很多人都在聊AI会不会改变工业软件，甚至会不会被AI杀死。
但很少有人问一个更根本的问题：工业软件为什么会变得这么多？
如果不把这个问题说清楚，所有关于AI替代工业软件的讨论，其实都只是表面文章。
图源IDC，侵删
工业软件为什么越来越多？工业软件的诞生，本质上是为了解决问题。
经过几十年下来，工厂的软件架构逐渐变成了一个非常典型的结构，一个问题，一套软件。
看起来很合理。
但时间久了，问题就开始出现。
APC负责控制优化，RTO负责实时优化，设备管理系统负责设备数据，能碳系统负责能源数据……每套系统都有自己的模型、数据接口和逻辑。
这些系统之间并没有统一底座。
它们像一排烟囱一样各自运行。
于是企业的数字化就慢慢变成了一种奇怪的状态：系统很多，但彼此并不真正协同。
又贵又杂，才是工业软件真正的痛点工业软件最让企业头疼的，从来不只是价格。
当然，价格确实不低。
一套APC系统几十万到上百万并不稀奇，全厂级优化项目动辄千万级。
仿真系统、能碳管理系统、设备管理系统，每一套都需要单独采购和实施。
但真正让企业负担沉重的，是软件之外的成本。
首先是人。
每一套系统几乎都需要专门团队维护：控制工程师、工艺专家、IT工程师、系统集成人员。
模型需要调，参数需要改，策略需要随着工况变化不断更新。
很多系统一旦核心工程师离开，企业甚至很难继续维护。
其次是重复建设。
多套系统并存，意味着数据要多次对接，接口要重复开发，系统逻辑也要多次建模。
只要生产节奏稍微变化，系统之间就可能需要重新调整。
最后是经验难以沉淀。
每一套系统都内嵌自己的专家逻辑。
经验被锁在不同系统里，很难复用，也很难继承。
再来看AI，看起来什么都能做，但......最近两年，AI被寄予厚望。
很多人认为，AI智能体可以整合系统、理解数据、优化生产，甚至取代部分工业软件。
听起来很合理。
但现实情况往往更复杂。
因为AI的能力再强，也必须依赖底层系统。
如果企业本身的软件结构就是一堆烟囱，AI很难真正统一它们。
很多企业反而开始担心,在原有复杂系统之上，再叠加AI，会不会只是多了一层复杂度？
这也是为什么很多企业在尝试AI之前，先开始重新思考系统架构。
比AI更现实更值得走的一条路越来越多企业开始意识到一件事：工业数字化不能只靠买软件。
系统如果完全依赖外部厂商，企业就永远只能被动维护。
一些企业开始尝试另一种方式。
像通过无代码工具，把软件开发变成一种更接近业务的方式——画表格、中文业务逻辑就能搭系统。
业务人员本身就熟悉流程和数据。
通过这种方式，他们可以自己搭建管理系统、流程系统、数据系统。
复杂部分可由专业团队协助，日常调整则由企业自己完成。
这种“自主搭建 + 专业协同”的模式，正在改变很多企业的软件建设方式。
而且由于系统是企业自己搭建的，它天然更容易对接AI能力。
AI可以成为辅助决策工具，而不是新的系统负担。
综上，工业软件不会因为AI就彻底消失。但工业软件的形态，正在发生变化。
过去是一个场景一套系统，未来更可能是一个底座承载很多能力。
最后，你有什么补充的地方？
文 | eamon