平台高质量发展行动方案（2026—2028年）》（工信部）
2.3.4 《工业互联网与人工智能融合赋能行动方案》
2.3.5 地方政策：广东省《人工智能赋能制造业高质量发展行动方案（2025—2027年）》
2.3.6 “十五五”工业软件与AI相关专项规划展望
2.4 政策影响分析
2.4.1 政策引导下的产业加速拐点
2.4.2 首台（套）重大技术装备认定与支持
2.4.3 揭榜挂帅机制对AI+工业软件的推动作用
2.4.4 当前政策体系的短板与完善方向

3.1 成本结构分析
3.1.1 研发成本：算法研发、模型训练、数据标注与治理
3.1.2 基础设施成本：算力资源（AI芯片/智算中心）、云平台
3.1.3 人力成本：AI算法工程师、工业领域专家、复合型人才
3.1.4 部署与运维成本：私有化部署 vs 云化SaaS模式
3.1.5 不同类别工业软件（CAD/CAE/MES/ERP）的成本结构对比
3.2 AI赋能下的降本增效路径
3.2.1 AI大模型降低工业软件开发门槛与迭代周期
3.2.2 AI辅助编程与自动化测试对研发效率的提升
3.2.3 工业智能体对运维成本的优化
3.2.4 云化部署对中小企业使用成本的大幅降低
3.3 AI+工业软件商业模式创新
3.3.1 从License授权到SaaS订阅制
3.3.2 “平台+生态”的全栈能力输出模式
3.3.3 工业大模型API调用与MaaS（模型即服务）
3.3.4 项目制交付 vs 标准化产品 vs 定制化解决方案
3.4 AI+工业软件成本研究小结

4.1 中国AI+工业软件行业发展历程
4.1.1 传统工业软件积累期（2010年以前）
4.1.2 云化转型探索期（2010-2019）
4.1.3 AI融合起步期（2020-2024）
4.1.4 AI深度赋能爆发期（2025至今）
4.2 行业运行现状
4.2.1 市场规模与发展增速
4.2.2 产业发展阶段：从AI赋能试点向规模化应用跨越
4.2.3 产业发展核心痛点（数据孤岛、人才短缺、算力成本）
4.2.4 投融资动态
4.2.5 行业发展驱动因素（政策红利、国产替代刚需、AI技术突破）
4.3 市场竞争格局
4.3.1 全球竞争格局（达索、西门子、PTC、Ansys等国际巨头 vs 中国厂商）
4.3.2 中国市场竞争格局：头部集中与细分赛道崛起
4.3.3 跨国企业并购整合对中国市场的影响（新思科技收购Ansys、西门子并购Altair）
4.4 中国AI+工业软件主要玩家及产品谱系调查
4.4.1 综合型平台企业（华为、阿里云、用友网络等）
4.4.2 研发设计类（CAD/CAE/CAM/EDA）
4.4.3 生产制造类（MES/PLC/DCS）
4.4.4 经营管理类（ERP/PLM/SCM）
4.4.5 AI原生工业软件新势力
4.5 行业竞争格局调查
4.5.1 市场份额与细分赛道占有率
4.5.2 技术梯队划分（AI融合深度、自研内核能力、生态完整度）
4.5.3 竞争态势演变：从功能比拼到AI能力比拼
4.6 中国AI+工业软件产业链分析
4.6.1 中国AI+工业软件产业链全景图
4.6.2 中国AI+工业软件产业链成熟度
4.6.3 中国AI+工业软件价值链分布
4.7 AI+工业软件行业现状调查小结

：算力、数据与算法）
5.1 AI算力基础设施
5.1.1 AI芯片（GPU/NPU/DPU）
5.1.2 智算中心与云计算平台
5.1.3 高速互联与分布式计算框架
5.2 工业数据服务
5.2.1 工业数据采集与治理
5.2.2 工业领域高质量数据集建设
5.2.3 工业知识图谱构建
5.3 AI算法与开发框架
5.3.1 工业大模型（盘古大模型、工业级行业大模型等）
5.3.2 机器学习与深度学习框架（PyTorch、TensorFlow、国产框架）
5.3.3 工业智能体（Agent）开发平台
5.4 上游关键挑战
5.4.1 高端AI芯片“卡脖子”现状与国产替代进展
5.4.2 工业数据的质量、安全与隐私保护
5.4.3 工业大模型训练的高算力成本
5.5 上游产业链研究总结

