近日，教育部办公厅、工业和信息化部办公厅正式印发《教育部办公厅 工业和信息化部办公厅关于公布首批特色化示范性软件学院名单的通知》（以下简称《通知》），明确了首批特色化示范性软件学院。名单中包含33家特色化示范性软件学院，以及68家合作企业。其中清华大学、北京航空航天大学、大连理工大学、哈尔滨工业大学、哈尔滨工程大学、华东师范大学、苏州大学、山东大学、中国石油大学（华东）、湖南大学、中南大学、电子科技大学、西安交通大学、西北工业大学等14所高校的重点领域的项目栏中，包含有大型工业软件的标签。
这不是高校第一次把培养工业软件开发相关人才列为重点。但却是第一次经国家层面推动，在由教育部印发的高校学科建设名单里将工业软件提高到如此地位。为此我也想谈谈我自己对中国自主工业软件行业、以及工业软件人才培养的一点浅见。
希望这篇文章的读者不一定完全是工业软件乃至仿真行业的从业者。所以这里我还是先简单普及一些基础概念。从上世纪50年代至今，许多工业领域的技术革新都受益于计算机技术的发展。实体的工业、制造业当然也不例外。从上世纪60年***始，美国的工业巨头，NASA、波音、洛克希德、福特等航天航空、汽车企业就已经开始了相关软件的研发。时至今日，几乎在任何制造业和工业领域，都能看到工业软件的身影。和我们平日经常使用的面向普通大众的软件不同，工业软件一般面向的是制造业用户。包括三维设计类CAD软件、仿真类CAE和EDA软件，以及PLM、ERP、MES等工业管理软件等。赵敏、宁振波两位老师在著作《铸魂：软件定义制造》中总结，从目的上说，所有用于工业过程的软件都是工业软件。不限于制造业，也包括能源（水电、煤电、核电、风电等）、原材料、采掘等领域的软件都是工业软件；从内容上说，工业知识是工业软件的核心内容，工业软件是工业技术/工业知识的容器。从装备结构上说，工业软件是工业品的一部分，是工业装备中重要的“软装备”，有必要单独列装，并着重进行战略规划。
虽然今天我们看到中国的互联网行业已经非常发达，阿里、腾讯、字节等中国互联网公司在世界上的竞争力可以说仅次于美国，而中国也正在由制造业大国迈向强国，拥有全球最齐全的工业品装备生产门类，但谈到核心工业软件，中国的技术仍然显著落后于美国、欧洲等发达国家。以笔者最熟悉的仿真软件行业为例，这个行业的巨头公司们，美国ANSYS、达索系统、Altair、西门子、MSC等，每一家都有着近50年的发展历史，其软件产品遍及工业研发的几乎每个分支。以ANSYS公司为例，它通过不断地收购、合并开发，已经拥有世界最一流的流体、结构、电磁、光学、半导体等领域的多款仿真软件。而我们国内的仿真软件行业才刚刚起步，据我所知，目前国内没有一家公司的仿真软件产品，能在功能上达到甚至接近ANSYS旗下哪怕一个产品的50%。与消费级的软件一套普遍售价在几百到几千元不同，这些工业软件，一套正版授权的价格往往高达数十万元人民币。它们在今天许多制造业公司的产品研发流程中又处在无法替代的关键位置。华为这样的公司需要工业仿真软件来设计基站和消费电子产品的散热性能，需要EDA软件来设计芯片；汽车公司需要仿真软件来优化汽车的振动噪声、提高安全性、降低风阻等等；美的、海尔这样的家电公司需要仿真软件来减少洗衣机的振动、保证各种家电的性能达到设计要求；飞机、航空发动机、建筑、船舶……几乎所有高端工业领域都离不开仿真软件的助力。就连武汉雷神山医院在设计时都使用了流体仿真软件来设计优化病房通风系统的布局。中国的制造业想要转型升级，向高端、高附加值进军，离不开以仿真软件为代表的各类工业软件的帮助。甚至可以说，中国向高端制造业迈进，其灵魂就藏在工业软件当中。
可惜，如前所述，虽然中国的工业软件行业起步很早，几乎与发达国家同步，但经过数十年的发展，由于各种各样的原因，这个行业一直没能真正发展壮大。直至今日，许多工业领域的大型工业软件和高端芯片制造产业一样，仍是中国被“卡脖子”最严重的行业。中国在改革开放之前，曾经靠***制，在以邓稼先、于敏等人为代表的老一辈科学家的带领下完成了“两弹一星”工程。今天新闻屡屡报道中国在某项技术上被发达国家卡脖子时，在网上经常能看到有人问，这个东西有那么难？“再难能难过研究原子弹吗？”
