一、本報告概要

智能制造是大勢所趨，正快速推進

近年來我國人口紅利出現拐點，2018年就業人口同比下降0.07%，但我國相對美國的制造業勞動薪酬比2007年增長了2.6倍，勞動力比較優勢減弱。同時，我國制造業長期處于中低端，制造業對于轉型升級的需求十分迫切。智能制造是我國制造業業轉型升級的突破口，其在控制成本、提升效率的作用已經得到證實，同時對高端制造更是有著重要意義。制造業地位關乎國家利潤分配，各個國家對于智能制造均給予了充分的重視，歐美日韓等發達國家紛紛推出刺激政策，我國也推出《中國制造2025》以提高制造業地位，目前智能制造在我國正在快速推進，工信部智能制造試點示范項目已經達到305個，覆蓋92個行業類別。

工業軟件是智能制造的核心

作為新一輪的工業革命，智能制造目標是工業知識的規模化應用和傳承。工業體系交替的背后是制造范式的改變，工業體系的智能化轉型，關鍵在于數據的自由流通和精確的工藝建模，以消除復雜系統的不確定性，提高資源的配置效率，其中最為代表性便是數字孿生技術，而數據流通和工藝建模依賴的就是工業軟件。工業軟件建立了數字自動流動規則體系，并以此建立模型對制造的各個環節進行賦能，因此可以說智能制造中軟件定義了制造，智能制造的本質是軟件化的工業基礎。

工業軟件國產替代勢在必行

歐美是工業軟件的起源地，也是工業軟件最大的市場，由于工業軟件在需求、知識、應用、數據等方面依賴工業體系，工業軟件巨頭多來自于制造業，如PLM領域的達索和西門子，由于我國還未能完全完成工業化進程，相關企業缺乏經驗和人才積累，我國工業軟件市場長期被先進的海外產品占據。目前國內已經具備一定數量的工業軟件企業，國內企業已在通用軟件市場中得到充分成長，但在工業屬性更強的領域仍有待突破。中美技術摩擦和華為事件表明了核心技術國產化的重要性，未來國產ERP、CRM等通用類軟件進入國內超大型企業，MES、PLM等高工業屬性軟件國產替代將成為趨勢。出于對先進制造和信息安全問題的考慮，我們認為工業軟件的國產化是長期趨勢，相關領域具備較大的投資機會。

二、工業軟件：軟件化的工業技術

工業軟件是指應用于工業領域，為提高工業研發設計、業務管理、生產調度和過程控制水平的相關軟件和系統。工業軟件是將工業技術軟件化，即工業技術、工藝經驗、制造知識和方法的顯性化、數字化和系統化，是一種典型的人類使用知識和機器使用知識的技術泛在化過程。

按照用途和表現形式，工業軟件一般分為研發設計類軟件、信息管理類軟件、生產控制類軟件和嵌入式工業軟件四類，每類工業軟件均有其代表產品和企業。目前，信息管理類軟件的已有較高普及率，智能制造背景下，產品研發與生產控制類軟件得到大力推進，發展前景廣闊。

研發設計類軟件主要用于提升企業在產品設計與研發工作領域的能力和效率，CAD和PLM為其最有代表性的產品；生產控制類軟件用于提高制造過程的管控水平、改善生產設備的效率和利用率，其中MES 是其最具代表性的產品。 

CAD（ComputerAideDDesign）是利用計算機的計算功能和圖形處理能力，輔助進行產品或工程設計與分析的方法，從上世紀80年代末開始得到了迅速的發展，新世紀以來個人計算機的發展和普及使CAD得到了進一步的推廣，已在機械、電子、能，航空航天、建筑領域得到的廣泛應用。CAD軟件具有豐富的繪圖和繪圖輔助功它的各項設計，如工具欄、菜單設計、對話框、圖形打開預覽、信息交換、文本編輯、圖像處理和圖形的輸出預覽等，為用戶的繪圖帶來很大方便，其不僅在二維繪圖處理十分成熟，三維功能也更加完善，可方便地進行建模和渲染，大大提升設計研發過程的效率。 

PLM（Product LifecycleManagement）表示產品生命周期管理。PLM將計算機輔助設計（CAD）、輔助分析（CAE）、輔助制造（CAM）、產品數據管理（PDM）無縫連接在一起，使企業能夠對產品從構思、設計、生產、到最終報廢等全生命周期的設計數據及信息進行高效和經濟的應用、管理。PLM以產品為中心，在產品設計、需求分析階段就開始對產品、市場和用戶數據進行管理，并與 ERP和MES 系統相連，形成持續改進的閉環智能研發、生產模式，持續指導改善產品的設計、制造過程，形成往復循環、持續優化的研發過程。 

