美国断供工业CAD，软件！中国没有照着西方软件抄答案，用AI掀桌子

断供这把刀，终于落到了工业CAD头上。

哈工大当年被掐掉MATLAB授权时，软件说停就停，项目说瘫就瘫，如今同样的剧本换了个目标，瞄准的是工业设计的命门。

但这一次，剧本没按华盛顿写的走：国内团队把AI塞进国产CAD的底层链路，飞机气动仿真原本要连续跑数十小时的活，在限定工况、经过充分数据训练的 AI 代理模型下，推理时间可以压缩到分钟级别。

虽说这不是所有项目都能达到的通用成绩，但却释放出一个强烈信号：中国不只是在寻找替代品，更在尝试改写工业设计的效率规则。

MATLAB最初只是一个用Fortran编写的交互式矩阵计算器，目的是让学生不必直接编写底层程序，也能使用LINPACK、EISPACK等数值计算工具。

后来，它逐渐发展成覆盖算法开发、数据分析、控制系统和工程建模的计算平台。

Ansys和CATIA走的是另一条路。

Ansys的前身由约翰·斯旺森在1970年创办，第一位客户是西屋电气；CATIA则源自达索航空的工程团队，最初就是为解决航空产品三维设计越来越复杂的问题，后来扩展到汽车、制造和产品全生命周期管理。

这些软件之所以难以替代，并不是因为有限元、流体力学或者矩阵运算的公式只有国外公司知道。

相关理论早已公开，真正难复制的是几十年积累下来的求解器、几何处理能力、材料模型、工程经验、错误修正和行业接口。

一架飞机、一辆汽车或者一台燃气轮机，在电脑里不是一个简单的三维外壳。

工程师需要划分网格，设置材料参数、载荷和边界条件，再让计算机求解数量庞大的方程。碰到高速气流、碰撞、燃烧、热传导或者多物理场耦合，计算量还会继续上升。

更麻烦的是，工业软件不能只在演示视频里跑通一次。它必须回答一个最现实的问题：算出来的结果，企业敢不敢拿去造飞机、造汽车、造船，甚至用于核能设备和重大工程？

这就是老牌软件最深的护城河。它们经历过大量真实项目，很多不起眼的功能背后，可能都是某次工程失败留下的修正。

中国企业如果只按照相同路径重新写一遍代码，追赶周期必然非常漫长。

正因为传统路线耗时太长，国内工业软件企业开始寻找新的切入口。

中望软件持续建设二维CAD、三维CAD/CAM以及结构、流体、电磁等多学科仿真产品，目前已经形成较完整的CAx产品体系。

设序科技则把重点放在AI生成式设计和工程图纸自动生成上，希望把过去按小时甚至按天计算的部分出图工作缩短到分钟级。

厦门五卓未来科技推出的“卓犀智数AI识图平台”，主要处理的也不是完整飞机的气动仿真，而是制造企业更常见的图纸数字化问题。

公开资料显示，该平台结合DWG底层解析和PDF、图像识别，提取尺寸、公差、材料和BOM等信息，再与ERP、MES等系统衔接。

这三类探索解决的是不同问题：中望在补CAD、CAE、CAM组成的基础工具链；设序尝试让AI参与三维方案和二维工程图生成；卓犀智数处理存量图纸识别和结构化。把它们全部说成“AI仿真软件”，反而会模糊各自真正的价值。

生成式设计也是同样的逻辑。工程师提出尺寸、材料和功能约束，软件生成多个候选方案，人再负责审核与修改。

AI并没有取代工程师，而是把工程师从大量重复画图、查表和改参数的工作中释放出来。

物理信息神经网络，也就是PINN，是近年备受关注的一条技术路线。它会把微分方程、边界条件和观测数据引入神经网络训练，让模型在学习数据规律的同时，尽量遵守已知物理规律。

不过，把物理规律放进损失函数，并不等于模型从此绝对不会出错，更不意味着所有传统有限元和计算流体力学软件都能被直接扔掉。

因此，工业界更现实的路径不是让AI完全取代求解器，而是采用混合方案：先用传统仿真产生可信数据，再训练代理模型；或者由AI快速预测大部分结果，关键位置继续交给有限元、实验和工程师复核。

