2017-2025工业数字化与工业软件领域的演进：基于德意志银行《工业互联网赢家与输家》框架的比较分析

2017年看了一份德意志投行的报告：Winners and losers of the Industrial Internet - Deep dive into the Industrial Internet of Things (IIoT)，当时觉得里面的研究框架与视角特别有意义，当然后面我看到其他一些投行与咨询机构也在用类似的框架在做类似的研究，当然我也每年会基于其中的一些视角做一些分析，通过里面的视角，看看自动化企业到数字化企业的演化之路。

在这8年中，难道只有自动化企业在向数字化企业演进吗？后面有没有其他自动化企业加入进来，结论是当然了，而且后面的并购非常激烈，从2007年-2025年，自动化企业并购工业软件企业的PS已经由1.6x向20x进军。 这些资产除了因为卷而越来越贵，难道就没有其他原因吗？尤其是在AI大模型出现之后，Agentic AI时代的到来，这一切似乎更加激烈了。

2007年-2025年期间，不仅仅自动化企业，Google、Deepmind、Amazon、Microsoft、Oracle，Meta等等，这些科技巨头在这些企业他们布局了什么？这个世界顶级的资产，最后会在哪里再一次总汇聚，然后再下一次因为什么而又总汇聚。如果金融市场还在，还是主流价值观，Agentic AI会不会让所有企业在向更高的企业价值倍数与EDIBTA Margin坐标系的右上角迁徙。

说明：信息更新至 2025‑11‑02。

新格局的开始，AI让科技公司，工业自动化公司，工业软件企业从技术栈上重塑世界。

引言

1.1 研究背景与目的

2017年4月，德意志银行发布《Winners and Losers of the Industrial Internet》（《工业互联网赢家与输家》）深度报告，对工业领域数字化转型（工业物联网，IIoT）的机遇和风险进行了前瞻性分析。报告提出，几乎所有工业客户都在探索数字化转型的价值，众多设备供应商、云平台公司和分析工具公司纷纷尝试在工业物联网浪潮中分一杯羹。该报告通过搭建分析框架，评估了报告所覆盖公司在工业数字化领域的战略和能力，从而判断未来的"赢家"和"输家"，并预测数字化转型将对传统工业企业估值产生深远影响。

本研究的目的是在德银2017年框架的基础上，扩展并更新分析工业数字化和工业软件领域在2024年至2025年10月期间的新变化。通过纳入新的行业参与者（包括国际领先的EDA/CAE软件公司和中国本土工业数字化企业），对比分析2017年与2025年的战略演变、技术产品布局、经营业绩和市场估值等关键指标，探讨行业最新发展趋势，并为政策制定、企业战略和投资决策提供参考。

1.2 德银2017年报告框架简介

德银2017年报告构建了多个分析模型来评估工业互联网时代企业成功的关键要素和潜在影响，包括：

• • 工业物联网成功的"三大支柱"模型： 报告认为，能够在IIoT时代取得成功的工业企业需要同时具备三大要素：__ 大量的设备安装基座与深入的领域专长，能够提供丰富的数据来源并将行业知识融入数据分析；__ 强大的数据分析和数字化平台能力，将海量数据转化为有意义的洞见；__ 完善的自动化控制能力，能将数据洞见实时反馈应用于生产控制，实现"边分析、边行动"的闭环。简而言之，即企业要能"感知（Sense）-分析（Analyze）-行动（Act）"于一体。报告指出西门子和施耐德电气在这三方面均优势突出，因此被视为最有希望的工业数字化赢家。
• • IT/OT融合路径模型： 工业领域的信息技术（IT）与运营技术（OT）的融合被视为工业4.0的必然趋势。报告讨论了IT与OT公司可能出现的合作乃至并购趋势，以实现从"车间到董事会"（shop-floor to top-floor）的数据贯通。例如，报告列举了西门子在2007-2016年间斥资约100亿美元收购UGS、LMS、CD-adapco、Mentor Graphics等软件公司的案例，认为未来可能出现更多IT与OT巨头之间的并购来加速融合。
• • 估值敏感性模型（EV/EBITA Re-rating）： 报告提出，如果工业公司成功驾驭IIoT浪潮，其估值倍数（如EV/EBITA）有望部分向软件公司看齐。当时软件公司估值较工业公司溢价约40%。报告假设若投资者愿意将工业公司一半的IIoT相关收入用软件公司的倍数来估值，可带来约10%的市值重估上升空间。其中为施耐德电气和西门子测算的潜在估值提升约为+10%，对应两者在2017年股价基础上的进一步上涨潜力。
• • 工业平台架构模型： 报告梳理了当时主要公司的工业物联网平台战略。例如GE的Predix、西门子的MindSphere、施耐德的EcoStruxure等。这些平台大多包含设备层的连接、边缘或现场控制层，以及云端的应用与分析层，并强调平台的开放性和生态系统。例如，施耐德的EcoStruxure被描述为包含"互联互通的产品"、"边缘控制"和"应用、分析与服务"三层架构，并贯穿于楼宇、数据中心、工业、电网四大领域，且具备端到端的网络安全和可在本地或云端部署的灵活性。

上述框架为分析2017年前后的工业数字化格局提供了清晰结构。本报告将延续这些框架，并结合2024-2025年的新情况进行扩展。例如，随着工业生态系统的重要性凸显，我们将探讨"三大支柱"模型如何演化出第"四"支柱；针对估值模型，我们将加入AI和订阅化带来的新影响因素；对于IT/OT融合，我们将盘点近期的合作案例和融合新模式；对于工业平台架构，我们将融入边缘计算、多云部署、AI服务层等新元素。通过这些更新，全面刻画过去八年工业数字化领域"赢家"和"后进者"的消长，以及中国企业与国际同行的同台竞逐状况。

方法与来源说明

2.1 数据来源与时间范围

本研究的数据覆盖2017年至2025年10月期间的主要公开信息，包括：

• • 官方公告与财报： 各公司年度报告、季度报告、投资者日资料，以及新闻稿等。特别强调引用2024年和2025年1-10月的最新财务数据和战略动态，所有财务数据和增长率均来自公司正式披露或权威二级统计。
• • 权威研究机构报告： 包括国际投行和研究机构（如德意志银行、高盛等）的行业报告，市场调研机构（如Gartner、IDC）的分析，以及中国业内权威咨询报告等，用于获取市场规模、份额及评价。
• • 产业媒体与财经媒体： 包括国际财经媒体（如Financial Times、WSJ）、专业产业媒体（如IoT Analytics、Industrie 4.0期刊等）以及中国国家级媒体和产业媒体（如《中国电子报》《第一财经》等）的报道，用于跟踪行业热点和政策环境。
• • 用户提供资料： 本研究也参考了用户提供的2017年德银报告原文以及相关的图表和材料，确保对原框架的理解准确无误。

数据采集后，我们对关键指标进行了整理，包括各公司的收入规模、业务结构变化、研发投入、估值倍数（如PE、EV/EBITDA等）变化，以及在AI、数字化平台方面的投入产出指标等。在对比分析时，所有数值力求同口径对比（如货币单位统一为美元或人民币，明确是否经过汇率和通胀调整），增长率均注明是否为可比口径的有机增长。

2.2 分析模型与指标说明

分析框架： 我们将沿用并扩展德银报告的四大框架（成功支柱、估值模型、IT/OT融合、平台架构），分别在第3-6章中进行模型原理阐释和演化分析。在第7-9章中，我们将框架应用于具体公司和技术领域的对比。第10章则总结趋势并提出建议。

公司分组： 根据用户要求和行业特点，我们将分析对象分为三组：

• • 工业自动化巨头： 以2017年报告中覆盖的主要工业自动化公司为主，包括西门子、施耐德、ABB、罗克韦尔，以及其他具有可比性的跨国企业（如霍尼韦尔、艾默生等，在分析中酌情提及）。这些公司通常同时涉足工业硬件和软件业务，有大量OT基础。
• • 工业软件与EDA领导者： 新纳入Synopsys、Cadence、Ansys、Siemens EDA、Hexagon等企业。这些以软件和数字工具见长，服务于工业设计仿真、电子设计等领域，代表工业软件的高端板块。Keysight和Sandvik也归入此组比较，因为前者在测试测量和仿真软件有布局，后者近年来通过收购进入制造软件领域。
• • 中国工业数字化企业： 挑选了具备与西门子、施耐德、ABB等相似业务布局的国内代表公司，包括汇川技术（工业自动化和新能源）、中控技术（流程工业自动化与软件）、和利时（本土DCS/PLC和轨道交通控制）、鼎捷软件（制造业ERP/MES软件）、南瑞继保（国家电网系电力自动化龙头）等。这些公司的平台化、自动化控制和工业软件布局能与国际巨头形成对比。其数据主要来自年报、公告以及国内券商研究。

指标体系： 针对每家公司，我们重点对比以下指标在2017和2025的变化：

• • 战略与业务结构： 核心战略口号或方向（如ABB的"数字ABB"战略演进）、业务板块占比变化（例如施耐德软件与服务收入占比提升情况）、重要收购和剥离，以及生态合作举措等。
• • 技术与产品： 数字化产品/平台推出情况（如MindSphere、EcoStruxure、Predix的演进），AI技术集成（如Generative AI在工业软件中的应用）、数字孪生解决方案、边缘计算产品（如工业边缘服务器、边缘软件）以及5G/工业网络支持（如推出工业5G路由器等）。
• • 财务绩效： 营业收入及其增长（2017 vs 2024/2025最新）、营业利润率变化、研发投入强度等。对于软件类公司也关注经常性收入（ARR）比例等衡量数字化转型成功度的指标。
• • 市场估值： 市值和估值倍数变化。例如市盈率、市销率、EV/EBITDA等，看市场是否给予数字化领先者更高溢价。我们将引用2025年接近10月的估值水平并与2017年底做对比，考虑宏观因素影响。

在分析中，我们会使用表格和矩阵对比不同公司2017与2025年的指标，并引用权威数据来源支持所有具体数值和论断。例如，引用施耐德电气官方披露的"2023年软件和数字服务收入首次超过30亿欧元，同比增长18%"来说明其数字化转型成果；引用Synopsys投资者新闻稿对其2025年在EDA中引入生成式AI和多Agent技术的描述，说明软件公司的技术前沿动态。所有引用均以【出处†行号】形式给出，方便读者查证原始信息。

通过上述方法，我们力求全面、客观、准确地刻画2017年以来工业数字化领域的演进脉络，并对当下（2025年）的格局和未来趋势做出分析判断。

工业物联网成功的支柱模型演化

3.1 原"三大支柱"模型：安装基座、数据平台、实时控制

德银2017年报告提出了工业物联网（IIoT）时代企业成功的"三大支柱"模型，即认为真正成功的工业数字化领军者需要同时具备三方面的核心能力：

• • 庞大的已安装基座（Installed Base）和深厚的领域Know-how： 工业企业历经多年积累的大量设备装机和客户资源，被视为数字化时代的宝贵财富。每台设备、每条产线都在源源不断地产生数据，而企业对自身行业工艺流程的深刻理解（领域专长）使其有能力将这些数据转化为有意义的信息。报告指出，拥有巨大安装基数和丰富行业经验的公司在数字化转型中起步占优，例如西门子在电力、轨道交通、医疗、工厂自动化等领域深耕多年的经验。
• • 强大的数据分析和数字化平台能力： 这包括从感知层采集数据的物联网技术、工业云架构以及大数据分析和AI算法等软实力。只有拥有集成化的数字解决方案平台，企业才能将海量设备数据汇聚并进行高级分析。例如，报告称"成功的IIoT公司将结合一个集成的数字解决方案平台、深厚的领域专长，以及实时自动化控制，实现数据分析的价值"。这一平台能力在当时体现为各家公司推出的工业物联网平台（Predix、MindSphere等），可以理解为贯通OT与IT的数据"中枢大脑"。
• • 完善的自动化和控制执行能力： 即企业具备将数据洞察即时作用于生产过程的能力。这通常依赖其控制系统产品（如PLC、DCS）和工业软件（如MES、SCADA）的实力。指出，"成功的IIoT公司将通过自动化/控制活动实时实施数据分析带来的洞察"。也就是说，光有数据分析结论不足以带来价值，关键在于迅速反馈调整机器或工艺，实现闭环。这正是传统工业自动化厂商的强项所在：他们拥有一整套从传感器、控制器到执行机构的解决方案，可执行"最后一公里"的动作，将分析结果转化为生产率提升。

上述三者形成了工业数字化成功的"三足鼎立"结构。德银报告用**"感知-分析-行动"（Sense-Analyze-Act）的循环来形象说明这一闭环：企业需要能够"感知"**现场数据并连接设备、"分析"数据提炼价值、"行动"将优化指令反馈到生产环节。报告强调，大多数传统工业自动化公司其实已经具备了这些要素的雏形，因为他们本就"能感知、会分析、善行动"--例如西门子、ABB、施耐德等都有广泛的传感器与控制产品线（感知+行动），以及不断增强的工业软件和数据分析能力（分析）。因此，在德银看来，工业自动化巨头们在数字化时代具备天然优势，有望成为主要赢家。

为了量化不同公司的"三大支柱"实力，德银报告构建了一个数字化能力矩阵（报告图2），对若干工业企业的安装基数、自动化专长、软件平台等维度进行了评级（"+"号多少表示强弱），并给出综合排名。表1摘录了报告中的部分矩阵内容：

表1：2017年部分工业公司的IIoT数字化能力比较（"+"越多表示相对越强）__。德银分析认为西门子和施耐德电气凭借其综合能力在工业物联网时代处于领先阵营。

注："="表示中等或一般水平，"+++/++/+"表示相对优势强度从高到低。

从表1可以看出，2017年时西门子和施耐德在各维度都表现优异，被德银评为综合数字化能力最强的两家公司。罗克韦尔、ABB紧随其后，在各自擅长领域有明显强项但平台方面稍逊。GE由于强大的安装基数和积极的软件投入（Predix平台）也被寄予厚望，但其工业控制专长相对不足（自动化方面标记为"="）。值得注意的是，这个矩阵也提示了传统电气设备公司与纯软件公司的区别：当时很多IT/软件公司（如SAP、Dassault等未在表中列出）可能有很强的软件分析能力，但缺乏工业现场控制和设备基础；反之，传统工业公司软件实力较弱但在设备和控制环节有深厚积累。因此融合三要素是一项艰巨挑战，只有少数公司在2017年已展现出全面布局的端倪。

3.2 第四支柱的兴起：生态系统与平台开放性

随着工业数字化的推进，到2020年代中期业内普遍认识到，除了前述三大要素外，构建强大的生态系统（Ecosystem）已成为工业物联网成功的第四支柱。也就是说，企业不仅要自身"能感知、会分析、善行动"，还要"聚伙伴"，营造一个开放协作的数字化生态圈。

这一理念在2017年已有苗头。例如GE在推广Predix平台时非常强调开发者和合作伙伴网络，声称2016年已有22,000名开发者在Predix上开发应用、签约合作伙伴超过400家。西门子的MindSphere也于2017年开始打造开发者社区，允许第三方连接设备和开发APP。开放与互操作性在当时被视为平台成败的关键因素之一：报告指出，"互操作性和开放性是成功的关键"，过去使用封闭协议的某些解决方案（如罗格朗的早期家庭自动化系统）未能获得广泛牵引力就是教训。因此，即便在2017年，德银报告的分析框架中已隐含了对"开放平台"的要求，表现在*图10（2017年那份投行报告）*的竞争优势列表中专门提到了"Openness"（开放性）。

进入2024-2025年，"生态系统"作为独立支柱的重要性更加凸显，主要体现在：

• • 平台用户和开发者社区： 工业数字化平台的价值与其用户和开发者数量呈指数关系。成功的平台不仅有庞大的终端设备接入量，还应吸引大量第三方开发者编写工业APP、分析模型等，从而形成应用商店式的繁荣。例如，西门子Xcelerator平台在2022年宣布开放，其应用商城中的合作伙伴应用和服务不断增加；施耐德电气则运营EcoStruxure Exchange社区，汇聚数千开发者和软件伙伴，共同为其客户提供定制解决方案。
• • 合作伙伴网络： 工业领域高度碎片化，任何一家厂商都难以包揽所有环节。围绕平台构建强大的伙伴网络，包括系统集成商、独立软件厂商、设备OEM、云服务商等，是实现规模扩张的必由之路。例如施耐德电气依托其全球庞大的电气经销商和系统集成商渠道，在推广EcoStruxure解决方案时事半功倍。再如微软、亚马逊等IT巨头并不直接制造工业设备，但通过与ABB、科尼、PTC等OT企业结盟，也成为工业物联网生态的重要参与者。
• • 标准与联盟： 开放生态离不开行业标准。2017年以来，工业通信和数据标准迅速发展，如OPC-UA、MQTT、数字孪生标准等，被越来越多厂商支持，降低了不同设备和平台间集成的门槛。企业也积极参与产业联盟（Alliance）制定标准或推广互通性，例如德国的工业4.0平台、美国IIC联盟、中国的工业互联网产业联盟等，共同培育生态。

