ARTICLE · 1007085
AI正在重写软件业:从工信部“人工智能+软件”新政,看中国软件产业的七个转向
软件行业真正的AI冲击，可能才刚刚开始。
2026年9月，工业和信息化部印发《“人工智能+软件”专项行动实施方案》。
如果只看目标，这是一份典型的产业促进政策：到2028年，智能编程工具和智能开发平台覆盖2万家规模以上软件企业，实施100项软件企业智能化技改项目，在重点行业打造100个智能体软件标杆应用，孵化5个以上优质开源项目。
但如果把政策文件和9月11日工信部新闻发布会放在一起看，就会发现这次政策关注的远不只是“如何发展AI软件”。
发布会上记者问的问题非常现实：
AI写代码越来越强，程序员怎么办？
传统软件以后卖什么？
工业软件会不会被AI重新做一遍？
智能体起来以后，原来的ERP、OA、CRM怎么办？
软件公司为什么一定要做AI化改造？
算力、数据、标准怎么解决？
智能体进入核心业务系统，出了问题谁负责？
开源越来越重要，软件企业靠什么赚钱？
这些恰恰也是今天中国软件企业最关心的问题。
而工信部这份政策真正释放出的信号是：
这一轮不是“AI给软件增加一个功能”，而是AI开始重写软件行业的生产方式、产品形态、交付方式和价值分配。
一先看一个最重要的变化：软件公司的价值正在迁移
过去几十年，软件公司的基本商业逻辑并不复杂。
程序员写代码，企业形成软件产品，然后按项目、Licence、账号、模块或者订阅收费。
因此软件公司的核心资产往往是代码、产品和项目实施能力。
AI出现以后，这套逻辑正在发生变化。
工信部在发布会上对这一趋势的概括非常直接：人工智能正在同时带来三场变革——软件生产方式发生变化，软件产品由工具向智能伙伴演进，软件交付则由销售产品向提供能力转变。
这三句话其实非常重要。
因为它意味着未来软件行业的价值重心正在从：
写代码 → 做产品 → 卖软件
逐渐向：
理解业务 → 组织知识 → 调度智能体 → 完成任务 → 持续交付结果
迁移。
代码当然不会消失，软件也不会消失。
但“拥有大量代码”本身，正在变得越来越不稀缺。
真正稀缺的东西，会逐渐变成行业知识、业务流程、数据、系统集成能力、可信执行能力，以及能否真正帮助客户完成一个业务结果。
这可能是理解这份政策最重要的一条主线。
二第一个转向：软件生产，从“人写代码”走向“人机协同”
这次政策把“推进软件生产变革”放在六大任务的第一位，并不是偶然。
发布会上，中国电子信息产业发展研究院副院长朱敏给出的判断是：智能编程在AI与软件融合的众多方向中，已经属于成熟度较高、产业实践较充分、可以大规模推进的领域，而且正在从简单代码补全向智能体驱动的软件开发演进。citeturn406377view4
这意味着一个非常现实的问题：
未来衡量一家软件企业研发能力，已经不能只看“有多少程序员”。
过去一家500人的软件公司，可能300人都在研发和编码。
未来相同规模的业务，究竟还需要多少人？
这个数字很难现在判断，但研发组织肯定会改变。
AI Coding真正影响的不是程序员敲代码的速度，而是整个软件工程流程。
需求拆解、原型、代码生成、测试、漏洞检查、文档、部署、运维，都会逐渐进入智能化工作流。
因此未来软件公司的竞争，不再是谁率先给员工买几个AI编程账号，而是谁能够真正重新设计研发流程。
这也是为什么政策使用了一个很有意思的词：
软件企业智能化技改。
过去我们讲“技改”，更多想到工厂、机床、自动化产线。
现在软件企业本身也需要技改。
这说明在政策层面，AI Coding已经不再被理解为一个办公效率工具，而开始被理解成软件企业的新型生产设备。
对于软件公司管理者而言，这个变化值得高度重视。
真正需要改的，可能不是工具，而是组织。
三第二个转向：软件产品，从“功能菜单”走向“智能伙伴”
传统软件最基本的交互逻辑是什么？
人打开软件。
找到菜单。
点击功能。
录入信息。
软件执行。
所以过去的软件，本质上是一个“等待人操作的工具”。
但智能体的逻辑完全不同。
用户只需要告诉系统自己的目标，智能体可以理解意图、拆解任务、调用软件、调用数据，再完成整个流程。
政策因此提出，要推动软件由“被动响应”走向“主动执行”，并专门提出建设智能体软件应用商店和Skills技能包资源库。
这可能是未来几年软件产业影响最大的一次产品变化。
因为一旦智能体成为用户访问企业数字系统的主要入口，很多软件原来的界面价值都会下降。
过去员工每天需要登录OA、ERP、CRM、财务、人力资源、项目管理等多个系统。
