中国工业软件发展现状与趋势

王云侯

中国工业软件发展在世界工业软件领域居于什么样的位置？自身发展情况如何？排列靠前的工业软件企业有哪些？未来中国工业软件的技术？投资与应用的趋势将会怎样？是工业软件企业，尤其是智能制造工业企业以及相关研究者。特别关注的问题。

当前，我国正全面提升智能制造创新能力，加快由“制造大国”向“制造强国”转变。工业软件作为智能制造的重要基础和核心支撑，与先进的工业产品、与国家大力推动的装备制造业走向高端，密切融合到一起，对于推动我国制造业转型升级，实现制造强国战略具有重要意义。随着“中国制造2025”的逐步落地，人们对于智能制造和工业软件的关注也在日益增强，我国工业软件市场现状与趋势究竟如何，国内外企业的竞争焦点又在何处？根据多年来在工业软件领域的研究积累，结合企业和市场发展现状与趋势，笔者做出以下分析与判断。

中国工业软件市场整体情况

2016年全球工业软件市场上，美国、欧洲市场逐步回暖，欧美市场继续保持领导地位。美联储加息预期使美元大幅升值，资本回流使得美国信息化建设投入增速加快，在美国政府大力扶持下，制造业的逐渐回暖使工业软件得到了快速发展。以GE、Oracle、Autodesk等为代表的美国本土工业软件厂商在云计算等领域也加强了企业投资并购和创新技术研发。因此，在技术与市场两端，欧美工业软件企业在与中国工业软件企业的竞争中均具有明显优势。此外，亚太经济延續了较高的增长速度，印度和澳大利亚的工业软件市场发展较快，与中国一同形成了市场增长的主要动力。

同期，中国工业软件市场继续保持快速增长，规模达到1247.30亿元，同比增长15.5%，在过去三年中年均增长超过15%，2017年规模在1500亿元左右。国内市场中，华北、华东及华南市场仍然占据着整个市场的主体地位，华北、华中地区市场增速较快，东北地区受宏观经济形势影响，市场增速较慢。

工信部自2015年提出“中国制造2025”发展战略之后，稳步推进智能制造落地，先后在标准体系、信息安全、试点示范项目等方面发布了专门的政策文件，极大地促进了我国智能制造和工业软件领域的发展。在智能制造发展规划中明确提出到2020年的量化目标，给出了企业和行业应用工业软件的路线图和时间表。工信部和国标委联合发布《国家智能制造标准体系建设指南》，为解决智能制造发展中的标准缺失、滞后以及交叉重复等问题起到了基础性和引导性作用。工信部先后公布三批智能制造试点示范项目名单，智能制造试点工作的推进将给工业软件的应用带来进一步的促进作用。

在细分领域中，嵌入式软件占比达到63%，研发设计类软件虽然整体规模不大，但是技术含量却是工业软件中最高的。近年来随着我国军工航天和高端装备制造等领域的快速发展，研发设计和嵌入式软件的增速很快，国产化的程度也在逐步提升。随着数字工厂现场移动智能设备的推广应用，嵌入式软件还将迎来一次规模性的增长。我国工业软件市场中，大型工业企业的投资占比首次超过50%，在智能制造的推进过程中起到了中流砥柱的作用。

2017中国市场工业软件企业排行榜

为了更好地把握我国工业软件市场的发展状况，赛迪顾问与中国工业软件产业发展联盟合作，以各企业2016年工业软件领域营收规模为标准，对中国工业软件市场主流企业进行评估，最终形成“2017中国工业软件企业排行榜”。该榜单旨在反映工业软件企业发展状况，为智能制造企业了解技术趋势、应用案例提供参考。

此排行榜研究对工业软件的定义是指专用于或主要用于工业领域，以提高工业企业研发、制造、管理水平和工业装备性能的软件。工业软件不包括通用的系统软件和应用软件，如计算机操作系统、通用数据库系统、办公软件等。根据工业软件的定义，赛迪顾问对工业软件企业在中国市场的营收数据进行梳理。上市公司数据来源于上市公司年度报告，对业务多元化或海外上市公司的数据细分出中国境内市场工业软件业务份额；其他企业数据来源于工业和信息化部或中国工业软件产业发展联盟统计数据，并根据工业软件定义细分出中国境内市场工业软件业务份额。

除了企业排行本身，赛迪顾问还对上榜的企业进行了进一步的分析和研究。上榜企业的规模和质量都在逐年提升，企业营收规模主要集中在1亿～100亿元这个区间内。在企业业务方面，各领域的企业数量相对平均，同时超过10%的企业业务同时涵盖多个细分领域。

电子信息、机械设备行业工业软件需求和信息化的程度都比较高。在我国市场中，国内企业的数量超过了三分之二，国外企业中以美国、日本企业最多。

在研发设计类软件中，外资企业以达索、西门子PLM、Autodesk为代表，仍然占有技术和市场优势，国内企业如神舟航天软件、金航数码等在军工航天领域占据较大市场份额，而数码大方、英特仿真等企业在研发投入占比方面领先其他企业。总体来看，在汽车研发、建筑CAD等领域，未来竞争将十分激烈。

在生产控制软件领域，西门子继续保持行业龙头地位，而南瑞、宝信、石化盈科等企业，在电力、钢铁冶金和石化行业深耕多年，客户数量多且关系稳定。由于各行业的生产工艺复杂且差异较大而带来的行业壁垒，使得生产控制软件领域的企业业务大多数都集中在垂直行业内部。未来，率先突破行业壁垒拓展业务的企业，将有可能迎来更好的发展机会，而高端装备制造领域正逐渐成为市场竞争的焦点。