很遗憾，许多东西是真的比研发原子弹更难。这不是跨行业的横向对比，而是问题的性质不同。用我们熟知被卡脖子最严重的芯片举例，芯片和原子弹，位于光谱的左右两个极端。原子弹和氢弹，最多加上洲际弹道导弹，基本是属于“有了就行”的东西。它们的研发当然难如登天，全世界也没有多少国家能够掌握；但它们需要的也仅仅是一次性的大规模投入和试验，不需要像芯片行业那样不停地发展迭代。毕竟核弹的杀伤力这种事，当它达到一个阈值以后，咱握着它就当个威慑就好，没有人真的希望地球上的任何一座城市再经受一次核打击。中国早在第一次核试验成功后不久就公开宣布我国不首先使用核武器。
而芯片产业则完全不同。自从英特尔第一块微处理器4004诞生以来，芯片行业数十年如一日地一直在不断进步。当年英特尔联合创始人戈登·摩尔随手在纸上画出的一条线，已被英特尔的工程师们当作必须实现的信念坚持了近50年。即使是最近几年英特尔的芯片性能提升缓慢，看上去摩尔定律即将或已经迎来终结，苹果、台积电甚至英伟达等公司也在通过一次又一次让业界惊叹的发布会告诉人们，他们继承了摩尔先生的信念，芯片行业指数发展的路还远未走到尽头。
2022年3月9日，苹果在发布会上拿出史上最强的M1 Ultra，能耗比吊打传统桌面芯片在像芯片这样持续不断改进的行业里，先行者研发出新工艺，通过生产销售数千万片的芯片来摊薄研发成本并持续进行下一代研发完成闭环；落后者数十亿美元投入进去，勉强追平了上一代的国际先进水平，转眼就再次落后。不停砸钱不断追赶，始终难见曙光。
从技术革命的迭代周期角度划分，芯片和原子弹位于一条光谱的左右两个极端。在这条连续的光谱中，不同的行业、技术都有各自不同的位置。
（此处示意图仅代表笔者个人观点，不同意见欢迎讨论）
中国已经在许许多多类似原子弹的行业领域里实现技术突破，完成了国产替代。比如“笔尖钢”、盾构机、高铁等等，还有先进战斗机和航空发动机（最近国家官方媒体密集公开报道，中国的战斗机已经成规模地换上了国产的“太行”军用发动机）。在这些行业里虽然也有技术的革新和迭代，但总的来说换代没有芯片行业那么快。
在我看来，工业软件行业，相对来说与芯片行业更像一点。
有限单元法从上个世纪中叶开始，几乎是随着大型计算机同步出现。世界上第一台电子计算机ENIAC于1946年问世，第一台冯·诺依曼架构计算机EDVAC于1952年出现；同年1952年，波音公司的工程师Turner与Clough等人就开始研究有限单元法，并于1956年发表了第一篇有限元的论文。IBM的System/360大型机于1960年代问世，1963年NASA就立项开始研发NASTRAN，1969年第一版NASTRAN发布。
工业仿真软件，一直是计算机技术革命之下的弄潮儿。当时的大型计算机还远不如今天这样普及，美国的许多大型研发机构就已开始了工业软件的研发。如果把计算机技术比作海浪，工业软件绝对是最早的冲浪者之一。甚至换种角度讲，电子计算机的研发，最初就是以满足科学和工程计算的需要为目的。而所有与计算机技术有关联的行业，都或多或少地在受益于摩尔定律，长期呈现指数级发展。在仿真软件这一行业里，行业自身的革新驱动力来自底层算法的创新突破；（例如有限单元法和有限体积法对有限差分法的突破，近些年兴起的格子玻尔兹曼法、各类无网格算法、SPH、DEM等粒子法、等几何分析方法等等……）而行业背后的驱动力则来自摩尔定律带来的计算机算力的提升，以及由此带来的计算机和软件行业的各种技术进步。随着算力和硬件性能的提高，图形、GUI、云计算等计算机技术的革命也在不断给工业软件行业带来新的概念。