：AI赋能工业软件产品）
6.1 研发设计类工业软件（CAD/CAE/CAM/EDA）
6.1.1 AI+CAD：智能设计、自动出图、参数优化
6.1.2 AI+CAE：智能仿真、物理AI、加速求解
6.1.3 AI+CAM：智能加工路径规划与工艺优化
6.1.4 AI+EDA：智能芯片设计、布局布线优化
6.1.5 主要玩家与产品对比
6.2 生产制造类工业软件（MES/PLC/DCS/SCADA）
6.2.1 AI+MES：智能排产、质量预测、设备运维
6.2.2 AI+PLC/DCS：智能控制、预测性维护
6.2.3 主要玩家与产品对比
6.3 经营管理类工业软件（ERP/PLM/SCM）
6.3.1 AI+ERP：智能财务、供应链预测
6.3.2 AI+PLM：智能研发管理、数字主线
6.3.3 主要玩家与产品对比
6.4 AI原生工业软件与工业互联网平台
6.4.1 工业互联网平台（华为FusionPlant、阿里云ET工业大脑、卡奥斯COSMOPlat等）
6.4.2 工业大模型与工业智能体平台
6.4.3 数字孪生与工业元宇宙平台
6.5 中游产业链发展关键挑战
6.5.1 自主三维几何内核等“卡脖子”技术突破
6.5.2 AI与传统工业软件的深度融合难题
6.5.3 跨行业know-how的积累与复用
6.6 中游产业链研究总结

7.1 高端装备制造
7.1.1 航空航天：智能设计、数字孪生、仿真优化
7.1.2 船舶制造：全生命周期数字化管理
7.1.3 轨道交通：预测性维护与智能运维
7.2 电子信息与半导体
7.2.1 芯片设计：EDA+AI的智能化升级
7.2.2 电子制造：智能质检与良率提升
7.3 汽车制造
7.3.1 新能源汽车：从设计仿真到智能制造的全链条AI赋能
7.3.2 智能驾驶与车路协同中的工业软件应用
7.4 能源化工与流程工业
7.4.1 石油化工：流程优化、安全生产
7.4.2 电力能源：智能调度与设备管理
7.5 主要行业玩家（下游应用企业）
7.5.1 各行业头部制造企业的AI+工业软件应用案例
7.6 2026-2030年AI+工业软件在主要下游领域的市场空间测算
7.7 AI+工业软件在下游应用领域的发展趋势
7.7.1 从单点应用到全流程智能化
7.7.2 从头部企业到中小企业的普惠化下沉
7.7.3 从“AI+软件”到“AI原生工业软件”的演进
7.8 AI+工业软件在应用领域研究小结

：华为技术有限公司
8.1 华为概况
8.1.1 企业基本简介
8.1.2 发展历程与工业软件战略演进
8.1.3 组织架构与业务板块
8.2 华为工业AI战略与布局
8.2.1 “云原生+AI原生”重构工业软件体系
8.2.2 盘古大模型在工业领域的应用
8.2.3 FusionPlant工业互联网平台
8.2.4 iDME工业数据管理底座与工业AI平台
8.3 产品与解决方案体系
8.3.1 工业数字孪生解决方案
8.3.2 工业多智能体（Agent）平台
8.3.3 覆盖“云-边-端”的智能底座
8.3.4 EDA、MES等关键领域的生态攻坚
8.4 生态合作与产业影响力
8.4.1 联合生态伙伴共建工业软件生态
8.4.2 《工业和AI融合应用指南》发布
8.4.3 连续四年蝉联工业互联网平台市场份额第一
8.5 发展优势与经验借鉴
8.5.1 企业核心优势（全栈技术能力、制造基因与数字技术融合、全球化布局）
8.5.2 发展路径复盘
8.5.3 对行业其他玩家的启示

9.1 行业发展趋势
9.1.1 技术趋势：物理AI、多智能体系统、大模型与工业深度融合
9.1.2 产品趋势：从工具软件到智能平台、从单点应用到全流程贯通
9.1.3 产业趋势：国产替代加速、生态整合加剧、全球化竞争
9.1.4 竞争趋势：头部集中与AI能力成为核心壁垒
9.2 行业发展主要风险
9.2.1 技术迭代风险（AI技术快速迭代带来的不确定性）
9.2.2 下游制造业需求波动风险
9.2.3 供应链安全与高端芯片禁运风险
9.2.4 数据安全与合规风险
9.2.5 高端人才短缺风险
9.3 2026-2030年市场空间测算
9.3.1 全球市场空间预测
9.3.2 中国市场空间测算
9.3.3 AI+工业软件细分市场空间（研发设计类、生产制造类、经营管理类）
9.3.4 按下游行业划分的市场空间

