智能体重构软件产业:中国能否借此完成“路径跃迁”

要理解这场冲击的根源，需要先理解软件产品为什么能赚钱。从经济学的视角看，企业软件的本质是将人力劳动，特别是重复性的知识劳动，封装为可复用的标准化产品。一套财务软件替代的是成百上千个企业各自雇佣会计手工记账的人力成本，一套CRM系统替代的是销售团队用Excel和纸质表格管理客户关系的效率损耗。人力越贵，封装的经济激励就越强；产品的复用率越高，边际利润就越大。北美SaaS产业高达75%的毛利率[1]，正是这一经济逻辑的极致体现。在这一模式下，传统企业软件逐渐构建起三重商业壁垒。一是用户数据被锁定在特定系统内，迁移成本极高；二是员工对特定操作界面形成了深度使用习惯，切换代价巨大；三是不同软件系统之间的集成复杂度高，绑定效应强。三重壁垒叠加在一起，使得企业一旦选定某款软件就很难离开。

智能体的出现，从根本上动摇了这一经济逻辑的前提。过去，软件的价值在于用一次性的研发成本替代持续的人力成本，但这个等式成立的隐含假设是：完成知识劳动的最低成本单位，仍然是人。智能体打破了这个假设：它能够以Token的价格直接完成同等的知识劳动，边际成本趋近于零，且不需要借助任何特定软件。当知识劳动本身可以被算力直接替代时，”把人力封装进软件再卖给企业”这门生意的价值根基就开始动摇了。在此基础上，智能体进一步推倒了软件赖以锁定用户的三道壁垒：它可以自动完成数据迁移、替代人工界面操作、通过标准化接口连接异构系统。它不再是过去那个只会陪聊的聊天机器人，而是进化成了能够接管电脑、协助人类完成具体办公任务的”办公搭子”。用户只需用自然语言描述目标，比如”帮我把这份Excel数据整理成一份带图表的分析报告”，智能体就能自行读取文件、分析数据、编写代码、生成图表、输出成果。其展现出的”人机协作”新雏形，已经让市场感受到了生产力大变革的气息。

资本市场的反应印证了这一判断。据高盛2026年2月的交易研报，北美广义软件板块自高点以来已蒸发约2万亿美元市值，跌幅约30%[2]，软件板块成为全行业中被净卖出金额最多的子板块。这种大规模抛售不是普通的周期性回调，而是市场对整个传统软件行业长期价值的根本性重估。

（一）向内看：数字化时代的“历史欠账”有机会反转为“轻装上阵”优势

中美软件产业的起点和结构差异决定了冲击的方式和方向是不同的。美国的故事是“高处跌落”。美国拥有全球最成熟的企业软件生态，其商业价值建立在多年积累的用户数据沉淀、工作流深度固化和生态系统集成壁垒之上。这些壁垒一旦被侵蚀，将释放出巨大的存量价值破坏。

与美国的SaaS产业生态不同的是，中国软件产业本质上仍是“人力密集型的工程服务业”。据工信部数据，2025年中国软件产业总收入约15万亿元人民币，同比增长13.2%。但这个庞大数字背后的结构值得特别关注：其中69%的收入来自信息技术服务（IT Services），仅有21%来自软件产品[3]。所谓信息技术服务，本质上就是人力密集型的定制开发、系统集成、数据流程梳理、现场安装部署等工作，简单说，是靠大量软件工程师的人力“堆”出来的。由于中国工程师人力成本长期处于相对低位，政企客户在采购中又拥有极强的话语权，企业在信息化建设中长期倾向于选择定制开发，而非购买标准化的通用软件产品。中国各行各业的IT系统在过去几十年里形成了大量私有化部署、碎片化建设、高度定制化的格局，产业的数字化进程，在相当程度上是一笔巨大的”历史欠账”。