比如最早的工业软件是将输入文件写在打孔纸带上、后来有了GUI前后处理界面；图形技术的进步让仿真软件的显示效果不断提升；UI设计理念的革新让ANSYS、Comsol这样的软件换上了Ribbon风格界面；云计算等概念让仿真从本地走上云端、基于CUDA显卡的通用计算技术让Discovery Live能够用显卡计算实现实时仿真……工业软件行业，由于深度依托计算机技术存在，它一直能够从上游汲取源头活水，就一直有创新的动力和方向。甚至在动画、电影工业里，计算机图形学的很多新研究都在致力于让仿真结果更真实、更高效。工业软件是一个仍在蓬勃发展的行业，但同样也是一个“历史悠久”的行业——和最近在互联网时代和移动互联网时代崛起的谷歌、亚马逊、Facebook等美国公司，以及中国的BAT、TMD这些公司相比，工业软件算得上历史悠久。今天世界上的工业软件大厂们，许多都有着四五十年的发展历史。除了前面提到1969年NASTRAN发布的公司MSC.Software（现属于海克斯康旗下），ANSYS于1969年首次发布、LS-DYNA1976年发布、Fluent也是在1975-1979年期间成型。这些公司在上世纪90年代逐渐发展壮大，进入21世纪以后通过收购合纵连横，奠定了如今的行业地位。当然，这并不意味着我们也需要四十多年的时间才能从无到有发展出工业软件。我们不必重走巨头们曾经走过的路。毕竟那些老牌工业软件在发展的过程中也同步经历着计算机技术的发展过程。我们站在今天，用今天的计算机技术和基础设施发展工业仿真软件，我们需要补课的地方主要在算法方面。即使是相对来说最基础的结构有限元仿真软件，其很多高级功能，例如断裂、内聚力、非线性本构、显式动力学等等，大多数自主仿真软件都还没有实现。而在与计算机有关的地方，包括但不限于工业软件的GUI、易用化功能，以及流程管理类甚至结合人工智能技术的新型工业软件领域，我们当然可以有更广阔的视野，有更高的出发点。
但无论如何，老牌工业软件毕竟有着几十年的发展历史和技术积累。在这样的领域里想要实现国产替代，不可能一蹴而就。正如安世亚太公司的田锋先生所说，仿真软件是时间的孩子。推出一款具有基础功能的仿真软件可能只需要短短几年，但要让它功能完善、基本不出现bug、在功能和易用性上真正对进口软件实现替代，还需要以五年、十年为单位，坚定不移的持续投入才可以。
罗马不是一天建成。淘宝、支付宝也不是一天做到这样的规模、微信同样不是第一个版本就拥有了现在这么多的功能。更何况我们国家目前还没有大规模的工业软件公司，在这方面也就没有太多的相关人才储备。
所以，工业软件这一行，是一个将持续数十年的长赛道。
近两年，工业软件行业逐渐受到国家关注和资本青睐。许多手握技术但多年拿不到融资，艰难生存的公司，也终于等到了难得的风口。在我看来，工业软件尤其是仿真软件的风口，不会像几年前的VR、共享经济那样昙花一现。工业软件行业的从业者，尤其是工业软件的开发者，一般需要同时具备软件开发和物理算法或工业方面的知识。既懂编程又懂数学物理算法，在任何行业里永远是稀缺人才。也只有这样的长赛道，才值得以国家层面的战略推动，规划一些高校，长期、稳定、大规模的为行业培养对应的人才。既然工业软件如此重要，国外的工业软件巨头又已经有四十多年的发展历史，那为什么中国过去一直没有着力突破工业软件行业？又为什么说现在是中国工业软件发展的好时机呢？在我看来，主要有三大原因：众所周知，最近五到十年，中国经历了一场大规模的技术革命——移动互联网几乎把能够改造的行业都改造了一遍。网购、移动支付、外卖、共享单车、短视频……手机和移动互联网改变了每个人的生活，同时也带来了一大批造富神话。过去几年，许多大学本科和硕士、博士生们，只要专业方向与互联网有关，都希望毕业后能够进入互联网大厂工作。但随着这一波移动互联网技术革命带来的红利逐渐消失，即使是大厂也难以维持高速增长。这两年也经常能听到许多互联网大厂大规模裁员的新闻。客观上说，现在的移动互联网行业，已经不再是2015年那样遍地是黄金，遍布创业机会了。就连几年前火爆的人工智能，也逐渐褪去了神话光环。随着开源人工智能框架的逐渐成熟，以及各家人工智能初创公司的快速发展，人工智能与各行业的结合越来越深入，技术也越来越普及。2017、18年起中国许多双一流高校成立人工智能学院，到现在第一批毕业生已经接近毕业。
