所以，今天讨论 AI 原生，已经不能只盯着模型会不会写代码，而要开始回答另一个更难的问题：企业到底该怎么穿过这轮变革。为此，奇点智能研究院在 2026 奇点智能技术大会上发布了《AI 原生软件研发成熟度模型白皮书》（AISMM 2026 版）。这份白皮书由奇点智能研究院专家团队，基于丰富的行业客户咨询案例，并融合业界最佳实践形成，是 AI 软件研发领域一项很关键的阶段性成果，得到了行业专家的关注与认可。

▶ 2026 奇点智能技术大会上，奇点智能研究院院长李建忠发布 AISMM 白皮书的现场

它切中的现实并不抽象。

过去一年，关于 AI 写代码这件事，行业已经热到几乎不用再证明了。Sonar 2026 的开发者调查报告显示，72% 的开发者每天都在使用 AI 编码工具，AI 生成或辅助的代码已经占新增代码的约 42%。Google 发布的 DORA 2025 报告里，软件开发领域 AI 工具采用率达到 90%，同比增长 14%。市场研究报告则显示，AI 代码工具市场 2026 年规模已经达到约 100.6 亿美元，预计到 2034 年会增长到 705.5 亿美元。

这一切看上去都像一场已经完成了一大半的生产力革命。Copilot 成了很多开发者的默认入口，Claude Code 和 Codex 把写代码从建议模式推进到了执行模式，Agent、智能研发平台、AI 原生软件这些词一轮轮刷屏，行业情绪高得几乎像在迎接一个已经到来的新纪元。

但另一组数据很快就把这种乐观拽了回来。McKinsey 2025 的调研里，真正能够在 AI 投入和产出之间建立良性循环的企业，大约只有 6%。BCG 2025 的报告里，全球只有 5% 的企业可以称得上 AI Future-Built，60% 的企业仍然在挣扎。

当个体效率提升遭遇组织能力瓶颈，真正的难题就开始浮出水面。

从「有工具」到「有能力」

AI 在个体层面的 adoption 已经非常高，组织层面的能力建设却没有同步完成。热的是工具，卡住的是组织。很多公司已经拥有模型、助手、编码插件和一批能熟练使用它们的人，但真正稀缺的东西还在另一边，知识有没有被整理成可消费的资产，流程有没有被改写成 Agent 可以执行的规范，运行环境有没有从人类工程师时代迁移到 Agent 时代，组织角色、治理边界和评价体系有没有一起变化。

白皮书把这道鸿沟概括成从「有工具」到「有能力」。

企业今天的困境并不能简单理解成暂时落地慢，或者某个部门还不够重视 AI。如今很多组织眼下遭遇的不是 adoption 问题，而是结构问题。工具已经足够先进，但工具只是插进了旧体系，旧体系本身却没有被改写。于是局部看起来火热，整体却没有形成真正的跃迁。

19 世纪末，工厂从蒸汽动力转向电力时，最开始只是把电动机装进旧厂房，生产率并没有马上起飞。直到工厂围绕电力重新设计布局、流程和协作方式，生产率才真正跃升。AI 转型也是一样，给团队配上 AI 工具，不等于组织已经完成转型。真正困难的部分，不在工具有没有接进来，而在流程、知识体系、运行环境、协作模式和治理方式要不要一起重构。

如果说前面这些内容讲清楚的是，为什么行业一边在狂奔，一边又像被困在原地，那么白皮书接下来要做的第一件事，就是给这种割裂感画一张地图。

AISMM 不是打分卡，而是一张位置地图

面对这场系统级变革，企业需要一个能够全景扫描自身能力状态、识别短板瓶颈、规划渐进路径的系统性坐标系。AISMM 采用的是一个 5×5 的矩阵结构，横轴为五个成熟度递进阶段，纵轴为五个关键维度。这一结构背后，指向的是哪些能力会穿越技术周期，持续决定组织的 AI 原生研发能力。

五个递进阶段反映了组织 AI 能力从引入到原生的演进规律，从 L1 辅助提效、L2 领域集成、L3 Agent 协同、L4 自主代理到 L5 自进化工厂。

五个关键维度则覆盖了组织级的结构性能力，基础设施、知识工程、流程工具、组织人才、安全治理。用一个更直观的比喻来说，基础设施是底座，知识工程是燃料，流程工具是引擎，组织人才是驾驶者，安全治理是护栏。

只看这个结构，你会以为它又是一张熟悉的成熟度表格，一个企业站进去，测一测自己处在哪一层，再决定下一步要不要升级。但白皮书真正想建立的不是分数，而是位置感。它想帮助企业回答的是三个更根本的问题：