未来用户可能只面对一个智能入口：
“帮我看看这个项目为什么延期。”
“把华东区域最近三个月应收账款异常的客户找出来。”
“给这家客户生成下一步跟进建议。”
然后智能体在后台调用多个系统完成任务。
这时候真正重要的，就不再只是软件有没有一个漂亮的UI，而是：
你的系统能不能被AI理解、调用和操作。
因此未来的软件不仅要“用户友好”，还要“AI友好”。
API、MCP、Skills、Agent接口、权限体系、知识库、数据语义以及可执行能力，都可能成为新的基础设施。
这也是为什么我认为：
未来软件行业很可能从“App生态”，进一步走向“Agent + Skills生态”。
四第三个转向：软件商业模式，从“卖产品”转向“卖能力、卖结果”
这可能是发布会上最值得软件公司老板认真看的一个回答。
针对智能软件服务与传统软件服务有什么不同，中国软件行业协会副理事长兼秘书长吕卫锋明确表示：
智能软件服务正在推动软件价值交付从产品销售向持续服务运营转变，并由出售产品向出售能力、出售结果拓展，“模型即服务”“智能体即服务”等模式正在加快出现。
这句话背后的影响可能非常大。
过去SaaS为什么喜欢按账号收费？
因为“人”是软件主要使用者。
一个企业1000名员工，就可能需要购买1000个Licence。
但如果未来真正操作软件的是AI智能体，逻辑就会改变。
一个智能体可能同时服务几百甚至几千名员工，也可能一天自动完成上万次后台任务。
这时候按“人头”收费就未必再合理。
未来的软件收费方式很可能越来越多地与调用量、任务量、业务量、智能体数量、服务质量乃至最终业务结果关联。
比如不再只是卖一套客服软件，而是按照完成多少次有效客服服务收费；
不只是卖供应链系统，而是提供库存优化能力；
不只是卖营销软件，而是交付有效销售线索；
不只是卖数据分析平台，而是直接帮助企业完成经营分析和决策建议。
这并不意味着传统Licence和SaaS收费马上消失。
但软件行业的价值锚点很可能正在发生变化：
客户最终愿意付钱的，不是软件本身，而是软件替他完成了什么。
对于大量依赖项目制、定制开发和人月报价的软件企业来说，这个变化尤其值得警惕。
五第四个转向：工业软件迎来的不只是“AI插件”，还有一次重新洗牌的机会
工业软件可能是这份政策中另一个非常值得关注的方向。
发布会上，工信部把AI与工业软件融合概括为两条路径：
一条是“AI辅助”，也就是在现有CAD、CAE、EDA等软件中增加智能能力；
另一条则是“AI原生”，直接由模型承担部分软件核心能力，重新设计软件研发和运行逻辑。
前一条路径，是效率革命。
后一条路径，则可能意味着产业格局变化。
传统工业软件最大的壁垒之一，是几十年形成的工程算法、软件架构、用户习惯和产业生态。
中国企业过去更多是在追赶成熟产品。
但AI原生工业软件提供了一种新的可能性：
不一定完全沿着国外工业软件几十年前形成的技术路线继续追赶，而是在新的交互方式、新的建模方式、新的知识封装方式上重新定义产品。
尤其值得注意的是，政策提出支持企业把工业经验、工艺参数等知识封装为可复用的模型库和工业组件。turn406377view3
这背后其实是工业软件竞争逻辑的一次变化：
过去是谁拥有更多代码，未来可能是谁拥有更多高质量工业知识。
对于拥有制造业客户资源、行业专家和产业数据的软件企业来说，这反而可能成为一次机会。
六第五个转向：程序员不会简单消失，但“只会写代码”的岗位价值会下降
发布会上最受关注的问题之一，是“AI会不会替代程序员”。
官方回答其实没有回避问题。
吕卫锋明确提到，单纯编码执行能力的权重正在下降，而需求理解、架构设计、系统集成、质量和安全控制等能力要求在上升；同时，人机协同正在成为新的基础能力，既懂软件又懂行业的人才会更加紧缺。citeturn406377view1
这比简单说“AI不会替代人”更值得关注。
因为真正的问题从来不是“程序员这个职业会不会消失”。
而是：
软件产业内部，价值会重新分配。
重复性的编码工作会越来越多交给AI。
需求理解、产品设计、复杂系统架构、AI生成结果校验、行业知识、数据治理、系统集成、安全和业务运营的重要性会上升。
发布会甚至专门提到了一个近两年快速升温的新角色——FDE，前线部署工程师。
FDE为什么重要？
因为AI时代软件交付最大的难点，越来越不是“功能做不出来”，而是“怎么真正进入客户的业务现场”。
模型能力已经越来越通用。
