美国限制MATLAB授权后，中国工业软件真能靠AI把72小时压到3分钟吗？我觉得，值得讨论的不是“掀桌子”这句口号，而是一次外部限制，为什么会让工业界重新审视底层工具。

2020年6月6日起，哈工大、哈工程师生反映正版MATLAB无法正常激活，相关报道把问题与两校被美国商务部列入实体清单、出口管制升级联系起来。

公开记录能确认的是MATLAB授权服务受影响；把ANSYS、达索CATIA等所有软件都描述成同一时间全面断供，就说得太满了。

话要说准，反而更能看出风险：核心软件受制于人，许可证、技术支持、升级服务任何一环出问题，研发流程就可能被卡住。

工业软件难在哪？不是谁藏着一条神秘公式。

纳维—斯托克斯方程、弹塑性偏微分方程早已写进教材，真正难的是数值求解、几何处理、网格划分、求解器稳定性和几十年工程经验。

ANSYS前身Swanson Analysis Systems创立于1970年，首个客户是西屋电气。

MATLAB最早是新墨西哥大学教授Cleve Moler为让学生不必每次编写Fortran程序、方便调用矩阵工具而写的交互式程序。

达索则为航空器复杂曲面设计发展三维工具，CATIA在1970年代末至1981年间逐步成形。

它们的壁垒不是单一代码，而是工具、流程、验证体系和行业积累的总和。

传统CAE通常把连续物理模型离散成大量网格，千万级网格要联立求解，碰撞、超音速气动等还得切成很小的时间步。

一次计算跑上几十小时并不稀奇，忙两天进度条才到80%也不奇怪；网格或边界条件不合适，跑到第71小时才报发散，工程师就白忙一场。

碰撞仿真还可能拆成几万个微秒级时间步，沿老路逐行复刻几千万行代码，不一定是最划算的追赶方式。

中国厂商探索的是GPU/NPU+AI，像PINN（物理信息神经网络）把守恒定律和偏微分方程纳入训练约束，再与几何、有限元求解器结合，让AI负责快速预测，传统数值方法负责校核。

它不是给聊天机器人装上“物理监考老师”就万事大吉：研究表明，PINN在一些热传导和流体仿真中仍可能达不到替代传统求解器所需的精度，效果取决于问题、数据、模型和验证。

市场上有国产厂商宣传，特定气动或热力学任务可从72小时缩短到3分钟、精度保持99%以上；还有宣传称研发效率提高50%、高阶仿真门槛下降90%。

这些数字很吸睛，我会把它们看作待核验的具体案例，而不是所有工程仿真都能千倍提速的结论。

要比较，得把模型规模、硬件、误差定义、边界条件和第三方复现结果摆到桌面上。

落地场景也不只是跑仿真，设序科技布局AI工业CAD工作站，中望软件推进国产有限元结构仿真。

工业视觉模型还能识别旧厂房里的油污二维蓝图，提取孔位、螺纹、公差，辅助生成三维CAD模型，部分流程再接到数控加工的G代码。

汽车工程师调低车头一度，如果系统能像3A游戏一样在屏幕上毫秒级刷新气流、压力和风阻云图，设计就能从“算完再改”转向边改边评估。

航空航天、高铁、新能源电池热失控、无人机结构碰撞，也都是值得积累数据的场景。

我认为最有价值的变化，是研发反馈回路缩短了，过去高端CAE授权一年可能要花几十万元，服务器核心数还有限制，中小厂难以负担。

如果国产方案能在私有环境运行、适配华为昇腾和海光等算力，成本和数据安全确实有机会改善。

但工业软件不能只靠一场漂亮演示赢市场，它还要过精度、稳定性、标准兼容、长期维护和客户责任这几关。

有人把老牌软件迭代慢全归因于西方去工业化，我觉得这解释太简单。

中国的优势是制造业门类齐全、真实工况密集，能给工业AI持续提供问题和反馈；但数据不会自动变成壁垒，合规共享、标签质量、跨工厂迁移都得一项项做。

美国的限制提醒我们不能把关键工具全押在海外，AI也提供了重做部分工作流的机会。

我的判断是，国产工业软件的突破不该被概括成“3分钟打败西方”。

更现实的胜利，是从某个细分任务开始，跑得更快、算得可信、用得起，逐步把整条研发链握在自己手里。