客观上说，今天中国整个互联网和软件相关行业的薪资水平仍然是全行业里数一数二的。但近几年随着许多传统行业的转型升级，其他行业的薪资水平也在逐步赶上。疫情以来，包括清北在内的很多一流高校毕业生，就业首选逐渐从互联网大厂转向公务员、选调生，甚至深圳中学的老师，就能看出互联网的光环不再像几年前那样闪亮。随着许多监管政策落地，人们也能看出国家在抑制资本无序扩张方面的决心。由于线上的流量趋于枯竭，很多互联网大厂开始扎堆造车、造芯片。国家政策也在引导着资本向硬科技领域投入，“不要和菜摊抢生意”。中美打了四年多的贸易战，总体上美国并没有占到太多便宜。美国对中兴、华为的制裁，带给我们最大的成果就是全国上下凝聚了宝贵的共识：在很多关键领域，核心技术必须牢牢掌握在自己手里。曾经，中国的工业软件行业和美国几乎同时起步。上世纪7、80年代，大连理工大学的JIFEX、航空工业的HAJIF、北大的SAP84、郑州的紫瑞CAE……都曾风光一时。但进入21世纪以后，在造不如买的观念下，国家投资只面向终端用户，很多科研院所和制造业企业依靠购买国外的工业软件完成了所谓的信息化转型。中国终端制造业用户规模的扩大没能反哺到中国自己上游的工业软件行业，以ANSYS为代表的美国仿真软件在中国攻城略地，中国自主工业软件的星星之火却几近熄灭。但现在，时代不同了。美国对华为的制裁过后，华为被禁止使用ANSYS和Cadence等CAE、EDA软件。2022年以来的俄乌冲突中，Autodesk公司的相关软件也对俄罗斯禁用，这再次给我们敲响了警钟。实现大型工业软件和关键基础软件的国产化替代已经成为了坚定的共识和国家战略，这一趋势不会再停止。最近看到新闻说，总部在深圳的无人机公司大疆被禁止使用来自美国的UI设计软件Figma。消息出来后，短短一天，多家国产在线UI设计工具就推出了一键迁移功能。被禁用后国产软件无缝顶上，美国这波操作堪称免费送人头。如果今天有新闻说哪家公司遭美国封杀，ANSYS被禁用，有没有自主工业软件公司说自己的产品可以直接顶上？恐怕还不能完全做到。吾辈仍需努力啊。大公司和人才，往往是一个先有鸡还是先有蛋的问题。如果大量地培养了相关行业的人才甚至硕士、博士，中国却没有对应规模的公司有相应人才需求，那这些人要么转行，要么出国，要么就只能进入学术界继续内卷。生化环材专业的“天坑”之名就是这么来的。芯片也好、工业软件也罢，过去20多年中国不是没有培养过这些行业的人才，但苦于没有好的平台、给不起相称的待遇，曾经的电子专业人才往往一毕业就转去了互联网。但随着工业软件逐渐站上风口，许多自主工业软件公司已经拿到了融资，已经能够开出相对比较可观的薪资待遇了。虽然从绝对数额和规模上暂时还不能和年薪百万的互联网行业媲美，但至少已经解决了温饱问题。现在的问题是，资金已经到位，但缺少合格的人才供应。想要开发大型工业软件，需要开发者同时具备工程学科和计算机尤其是软件学科的基本素养。而受限于现有的培养计划，二者兼备的人才在市面上少之又少。
对于工程学科（比如力学、机械、能动、光学等）的学生来说，他们会大量学习相关的物理知识，掌握所在学科的物理原理、基本控制方程。核心课程如热力学、传热学、电磁学、材料力学、弹性力学、流体力学等。但这些专业的培养计划中，对编程知识的侧重不够，很多专业只会开设一门C语言课程。时至今日还有许多大学生使用VC6.0编写C语言程序。这样的课程体系下，学生用C语言或自学Python等语言写一些简单的小程序或许可以，但想要编写大型软件，对于其架构、开发模式、如何编译、性能如何调优、GUI如何设计等等一概不知。很多学生甚至根本没有听过面向对象的程序设计思想。而对于软件学科，很多同学虽然学过一些数学知识，但由于大部分编程实践中对数学概念尤其是高等数学、偏微分方程等知识的应用相对较少，写一些业务流程代码速度可能比较快，一旦涉及算法层面就比较困难。这也是为何即使是互联网行业，算法岗位的薪资水平也相对更高的原因。那么，有没有可能，通过对专业培养计划的合理设计，培养出既有编程动手能力，又拥有扎实的数学基础并掌握一定物理概念的人才呢？