MES （Manufacturing Execution Syste）即制造企業生產過程執行系統，是一套面向制造企業車間執行層的生產信息化管理系統。MES 系統通過控制包括物料、設備、人員、流程指令和設施在內的所有工廠資源，優化從定單到產品完成的整個生產活動，以最少的投入生產出最優的產品，當工廠發生實時事件時，MES 能對次此即使做出反應、報告，并用當前的準確數據對生產過程做出指導和處理，從而實現連續均衡生產，既能提高工廠及時交貨能力，改善物料的流通性能，又能提高生產回報率。

三、智能制造大勢所趨，正快速推進

智能制造始于20世紀80年代人工智能在制造業領域中的應用，發展于20世紀90年代智能制造技術和智能制造系統的提出，成熟于21世紀基于信息技術的“IntelligentManufacturing（智能制造）”的發展。工業和信息化部將智能制造定義為基于新一代信息技術，貫穿設計、生產、管理、服務等制造活動各個環節，具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統與模式的總稱。

1、智能制造助力制造業轉型升級

長期以來，充足的勞動力以及低廉的勞動成本是我國制造業的核心競爭優勢，在全球分工的情況下，帶動了外國企業進入中國投資建廠和本地商品的大額出口，使中國成為全球制造大國，過去制造業拉動 GDP 明顯，成功促進了經濟的正向發展。然而，近年來我國勞動力比較優勢減弱，計劃生育人口轉化為勞動人口，人口紅利出現拐點，2018年就業人口出現負增長，同比下降0.07%。同時，經濟的發展提高了勞動薪酬，2007年以來我國制造業勞動薪酬相對美國增長了2.6倍，印度與東南亞國家的制造優勢逐漸顯現，將對我國制造業造成不小的沖擊。在制造業比較優勢減弱的情形下，智能化轉型成為我國制造業重要出路。 

我國制造業整體長期處于中低端，高端制造是我國的薄弱點。受益于經濟全球化，憑借充足低廉勞動力與資源，我國制造業在短短幾十年便有了長足的發展，但長期處于全球價值鏈底端，從事原材料的基礎加工和中間產品的制造，在關鍵器件與核心技術上處于絕對劣勢，高附加值產品設計生產能力不足。但隨著我國勞動力拐點出現，同時經濟發展帶動勞動薪酬提升，我國制造業競爭優勢減弱，制造業的轉型升級必要性凸顯，尤其是2018年中興事件與中美貿易摩擦下美國的技術封鎖后，掌握核心技術與高端制造必然是我國制造業發展方向。 

智能制造以戰略的眼光從企業的供給端入手，加強生產流程與設備的整合創新，并從源頭識別創新驅動因素，通過優化供應鏈和價值鏈，運用智能管理等手段為企業的成本管理提供智能化的戰略信息，從而促進企業競爭優勢的形成和核心競爭力的培植。智能制造在控制成本、提升效率的作用已經得到證實。

四年來中國工業和信息化部遴選出了305個智能制造試點示范項目，涉及92個行業類別，覆蓋全國境內所有省（自治區、直轄市），拉動投資超過千億元人民幣。初步統計下，這些項目智能化改造前后對比，生產效率平均提升37.6%，最高3倍以上；能源利用率平均提升16.1%，最高達到1.25倍；運營成本平均降低21.2%，產品研制周期平均縮短30.8%，產品不良率平均降低25.6%，智能制造控本提效作用明顯。 

智能制造是我國制造業業轉型升級的鑰匙。作為第四代工業革命，智能制造將給企業帶來的是更加靈活的制造流程和更加高效的生產方式，是對整個制造業競爭力的提升，對高端制造更是有著重要意義，航天、先進設備等高端制造業對智能化有著更高的要求。《中國制造2025》提出了智能制造在十大重點領域的集成應用，直指高端制造。 

2、發達國家開啟智能制造計劃，我國政策密集出臺

全球分工的背景下，制造業尤其是高端制造關系到國家利潤分配，智能制造作為新的產業趨勢，受到各個國家的重視，歐美發達國家紛紛推出刺激政策，我國也推出《中國制造2025》以提高制造業地位。

美國提出先進制造業國家戰略計劃。2012年，美國發布了《國家先進制造戰略計劃》，該計劃由美國商務部、國防部和能源部牽頭，相關聯邦部門參與，旨在協調各部門發展先進制造的政策，從投資、勞動力和創新等方面提出了五大目標：