10.1 研究总结
10.1.1 市场特点总结（政策驱动+技术驱动+需求驱动三重共振）
10.1.2 技术趋势总结（AI深度融合、云化智能化、自主可控）
10.1.3 企业格局总结（头部平台型企业引领、细分赛道专精特新崛起）
10.2 2026-2030年投资机会多维透视
10.2.1 市场痛点分析（高端内核自主化、AI融合深度、行业know-how积累）
10.2.2 行业爆发点分析（政策密集落地期、国产替代窗口期、AI技术成熟期）
10.2.3 产业链投资机会
（1）上游：AI芯片国产化、工业数据服务、工业大模型
（2）中游：具备自主内核与AI融合能力的工业软件厂商
（3）下游：面向重点行业的AI+工业软件解决方案
10.2.4 新进入者投资机会（工业智能体、AI原生工业软件、垂直行业大模型）
10.3 产业发展策略与投资建议
10.3.1 强化自主三维几何内核等关键核心技术攻关
10.3.2 推动工业数据标准建设与高质量数据集共享
10.3.3 鼓励“平台+生态”的开放协作模式
10.3.4 加强工业AI复合型人才培养
10.4 产业发展壁垒
10.4.1 技术壁垒（自主内核、AI算法、工业know-how）
10.4.2 资金壁垒（研发投入高、回报周期长）
10.4.3 人才壁垒（既懂AI又懂工业的复合型人才稀缺）
10.4.4 生态壁垒（与制造业头部客户的深度绑定）
10.4.5 数据壁垒（工业数据的获取与治理难度大）

【附】中国AI+工业软件行业重点企业推荐
11.1 广州中望龙腾软件股份有限公司
11.1.1 企业发展概况、核心团队
11.1.2 产品谱系与技术指标（All-in-One CAx解决方案）
11.1.3 AI融合进展（AI图形引擎、智能设计等）
11.1.4 核心优劣势分析（自主三维几何内核打破海外垄断/研发投入占比超30%）
11.2 上海宝信软件股份有限公司
11.2.1 企业发展概况（宝武集团旗下）
11.2.2 产品与技术（iPlat工业AI平台、钢铁行业MES/PLC/ERP）
11.2.3 核心优劣势（钢铁流程工业绝对领导者/行业绑定较深）
11.3 中控技术股份有限公司
11.3.1 企业发展概况
11.3.2 产品与技术（DCS/SIS、流程工业AI优化）
11.3.3 核心优劣势（流程工业DCS市占率国内第一/化工能源等特定行业）
11.4 鼎捷数智股份有限公司
11.4.1 企业发展概况（43年发展历程）
11.4.2 产品与技术（ERP/MES/PLM协同解决方案、AI驱动）
11.4.3 核心优劣势（制造业全链条覆盖/行业know-how深厚）
11.5 用友网络科技股份有限公司
11.5.1 企业发展概况
11.5.2 产品与技术（精智工业互联网平台、云化PLM）
11.5.3 核心优劣势（中小企业覆盖率第一/PaaS生态完善）
11.6 能科科技股份有限公司
11.6.1 企业发展概况
11.6.2 产品与技术（“乐系列”工业软件、“灵系列”AI Agent）
11.6.3 核心优劣势（数字孪生+AI深度融合/规模相对较小）
11.7 上海索辰信息科技股份有限公司
11.7.1 企业发展概况
11.7.2 产品与技术（CAE多物理场仿真）
11.7.3 核心优劣势（航天/军工领域国产替代领先/商业化扩展需加强）
11.8 北京华大九天科技股份有限公司
11.8.1 企业发展概况
11.8.2 产品与技术（EDA全流程工具）
11.8.3 核心优劣势（EDA国产化龙头/国际巨头差距仍存）
11.9 上海合见工业软件集团有限公司
11.9.1 企业发展概况
11.9.2 产品与技术（数字验证平台、高速接口IP）
11.9.3 核心优劣势（EDA国产化标杆/成立时间相对较短）
11.10 创新奇智科技集团股份有限公司
11.10.1 企业发展概况
11.10.2 产品与技术（AInnoGC工业大模型、AI智能体）
11.10.3 核心优劣势（AI原生工业软件新势力/盈利模式待验证）