其中「AI+工业软件」这条赛道，要的不只是能直接进工厂的 AI 应用。

为什么要设这样一条赛道？今年在上海举办的世界人工智能大会上， “AI 什么时候能稳定跑在产线上”成为了众多制造业参会企业最关心的一件事。公开数据显示，2025 年上海 394 家规上人工智能企业产业规模超 6370 亿元，上海大力推进 “AI + 制造” 行动，但工业大模型在本地制造企业规模化落地仍然存在明显缺口，而缺失的部分正是“AI+工业软件”这条链路。

当然，如今的产线上已经有不少企业在实现这条链路。宝武的高炉操作室里，工程师轻点屏幕，AI 实时预测炉温，过去要调试数周的炉热预测模型，现在两周就能部署；质检线上，AI 视觉扫描钢板缺陷，不合格率从 3.2% 降到 1.1%……这些都是 AI 大模型直接进车间赋能工业生产的实例。

但赛道要的不只这些。

除了直接跑在产线上的 AI 应用，赛事还关注工业软件之下的底层基础设施 —— 嵌入式操作系统、工业时序数据库、数据中间件、特征计算、工业 CAE/仿真……这些都是“工业+AI”的关键地基。

地基之上，还有三道亟待解决的现实挑战。

数据异构，这是大部分工厂推开工业 AI 时遇到的第一道难关。工厂的数据散落在几十套系统里，ERP 管订单，MES 管生产，SCADA 管设备，PLC 管控制，各系统的接口五花八门，数据格式互不兼容。AI 要训模型，得先把这些散落的原料捞出来、洗干净、对齐时间戳，光数据治理这一步，就劝退了不少想上 AI 的工厂。

容错近乎为零，这是工业 AI 和消费 AI 最本质的区别。消费 AI 答错一个问题，用户刷新一下就过去了，可以完善提示词再问一遍；而工业 AI 判断错一个参数，则会带来产品报废、产线停工甚至设备安全事故等严重后果。产线上没有“重试”按钮，模型出错的代价是实实在在的经济损失。

工业 AI 的真实 ROI 难以度量。模型训好了，效果看起来也提升了，但省了多少钱、提了多少效，很难用一套统一的账算清楚。试点容易做，规模化难拍板，很多工业 AI 项目最后都卡在这笔账上，账算不明白，技术再先进也难落地。

这个赛道，等三类项目

AI+工业软件的国产化缺口，也是一道开源共建的机会窗口。高端研发设计类软件长期被国外厂商垄断，而工厂里已经跑起来的 AI 方案，很多都建立在开源技术栈上。

如果你的开源项目：

• 能直接进入工厂一线，提升工业生产效率，解决实体经济中工程、流程或决策难题，领域包括但不限于制造、能源、建筑、采矿、农林、物流、环保等。

• 或是进入工业软件的底层基座，成为赋能 AI 与工业软件结合的重要基础设施，包括但不限于工业嵌入式操作系统、工业数据处理、工业特征计算、工业 CAE/仿真等。

• 又或是能解决上述三大亟待解决的工业 AI 落地挑战（数据异构/安全兜底/效能监测量化），为企业提供 AI+工业软件落地的重要决策支撑。

并满足以下评审维度：

技术创新（30%）

关注技术路线是否具有独创性，是否解决了已有方案未能解决的问题，与国内外同类方案相比是否有明确的技术优势。重复造轮子、仅做现成工具简单组合的项目在此维度得分较低。

场景落地（30%）

关注项目是否可部署、可运行、可测试，需求场景是否真实存在，技术方案是否适配场景需求，验证数据是否来自真实或仿真环境，是否具备实际部署条件。

开源治理（20%）

关注开源协议和第三方依赖是否合规，社区治理机制是否明确，包括贡献机制、文档规范、Issue/PR 响应等。新项目重点考察规划和治理意识，已有社区项目重点考察实际运营情况。

长期发展（20%）

关注团队是否具备持续维护能力，项目是否有长期发展规划，治理结构是否清晰，是否有社区或组织支撑。

那么「2026 上海开源创新大赛」“AI+工业软件”赛道就是为你搭建的绝佳舞台，欢迎带上你手中的开源项目报名参赛，你将有机会获得大赛百万奖金池+赛后产投资源对接。

参赛说明

赛道将逐步上线合作企业命题。参赛选手可选择两种路径：

路径一：可以直接提交符合赛道要求的开源项目参赛，适合本身已有较为成熟开源项目的团队；

路径二：可以选做对应赛道的企业命题，选做命题的队伍将获得命题企业提供的专家指导与工具支持，在评审环节也可获得一定的加分权重，该路径适合参赛期间从零开发新项目的团队。

赛事报名&详情请查看：https://www.oschina.net/os2026/