1、加速對先進制造的投資，特別是對中小型制造企業；2、開發一個更加適應崗位技能要求的教育和培訓系統；3、優化聯邦政府對先進制造 R&D投入；4、增加公共和私營部門對先進制造 R&D投入；5、加強國家層面和區域層面所有涉及先進制造的機構的伙伴關系。

德國推出工業4.0戰略。工業4.0在2013年在德國漢諾威工業博覽會上首次推出，是由德國政府《德國2020高技術戰略》中所提出的十大未來項目之一。該項目由德國聯邦教育局及研究部和聯邦經濟技術部聯合資助，投資預計達2億歐元，旨在提升制造業的智能化水平，建立具有適應性、資源效率及基因工程學的智慧工廠，在商業流程及價值流程中整合客戶及商業伙伴。德國的工業4.0將利用物聯信息系統(Cyber—PhysicaLSysteM簡稱CPS)將生產中的供應，制造，銷售信息數據化、智慧化，最后達到快速，有效，個人化的產品供應。

我國提出《中國制造2025》。中國制造2025，是中國政府實施制造強國戰略的第一個十年行動綱領，該概念在2014年被首次提出，2015年正式確認實施。《中國制造2025》計劃通過“三步走”實現制造強國的戰略目標：第一步，到2025年邁入制造強國行列；第二步，到2035年中國制造業整體達到世界制造強國陣營中等水平；第三步，到新中國成立一百年時，綜合實力進入世界制造強國前列。圍繞實現制造強國的戰略目標，《中國制造2025》提出攻克五大關鍵技術裝備，推進十大重點領域集成應用。 

近年來，我國制造業比較優勢減弱，高端制造發展需求迫切，與發達國家相比，我國更加需要智能制造提升產業鏈地位，《中國制造2025》將智能制造放在了國家戰略高度，國內配套政策也相繼出臺，各省市刺激政策也頻繁落地。智能制造試點工作也在加速推進，遴選項目逐年增加，2016-2018年項目數目分別是60、97和99個，已經涵蓋了92個行業類別。 

四、工業軟件是智能制造的核心

1、智能制造是新一輪的工業革命

從實用和廣義的角度上看，智能制造的概念可以總結為：智能制造是以智能技術為代表的技術為指導的先進制造，包括以智能化、網絡化、數字化和自動化為特征的先進制造技術的應用，涉及制造過程中的設計、工藝、裝備（結構設計和優化、控制、軟件、集成）和管理。與此前歷次工業革命相比，制造的核心地位仍未改變，但智能化成為制造的新特征與內涵。

工業革命逐漸解放制造人力。制造本質上是從“原材料”到“產品”的過程，內容可以簡化為工藝設計、工藝參數、過程控制、執行四個步驟。在歷次工業革命中，制造工業走過了機械化、電氣化、自動化（數字化）、智能化的道路，在這個過程中，工具（裝備）做的事越來越多，人逐步把精力更多的投入到創造性的工作中。若把“制造”看作從起點到終點的出行問題，制造業歷次升級過程可以分別形象為自行車（機械化）-電動車（電氣化）-汽車（自動化）-自動駕駛（智能化），其中人更多的參與到決策過程中，對人力的要求越來越低，效率大幅提升。 

智能制造的發展是由體系建立到精確模型建立的過程，實現智能制造，首先要解決智能維護大問題，再做智能預測，最后做到無憂系統與大價值。具體來看分為以下五個階段：第一階段：全員生產系統（TPS）。由日本提出來的，建立的5S 標準（整理、整頓、清掃、清潔、素養）是七八十年代整個制造系統當中引以為核心的標準，固化在了組織和對人培訓方面。第二階段：精益制造和6-Sigma。它的核心價值是如何以數據作為標準建立管理體系，本質是消除浪費。在這個基從礎下面包括質量管理體系、產品全生命周期管理體系等等。這個時候數據真正在制造使用過程中發揮作用。

第三階段：數據驅動的預測性建模分析。以數據驅動的預測性建模分析，指的是怎么把隱性的問題顯性化，顯性化之后解決隱性的問題，避免顯性問題的發生。

第四階段，以預測為基礎的資源有效性運營決策優化。對于過去產生的關聯性都能夠建模之后，怎么根據系統生產、環境、人員多方要素變化進行實時動態優化。

第五階段，“信息-物理”系統。它是建立在對于所有設備本身運行的環境、活動目標非常精確建模基礎上，這個時候產生知識的應用和傳承問題。 

智能制造最終要具備狀態感知、實時分析、自主決策、精準執行的特征，使得企業更柔性、更智能、更集成化，并且實現了大部分或者全部的智能化技術應用，目標是實現知識的獲取、規模化利用與傳承。目前我國處于轉型的最重要時期，還沒有完全到達第三個階段。

