数字的长征：从蒸汽机到智能体——可计算化革命的底层演进脉络

数字化对于传统工业化而言，究竟是一种颠覆还是延续？

在主流叙事逻辑中，往往强调其颠覆性。在“颠覆性”叙事的主导下，寻求走捷径——以设备更替替代完整的数字化体系演进、以采购算力和套用现成模型追求智能化“一步到位”——思潮的盛行，恰恰源于对工业化深层规律的忽视。

本文尝试回归工业化底层逻辑，以一种延续性的视角重新审视从蒸汽机到智能体的完整历程。我们将看到数字化对传统工业化内核的延续，以及数字化进程本身特有的基本规律。全篇分四个部分：

• 工业化的底层逻辑：1个公式、3条主线、2个特征

• 数字革命的一体两面：可计算化的5次跃迁

• 数字产业化与产业数字化：5阶段迭代的核心脉络

• 数字化转型：3大模块与1个进程

工业化的底层逻辑：1个公式、3条主线、2个特征

以1970 年代开始的工业3.0为分界线，历次工业革命可以划分为前后两个阶段：工业1.0、2.0以硬件技术为核心驱动；工业3.0、4.0的数字革命，则转向以软件技术为核心动力。

自商业航天系列研究开始，我就提炼过一个可同时涵盖实体硬件生产与数字软件生产的通用公式：

原材料+转化技术+设备/工具（+人类劳动）=加工品

这个公式可以贯通从原始社会简单劳作到当下的智能化复杂协同大生产，帮助我们清晰地理解：历次工业革命的核心演进，本质上都是围绕工具设备与人类劳动之间的关系重构展开的。机器设备与工具的迭代升级，正是这一进程的集中体现（如下图）：

但这也是为什么国内对工业化的理解很容易局限在机器设备的简单更替上，而忽略了工业化发展其实是生产力（技术-设备）、生产关系（组织管理）、生产方式（劳动组织与效率模式）三条主线的梯次推进与螺旋嵌套：

代表性的基础技术被发明出来，逐步转化为具体的机器设备，比如电磁感应原理的发现催生了电动机的出现。设备这条线的演进脉络是：蒸汽机→内燃机/电动机→可编程逻辑控制器（PLC）/计算机→AI。

新机器设备应用代替部分人类劳动，进而催生出新的组织和管理模式。这条线的演进脉络为：科层制→流程型组织→平台型/模块化组织→生态型组织。

机器与人类劳动结合方式的变化，促使新的生产提效模式涌现。生产线的演进脉络为：手工作坊→福特式大规模流水线→丰田式精益生产流水线→特斯拉式软件定义生产线。

在整个工业化演进进程中，这三条主线不是各自独立的平行线，而是相互锁定、梯次推进的“齿轮系统”。基础技术的突破首先改变的是机器设备（第一条线），但新设备只有嵌入新的组织管理模式（第二条线），并重构劳动与机器的结合方式（第三条线），才能真正释放出生产力。

所以说，工业化演进是一个体系化的发展过程——每一阶段的完整形态，必须是三条主线同步到位：

仅仅购入更先进的设备（比如从蒸汽机直接换成PLC），却没有相应的组织变革（从科层制转向流程型组织）和生产方式升级（从手工作坊转向流水线），那么设备就是“孤岛”，不可能产生阶段性的效率革命。同样，如果组织和管理模式先行，却没有与之匹配的设备基础，那么管理创新也只能停留在纸面。

此外，每一阶段都需要前一阶段积累的基础设施、技能体系、组织记忆作为“土壤”：

没有工业1.0的机械化基础与工厂制经验，工业2.0的电气化与流水线便无从规模化；没有工业2.0的流水线标准化，工业3.0的自动化控制无从附着；没有工业3.0的数据采集，工业4.0的AI优化是“无米之炊”。

所谓的“跨越式发展”，要么是压缩演进周期——用更短时间走完必经阶段；要么是“借壳”——通过引进外部技术、设备、产线、管理咨询服务的方式填空。而这些外采的能力本身就来自前代发展的层积，并非凭空“跳级”。

以上一个公式、三条主线、两大关键特征（体系化与延续性）就构成我们理解工业化演进的核心分析框架，也是从整体上把握新型工业化——数字化时代“技术-经济”范式变迁的认知基础。