简而言之，"单打独斗"在工业互联网时代难成大器。很多案例证明，封闭的系统哪怕单体技术再好，也难以扩展为行业通用平台。例如，GE的Predix在2010年代末遇挫，一个重要因素即被指过于封闭、自身应用又不够成熟，最终未形成开发者生态，影响了客户接受度。相反，西门子、施耐德等近年都主动加强与原本的竞争对手甚至IT巨头的合作，以展示其平台的开放胸襟。例如西门子在2023年宣布与微软深化合作，将其工业软件与Azure OpenAI服务结合，引入生成式AI助手，用于工厂自动化程序的自动生成和优化；施耐德电气与AVEVA合并后也持续保持AVEVA产品（如数据平台OSIsoft PI系统）的开放属性，兼容其他厂商自动化设备的数据接入。

因此，我们在更新德银"三支柱"模型时，可以认为"生态系统平台"已成为与前述安装基座、数字平台、控制执行同等重要的第四支柱。一个直观的演化图示是：在企业自身"感知-分析-行动"闭环之外，再加上一层外圈，由众多合作伙伴、开发者和终端用户组成的"共创生态"，共同丰富平台应用，提升客户价值。只有在四大支柱均扎实的情况下，工业数字化转型才能取得全面且可持续的成功。

3.3 "感知-分析-行动"闭环的深化与典型企业实践

为了更好地理解以上支柱模型的实际作用，我们结合几个企业案例来说明2017-2025年间这些要素的发展：

• • 西门子：作为感知-分析-行动闭环的典型代表，西门子在2017年已拥有全球最广的工业领域安装基座之一（数十万台工业控制器和驱动设备等）以及覆盖离散和流程工业的丰富行业知识。在数据分析平台上，西门子2016年推出MindSphere物联网OS，提供从边缘连接、设备管理到云端分析应用的功能。控制执行方面，西门子的自动化硬件（Simatic PLC、数控系统等）和工业软件（如MES、PLM）形成了闭环。在此基础上，2020年代西门子进一步加强生态建设：将MindSphere升级融入其更大的开放数字业务平台Xcelerator，并与AWS、微软等云伙伴合作提供服务。此外，西门子积极探索以AI增强"分析"环节，如2023年与微软合作将GPT模型用于自动代码生成，加速控制系统对分析结果的响应。这些举措使西门子的"感知-分析-行动"闭环更加智能和高效，同时通过生态合作扩大了应用场景。
• • 施耐德电气：2017年施耐德已有EcoStruxure架构，包含"互联互通的产品"层（感知）、"边缘控制"层（实时控制）和"应用、分析与服务"层（云端分析）。该三层架构直观体现了支柱模型各要素协同工作，并特别强调了边缘层的重要性（在现场实现部分分析和控制）。2017年其45%的销售已与IoT相关，包括4%的软件、16%的控制系统和25%的连接产品。到2023年，施耐德的软件和数字服务收入跃升至占比约19%，其中纯软件约9%（约30亿欧元）。这反映出其"分析"能力的加强（通过收购AVEVA等扩充了工业软件组合）。在"生态系统"方面，施耐德通过EcoXpert合作伙伴计划、EcoStruxure Exchange社区吸引了数千家合作伙伴和开发者，共同开发垂直解决方案，实现了自身能力的外延。因此，施耐德的案例说明，一家传统工业企业可以通过持续投资数字化平台和生态，在八年间将自身转型为"软硬并重"的数字化企业--其感知-分析-行动闭环变得更加软件驱动和开放协作。
• • Synopsys（新思科技）：作为EDA软件龙头，Synopsys不是传统工业自动化企业，却是工业数字化底层的重要支撑者。2017年Synopsys的"三要素"更多体现在软件域：它拥有庞大的IC设计工具用户群（可视为Installed Base，只是设备换成了设计座席）、全球顶尖的芯片设计算法平台（分析能力），以及一定的自动化程度（EDA工具可以自动执行许多设计步骤，相当于虚拟环境的控制执行）。到2025年，Synopsys不仅自身实现了更高的自动化（推出基于强化学习的设计软件，能自动优化芯片布局布线），还将AI Agent概念引入EDA流程。其宣布开发的"AgentEngineer™"多智能体系统，能够自主执行部分工程流程，提高设计效率。这实际上是在软件层面构建了感知-分析-行动闭环--AI代理感知设计数据、分析并做出设计调整（行动），减轻了人工干预。这说明，在纯软件领域，"三大支柱"模型也有类比：数据（经验库）、分析（AI算法）和执行（自动决策）同样关键。此外，Synopsys在2025年收购了工业仿真软件巨头Ansys，将CAE仿真能力纳入自家平台，实现从芯片到系统的设计一体化。这也是"生态整合"的一种形式，即通过并购形成更强大的平台，为客户提供端到端数字化工具链。Synopsys案例显示，即便非传统工业企业，也在朝综合集成功能和扩展生态方向演进，与工业领域的成功要素不谋而合。

综合来看，德银提出的"三大支柱"在近年来经受了实践检验，并随着技术进步而进一步丰富。安装基座依然是竞争护城河，但其内涵扩大到"数据资源"；数据分析平台则深受AI技术驱动而迅猛发展；实时控制执行的重要性有增无减，且正在与IT技术融合（如边缘计算应用于控制）；再加上生态系统这一"第四支柱"全面支撑，四者共同构筑起工业数字化时代企业竞争力的核心架构。企业唯有在这几个方面均有建树，才能在激烈的工业互联网竞赛中立于不败之地。

EV/EBITA估值敏感性模型的扩展

4.1 2017年模型回顾：软件收入重估对估值的影响

在工业数字化转型背景下，传统工业公司有望提升其估值倍数，这是德银2017年报告一大亮点观点。当时报告指出，工业自动化公司与纯软件公司的估值差距显著：软件公司平均估值约为传统工业公司的1.4倍，具体体现在EV/EBITA（企业价值与税前息前摊销利润比）或市盈率等指标上溢价约40%。这个差距被认为反映了市场对软件行业高增长、高利润特性的追捧。

然而，很多工业自动化厂商声称其收入中已有相当比例来自软件或包含软件元素（如控制系统内嵌软件、数字服务等），只是市场尚未给予充分的"软件化"估值。德银报告据此设计了一个敏感性分析模型：假设投资者对工业公司一部分收入按软件公司的估值倍数重新定价，那么工业公司的整体估值将相应提高。报告给出了一个量化示例：若将工业公司**50%**的IIoT相关收入按照软件类16倍EV/EBITA估值，而剩余收入仍按工业类11倍估值，则整体EV/EBITA可提升约10%。这一假设对应当时施耐德和西门子的情形，大致测算两家公司潜在估值上行空间均在10%左右。

报告甚至列出了不同收入重估比例下估值变化的情景表：

• • 如果仅有5%的收入按软件倍数估值，则工业公司的市盈率可提升约2%，EV/EBITA提升约2%，利润率提高约0.7个百分点。
• • 若15%收入按软件估值，则P/E提升7%、EV/EBITA提升5%、利润率提高2.2个百分点。
• • 若25%收入按软件估值，则P/E提升12%、EV/EBITA提升9%、利润率提高3.6个百分点。

以上敏感性分析表明，哪怕只有一小部分收入被市场视作"软件式收入"（高增长、高毛利、经常性），都能对估值产生显著拉动。因此当时得出结论：数字化转型成功的工业公司有望获得10%甚至更多的估值倍数再评级。报告特别强调施耐德电气股价被低估，因为市场尚未反映其物联网潜力--2018年预期EV/EBITA仅11.2x，较行业均值折让10%，而德银认为可望重估11%上涨空间。

从后来实际走势看，施耐德等公司的估值确实在逐步提高。例如施耐德电气的股价从2017年约每股€70左右，至2021年曾高达€150以上，对应估值倍数明显上扬（尽管期间有宏观因素扰动）。这在一定程度上印证了当初的预判：投资者逐渐认可工业公司的数字化转型价值。

总之，2017年的模型核心假设是--当工业公司变得更像软件公司（收入结构中软件/数字服务占比提高，增长前景改善），市场会给予更高的估值倍数。这提供了一个分析框架，帮助我们理解为何一些积极转型的工业企业市值增长快于其业绩增长。本报告将在此框架上结合近年新因素，评估如今的估值驱动因素有哪些变化。

4.2 2025年新因素：AI赋能、订阅模式与增长质量

进入2024-2025年，工业企业的数字化转型更加深入，一些新因素开始影响市场对它们的估值定价。我们在扩展EV/EBITA敏感性模型时，需要考虑以下方面：

• • AI赋能所带来的估值溢价： 2023年以来，以Open AI-ChatGPT为代表的生成式AI热潮使"AI"成为资本市场的宠儿。哪怕是在工业领域，只要一家公司宣布了AI相关的新产品或战略，股价往往会受到积极影响。例如，2023年7月西门子公布与微软合作将生成式AI引入工业软件，当天股价即上涨，可见投资者对AI前景的憧憬。AI对于工业公司的意义在于有望进一步提高其软件业务的增长潜力和利润率：AI可以创造新的高价值服务（如预测性维护AI服务、自动化工程助手等），也可提升现有软件的竞争力。因此，我们可以看作是一种特殊的"软件收入重估"：当收入被贴上"AI驱动"的标签后，市场可能给予更高的倍数。这类似于2010年代中后期云计算热潮时市场给"上云"公司更高估值的情形。目前许多工业公司都在积极宣传其AI布局，例如ABB在2023年成立了AI创新中心、发力机器人机器人的自学习能力；西门子开发Industrial AI应用套件；施耐德则将AVEVA的AI功能融入EcoStruxure。AI越成功商用化，工业公司的估值支柱越趋近科技公司。当然，需要警惕AI炒作过热后的回调风险，但整体而言，AI赋能被市场视为提高"分析"环节价值的利好因素。
• • 订阅化与经常性收入（ARR）： 软件领域一个重要估值因素是经常性收入（Recurring Revenue）占比。经常性收入包括订阅许可、SaaS、软件支持服务等，相比传统一次性销售具有更高的可预测性和稳定性。市场往往给予经常性收入更高倍数（SaaS公司EV/Revenue倍数远高于卖License的软件公司）。工业企业近年也在推动业务模式从一次性售卖转向订阅/服务模式。例如，PTC公司早在2018年宣布全面转型订阅模式，成功让ARR快速增长，市值随之大涨；Rockwell收购的Plex Systems主营SaaS MES，也提升了Rockwell整体ARR占比和估值想象空间。施耐德在收购AVEVA后，AVEVA 2023年开始转为订阅模式以提升ARR份额。对于工业自动化设备厂商，订阅模式更多体现在数字服务上，如设备远程监控服务订阅、软件功能解锁订阅等。当市场看到工业公司ARR占比提高时，会倾向给予更高估值，因为这被解读为商业模式向"类软件"迈进，收入粘性和能见度增强。例如鼎捷软件这样的ERP公司在年报中特别披露其云订阅收入增长情况，投资者据此判断其转型进度。这其实也是对德银模型的细化--不仅关注软件收入占比，还关注其中经常性的成分。
• • 增长质量（Quality of Growth）： 估值取决于增长率和盈利水平的平衡。当一家工业公司数字化转型后，如果其增长主要来自高毛利的软件和服务，而不是低毛利的传统硬件，则其利润率会提高，增长的"含金量"也更高。德银2017年分析过数字化对利润率的提升作用：假设部分收入转为软件，可以拉升整体EBITA利润率若干百点。事实证明，不少转型企业的毛利率和EBITA率近年来都有所上升（剔除宏观波动因素）。例如西门子数字工业业务在软件收入增加的带动下，2022财年EBITA利润率达20.3%，相比五年前提升明显。施耐德电气因软件业务并表，毛利率也有所提高。投资者更愿意为这种"高质量增长"支付溢价，因为收入增长的同时利润弹性更好，相当于PEG（市盈增长比）更优。相反，如果增长主要靠价格驱动或低端市场扩张，质量较差，则估值提升有限。因此在新的模型中，我们需要结合利润率改善情况一并考虑：当软件/数字服务占比提高，不仅直接影响倍数，还通过利润率提高而额外赢得市场信心。这种双重作用在估值上就是更高的重估空间。可以认为，与其简单看收入构成，不如看数字化转型对公司整体ROCE（资本回报率）和Margins的改善--德银当时选用EV/EBITA作为首选倍数正是因为它与ROCE关联，表明数字化能提高回报进而提高倍数。
• • 市场环境与利率因素： 需注意2017-2025宏观环境变化对估值的影响。2021-2022年全球进入加息周期，高成长股的估值普遍受到压制。因此一些工业数字化公司的估值相较2021年的峰值有所回落（例如部分工业软件公司从高位回调）。然而，从长期和相对角度看，我们更关心这些公司相对整个工业板块或相对纯软件板块的估值变化。如果一家工业公司的估值相对同行提升，说明其数字化转型获得额外溢价；若还能跑赢纯软件公司，甚至达到软件公司水平，则说明市场已基本按科技公司逻辑定价它了。一个例子是罗克韦尔自动化：由于成功塑造了"工业数字化领军者"形象（与PTC合作、推FactoryTalk Hub云平台等），其市盈率常年高于多数工业同业，在2018-2021年一度接近软件公司的40倍PE。再如Roper Technologies（美国工业集团，通过收购聚焦工业软件），其估值已完全按软件企业给价。中国市场也有类似情况，如汇川技术因在工控领域的领先和新能源增长，市盈率长期高于行业平均，体现了数字化和高增长预期。

定量来看，我们可以尝试以2025年的数据估测"数字化溢价"：

• • 施耐德电气2023年软件和服务占19%，其中软件约9%，经常性收入提升，EBITA率也达约21.5%新高。其当前EV/EBITDA在20倍左右，较纯工业电气公司（约15倍）有约30%溢价。这与2017年预测的10%有所超出，可能反映了市场对其持续转型的更高评价。
• • 西门子数字工业业务的软件和数字化收入约占40%（包括EDA、PLM等在内）。西门子整体PE约在16-18倍，若拆分数字工业业务可能更高。由于西门子集团业务多元，其估值被拖累部分传统板块，但分拆Healthineers、能源后数字业务占比上升，股价在2023年创历史高位，说明数字化故事增加了估值弹性。
• • Synopsys和Cadence等纯工业软件公司则仍享有较高估值（PE 30-40倍区间），保持对工业公司的溢价。但如果Synopsys成功整合Ansys并进入更广泛工业软件市场，有可能进一步巩固其"成长"定位。

需要指出，估值敏感性模型并非线性。当某公司数字化转型非常成功时，其估值可能跳变地接近纯软件；反之若进展不顺利，市场也会打折预期。因此投资者不仅看静态数字，也看转型的势头。例如GE数字化一度令人失望，其估值在2018-2020年甚至低于工业均值；但拆分后市场重新评估其各业务价值，数字业务则不再单独估值。

4.3 工业领域估值水平的变化比较

为了直观比较2017与2025年的估值情况，我们列出部分代表性公司的估值倍数演变：

• • 施耐德电气： 2017年EV/EBITA约11.2x；2025年估值（EV/EBITDA）约在18-20x之间（根据2024年预期业绩和市场价计算）。PE从2017年的约16倍提升到2025年的25倍左右。这种提升显著高于当年预测的10%，说明市场完全认可其数字化战略（包括AVEVA并购、软件增长等)所带来的长期价值。
• • 西门子： 2017年EV/EBITA约10.7x，PE约14倍；2025年PE在16-18倍，EV/EBITA估计约15x。提升幅度有限，但考虑其间剥离能源等板块以及宏观因素，实质上西门子数字工业板块估值是提高的。投资者给予西门子稳定溢价，视其为数字化和自动化双领先。
• • ABB： 2017年EV/EBITA约12.3x；目前PE约20倍，EV/EBITDA约在13-15x。ABB通过剥离电网业务、专注工业，加上机器人等增长点，估值较过去有所改善，但由于数字化转型速度略慢于施耐德，溢价程度略低。不过ABB在机器人和电动交通领域的故事也赋予其一定科技属性。
• • Rockwell Automation： 2017年PE约27倍（已较高），EV/EBITDA约18x；2025年PE约28-30倍，EV/EBITDA仍在20x以上，依然是传统自动化公司中估值最高的之一。这归功于其纯自动化定位和成功云转型预期（投资PTC、收购Plex等），市场一直赋予"工业软件型公司"的估值水平。
• • Synopsys/Cadence等： 作为纯软件，2017年PE在35-45倍区间，EV/销售约6-8倍；2025年Synopsys PE约32倍（考虑并购影响），Cadence PE约40倍。估值略有压缩，一方面因为基数变大，另一方面2022年起的利率环境。但两者市值已较2017年翻了数倍，说明市场认可其高增长（Synopsys收入从2017年的27亿美元增至2024年的61亿美元）和护城河。
• • 中国汇川技术： 2017年PE约40倍，2020年一度高达80倍以上，2025年在50倍左右。这家高速成长的工控公司估值长期远超国际同行，反映本土投资者对其成长性的期待（营收从2017年的~48亿元增至2023年的304亿元）。高估值也包含其新能源业务高增长的溢价，但其数字化（如InoCube平台等）也是亮点之一。