2、制造范式轉型，關鍵在于數據流通與工藝建模

工業體系交替的背后是制造范式的改變。從傳統到現代再到智能制造，研發生產流程不斷進行重構與組織重建，創新流程的邊界日漸模糊。傳統制造下研發/制造流程是串行的，現代制造下變革為并行，在未來智能制造體系下的研發/制造流程將是一體化，所有的過程是并行、并發的，數據的高速、有序的自由流通，各個環節高度互動和協同，組織是靈活動態的組織單元，由此而獲得非常高的研發效率。

智能制造是以數據的自動流動解決復雜系統的不確定性，提高資源配置效率。個性化定制是未來制造發展方向，產品越來越多，工藝越來越復雜，需求越來越復雜，以個性化定制為代表的復雜系統存在一系列問題，比如成本如何解決，質量如何解決，交貨期如何解決，這些問題帶來了企業生產的復雜性、多樣性和不確定性，而智能制造要解決的就是在制造復雜性提高的形況下的不確定性問題。

在前三次的工業革命中，傳統的制造業主要圍繞五個核心要素（5M）進行技術升級，分別是：（1）材料（Material）-包括功能、特性等；（2）機器（Machine）-包括精度、自動化、和生產能力等；（3）方法（Methods）-包括工藝、效率、和產能等；（4）測量（Measurement）-包括6-Sigma、傳感器監測等；（5）維護（Maintenance）-包括使用率、故障率、和運維成本等。這些改善活動都是圍繞著人的經驗開展的，人是駕馭這5個要素的核心。生產系統在技術上無論如何進步，運行邏輯始終是：發生問題->人根據經驗分析問題->人根據經驗調整5個要素->解決問題->人積累經驗。

建模是智能制造與傳統制造最大區別。智能制造系統區別于傳統制造系統的最重要的要素在于第6個M：建模（Modeling—數據和知識建模，包括監測、預測、優化和防范等），并通過這第6個M來驅動其他5個傳統要素，從而解決和避免制造系統的問題，消除系統中的不確定性。因此，智能制造運行的邏輯是：發生問題→模型（或在人的幫助下）分析問題→模型調整5個要素→解決問題→模型積累經驗，并分析問題的根源→模型調整5個要素→避免問題，工藝模型擔任大腦的角色，成為整個制造系統的核心。 

數字孿生技術的背后是數字模型

數字孿生體現的是數字模型和實體的雙向進化過程。數字孿生是指充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。舉例來講，導航軟件中城市的實體道路和軟件中的虛擬道路就是“數字孿生”。數字孿生體現了軟件、硬件、和物聯網回饋的機制，運行實體的數據是數字孿生的營養液輸送線，反過來，很多模擬或指令信息可以從數字孿生輸送到實體，以達到診斷或者預防的目的，是一個雙向進化的過程。 

通過產品數字孿生體的定義可以看出：1）產品數字孿生體是產品物理實體在信息空間中集成的仿真模型，是產品物理實體的全生命周期數字化檔案，并實現產品全生命周期數據和全價值鏈數據的統一集成管理；2）產品數字孿生體是通過與產品物理實體之間不斷進行數據和信息交互而完善的；3）產品數字孿生體的最終表現形式是產品物理實體的完整和精確數字化描述；4）產品數字孿生體可用來模擬、監控、診斷、預測和控制產品物理實體在現實物理環境中的形成過程和狀態。在這其中，數據流通與交換起到十分重要的作用，其為產品數字孿生體提供訪問、整合和轉換能力，其目標是貫通產品生命周期和價值鏈，實現全面追溯、雙向共享/交互信息、價值鏈協同。

數字孿生是CPS 關鍵技術。CPS 通過構筑信息空間與物理空間數據交互的閉環通道，能夠實現信息虛體與物理實體之間的交互聯動。數字孿生體的出現為實現CPS 提供了清晰的思路、方法及實施途徑。以物理實體建模產生的靜態模型為基礎，通過實時數據采集、數據集成和監控，動態跟蹤物理實體的工作狀態和工作進展（如采集測量結果、追溯信息等），將物理空間中的物理實體在信息空間進行全要素重建，形成具有感知、分析、決策、執行能力的數字孿生體。 

