高端工业研发的核心是什么？
高端工业研发的核心是工业软件，而工业软件的核心则是数据与算法。一方面，制造业在研发设计、生产制造、运维服务和再制造等产品全生命周期中积累下来的经验和参数，以数据的形式沉淀到了工业软件中；另一方面，学术界为支持工业领域的需求所研究的物理模型和数学算法以求解器的形式也沉淀到了工业软件中。
例如，以航空发动机为例，其研制过程是一项高度复杂的大系统工程，以自主研发为基础的正向研制流程复杂，包括需求分解与定义、集成与验证等各阶段反复的验证和确认过程。高端工业研发工具和平台促进航空发动机研制从过去的完全依赖实物试验向与虚拟试验并重的方向转变，实物试验与虚拟试验有机结合，互为补充，不断提高研发水平。
欧美发达国家将“掌握最先进的制造业核心软件”视为保证本国制造业“持续掌控全球产业布局主导权”的必要条件。例如，2010年奥巴马政府签署规模为170亿美元的《美国制造业促进法案》。2013年德国《高技术战略2020》确定“工业4.0”为未来十大项目之一。2012年，英国《经济学人》杂志指出，西方发达国家政府和企业希望通过正在来临的新型工业革命击败中国制造业，“让一度已成为全球制造业中心的中国望尘莫及”。
国外高端工业研发是如何组织的？
案例一：美国国家航空航天局联合GE、普惠等公司，20年时间里研发的NPSS软件，内嵌大量发动机设计知识、方法和技术参数，一天之内就可以完成航空发动机的一轮方案设计。
案例二：波音787的整个研制过程用了8000多种工业软件，其中只有不到1000种是商业化软件，其余的7000多种都是波音多年积累的私有软件，不对外销售，包含了波音公司核心的工程技术。
以上两个典型案例表明，大型研发体系中涉及到大量的工业知识和算法，不仅要借助成熟的商业软件，也要将核心的知识、算法和数据沉淀到内部软件和平台上来。那么，如何将工业知识数据化、软件化，有效管理核心算法就尤为重要。
高端工业研发工具和平台的趋势
随着工业互联网的兴起，高端工业研发平台有如下趋势：
深度学习算法的深入应用：特别是基于物理信息的神经网络（Physics-informed Neural Network， 简称PINN）技术的兴起，不仅能够像传统神经网络一样学习到训练数据样本的分布规律，而且能够学习到数学方程描述的物理定律。与纯数据驱动的神经网络学习相比，PINN在训练过程中施加了物理信息约束，因而能用更少的数据样本学习到更具泛化能力的模型。
数据与算法解耦：随着深度学习算法的深入应用，涌现出大量机理与数据融合的算法，而工业互联网平台为算法和数据的解耦提供了底层基础设施，大大降低了传统机理为主的工业软件的使用门槛。
工业软件专业化：随着工业制造的精细化，专业化，对所使用的工业软件也提出了新的要求，这使得过去通用的工业软件很难满足需求。
工业智能算网如何构建研发工具体系
工业智能算网将从如下几个方面赋能新型工业化背景下的企业正向研发体系构建：
工具一体化：工业智能算网提供统一的平台，通过工业互联网标识解析体系汇聚工业数据，调用模块化的模型库、算法库，支持各类求解器，以工业APP的形式服务正向研发。
算法模块化：工业智能算网遵循应用数学的底层算法逻辑，形成一系列工业智能算法相关的标准，为学术界求解器开发和优化提供模块化服务，为各类求解器的管理提供容器化工具。
形成有价值的研发数据集：工业智能算网通过PINN反演工具将试验数据和模拟仿真数据做统一化管理，并且形成研发数据的标准、标注和标识，为工业智能相关算法提供数据支撑，为数据资产化奠定基础。
工业智能算网为高端工业研发提供的核心价值
沉淀核心数据：正向研发过程中积累的数据和知识，通过研发数据集的形式沉淀到企业自有的算网系统，是企业最重要的的核心数据资产，体现了企业的核心价值。
沉淀核心算法：企业在研发过程中，自有的算法创新以及和学术界合作的算法类成果，通过工业智能算网沉淀下来，成为企业创新的基础和源泉，是企业的另一类重要的数据资产。
奠定数据资产化基础：上述沉淀下来的数据和算法，是企业最重要的数据资产，经过价值评估，为企业数据资产入表和运营奠定基础。