这反而为中国提供了一个独特的机遇，使得数字化时代的”欠账”可能反转为”轻装上阵”的优势。智能体的技术特性，在此处显现出一种意外的适配性。智能体不要求底层数据格式统一，不依赖规范化的管理流程作为前提，不需要用户接受特定操作界面的培训。它可以从命令行或自然语言指令出发，理解现有系统的各类输出，自主完成跨系统的信息整合与任务执行。一位业务人员用日常语言描述工作目标，智能体便能穿越多个孤立系统，完成数据提取、加工与结果呈现，而无需事先完成底层系统的互联互通。这意味着，中国长达数十年的数字化历史欠账，在智能体时代可能不再构成难以逾越的障碍，甚至成为一种特殊的”轻装上阵”优势，就像非洲跳过固定电话直接进入移动通信时代一样，中国有可能绕过“SaaS生态建设”阶段，直接以智能体为中心的新范式重新起步。

（二）向外看：SaaS产业“改朝换代”为中国企业提供全球机会窗口

全球SaaS产业正在经历一场罕见的“清场”。Adobe股价从历史高点下跌超过60%，执掌公司18年的CEO宣布卸任。Salesforce、ServiceNow、Intuit等北美SaaS标杆企业同期均出现20%以上的大幅下跌[4]。Forbes以”SaaSpocalypse”（SaaS末日）为题报道了这场风暴。旧格局正在动摇，新格局尚未成型。对过去二十年在全球软件市场几乎没有存在感的中国企业而言，一扇前所未有的窗口正在打开。

但要抓住这个窗口，需要理解一个更深层次的变革，即智能体有可能首次开启了人类“隐性知识”大规模系统化沉淀的时代。首先，只要是已经被结构化记录下来的显性知识，无论是流程文档、行业规范还是操作手册，传统软件以流程化、界面化的方式对其加以固化使用，智能体也能掌握，甚至掌握的更为全面快速。然而，那些在传统软件时代从未被记录过的“隐性知识”，在智能体时代则有机会被大规模的沉淀利用。一个高级供应链工程师面对异常订单时的直觉判断，一个资深法务审阅合同时对风险条款的敏感嗅觉，一个经验丰富的工艺工程师调试产线时”手感”般的参数微调，这些知识从未被写进任何文档或软件产品，只存在于人的头脑中，过去只能通过师徒制和多年实践来传递，一直受限于个体的生命周期。智能体时代正涌现出一种名为Skills的能力封装机制，它通过结构化的文件将特定能力领域的知识、执行指令封装起来，有可能成为大规模沉淀人类“隐性知识”的有效工具。一个行业老手可以将多年积累的判断逻辑、异常处理经验、场景化的决策规则，以Markdown（一种人类可直接阅读编写、智能体亦可直接解析执行的轻量级文本格式）文件的方式描述和封装成为Skills，让智能体能够理解、调用和复现。

正因为上述逻辑，中美之间的差距在智能体时代有机会被大幅拉平。北美SaaS产业的优势建立在显性知识的率先标准化和产品化之上，而隐性知识则分散在全球所有的行业从业者头脑中。中国恰恰拥有全球最大规模的”技术加行业”复合型软件从业者群体。中国近九百万的软件工程师群体[3]，有相当比例长期在各行业企业内从事数据清洗梳理、现场定制化开发等交付工作，脑中本身就积累了其所在行业领域的大量隐性知识。这将成为中国参与全球智能体生态竞争的巨大差异化优势，以“隐性知识”规模化沉淀的方式，在全球智能体生态中建立一个差异化的Skills供给层。

当这种庞大的工程师资源，与中国独有的海量烟囱状系统、高度定制化资产的改造需求相叠加时，便孕育出了“一人公司”（OPC）模式肥沃的土壤。在过去，要盘活这些孤立复杂的遗留系统，工程师只能依附于庞大的外包组织去逐行写代码。但在智能体时代，Skills具备颗粒度细、即插即用的特性。一个深刻理解特定老旧系统痛点与行业业务逻辑的工程师，完全可以脱离组织分工，将自己跨系统整合数据、处理非标业务的隐性经验封装为独立的Skills。这些高度场景化的数字资产一旦投入市场，就能被成千上万个智能体调用并持续产生边际收益。

如果相当数量的中国一线工程师能够抓住契机，从被动接单的代码执行者，转型为独立封装行业隐性知识的Skills创作者，中国不仅有机会消化智能体对传统IT服务岗位的冲击，更能在全球智能体生态中，构建起一个以产业隐性知识为核心壁垒的庞大供给网络。