我猜，这大概也是政策制定者想要实现的目标。可是，鱼和熊掌毕竟不可兼得。培养计划设计时想要“既要又要”，学生念完四年大学以后却总是觉得啥都会一点，啥都不精通。毕竟每个人的时间精力都是有限的，借用以赛亚·伯林的说法【狐狸多知，而刺猬有一大知】，一个人要么做一只什么都略懂一点的狐狸，要么做一只力出一孔只钻一事的刺猬。新规划中侧重大型工业软件开发的软件学院，该如何破解上述难题呢？政策制定者和规划培养计划的专家们当然有他们的思考，我在这里仅提出两点讨论。分别就是后面两章的标题：哪些知识更适合在学校由老师教授，哪些知识适合自学/实践？相信很多朋友都有过这种经历，觉得有很多读书时学的知识在工作中用不到，工作时要用到的知识往往需要现用现学。这种感受常出现在工作与自己本专业不一致的人身上。又另有一些留在本专业的同学，直到工作中要用到相关知识时，才回想起“好像这个概念我读书的时候学过”，但具体公式记不太清了。事实上，今天很少有人真正能做到学以致用，学习的知识和工作中用到的能100%匹配的情况非常罕见。应该说大部分走上工作岗位的人，都需要在工作中重新学习很多与工作密切相关的知识。在今天这个信息爆炸的时代，就是有很多知识只需要握住一个“线头”，到需要用时按图索骥能够查找到，现用现学即可。但有些知识学起来是一点即通，有些知识重新学习起来却非常痛苦。我很喜欢爱因斯坦引用过的美国心理学家斯金纳的一句话，“一个人把在学校所学的知识全部忘光以后，剩下的东西就是教育”。在我看来，适合在学校由老师讲授的知识主要包括：基本的数学功底、对物理本质的理解、以及编程的一些基本思想。
对物理本质的理解。用力学中的概念举例 就比如材料力学中的一些基本概念、流体与固体的差异、不同流动的特征等等。以许多工程学科的基础课材料力学为例，这门课学得好不单单指的是考试能拿90分以上的成绩。即使一位同学记住了公式、考试时拿了高分，多年后在工作中那些公式可能都已经忘记。真正设计结构的时候，因为有计算机代劳，可能稍微复杂一点的弯矩图都不需要工程师手画。但是，工程师在面对一个结构时，应该有基本的物理直觉。知道过度细长的杆件在受压时可能存在稳定性问题；知道受弯曲载荷的梁在截面最上方和最下方应力最大；知道von-Mises应力的物理意义以及什么时候应该关心何种破坏模式……这些问题才真正体现了对材料力学这门课的理解。至于具体的计算公式甚至具体材料的参数，在工作时手边都会有一本厚厚的手册供查阅，工程师又不是律师，完全不必占用脑容量像背法条那样去死记硬背那些公式。基本的数学功底，其实和物理本质一样。具体复杂问题的求导、积分等运算，今天已经有很多软件可以代劳。比如笔者最喜欢用的mathstud.io，一个网页可以解决微分、积分、矩阵计算和画函数图等几乎所有初等和高等数学计算问题。但矩阵的特征值和特征向量有什么含义、偏微分方程中每一项代表什么意义，哪一类方程应该如何求解等等，这些概念往往是不太容易从书本上直接查询到的。编程的基本思想，这不仅包括每种语言最基础的语法、括号等等，还包括设计算法时应关心的时间复杂度、软件的整体架构该如何设计等等。另外，纯计算机专业用到的数学知识往往和工业仿真软件中用到的数学概念有较大差别。在吴军博士的《计算之魂》一书中，讨论了与数量级有关的大O概念、递归、抽象、分治、图论等等概念，但对于一名工业软件的开发者来说，或许掌握更多的数值计算方法的内容才更为关键。与之相对的，比如一些具体仿真软件的操作、不同编程语言的语法特性、新的库函数API等等这些，和具体软件工具的使用有关的知识，就更适合现用现学。因为这些东西几乎每年都在更新，即使在学校学习过，走上工作岗位后如果某软件的界面变了、编程语言变了或是库函数有了更新，还是需要重新去了解。既然在学校教授的，都是那些相对来说在较长时期不会变的东西，那应该如何让这些枯燥的知识更容易被理解呢？我很喜欢把知识的学习和工作比喻为磨刀和砍柴。我们总说磨刀不误砍柴工，但是很多同学在学习知识（磨刀）的时候，根本不知道未来要砍柴的森林在何处。