AI逆向工程被吹爆,但一个被所有人忽略的真相是:它最值钱的地方,恰恰不是“逆向别人”
先说一句可能不太讨喜的话。
2026年最火的叙事,是“AI把西方几十年的软件壁垒给绕过去了”。REA这类工具在GitHub上狂揽近30万颗星,开发者用AI在几周内复刻出Photoshop的替代品,有人用6000多亿token把《使命召唤6》99%的函数还原出来。看起来,达索、Ansys、西门子花几十年垒起来的墙,AI一脚就给踹了。
但我追踪完这条线之后,得出的结论恰好相反:AI逆向工程真正改变游戏规则的地方,不是让你去“抄”别人的软件,而是让你第一次有能力把自己工厂里攒了二三十年的数据、经验、老师傅的直觉,变成一套能跑起来的软件。
这两件事看起来很像,其实差了一个筋斗云。
先承认一个事实:西方软件壁垒的本质,确实不是“代码”
达索的CATIA是怎么长出来的?1970年代,法国达索航空为了设计幻影战斗机的曲面机翼,工程师被迫自己写代码,一路演化成了全球航空业的标准工具。Ansys的前身,是创始人在西屋电气参与阿波罗计划时,为了不手算热应力,在自家卧室敲出来的程序。
这些软件底层跑的是有限元分析和计算流体力学,物理方程都是19世纪就写进教科书的东西。西方真正锁住的东西,是五十多年里无数次炸机、断轴、烧电池换回来的工程经验参数,是那些藏在几千万行“屎山代码”里的Know-How——什么工况下该留多少余量、什么边界条件会出问题、什么材料在什么温度下会“撒谎”。
所以过去几十年,追赶的逻辑是“你也得摔够那么多飞机,试够那么多错”。软件只是这些经验的容器,时间才是真正的壁垒。
AI确实撬开了一道缝,但缝的位置和大多数人想的不一样
2026年最值得看的案例,不是“AI复刻了Photoshop”,而是AI仿真开始绕开传统求解器的工作方式。
传统CAE的玩法是“切豆腐”:把一架飞机切成上千万个微小网格,每个网格立一套偏微分方程,联立求解。一套复杂气动仿真跑72小时是家常便饭,工程师点下计算,咖啡凉了、炸鸡冷了、两天两夜过去了,进度条才跑了一半。
中国团队走的是一条完全不同的路:把质量守恒、纳维斯托克斯方程这些物理铁律“焊”进AI的惩罚机制里,让模型从海量真实数据中长出“高维直觉”。打个比方,老软件像个抱着化学书查美拉德反应的厨子,AI像个炒了十几万锅菜的老师傅,手往肉上一摁就知道七分熟。同一件事,从72小时压到几分钟,精度保持在99%以上。
这件事的意义,远大于“复刻一个PS”。因为它指向了一个更根本的转变:在工业软件领域,“怎么算”正在从“解方程”变成“认模式” 。而认模式这件事,恰恰是中国工厂最不缺的东西——全世界最完整的制造业门类、最密集的产线、最多的工况数据,全在这片土地上跑着。
但被吹爆的“AI逆向复刻”,藏着三个大多数人没看见的坑
第一个坑,在法律。国内某985高校用国产大模型对海外仿真软件做“再工程”,完成了3万个函数中5000个核心函数的重构,功能对齐、性能比肩。听起来很提气,但法律上有一个关键区分:著作权保护的是代码的“表达形式”,不保护“功能”和“算法思想”。你独立重写一套功能一样的软件,不侵犯著作权。但问题出在“怎么知道的” ——如果过程中规避了软件的技术保护措施,或者大模型在训练时隐性复用了原代码的片段,风险就从“借鉴思想”滑向了“实质性相似”。更关键的是,把逆向得到的核心函数对外开源,研究豁免的基础就不再成立了。
第二个坑,在工程。PhotoCraft那个被广泛传播的“AI复刻Photoshop”项目,用170个真实PS文件做测试,两周后匹配了146个,但开发者自己给“日常专业可用度”打的评分只有25%到35%,评价是“勉强能用”“有毛病但确实是Photoshop”。REA的公开测试里,AI会遗漏实际存在的函数调用,却把分析结果标记为“完整” 。工业软件和修图软件最大的区别是:修图崩了大不了重来,仿真算错了,可能是一条产线、一架飞机、一批电池的事。西门子自己在用AI现代化几亿行工业代码时,明确划了一条红线:AI生成的输出必须是可解释、可追溯、可验证的,幻觉改动在工业场景里不是“效率问题”,是“运行上不可接受”。
第三个坑,在战略。复刻出一个“功能等价”的软件,和掌握那套软件背后的工程经验,是两件事。你可以用AI把某个仿真软件的核心函数重写一遍,跑出一样的结果曲线,但当工况超出训练数据的分布、当材料批次换了、当边界条件出现一个原始团队从未遇到过的组合,那个“为什么这里要留这个余量”的判断力,AI给不了你。西方软件几十年的积累,不只在代码里,更在那些代码为什么长成那样的理由里。功能等价,不等于原理等价;原理等价,也不等于工程判断力等价。
那真正的机会在哪?
不在“逆向别人的软件”,在“逆向自己的数据”。
2026年国产工业软件的真实底牌,比网上很多爽文清醒得多:CAD国产化率约20%到35%,CAE只有5%到10%,EDA的进口依赖度高达97%,高端市场外资仍然占着90%以上。中望软件的overdrive几何内核完成了商业化,是国产三维CAD第一次有了自主根技术的底座;索辰科技在航空航天多学科仿真上拿到了工程化验证;华大九天营收站上13.25亿,但在先进制程上仍在爬坡。点上的突破是真的,面上的差距也是真的。
但另一条路径正在被验证。汉得用AI给一家日本制造企业迁移36套老旧业务系统,传统模式累计360人天的工作量,AI驱动下160人天完成,效率提升超过55%。注意,这不是“复刻别人的商业软件”,这是把企业自己跑了几十年的老系统,用AI拆解、清洗、重新生成一套干净的架构。Siemens和Google Cloud做的也是同一件事:用知识图谱和AI agent去理解自己几亿行、跨几十年的工业代码,把散落在Jira工单、Confluence页面、2000年代初的扫描PDF里的工程知识,重新接回代码逻辑里。
这才是我看到的真正分水岭。
过去中国工业软件的困局是:你的经验在工厂里,但工具在别人手里。老师傅知道这条产线哪个参数会飘、哪种工况要留余量,但这些知识从来没有被结构化地“喂”进过一套属于你自己的软件。现在AI给了一个机会:用你自己的数据,训练你自己的模型,长出你自己的工程判断系统。它可能一开始只覆盖一个工艺段、一个零件族、一个车间,但它从第一天起就是你的。
西方靠时间垒起来的壁垒,确实在松动。但松动的原因,不是AI能帮你把别人的软件“空手复刻”出来,而是AI第一次让“用数据长出软件”这条路的成本,降到了普通工厂和中小团队够得着的水平。
复刻别人,你永远在追一个移动的靶子。吃透自己,你手里的每一份数据、每一个工况、每一次试错,都在变成别人拿不走的东西。
这才是AI逆向工程最狠的地方,只不过它狠的方向,和大多数人喊的那个方向,正好相反。