工信部“人工智能+软件”方案解读

2万家软件企业、100项智能化技改、100个智能体标杆应用、5个以上优质开源项目。

工信部最新发布的“人工智能+软件”方案，首次将软件产业AI化升级的目标进一步量化、具体化。

未来几年，AI或将深入软件企业的研发流程、产品架构乃至商业模式，推动整个软件产业加速重构。

四个数字，圈出改造范围

方案提出，到2028年，将培育一批智能编程工具和智能开发平台，推动相关应用覆盖2万家规模以上软件企业。

同时，实施100项软件企业智能化技改项目，围绕重点行业打造100个智能体软件标杆应用，并孵化5个以上优质开源项目。

到2030年，政策目标进一步向纵深推进：推动关键软件全面迈向智能化升级，让智能编程、智能体软件和智能服务逐步成长为软件产业新的增长引擎。

政策释放出的信号十分明确：软件智能化正在从企业层面的自发探索，走向目标有量化、项目有试点、产业有政策工具支持的系统性改造阶段。

AI将改造软件的三层结构

第一层是软件生产。

方案提出发展智能体驱动的智能编程工具，将AI能力进一步嵌入需求分析、代码生成、测试验证、部署等研发环节。

AI编程也将不再只是辅助开发者完成代码补全，而是逐步具备理解项目、拆解任务、跨文件修改代码以及自动测试等能力，向真正的开发智能体演进。

与此同时，政策鼓励地方利用现有资金、“算力券”等政策工具，支持企业采购自主编程工具、使用自主大模型编程服务。

这意味着，AI Coding有望从开发者个人使用的工具，进一步进入企业技术改造和研发投入体系。

第二层是软件产品。

操作系统、数据库、中间件、工业软件、ERP、CAD、MES以及工业互联网平台等，都可能加速融入自然语言交互、智能分析和自主执行能力。

软件的使用方式也将随之改变，用户只需提出业务目标，系统便可以理解需求并调用内部功能模块，协同完成相应任务。

第三层是软件服务。

方案鼓励软件企业从传统项目开发模式向人工智能应用服务模式转型，进一步拓展模型服务、智能体服务和行业解决方案。

这也意味着，过去主要依靠人力、工时和定制项目获取收入的商业模式将面临新的挑战。

未来，客户可能更多按照调用次数、任务量甚至实际业务结果付费，而软件企业也需要具备模型接入、数据治理、工作流编排以及持续运营等综合能力。

政策真正押注的是智能体

整份方案中，智能体软件无疑是最值得关注的方向之一。

工信部将其定义为具备感知、记忆、决策、交互和执行等能力的新型软件形态。

与传统软件主要提供功能工具不同，智能体软件可以理解用户目标，并自主调用相应工具完成任务。

在企业场景中，一个智能体甚至可以打通ERP、财务系统、知识库、邮件及审批平台等多个系统。

它能够完成库存查询、采购建议生成、合同起草以及审批流程发起等一系列工作。

但软件从“能用”走向“自主执行”，也意味着更高的技术和安全要求，包括身份认证、权限管理、数据隔离、操作留痕、模型幻觉以及异常操作回滚等。

因此，方案不仅强调对生成代码进行安全审查，还提出推动重点行业新上线软件在上线前开展安全检测。

这意味着代码审计、软件测试、AI安全、运行监控等相关企业，有望迎来新的需求空间。

与此同时，开源也被置于重要位置。方案提出依托开放原子开源基金会和AtomGit，支持智能编程、智能体、智能操作系统等项目首发，并探索将开源贡献纳入科研评价和人才认定体系。

政策关注的并不只是“有多少开源项目”，更希望推动国内开源生态解决长期维护不足、商业转化能力弱以及核心开发者参与度不高等问题。

谁会受益，谁会承压

最先感受到变化的，将是国产AI编程工具、开发平台、基础软件、工业软件、智能体平台、代码安全厂商，以及提供模型和算力服务的云厂商。

同时，掌握行业数据、客户资源和业务入口的软件企业，也将迎来新的发展空间。

医疗、金融、制造、交通、政务等领域的专业知识和业务经验，很难单纯依靠通用模型完成替代。

真正能够将行业知识、业务流程与AI执行能力融合起来的企业，更有可能建立长期竞争壁垒。

压力则会率先传导到依赖人力规模和重复开发的软件外包企业。

随着AI提升单个开发者的生产效率，同样规模的项目可能不再需要过去那么庞大的开发团队。

程序员的岗位结构也会随之发生变化。

工信部在政策解读中明确提出，要稳定现有就业岗位、防范大规模突发性失业，同时增加代码审查、AI安全等新岗位，引导从业人员向更高附加值的工作转移。

纯粹执行编码任务的价值会逐步降低，而需求理解、架构设计、系统集成、质量保障和安全治理的重要性将进一步提升。

软件不会消失，程序员也不会突然消失。

但那些只能接需求、堆功能、按人天收费的软件企业，未来的生存空间很可能会越来越小。