2025年9月27日-28日，由中国自动化学会主办，上海交通大学、青岛科技大学、全国/国家重点实验室以及行业龙头企业等20余家单位联合承办的2025国家工业软件大会在浙江省宁波市召开。

本次大会以 "智驱新质" 为主题，来自知名高校、研究院所等近千名行业代表现场参加，与会的院士有：

中国科学院院士、中国自动化学会理事长、中国空间技术研究院研究员杨孟飞

中国工程院院士、中国自动化学会特聘顾问、浙江大学教授孙优贤

中国工程院院士、中国自动化学会特聘顾问、东北大学教授柴天佑

中国工程院院士、中国自动化学会特聘顾问、中南大学教授桂卫华

中国工程院院士、中国自动化学会特聘顾问、华东理工大学教授钱锋

中国工程院院士、中国自动化学会特聘顾问、湖南大学教授王耀南

中国工程院院士、山东省科协主席凌文

本文系统地梳理七位院士的发言，通过清晰地了解院士的观点，深入了解当前国产工业软件的前沿发展动态和未来产业方向。

中国科学院院士、中国自动化学会理事长 杨孟飞

中国科学院院士、中国自动化学会理事长杨孟飞发表题为 “筑牢工业软件底座，赋能新型工业化” 的重要致辞。他的发言系统阐述了工业软件的战略地位、发展现状及未来方向，为大会奠定了基调。

杨孟飞院士开宗明义地指出，工业软件是推动制造业高质量发展的核心驱动力。他用了三个关键定义来强调其重要性：

核心引擎：工业软件是制造业向 “高端化、智能化、绿色化” 转型的核心引擎。

关键支柱：工业软件是推进新型工业化、构建现代产业体系的关键支柱。

数字底座：其价值在于筑牢工业体系的韧性根基，是中国工业高质量发展不可或缺的“数字底座”。

他特别强调，工业软件的价值不仅在于技术本身，更在于其对于提升整个产业链、供应链的抗风险能力和自主可控能力的战略意义。

杨孟飞院士结合国家战略，为工业软件的发展锚定了方向。他重点解读了 《国务院关于深入实施“人工智能+”行动的意见》 这一关键文件，指出文件明确提出了 “推进工业全要素智能化转型，加速工业软件创新突破进程，大力培育发展智能制造装备”。

基于此，他作出了一个重要判断：中国工业软件正步入一个“创新突破、规模发展的高质量时期”。这意味着行业焦点将从“有没有”转向“好不好、强不强”。

在技术层面，杨孟飞院士洞察到工业软件正与新一代信息技术发生深刻的融合。他指出：

融合方向：工业软件正与人工智能（AI）、大数据、物联网等技术深度融合。

演进趋势：这种融合正推动工业软件向 “智能化决策、平台化协同、云化部署” 的方向加速演进。

最终目标：这一技术演进将为生产效率提升、资源配置优化和绿色低碳发展提供坚实的技术支撑。

面向未来，杨孟飞院士对产业生态建设提出了殷切期望。他呼吁：

破解难题：期待本次大会能汇聚行业智慧，加速破解工业软件 “卡脖子” 难题。

完善生态：需要不断完善 “产学研用” 协同发展的创新体系和产业生态。

终极目标：要让自主可控的工业软件，真正成为支撑我国工业体系升级、赋能制造业高质量发展的 “硬脊梁”。

总结来说，杨孟飞院士的发言高屋建瓴，从战略定位、政策指引、技术路径和生态建设四个维度，全面勾勒了中国工业软件发展的蓝图。他的论述清晰地表明，工业软件已从单一的工具软件，上升为关乎国家工业竞争力和安全性的战略基石，其发展需要国家、产业界和学术界的共同长期努力。

中国工程院院士、工业自动化专家 孙优贤

中国工程院院士、工业自动化专家孙优贤作题为《“多领域数字孪生模型驱动的控制系统设计开发软件平台》的报告。他的发言深入剖析了工业软件发展的核心范式变革，并介绍了一项旨在颠覆复杂工业控制系统开发模式的平台构想。

孙优贤院士在报告伊始，便明确指出了一个根本性的行业变革趋势：现代工业正在经历从 “以装备为核心的工业”向“以软件定义的工业” 的历史性转变。

根本转变：他强调，过去是硬件装备决定了工业能力的天花板，而现在，软件的能力，特别是其定义流程、优化系统和赋能创新的能力，正成为工业竞争力的核心。

激发活力：这种“软件定义”的特性，能够充分激发工业生产各环节的创新活力，实现过去纯硬件体系无法企及的灵活性、效率和智能化水平。

面对这一范式革命，孙优贤院士重点介绍了他所倡导的 “多领域数字孪生模型驱动的控制系统设计开发软件平台” 。这一平台并非单一工具，而是一个覆盖全生命周期的集成生态系统。

