专访|工业软件发展，路在何方
国内制造业已经步入智能时代，这意味着工业数据、工业互联等将不断转化成新的生产力，在这个背景下，工业软件的作用下日益突出，但无可否认的是，软件一直是中国工业领域最薄弱的一环。
中国科学院理论物理研究所所长蔡荣根指出，我国现在面临着许多“卡脖子”的技术问题，实际上是背后的基础理论和源头没有搞清楚。
针对目前存在的问题，a&s特别采访了MathWorks中国区工业自动化和制造行业市场经理宋胜凯，探讨国内工业软件的价值发展存在的问题。
Q：a&s
A：MathWorks中国区工业自动化和制造行业市场经理 宋胜凯
Q：贵司主要在工业自动化领域扮演什么角色？这个领域国内目前市场有哪些特点？
A：无论是“工业4.0”，还是“中国制造2025”，都在强调数字技术在工业领域的应用。我们看到，随着信息技术、通信技术以及人工智能技术的发展以及广泛应用，工业世界正在迅速发生变化。今天的工厂车间、生产机器，甚至是物料搬运设备，都已经非常先进。在5G、工业信息总线、大数据、AI等技术的支持下，工业设备的智能化显著提高，设备间相互协作，承担起越来越复杂的生产任务。在这种高度集成化的设备、系统中，软件扮演了至关重要的作用，包括AI技术在内的数字技术，成为工业场景下应用的核心载体。这种工业应用软件的研发，往往会涉及多个领域的工程师通力协作，涉及的学科领域包括软件工程、信息技术、机械工程以及电子电气工程等，复杂性非常高。对于工业企业来讲，工业应用软件的研发实力，体现着企业的创新力和核心竞争力。
MathWorks公司提供的MATLAB/Simulink的产品体系，包含100多个工具，不仅覆盖多个学科（机、电、液、软等），而且围绕基于模型设计的理念/方法，提供了包含测试与验证的完整工具链，支持开发云-边-端上运行的工业软件，是工业软件的开发基础平台。
Q：您如何看待国内工业自动化的发展态势？
A：国内工业自动化正在朝着数字化和智能化的方向发展。数字化是基础，智能化是目标。在5G、工业信息总线等先进技术的支撑下，工业环境下的各类实体，包括组件、设备、系统，都连接起来形成工业网络，物理世界中的各类信号通过这个网络实现了无缝的交互，这为物理世界的实体以及实体组成的系统，进行数字化的表达提供了充分的技术条件。有了工业数据，在中国已经形成规模和技术突破的互联网信息技术的加持下，中国的工业自动化将进入一个快速发展的通道。当然，中国工业自动化由“大”转“强”还有很多的挑战，这包括了原有工业基础设施的数字化改造升级的问题，也包括工业领域人才发展储备的问题。
MathWorks公司多年服务工业客户，通过丰富实践，积累了大量的工业经验，将这些工业知识浓缩进发布的MATLAB/Simulink系列产品中，可以为中国的工业客户进行数字化改造提供支撑，另外，MathWorks的技术支持、培训和技术咨询等技术服务，也能够帮助国内的用户在工业人才培养方面提供支持。
Q：在目前的工业自动化市场中，软件虽然支撑了整个工业的体系，但其价值往往会被人所忽视，如何看待这种现象？
A：驱动工业世界智能化提升的主要驱动力，是规模不断增长的数据——既包括数量上的增长，也包括数据种类上的增长。振动传感器、视觉传感器、电动机、液压驱动器、生产机械以及厂房车间等等，都在生产运行过程中，越来越多地产生大量数据。对如此规模庞大的数据进行处理，是工业应用软件的核心要务。可以说，“软件”是实现工业自动化核心目标——效率提升的关键因素，谁做好了软件，谁就在效率提升上领先一步，谁也就能占领更大的市场。在中国制造由“大”转“强”的大背景下，参与国际竞争的工业企业，必然要增加对软件价值的认可程度，投入更多的人力和物力资源到软件开发中，以更高效率的产品与国际厂商展开市场竞争。