3、軟件定義制造，智能制造本質是軟件化的工業基礎

軟件是智能的核心。工業軟件建立了數字自動流動規則體系，操控著規劃、制作和運用階段的產品全生命周期數據，是數據流通的橋梁，是工業制造的大腦。同時，工業軟件內部蘊含制造運行規律，并根據數據對規律建模，從而優化制造過程。可以說，軟件定義著產品整個制造流程，使得整個制造的流程更加靈活與易拓展，從研發、管理、生產、產品等各個方面賦能，重新定義制造。 

軟件定義制造。以信息物理系統為例，賽博物理系統（CPS）本質是構建一套賽博（Cyber）空間與物理（Physical）空間之間基于數據自動流動的狀態感知、實時分析、科學決策、精準執行的閉環賦能體系，解決生產制造、應用服務過程中的復雜性和不確定性問題，提高資源配置效率，實現資源優化。這一閉環賦能體系概括為“一硬”（ 感知和自動控制）、“一軟”（工業軟件）、“一網”（工業網絡）、“一平臺”（工業云和智能服務平臺）。其中工業軟件代表了信息物理系統的思維認識，是感知控制、信息傳輸、分析決策背后的世界觀、價值觀和方法論，可以說是工業軟件定義了CPS。

工業軟件是對工業各類工業生產環節規律的代碼化，支撐了絕大多數的生產制造過程。作為面向制造業的CPS，軟件就成為了實現CPS 功能的核心載體之一。工業軟件不但可以控制產品和裝備運行，而且可以把產品和裝備運行的狀態實時展現出來，通過分析、優化，作用到產品、裝備的運行，甚至是設計環節，實現迭代優化。 

四、工業軟件是智能制造的核心

1、智能制造是新一輪的工業革命

從實用和廣義的角度上看，智能制造的概念可以總結為：智能制造是以智能技術為代表的技術為指導的先進制造，包括以智能化、網絡化、數字化和自動化為特征的先進制造技術的應用，涉及制造過程中的設計、工藝、裝備（結構設計和優化、控制、軟件、集成）和管理。與此前歷次工業革命相比，制造的核心地位仍未改變，但智能化成為制造的新特征與內涵。

工業革命逐漸解放制造人力。制造本質上是從“原材料”到“產品”的過程，內容可以簡化為工藝設計、工藝參數、過程控制、執行四個步驟。在歷次工業革命中，制造工業走過了機械化、電氣化、自動化（數字化）、智能化的道路，在這個過程中，工具（裝備）做的事越來越多，人逐步把精力更多的投入到創造性的工作中。若把“制造”看作從起點到終點的出行問題，制造業歷次升級過程可以分別形象為自行車（機械化）-電動車（電氣化）-汽車（自動化）-自動駕駛（智能化），其中人更多的參與到決策過程中，對人力的要求越來越低，效率大幅提升。 

智能制造的發展是由體系建立到精確模型建立的過程，實現智能制造，首先要解決智能維護大問題，再做智能預測，最后做到無憂系統與大價值。具體來看分為以下五個階段：第一階段：全員生產系統（TPS）。由日本提出來的，建立的5S 標準（整理、整頓、清掃、清潔、素養）是七八十年代整個制造系統當中引以為核心的標準，固化在了組織和對人培訓方面。第二階段：精益制造和6-Sigma。它的核心價值是如何以數據作為標準建立管理體系，本質是消除浪費。在這個基從礎下面包括質量管理體系、產品全生命周期管理體系等等。這個時候數據真正在制造使用過程中發揮作用。

第三階段：數據驅動的預測性建模分析。以數據驅動的預測性建模分析，指的是怎么把隱性的問題顯性化，顯性化之后解決隱性的問題，避免顯性問題的發生。

第四階段，以預測為基礎的資源有效性運營決策優化。對于過去產生的關聯性都能夠建模之后，怎么根據系統生產、環境、人員多方要素變化進行實時動態優化。

第五階段，“信息-物理”系統。它是建立在對于所有設備本身運行的環境、活動目標非常精確建模基礎上，這個時候產生知識的應用和傳承問題。 

智能制造最終要具備狀態感知、實時分析、自主決策、精準執行的特征，使得企業更柔性、更智能、更集成化，并且實現了大部分或者全部的智能化技術應用，目標是實現知識的獲取、規模化利用與傳承。目前我國處于轉型的最重要時期，還沒有完全到達第三個階段。

2、制造范式轉型，關鍵在于數據流通與工藝建模

工業體系交替的背后是制造范式的改變。從傳統到現代再到智能制造，研發生產流程不斷進行重構與組織重建，創新流程的邊界日漸模糊。傳統制造下研發/制造流程是串行的，現代制造下變革為并行，在未來智能制造體系下的研發/制造流程將是一體化，所有的過程是并行、并發的，數據的高速、有序的自由流通，各個環節高度互動和協同，組織是靈活動態的組織單元，由此而獲得非常高的研發效率。