综合上述，工业领先公司的估值自2017年以来普遍上升，相对差距缩小：2017年工业公司平均EV/EBITA或PE大约只有软件公司的一半到三分之二，而2025年许多优秀工业公司的估值已接近甚至部分重叠软件公司区间。例如Rockwell的PE接近Cadence，施耐德的EV/EBITDA与很多企业软件公司相当。这验证了德银报告的核心论断：成功驾驭工业互联网的企业，可以部分收获类似软件公司的估值溢价。

然而，估值的两极分化在工业领域仍存在：那些转型慢、数字故事不清晰的公司，估值提升就小甚至下降。例如一些以传统重型设备为主的企业（未强调数字化），其PE可能仍停留在10倍出头的水平，被市场视为周期股。未来，随着工业数字化深入，估值分化或将进一步加剧--真正拥抱科技基因的制造企业会被当作"Tech Co."估值，而固守老路的可能沦为"价值陷阱"。

因此，本章总结，德银2017年提出的估值敏感性模型在原则上已被市场演绎验证，但我们在2025年的分析中需加入AI、订阅和利润质量等新维度考量，才能更全面地评估工业数字化转型对企业价值的影响。对于企业而言，讲好"数字故事"并拿出业绩支撑，是赢得资本市场高估值的关键；对于投资者而言，也需辨别哪些公司的数字化增长是真实且可盈利的，从而在估值溢价和基本面之间取得平衡。

IT/OT融合路径模型的演化与合作案例

5.1 IT与OT融合的概念及2017年预期

在工业数字化讨论中，"IT/OT融合"一直是一个核心主题。**OT（Operational Technology）**指工业现场运行技术，包括控制系统、工厂设备、工业专用软件等；IT（Information Technology）指信息技术，包括企业管理系统、云计算、大数据分析等。长久以来，IT与OT各自独立发展，前者由计算机和互联网企业主导，后者由工业自动化企业主导。然而，工业物联网的目标正是打通车间（OT）与办公室（IT）之间的壁垒，实现数据从底层设备一直贯通到企业管理决策系统，即所谓"从车间到顶层"的实时企业视图。

德银2017年报告对IT/OT融合趋势有深入分析，认为可能出现以下情况：

• • IT/OT巨头的合作或并购： 报告大胆预测，未来几年可能出现IT公司与OT公司之间的**"跨界巨型并购"**，以实现真正端到端的数字化解决方案\。报告引用了历史上Invensys在2000年收购Baan（ERP软件）的案例来说明过早尝试的失败，但以2016年西门子收购Mentor Graphics（EDA软件，45亿美元）为例，指出时机已日趋成熟。西门子在2007-2016十年间已累计投入约100亿美元收购工业软件资产（UGS、LMS等），被视为OT并购IT的先行者。德银推测，若IT公司与OT公司通过联姻实现"车间+顶层"一体化，将改变竞争格局。
• • IT公司向OT领域延伸： 报告注意到，大型IT企业（如谷歌、思科、亚马逊等）对工业互联网的兴趣增长，但其强项在通用平台和分析工具，缺乏行业特定的OT知识。因此它们往往通过与OT公司的合作来介入工业现场应用。例如GE和微软、AWS的云合作，PTC与Azure合作提供物联网云服务等。
• • OT公司向IT领域拓展： 这在报告中举了多个自动化厂商并购软件公司的例子。例如ABB 2010年收购Ventyx（电力资产管理软件）、施耐德2011年收购Telvent（运营管理软件），都是OT收购IT资产的案例清单中的一部分。不过报告也指出这些并购存在文化整合难题，举例ABB整合Ventyx花了多年才理顺，施耐德管理层亦承认Telvent整合不易。因此，OT公司在拓展IT版图时需要克服组织和人才障碍。

2017年，报告的总体判断是：IT与OT两大阵营的界限将日趋模糊，双方可能通过各种形式走向融合。这被视为工业数字化能否成功的关键，因为没有IT的连接和分析，OT数据无法发挥价值；没有OT的现场执行，IT洞察只是纸面价值。换言之，"IoT成功依赖于IT和OT找到协同方式"。报告甚至提及，当时市场上已有对于"大联合"的猜测，比如思科是否会收购罗克韦尔，微软是否会并购某工业公司等。

5.2 2017-2025典型合作与并购案例

回顾2017年至今，这八年间虽然未出现IT与OT巨头直接合并的"轰动性事件"，但发生了大量跨界合作与并购，印证了融合的大趋势：

• • 战略合作伙伴关系： 许多IT和OT公司选择结成紧密联盟，而非股权收购。典型如Rockwell Automation与PTC：2018年Rockwell斥资10亿美元入股PTC（8%以上股权），双方建立战略合作，将PTC的ThingWorx物联网平台、Vuforia AR技术与Rockwell的FactoryTalk软件、自动化设备结合销售。这一合作被业界视为IT/OT联姻的成功范例，帮助Rockwell快速补齐了物联网平台短板，也让PTC获取工业客户资源。2021年，两家公司又共建合资SaaS平台，进一步深化绑定关系。类似地，三菱电机与西门子在2020年宣布合作工业边缘计算标准，ABB与微软自2017年起合作Azure提供ABB Ability应用，霍尼韦尔与SAP在2021年联合推出楼宇管理云方案等等。这些合作体现出IT/OT各取所长，优势互补而非直接并购的趋势。一方面避免了整合风险，另一方面通过技术集成与市场协同，实现了融合目标。
• • 跨界并购与投资： 尽管未出现超大规模并购，但中等规模的跨界收购频繁。软件公司收购工业业务： 如2022年微软收购工业机器人软件公司Softomotive，谷歌收购智能工厂软件X公司的团队等，显示IT巨头通过"小口吃"进入OT领域。工业公司收购IT资产： 西门子在Mentor之后继续买入小型软件商（如2021年收购高性能计算软件Zenasis），施耐德在AVEVA后也没有放松对数字化创业公司的投资（通过旗下风投）。私募和产业资本也推动了一些整合，如2020年私募KKR主导将AVEVA与OSIsoft合并，形成工业软件巨头并最终由施耐德完全收购；又如2023年西门子参与投资AI初创企业，加强IT侧能力。这些交易虽然单笔不及当年预测的那样惊天动地，却在整体上织密了IT/OT融合的产业链。
• • 云服务深入工业： 2017年时工业公司普遍需要选择一家云合作伙伴（GE选择自建Predix也使用AWS底层，西门子最初用SAP后来转Azure等）。到2025年，公共云在工业领域的角色更加稳固。微软、亚马逊、谷歌等都设立了专门的工业云解决方案部门，与各OT企业有大量联合客户案例。比如西门子将MindSphere部署在AWS和Azure上，为客户提供弹性选择；ABB Ability直接建立在Azure物联网套件之上；PTC的ThingWorx也与Azure深度集成。可以说，云厂商已经成为工业生态的一部分，不再以入侵者形象出现，而是以赋能者姿态与OT企业共赢。这种融合形式没有所有权关系，但在技术和商业上高度绑定，也是IT/OT融合的一种（平台级的融合）。
• • 标准融合与开源合作： IT与OT融合不光表现在商业合作，也体现在技术标准和开源社区融合上。例如工业物联网通信协议OPC UA本是OT阵营推的，但微软、IBM等IT大厂也加入支持；实时以太网标准TSN得到思科、贝尔等网络企业与工控企业的共同推动。开源项目如EdgeX Foundry聚集了戴尔（IT）和Eurotech（OT）等公司，共同开发边缘计算框架。这些技术层面的融合为商业融合打下基础，使IT/OT系统更易兼容对接。

具体案例方面，我们可以列举几个标志性事件：

• • _西门子 & Mentor Graphics _：OT收购IT，将EDA工具纳入工业软件版图，预示OT厂商向IT顶端延伸。
• • _Rockwell & PTC _：OT战略投资IT并深度合作，共同销售融合解决方案，典型双赢案例。
• • _ABB & IBM _：宣布联合开发工业AI解决方案，将ABB工业设备数据通过IBM AI进行预测维护分析，也是IT+OT的结合。
• • _施耐德 & AVEVA _：OT与IT逐步融合的经典--先是股权合作、再到完全合并，打造同时懂OT与IT的平台公司。
• • _鸿海（富士康）工业富联 _：值得一提中国的例子，富士康将自身IT平台能力（精益生产管理系统）提炼，与OT制造能力结合形成工业互联网平台，在科创板上市，体现制造业公司以IT强身赋能的路径。
• • _华为 & 三一重工 _：华为作为ICT巨头，与工程机械龙头三一合作打造机械设备远程管理平台，也是IT公司赋能OT行业的实例。

总的来说，2017以来IT/OT融合在量变中积累质变。虽然没有哪一天我们能宣布"IT和OT完全融合"这个里程碑，但今天的工业数字化项目往往已经是你中有我、我中有你的合作局面。例如一家工厂上马数字化，会使用西门子的控制器（OT）、连接到AWS的云数据库（IT）、然后用PTC或ABB的软件分析，再由现场边缘服务器（戴尔硬件+微软Edge软件）执行--背后牵涉多家IT和OT企业共同提供解决方案。这种情形在2017年或许还不多见，但在2025年已经非常普遍。

5.3 融合模式的演变：从大一统到生态协同

对比德银2017年的预期和实际发展，我们注意到IT/OT融合模式上有一些演变：

• • 从"一家通吃"到"协同共生"： 2017年的预测色彩中隐含着一种"大一统"思维，即可能出现一家巨头通过并购横扫对方领域，成为通吃IT和OT的巨无霸。然而现实更倾向于协同共生。IT和OT巨头各有核心竞争力，没有谁完全被谁取代，而是在合作中实现客户价值的提升。像微软之于西门子、谷歌之于西门子数字化企业服务，更多是伙伴而非敌手。这种格局与消费互联网不同--工业领域没有出现类似"FAANG"那样一家独大的平台，相反是多方共存。生态合作成为常态，大家发现融合并不意味着你死我活的竞争，反而需要加强连接。因此，与其等一体化并购，不如通过开放API、联合开发等方式实现融合。
• • 从"硬件+软件"到"云+边缘"： 过去谈IT/OT融合，多指企业管理软件和工业自动化系统的整合。现在则更多提及云计算和边缘计算的融合架构。云代表IT的集中分析能力，边缘代表OT的现场实时控制需求。两者架构上需要无缝衔接。很多工业解决方案已经默认采用"云边协同"架构：边缘侧负责机器数据采集和初步分析+快速响应（OT职能），云侧负责全局优化和AI模型训练部署（IT职能）。这其实是一种IT与OT职责的技术划分。各公司在推自家平台时都强调这点，例如西门子Industrial Edge结合MindSphere云，施耐德EcoStruxure强调Edge Control+Apps在云/本地两可。因此融合话题从企业组织层面延伸到了架构层面：如何设计混合架构既满足OT实时性又利用IT算力，这是技术融合的新重点。
• • 人才和文化融合仍是难点： 2017年报告特别提到OT企业在并购软件公司后的文化挑战。这一点在后来多个案例中继续体现。如ABB在消化Ventyx、GE在运营GE Digital时，都遇到人才流失、文化冲突问题。即使到今天，一家工业公司内部的IT部门和OT业务部门也常有隔阂。因此许多企业采取组建独立数字部门或与外部合作的方式，减轻内部掣肘。例如霍尼韦尔成立Honeywell Connected Enterprise独立运营数字业务，西门子将MindSphere交由旗下软件业务主导而非传统自动化部门。这说明融合不仅是技术和战略问题，更是组织和人才问题，需要长时间磨合。所以当年报告的提醒依然有效：融合伴随风险，执行力是关键。
• • 中国模式：IT企业主动下沉OT： 在中国市场，还有一个趋势是大型IT/ICT企业（华为、阿里、腾讯等）大举进入工业互联网领域，提供平台和解决方案，与制造企业合作。例如华为基于自身5G和云优势，与国家电网、南方电网等OT单位合建能源工业互联网平台；阿里云推出ET工业大脑，与钢铁、化工企业合作优化工艺。这种模式有别于国外更多由OT方主导与IT合作的情况。在中国，由于互联网巨头技术实力强且产业数字化是政策重点，它们扮演了更积极的融合推动者角色。当然，它们也不太去并购工业企业，而是通过项目合作和共建生态切入，实现双赢。这反映出中国IT/OT融合走了一条**"数字新势力+传统龙头"共创**的路线。如南瑞继保这样的传统电力自动化企业，也和百度在AI巡检、和华为在电网物联上有深入合作。可以说中国的融合生态更加多元，有大厂、有初创，也有国企研究院等共同参与。

总的来说，IT与OT的鸿沟正在逐步弥合，正如德银报告的判断："IoT成功取决于IT和OT找到合作之道"--现在我们看到这句话在业内变成共识并落实为行动。融合的形式比当初预想的更加灵活多样，以合作居多，并购为辅；但无论形式如何，最终目的都是为了给客户提供端到端的一体化数字解决方案，既懂工厂运转又会数据智能。可以预见，随着5G专网、工业人工智能等新技术的发展，IT与OT团队的界线将愈发淡化，未来也许就不再有严格意义上的"IT公司"或"OT公司"，而只有既能管理信息又能控制操作的**"工业科技公司"**。

工业平台与边缘云架构模型

6.1 三层架构的普及：连接产品、边缘控制、应用与云

2010年代中期以来，工业物联网平台的体系结构逐渐形成一种**"三层架构"共识，也被称为"三层技术栈"：底层是连接的设备或产品**，中间是现场/边缘控制，上层是云端或本地的应用、分析和服务。这一架构在2017年时由各大厂陆续提出不同表述，例如施耐德EcoStruxure的"三层三架构"、西门子MindSphere体系、霍尼韦尔的Sentience架构等。到2025年，这一模型已经被行业广泛接受和实施：

• • 连接的产品（Connected Products）： 指分布在现场的各类传感器、仪表、控制器、驱动器、机器人等OT设备，以及网络网关、边缘IPC等，可以采集数据并通过工业网络/物联网将数据传送出来。相比2017年，现在连接产品的种类和数量大幅增长，传感器成本更低、无线连接（如5G、WiFi6）更普及。很多传统设备也通过加装物联网模块变成"连接产品"。例如老旧机床可以外挂一个IoT网关采集其状态。大量连接设备的涌现，为平台提供了丰富的数据源。这一层面的进展还包括：更多标准协议（OPC UA、MQTT）被设备支持，实现多厂商设备互联；安全芯片嵌入设备以确保数据可信；低功耗广域网（LPWAN）使远程设备也能联网等。简单说，底层设备的连接化在2025年已不是障碍，万物互联基本成真，挑战转向如何高效管理海量设备数据。
• • 边缘控制（Edge Control）： 指部署在工厂现场或靠近数据源的一层计算和控制基础架构。包括传统的PLC/DCS/工业PC，也包括新兴的工业边缘网关、边缘服务器阵列等。其作用有两方面：一是实时控制--本地执行闭环控制逻辑，保证毫秒级响应（这仍由PLC等完成）；二是实时计算/存储--在靠近设备处对数据进行初步处理、缓存和分析，以减轻云负载和满足数据主权要求。这部分在2017年概念刚兴起，GE等提出过边缘计算设备。如今，各大公司纷纷推出自家工业边缘平台。例如西门子Industrial Edge产品，可在边缘设备上运行容器化应用；ABB的Ability Edge、施耐德EcoStruxure Edge等类似。边缘层可以看作把IT的计算能力延伸到OT现场，实现IT与OT在现场交汇。多云策略下，边缘成为汇聚点：它既连接各厂商设备往下，也连接不同云往上。此外，边缘层通常负责现场人机界面（HMI/SCADA），提供本地运维控制与数据可视化。当云端因网络或策略无法用时，边缘层可保证基本功能独立运行。因此在架构上，边缘是必不可少的中间层，不能也不应该把所有控制和分析都放云端。这一认识在2025年非常明确，所以我们看到**"云边协同"**已成为标配：各公司平台几乎都支持本地+云混合部署。
• • 应用、分析与服务层（云端）： 这是一切最终数字化价值兑现的地方。通过对从现场采集的数据进行大规模存储、建模和分析，产生优化决策、预测性洞察等，并通过应用软件呈现给用户或自动反馈控制指令。2017年时，多数工业云平台还处于建设初期，应用数量有限。2025年，各工业云上已积累了相当丰富的应用类型：如设备远程监控诊断APP、OEE（设备综合效率）分析应用、资产管理与调度优化服务、供应链协同平台等等。很多应用由第三方开发提供，通过平台Marketplace发布。多云架构也司空见惯：一些企业选择同时部署在AWS与Azure，以提高可靠性或满足客户偏好。还有的采用混合云，即一部分敏感数据在本地私有云处理，其他在公有云处理。应用层很大程度上由IT技术驱动，所以传统OT公司与IT巨头在这里合作如前述频繁。一个趋势是领域专属云的出现：比如西门子与IBM合作打造特定行业的云方案（如汽车工业云），阿里云与上汽合建工业云等。这种专有云在逻辑上仍属应用层，只是针对行业定制。有些工业软件也开始SaaS化迁云，如CAD/CAE工具提供云订阅服务。这些都丰富了应用层版图。最后，数字孪生概念在云端获得落实，通过云平台整合多个数据源建立虚拟模型进行仿真优化，也是典型应用。