数字革命的一体两面：可计算化的5次跃迁

作为新时期的工业革命，数字化同样遵循以上基本规律。但工业1.0、工业2.0的核心是将能源转化为机械动力，而工业3.0开启的数字化则是将能源转化为计算能力。

伴随计算能力的发展演进，可以将企业级数字化（即各类组织利用信息技术改造自身业务的过程）细分为如下五个阶段：

• 1950～1970s：数据可计算化，以批处理与数据库为标志，实现企业数据的集中管理；

• 1980s～1990s：流程可计算化，以个人计算普及和ERP诞生为标志，实现端到端业务流程整合；

• 1990s～2010s：网络可计算化，以Web、BI、电子商务的诞生为标志，实现产业链信息连接与数据关联挖掘；

• 2010s～2020s：决策可计算化，以移动互联网、云计算和SaaS为标志，实现企业级全域数据驱动与辅助决策；

• 2020s～：知识可计算化，以大模型、智能体的广泛应用为标志，实现隐性知识理解与复杂任务链自主执行。

注：（1）1970s～1980s是小型机时代（从大型机向PC过渡），这一时期我国小型机蓬勃发展；（2）一般所说的信息化是数字化的初期阶段，智能化是数字化的成熟阶段。

以上五阶段，本质上是企业作为“需求方”采纳计算技术的演进史。而核心“供给方”也就是数字软件产业实际是一种新型工业：

它继承了工业化的一切本质特征（标准化、流水线、工具化、规模化），只是将“物理原材料”替换为“数据原材料”，将“机械动能”替换为“计算能力”，将“有形加工品”替换为“可执行代码”。软件产业的“服务化交付”（SaaS、订阅制）只是商业模式，而非生产方式，所以将软件产业统一归类为服务业，这在逻辑上是不成立的。

但软件产业这种新型工业，与以硬件产品为核心交付物的传统工业之间，又并非简单并列关系。在数字化进程中，软件类产品与服务持续向各行业、各领域深度嵌入，逐步形成各个层级的以“硬件+操作系统+场景入口”为核心架构的数字化模式：

• 第一层：实体产业的数字化（产业级）

以产业基础设施（工厂、门店、物流网络）为“硬件”，以产业数字中枢（工业互联网平台、电商平台、产业大脑）为“操作系统”，以业务场景（智能制造、在线交易、智慧供应链）为应用“入口”。

• 第二层：实体产品的数字化（产品级）

以单体设施与装备（汽车、机床、家电）为“硬件”，以设备数字中枢（车载OS、边缘控制器、智能模组）为“操作系统”，以数字化场景（自动驾驶、预测性维护、语音交互）为“入口”。如传统汽车的智能化。

• 第三层：数字产业的数字化（产业级）

以通用算力基础设施（服务器、芯片、数据中心、通信网络设备）为“硬件”，以软件智能中枢（云平台、操作系统、大模型、软件定义网络控制器）为“操作系统”，以开发与交付场景（API、DevOps工具链、模型市场、云原生调度）为“入口”。如服务器云化、网络软件定义化（SDN）。

• 第四层：数字产品的数字化（产品级）

以通用终端或服务器为载体，以软件平台（App框架、浏览器、Agent系统）为“操作系统”，以人机交互界面（触控屏、语音、自然语言对话）为应用“入口”。如智能手机、生成式AI助手。

由此我们还可以推演出以下结论：

• 产业数字化与数字产业化是数字革命的一体两面，数字化五阶段（数据→流程→网络→决策→知识）既是企业应用IT的通史，也是数字产业自身发展的演进通史。

• 在“软件定义一切”的范式传导下，软件产业的生产范式必将从数字产业的“内部工艺”，逐步升级为全社会产业变革的通用底层基础设施。SpaceX的可复用火箭研发正是借鉴了软件产业“小步快跑、迭代试错”的方法论，将传统航天工程的“一次性完美设计”转变为“快速试飞-数据反馈-持续优化”的敏捷工程模式。

数字产业化与产业数字化：5阶段迭代的核心脉络

如果我们单独看软件类新型工业品生产，前述公式：

原材料+转化技术+设备/工具（+人类劳动）=加工品

具体映射为：“原材料”是数据，“转化技术”是程序/算法，“工具/设备”是算力。

在数字化的五个阶段中，原材料（数据）、转化技术（算法）、工具/设备（算力）的主导形态也在发生变迁：

• 数据：（大型机时代）台账数据→（PC/ERP时代）业务数据→（互联网/BI时代）语义数据→（移动/SaaS时代）全域行为数据→（Agent/AI时代）全域多模态数据、领域结构化知识。