该平台的核心理念是：通过构建一个融合多领域知识的数字孪生体，为复杂工业控制系统提供从概念设计到退役运维的“一站式”开发环境。

孙院士详细阐释了这一平台所具备的颠覆性特征：

全生命周期集成：平台旨在打通控制系统的设计、开发、测试、部署与运维全部环节，打破传统开发中各个阶段相互割裂的“烟囱式”孤岛，形成一个连续、迭代的闭环。

多领域统一建模：这是该平台的技术基石。它支持对工业系统中涉及的机械、电气、热力学、化工、控制等多个物理领域进行统一的数字化建模。这意味着不同学科的工程师可以在同一平台上，基于同一套模型数据进行协同开发，从根本上解决了跨专业协同的难题。

模型驱动的开发范式：整个开发过程以高保真的数字孪生模型为核心。开发者可以在虚拟空间中先进行系统的设计、仿真和测试，大幅降低实体样机的成本和开发风险，实现“所见即所得，所测即所运行”。

孙院士进一步指出，要实现这一平台的完整愿景，未来需要集中力量突破一系列关键技术：

跨尺度建模技术：解决从微观的分子反应到宏观的工厂级运营等不同尺度物理现象的统一表述与耦合问题。

实时孪生同步技术：确保数字孪生体与物理实体之间能够进行毫秒级的高精度、高实时性数据同步与交互。

与工业元宇宙的深度融合：探索该平台在未来工业元宇宙场景下的应用，实现更加沉浸、交互性更强的工业系统设计与运维模式。

总结来说，孙优贤院士的发言超越了具体软件功能的讨论，从工业发展范式的高度，提出了一套以“多领域数字孪生”为核心、覆盖全生命周期的下一代工业控制系统开发方法论。他的构想不仅为国产工业软件，特别是高端研发设计类软件的发展指明了一条极具前瞻性的技术路径，更是为中国从“工业装备大国”迈向“软件定义工业”的强国提供了关键性的思路。

中国工程院院士、中国自动化学会特聘顾问、东北大学教授 柴天佑

中国工程院院士、中国自动化学会特聘顾问、东北大学教授柴天佑作“工业控制智能化发展方向”的报告，从工业自动化的演进历程出发，深入剖析了工业智能时代下工业软件的发展方向与挑战。

柴天佑院士开宗明义地指出，工业发展正经历从 “工业自动化”向“工业智能与自主化” 的根本性范式转变。他认为，传统的工业自动化系统以实现生产过程的精确控制与稳定运行为核心目标；而未来的工业智能系统，其核心目标则跃升为实现企业经营的全局优化与自主决策。

这一转变决定了工业软件的角色必须从辅助性的工具，升级为承载工业知识、驱动系统优化的核心载体。

在报告中，柴院士系统地阐述了他对“工业智能”的理解：

工业智能的本质：是工业系统知识与人工智能技术的深度融合。它并非简单的“人工智能技术在工业上的应用”，而是一个构建能够自动执行诊断、决策和优化任务的完整智能系统的过程。

核心功能：具备自学习、自适应、自决策的能力，能够应对工业生产中广泛存在的不确定性、非线性及多尺度耦合等复杂挑战。

体系架构：他提出了一个清晰的实现路径，即通过 “感知-决策-控制”一体化的闭环，将工业软件、工业自动化硬件与工业知识融为一体，最终实现生产制造和运营管理的整体最优化。

柴院士演讲中最具前瞻性的部分，是他明确提出了驱动下一代工业软件创新的 “三元智能” 融合方向。这“三元”分别是：

HPS（人机系统）智能：强调在工业系统中，必须将工程师和操作员的经验知识与数据驱动模型有效结合。工业软件需要成为一个“人机协同”的平台，而非完全取代人的自动化黑箱。

CPSS（信息物理社会系统）智能：要求工业软件的视角从单一的工厂车间，扩展到供应链、市场需求、能源消耗、环境影响等更广阔的社会层面。软件的设计必须考虑社会因素（如政策、市场）对生产系统的影响。