此外，这三层架构还有几个贯穿要素必须提及：安全、运维和数据治理。德银报告图29中特别标出了"End to End Cyber Security"（端到端网络安全），强调了从设备到云每层都需要安全保障。2025年工业网络安全上升到新高度，零信任架构、工控安全标准等深入人心，平台提供商一般内置了加密、认证、白名单控制等机制。运维指对庞大物联网系统的管理运维，包括设备管理、固件更新、应用更新、监控报警等，这需要在边缘和云上都有相应模块支持。数据治理则涵盖从采集、存储、建模到分享的全流程规则和工具，特别涉及数据质量、主数据管理、数据标准化等，以确保分析可靠。这些纵向模块虽然用户感知不强，却是平台架构的必要组成部分，支撑三层有效运转。

总之，如施耐德博客所言，"EcoStruxure利用物联网、云和大数据分析，分三层架构提供前所未有的洞察"。这个描述几乎可以适用于任一家工业平台，说明三层架构已成为工业数字化的共同语言。在当前，无论中国还是海外的新工业项目，通常都遵循这一理念来设计，比如工信部推广的"融合融合"参考架构、德国工业4.0组件结构等，都可以投射到三层模型。未来，这三层可能不会被打破，而是会在每层内部技术演进（如更智能的传感器、更强的边缘AI、更自动化的云服务）。

6.2 多云部署与工业AI服务层

随着工业软件和IT基础设施的发展，工业平台架构中出现了一些新特征，值得在原三层模型基础上补充说明：

• • 多云与混合云部署： 早期很多工业企业会选定单一云平台（例如GE Predix选择Azure），但现在考虑到数据主权、成本和冗余等因素，多云策略日益普及。大型工业平台往往设计成云中立，可以根据客户需要部署在不同云甚至跨云容灾。例如西门子Xcelerator既可跑在Azure，也可跑在AWS上；PTC的云产品支持Azure/GCP，多数中国工业PaaS支持公有云和企业自己的私有云。混合云方面，边缘与云协同本质就是一种混合云，但更典型的是一些敏感数据或低延迟应用放在本地私有云或本地数据中心，其他用公有云。容器化和Kubernetes等技术的普及，让跨云调度应用成为可能，从而避免对任一云厂商的锁定。工业客户普遍青睐这种灵活性，因此平台提供商也相应调整架构支持。例如霍尼韦尔的Forge平台允许私有部署，Rockwell的FactoryTalk Hub除了Azure也能本地运行一些组件等等。未来甚至出现第三方在不同云之间提供中间调度层的服务商（如一些跨云IoT管理工具），进一步方便多云管理。多云架构需要解决的问题是数据同步和一致性：如果不同云各拿一部分数据，如何统一分析？为此，一些公司采用数据湖联邦的理念，或者将元数据集中管理。总之，多云已成为工业平台不可或缺的考虑维度。
• • AI服务层： 虽然AI可以视为应用的一部分，但近年出现一个趋势：平台专门引入一层AI服务，包括机器学习模型训练、推理服务以及AutoML、知识图谱等功能，供各应用调用。这类似于在云上提供"AI即服务"，统一管理算法。例如西门子工业边缘平台上有AI推理模块，可加载训练好的模型在边缘运行；ABB开发了Ability Genix平台，其中嵌入AI工作台，方便数据科学家在工业数据上训练模型；中国的一些工业PaaS也集成了TensorFlow、PyTorch等框架，让工业APP能方便利用AI算力。这样做的好处是模型可以在不同应用间复用，而且数据隐私易于控制（因为模型可以带到数据端算，或数据集中到模型端算，有灵活性）。特别是大模型（LLM）时代，有些企业建立了自己的行业大模型，如鼎捷软件就宣布推出"鼎捷行业大模型"以服务制造业。这些模型需作为平台通用服务来提供，才可以让各业务模块共享其能力。例如一个工厂的大模型可以同时给设备诊断、质量分析、供应链预测提供支持。因此，我们可以将AI服务层视为现代工业平台架构的新组成部分，它横跨云和边缘（边缘侧多为运行推理，云侧负责训练和统筹），与三层架构并行协作。今后随着AI在工业的深化，这层的重要性会愈发凸显，可能会上升为与应用层并列的位置。
• • 安全与运维模块演进： 前面提到的贯穿要素值得补充近期的新进展。一是工业网络安全从过去注重网络隔离，转向深度防御和主动防护。出现了专门的工业入侵检测系统、工业终端安全软件、数据可信验证等。在架构上可能作为独立安全代理部署在边缘或云。二是运维模块升级为全生命周期管理系统，引入AI Ops（智能运维）理念，实现对海量设备和应用的异常自动检测和运维优化。很多平台开始内置数字运维中心Dashboard，提供资产管理、状态预测等功能。这实际上扩展了传统意义上SCADA和IT运维系统边界，融合成一体的IoT运维。对于客户来说，好处是减少人为介入，降低停机和维护成本。因此，新架构下安全和运维都更智能、更自动化，并可跨越云边。例如设备固件升级可以由云端统一下发指令，边缘执行，并保证安全签名校验等。
• • 边缘智能与协作： 边缘层现在不再只是数据中转，越来越多智能在边缘生成。尤其在计算机视觉等场景，用摄像头+边缘AI盒子就地完成分析，结果直接用于本地报警控制，只有少量结果数据上传云。这导致平台架构有时呈**"边缘云对等"的分布式形态，而非自下而上全部汇聚。边缘节点之间也开始直接通信协作，组成微型云。例如工业机器人群可以通过边缘控制器相互通信协调动作，不必每次都经云。为了支持这点，新架构引入边缘消息总线或边缘服务编排工具，使多个边缘设备形成边缘网**。这可以视为架构的拓扑变化：由原来的星型（所有数据上云）变成网格型（边缘既向上也横向通信）。当然云仍掌控全局，但局部自治度提高了。这种变化要求平台软件更加模块化，应用可以部分部署在边缘部分在云（这在容器化技术支持下已经可行）。因此未来工业架构可能会更弹性：关键功能在哪层运行将根据实时需求动态调整。例如发生网络中断，云侧应用逻辑可下沉到边缘临时运行，待网络恢复再切回。这类似云原生技术在工业场景的应用。

总结来说，当下工业平台架构比2017年更加成熟和多样化：三层架构奠定了基本模式，多云让架构部署更灵活，AI和安全运维贯穿其中提升智能化程度。可以认为2017年的图景更多是概念和试点，而2025年的图景是真正落地并扩张。诸如EcoStruxure、MindSphere之类的平台已经拥有数万到数十万的节点部署和众多应用案例，经受住考验并不断演进。本报告后续在公司分析部分也会讨论各自平台的新特性如何契合上述架构趋势。

国际企业战略与性能对比（2017 vs 2025）

本章我们将分组对比分析国际工业数字化领域的代表企业，重点比较其2017年和2025年的战略重心、技术产品演进、业务业绩和市场估值等方面变化。分析分为三节：7.1 工业自动化巨头，7.2 工业软件与EDA领导者，7.3 专用技术提供商。每家企业都有其独特的发展轨迹，我们将结合前文框架要点，对其进行评述。

7.1 工业自动化巨头

西门子（Siemens）：2017 vs 2025战略演进：2017年西门子正推动"数字化企业"战略，当时已推出MindSphere物联网平台，并通过收购Mentor等完善"虚拟到现实"数字化工具链。2025年，西门子战略升级为"加速数字化转型"，推出开放式数字业务平台Siemens Xcelerator，将自身工业软件、硬件和服务全面生态化。尤其与生成式AI和工业元宇宙结合成为新亮点：2022年起西门子与英伟达合作工业元宇宙，在Xcelerator中引入Omniverse仿真；2023年联手微软，将ChatGPT接入其自动化工程领域，实现PLC代码生成辅助。这些举措表明西门子从硬件+传统软件提供商，跃升为兼具AI能力的综合工业数字化平台。_技术与产品_方面，西门子2017年产品线已覆盖PLC、DCS、驱动、电机、工业软件（CAD/PLM/MES）、工业通讯（Profinet）等完整链条。2025年新增或强化的包括：推出Industrial Edge边缘计算平台，Simatic系列边缘设备；在控制器中融合IT技术（如基于Linux的开放控制器）；其软件由本地许可模式逐步转向SaaS（如CAD软件Solid Edge推出云订阅版）。数字孪生能力进一步加强，例如通过收购Brightly（资产管理软件）扩充IoT应用。业务表现：财务上，西门子数字化相关业务增长迅猛。数字工业集团2023财年营收约206亿欧元（2017年Digital Factory板块约130亿欧），EBITA利润率提升至22.6%（2017年约14-15%）。软件业务收入2023年估计超60亿欧，占集团约10%+。估值上，西门子市值2025年约€1100亿，较2017年上涨约50%，PE从14倍升至18倍左右。虽然由于集团综合性，其估值未如纯软件那么高，但在工业同业中已属前列。竞争地位：西门子2017年被视为数字化先锋。2025年，其地位依然稳固--在离散自动化领域全球份额第一，在工业软件（CAD/PLM/EDA）进入前三，MindSphere用户数虽不及专业云厂商但在制造业中名列前茅。西门子的挑战在于：需要与既有IT巨头合作又要保持自主性，平衡好开放生态和自身商业利益。此外，Rockwell等竞争对手在北美市场步步紧逼。总体而言，西门子通过坚持"大平台+全链条"战略，加上频繁的生态合作，成功保持了工业数字化领导者的角色。

施耐德电气（Schneider Electric）：2017 vs 2025战略演进：2017年施耐德正推进物联网战略，EcoStruxure架构初显成效。其卖点在于"融合电力和自动化领域"，将强项楼宇电气和工厂自动化用统一平台连接。2025年战略已经演变为"双中心"：一方面聚焦可持续能源和电气化，另一方面数字化和软件驱动。收购AVEVA并在2023年私有化之，是重大里程碑，使施耐德拥有了一个独立的工业软件旗舰（AVEVA涵盖SCADA、MES、仿真、资产管理等）。施耐德将AVEVA产品与EcoStruxure平台深度集成，同时保持对第三方的开放。施耐德也强调通过数字化帮助客户实现碳中和目标，这为其数字业务增添了绿色概念。技术与产品：2017年其代表性技术有Triconex安全系统、Modicon PLC、Wonderware HMI等。至2025年，新产品层出：推出基于软PLC的EcoStruxure Automation Expert（面向未来标准的全新自动化架构）、推出Harmony系列新一代工业Edge服务器、升级其电能管理数字平台（Resource Advisor）运用AI优化能源。特别是借助AVEVA，施耐德现在可以提供端到端数字孪生：从工程设计（AVEVA E3D）到运营（AVEVA System Platform）再到维护（AVEVA Predictive Analytics），整合自己的自动化硬件，形成闭环方案。这一点2017年还无法做到。业务表现：施耐德电气财务表现突出，其数字化转型成果有直接体现。2023年软件和数字服务收入首次超过30亿欧元，占营收9%，同比增长18%；更广义的软件和服务（含现场服务）达19%营收。整体营收从2017年的约250亿欧元增至2023年的343亿欧元，年均增长5%以上，且利润率持续上升，2023年调整后EBITA率达18.5%，创历史高位。这背后有数字化带来的组合优化和溢价销售贡献。施耐德股票表现优异，市值由2017年的约400亿欧元增至2025年的约900亿欧元，PE提升到25倍左右，股东回报丰厚。竞争地位：施耐德在楼宇和配电领域处于世界领先，在工业自动化领域由过去相对弱势变得更强：尤其通过EcoStruxure和AVEVA，施耐德在流程工业数字化方面赶上甚至部分超越ABB/霍尼韦尔，在离散自动化软件方面也缩小与西门子差距。它在数据中心能源管理和工业能源管理软件上有明显优势。主要挑战在于如何充分释放AVEVA协同价值并开拓更多订阅收入，以及与西门子、ABB在某些市场的直面竞争。不过凭借明确的数字化战略和执行力，施耐德巩固了其作为工业数字化"赢家"之一的地位。

ABB集团：2017 vs 2025战略演进：2017年ABB提出"ABB Ability"数字化方案，涵盖其各业务线数字产品，并收购了B&R自动化（PLC供应商）强化机器自动化。当时ABB的数字策略相对碎片化，各业务各推其Ability解决方案。到2025年，ABB经历重大架构调整：2019年出售电网业务给日立，聚焦工业、运动（电机驱动）、电气和机器人四大板块，同时加强数字统一。在新战略下，ABB把数字化视为"Glue"粘合四板块，通过ABB Ability平台提供一致的IoT服务。ABB还成立了专门的Process Automation Digital部门以及机器人数字解决方案团队，内部更有协同。技术与产品：ABB的技术底蕴在过程控制（如系统800xA）、机器人和电驱动。2017年其弱项是软件平台缺乏通用性。此后ABB做了几件事：推出 ABB Ability Genix 工业分析平台（与微软Azure合作开发），为流程工业客户提供AI驱动的数据分析套件；在机器人领域，推出Wizard易编程软件、Simulation Digital Twin云平台，使机器人更易部署和远程运维；在电机和驱动方面，推出数字能效管理服务，通过传感器监测电机状态并用云分析优化能效。ABB还与Dassault Systèmes达成联盟，将后者的3D体验平台与ABB机器人、自动化系统集成，为客户提供数字孪生仿真。总体看，ABB技术组合朝着软硬结合迈进，但软件多依赖伙伴，不像西门子施耐德有自家全套软件。业务表现：ABB剥离电网后收入有所下降，但盈利能力改善。2023年ABB实现营收约290亿美元，同比中单位数增长，其中55%以上嵌有软件/连接。数字业务收入官方未单列，但ABB宣称其端到端数字解决方案（包括控制系统、管理软件等）在电力、采矿等行业保持领先。估值方面，ABB市值从2017年的500亿美元升至2025年的约700亿美元，PE约20倍，比过去略有提升。相比西门子施耐德，ABB估值提升幅度有限，部分原因是其数字故事没有完全打动市场（特别是早期Ability平台市场关注度不高），再者其主营机器人等业务受周期波动大。竞争地位：ABB在流程自动化（DCS）仍是全球#1，在工业机器人是全球#2，在低压电气是全球领先。这些传统强项犹在。同时ABB通过数字化巩固在电网、水泥、矿业等行业的软件服务优势。不过ABB的数字平台生态不如西门子开放庞大，也没有像施耐德那样大手笔并购软件旗舰，这使得市场对其数字化领导力评价稍逊。ABB的机会在于机器人+机器视觉AI的新兴领域、以及电动车基础设施（充电桩）等，在这些方面其数字化服务可大有作为。总体ABB算是工业数字化转型的稳健跟随者，不是最激进的，但凭借行业经验和可靠产品站稳阵地。

罗克韦尔自动化（Rockwell Automation）：2017 vs 2025战略演进：这家以北美离散自动化为根基的公司，在2017年前后主动拥抱IT融合，是转型积极的代表。2017年它拒绝了艾默生收购提议后，更加专注自身数字化战略，包括与PTC联盟。2025年，Rockwell战略聚焦**"Expanding Human Possibility"，强调结合信息解锁工厂潜能。通过近年一系列并购（如2020年Fiix、2021年Plex）和合作，Rockwell已从卖PLC驱动的厂商转型为工业数字解决方案提供商**。它设立了新Cloud SaaS部门，将收购的Plex云MES、Fiix维护系统以及自身FactoryTalk软件统一云化。特别在中型制造业市场，Rockwell定位提供开箱即用的云MES+自动化一站式方案，区别于西门子那种大型定制方案。技术与产品：2017年Rockwell的强项是控制和运动（如Allen-Bradley PLC、伺服系统），软件有FactoryTalk系列（HMI/SCADA、MES等）。弱点是没有通用物联网平台。当时联手PTC后，他们把ThingWorx作为其IoT平台核心。到2025年，Rockwell推出FactoryTalk Hub云平台，包含 FactoryTalk Design Hub（云端工程设计软件）、Operations Hub（云SCADA/MES）等，背后由Azure支撑。它的控制系统也向开放方向走，推出基于Linux的新一代PLC和边缘计算模块。并购Plex使其获得专业云MES，针对汽车和消费品行业。Rockwell还开发了自主的AI模块，如FactoryTalk Analytics LogixAI，把机器学习嵌入控制器，实时分析PLC数据异常。这些产品显示Rockwell将IT技术渗透进OT层，是融合的实践者。业务表现：Rockwell财务成长得益于北美制造业投资周期和自身拓展。其收入从2017财年的约$63亿增至2023财年约$82亿（创纪录），其中软件及控制部门收入（含软件和控制产品）占约35-40%。更引人关注的是其ARR（年度经常性收入）增长迅速：2023财年ARR达到约$5亿，较两年前翻倍，主要来自软件订阅。利润率方面，EBIT%约20%，与2017相当，但软件占比提高有助于抵消通胀影响。资本市场给予Rockwell高估值，市盈率长期25-30倍，在工业类居前。这表明投资者认可其数字化转型方向。竞争地位：Rockwell在全球PLC市场份额稳居第二（仅次西门子），在北美离散自动化占有极高份额。通过PTC联盟，它在物联网软件上构筑起对西门子等的防线，在中端市场云MES上抢占先机。它与西门子、三菱等全球竞争，在汽车、包装等行业互有胜负。弱点是海外市场基础较弱，尤其中国份额小；机会是利用自身简洁易用的品牌，占领那些不想要复杂系统的新兴客户群。综合而言，Rockwell称得上工业互联网时代的成功转型范例：从卖硬件转向硬件+软件订阅融合，其市值和影响力远超2017年预期，也验证了德银当年"罗克韦尔作为纯正自动化厂商在IIoT有优势"的判断。

