近年来，科技问题经常被提及，这也是中国科技、经济和投资界的热门话题之一。颈部技术的灾区是半导体行业，芯片设计上游的工业软件是首当其冲的（EDA软件)。虽然国内很多公司都有芯片设计能力，但是IC高端软件的设计EDA外国公司仍然垄断工具。EDA工业软件对一个科技时代的重要性是由人控制的。
随着科技产业进入机器人时代，中国具有自然的先发优势。以新能源智能汽车为例，中国是最大的生产国和消费国，但中国的自动驾驶技术并没有走在前列，特别是在技术研发范围内。为了避免在机器人时代被卡住，我们必须大力投资于自动驾驶和机器人工业软件的自主化，以形成生产、技术快速迭代和消费的闭环。特别是，自动驾驶是机器人技术的高地。新能源智能汽车的自动驾驶技术及其供应链经过大规模生产洗礼后，很容易降低到不同的机器人行业，孵化出无数的细分机器人行业。
工业软件是形成生产、技术快速迭代和消费闭环的关键，就像芯片行业强烈依赖一样EDA软件、机器人行业技术研发的效率也强烈依赖于机器人工业软件。本文将介绍什么是机器人工业软件，以及作者使用工业软件来提高研发效率的经验。
01 机器人时代的到来
随着越来越多的机器人和无人驾驶汽车出现在我们的日常生活中，机器人时代已经到来。在深入研究机器人时代之前，让我们首先回顾一下信息技术的演变。20世纪60年代，仙女半导体和英特尔通过生产微处理器奠定了信息时代的基础，随后是硅谷的爆炸性发展。虽然微处理器技术大大提高了工业生产力，但公众接触它的机会非常有限。
情况在20世纪80年代发生了变化，随着个人电脑和苹果的出现Macintosh和微软Windows的图形界面（GUI）随着个人计算的快速普及，规模经济效应大大降低了个人计算的价格。最终，2000年左右实现了全球计算机普及的愿景。
21雅虎和谷歌在世纪初每个人都有个人电脑的基础上，通过搜索引擎连接人和信息，衍生出互联网行业。从2004年开始Facebook起初，社交网络便于人们在互联网的基础上连接，将整个人类社会从线下转移到线上。随着互联网社会人口的增长，如Airbnb（2008年）、Uber（2009年）等应用程序开始在互联网社会提供商业服务，形成互联网商业社会。中国在互联网商业社会中独立于世界各地，各种基于互联网的应用程序APP实现互联网应用的基础设施基本上取决于美国提供的技术。
技术时代的窗口再次打开。目前，它已进入机器人时代。服务机器人、无人机、送货机器人和智能汽车将为人类提供服务，特别是在中国日益严重老龄化的背景下。因此，在机器人时代，中国不能再被卡住，必须成为世界上机器人技术研发效率最高的国家。研发效率取决于研发工具，特别是机器人研发工业软件，可以将机器人技术的研发从劳动密集型升级为智能密集型，使研发技术更容易大规模实施。
02 机器人研发的手工作坊时代
目前，随着我国新能源汽车产业的快速崛起，自动驾驶已成为该行业的热门产业，主要汽车工厂也对自动驾驶技术人才展开了激烈的竞争。但在这一领域，中国的人才储备与美国之间存在着巨大的差距。我们估计，中国目前在无人驾驶领域的人才储备不到500人，而美国的人数可以达到4000到5000人。我们将这里的人才定义为对整个自动驾驶技术堆栈有系统的理解，并可以深入挖掘至少一个细分领域的工程师。
研发范式问题比人才储备差距更严重。据笔者了解，国内厂商大多还停留在手工作坊时代。调试算法，然后将算法集成到一个系统中，在附近的几条道路上进行跑路测试。如果出了问题，找出问题。根据问题进行修复，修复代码可能会带来新的问题。许多技术点是手工抛光的一个地区测试的结果可能会在一个新的环境中失败。这种研发方法效率低、成本高、规模化生产困难。例如，许多公司将维护测试团队，等待适当的天气环境进行不同的无人驾驶测试。这种测试的覆盖率不可能很高。此外，即使在上海测试的汽车在上海表现良好，个城市，如广州，也可能会出现问题。如果在另一个国家，如巴黎，可能更难适应当地环境。
在这种手工车间的研发范式下，机器人技术的研发仍处于劳动密集型阶段，研发成果难以大规模实施。每一个新的市场和场景都需要一个新的团队来覆盖它。特别是在我国人才储备落后的情况下，劳动密集型的研发范式难以确保我国在这一新兴产业障碍。
03 机器人时代的工业软件
机器人时代工业软件的一个例子是自动驾驶研发中的模拟引擎。通过数字双胞胎环境中的模拟和数据积累，可以大大提高自动驾驶算法研发的效率，降低成本，以最佳价格推出最佳的自动驾驶产品，快速实现规模经济，最终达到不可逾越的高科技和商业门槛。与手工车间的范式相比，工业软件可以从劳动密集型升华为智能密集型，减少投资，提高产出。例如，为了测试汽车如何处理雪环境，测试团队可能需要等待几个月，直到雪来临，然后在路上收集物理测试数据。在使用模拟软件作为研发测试引擎后，我们可以很容易地在数字双胞胎环境中建立道路，生成雪场景，然后根据需要生成各种高质量的测试数据。
事实上，模拟对汽车行业并不陌生。例如，车辆动态模拟器已广泛应用于转向系统的开发，如转向系统的开发。在自动驾驶软件的研发中，模拟器已用于测试和验证决策模块和路径规划模块。然而，目前的模拟环境缺乏对世界的高保真重现。最近，基于游戏引擎的高保真模拟器已经开发出来，例如Carla和LGLVS使用计算机图形模型、渲染算法和物理模型来尝试创建一个高保真度的环境。然而，虚拟环境与现实之间的差距仍然太大：首先，这些模拟器只提供虚拟城市的地图，其地理和物理环境特征与现实世界的道路测试不同。其次，移动物体的行为，如车辆和行人，被写死，很难模仿真正的交通参与者的行为（例如，巴黎行人的行为可能与新德里行人的行为不同）。最后，这些模拟引擎不能很好地对传感器数据进行高保真模拟，因此很难产生准确的感知数据。由于上述技术限制，我国自动驾驶研发基本停滞在手工车间的范围内，追求在市场上快速推出产品。这种做法在短期内发展迅速，但在技术发展的长跑中很容易暴露效率问题和弱势。