• 我在哪里？

• 我应该去哪里？

• 我怎样到达那里？

通过系统性诊断当前状态、识别维度之间的不均衡，再结合业务优先级规划渐进路线，企业才能把有限资源集中到最具杠杆效应的能力提升路径上。

这也是它比很多 AI 研发报告更有用的一点。它没有把问题收缩成单点工具比较，而是把变化放回一个软件生产体系里重新排布。一个维度往前走，并不自动意味着整套系统已经完成升级。很多企业真正的尴尬，就在于它们在某些局部看起来已经很先进，但一旦把五个维度并排放在一起，断裂马上就会暴露出来。

不同类型的软件，本来就不该追求同样的成熟度目标。简单应用型软件，在 L1 可能就已经足够释放价值。复杂系统级软件，则往往要走到 L3、L4 才真正具备工程支撑。

三大范式的同步跃迁

要理解当前转型困境的根源，还得继续往里看。白皮书先给出了一组总判断，今天的软件行业变化，不是一次普通的工具升级，而是三条主线同时在变。

第一条是应用范式。软件的交互逻辑正在从图形界面转向自然语言意图界面，软件的基本形态也会从功能模块，逐步转向围绕任务执行的 Agent。

第二条是开发范式。软件工程正在从代码工程向行为工程迁移，开发者的工作不再只是逐行实现功能，而是管理上下文、约束 Agent、设计运行环境、组织协作。

第三条是计算范式。软件运行的底层从确定性的图灵—冯诺伊曼计算，逐步走向建立在神经网络上的概率推理体系，底层基础设施也会随之改写。

这三大范式的同步跃迁意味着，企业面对的不是一次简单的工具升级，而是一场涉及技术底座、工程方法、组织形态和安全治理的系统性变革。在应用范式层面，软件正在从「功能固定」的静态制品，转向「能力弹性」的动态服务。在开发范式层面，人的角色正从代码的编写者，转向需求的表达者和结果的验证者。在计算范式层面，软件运行的基础设施也在从 CPU 逻辑运算走向 GPU、NPU 驱动的神经网络推理。

今天的问题，不在于大家是不是已经接入了 AI，而在于软件生产体系的三层底座都在同时松动。界面在变，开发动作在变，底层计算逻辑也在变。组织如果还是拿旧框架去接这一轮变化，断裂几乎是必然的。

AI 进来以后，最先震动我们的确实是写代码这一步，于是大家也很容易把全部注意力都压在编码效率上。但白皮书不断往后拆，拆出来的却是另一幅图景，真正被撬动的不是一段代码怎么生成，而是软件到底在什么时刻完成、由谁完成、依赖什么完成、又在什么地方继续变化。

软件开始分层，传统、即时与柔性三种形态并存

接下来最值得被单独拆开的，就是软件本身的形态。

白皮书提出了一条新的观察主轴，能力绑定时机。过去的软件，大多默认能力在发布前被定义清楚。代码、接口、流程、体验，一切都尽可能提前固定下来。但 Agent 出现之后，软件能力开始沿着不同时间点分化，于是软件本身也开始分成三种形态。

第一种是传统软件。能力主要在发布前完成定义与实现，强调确定性、接口稳定、行为可控。在金融、电信、工业、关键基础设施这类场景里，它仍然不可替代。

第二种是即时软件，即 Instant Software。它通常围绕任务临时生成，用完即弃，常见于脚本、一次性页面、临时工具、探索性原型。

第三种是柔性软件，也就是 Elastic Software。它处在传统软件和即时软件之间，核心能力在发布前固定，高变化、高上下文依赖的部分则延迟到运行时，由 Agent 结合 Skill、规则、模板、知识和局部源码改造去完成。

它把今天软件行业里很多已经发生、但还没有被命名清楚的变化，一下子排进了同一张图景。很多标准化软件与用户真实使用路径之间，本来就隔着很长一段距离。过去因为软件生产成本太贵，这段距离只能由用户自己忍受。

现在，Agent 正开始吃掉这段距离，让标准化基座和个性化体验之间出现新的中间层。软件不再只是一个发布前被一次性做完的东西，而越来越像一个有稳定内核、但可在运行时继续变形的系统。

传统分类更关心软件属于哪个行业、哪个部署形态、哪个收费模型，但 AI 时代的软件差异，越来越不只在这些地方，而在它到底是在发布前完成，还是在运行时继续生成，或者是在两者之间形成一种稳定核心加柔性外层的新组合。能力绑定时机一变，软件的生产逻辑、维护逻辑、交付逻辑和商业逻辑都会跟着变。

如果再往现实里看一步，这组分类其实也在重新解释很多企业今天的产品栈。最底层那些要求强可靠、强审计、强稳定的部分，仍然更接近传统软件。围绕一次性需求迅速生成的小工具、小流程、小页面，更接近即时软件。

而真正可能成为下一轮主战场的，恰恰是中间这片柔性软件地带，稳定基座还在，但上层体验、交互路径、任务执行逻辑开始围绕具体上下文动态变化。很多公司现在嘴里说的 Agent 化，真正落下来的，往往也正是这片区域。