注：在互联网/BI时代，数据被赋予业务语义并建立逻辑关系，因此是“语义数据”；而在移动互联网时代，数据从“有语义的业务指标”升级为“全场景、全链路、实时动态的全域行为痕迹数据”。

• 算法：（大型机时代）批处理统计逻辑→（PC/ERP时代）流程建模、关系数据库规则算法→（互联网/BI时代）搜索算法、数据挖掘算法→（移动/SaaS时代）大数据流式计算、用户推荐算法→（Agent/AI时代）深度学习算法、大模型与智能体推理算法。

• 算力：（大型机时代）集中式大型主机算力→（PC/ERP时代）PC + 局域网本地服务器算力→（互联网/BI时代）搜互联网服务器 + 数据库集群算力→（移动/SaaS时代）云端分布式弹性算力→（Agent/AI时代）GPU/TPU训练与推理专属集群算力。

相应的，软件生产线、组织管理模式的演进：

• 软件生产线：批处理（机器绝对控制）→流程驱动（人触发机器）→项目协同（人找人协作）→敏捷迭代（人通过机器快速试错）→智能体自主（机器设定目标、人仲裁异常）。

• 组织管理模式：线性科层管理→标准化流程管理→矩阵式管理（项目+流程）→平台化、模块化管理→生态化、人机协同管理。

软件生产与传统企业之间，通过人机交互界面形成连接，人机交互的主导形态演进：

• 交互入口：（大型机时代）命令行→（PC/ERP时代）图形用户界面→（互联网/BI时代）浏览器Web→（移动/SaaS时代）第三方应用程序App→（Agent/AI时代）智能体Agent。

支撑这一切的网络基础设施演进：

• 网络：（大型机时代）封闭专用网→（PC/ERP时代）企业内网→（互联网/BI时代）内网+PC互联网→（移动/SaaS时代）移动互联网+物联网→（Agent/AI时代）智能体协同网络。

由此我们得到一个覆盖产业数字化与数字产业化的完整演进示图：

数字化转型：3大模块与1个进程

前面纵向拆解了工业化/数字化在时间轴上的演进脉络。但如果我们具体面向一个完整的运行中的企业时，会发现在同一时间切面，数字化并非均匀铺展，而是深度嵌入生产、管理、研发三大模块，且呈现出截然不同的落地形态与演进节奏：

• 生产模块：以物理原材料（物料、能源）为输入，以工艺算法为转化技术，以产线设备为工具，以工人/操作员的劳动为纽带，输出物理产品。

• 管理模块：以业务数据（订单、财务、人力）为输入，以流程规则与优化算法为转化技术，以ERP/OA/BI系统为工具，以管理者与员工的劳动为纽带，输出组织决策与协调。

• 研发模块：以需求与知识（技术文献、实验数据、用户洞察）为输入，以设计算法与仿真模型为转化技术，以CAD/CAE/PLM及AI平台为工具，以工程师/设计师的劳动为纽带，输出设计方案与新产品。

生产模块：从机器自动化走向机器自主化

生产是数字化渗透最早、最深的模块。其演进轨迹与工业化主线高度重合：手工作坊→机械化流水线→自动化控制→智能自主运行。

这一模块诞生的核心课题是智能制造，目前领域内实践标杆是特斯拉所创建的第四代汽车工业生产范式——软件定义的数字化“无人工厂”。机器的智能自主，本质上源于知识的可计算化，上一篇文章《特斯拉超级工厂的“暗知识”：比Palantir更激进的工业本体论》已经系统阐述过，此处不赘述。

管理模块：人机协同的深水区

管理是数字化最难穿透的模块，因其核心对象不是物，而是人与人际关系。科层制、流程型组织、矩阵式组织、平台型组织、人机协同组织的演进虽与数字化五阶段同步，但管理活动的本质——权力分配、利益协调、文化塑造、信任构建——难以被算法完全编码。

这一模块的核心课题是企业级AI，核心主线是围绕企业级自主决策与行动闭环，当前相对成熟的实践标杆是Palantir——建立在隐性业务知识可计算化基础上的本体式增强架构。