AI（人工智能）智能：即充分利用机器学习、深度学习、知识图谱等AI技术，从海量工业数据中挖掘规律、提炼知识，并封装到工业软件中，使其具备预测、诊断和优化能力。

柴院士强调，只有实现HPS、CPSS和AI这三元智能的深度融合与协同，才能打造出真正适应复杂工业场景、解决实际问题的尖端工业软件。

结合自身在流程工业的深厚积累，柴院士为“三元智能”的落地指明了具体突破口：

关键场景：他特别指出高能耗、高污染、高风险的复杂流程工业（如冶金、化工）是工业智能软件最能创造价值的主战场。

核心功能：工业软件应重点实现生产全流程的智能决策与优化控制，例如：原料和能源的协同优化、生产指标的实时预测与动态调整、关键工艺参数的闭环优化设定、设备故障的智能诊断与预测性维护等。

柴天佑院士在总结中呼吁，中国工业软件的发展必须超越“跟踪模仿”的旧思路，直面工业智能带来的范式变革。他建议：

加强跨界融合：打破自动化、计算机、工艺工程等领域之间的壁垒，共同攻关。

坚持问题导向：以解决我国重点工业领域中的“卡脖子”优化决策问题为牵引，驱动工业软件的自主创新。

构建自主体系：最终目标是构建起支撑中国工业实现“智能化和自主化”转型的自主工业软件体系与技术生态。

总结来说，柴天佑院士的发言站在工业演进的历史高度，为工业软件的未来描绘了一幅以 “三元智能”为驱动、以全局自主优化为目标的清晰蓝图，为中国工业软件的技术创新提供了深刻的理论指导和实践路径。

中国工程院院士、中国自动化学会特聘顾问、中南大学教授 桂卫华

中国工程院院士、流程工业专家桂卫华作题为 “人工智能时代下工业软件研发范式的思考与探索”的报告。他的发言深刻剖析了在人工智能浪潮下，工业软件应如何演进，并提出了引领行业思考的“工业大模型”新范式。

桂卫华院士发言中最核心、最具原创性的观点，在于他对“工业大模型”的重新定义。他明确指出：

工业大模型是工业软件在人工智能时代的一种新范式，而非仅仅是工具。

核心使命是沉淀和赋能工业知识。 它旨在将分散、隐性的专家经验，以及海量的工艺、设备、质量数据，转化为可复用、可迭代、可操作的系统性工业知识。

并非取代传统工业软件。 他强调，工业大模型并非要完全取代基于机理模型的传统工业软件，而是其在AI时代演进后的一种新形态，两者将长期共存、协同互补。

桂院士从工业实际需求出发，解释了为何需要这种新范式。他指出，传统工业软件和自动化系统虽然强大，但在处理不确定性、依赖专家经验、以及需要跨领域知识融合的复杂决策问题时，常常面临瓶颈。

工业大模型作为一种新范式，其价值在于能够：

将知识“数字化”：把老师傅“只可意会”的经验、工艺师“灵光一现”的优化思路，转化为可计算、可传承的模型。

实现知识“赋能化”：让沉淀的知识能够直接辅助甚至自主完成故障诊断、工艺优化、生产调度等高级决策任务。

桂院士以大会上发布的、针对有色金属冶炼行业的国内首个 “智冶大模型” 为例，具体阐述了这一新范式的实践路径。

从“能聊”到“能做”的突破：他指出，通用大模型实现了“能聊”（自然语言交互），而“智冶大模型”则实现了 “能做”——即能够理解工业场景，并结合行业知识给出可执行的决策建议，如优化炉温、预判设备故障等。

关键技术探索：他探讨了实现此类新型工业软件所需的关键技术，包括工业知识表示与嵌入、小样本与零样本学习（解决工业高质量数据稀缺问题）、以及如何与物理机理模型和仿真系统协同等前沿方向。

桂卫华院士总结道，在人工智能时代，工业软件的研发思路必须进行根本性转变。我们不能再仅仅满足于“用AI优化软件功能”，而应转向 “以AI为核心，重塑工业知识的获取、沉淀与应用方式” 的新范式。

他呼吁产学研各界共同关注这一变革，致力于构建能够深刻理解工业、忠实于物理规律，并最终能自主解决工业实际问题的下一代工业软件体系。

总结来说，桂卫华院士的发言没有停留在技术应用的表面，而是从哲学层面重新审视了工业软件的本质与发展方向。他将工业大模型提升至“研发范式”的高度，为整个行业在AI时代的创新突破提供了至关重要的理论指导和前瞻性布局。