Q：有人形容工业软件的道路尽是寂寞黑夜中的探索，您如何看待这样的观点？目前落地的难点与用户的接受度是怎样的？
A：从学科的角度看，工业软件主要涉及控制工程和信号与信息处理两个学科，即主要由软件来完成控制方面的计算以及信号与信息处理方面的计算（注：在此我们将数据管理、任务管理以及通信交互等部分的软件作为支撑性软件来看待）。与工业软件进行交互的是机械、电子电气、液压等领域的对象，无论是让软件实现对特定对象的实时控制，还是在边缘设备或云上开展有效的信息处理，符合功能要求的工业软件必然要融合各类对象的机理知识，也就是说，开发者要综合工业领域的专业知识和计算机领域的知识，才能做好工业应用软件的开发。
工业软件这种知识的“复杂性”和“综合性”，让我们在开发工业软件时，会感受到很大不确定性，像是在黑暗中摸索一样。“工欲善其事必先利其器”，自动化的设计工具，是我们进行这种复杂的工业软件开发的利器。利用MATLAB/Simulink开展基于模型的设计，对待开发的工业系统进行模型化描述——建模，通过仿真，在系统设计初期就开展系统的确认和测试活动；进一步，采用自动代码生成技术，将系统实现以及后续的集成测试、交付测试进行自动化。这种基于仿真的工程开发方式，可以有效的快速在设计域进行方案探索，同时也能够在自动化工具支持下，快速实现方案到产品实现的过渡。
Q：当下，工业软件“卡脖子”问题仍然存在，您如何看待未来行业的发展？
A：MathWorks致力于基础软件的提供，我们的目标是让科学家和工程师们快速的进行技术创新和工程实践。MATLAB作为一个以文本语言为基础的科学计算与分析平台，为工业领域的工程师和科学家们，提供了开展工业软件研发所必须的数据处理、分析和可视化能力，让围绕工业数据开展的技术创新有了更趁手的工具。而Simulink作为一个以图形化语言为基础的工程设计与系统实现平台，为开发工业软件，特别是嵌入在工业场景下的嵌入式软件，提供了一套自动程度很高的开发和测试工具链，最大化的节省工业领域的专家们在工业软件低附加值部分的投入，将更多的精力用于那些“卡脖子”技术的探索和工程应用。
Q：关于工业软件/平台，还有什么想补充的内容？
A：当前，越来越多的工业客户在向系统集成化这个业务形态转变，综合利用研发数据、生产数据、运营数据，探索挖掘产品全生命周期的服务机会，获取新的增长点，这也是我们常听到的“数字化转型”的关键。在此背景下，工业应用软件的研发主体——工业企业，需要一套研发工具和体系，来应对工业应用软件复杂度提升带来的研发挑战。
这里的复杂程度有两重意思，一方面是指由软件与电子电气、机械、液压，以及AI技术等融合带来的更高的技术复杂度，另一方面指这种技术复杂性溢出到企业范围内的其它领域，如负责工程师职业技能提升的人力资源领域。首先，合适的研发工具和体系要能系统化的处理和解决多学科问题，一是辅助设计工业系统中专业化非常强的机电液控制系统等，二是能够将这些多物理域的机理知识与AI等技术进行融合，在数据层面深入挖掘，开发面向服务业务的软件应用，如预测性维护应用。其次，团队协作能力和工程师技能提升，是保证工业应用软件获得成功的关键使能要素，这就需要相应的软件研发工具和体系，要能够促进各领域工程师的交流沟通，同时，工具供应商完善的培训和服务体系是团队技能提升的重要保障。
结语
根据国家工信部指导发布的《中国工业软件白皮书（2020）》调研数据显示，在生产控制、经营管理、运维服务这三个工业制造环节，国产工业软件在中国国内市场份额已分别达到五成、七成、三成，但在研发设计环节，海外软件占比仍高达95%。
从数据中不难看出，工业软件国产自主的道路仍然任重道远。近年来，工业软件问题得到国家政策重视及资本市场的关注，但这条道路，没有捷径，仍需要坚持不懈去缩短技术的差距。
