随着人工智能的快速发展，机器学习已经进入了大模型时代，以ChatGPT的出现为例，其便被寄予了通用人工智能AGI的未来想象和美好期待，不少大厂也纷纷布局大型语言模型。

业内人士指出，C端的AI应用已经最先感受到变化，但实际上，AI在B端的应用往往更值得期待。AI+将有机会引领研发设计及工业控制软件交互模式变革，实现“所说即所得”，设计者以自然语言下达指令，软件分析自然语言当中包含的非结构化需求信息，自动编写代码，自动绘制相关图纸并进行仿真计算。

从落地场景看，生产控制工业软件环节的AI应用占整个工业场景的比例超57%，具有表面缺陷检测、生产过程控制优化、质量关联分析、预测性维护、生产作业视觉识别、物料识别与操作等一批典型细分场景。

未来，交互模式的人性化或带动高门槛工业过程控制管理及应用工作的大众化普及，或将促使个性化、定制化产品的工业级生产在质量管理、设备管理、生产作业、安全生产管理等生产过程管控环节的大规模应用成为可能。

人工智能是工业软件的重要赋能器

随着人工智能概念的持续火爆，市场对AI的关注，已经开始由算力、算法、数据拓展至应用端。在C端，ChatGPT领域已经出现了类似微软365 Copilot的产品，可以将人工智能与软件实现高端结合，提升用户的工作效率。

而在B端，虽然尚未出现类似能与工业软件深度融合的产品，但目前AI技术已经开始赋能Autodesk、Dassault、Siemens、PTC、Ansys等全球CAD/CAE龙头公司的相关产品。据报道，最近西门子正在与微软合作，使用生成式人工智能工具来改进其工业工作流程中。人工智能算法在制造业中的应用，不仅可以提高生产效率，降低生产成本，还可以改善产品质量和生产安全。西门子和微软的合作进一步推动了AI在制造业的加速落地和应用。

根据信通院研究，由于人工智能技术可用性的增强以及工业信息化水平的提升，通用技术的工业落地间隔由20年逐步缩短至小于5年，工业AI将有望在技术、产业与应用等维度具备充分的发展潜力。

根据相关研究报告，接下来，工业AI或会经历三大阶段的发展：

第一阶段，是以“AI有什么、工业用什么”为特征，主要是专家系统、机器学习等传统AI技术以及自然语言处理等应用技术向工业领域的渗透迁移，解决以工业视觉为主的点状问题，如机器视觉定位、视觉质检、表单字符识别等。

第二阶段，是需求推动的场景复杂多样化赋能阶段。AI技术与工业需求相互匹配解决点状的复杂特异性问题，实现“工业有需求、AI来满足”，以机器学习/深度学习等数据科学与研发制造环节机理融合为主要特征，实现面向场景的建模与优化。

第三阶段，是综合智能应用阶段，以深度学习与知识图谱融合创新或是新技术理论突破赋能为主，，既能针对设备、工厂等实现更客观全面的智能优化，如质量综合管控，也能实现全企业甚至全产业链基于知识的综合决策，应用价值较高，推动工业真正实现智能化。

分析人士认为，事实上，AI主推工业智能化的发展，跟数字化浪潮下工业制造向工业智造的趋势是一致的。只是在这个过程中，AI有望带来工业软件端商业模式新变革，这将会是国内工业软件厂商弯道超车的新机遇。

工业数字化是工业AI的必要前提

目前AI从第一性原理来分析，以LLM为核心的新一代AI模型拥有庞大的巨量参数，配以高算力来驱动整体的AI智能化水平，具备了对人类社会泛化知识理解的一定能力，但对于垂直的、专业的、深度行业knowhow方面的B端场景应用，相匹配的模型能力和数据源对于AI落地赋能的作用和深度而言是必选刚需。

因此，人工智能技术在工业领域的应用和发展取决于在自动化基础上的全面数字化建设的进程，而自动化迈向数字化、智能化也必然需要一个从局部领域至全面实现、从单一应用至繁冗合成的循序演化的过程。正如大家耳熟能详的数字化工厂，其是指通过建立现代数字制造体系、网络化配置实现整个制造流程的全面数字化管理。数字化工厂建设需要把现代管理理论、智能生产理论、通信技术、大数据技术、数字孪生技术等深度融为一体，全面整合车间生产设备、生产运行控制系统、产品设计开发系统等各种信息系统，形成由产品设计、生产规划与生产执行所构成的新型生产组织方式。

自主研发推动国产化替代

赛意信息（300687）核心业务为通过帮助用户建立数字基座，挖掘各个层级应用端的数据价值，形成以数字驱动为特征的运营管理模式。AI在B端的广泛应用离不开数字化底座的加强和普及。在AI使能的前置性数字化底座方面，作为国内企业数字化转型的赋能者、工业管理软件践行者，赛意信息则在公司发展早期就已经在这方面进行前瞻性布局，并持续进行自主研发技术攻关，也对未来迎接全面人工智能技术做好了充分准备。

业内人士表示，对人工智能技术而言，国产基础软硬件提供生根土壤，“国产厂商+国内Al”的强强联合，将有望进一步打开工业软件“国产化替代”的趋势。让“国产替代”从“用国产产品替代国外大厂产品”的1.0阶段，向更强调技术或应用上的突破与创新的2.0阶段进发，这将要求产品从“能用”向“好用”转变，通过价值驱动打动目标群体。

不过，中国制造业拥有最复杂的业务场景和管理场景，在数字化转型过程中面临基础设施不适应多云环境而无法统一管控、系统与系统之前无法互联互通，导致“烟囱”林立、数据孤岛、业务（流程）割裂、协同难、无法持续迭代升级等系列难题与挑战频发。

瞄准“痛点堵点”，赛意谷神工业aPaaS平台打破传统IT治理架构，以分布式服务架构、云原生等新技术为技术基础，并结合业务组件模块化、服务化等架构方法，以低代码应用开发、跨系统服务/数据集成、数据接入与治理三大核心引擎构建起的业务、数据和技术闭环的架构，一站式覆盖“业务开发、数据开发、系统集成”三大核心数字化核心场景，帮助企业构建数字化转型核心业务能力，降低企业IT和业务的重复建设，减少烟囱式协作的成本，及时响应前端场景的快速变化。

据悉，基于强大的平台底座能力，赛意信息已为家电、电子、化工、汽车、机械、家居、大健康、快消零售等领域的企业客户提供企业服务解决方案，帮助企业基于赛意云原生技术平台完成数字化转型，实现从信息化向数字化、智能化的发展。

赛意信息董事长张成康曾表示，工业管理软件融合了大数据、人工智能、工业场景，已由过去的管理信息化发展成为智能制造的重要抓手，推动国内制造业转型。

人工智能已经进入工业大生产阶段，而赛意信息也从原本特定领域工具性软件，向工具链上下游和端到端的全生命周期软件方向演进，进而发展到数字化生产制造平台，为工业制造向工业智造，乃至智能经济提供保驾护航。