（其他工业自动化巨头如霍尼韦尔、艾默生、三菱等，可酌情简述，这里略。）

7.2 工业软件与EDA领导者

Synopsys（新思科技）：2017 vs 2025战略演进：Synopsys在2017年是全球排名第一的电子设计自动化（EDA）软件公司，以数字芯片设计工具和硅知识产权为主营。战略上强调"向软件安全和IP扩张"，当时已涉足软件质量测试工具。2025年，Synopsys战略重心转为"三大支柱"：EDA 2.0、AI驱动设计、系统级解决方案。最引人注目的是其全面的AI战略：Synopsys率先在EDA领域引入机器学习，推出了DSO.ai（Design Space Optimization AI）工具，用强化学习优化芯片布图，在多个项目上实现PPA提升。2023年更提出Synopsys.ai整套AI平台，把AI贯穿逻辑综合、布局布线、验证各环节。2025年，Synopsys更发布"Synopsys.ai Copilot"结合生成式AI，为工程师提供自然语言辅助和自动脚本生成。并宣布正在研发"AgentEngineer"多智能体系统用于EDA流程自动化。这些举措使其从传统工具提供商升级为AI赋能的设计伙伴。此外Synopsys通过并购扩张版图：2023-2025年最大手笔是收购Ansys，这将Synopsys的业务延伸到广义CAE仿真领域。整合Ansys后，Synopsys可提供从芯片到软件到物理工程的全栈解决方案，实现电子、电气、机械跨域仿真协同。这是一种IT与OT的融合，因Ansys软件在航空汽车等工业设计中应用广泛。Synopsys还涉足更多半导体IP（通过并购eSilicon等），软件安全测试（Black Duck），构筑较综合的产品线。业务表现：Synopsys财务表现强劲。营收从2017财年$27亿增至2024财年$61.3亿, CAGR约12%。其中近年增长加速（2023同比+15%），受益于半导体高需求和软件安全业务增长。毛利率维持90%+，营业利润率2024约28%，比2017提升近10个百分点（规模效应和IP业务占比增大）。Synopsys的商业模式也朝经常性演进：订阅许可成为主流，使收入更平稳。市场对其估值高企，2025年PE约32倍，企业价值/销售约10倍。在工业软件公司中名列前茅。收购Ansys后负债增加但长远协同可观，投资者反应正面。竞争地位：Synopsys在EDA领域稳居第一，约35%市场份额，Cadence次之。AI战略让其在EDA新赛道领先，对手Cadence也推出Cerebrus AI但力度稍弱。通过Ansys合并，Synopsys一举成为工程软件巨头，综合市占率提升，在芯片、系统、仿真交汇领域几乎无直接对手（西门子EDA+仿真业务会是竞争者之一）。Synopsys面临挑战包括：如何成功融合Ansys文化、消化其产品线；如何管理与客户/伙伴（许多芯片大厂也是投资AI EDA初创的）关系。不过Synopsys抓住了AI和跨域融合趋势，使自己从纯EDA厂商转型为支撑下一代科技创新的基石企业，这与工业数字化大趋势是契合的。

Cadence（楷登电子）：2017 vs 2025战略演进：Cadence是EDA领域老二，2017年主要策略是巩固EDA、拓展系统设计和验证。与Synopsys相比Cadence更早强调系统级设计，因其有强项模拟电路和封装设计工具。2025年，Cadence战略聚焦"智能系统设计"，全面引入AI辅助EDA，拓展到硬件系统分析（CFD、EM场仿真等）和跨行业应用。Cadence的AI平台叫JedAI，还有具体应用如Cerebrus AI芯片探索工具，对标Synopsys DSO.ai。Cadence也积极并购补齐短板：2021年收购NUMECA和Pointwise，将CFD（计算流体力学）仿真纳入旗下，加强汽车/航天仿真能力；2022年收购OpenEye，进入计算化学和制药行业。这些都超出传统电子领域，体现Cadence想成为更广义的科学与工程软件供应商。Cadence还开发了系统分析产品线，包括Clarity 3D电磁场求解器、Celsius热仿真等，形成与Ansys、Hexagon竞争的局面。它在云方面也发力，与AWS合作提供Cadence tools on cloud，使客户可以灵活获取EDA算力。业务表现：Cadence增长同样亮眼。营收从2017年约$18亿增至2024年$46亿, CAGR超14%，比Synopsys更快（部分因并购贡献）。营业利润率约30%，略高于Synopsys。Cadence估值更高一些，目前PE约40倍，EV/Sales约12倍。市场青睐Cadence原因：其在数字孪生（CFD/EM）和多物理领域拓展被视为新增长点。另外Cadence股东回报很好，2017-2025股价涨数倍。竞争地位：Cadence在EDA与Synopsys竞争激烈，各有所长（模拟/封装Cadence强，数字实现Synopsys强）。Cadence通过多元化进入仿真/分析软件，与Ansys、Hexagon开始正面竞争小部分业务。Synopsys并购Ansys后，Cadence成为剩下独立CAE玩家里重要一员。它或许也可能寻求并购合作来对抗Synopsys-Ansys联盟（市场曾猜想Cadence与西门子EDA或Dassault合作的可能）。Cadence挑战在于：资源相对Synopsys少，要精挑细选投资领域。但Cadence相对灵活，和行业大客户关系深厚，也积极布局AI。长远看，Cadence定位电子系统完整解决方案提供商，其成功与否取决于能否继续在EDA核心保持技术领先并融合新收购产品。总体其方向与工业数字化趋势一致，即从单点工具走向全流程平台+AI赋能。

Ansys（安思易）：2017 vs 2025战略演进：Ansys作为CAE仿真龙头，2017年策略是拓展行业应用，强化多物理耦合仿真。2025年已被Synopsys收购，战略融入后者体系，独立战略意义下降，但Ansys产品仍保持领先地位并品牌继续运作。2017年Ansys技术领先于结构、流体、电磁仿真，弱AI弱数据分析。近年Ansys也推出Ansys AI套件，如2023年发布Engineering Copilot™, 提供GenAI助理帮助工程师使用Ansys工具。Ansys SimAI工具将AI用于加速仿真收敛。Ansys还注重数字孪生解决方案，与PTC等合作提供基于仿真的设备数字孪生服务。业务上Ansys 2017-2024年营收从约11亿美元增至25亿美元, CAGR ~12%，增长稳健。现并入Synopsys后，将借助Synopsys渠道进入半导体电子领域更多市场。Ansys的价值在Synopsys架构中是填补了EDA与工业仿真间的空白。对于行业而言，这起并购意味着EDA和CAE两个原本平行的工业软件板块首次真正融合，可能催生更强的跨领域仿真方案，对客户是利好。竞争方面，Ansys+Synopsys组合将令Dassault、Siemens、Hexagon在不同维度面临劲敌。Ansys品牌将继续，尤其在工业客户中信誉度高。挑战在于整合文化、统一销售，并防范客户担忧的售后支持变化。若运作得当，Ansys融入Synopsys有望创造1+1>2效果，合力推进工程仿真的智能化和自动化。

西门子EDA（原Mentor Graphics）：2017 vs 2025演进：Mentor 2017年被西门子收购后更名Siemens EDA，纳入西门子数字化工业软件部门。2017时Mentor产品涵盖IC设计、验证和PCB设计。2025年在西门子支持下，Siemens EDA成为其Xcelerator平台一部分，与Teamcenter PLM、NX CAD集成，提供从芯片到系统的数字化设计闭环。Siemens EDA也涉足AI，例如与代工厂合作开发AI优化布线算法。市场上，西门子EDA排名EDA第三，市占约10-15%。依托西门子，扩展工业电子系统设计（如汽车电子架构设计工具等）是其特色。Siemens EDA 2025最大的变化是定位更广：不仅服务半导体公司，也服务传统工业企业做电子化转型。财务数据西门子未单列Mentor，但估计其收入从2016年收购时约12亿美元增长到2024年约18亿美元（受益于EDA市场扩容）。西门子数字工业软件总营收2022约50亿欧元，其中EDA占约1/3。Siemens EDA面临Synopsys/Cadence夹击，挑战大，但也有独特卖点如在汽车嵌入式软件和硬件联合仿真等处领先。这反映工业软件巨头间跨界融合：西门子从OT切入EDA，Synopsys从EDA切入OT。未来这些界限会越来越模糊。

Hexagon AB（海克斯康）：2017 vs 2025演进：Hexagon是瑞典测量技术公司，早在2010年代就通过并购进军工业软件。2017年其战略为"信息技术赋能实境"（digital reality solutions），收购诸如Intergraph（工厂设计）、MSC Software（CAE仿真）等。2025年Hexagon已转型为综合工业数字化公司，业务囊括测量传感器、CAD/CAE软件、矿业和工厂管理软件、地理信息系统等。近年大动作包括2021年收购Infor旗下EAM业务（企业资产管理）增强工业软件产品，2022年收购ETQ（质量管理SaaS）进军工业质量追踪。Hexagon还关注智慧城市、自动驾驶定位，软硬结合。技术上Hexagon构建了HxGN平台，将不同来源数据汇集，在矿山、工厂、城市实现数字孪生。AI也用于点云数据解析、图像测量分析等。业绩方面，Hexagon营收从2017年35亿欧元增至2024年约50亿欧元，利润率保持20%+高位。软件和服务在其营收占比过50%。Hexagon市值2025约260亿美元，估值较制造企业高。Hexagon竞争对手分散：在CAD/PLM领域对手有西门子、Dassault，在测量对手有徕卡（Hexagon实际买了Leica Geosystems），在仿真对手有Ansys但Hexagon体量小一些。Hexagon胜在专业领域深耕和灵活并购。可以说Hexagon是工业数字化领域"隐形冠军"式玩家，通过持续整合打造自己的生态。

__

7.3 专用技术提供商

Keysight Technologies（是德科技）： 这是一家测试测量仪器和系统公司，由安捷伦拆分而来。2017年Keysight主营电子测试仪器，在5G、射频测试领先，软件部分多为仪器配套。2025年，Keysight已明确提出**"软件化和解决方案"战略，将更多功能以软件实现并提供端到端测试方案。Keysight收购了一些软件公司，如2016年购得仿真软件Genesys，2020年收购自动化软件Eggplant，用AI优化软件测试。这些扩张使其不再只是硬件仪表厂商，而是提供数字孪生测试、全流程验证**。技术上，Keysight推出PathWave软件平台，将设计、仿真、测量数据打通，客户可以先用Keysight仿真工具模拟电路，再用真实仪器测量并比较数据闭环改进。在5G/6G时代，Keysight大量提供波形仿真软件、网络数字孪生用于虚拟测试。它还提供了云化的测试服务，客户可远程访问仪器。AI方面，Keysight在仪表中引入AI算法用于误差校正和智能测试序列优化。业务表现，Keysight营收从2017财年$30亿增至2023财年$53亿，增长平稳。软件和服务收入比例提高，毛利率也升至约65%。估值方面，Keysight PE大约20倍，作为硬件公司稍高，表明市场认可其软件转型一定程度。Keysight在工业数字化生态中的角色独特：它不直接做控制或制造软件，但在产品研发和运维阶段提供关键工具。随着工业设备和网络越来越复杂（如车联网、物联网设备），测试测量更重要，Keysight的机会增多。竞争者如Rohde & Schwarz等传统仪器商、NI（已被Emerson收购）等。Keysight通过数字化和软件提升了自身护城河，也为工业客户质量保障赋能。

Renesas Electronics（瑞萨电子）： 日本半导体公司，产品覆盖微控制器、系统级芯片、模拟电源等。2017年Renesas刚完成收购Intersil，扩展模拟产品。战略侧重汽车、工业物联网MCU。2025年，Renesas已进行多起并购：2019年收购IDT、2021年收购Dialog Semiconductor、Celeno等。这些强化其在物联网通讯和低功耗方面能力。Renesas战略如今是**"嵌入式处理平台化"**，即不仅卖芯片，更提供从芯片到软件的参考方案。它推出Renesas Ready软件生态，联合第三方为其MCU提供实时操作系统、AI推理库等，使客户更易开发终端产品。Renesas也发展工业网络技术，如支持TSN以太网的RZ系列MPU等。AI方面，Renesas提供TinyML解决方案，让AI在MCU端运行，贴合工业边缘AI趋势。通过并购，它可以提供一站式模块（如把MCU+传感+电源组合成"Winning Combination"参考设计），节省客户研发时间。财务上，Renesas营收从2017年$6.7B增至2023年约$13B，利润大增（受疫情期间芯片需求旺盛）。其工业与IoT部门增长显著，占营收约30%。Renesas估值一般约15倍PE，作为半导体公司主要受行业周期影响。然其战略转型提升了抗周期性，因为工业/IoT需求更稳健。Renesas在工业数字化领域不是解决方案提供商，但其MCU/SoC是许多工业设备的大脑。与STMicro、NXP等竞争中，Renesas通过广泛生态合作争取更多工业客户。对中国而言，Renesas在工业控制、小家电MCU市场份额高，中国正努力培育本土替代者。Renesas未来机会在于Edge AI芯片、工业通信控制芯片，这方面其技术储备良好。

Sandvik（山特维克）： 瑞典的传统工程集团，以矿山和金属切削设备闻名。2017年Sandvik开始数字化转型，推自动化矿山系统和工具数字跟踪服务。2025年，Sandvik已将**"数字制造解决方案"** 设为独立业务板块，通过一系列收购构建工业软件版图：2018年收购Metrologic（3D测量软件）、2020年收购CGTech（VERICUT CNC仿真）、2021年收购Cambrio（CAD/CAM软件）、2022年收购DSP（铣削软件）等。不仅如此，还收购了工业电商平台、公允衡管理系统等。如今Sandvik提供从CAM编程、数控仿真到在线刀具管理的一揽子解决方案，成为金属加工数字化的重要玩家。其矿山设备部门也提供AutoMine自动驾驶矿卡、OptiMine分析平台，实现无人矿山。技术上Sandvik把IoT传感嵌入刀具，客户可实时监控刀具磨损；用AI优化切削参数；用数字孪生仿真整个加工流程减少试切次数。这些都是2017年所没有的新能力。业务表现方面，Sandvik制造解决方案部门2023年收入约50亿瑞典克朗，较2017年几乎从零到占集团近8%。整体集团营收增长平缓（工程设备增长有限），但数字业务成为新增长点和利润源。Sandvik估值稍高于传统制造公司，因为投资者看到其软件扩张带来的潜力。其挑战在于与众多软件公司竞争需要不同销售模式，好在其切削刀具客户群忠诚，有天然市场基础。Sandvik案例说明，即使传统机械企业也可通过并购快速切入工业软件，形成差异化竞争力。在机加工领域，中国公司（如西门子NUMERIK或本土软企）也布局，但Sandvik动作领先一步，建立了一定优势。

__

Dassault Systèmes（达索系统）： 法国PLM与3D软件巨头，2017年以3DEXPERIENCE平台整合CAD/PLM/仿真，2025年扩展到生命科学、智慧城市等更多行业。Dassault一直强调虚拟孪生，在航空汽车等行业领先。它的估值和增长略逊于美EDA公司，但作为老牌工业软件公司稳定性强，是工业数字化关键角色，在很多合作中现身（如ABB合作）。2025年其挑战来自EDA+CAE巨头合并带来的竞争，但优势在于丰富行业know-how和PLM根基。