中国工程院院士、中国自动化学会特聘顾问、华东理工大学教授 钱锋

中国工程院院士、流程工业智能制造专家钱锋作题为 “人工智能赋能工业软件创新与实践”的报告。他的发言系统性地阐述了如何利用人工智能技术驱动工业软件自主创新，并分享了在流程工业领域的落地实践。

钱锋院士开宗明义地指出，对于中国而言，利用人工智能赋能工业软件的自主创新，是实现跨越式发展和解决“卡脖子”难题的必由之路和战略机遇。他强调，我们不能仅仅满足于跟踪模仿国外成熟的工业软件路径，而应抓住AI技术革命带来的契机，走出一条“换道超车”的新路，打造具有中国特色的新一代工业软件。

钱锋院士的报告构建了一个清晰的技术创新闭环，其核心路径可概括为：

他首先深入剖析了我国流程工业（如炼化、化工、制药等）在高端化、绿色化发展过程中，对工业软件自主创新的迫切需求。重点指出了在实现“安、稳、长、满、优”生产目标时，所面临的质量控制、能耗优化、供应链协同等核心痛点。

基于上述需求，他提炼出了工业软件创新背后必须解决的若干关键科学问题。例如：如何实现制造过程多尺度、非线性特性的精确建模？如何在海量、不确定的工业数据中，实现知识自动挖掘与自主决策？ 这些问题为理论研究指明了方向。

报告详细规划了为实现创新所需突破的关键技术体系，主要包括：

工业大数据与知识融合技术：将机理模型与数据驱动模型深度融合。

智能建模与仿真技术：开发适用于复杂流程的快速、高保真模拟器。

自主智能控制与实时优化技术：让软件能够自适应变化并进行动态优化。

钱锋院士用大量篇幅分享了其团队将AI赋能理念转化为工业软件实践的成功案例，特别是在大型炼化制造过程这一典型场景中：

流程模拟软件：研发了融合AI的流程模拟软件，通过数据校正和增强模型的准确性，提高了装置设计的效率和投产成功率。

智能控制软件：开发了先进控制与优化软件，能够应对原料性质波动、市场需求变化等不确定性，实现生产装置的“卡边”优化，显著降低能耗。

实时优化软件：构建了从生产计划、调度到操作的闭环优化系统，实现了全流程的协同优化，提升了整体运营效益。

这些案例证明了AI赋能的工业软件不仅理论可行，更能产生实实在在的经济和社会效益。

钱锋院士在总结中呼吁，必须坚持 “问题导向、应用驱动” 的原则，将AI技术与工业实际场景，特别是流程工业的痛点难点紧密结合。他主张加强产学研用的深度融合，加速AI赋能技术的成熟与推广，最终目标是构建起自主可控、国际领先的流程工业软件体系，支撑我国流程工业的高质量发展。

总结来说，钱锋院士的发言提供了一个从理论到实践、从路径到案例的完整蓝图。他没有空谈概念，而是清晰地勾勒出如何通过“需求牵引、问题导向、技术突破、案例验证”的系统性方法，切实推动人工智能在工业软件领域结出硕果，为我国流程工业的转型升级提供了坚实的技术支撑方案。

中国工程院院士、中国自动化学会特聘顾问、湖南大学教授 王耀南

中国工程院院士、机器人技术与智能制造专家王耀南作题为 “智能制造自动化生产线管控软件研发” 的报告。他的发言聚焦于工业软件在智能产线这一关键执行层的落地实践，系统阐述了如何通过自主可控的软件平台，将前沿技术转化为现实生产力。

王耀南院士开篇明义，指出智能制造自动化生产线是工业互联网、人工智能等新技术最终落地和价值实现的载体。他强调，面向产线级的管控软件，是连接“数字世界”的优化决策与“物理世界”精准执行的核心枢纽，其水平直接决定了智能制造的整体效能。

王院士报告中最为核心的部分，是提出了一个完整的自主可控的工业互联网软硬件一体化平台架构。该平台旨在为智能产线提供从底层硬件接入到顶层决策管理的全栈式支持，其核心特征包括：