智能制造是以數據的自動流動解決復雜系統的不確定性，提高資源配置效率。個性化定制是未來制造發展方向，產品越來越多，工藝越來越復雜，需求越來越復雜，以個性化定制為代表的復雜系統存在一系列問題，比如成本如何解決，質量如何解決，交貨期如何解決，這些問題帶來了企業生產的復雜性、多樣性和不確定性，而智能制造要解決的就是在制造復雜性提高的形況下的不確定性問題。

在前三次的工業革命中，傳統的制造業主要圍繞五個核心要素（5M）進行技術升級，分別是：（1）材料（Material）-包括功能、特性等；（2）機器（Machine）-包括精度、自動化、和生產能力等；（3）方法（Methods）-包括工藝、效率、和產能等；（4）測量（Measurement）-包括6-Sigma、傳感器監測等；（5）維護（Maintenance）-包括使用率、故障率、和運維成本等。這些改善活動都是圍繞著人的經驗開展的，人是駕馭這5個要素的核心。生產系統在技術上無論如何進步，運行邏輯始終是：發生問題->人根據經驗分析問題->人根據經驗調整5個要素->解決問題->人積累經驗。

建模是智能制造與傳統制造最大區別。智能制造系統區別于傳統制造系統的最重要的要素在于第6個M：建模（Modeling—數據和知識建模，包括監測、預測、優化和防范等），并通過這第6個M來驅動其他5個傳統要素，從而解決和避免制造系統的問題，消除系統中的不確定性。因此，智能制造運行的邏輯是：發生問題→模型（或在人的幫助下）分析問題→模型調整5個要素→解決問題→模型積累經驗，并分析問題的根源→模型調整5個要素→避免問題，工藝模型擔任大腦的角色，成為整個制造系統的核心。 

數字孿生技術的背后是數字模型

數字孿生體現的是數字模型和實體的雙向進化過程。數字孿生是指充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。舉例來講，導航軟件中城市的實體道路和軟件中的虛擬道路就是“數字孿生”。數字孿生體現了軟件、硬件、和物聯網回饋的機制，運行實體的數據是數字孿生的營養液輸送線，反過來，很多模擬或指令信息可以從數字孿生輸送到實體，以達到診斷或者預防的目的，是一個雙向進化的過程。 

通過產品數字孿生體的定義可以看出：1）產品數字孿生體是產品物理實體在信息空間中集成的仿真模型，是產品物理實體的全生命周期數字化檔案，并實現產品全生命周期數據和全價值鏈數據的統一集成管理；2）產品數字孿生體是通過與產品物理實體之間不斷進行數據和信息交互而完善的；3）產品數字孿生體的最終表現形式是產品物理實體的完整和精確數字化描述；4）產品數字孿生體可用來模擬、監控、診斷、預測和控制產品物理實體在現實物理環境中的形成過程和狀態。在這其中，數據流通與交換起到十分重要的作用，其為產品數字孿生體提供訪問、整合和轉換能力，其目標是貫通產品生命周期和價值鏈，實現全面追溯、雙向共享/交互信息、價值鏈協同。

數字孿生是CPS 關鍵技術。CPS 通過構筑信息空間與物理空間數據交互的閉環通道，能夠實現信息虛體與物理實體之間的交互聯動。數字孿生體的出現為實現CPS 提供了清晰的思路、方法及實施途徑。以物理實體建模產生的靜態模型為基礎，通過實時數據采集、數據集成和監控，動態跟蹤物理實體的工作狀態和工作進展（如采集測量結果、追溯信息等），將物理空間中的物理實體在信息空間進行全要素重建，形成具有感知、分析、決策、執行能力的數字孿生體。 

3、軟件定義制造，智能制造本質是軟件化的工業基礎

軟件是智能的核心。工業軟件建立了數字自動流動規則體系，操控著規劃、制作和運用階段的產品全生命周期數據，是數據流通的橋梁，是工業制造的大腦。同時，工業軟件內部蘊含制造運行規律，并根據數據對規律建模，從而優化制造過程。可以說，軟件定義著產品整個制造流程，使得整個制造的流程更加靈活與易拓展，從研發、管理、生產、產品等各個方面賦能，重新定義制造。 

