国产PLM想靠AI“越级”挑战西门子

寂静回声

纵观近二三十年，西门子、达索系统、PTC和Autodesk等国外商业软件一直占据全球PLM市场大部分份额，不管是产品创新还是行业经验，国产厂商很难对标，更不要说超越了。今天我看到的一篇文章，文章称，未来的PLM一定要让AI真正理解企业研发。基于这个观点，作者梳理了国际几家PLM巨头的最新动作，比如西门子将数字孪生、生命周期数据与AI结合，让AI参与预测和优化；达索系统持续强化工业知识和科学数据，打造面向行业的专业AI能力等等。

对于国内厂商而言，这个或许是越级进化的一个重大机会。

文章为了强调该观点，例举了某国产的PLM研发平台+AIP AI底座+FDE工作台。根据介绍，该平台体系希望让AI真正进入企业研发现场，除了回答问题，还要理解产品、流程、工程知识以及研发经验，并逐步沉淀为企业可持续复用的智能能力。
作者还提出了一个问题：工业的AI门槛不是接入一个大模型，而是让AI理解复杂的研发逻辑。 我们都知道，企业真正有价值的知识，主要在BOM演化、设计评审、工程变更、质量闭环等整个研发过程中，如果这些知识无法被组织、关联和验证，再强的大模型也很难真正参与研发。


点评
“靠通用生成式大模型实现国产 PLM 对国际巨头的跨越式超越”，本质上是脱离工业逻辑的营销叙事，既不符合 AI 的技术边界，也不符合中国制造业的产业现状。无论是达索、西门子还是 PTC，大模型在 PLM 体系里都只是 “外围辅助工具”，绝非核心决策层，更不可能承担 “理解复杂研发逻辑” 的任务。

达索官方明确提出 “工业世界模型” 的核心是物理 AI + 工业本体论，而非通用大语言模型。它的架构是三层逻辑：
底层：经过科学验证的数字孪生与物理机理模型，保证所有输出符合力学、热力学、材料学等客观规律；
中间层：工业本体论与知识图谱，强制界定工程边界，直接切断反物理、反常识的生成路径，从根源上解决大模型的 “幻觉” 问题；
最上层：生成式 AI 与 NLP，只负责文档处理、自然语言检索、交互助手等非核心场景，相当于 “高级翻译和资料员”。
简言之，达索的 AI 是 “白盒可追溯” 的，每一步决策都有物理规则和工业知识做支撑，纯大模型的概率生成在核心研发环节没有生存空间。
毕竟航空航天、高端装备领域，一次设计失误就是灾难性后果，不可审计的 AI 输出根本无法落地。


西门子的 Teamcenter AI，核心架构是 “工程 AI + 数字线程 Agent + 工业基础模型”：真正能自主执行工程变更、流程管控的是规则驱动的智能体，大模型只以 Copilot 的形式提供信息检索、任务引导，核心决策必须锚定 PLM 里的结构化数据与业务规则Siemens。
PTC 的 Windchill AI 同样聚焦零部件去重、合规检查、流程辅助等场景，AI 的价值是数据治理和效率提升，从未宣称让大模型 “主导研发逻辑”。

国际巨头比谁都清楚，通用大模型撑不起工业研发的核心逻辑。国内那些鼓吹 “大模型重构 PLM、实现弯道超车” 的论调，要么是没看懂工业 AI 的技术本质，要么是刻意制造营销噱头。

头部高端制造企业是有完整研发体系的，航空航天、军工、新能源头部车企、高端装备、消费电子龙头等领域，比如华为、比亚迪、中航工业、三一重工、长城蜂巢传动等，不仅有完整的 BOM 演化、设计评审、工程变更、质量闭环流程，而且已经在深度使用 PLM 系统，沉淀了大量高质量研发数据。这部分企业是国产 PLM 的核心付费客户，也是信创替代的主力。
大量中小制造企业确实缺乏正向研发能力：以代工、逆向工程、仿造为主的中小企业，本身就没有体系化的研发流程，PLM 对他们而言甚至不是刚需，更谈不上数据沉淀。这部分市场撑不起高端 PLM 的技术迭代。

国际 PLM 巨头服务的是全球范围内的高端研发企业，横跨航空、汽车、造船、电子等几十个行业，积累了几十年、上百万家企业的研发数据与行业知识，数据的广度、深度、多样性都是国产厂商无法比拟的。
国产 PLM 的高质量客户池更小，且很多头部企业依然是 “国际 PLM 做核心研发，国产系统做外围补充或部分替代”，国产厂商能拿到的核心研发数据深度有限。这确实形成了 “国际厂商越用越强、数据飞轮越转越快” 的正向循环，而国产厂商还在补基础数据的阶段。


所以目前国内厂商宣传的 “PLM+AI”，真实落地场景和 “理解研发逻辑” 相去甚远，本质上都是重复性工作的自动化与知识检索的便捷化。
国产 PLM 的 AI，还停留在 “帮工程师省时间” 的阶段，远没到 “替工程师做决策、理解研发逻辑” 的程度。宣传里的 “越级进化”，更多是资本和市场的话术。