真正被重写的，还有软件工程

AISMM 的模型框架提供了一个全景坐标系，而白皮书的第三章则对坐标系中各维度涉及的技术和实践要素背后的变革肌理进行了深入剖析，通过八个核心切面揭示了 AI 原生软件工程正在经历的根本性重构。

技术底座部分从工程实践视角梳理了六个关键技术维度的演进脉络与能力边界，为企业制定务实技术战略提供基础。软件形态分析则从 “能力绑定时机” 这一独特视角审视软件形态的深刻分化，帮助企业在传统软件、柔性软件和即时软件之间做出战略选择。

流程重塑部分探讨了基于软件形态分化的开发流程变革方向，揭示了 AI 原生时代 Spec（规格说明，Specification）与 TDD（测试驱动开发，Test-Driven Development）的全新内涵。架构重塑则将架构设计的关注点从空间结构扩展到时间结构，提出了 “为 Agent 设计” 的新范式。

知识工程体系正在经历从传统文档管理到知识编译范式的完整跃迁，知识的承载格式、存放位置、维护方式都在发生深刻的变化。度量变革则直面传统软件研发度量体系在 AI 原生时代的失效风险，提出了面向 AI 原生研发的新度量坐标。

自进化飞轮将软件生产的各个环节连接为自我改进的循环，代表着组织建立了可自我改进的软件生产生态系统。角色重塑与组织进化则揭示了技术、流程、架构、知识和度量的变革最终如何落在人的身上，以及组织如何培养适应新范式的人才、建立支持持续进化的文化和机制。

当代码变便宜，知识会重新变贵

当代码越来越廉价，领域知识会成为企业真正不可替代的资产。这不是一句空泛的口号，因为很多组织今天的现实问题正好相反，它们不是没有资料，而是没有把资料整理成 Agent 真能吃进去的东西。

传统文档管理、领域知识库、RAG、Context Engineering、Harness 知识体系、Skill 库质量管理、会话级与任务级记忆、多 Agent 共享与贡献知识，这些在白皮书里并不是分散的小点，而是一条连续的进化路径。知识不再只是存起来给人看，而要整理成 Agent 可以消费、复用、扩展和沉淀的结构化资产。

这也是为什么很多企业表面上已经接入了最先进的模型，真正跑起来却还是很别扭。问题不一定出在模型能力本身，而是组织内部最关键的知识资产还停留在给人看的状态，没有被转换成可编排、可调用、可记忆、可积累的工程对象。模型越强，这个问题反而越尖锐。因为当代码变便宜之后，真正贵的就不再是生成本身，而是生成到底建立在什么知识之上。

过去很多企业把知识管理看成文档管理，把经验沉淀理解成存档，把内部 know-how 看成只有老员工才知道的隐性能力。但 AI 原生研发往前走，知识不再只是一个供人检索的仓库，而会越来越像软件生产本身的一部分。谁能把知识变成 Agent 可以稳定消费的资产，谁就更可能把组织经验转化成持续复用的生产力。到这一步，企业的真正壁垒就不只是模型接入速度，而是知识有没有被编译进系统。

最后，变化都会压回到组织身上

当这些变化一层层叠加之后，最后都会压回到人和组织身上。

白皮书的判断很直接，开发者未来不只是代码编写者，而越来越像系统设计师、Agent 协作者、结果验收者和边界守护者。从 L1 和 L2 的工具培训、Prompt 和 Context 能力建设，到 L3 的 Agent 协作者与监督者，再到 L4 的 Agent Orchestrator、Agent Evaluator、AI 产品经理，直到 L5 所设想的飞轮架构师，以及「超级个体 + 多 Agent」这样的生产单元，一整套组织分工正在重写。

不只是程序员会不会被取代这种老问题，而是软件生产单元本身在变。过去很多团队的基本组织方式，是若干角色围绕一个需求流转。产品提需求，研发写代码，测试验收，运维发布。

AI 进来以后，最先发生变化的可能不是某个岗位被消失，而是一个更小、更高密度的生产单元开始形成。一个人加上一组可编排的 Agent，可能就能完成过去一整个小团队才能完成的动作。等到这种生产单元越来越稳定，组织结构、协作方式和绩效评价就都会被迫重写。

今天关于 AI 编码、Agent、AI 原生软件研发的材料已经很多了，但很多内容停在工具体验层，停在概念包装层，或者停在趋势判断层。AISMM 这份白皮书试着做的，是先把这场变革里的坐标系、路线图和几个关键切面勾出来，让读者先看清楚这场系统性变革的大轮廓。

它真正展开的内容，其实远不止这些。关于三大范式跃迁的更细拆解，关于 5×5 成熟度矩阵的完整读法，关于软件形态、知识工程、组织进化这些切面的更深分析，都还在白皮书正文里。

如果你正处在个体效率提升与组织能力建设之间的夹缝里，如果你的团队已经明显感受到工具热度和组织现实之间的落差，这份白皮书值得继续往下读。

欢迎关注奇点智能研究院服务号，我们将持续发布白皮书的获取方式和后续解读。