随着生成式AI在软件工程领域的渗透提速，代码智能、AI辅助研发已经成为工业软件数字化转型的核心方向，但长期以来，业内可用于模型训练的代码数据集多以通用开源代码为主，普遍存在工业场景覆盖度不足、垂直行业适配性差的痛点，难以满足工业级软件研发的高质量训练需求。
2026年5月12日，Fermatix AI正式对外发布大规模工业源代码数据集CIDR (Curated Industrial Developer Repository)，瞄准开源代码在工业软件多样性上的短板定向补位，为工业场景的代码智能研发提供核心数据支撑。据公开信息显示，CIDR是Fermatix AI联合12家工业合作伙伴共同构建的专有代码数据集，囊括2440个真实工业代码仓库，覆盖138种编程语言，累计代码量达3.73亿行，同时附带完整的结构化元数据。为保障数据合规性与隐私安全，所有数据均经过多阶段严格的收集、过滤及匿名化处理，在保证数据原生工业属性的同时，规避了源代码泄露、知识产权侵权等合规风险。
从应用价值来看，CIDR可广泛落地于多个工业软件相关领域：在代码智能赛道，基于该数据集训练的AI模型可显著提升工业场景下代码补全、漏洞智能筛查、代码自动生成的准确率，解决通用代码大模型面对工业专有场景“水土不服”的问题；在软件质量分析领域，可支撑工业控制软件、高端制造嵌入式软件、能源管控系统等关键领域的质量检测模型研发，提前识别工业场景特有的逻辑漏洞，降低工业软件上线后的运行安全风险；在开发者工具领域，可为工业领域专属智能编码助手、研发效能管理工具的优化提供数据底座，提升工业软件开发者的编码效率；同时也可为高校、科研机构的软件工程相关研究提供贴近真实工业场景的研究数据，推动产学研成果快速落地。
作为当前国内少见的大规模合规工业源代码数据集，CIDR的发布也为数据要素市场的垂直领域数据供给提供了参考样本，有望推动代码智能技术从通用消费级场景向工业垂直场景渗透，助力我国工业软件研发效能与质量水平的双提升。
查看CIDR (Curated Industrial Developer Repository)
详情页内容：
_1769672084863.jpg)