在训练充分、工况范围明确的单一场景中，过去需要数小时甚至数十小时的参数扫描，确实有可能被压缩到分钟级、秒级。

但是一旦材料、结构、边界条件或者工作环境明显超出训练范围，就必须重新验证。

网络上流传的“72小时变3分钟、精度超过99%”，如果没有说明测试模型、硬件、误差定义和适用工况，就不能被当成整个国产工业软件行业的共同水平。

同样，“成本降低90%”“研发效率提升50%”也只能对应具体项目，不能直接套在所有工厂身上。

真正值得重视的，不是某一次演示跑得有多快，而是国产软件能不能把速度、精度、稳定性、可追溯性和私有化部署同时做好。工业现场允许慢一点，却不能接受一个无法解释、无法复现的错误答案。

如果说企业端的突破容易引发关注，那么发生在高校里的另一件事，可能更加关键。

2024年2月25日，由哈尔滨工业大学牵头研发的科教版科学计算与系统建模仿真软件SE-MWORKS正式发布。

参与单位包括北京航空航天大学、北京理工大学和哈尔滨工程大学，平台建立在苏州同元软控的MWORKS开放架构之上。

这件事之所以值得单独讲，是因为它与2020年的MATLAB断供形成了直接呼应。当年受到影响的高校，没有停留在寻找临时替代软件，而是开始参与建设国产科学计算和系统仿真平台，并把平台真正放进课堂。

按照哈工大公开的数据，SE-MWORKS发布时已经包含15个工具箱、10个模型库、10本系列教材、3个虚拟仿真实验教学平台和210个科教案例。

软件在四所高校的上百门课程和十余个科研项目中得到应用。

2023年，哈工大设立MWORKS课程建设专项，共支持73门本硕博课程，其中62门次已经开课，校内覆盖学生接近4000人次。北航、北理工和哈工程也开展了约60门次课程立项，覆盖学生超过3000人次。

这些数字可能没有“3分钟完成72小时仿真”那么刺激，却更能说明国产软件真正开始扎根。因为工业软件最难补的不只是产品功能，还有用户习惯、教材、课程、模型库、开发者和工程师生态。

一个学生在大学期间习惯用什么工具，进入企业后往往就会继续使用什么工具。国外软件能够建立长期优势，很大程度上正是因为它们早早进入高校，让一代又一代工程师在学习阶段就形成使用习惯。

Sysplorer则用于多领域系统建模与仿真验证。这说明国产替代正在从一次性展示走向日常教学和科研环境。

更重要的是，MWORKS走的并不是单纯模仿MATLAB界面的路线。其产品体系已经延伸到科学计算、框图与状态机建模、Modelica多领域仿真、系统架构设计、协同仿真和数字孪生等环节。

同元软控公开资料显示，相关平台已经面向航空、航天、核能和船舶等领域展开应用。

这才是断供之后最值得观察的变化：从找一个软件临时顶上，到高校、企业和研究机构共同建设工具链；从解决“今天还能不能上课”，走向解决“下一代工程师使用什么平台”。

中国拥有规模庞大、门类齐全的制造业，汽车、船舶、轨道交通、航空航天、新能源和工程机械能够提供丰富的真实场景。这确实是训练工业AI、验证国产软件的重要优势。

但有工厂、有数据，不代表软件能力会自动产生。制造数据还涉及格式不统一、质量参差、商业秘密和安全要求，很多关键数据不能随意集中，更不能直接拿来训练通用模型。

国产工业软件接下来真正要过的，是三道关。

第一道是底层技术。几何内核、网格划分、求解器、编译系统和多物理场耦合能力不能只靠界面创新绕过去。

第二道是工程验证。软件必须经历足够多的真实项目，在极端工况和复杂边界条件下反复测试，形成可以追溯的误差体系。

第三道是生态。只有教材、课程、标准、接口、模型库、开发者和企业用户共同增长，国产软件才不会永远停留在“能用”的阶段。

所以，回头看2020年的MATLAB授权风波，它最大的影响不是让中国在几个月内造出一个完全相同的替代品，而是让更多人认清了软件供应链的风险，也推动高校和企业开始补过去长期忽视的基础能力。

六年之后，中国工业软件距离全面替代国际头部产品仍有路要走，传统CAE也远没有被AI淘汰。

但从国产CAD、AI工程图纸处理，到SE-MWORKS进入数千名学生的课堂，一条新的技术和人才链条已经形成。

断供可以让一个授权失效，却很难阻止新的工具、课程和工程生态生长出来。

真正的突围，从来不是喊一句“弯道超车”，而是把别人积累几十年的东西，一层一层变成自己能够掌握、验证和持续迭代的能力。