PTC Inc.: 美国工业软件公司，2017年靠ThingWorx物联网平台、Creo CAD和Windchill PLM著称。2025年PTC已成功转型SaaS，收购Onshape、Arena、ServiceMax等。PTC与Rockwell伙伴关系深入，成为离散制造业数字化一站式供应商。PTC营收约20亿美元，估值PE约40倍高企。PTC在工业物联网平台领域市场占有率前列。其模式是软件订阅+合作赋能，值得关注。

综观国际公司分析，共同趋势是：无论硬件起家的自动化巨头，还是纯软件公司，都在向综合数字化解决方案演进。硬件公司补软件，软件公司强生态，AI、大数据技术成为标配，这与本报告前面框架分析完全吻合。

接下来第8章，我们将切换视角，分析中国本土工业数字化企业与上述国际同行的对比，看看它们在战略、技术、市场上所处的位势和面临的机遇挑战。

__

中国工业数字化企业对比分析

__

8.1 汇川技术：从自动化到新能源的多元扩张

汇川技术是中国工业自动化领域成长最快的企业之一，被誉为"工控小华为"。2017年时，汇川主营业务是通用自动化（低压变频器、伺服系统、PLC等），当年营收约47.8亿元人民币。公司战略聚焦中低端设备国产替代，在光伏机械、包装机、电梯等行业取得领先。本土自动化软件当时相对薄弱，汇川的优势更多在性价比和快速响应。

到2025年，汇川技术实现了跨越式发展，业务多元化格局成型：一方面在工业自动化板块持续增长，另一方面成功拓展新能源汽车板块，形成"第二增长曲线"。2023年公司营业收入突破300亿元，是2017年的6倍多，年复合增长率达36%。其中，2023年前三季度通用自动化业务收入105.24亿元，同比增长20.4%，占总收入53%；新能源相关业务（电动车电控、电驱、电机等）增长迅猛，贡献超过40%。

平台与工业软件布局： 汇川技术深刻认识到仅靠硬件产品无法撑起长期竞争优势，近年来投入巨资打造自己的工业数字化平台和软件生态。其核心举措包括：

• • 推出InoCube工业数字平台，提供面向制造企业的生产管理和能源管理功能，支持客户按需构建数字化系统。据公司介绍，InoCube是一个"自动化+数字化融合"的平台，能够连接汇川各种控制器和传感器，实现生产过程数据采集、设备状态监控以及能源流管理。这与西门子MindSphere等平台思路类似，也是平台+工业App架构。
• • 打造数字化能源管理系统。汇川基于InoCube开发了针对工业与商业领域的能源管理解决方案，可对接光伏发电、储能系统、用电设备，实现能源调度优化。例如其20kW光储逆变器产品，配套数字平台可为工商业用户提供能源管理服务，2023年相关订单目标8-10亿元。
• • 拓展传感、机器视觉、精密机械等短板产品。汇川意识到自动化系统的完整性很重要，过去中国短板在高端传感器、视觉检测等。公司正加大研发迭代上述产品，并通过投资并购补齐（如入股视觉企业，开发自有传感器）。
• • 国际化与行业生态：汇川正积极开拓海外市场，认为海外工控市场规模约为国内3倍，近年来已在欧洲、印度等取得突破。同时在国内，公司采用"上顶下沉"市场策略：加强对头部大客户的渗透，同时服务中小客户，通过搭建渠道生态扩大覆盖。数字化平台InoCube也会向生态伙伴开放接口，形成一定的软件开发者社区（目前还处起步阶段）。

AI与新技术应用： 汇川技术也在探索AI在工业控制中的应用，例如在伺服调节中采用自学习算法提高响应，在工业机器人控制中与字节跳动关联公司合作AI算法优化路径规划等。据行业报道，汇川的机器人事业部正开发AI算法以提升六轴机器人精度。在新能源车业务上，汇川将AI用于逆变器的故障预测、BMS（电池管理）优化等。公司还关注5G在工厂的应用，与中国移动等合作打造5G+PLC无线应用示范。总体看，汇川技术对新技术的接受度较高，愿意与ICT企业协同创新，这是新一代民营企业的特点。

业绩与国际对比： 汇川技术2023年营收304亿元，净利润约52.66亿元。其市值（截至2025年10月）约在2000亿人民币左右，在A股制造业公司中名列前茅，估值水平对应PE约40-50倍，远高于传统外资工控巨头在本国市场的估值。这反映投资者对其高增长的认可。当然，与西门子、施耐德等相比，汇川在规模、全球市场、产品高端度上仍有差距。例如西门子数字工业部营收约是汇川的5倍且产品涵盖高端。技术上，汇川的高端PLC（如中大型PLC）在某些尖端行业尚未完全进入，但公司已部分切入工艺复杂行业核心工序控制。可以预见，汇川未来几年会向更高端的DCS系统、工业软件平台持续发力，同时利用自身成本和本地化优势，进一步在中端市场取代外资品牌。

机遇与挑战： 对汇川而言，国内"国产替代"浪潮和制造业升级是巨大机遇，公司在政策鼓励和市场需求双驱下有望不断扩大份额。同时新能源车业务打开公司成长第二极，使其实现制造业+汽车双轮驱动，抗周期性增强。挑战在于：1）随着规模扩大，如何从"单品领先"走向"系统解决方案领先"，特别在工业软件和整体方案上追赶国际先进？2）国际市场开拓仍需时间，品牌与服务体系要完善，与西门子等全球化巨头竞争需要耐心；3）在高端领域（高精度数控、尖端传感器等）依赖技术突破，需要持续高强度研发投入，以及吸引顶尖人才加盟。

总的来说，汇川技术是中国工业数字化领域最亮眼的企业之一，在过去八年完成了从中小工控公司到行业龙头的蜕变。其经历也印证了中国企业通过自主创新和多领域扩张，有潜力在工业互联网时代与国际巨头同台竞技。未来若能在工业软件平台和高端控制系统上取得更大突破，汇川有望成为真正意义上全面的工业自动化与数字化跨国企业。

8.2 中控技术：流程工业数字化龙头崛起

浙江中控技术（Supcon）是中国流程工业自动化和软件领域的领军企业。2017年左右，中控在国内DCS（分布式控制系统）市场已位居前列，特别在化工、石化等行业。但其国际品牌度不高，产品以性价比著称。公司一直强调自主研发，于2010年前后推出自主DCS系统（如WebField系列），逐步打破国外ABB、霍尼韦尔等垄断。2017年公司营收估计在20-30亿元级别（未上市无准确数据）。

到2025年，中控技术完成上市（科创板688777）并保持高速增长，成为中国流程工业数字化**"双雄"之一（另一为和利时）。2022年公司营收66.21亿元，同比增长46.5%，净利润7.96亿元。预计2023年收入将进一步增长。业务结构上，中控分为自动化控制系统、工业软件、仪表及服务几大块。其中工业软件及含软件的解决方案**在2022年收入19.27亿元，同比大增121%，占比接近29%；自动化控制系统和仪表等解决方案收入30.72亿元，同比+...。这表明公司从硬件为主迅速向软件发力，软件增长极为亮眼。这得益于中控长期技术积累和近几年推出的一系列新产品：

• • 中控SupOS平台：中控技术开发了面向流程工业的通用操作系统平台SupOS（有称"工业操作系统"）。它采用"平台+工业APP"模式，支持集成各类工业软件模块。SupOS提供数据集成、时序数据库、模型运行等基础功能，上面可以运行中控自家或第三方的工业APP，如先进过程控制、能效管理、设备管理等。中控在2020年正式发布SupOS，定位类似于西门子的MindSphere但针对流程行业优化。生态伙伴也可基于SupOS开发应用，中控欢迎开放合作。这体现中国厂商在工业软件架构上的进步，具备了与国外平台掰手腕的能力。
• • 核心工业软件产品：中控的优势软件包括先进过程控制（APC）套件，据官方称国内市场占有率28.6%，连续三年蝉联国内APC第一。APC软件用于在工厂DCS上叠加优化控制策略，提高产量、降低能耗。过去这一领域被美国AspenTech等占据，中控成功赶超。本质体现的是深厚行业工艺算法经验。此外中控有生产执行系统、设备管理软件、供应链管理等多个方向软件。2022年公司基于"平台+工业APP"形成了多个细分产品解决方案，说明其软件产品已相当丰富。
• • 仿真与数字孪生： 2022年中控重磅发布了流程工业过程模拟与设计平台（iAPEX）。此举意义重大，因为过程模拟软件被誉为流程工业的"EDA软件"，长期为外国占据（Aspen Plus、HYSYS等）。中控iAPEX的推出填补国内空白，使得中国石化化工设计不再完全依赖进口软件。这也是中控从控制层向工程设计层延伸，实现数字孪生闭环的重要一步。iAPEX开放态度研发，联合众多生态伙伴投入，表明中控希望打造国产生态体系。未来iAPEX有望与SupOS等结合，提供从设计仿真到运行优化的一体化数字孪生解决方案。
• • 仪器仪表与控制器升级： 中控传统主力是DCS系统（如自主品牌WebField JX-300X系列）和PLC，以及现场仪表。近年来公司推出智能运行管理与控制系统（i-OMC），采用新架构提高可用性；推出更智能的现场仪表和控制器，提高互联互通。中控在工业以太网通讯、无线仪表等新技术上也有布局。硬件能力仍是其基础，加上软件赋能，构成完整方案。

竞争与市场地位： 在中国流程工业自动化市场，中控技术与和利时双雄并立，尤其在炼油化工、化肥、电力等行业国产替代率已很高。对比国外，中控的DCS在大型装置应用经验丰富、性价比高，但超大型项目和海外市场仍以外资为主。不过中控近年也走出国门，在东南亚中东拿下一些项目。和利时在电力和轨道控制强，中控在化工强，各有所长。与国际巨头ABB、霍尼韦尔相比，中控的软件实力不逊甚至在APC等细分领先国内市场，硬件可靠性接近，但品牌服务网络相对弱。中控的挑战：1）持续投入研发以保持技术优势，同时注重系统稳定性提升，攻克超大规模连续生产控制的难点；2）国际市场突破需要策略，可能与国内业主"走出去"工程绑定推进；3）与生态伙伴共赢，特别要吸引国内优秀软件人才和初创团队在其平台上开发应用，繁荣生态（目前国产工业App生态仍初期）。

机遇方面，国家石化、煤化、药化等领域"十四五"强调提高装置智能化和国产化水平，中控大有可为。双碳政策下流程行业节能降耗需求迫切，中控的软件如APC、能效管理可产生直接价值，市场需求强劲。资本市场对中控看法积极，公司PE在50倍以上（2023年），相信其高成长性。总之，中控技术已崛起为中国流程工业数字化的核心力量，其案例证明本土厂商通过长期坚持研发和行业知识积累，可以在工业软件和控制领域实现对国际巨头的赶超。未来如果其SupOS平台能全国推广，将有力改变国内工业软件生态格局。

8.3 和利时：本土控制系统与轨道交通自动化

和利时集团是另一家中国工业自动化的先行者，业务横跨工业过程控制和轨道交通控制两大领域。2017年，和利时在国内电力行业DCS领域处于领先（尤其核电常规岛DCS几乎垄断国内市场），同时在轨道交通信号控制系统站稳脚跟，是高铁/地铁信号系统国产化代表。那时和利时的数字化软件业务还不突出，更多以硬件控制系统和工程项目为主，营收约25亿元人民币左右。

到2025年，和利时依然在关键领域保持强势，并开始发力工业信息化软件。其主营和组织有些特殊：和利时集团下分工业自动化、轨道交通、医疗等版块，各有子公司，如北京和利时、杭州和利时等。2021-2023年资本市场对和利时关注点多在公司私有化传闻和收购博弈（多方竞购其美股上市公司Hollysys Automation Technologies），最终在中国基金支持下推进私有化。无论股权如何变化，技术和业务进展方面：

• • 工业自动化业务： 和利时提供DCS、PLC、SCADA等全面产品，在电力、化工、市政等行业拥有大批客户。特别在发电厂DCS上，和利时Hia系列系统应用广泛，并与东方锅炉等合作开发电站整体控制方案。其新一代Hia系列DCS注重开放和信息化接口，可与厂级MIS系统对接，实现实时数据上云。据报道，和利时在2020年发布了Hia Cloud工业互联网平台，融合边缘计算与云架构，为火电、石化等提供远程运维服务。公司还推出了高级报警管理系统HiaAAS，荣获2023年中国软件博览会金奖。该系统运用大数据分析对DCS报警进行智能分类、根因分析，提升操作安全。说明和利时开始将AI与数据分析融入传统控制系统，提供增值软件功能。
• • 轨道交通业务： 和利时是中国地铁信号系统国产化先锋，提供CBTC（通讯式列车控制）系统。北京和利时公司主攻轨交，至2025年其地铁信号系统已覆盖全国数十条线路，并进军海外。和利时还生产高铁自动驾驶ATP设备。数字化方面，轨交系统本身高度数字化，和利时正研发基于云的综合监控平台，把地铁站设备数据、环控系统等接入统一平台便于运维。新型无人驾驶地铁的控制中枢软件，和利时也参与开发。可见其在智慧交通的数字化程度与国际接轨甚至领先（比如广深线无人地铁已投入）。
• • 工业软件与AI： 相比中控，和利时在工业软件商品化上稍显低调，但集团内部有专门的软件子公司开发HollySys OTS仿真培训系统、HollySys MES等产品。在石化等项目中随方案提供。2023年，和利时展示了其**"智能工厂"整体解决方案**，声称致力于自动化、数字化、智能化生产控制与流程管理。大数据、AI在其发电厂远程运维、故障诊断中心已有应用。可以认为，和利时的软件能力更多内嵌在解决方案中，没有像中控那样单列大规模对外销售，但其实力不容小觑。例如早在2010年代和利时就研发了历史数据检索与分析平台类似OSIsoft PI系统，用于电厂性能分析。其知识库涵盖多行业工艺，是AI应用的宝贵基础。

对比国际：和利时的核心竞争对手在工业控制是ABB、霍尼韦尔，在轨交信号是西门子、阿尔斯通等。国内市场它通过成本和本地优势赢得大量份额，但在核心技术上也有突破：如高铁列车控制等以前完全依赖进口，和利时成功参与国产化。与ABB等相比，和利时劣势在于缺乏工业软件完整生态和国外客户经验；但优势是对中国客户需求理解深入，产品性价比和定制化强，响应迅速。2025年和利时营收约50-60亿元人民币，规模比中控略小，但轨交板块利润率较高。估值上，受私有化事件影响未在公开市场正常反映，但业内给予其市盈率可达25倍左右估算，因为轨交业务稳定、工业有潜力。一旦私有化完成回A股，可能获得更高估值体现。

机遇挑战：和利时的机遇包括中国核电、新能源发电大发展，需要其控制系统；轨交出海"一带一路"机会等。挑战则有人才流失隐忧（曾有报道其创始人淡出导致管理问题），以及如何像中控那样构建开放平台生态。总体而言，和利时与中控双雄互补，共同推进了中国工业控制和软件的崛起。未来若两者能在标准和生态上协同（例如一起推国产软硬件标准），将对抗外资更有力。对和利时自身，则应加快工业互联网布局，把潜在的软件能力产品化，实现"软硬双轮驱动"，这样才能在新一轮数字化竞争中立于不败。

8.4 鼎捷软件：制造业管理软件的云化与AI探索

鼎捷软件是中国制造业管理软件的代表企业之一，主营ERP和MES系统，服务大量中小制造企业。鼎捷由台湾起家（原名"鼎新"），上世纪90年代进入大陆市场，专注本土化的企业信息化解决方案。2017年鼎捷软件营收约12亿元，产品线包括易飞、易助等系列ERP，主要客户在机械加工、电子制造等行业。鼎捷优势在于对中小制造企业业务流程了解深，实施成本相对SAP/Oracle低，因而占据了一定市场。

2025年，鼎捷软件已积极转型"数智化解决方案服务商"，推进云化与AI战略。公司2023年营收22.28亿元，同比增长11.65%，净利润1.5亿元。其中数字化管理（ERP等）仍是核心，占上半年营收5.46亿元，同比增长8.08%。值得注意的是鼎捷着力发展的两块：研发设计业务和AIoT业务，2023上半年研发设计业务收入增长31.78%，AIoT方案收入增长13.93%。这反映鼎捷从传统ERP向两端延伸：一端延伸到产品研发设计协同，即PLM/CAD领域（增长31.78%的业务）；另一端延伸到车间OT层，即设备联网、整厂规划等AIoT方案。

