《科创板日报》6月12日讯（记者 余诗琪）6月11日，第四届软件创新发展大会在武汉光谷落下帷幕。这场以“智启软件新时代，共创AI新生态”为主题的行业峰会，汇聚了陈十一院士、郭旭教授等顶尖学者，以及百度、金山办公、深开鸿、海光信息、达梦数据、小米等头部企业代表。

站在“十五五”开局之年，湖北释放出明确信号：人工智能正在深刻重构软件产业的底层范式，而湖北希望凭借产业基础、开源生态与区域协同，力争在这一轮变革中实现从“软件大省”向“软件强省”的跃迁。

《科创板日报》记者在会上获悉，2025年，武汉市软件产业规模首次突破4000亿元，跻身全国城市前十，体量占据中部半壁江山。面向未来，武汉提出了十五五期末力争突破8000亿元的奋斗目标。翻番的增长空间，核心动力正来自AI与软件的深度融合。

工业制造是物理AI价值落地的主战场

据悉，去年武汉市存续软件信息企业突破14万家，集聚22家软件上市公司、4家中国软件百强、3家中国互联网百强，形成“5个综合集聚区+9个特色集聚区”的空间布局，软件载体面积达到600万平方米。

小米科技园二期、金山集团武汉总部、达梦中国数据库产业基地、科大讯飞华中总部等近10个园区载体相继建成投用。与此同时，武汉在AI底层基础设施上的布局也在加速推进,尤其是在工业领域。

宁波东方理工大学校长陈十一院士在大会报告中提出：“物理AI正在成为AI发展的下一阶段。”他认为，传统大模型能够生成内容、理解信息，但要让AI真正预测和影响物理世界，AI必须懂物理、懂力学——这正是CAE（计算机辅助工程）的核心能力。“CAE不是物理AI的传统工具，而是物理AI走向实体工业的底层基础设施。”

他以一个杯子掉落到地面的过程为例：“要知道重力方向，要知道碰撞——这些正是CAE的长处。”陈十一进一步解释，CAE能够生成应力、流场、温度等带物理标签的高质量数据，替代昂贵的真实实验，为AI模型训练提供“数字样本”；同时，CAE还能充当物理规律的“导师”，以流体力学、热力学第一性原理约束AI生成过程，减少模型“幻觉”与不符合物理常识的错误。工业制造会是物理AI价值落地的主战场。

“CAE将会帮助物理AI，物理AI将会推动工业整体全流程的进展。”陈十一说，可预测的物理AI市场规模约6万亿美元，英伟达、谷歌、Meta等科技巨头正加速布局，这场竞争的本质上就是仿真能力、数据生态与算力基础设施的综合较量。

理论需要落地验证。会上还发布了区域协同工业软件中试验证场景，依托中部制造业优势，搭建跨区域共享测试、适配、迭代体系。武汉长江工业软件研究院院长陈建江介绍，已发布37个典型场景和285个数字模型，覆盖航天、航空、船舶、工程装备等领域。

与此同时，湖北省工业软件制造业创新中心正式揭牌。这一系列动作表明，武汉正在为CAE+AI的融合提供从技术攻关到应用验证的全链条支撑——既有陈十一所强调的理论底座，又有中试平台这样的“硬核”基础设施，为产业持续增长构筑起从技术到产业的闭环。

AI正从“动口”走向“动手”

陈十一在报告中提到的“AI正在重构CAE，从专家工具进化为工业智能体”，在不同环节的企业端已有具体实践，离应用最近的恰恰是制造业场景。

在高端制造领域，小米集团智能制造部副总经理季旭以武汉本地的智能工厂为例：“小米第三座智能工厂——空调工厂在光谷落地，全自研澎湃智能制造平台支撑，关键工艺100%视觉质检，每天上传数据量达10亿条。”不过，他特别指出工业智能体的核心挑战：“大模型都是概率模型，工业场景要求极低的容错率，必须加约束——用工业场景数据做后训练、微调，去掉大模型本身的推理缺陷。”

同样的逻辑也体现在半导体工业软件这一关键领域。武汉启云方科技有限公司CEO苏立清分享了AI在他们工作里的实践：“传统BGA逃逸布线工程师需要两周，现在我们用AI大模型训练已实现20分钟，正向5分钟迈进。”启云方的实践表明，即便是最精密的芯片设计环节，AI也在从“辅助工具”走向“核心执行者”。

从专用工业软件再向上游看，通用软件平台也在经历类似的智能化跃迁。金山办公CEO章庆元将AI发展总结为三个阶段：“1.0时代AI动口不动手，到了3.0时代，AI真正开始动手做事。”他坦言，企业落地的最大难点在于模型管理、数据应用和系统对接。金山推出的WPS灵犀企业版，通过AI Hub、Data Hub、API Hub构建企业大脑，“让数字员工能够调取企业所有文档、数据库和API，不仅告诉你结果，还告诉企业为什么是这样的结果”。

而所有这些上层应用——从智能制造到工业软件再到办公平台——都离不开底层算力的支撑。海光信息企业业务部总经理李程在采访中给《科创板日报》分享了一组数据：海光CPU已发展到第四代，累计在通信、金融、电力、制造等关键行业交付超过800万片；AI加速器DCU系列全部进入国家最新国产化目录，交付量近60万片，支撑了包括国家级超算互联网骨干节点10万卡集群在内的重大算力工程。

他坦言，受制于制程等因素，国产AI处理器与英伟达领先产品仍有约性能差距，“但通过软件栈优化、超节点集群技术，可以用集群能力弥补单卡差距”。这一判断与陈十一提出的“物理AI竞争本质上是仿真能力、数据生态与算力基础设施的综合较量”形成直接呼应——物理AI的落地不依赖单点算力的峰值，而取决于系统级的软硬协同与集群化部署能力。

在湖北，海光已与东风汽车、多家船舶研究所及航天院所展开深度合作，覆盖从辅助研发设计到生产制造的多个环节。李程特别提到，“湖北最大的优势是政府力度的支持，通过软件协会这样的平台把生态伙伴集中聚焦，形成从芯片到应用的协同闭环”，这正是物理AI从理论走向产业所亟需的区域生态支撑。