什么都学一点，什么都学不精，本质其实不是没学好，而在于学的知识没有落地。力学是数学和工程的桥梁，如果没有实际工程作为背景，力学的公式推导就只是纸面上的数字游戏。有限元更是数学概念和编程的结合，不实际上手写一点代码、做一做仿真，学习再多的概念也只是纸上谈兵，文胜质则史。具体要怎么让同学们在“磨刀”的时候就能大致看到未来要砍的“柴”呢？在教育部和工信部给的这份名单中，我仿佛看到了答案：其实，类似的尝试在许多高校里一直在开展。比如许多学校都有大学生方程式赛车队、哈工大的小卫星班、国科大本科生的“一生一芯”毕业设计……等等。单说工业软件，除了名单上的企业和高校外，早在2019年，四川大学就成立了力学-软件工程交叉专业实验班，与成都陆面体科技和重庆励颐拓软件公司签订了实习实践协议。比如大连理工大学由于有自己开发的SiPESC仿真软件，自多年前就举办了“力矩杯”SiPESC应用软件开发大赛。让学生面对实际工程问题的挑战，在解决实际问题的过程中巩固所学知识，才能真正解决知识落地的问题。刚才举的几个例子，还是主要从力学系的视角出发。其实教育部给出这份名单，更多侧重点在软件学院上。其重点领域除了大型工业软件外，还包括关键基础软件、新型平台软件和嵌入式软件等。在附件2给出的合作企业名单中，除了安世亚太、数码大方、中望龙腾等这些工业软件企业外，还有更多大的工业集团公司如航空工业集团、中车四方、铁道科学研究院、中国汽车技术研究中心、沪东造船集团等，以及腾讯、华为、浪潮、阿里、小米、百度、紫光等互联网企业。
其中，安世亚太是唯一一家上榜的CAE公司！笔者有幸试用了国产通用仿真PERA SIM。《赋能开道：天大博士的自主仿真软件PERA SIM体验》如有不当欢迎批评指正。据所知，PERA SIM是安世亚太自主开发的通用仿真软件，主要包括PERA SIM.Mechanical机械仿真、PERA SIM.Fluid流体仿真、PERA SIM.LEmag低频电磁仿真、PERA SIM.ProNas 中高频能量有限元声学分析、PERA SIM.Acoustic边界元声学分析软件、PERA SIM.PrePro 专业的几何处理及网格划分软件等，面向工业用户提供通用前后处理及结构、热、流体、电磁、声学等仿真计算能力。
在PERA SIM 软件研发过程中，项目团队利用大量的工程案例对PERA SIM进行工程化验证，以及与ANSYS软件的对比验证，PERA SIM的计算结果与ANSYS软件的偏差总体约为5%，能够保证软件的计算精度。目前已应用在国内多所高校以及航空、航天、电子、船舶、核、石油化工等多个行业。
作为中国工业仿真领域的领先企业，安世亚太具有26年的研发信息化工业软件开发和服务经验。始终时刻牢记使命，不断创新、突破，致力于跻身全球仿真工业软件之林，把中国仿真变成生产力。他们将持续努力推进自主仿真软件PERA SIM的开发，推动中国仿真再进一步，激活工业软件创新活力，为中国仿真软件的自主发展贡献力量。
最后，无论是大型工业软件，还是关键基础软件比如操作系统、数据库等等，都是一项复杂的系统工程。想要解决这些项目中的卡脖子问题，需要的不仅仅是几个领军人才、灵魂人物，还需要大量高素质的工程师和程序员。像ANSYS这样大型的工业软件，不止有其背后 高效、强大的求解器，它前台的许多易用化的特征，简洁美观的图形界面也是其产品竞争力的重要组成部分。中国想要拿出真正能和国际大厂竞争的工业软件产品，除了底层算法之外，在软件的易用性、稳定性等方面也要有所突破。在这些方面，相对来说更适合由软件学院为业界培养对口的人才。
巴菲特有句名言：“人生就像滚雪球，关键是要找到足够长的坡和足够湿的雪。” 工业软件行业就是这样一条长赛道，在这条赛道上，从个人能力的角度，有足够大的提升空间；从行业发展角度，国产替代任务还任重道远，需要久久为功，发展空间很大。中国走到今天，想要继续发展，摆脱“中等收入陷阱”，就需要突破很多关键核心领域的技术封锁，需要将更多的高端产业掌握在自己手里。