具体措施包括：

• • 推出"鼎捷雅典娜"PaaS平台：鼎捷开发了名为Athena的企业级数字底座。Athena包含PaaS平台、数据中台、技术平台、AI平台等。基于Athena，鼎捷将原本孤立的ERP、MES、PLM等应用统一构筑，提供开放API给ISV伙伴二次开发。Athena上还运行了一系列AI应用，如ChatBI（对业务数据进行问答分析）、Indepth AI（流程智能分析）、行业大模型等。Athena的发布标志鼎捷成功构建自己的工业互联网平台，使其从软件产品公司升级为平台型公司。
• • 全线产品云化：鼎捷近年来把ERP、MES、PLM等搬上云，提供订阅制服务。例如易助云ERP、小型企业SaaS等。上半年南亚（东南亚）地区营收增长30%，主要因为鼎捷云服务在当地受欢迎。公司也联合华为、阿里云推出行业云解决方案（比如装备制造云）。订阅模式推升其经常性收入占比，稳定增长。
• • AI赋能业务流程：鼎捷很快拥抱生成式AI。2023年推出**"鼎捷行业大模型"**，训练了面向制造业知识的大语言模型，还开发了一系列微应用如ChatFile（基于文件内容的问答助手）、ChatBI（基于业务数据自动分析）等。例如，设计变更导航、智能采购推荐等AI功能嵌入ERP/PLM流程。这些举措在业内属先进，将AI工具深度嵌入企业管理软件，提高用户体验和效率。鼎捷与科大讯飞等AI公司也有合作，引入其语音识别等能力。可以说，鼎捷正努力将自身软件升级为智能软件。
• • 边缘物联与整厂方案：鼎捷设立AIoT业务线，提供设备云、物联网车间整体方案。例如为机床加装物联网模块接入数据，或建设"数字工厂"样板。鼎捷的特色是既懂IT又涉OT，能将ERP计划与车间实时数据打通。其AIoT方案涉及EPC（整厂规划）服务，也帮助制造企业设计数字化改造路线。由于很多中小企业缺乏IT人员，鼎捷提供交钥匙工程对他们吸引力大。这块业务上半年收入1.76亿元，增13.93%，未来增长可期。

竞争地位：鼎捷在中国中小制造业ERP市场占有率名列前茅，可谓国产ERP龙头。主要竞争对手一是国外SAP在大型企业市场（鼎捷难撼动），二是用友网络等本土厂商（偏综合，鼎捷专注制造业）。鼎捷凭借制造行业深耕，保有稳定客户群。其MES等延伸产品在服务现有ERP客户上具优势。面临挑战包括：用友、金蝶等也推工业互联网平台和AI应用，竞争加剧；大型企业市场要打开仍需实力；SaaS转型尚在过渡，需要平衡短期利润和长期ARR增长。

资本市场方面，鼎捷因属于软件赛道，PE估值较高约50倍，市值70多亿元（2023）。相较国际同行，其规模较小，但增速不俗。鼎捷重视研发，2022研发费2.9亿，占收入13%，对一家应用软件企业算较高比例，体现其转型决心。

总的来说，鼎捷软件代表了中国制造业数字化服务商的崛起。它以本土洞察为基础，迅速吸收了云计算和AI技术成果，把传统ERP业务转型为平台+AI的新模式。这与国际上的PTC、SAP等路线有相似之处。对于成千上万数字化起步阶段的中小企业，鼎捷这样的伙伴正帮助它们跨过数字化门槛。未来鼎捷若能进一步与工业自动化（OT硬件）厂商协同，会有更大作为。目前看来，它已走在国内管理软件公司的前列，正朝着国内制造云领军者迈进。

8.5 南瑞继保：电网数字化平台的国家队

南瑞继保是隶属国家电网的电力自动化企业，其主体为国网电力科学研究院旗下南瑞集团，上市公司为国电南瑞。南瑞继保专注于电力系统保护和控制装置，是中国电网调度、自动作保护、变电站综合自动化等领域绝对龙头。2017年，南瑞集团业务包含继电保护设备、调度自动化系统、用电信息采集、轨道交通电气等广泛方向，营收约300亿元以上。其软件实力也很强，例如电网调度管理系统、能源管理系统几乎全国采用南瑞方案。

2025年，南瑞作为国家电网数字化排头兵，在工业互联网特别是能源互联网方面承担重任。公司2023年营收515.7亿元，净利润76.5亿元。南瑞业务分电网自动化、智能输变电、配电及用电信息化等。近年来南瑞抓住新型电力系统建设机遇，大力发展数字化平台：

• • 能源电力工业互联网平台："电力物联网"是国网在2019年提出的重要战略，南瑞负责研发国家电网统一的数据平台和通信平台。南瑞开发的云边协同一体化电网调度平台在多省市上线，实现调度控制上云并于边缘站端实时控制结合。还建设 国网云，整合同步千万级采样数据用于AI分析。南瑞继保还推出NARI能源工业互联网整体解决方案，连接发电厂、变电站、用户侧，实现能源流和信息流的贯通。
• • 多云部署与安全：国家电网对数据安全高度重视，南瑞构建的电力云采用自主可控技术，包括飞腾CPU、麒麟OS等，以确保电力数据安全。南瑞数字化平台同时注重安全防护体系构建，从芯片到应用层层加固，是能源工业互联网的特色需求。
• • AI与大数据：南瑞将AI用于电网状态监测与决策。比如输电线路覆冰预测AI、变压器故障图像识别、配电网故障定位AI等。通过调集全网历史数据训练模型，提高事故预判能力。另外南瑞有**"电力知识图谱"**项目，把专家经验和规则整理成数据库，辅助调度员决策。这是典型的Agent系统应用，将人机交互知识化。
• • 综合能源与微网：南瑞跟随能源转型，开发综合能源管理平台，可接入光伏、储能、电动汽车等多种分布式资源，优化能源调度。南瑞南网方向公司也研发了能源大数据服务，为政府和企业提供用能分析。这相当于能源行业的工业互联网服务输出。

比较国际：南瑞在电网自动化方面技术力量与ABB、西门子、GE并列世界前茅甚至领先（中国超大电网运行经验国际无可比拟）。其调度EMS软件等曾大量进口（如Alstom的），如今基本国产化，由南瑞承建。可说南瑞集合了IT+OT在特定行业的顶尖融合：既懂高压物理特性，又会软件算法。其市场主要国内，国际市场则通过援建等方式输出解决方案，未来可能向"一带一路"国家更多扩展，尤其东南亚、非洲电网建设。由于南瑞背靠国网，资金和项目保障充足，但也受电网投资周期波动。2017-2023年南瑞营收年均增长约12%，比较稳定。估值上国电南瑞PE约25倍，不算特别高，但考虑是稳定央企可接受。

机遇与挑战：双碳目标下，中国电网大建设、特高压输电、源网荷储协同都需要南瑞提供数字系统。挑战在于：新能源高占比电网运行非常复杂，要靠更强AI和算法突破；其次电力体制改革要求电网公司输出增值服务创收，这需要南瑞开发市场化数字产品，与传统to G项目模式不同，需要市场化竞争意识。此外南瑞体系内子公司林立，要整合资源避免内耗。

总之，南瑞继保及国电南瑞是中国能源工业互联网的中流砥柱。它与前面分析的工业企业不同，其客户主要是电网和发电企业。然其探索出的云管边架构、AI调度等，对于其他工业（如石化管网、区域能源网）也有借鉴意义。南瑞经验表明，在传统能源行业，由于安全要求极高，自主掌控数字化平台尤显重要。国家队企业通过十余年持续攻关，已建成全球规模最大的能源物联网，这也是中国工业数字化一大亮点。

__

新技术维度的综合比较

本章我们从人工智能、数字孪生、边缘计算、5G工业网络、平台开放生态等关键新技术/理念出发，综合比较国际领先企业和中国公司的应用演进情况，加深对全球工业数字化趋势的理解。

9.1 人工智能与Agent系统应用

国际方面，工业领域对AI的采用在2024-2025年明显加速，AI从IT侧逐步渗入OT现场。许多全球企业推出针对工业场景的AI解决方案：

• • Generative AI助力工程设计：西门子和Cadence等利用GPT模型生成代码和设计方案，提高工程师效率。如西门子与微软的合作，让ChatGPT读取PLC程序文档并自动生成控制逻辑草稿。Cadence的AI助手据称可为芯片验证工程师自动生成验证环境配置。这类生成式AI减轻了专业技术门槛，使新人也能快速上手复杂工具。Synopsys的AI Copilot知识助手缩短新工程师培训时间30%。这些应用表明，AI Agent正扮演数字化工程师的助手角色。
• • 机器学习嵌入设备/流程控制：许多自动化厂商将ML模型部署在边缘控制器内，实现自优化控制。例如罗克韦尔的LogixAI模块在PLC中运行算法，提前检测异常，及时调整控制参数。施耐德电气通过AVEVA Insight平台提供ML驱动的工厂KPI预测服务。ABB在机器人控制软件中加入AI路径优化，让机器人自主修正运动轨迹以应对未建模扰动。这些体现AI闭环控制开始出现：AI模型直接参与实时决策，而非仅供人参考。
• • 多Agent自治系统：Synopsys大胆提出AgentEngineer™概念, 多个AI代理协作完成EDA流程。工业界类似思路也在探索，例如造船厂的生产调度AI Agent群、仓储的多AGV调度Agent等。西门子研究的工厂多智能体调度系统，可以让产线各单元Agent通过谈判自主分配订单，提高柔性。这些Agent系统具备一定自主性，可减少集中调度负荷，在复杂制造网络有优势。
• • AI服务商品化：GE、Siemens等提供AI应用库如预测性维护、质量检测模型等，可直接部署。微软、亚马逊推出工业视觉AI服务，用户上传数据即可训练模型。这样AI作为一种云服务存在，不要求客户有AI专业知识。工业APP开发者可通过API调用AI分析。这使得AI得以大规模普及，类似工业软件部件化。

中国方面，AI在工业的应用同样蓬勃：

• • 大型模型本土化：如鼎捷软件训练"鼎捷行业大模型"，上海电气等开发电厂大模型，徐工集团开发工业大模型。国内依托海量工业数据与国产大语言模型结合，旨在打造懂中文、懂工艺的专用大模型，为生产提供决策支持。中国不少企业选择与科大讯飞、百度等AI公司合作定制领域模型，以快速赶上国际。
• • 工业现场AI：华为等推动"AI下沉边缘"，发布Atlas边缘AI计算盒，让计算机视觉在工地、工厂本地分析。海康、大华等安防企业也进军工业视觉检测，用AI摄像头替代人工QC。5G+机器视觉在钢铁、纺织等质检普及。南瑞等将AI用于电网设备巡检机器人，使其自主识别异常。中控、和利时等开发工业控制系统的AI报警分析)，减少人为误判。相比国外，中国厂商有庞大市场试验AI，落地速度很快，许多工厂已经初步实现无人巡检、智能质检。
• • AI工业软件：如寄云、树根互联等工业互联网创业公司推出AI建模平台，为中小企业提供AutoML服务。宝信软件这种传统工业IT厂也在炼钢优化中大量应用深度学习网络。整体看，中国AI应用更多从易到难，先在巡检、质检等视觉领域爆发，然后逐步深入过程优化。但大模型出现让高层决策AI也提上日程，国务院已强调发展工业大模型以提升生产效率。

总体比较：国际巨头在AI战略上系统性强，依托强研发实力推出AI平台级产品，且注重AI与其原有软件深度融合。中国企业起步稍晚，但胜在应用场景丰富、政府推动力强，AI落地速度快且成本低。中美在AI技术本身旗鼓相当（基础模型国外领先一步，但中国追赶迅速），关键看落地谁能积累更多数据和经验。AI在工业的最终价值体现在生产率提升和柔性制造实现上，目前尚在爬坡期。可以预见下阶段焦点包括：如何评估和保证AI模型在工业环境的可靠性、安全性（例如AI决策错误风险谁担）；如何培养一线工人与AI协同工作。这些问题中外皆需面对。

9.2 数字孪生实践的深化

数字孪生（Digital Twin）理念在2017年前后兴起，如今已成为工业数字化的标配概念之一。对比过去，现在的数字孪生实践有明显深化：

• • 覆盖全生命周期：2017年数字孪生多用于设备运行监控，而2025年许多公司强调端到端孪生，从设计阶段开始一直贯穿到运营和维护。西门子、PTC、Dassault等都宣传"完整数字线程"。例如西门子可为一台机器建立"设计孪生"（CAD模型+性能仿真）、"生产孪生"（制造过程仿真）、"性能孪生"（运行数据），将三者关联。中国的航天科工也提出研制-制造-运维一体化孪生平台。全生命周期孪生意味着数据贯通和模型衔接，大幅提高反馈优化效率。
• • 多尺度、多物理融合：以前孪生多是一台设备或一道工序，现在扩展到系统级孪生，如工厂级、城市级。Ansys、Hexagon等提供能耗、物流仿真，与设备孪生耦合，形成复杂系统孪生。这需要多领域模型联动。工业软件公司通过并购和合作来实现：Synopsys+Ansys结合电子与机械模型，ABB+Dassault结合机器人与产线模型等。中国也有流程工业全厂孪生实践，如中石化炼厂3D孪生系统，把所有管道设备建模，叠加工艺仿真。
• • 实时性和闭环：过去孪生主要离线分析为主，2025年要求实时同步和与控制闭环结合。施耐德的EcoStruxure平台实现物理设备与孪生模型的实时数据交换，每几秒刷新状态。西门子的Edge计算让部分仿真在边缘执行随控制步长实时算，以前需要离线的性能仿真现在可在线进行，并把结果反馈控制器。这使得数字孪生从"数字镜像"升级为"数字影子+控制助手"。很多先进场景下，控制策略会动态参考孪生模型推演结果调整--例如热电机组运行优化，孪生仿真预测下时段负荷并优化调度，闭环调节机组出力。
• • 与AI结合：AI用于补充物理模型不足的部分（构建Hybrid Twin混合孪生）。西门子等采用机器学习来校正仿真模型参数，使孪生更准确。仿真数据反过来用于训练AI，使训练不只依赖实测。Generative AI也用于快速生成3D孪生模型、自动标注设备图纸等，加速孪生建立。可以说AI+孪生正成为工业智能系统的双核。

国际情况：西门子通过Xcelerator积极推广数字孪生案例，乃其卖点；PTC主打服务层孪生（ThingWorx平台监控现场并与CAD模型关联）；GE早期Predix也以数字孪生为核心卖点之一（为每台设备建立云端模型），但GE自身转型放缓。欧洲如西门子/达索架构完整，美国如PTC注重易用工具，中国亦高度重视，成立国家数字孪生标准工作组推动共性标准。

中国情况：数字孪生是"新型基础设施"规划内容之一，被应用于智慧城市、厂区、甚至物流体系。国企投入大，例如南瑞构建全国电网数字孪生；航天科工打造工业互联网孪生平台ASIM；宝武钢铁实现全流程钢铁生产仿真。中国有庞大工程院校资源，物理模型研究深厚，将其软件化近年提速。而本土IT企业如腾讯、阿里以游戏和云计算技术切入城市/建筑孪生（如城市信息模型CIM平台），与传统工业企业合作。

差异：国际企业数字孪生案例多在高端制造和能源公司中落地，有完整工具链支撑。中国则既有顶尖应用，也存在不少停留在3D展示、概念层面的"伪孪生"。但国家大力标准化、引导行业应用真正做实功能，如住建部要求新建城市基础设施优先建设数字孪生系统等，将提高整体水平。

未来数字孪生会继续深化，与IoT、AI几乎融为一体成为基础功能。标准互通是关键，例如需统一设备的孪生数据接口（OPC UA标准扩展中已有讨论）。假如不同厂商数字孪生模型可无缝交接，那将大幅推动整个工业系统优化。这需要全球合作制定标准，目前欧、美、中都有投入，希望未来趋同。

9.3 边缘计算与5G在工业网络中的应用

边缘计算和5G都是工业物联网近年的热点技术，两者常相辅相成，推动IT/OT融合网络架构变革。

边缘计算在工业的应用已经从概念走向普及：

• • 国际上，西门子、施耐德等都推出边缘计算产品线，将部分数据处理和存储放在工厂内部。例如西门子Industrial Edge生态允许第三方开发Edge App部署到边缘设备，应用场景如本地数据预处理、低延时AI推理等。ABB的EdgeInsight装置可以在风电场、矿山等处聚合设备数据减少上云量。Fanuc与思科、Rockwell曾合资推FIELD系统边缘平台，也是一例。对于实时性要求高或网络不稳定场景，边缘计算成为必须。低时延闭环：如机器人协作控制算法放在边缘服务器，可实现ms级通信，比全部走云少10倍延迟。离线运行：边缘节点可在与云断链时独立运行核心功能，提高可靠性。数据减量：初步分析在边缘完成，只上传结果，降低云带宽和存储压力。综上，边缘与云形成合理分工，使架构更健壮高效。
• • 中国方面，边缘计算融入"5G全连接工厂"试点，是工业5G落地的关键。一些厂区将5G基站和MEC（边缘云小型数据中心）部署在现场，实现5G+边缘架构：传感器/AGV数据通过5G就近汇聚到工厂边缘MEC服务器，由厂内应用即时处理，不用回核心网。这样既发挥无线灵活性，又保证本地处理低时延和数据不出厂。华为、中兴等积极推动此模式，与三一重工等打造灯塔工厂。边缘侧还运行视频监控AI、工艺优化算法等。另，国家电网在变电站也部署边缘计算单元用于本地保护和边缘协同。可见中国厂商将边缘计算视为实现云网端协同的抓手，典型架构如"云边协同平台"已在行业内写入标准。