（三）向下看：智能体正在倒逼基础设施的深层改造

前两个影响聚焦于软件产业的应用层和商业模式，但智能体带来的变革不止于此，它也在向下渗透，对支撑整个数字经济运行的底层计算基础设施提出了全新要求。

过去几十年，全球计算基础设施的设计建立在一个核心假设之上，即”确定性执行”。传统软件是确定性的，同样的输入必须产生同样的输出，同样的操作必须得到同样的结果，整个云计算和数据中心的技术体系都围绕这一假设构建。但智能体从根本上打破了这个假设。Google首席科学家Jeff Dean在近期的一次技术对话[5]中指出，传统基础设施的设计前提是”99.999%的确定性执行”，而智能体的运行逻辑是”概率性”的，它在每一步都在做推断和选择，执行路径可能因上下文的微小差异而完全不同，生成的结果每次也可能略有差异。用一个简单的对比来说，传统软件像一列按固定时刻表运行的列车，起点终点和途经站都预先设定好了，智能体则像一位接到目的地后自主规划路线的司机，可能走不同的路，遇到堵车会临时绕行，最终大概率到达目的地，但过程不可精确预测。

从确定性到概率性，这一转变对底层基础设施意味着什么？简单来说，原来的基础设施只需要做好一件事，就是稳定地执行指令、确保”不出错”。但智能体时代的基础设施需要做好三件新的事情。第一，要能”记住走到哪了”。智能体执行一个复杂任务可能持续数小时甚至数十小时，这期间系统必须持续记录智能体的工作进展和中间状态。业界将这一能力称为”可恢复性”（Resumability）。传统基础设施追求的是”永不中断”，但在动辄数小时的任务面前，永不中断既不现实也不是关键，真正重要的是”中断了能接着干”。第二，要能”容忍不确定”。既然智能体的每一步都带有概率性，基础设施就需要用冗余机制来兜底，包括频繁保存进度、预设备选方案、在关键步骤进行验证，用系统层面的确定性来托住执行层面的不确定性。第三，要能”管住新角色”。当智能体代替人类操作各种系统时，基础设施的安全管理对象就从”人”扩展到了”人加机器”。AWS在近期分析中指出，智能体时代的安全治理必须将”AI智能体等非人类实体”纳入权限管理体系，成本核算的单位也从服务器和存储空间变成了智能体的计算消耗[6]。

对中国而言，这一变革既是挑战也是机会。挑战在于，全球面向智能体的新型基础设施标准和架构正在快速演化，而基础设施竞争具有极强的”路径锁定”效应，一旦主导范式确立，后来者的追赶成本远高于应用层。机会则在于，面向智能体的基础设施目前仍处于极早期阶段，全球尚无成熟的主导方案，各方事实上站在相近的起跑线上。中国拥有全球最大的云计算市场之一，有足够的产业规模来支撑新型基础设施的试验和迭代。如果能在智能体的状态管理、弹性恢复、安全隔离等关键环节形成有竞争力的技术方案，不仅能支撑国内智能体生态的发展，更能将过去十几年在云计算领域积攒的身位优势，转化为全球新一代AI基础设施建设与服务的话语权。

向内的轻装上阵、向外的隐性知识沉淀，以及向下的基础设施重构，这三重变革共同指向一个更深层的判断：智能体不只是一种新的软件形态，它正在成为新一轮经济活动的核心组织单元。当应用层、生态层和基础设施层的变革同步发生时，智能体时代的科技竞争就不再只是单项技术能力的追赶，而在于整个技术生态在全球范围内的扩散规模及其形成的网络效应。率先达到临界规模的技术栈，将在事实上定义全球AI基础设施的标准与规则。

在这一视角下重新审视中国的位置，摆在我们面前的是一道紧迫的战略必答题。中国能否在智能体经济快速崛起的当下，将初期的起步条件、生态优势以及底层卡位机会，全面转化为智能体时代的全栈竞争力？中国软件产业的这一次路径跃迁不会被动发生，它需要政策与市场的共识，也将是中国构建下一代全球科技竞争力最重要的一次预演。