軟件定義制造。以信息物理系統為例，賽博物理系統（CPS）本質是構建一套賽博（Cyber）空間與物理（Physical）空間之間基于數據自動流動的狀態感知、實時分析、科學決策、精準執行的閉環賦能體系，解決生產制造、應用服務過程中的復雜性和不確定性問題，提高資源配置效率，實現資源優化。這一閉環賦能體系概括為“一硬”（ 感知和自動控制）、“一軟”（工業軟件）、“一網”（工業網絡）、“一平臺”（工業云和智能服務平臺）。其中工業軟件代表了信息物理系統的思維認識，是感知控制、信息傳輸、分析決策背后的世界觀、價值觀和方法論，可以說是工業軟件定義了CPS。

工業軟件是對工業各類工業生產環節規律的代碼化，支撐了絕大多數的生產制造過程。作為面向制造業的CPS，軟件就成為了實現CPS 功能的核心載體之一。工業軟件不但可以控制產品和裝備運行，而且可以把產品和裝備運行的狀態實時展現出來，通過分析、優化，作用到產品、裝備的運行，甚至是設計環節，實現迭代優化。 

五、我國工業軟件市場前景廣闊，國產化勢在必行

1、歐美是工業軟件主要市場，我國市場發展迅速

歐美為工業軟件主要市場。歐美完整經歷了三次工業革命，工業化進程基本完成，尤其是在近年全球產業轉移與分工的大背景下，歐美在高端研發與制造上占據壟斷地位，歐美工業軟件市場仍冠絕全球，但亞太地區已經成為增長主力。根據賽迪顧問數據，2016年北美、歐洲和亞太工業軟件市場規模分別為1370億美元、1144億美元和840億美元，同比增長率分別為4.3%、5.2%和7.6%。 

近年來，我國政府和企業逐漸意識到工業軟件在生產制造中的重要性，工業軟件未來規劃逐漸清晰，根據工信部和財政部發布的《智能制造發展規劃（2016-2020年）》，計劃到2020年，傳統制造業重點領域基本實現數字化制造，制造業重點領域企業數字化研發工具普及率超過70%、關鍵工序數控化率超過50%、數字化車間/智能工廠普及率超過20%。在頂層推進智能制造的大背景下，各省市對工業軟件的推進政策頻出，以北京和上海為例：

北京實施“智造100”工程，建設數字化車間、智能工廠、京津冀聯網智能制造等約100個應用示范項目，打造智能制造標桿企業；加強工業互聯網平臺建設；成立工業大數據創新中心；實施京津冀大數據綜合試驗區建設；組建工業技術軟件化（北京）創新中心。

上海推廣工業軟件領域的“上海品牌”；打造制造業“雙創”服務平臺；聚焦電子信息、裝備制造與汽車、生物醫藥、航空航天、鋼鐵化工、都市產業六類重點產業，抓住制造業與互聯網融合關鍵環節，形成產業發展新動能；設立上海市工業互聯網創新發展專項資金，對工業軟件、工業大數據平臺和工業互聯網功能型平臺項目等提供專項支持。

在政策刺激下，工業企業信息化意愿進一步增強，信息化支出不斷增加，工業軟件需求不斷增長。根據中商產業研究院數據，2017年中國工業軟件市場規模達到1412億元，近五年CAGR 達到14.2%。 

研發設計與生產控制類軟件前景廣闊，中小企業客戶仍需挖掘。從各類工業軟件結構上看，根據賽迪顧問發布的《中國工業軟件發展白皮書（2017）》，2016年嵌入式軟件銷售額遠遠高于其他品類，達到786億元。趨勢上看，近年研發設計和生產控制軟件銷售額保持較快增速，高端裝備智能制造領域自主研發水平得到提升，移動智能設備增長帶來了新的信息化需求。從客戶結構上看，2016年大型工業企業投資占比首次超過50%，中小型企業需求仍需進一步挖掘。 

工業互聯網平臺將成為工業軟件發展的重要模式。工業互聯網是面向制造業的數字化、網絡化、智能化轉型的需求，構建大量數據的采集、匯聚、分析的一套體系，支撐制造資源的泛在連接、彈性供給、高效配置的云平臺，其核心是工業PaaS 平臺。PaaS 方案提供軟件部署平臺，抽象掉了硬件和操作系統細節，可以無縫地擴展。開發者只需要關注自己的業務邏輯，不需要關注底層。云計算中心以透明化的方式提供行業應用工業云PaaS 服務，對整個制造業轉型升級和工業軟件中小企業客戶的拓展有重要意義。 

2、工業企業在工業軟件研發上具備先天優勢

我們認為，工業軟件無法脫離工業企業，主要基于以下四點原因：（1）工業軟件源于工業真實需求；（2）工業知識造就工業軟件；（3）工業軟件優化于工業應用；（4）工業軟件依賴于工業數據。