信息管理类软件市场目前已经形成了群雄割据的状态。在传统ERP等领域，竞争进入白热化阶段，大部分厂商都开始通过发布云产品来提升自身的竞争力。软件企业推出云产品，首先能够节省产品的运维成本，其次能够与客户建立稳定持续的合作关系，最后还能为数据增值服务积累原始的生产要素。因此，未来企业间的竞争，将不仅仅局限于客户和市场份额领域，更会拓展到对数据资源的争夺。

嵌入式工业软件领域，随着5G和NB-IoT的发展，工业通信很可能迎来质变，从而使华为、中兴等企业进一步提升其市场竞争力。随着工业机器人的普及，ABB、FANUC等企业都进入了细分领域的十强。另一个值得重点关注的点是工业安全，包括软硬一体化的安全解决方案，在未来将会变得越来越重要。

中国工业软件的技术、投资与应用趋势

技术趋势

云计算、物联网和人工智能将是影响工业软件发展的核心技术。目前来看，SaaS应用已经成为管理软件的发展方向，工业软件因其特殊性，不适合以公有云的方式来落地，但可以通过混合云的方式，将企业敏感数据和业务环节进行剥离，进而实现企业整体的数字化改造。在工业互联网的底层是工业通信网络和传感器网络，随着NB-IoT和智能传感器的快速发展，CPS（信息物理系统）也已成为新的热点。最后也是最重要的，是基于大数据和机器学习的工业智能，通过整合企业相关数据与人工智能算法，实现数字驱动企业运营。

投资趋势

针对工业软件的投资目前正在逐步升温，因为金融资源丰富和工业基础完善，京津冀与长三角是投资最集中的区域。在各细分领域中，智能电网是以国家重点项目的形式，得到了巨大的投资；而CPS则是除智能电网之外，另一个非常火爆的投资领域。

应用趋势

通过智能工厂项目建设提升数字化竞争力。泰山玻纤通过智能工厂项目的建设，在生产工艺方面进行了改进，在企业管理方面进行了优化，同时建立了完善的企业信息化运营和管理体系，整体竞争力大幅提高。建设数字工厂的核心，首先是完善的信息化规划，其次是对各项信息化应用的有机集成。

通过协同研发平台优化研发管理体系。在航天领域，一个研发项目往往涉及多个企业同时参与研发，如果这些企业间的研发流程、质量管控和数据格式不一样，最终的产品品质将难以控制，因此在航天领域必须要有一个集成的研发管理平台，将各个单位的研发活动统一进行管理。优化研发管理体系的核心在于数据和流程的標准化，以及跨企业研发平台的建设思路。

推广工业机器人在垂直行业的应用。针对劳动密集型制造业工作环境恶劣、人力成本不断上升、劳动强度大等挑战，工业机器人以嵌入式软件为核心，基于对传统生产模式的理解和改造，实现生产效率的大幅提升。目前，我国工业机器人在行业内主要的应用方向是仓储、运输领域，并逐渐向流水线生产环节过渡。应用工业机器人的核心在于对传统工艺的理解和改造。

应用商业智能实现数据驱动企业发展。BI（商业智能）在制造业中的应用主要通过建立数据仓库、实施数据管理等方式，提升企业对数据资源的利用效率，并通过数字分析反馈企业管理环节，从而使数据转化为价值。在BI系统中，全员统一查阅企业视图，全面预测数据，洞察驱动的业务流程最佳化，形成统一的基础架构预先构建的分析解决方案，演变成企业绩效管理系统。

对中国工业软件近期发展的建议

稳步释放政策红利，促进工业软件深入发展。工信部智能制造试点示范项目的推进工作取得了显著的成果，未来还可以在国际合作、重点领域和技术突破、垂直行业应用试点等方面进一步细化。对于地方政府来说，要将工业软件作为一个产业来重点发展的话，仍要完善产业配套服务体系，包括产业投资基金的建设，协同研发平台的打造以及配套中介服务等。此外，还需要加强对工业软件人才的引进与培养，既包括软件人才，也包括行业专家。

加速信息技术应用，实现企业数字化覆盖。对于进行信息化和数字化改造，企业需要用数字化车间构建一个横向全面覆盖各种管理流程、纵向不同层次搭配直通底层数据的自动化和信息化网络，为生产、管理信息一体化打下基础，未来需要进一步拓展智能应用的覆盖范围和深度功能。在这一过程中企业需要重点关注三个环节，智能传感器构成的端数据源、现场总线与无线网络构成的传输网、以及针对数据进行分析的中央计算功能和由之衍生出的云应用。

加强行业深度研究，打造垂直领域智能应用。在行业方面，应加强行业深度研究，将行业积累的工业、管理规律与人工智能算法结合，整合行业数据和企业数据，尝试开发工业智能应用。人工智能建立在对特定领域深度学习的基础上，在工业领域的智能应用同样需要丰富的行业经验和研究基础。在人工智能尚未完善的阶段，应首先聚焦行业的生产工艺、信息管理等运行规律，寻找能使大数据和人工智能发挥最大效用的突破点。值得注意的是，对于工业智能的应用，一定要遵循先行业，后软件，先人工，后智能的技术路线，切不可盲目追逐人工智能的热点，上马基于“伪大数据”的“伪人工智能”应用。