研发模块：从经验驱动到工程AI

研发是数字化渗透最晚也是知识密度最高的领域，同样也是国内进口软件依赖的重灾区，尤其在CAE仿真等核心环节。

传统企业的研发遵循“专家+图纸”的经验范式，历经CAD几何建模、CAE物理仿真、PLM全生命周期管理，如今已迈入工程AI阶段。

但工程AI并非对既有工业软件的替代，而是站在CAD、CAE、PLM的肩膀上，以新的智能范式重塑其运行逻辑。它指向人工智能在工程全生命周期的系统化集成，推动设计、仿真、施工/制造、运维的智能化跃迁。具体而言：生成式设计在虚拟空间探索人类工程师未曾想到的结构拓扑；AI仿真将计算流体动力学从数小时压缩至秒级；数字孪生则让产品在物理诞生之前，在虚拟世界完成千万次“试错”……

目前国内外在这一领域都处于起步阶段。相比美国从工业1.0到工业4.0的连续自主迭代，国内早期完整的自主创新体系在80年代后经历了全面回退与系统性破坏，导致底层工具链与知识层积出现断层。因此，国内推进工程AI需要额外克服三重难题：

• 工业软件的国产化与深度集成，尤其是作为“卡脖子”重灾区的CAE仿真软件，亟需突破底层求解器与材料数据库的自主可控；

• 真实工程数字化案例的验证闭环，即数字孪生如何从“可视”走向“可信”，在极限工况下建立虚实映射的反馈与优化机制；

• 行业隐性知识（Know-how）的数字化沉淀与复用，将分散在专家经验中的工程直觉转化为可计算、可传承的知识资产，填补大模型在工程机理理解上的鸿沟。

但尽管如此，国内也已经涌现出一些立足场景驱动、攻坚核心软件国产化的优秀创业企业：

• 浙江远算科技：成立于2017年，基于仿真软件国产化、仿真应用场景化和仿真平台云端化，为汽车交通、能源电力、水利应急、机械制造等多个行业的工业企业提供了数字化研发与运维解决方案。

• 卡伦特科技：成立于2017年，今年4月刚刚发布了生成式CAD平台“创模AI”，实现了由AI文生/图生三维CAD模型，并带有完整的特征历史记录，这是一个重大技术突破。

• 良策金宝AI：成立于2023年，推出了工程设计领域的首个专用CAD理解与生成模型，通过多智能体协同，可实现光伏项目图纸的自动生成，将原本15人天的工作缩短至5分钟，大幅提升效率。

另外，传统企业的物理工程与数字企业的软件工程也是相互对标的：

• 传统工程领域的“设计-研发-施工-运维”与软件企业的“产品设计-工程开发-部署交付-运营维护”是同一套工业化公式在不同介质（原子vs比特）上的投射。

• 实体物理工程的数字化路径是“图纸→CAD→CAE→PLM→工程AI”，软件工程的数字化路径则是“编辑器→IDE→自动化测试→DevOps/ALM→AI原生开发”。二者是同一条工业化公式在原子世界与比特世界上的平行展开：代码即图纸，IDE即CAD，测试即CAE，Git即PLM，大模型即工程AI。

值得注意的是，由于软件工程成型更晚，传统工程在工具数字化层面（CAD/CAE，1960s—1970s）起步早于软件工程（IDE，1980s）；但在组织与生产范式层面（敏捷、DevOps等），传统工程的迭代节奏反而滞后于软件工程。

两者真正的“并轨”发生在2020s的AI时代——也是数字化的成熟阶段。工程AI与AI原生开发同步涌现，标志着物理世界与数字世界的智能化终于站在同一起跑线上。此时，“软件定义”已进入深水区——从硬件控制、流程优化、分析决策，迈向知识生成与虚实行动闭环的全新周期。

这或许正是“软件定义”捏合传统产业与数字产业、在全社会形成主流范式传导的现实写照————软件产业的生产方式（数据驱动、持续迭代、敏捷协同、智能体编排）将逐步从数字产业的“内部工艺”，升级为全社会产业变革的通用底层基础设施。

在前述“硬件+操作系统+应用场景入口”的“软件定义xx”标准架构之外，如果我们回顾工业1.0和工业2.0，以生产、管理、研发三大模块为例，会发现物理实体的“软件化”是一条漫长的持续演进路线：