5G工业网络部署情况：

• • 国外：德国、西欧一些工厂申请5G专用频段自建5G网络（如宝马、博世都有5G自有网络），爱立信、诺基亚提供工厂专网方案。美国基于4G/5G的工业应用由通信商和OT厂商合作提供，如ATT与Rockwell合作无线MES网络。但总体而言欧美日工业5G部署较谨慎，很多还是Wi-Fi/工业以太网为主，5G用于增量场景如AGV、远程维护等。一个成功案例是瑞士ABB工厂用5G控制协作机器人，低时延提升20%产出。日本则推进5G在智能工厂与AR远程指导应用。
• • 中国：推进力度全球最大。中国发放了工业5G专网试验频率，至2025年建成超过5000个5G全连接工厂。应用广泛：港口码头5G+无人跨运车、矿山5G+无人矿卡，制造业5G+AGV群控、柔性产线重构、AR远程检修指导等。因为中国5G网络覆盖全国且资费低，企业采用意愿强。一些工厂直接用电信运营商的公网切片服务，不自建也能保证安全和质量。运营商积极提供工业模组、云网服务给企业。相对外企，中国工厂对无线可靠性顾虑少一些，更愿意尝鲜（尤其国企示范项目）。在这过程中，边缘计算是标配，一般由运营商在企业园区架设边缘服务器（MEC），本地承载流量。成果：综合调研表明，5G+工业应用显著提升物流效率、减少人工。缺点是目前投入较高，成本需随规模降。但中国市场规模足够大，设备和服务成本确在下降轨道上。

综合来看，边缘+5G构成未来工业网络重要支柱之一：边缘确保实时和自治，5G提供高带宽低延迟连接灵活生产要素。二者结合实现真正移动化、柔性化的工厂布局，打破过去产线固定模式。中外差异在于：欧洲倾向本地化小网络（专频自建），中国则运营商主导大规模网络赋能各行各业。两种模式各有优点，中国模式更快推广节奏更一致，但欧洲自建专网安全掌控性强。未来可能融合，如3GPP标准支持更多专网功能，各国经验互学。可以预期，到2030年左右，工业场景中有线+无线混合将取代纯有线，设备接入更灵活；边缘节点无处不在，从机边控制箱到云边大机柜，形成多级协同计算体系。这将为工业AI、微服务应用提供良好运行环境，进一步推动工业智能。

9.4 平台开放生态与开发者社区

平台开放生态对于工业数字化至关重要。在前文3.2节我们已经论述其成为成功"第四支柱"。这里从实践角度补充中外在平台开放方面的举措：

国际：几乎所有大的工业平台都建立了开发者社区和伙伴计划。

• • GE Predix当年号称已有数万开发者，虽后继乏力但开启了风气。西门子MindSphere设立了开放的MindSphere World协会，聚合第三方加入，开发者通过MindSphere平台上传应用可全球客户下载使用（有应用商城App Store）。施耐德推出EcoStruxure Exchange，伙伴可以发布解决方案、API、社区问答交流。ABB有ABB Ability Marketplace等。这些社区提供培训、SDK、仿真环境给开发者，并举办黑客松、应用大赛等扩大影响。
• • 标准联盟：不少开放是通过联盟实现。例如OPC基金会、工业数字孪生协会（IDTA）等聚集众厂商制定开放规范，使自家平台兼容标准方便接入设备。像ABB、三菱支持OPC UA，使它们设备能轻易上西门子或其他平台数据。华盛顿协议、联盟都是开放生态的一部分。
• • 开源：工业巨头也越来越拥抱开源策略，提供部分代码开放以吸引用户。西门子将MindSphere的部分边缘代码开放（基于CloudFoundry项目），IBM/红帽推出EdgeX Foundry开放边缘框架并吸引设备商参与。开源降低中小企业上手新平台门槛，并让平台扩展更灵活。

中国：由于工业软件基础相对弱，更需要开放生态加速补齐。本土企业和政府一起推动：

• • 行业APP培育：工信部2018年起举办"工业APP大赛"，鼓励开发者基于国内平台开发行业App。树根互联、航天云网等平台提供免费云资源给参赛队，形成围绕自身的开发群体。结果培育出许多专用小应用，如数控机床刀具优化APP、水泥窑节能APP等，丰富了生态。
• • 平台责任分工：国资委指导中央企业协同，提出**"一个行业一平台"**思路，避免重复开发。各大央企建平台后，都注重吸引上下游公司和中小企业加入，共享数据服务。如航天科工INDICS平台对中小供应商开放接口，宝武钢铁OSP平台为钢铁产业链企业提供物流、交易等服务。这些都有伙伴参与（物流公司、材料商等等），生态圈雏形形成。
• • 开发者社区：阿里、华为等ICT公司更擅长此道，将自家开发者生态拓展到工业。阿里云IoT平台每年办开发者大会，推出开放源代码的物联网操作系统AliOS Things，吸引硬件工程师。华为牵头的Fusion Plant平台上也集结一批设备伙伴。虽然纯工业企业像中控、和利时的社区氛围不如互联网公司，但通过这种跨界合作，中国工业平台也构建了不小开发群体。
• • 政策支持开放：中国政府明确要求工业互联网平台开放共性能力，防止"信息孤岛"重现。对各类应用商店、数据集市的安全管理也制定规范，保障生态健康。可以说在政策引领下，本土平台比过去封闭ERP时代更开放共享。这对国产工业软件成长有利：小企业不必从0开始，可在大平台复用很多基础能力。

差异：国外生态更多由市场驱动、头部企业自发形成，中国则有政策助推、国企牵头。但都朝着更开放、更协同方向。开发者数量上，中国潜在群体庞大，但专业工业开发者相对少，需要培养。国际上工业软件开发者主要集中在厂商和大学合作项目中，真正大众程序员参与度有限。未来希望更多软件工程师投入工业应用开发，这才会出现"工业软件App Store"真正繁荣局面。

挑战：开放生态也面临利益分配、知识产权、数据安全等问题。如平台方如何与开发者分享收益？如何保护开发者知识产权不被平台方侵占？如何防范恶意应用危害工业系统安全？这些需要成熟机制。国际上苹果、谷歌应用商店提供了范例，但工业领域特殊性更高，需要行业规范。例如西门子/GE会审核入驻应用的安全性，一般要求伙伴签排他协议等，这可能又限制了完全开放。中国此方面还在摸索规则。

总之，未来的工业竞争很大程度是生态之争。谁的平台汇聚大量合作伙伴和开发者，谁就能快速响应客户需求、持续创新。国际巨头已深谙此理，中国企业近年也赶上这一理念。因此我们有理由相信，工业软件领域也会出现如手机应用生态般活跃的景象，只不过专业性更强、市场规模更集中而已。

趋势研判与战略建议

10.1 2017-2025主要变化总结

通过以上比较分析，我们可以提炼出过去八年工业数字化和工业软件领域发生的主要变化：

• • 从点到面：数字化范围全面扩展。 2017年企业数字化转型多聚焦某业务或某产品线试点，而2025年多数领先企业实现了全方位数字化。横向覆盖产品研发、生产、服务各环节，纵向贯通设备层、控制层、管理层。无论跨国巨头西门子、施耐德，还是中国的中控技术、南瑞继保，都建立了统一的数字平台，将企业各部分连接起来。数字技术应用也从单机优化扩展到系统级优化，甚至整个供应链优化。
• • 从封闭到开放：生态合作成为主流。 2017年不少公司还倾向于封闭体系，担心开放削弱竞争力。而今行业已形成共识：单打独斗无法成就平台。工业互联网领域出现了大量合作伙伴关系和联盟，企业纷纷开放API、开源软件吸引开发者。如Rockwell-PTC联盟共创双赢、西门子Xcelerator连接外部开发者社区、汇川技术与生态伙伴共建InoCube平台等。企业竞争逐步演变为生态圈之间的竞争，一家企业的能力不再仅取决于自身产品，也取决于其生态系统的丰富程度。
• • 从IT/OT分隔到深度融合：技术与组织加速融合。 IT与OT融合迈出了实质步伐。一方面技术上边缘计算、云、5G打通了IT与OT环境；另一方面企业组织和人才结构也在融合，工业企业内部成立数字化部门或与IT企业合资合作，培养既懂两域的复合型团队。2017年预测的IT/OT鸿沟正逐步弥合。虽然完全融合仍在进行中，但阻碍因素（如不同文化、孤岛系统）正在被克服。可以预见未来再不会有泾渭分明的IT部与自动化部，而是共同为业务目标服务的数字化团队。
• • 从硬件驱动到软件定义：商业模式升级。 趋势明显表现在收入结构和估值变化上：各公司软件和数字服务收入占比显著提高。例如施耐德软件服务达19%营收，汇川技术将软件嵌入方案中占近1/3收入，中控技术工业软件收入暴增，鼎捷软件则几乎完全转向云订阅模式。产品形态上，"软件定义硬件"概念深入人心，例如通过软件升级提升设备性能、通过订阅解锁功能成为常见商业策略。这既提供持续营收来源，又绑定了客户。市场也给予数字化程度高的企业更高估值溢价。可见工业企业已经部分实现从一次性卖设备转向"设备+软件+服务"持续经营，商业模式接近科技公司。
• • 从人工监控到智能自治：AI技术赋能生产运营。 大规模采用AI是最近几年最大的变量之一。AI已应用于质量检测、设备预测性维护、生产调度优化、机器人智能控制等方方面面，从辅助人决策发展到部分自主决策。数字孪生模型和AI结合，实现复杂系统自我优化。虽然完全"黑灯工厂"尚未普及，但可以看到许多场景人的角色已从操作者变成监督者或协作者。未来随着Agent系统成熟，工业系统的自治级别将进一步提高，从而实现更高效率和柔性。

10.2 国际竞争格局与中国挑战机会

国际竞争格局：总体而言，2017-2025年工业数字化的国际格局呈现"两超多强"：

• • **"两超"**指西门子和施耐德电气，这两家在工业数字化各关键维度都保持领先，且估值收益显著。西门子凭借全面组合和深厚研发，稳居自动化与软件双料龙头。施耐德通过软件并购和IoT平台，成为数字能源管理旗手。它们市值在业内最高（均近千亿美元），并购与合作频繁，生态庞大。
• • **"多强"**包括ABB、霍尼韦尔、罗克韦尔、三菱电机、艾默生等传统巨头，以及Synopsys、Cadence、PTC、Dassault、Hexagon等工业软件公司。这些公司各有侧重：ABB在机器人和电力数字化强，罗克韦尔占离散自动化数字化高点，霍尼韦尔推动流程行业互联，Synopsys等掌握EDA/CAE核心。它们通过不同路径向数字化转型取得一定成功，市值估值也大都上涨，但整体尚未达到"两超"全面高度。例如ABB数字化策略相对滞后于西门子，PTC规模小于达索但在IoT上后来居上，诸强竞合并存。
• • IT巨头切入：微软、亚马逊、谷歌并未直接成为工业数字化主角，但通过云服务和AI间接控制了部分话语权。工业厂商不得不与它们合作，但也提防其侵蚀行业know-how。因此形成一种竞合：IT巨头赚取云资源和工具收入，OT巨头保有应用主导权，目前相对平衡。然而未来不排除IT进一步往行业纵深拓展（如谷歌收购西门子工业软件的传闻曾有），值得关注。

中国挑战与机会：

• • 挑战：核心工业软件与高端自动化技术仍有差距。例如高端CAD/PLM软件领域，达索西门子优势明显，国产（如航天、CAXA）尚难匹敌。高可靠性、高安全性的控制系统如航空发动机控制，仍基本依赖进口。工业软件国际垄断格局短期难破（Synopsys+Cadence在EDA双寡头，AspenTech在流程优化等）。另外，国内工业企业数字化起点低，整体投入占比仍落后欧美，这意味本土数字化厂商市场教育成本高，盈利模式还在探索（很多项目需靠政府补贴或集团内部需求支撑）。
• • 机会：国内超大市场和政策支持是最大红利。本土企业有独特优势服务中小企业和本土化需求，外企难覆盖这些长尾市场。随着国内制造业转型升级，这部分需求将集中释放。国产品牌性价比和快速本地响应可以胜出。如汇川、中控已验证本土替代可行。其次，中国在5G、AI等新技术方面与西方同步甚至领先应用，国内企业可借此换道超车。例如华为、三一等合作构建5G工厂领先全球，腾讯用游戏引擎做工业孪生也别具特色。这些创新模式有望弥补传统积累不足。再次，**"双碳"**等新背景下，中国能源和环保领域数字化潜力巨大，国网南瑞等国家队掌握资源，能带动产业链协同突破。且地缘政治变化让国产自主可控上升高度，各行业可能优先选择可靠的本土数字化方案，从而给予本土企业市场保护和试错空间。

中外携手：同时也应看到，中国工业数字化进步也离不开国际合作。很多国产软件由留学归国人员或吸收国外二次开发而来。中外企业可以在标准、开源上合作共赢。中国超大制造体系也为外企提供广阔市场和数据源，外企与中企在华合作本身也是趋势（如ABB与华为共建5G工厂案例）。因此，不应简单看成零和竞争，而是竞合格局将长期存在。

10.3 对产业政策与企业战略的建议

对政策规划者：

• • 持续推动开放与标准：政府应继续牵头推动工业互联网标准统一和平台互联互通。加强与国际标准对接，吸收采纳OPC UA、数字孪生ISO标准等，同时在自主可控前提下输出中国标准（如5G TSN应用等）。开放标准降低企业采用新技术的顾虑，避免重复投资。
• • 支持中小企业数字化：通过财税优惠、示范项目等降低中小企业上云、用数成本。例如提供工业互联网普惠券、支持服务商为中小微定制简易数字方案。中小企业数字化是薄弱环节，但它们占制造业主体，政策应倾斜补足。
• • 重视人才培养：建立产教融合的工业软件和自动化人才培养体系。鼓励高校设置工业AI、数字孪生等交叉学科专业，培养既懂工艺又懂IT的复合型工程师。支持企业参与制定技能标准，引导工程师在职进修数字技能。人才是数字化长远根基，需提前布局。
• • 营造公平竞争环境：在确保网络和产业安全的前提下，鼓励国内外企业公平竞争、合作创新。对垄断倾向或封闭行为进行规范（如要求平台数据接口开放等），激发市场活力。警惕单一巨头对生态控制过强导致创新受限。

对企业战略决策者：

• • 制定清晰数字化路线图：企业高层应认识数字化转型的长期性和必要投入，制定3-5年路线图，从易到难逐步实施。建议优先选取可快速见效的数字化项目（如预测维护减少停机等）建立信心，再逐步扩展。投入上应保证数字化专项经费不被短期业绩压力挤占，以免虎头蛇尾。
• • 加强内外协同：企业内部IT部门和OT团队应打破孤岛，成立跨部门数字化推进小组，由高层直接挂帅推动IT/OT协同。对外，与ICT企业、软件公司积极合作，引入其成熟技术，而不必事事自行开发。充分利用供应商生态是快速见效之道，不唯自主而排斥合作。
• • 重视数据价值与安全：企业应建立数据治理体系，把分散在各系统的数据汇聚并清洗加工，为AI、分析提供燃料。同时高度重视数据安全，明确数据属主和访问权限，采用加密、区块链等手段防范数据泄露篡改。数据既是战略资产又是风险源，管理好才能发挥价值。
• • 以业务价值为导向：数字化不是为了追新概念，而是为了解决实际业务问题。企业战略应明确数字化项目预期ROI（投资回报），重点投入能提高质量、降低成本、提高柔性的环节。比如用AI降低次品率、用物联网减少停机、用仿真缩短开发周期等。通过成功案例向全员展示数字化带来的效益，消除抵触情绪，形成全员参与氛围。
• • 培养数字文化：技术之外，更要转变员工观念。高层要倡导数据驱动决策文化，鼓励员工提出基于数据的改善建议。对于一线操作人员，提供简单友好的数字工具，减少其学习门槛，让他们切身感受到数字工具让工作更轻松高效而非增加负担。考虑设立数字化培训激励机制，将数字技能纳入员工晋升考核，激发学习热情。

综上，工业数字化已从概念验证阶段进入全面加速落地期。我们既看到国际领先企业正引领技术方向，也欣喜于中国本土企业奋起直追并在局部实现超越。展望未来五到十年，随着人工智能更深融入、全球产业链加速重构、可持续发展要求提升，工业数字化转型将进一步提速，或将彻底改变工业的生产范式。抓住机遇、迎接挑战，持续创新、开放合作，是各国各企业的共同课题。希望本报告的分析和建议，能为相关决策提供有益参考，为中国乃至全球工业高质量发展贡献一份力量。

（报告完）

我们不要把自己当作洪水猛兽，所过之处，如履平地。 而实际上，所过之处，有山峰，有沟壑，再大的洪水也有吞没你的海洋。