自主可控：强调底层关键硬件（如智能控制器、传感器）、工业网络协议到上层软件平台的自主知识产权，保障产业安全。

软硬一体：打破传统软硬件分离开发的模式，实现硬件资源被软件灵活定义和高效调度，提升系统协同效率。

平台化与开放性：构建一个开放的平台生态，允许第三方开发者基于平台进行应用开发，汇聚行业智慧。

王院士系统性地阐述了智能制造自动化生产线管控生态系统的多层次架构，其研发的管控软件覆盖了以下关键层级：

边缘感知与执行层：通过嵌入式软件和轻量级算法，实时采集设备数据并精确执行控制指令。

产线数字孪生层：构建产线的虚拟镜像，用于产线的仿真调试、运行状态监控和异常诊断，实现虚实联动。

智能管控与调度层：这是软件的核心大脑，负责生产任务的排程、物料流的调度、能源管理以及产线整体的协同优化。

云边协同平台层：实现车间边缘侧与云端的数据互通与算力协同，支撑复杂算法模型的下发与大规模数据的分析。

在报告的最后，王耀南院士对未来的发展方向进行了展望，重点提及两大趋势：

开源生态建设：他强烈呼吁并致力于推动智能制造软件平台的开源生态建设，认为这是加速技术普及、降低开发成本和促进创新的关键路径。

工业AI大模型集成：展望了将工业AI大模型与产线管控软件深度融合的前景，以期实现更智能的生产决策、更自然的“人机对话”式运维交互以及更高效的工艺参数自主优化。

总结来说，王耀南院士的发言体现了 “系统思维”和“工程落地” 的鲜明特点。他没有停留在单一软件技术，而是从整个智能制造生态系统的角度，勾勒出如何通过自主研发的软硬件一体化平台和核心管控软件，将智能产线“管起来、控得好、优化好”。他的工作为“制造”迈向“智造”提供了至关重要的执行层解决方案，夯实了工业软件赋能实体经济的技术基座。

中国工程院院士、山东省科协主席 凌文

中国工程院院士、山东省科协主席凌文作题为“工业互联网产教科融合创新模式的探索与实践”的报告。他的发言立足于国家能源战略与工业现代化的交叉点，为工业软件在能源与重工业领域的应用提供了独特的战略视角。

凌文院士从宏观战略高度指出，工业软件对于保障国家能源安全、实现“双碳”目标具有不可或缺的核心作用。他强调，在能源行业向绿色化、智能化转型的过程中，工业软件已超越效率工具范畴，成为:

能源供应链韧性的“稳定器”：通过优化从勘探、生产、储运到配送的全链条，提升能源供应的可靠性和抗风险能力。

绿色低碳转型的“导航系统”：精准管理和优化能源消费与碳排放，为高耗能产业提供可行的低碳化路径。

凌文院士特别强调，工业软件的创新必须深度扎根于特定行业的复杂应用场景。他重点剖析了煤炭、电力、化工等传统能源与重化工行业的独特需求：

复杂系统建模：针对多相流、极端工况、大规模流程集成等复杂物理化学过程，开发高保真的专业模型。

安全与可靠性优先：工业软件必须将“本质安全”和“预测性维护”作为核心设计理念，杜绝重大安全事故。

全生命周期成本优化：不仅要优化生产瞬时效率，更要统筹考虑设备寿命、能耗成本与环境成本，实现全生命周期价值最大化。

凌院士系统性地阐述了工业软件在能源领域的具体赋能方向：

数字孪生与智能运营：构建覆盖“矿井-电厂-化工园区”等复杂系统的数字孪生体，实现透明化管理、智能调度与超前决策。

能源一体化协同优化：开发用于风/光/储/氢等多元能源协同的调度与优化软件，支撑新型电力系统的稳定高效运行。

碳足迹追踪与管理系统：建立贯穿整个产业链的碳足迹精准监测、报告与核查（MRV）系统，为全国碳市场和企业碳资产管理提供核心数据支撑。

凌文院士在总结中呼吁，要打破“就软件谈软件”的局限，构建一个深度融合行业知识与软件技术的创新体系。

培养跨界人才：迫切需要培养既精通能源工艺、又掌握数字技术的复合型人才。

共创研发模式：鼓励软件企业与龙头能源企业建立“创新联合体”，以真实需求牵引技术攻关。

标准与安全先行：加快制定能源工业软件的数据与接口标准，并筑牢其网络与数据安全防线。

总结来说，凌文院士的发言为工业软件的发展提供了一个立足于国家战略需求、聚焦于重型场景落地的坚实视角。他清晰地指出，在能源与重工业这个“硬核”领域，工业软件的成功不仅在于技术先进，更在于对行业知识的深刻理解和对国家战略的精准支撑，这是实现其价值的根本所在。