• 生产“软件”：机械手柄→控制电路→PLC/CNC/MES→工业智能体集群/制造知识体系

• 管理“软件”：经验化的实践数据→层级命令链→ERP/CRM/OA→管理智能体集群/可计算业务知识

• 研发工具“软件”：工匠经验与实践积淀→工程制图/标准手册→CAD/CAE/CAM/PLM→研发智能体集群/工程知识库

从中，也可以提炼出“软件化”的一般演进公式，即知识的代际转化与可计算化跃迁：

隐性知识（不可言传的经验）→显性化知识（可记录的标准）→可执行代码（软件系统）→可计算知识（具备自主行动能力的智能体）。

经由逐步显性化、标准化与软件化，原本储存在人脑中的隐性经验、技能、知识，被一步步外化为机器智能系统中用于指挥自主决策与行动闭环的可计算的、结构化的领域知识。

纵向看工业1.0到4.0，也可以简化为这样一条持续深入的广义软件化进程——这也有力印证了工业化与数字化演进一脉相承、绵延持续的本质特征。

总结

2025年底我曾就Palantir的研究做过一个三部曲的总结——《数字的长征》《智能的归途》《商业的魔法》，但当时的行文并不完整，一直计划重新整理。本篇可视作全景视角、升级版的《数字的长征》，同时也是自商业航天研究以来所形成的工业化理论的系统阐述。

篇幅较长，理解上如有困难，只需把握三层对标关系，互相照镜子：

• 工业化↔数字化：数字化是工业化在数字时代的新形态，数字革命是传统工业革命的高阶延续；

• 传统工业↔软件产业：两者被同一个生产公式所统一，在“软件定义一切”大趋势下生产范式逐渐趋同、并轨；

• 传统企业↔软件企业：两者的生产、管理、研发三大模块，都统一在同一条广义软件化演进路线上（领域知识形态从隐性到显性到可计算化）。

“不谋全局者，不足谋一域；不谋万世者，不足谋一时”，在数字化这条新时期的工业赛道上，必须首先建立全局性、体系化认识框架，从既往工业化与数字化演进历程中找到关键基本规律，才能行稳致远、走好这场数字长征。

数字化转型没有平地起高楼的奇迹，更不存在一步到位、一蹴而就的捷径。这一点，国内产业界与企业界必须形成深刻共识，保持清醒认知。

【相关专题】

Palantir解密：说人话，到底什么是“本体”？

Palantir解密：“本体”的建模逻辑及其扩展方向

解密Palantir：AI+时代企业IT演进与“本体”变革的深度剖析

Palantir解密：从企业数字化能力构成说起，“本体”如何破解现代企业数据应用难题？

Palantir解密：从AI到AI Agent，为什么需要“本体”？有没有其他方案？

Palantir解密：“本体”的局限

Palantir解密：李飞飞与强化学习之父对大模型的批评有何不同？兼论“本体”的哲学本质

大模型、VLA模型、世界模型：谁代表通用人工智能未来？“智能仿生学”视角的分析

Palantir解密：从单智能体到多智能体社会，本体、AIP、Apollo如何成就群体智能？

从App时代到智能体时代，如何打破“三堵墙”

大模型的“失明”，能怪大模型吗？

数据的长征：Palantir研究总结（1）

“智能”的归途：空间智能是世界模型的终点吗？Palantir研究总结（2）

商业的魔法：“本体”如何点石成金？Palantir研究总结（3）

Palantir本体工程对传统产业AI+有什么启示？（1）智能系统的“铁三角”

Palantir本体工程对传统产业AI+有什么启示？（2）让机器“理解”的两种路径

Palantir本体工程对传统产业AI+有什么启示？（3）知识库的机遇与挑战

Palantir启示录：AI时代的协同范式革命

Palantir启示录：交互革命带来哪些新机会

Palantir启示录：数字共识——35+员工与AI的“停战协议”，也是新门票

从本拉登、苏莱曼尼到哈梅内伊……别再误读Palantir了！

Palantir：两个不确定的问题（1）大模型以上，世界模型未满？

Palantir：两个不确定的问题（2）FDE会被AI完全替代吗？

中国版Palantir落地，究竟难在哪？

中国版Palantir落地，究竟难在哪？（2）

从Manus、OpenClaw到Hermes，智能体正在分化成三个物种

智能体架构进化路线：从Manus、OpenClaw到Evolver——与Palantir本体架构的比较研究

本文在网络公开资料研究基础上成文，限于个人认知，可能存在错漏，欢迎帮忙补充指正。