焦点快报!计算机行业深度研究：工业软件系列深度(一)：CHATGPT引领AI突破 工业AI前景可期

(资料图片)

ChatGPT 引领AI 突破，伴随通用AI 技术同工业领域融合应用的滞后周期不断缩短，工业AI 应用落地进展有望加速。ChatGPT 通过突破性的“Transformer 架构大模型+RLHF（人类反馈强化学习）算法” 带来自然语言处理在表述逻辑性、自然性等人机交互体验领域的巨大提升，掀起AI 产业一轮新高潮。工业领域因对AI 可解释性等严苛要求导致技术创新与应用落地错位时间相对较长，但随着人工智能技术可用性增强及工业信息化水平的大幅提升，近年通用AI 技术的工业落地间隔由20 年逐步缩短至小于5 年，伴随ChatGPT 带来的通用AI 大模型突破，工业AI 亦有望迎来快速发展。

研发设计环节：AI 可赋能创成式设计、仿真优化、电子设计优化等。CAD领域：通过AI 赋能，工程师可通过交互方式向设计软件指定他们的要求和目标，创成式引擎将自动生成设计方案，目前AI 驱动的创成式设计功能已在Siemens Solid Edge、PTC Creo 及Autodesk FUSION 360 等主流CAD 产品中使用。CAE 领域：AI 可赋能仿真优化，提升仿真效率，而工业数字孪生通过仿真运行生成数据，又可反哺工业AI 模型训练，目前微软 ProjectBonsai 正使用Ansys Twin Builder 仿真软件创建设备或流程的数字孪生，以助力其模型训练。EDA 领域：AI 可有效赋能EDA 工具，大幅提升设计生产效率及设计产品的PPA（功耗、性能、面积），Cadence 于2021 年推出的AI 驱动的EDA 设计工具Cerebrus 较传统EDA 产品可实现10 倍的生产效率提升和设计产品20%的PPA（功耗、性能、面积）提升。我们认为，AI 赋能带来的CAD/CAE/EDA 等研发设计软件能力提升，有望同步提升其软件价值量，进一步打开研发设计类软件更高市场天花板。

生产运维环节：AI 可赋能早期缺陷检测、预测性维护、产品质量分析、生产预测等。早期缺陷检测方面：AI 可使用实际运营数据，根据各种参数有效预测资产状况，使工程师在资产发生故障前就能关注并维护资产；预测性维护方面：AI 模型可使用来自设备端的运行数据，并根据这些数据对预测性维护进行科学规划，同时工程师可通过AI 持续监控设备运行状态，大幅减少人工监控时间，有效降低资产设备维护成本；产品质量分析方面：通过机器视觉能够找出会被肉眼漏过的缺陷，提高质量分析效率，同时AI 还可用于检测运行环境中的异常，从而改进质量流程；生产预测方面：企业可通过准确收集生产时序数据和关联的生产参数创建AI 预测模型，并通过生产流程仿真生成数据优化模型， 通过这些模型找出生产过程中发生异常的原因及潜在问题，并持续修改资源规划策略，达到精益生产目的。以上只是AI 在生产运维环节已经应用的部分功能，伴随AI 模型算法能力进一步加强，AI 在生产运维环节的应用广度和深度亦有望进一步提升。

经营管理环节：AI 可赋能CRM、SCM、ERP 等经营管理类软件。CRM 领域：AI 可通过帮忙编写回复客户邮件、提升虚拟客服交流能力、通过语言交互方式帮助销售人员准确分析和定位特定客户群体等方式大幅提升客户关系管理和营销管理效率；SCM 领域：AI 可通过主动对影响供应链流程的事件发出告警，并预测筛选出受影响的订单和自动邮件反馈供应商等方式大幅提升供应链敏捷性，此外AI 还可助力企业招投标信息、商品价格信息、竞品信息等市场信息采集分析，提升企业供应链决策有效性。ERP 领域：AI 可在财务领域、信息采集等多场景提升ERP 产品能力。

工业互联网平台汇聚算力、算法、数据和应用，是工业 AI 的绝佳入口。

工业互联网平台的本质是通过工业互联网网络采集海量工业数据，并提供数　　据存储、管理、呈现、分析、建模及应用开发环境，汇聚制造业企业及第三方开发者，开发出覆盖产品全生命周期的工业APP 应用，以提升工业生产经营效率。工业互联网平台汇聚了算力、数据、算法及应用场景的AI 全要素，有望成为工业AI 融合应用的绝佳入口。此外，工业互联网平台的重要能力之一是通过封装在其PaaS 平台层的大量通用的行业Know-how 知识经验或知识组件以及算法和原理模型组件，以低代码方式构建上层工业APP 应用，而ChatGPT 代码生成能力的跨越式进步有望重塑工业PaaS 低代码开发平台，有望使得非程序员的工程师能够使用自然语言指令进行零错误的工业APP开发，大幅提升工业互联网平台的应用创建能力、降低应用开发成本。

建议重点关注：研发设计环节：中望软件（CAD/CAM/CAE/BIM）、广联达（BIM）、盈建科（BIM/CAD/CAE）、霍莱沃（CAE）、华大九天（EDA）、概伦电子（EDA）、广立微（EDA）；生产制造环节：中控技术、赛意信息汉得信息、鼎捷软件、宝信软件；运维服务环节：容知日新；经营管理环节：

金山办公、泛微网络、致远互联、远光软件、金蝶国际、用友网络；工业互联网平台：能科科技、东方国信、软通动力。

风险提示：1.工业AI 应用落地进展不及预期：工业AI 高价值应用通常集中在与机理强融合的场景，且具有碎片化特点，同时工业具有对AI 可解释性等严苛要求，存在应用落地进展不及预期风险。2.行业市场竞争加剧风险：

若行业市场竞争加剧，可能导致产品价格下跌等。3.工业AI 大模型发展进程不及预期：工业AI 大模型的训练需要海量工业数据，存在模型训练和发展进程不及预期的风险。

关键词：