工業軟件源于工業真實需求。工業軟件起始于企業自身復雜產品的研發需求，出于此，早期的工業巨頭愿意花費巨資自主研發工業軟件。

波音、洛克希德、NASA 等航天巨頭，從上個世紀60年代就開始了工業軟件的培育與研發，繼而在70年代的冷戰時期，成為了工業軟件開發的爆發期，財大氣粗的軍火商、汽車商們，有條件獨立開發或依托某軟件商開發早期的CAX 軟件。先行者的軟件有的不斷發展和兼并，有的逐漸被市場淘汰或者自我放棄，大量的新型工業軟件不斷涌現，軟件的專業范圍也從制造業逐漸擴大到能源、原材料等領域，最終逐漸演變成為了今天的工業軟件市場格局。 

工業軟件依賴工業數據，并為數據增值。前面提到。工業軟件的價值體現在制造系統中的數據流通與工藝建模，而這兩點均需要制造過程中大量真實可用數據訓練，工業軟件要依賴工業數據才能發揮作用。同時，任何小數據和工業大數據，都要依賴軟件來發揮作用，有些甚至需要特殊的工業軟件處理，數據本身既是軟件的一部分，也是其輸入與輸出，只有在工業軟件的語境下，大數據才顯示出其巨大的、戰略資源級的重要作用。

工業知識造就了工業軟件。工業軟件的本質是事物運行規律的代碼化，是指導甚至控制物理世界高效、有序乃至創造性運轉的工具，是工業和商業技術體系的載體，也是人類經驗、知識和智慧的結晶。工業知識是工業軟件的核心，將在反復應用中沉淀和積累下來的、被證明行之有效的工業知識軟件化，以工業軟件的形式實現了為機器賦能。

工業軟件優化于工業應用。工業軟件集成了自工業革命以來人類最優秀的工業知識和技術積累，包含了研發、工藝、裝配、業務流程、供應鏈、員工知識、管理等各類知識，沉淀、匯聚了眾多的機理模型和先進算法，并且每天有千百萬的企業使用者在不斷反饋使用問題和改進建議，有千百萬的開發者在每天不斷改進、優化這些軟件代碼和程序，企業的深入應用為工業軟件的改進提供經驗，使得工業軟件能夠不斷優化升級，真正的與企業需求相結合。 

工業企業在工業軟件研發上具備先天優勢。基于以上特性，我們認為工業企業在工業軟件具備先天優勢，這也可以解釋為什么海外優秀的工業軟件大部分出自工業企業，而且多在生產流程繁瑣且技術要求高的高新行業，例如在PLM領域，國際上三大主流廠商為法國達索 Enovia（航空）、德國西門子的 Teamcenter（汽車、通用機械）和PTC的 Windchill（船舶、電子）。其中，達索本是飛機制造商，在產生自用工業軟件需求后開始研發工業系統并推向商用，西門子PLM也是由工業企業研發并被西門子收購。然而，工業背景不是工業軟件的必要條件，在低工業屬性領域如 ERP、CRM，仍有以 SAP、Oracle 為代表的 IT 公司擁有優秀的工業軟件產品。但無論哪種公司的軟件，在大規模應用反饋后的改進是必須的，長達幾十年的服務經驗與改進產品是他們最強的護城河。 

3、歐美企業占據市場，國產工業軟件開始發力

歐美企業是國內工業軟件市場主體力量。歐美工業歷經幾百年發展，經歷三次工業革命，完成了工業化進程，在幾百年的時間里充分試錯，總結了大量經驗，其工業軟件無論從發展動機還是知識和人才儲備上均具備優勢。而我國并未完整經歷過工業革命，同時尚未完成工業化進程，工業軟件處于競爭劣勢。國外企業壟斷的現象工業屬性更為明顯的類別中表現的尤為明顯（研發設計類、生產控制類），在通用軟件市場中（信息管理類、嵌入式軟件），中國企業已經得到充分成長，占據了大部分市場。 

研發設計類：從市場結構來看，研發設計類軟件中PLM和CAD軟件占比最高，分別為29.7%和27.0%。從市場競爭格局來看，達索系統占據最大市場份額19.05%，研發設計類軟件是國內工業軟件最大軟肋，在研前10大公司中，國內公司僅有航天神軟和金航數碼兩家，占比分別為12.3%和7.8%。

生產控制類：從市場結構看，生產控制類軟件中MES 和 DCS 軟件占比最高，分別為29.0%和23.1%。從市場競爭格局來看，西門子是絕對的市場龍頭，占比超過23.7%