真正困难的是理解客户组织、业务流程、数据、权限、系统和行业规则，再把AI嵌进去。
所以未来最有价值的软件人才，很可能越来越像：
技术人员 + 产品经理 + 行业顾问 + AI工程师。
这对于今天的软件从业者，是一个非常明确的职业信号。
七第六个转向：软件公司的护城河正在从“代码资产”转向“行业知识资产”
政策专门提出建设软件行业高质量数据集，并推动知识库、技能包、模型库以及工业组件建设。citeturn695048view0
这件事情容易被低估。
大模型让通用代码越来越便宜以后，一家行业软件公司的真正壁垒是什么？
未必是它有几百万行代码。
更可能是：
它懂不懂医院怎么运行；
懂不懂银行信贷审批；
懂不懂钢铁生产；
懂不懂政府业务；
懂不懂制造工艺；
能不能把这些知识变成机器能够理解和调用的知识。
过去这些经验往往存在于实施顾问脑子里，存在于需求文档、项目文档甚至微信群里。
AI时代，这些东西必须逐渐被结构化。
变成知识库。
变成高质量数据集。
变成模型。
变成Skills。
变成可以被智能体调用的业务组件。
所以未来软件公司的一个重要工作，很可能不是继续不断堆功能，而是进行一次自己的“知识资产化”。
把过去二十年项目里积累的经验，从人的经验，变成机器可以调用的能力。
这可能才是很多传统软件公司做AI转型真正应该补的一课。
八第七个转向：智能体越强，软件行业越需要重新建立“可信执行”
智能体与过去的聊天机器人最大的区别，是它不只是回答问题。
它能够执行任务。
能够调用企业系统。
能够修改数据。
能够下发指令。
甚至可能进入工业控制和生产系统。
所以智能体普及之后，软件安全的逻辑也会发生变化。
工信部在发布会上特别提出，传统软件安全很多时候是建立在“人在操作”这个假设上的，而未来智能体拥有自主执行能力以后，身份标识、权限控制、行为审计、可信互联、数据安全以及行为可追溯都会成为新的基础能力。citeturn406377view1
这会产生一个非常大的新市场：
AI治理软件。
未来企业采购智能体，可能不仅采购“能力”，同时还必须采购一整套安全和治理体系。
谁可以调用？
可以访问什么数据？
可以执行什么操作？
执行之前是否需要审批？
出了错误能不能撤回？
整个过程有没有日志？
责任如何界定？
这些问题都会成为企业级AI真正进入生产系统之前必须解决的问题。
所以安全、审计、身份、权限、AI网关、智能体治理平台，很可能成为未来几年企业软件的重要增量市场。
九这份政策最终指向的，其实是一场软件行业价值链重构
把整场发布会的问题放在一起看，脉络其实非常清楚。
政府并没有把AI理解为软件产业旁边新增出来的一条赛道。
而是在推动AI进入整个软件产业内部。
从开发工具，到基础软件；
从工业软件，到企业应用；
从智能体，到服务模式；
从开源，到算力和数据；
再到人才和安全。
到2028年覆盖2万家规模以上软件企业、实施100项智能化技改、建设100个智能体标杆应用，本质上是在推动一次软件产业级的AI改造。
因此，对于今天的软件企业来说，最大的风险并不是“要不要做一个AI功能”。
而是仍然把AI理解成一个功能。
真正的变化可能是：
软件怎么生产变了；
软件长什么样变了；
用户怎么使用软件变了；
客户为什么付钱也变了。
一旦这四件事情同时变化，行业原来的竞争规则自然也会变化。
十给软件企业和从业者的五个建议
不要把AI转型等同于“产品接大模型”。先改造研发、测试、交付和运维流程，让AI真正进入软件生产体系，重新测算人员结构和研发效率。
尽快把软件做成“AI可调用的软件”。未来不仅要考虑UI体验，更要建设API、Skills、知识库、数据语义、权限体系和Agent接口，让软件能够被智能体安全调用。
重新盘点自己的行业知识资产。真正有价值的可能不是代码量，而是过去多年积累的业务规则、行业数据、模型、流程和专家经验，要逐渐将其产品化、数据化、组件化。
重新设计商业模式。在Licence、项目制、账号订阅之外，逐步探索按调用、按任务、按能力、按服务甚至按结果收费。AI时代，持续运营能力会比一次性交付越来越重要。
重新定义人才。程序员不会简单消失，但单纯编码的价值会下降。未来更稀缺的是懂AI、懂软件、懂业务、懂数据、能进入客户现场解决问题的人。
11结语
过去的软件行业，本质上是在教机器按照人预先写好的规则执行任务。
AI带来的最大变化，是机器开始能够理解目标，并在一定范围内自己寻找完成任务的方法。
这看起来只是一次技术升级，实际上改变的是整个软件行业的基础假设。
因此，《“人工智能+软件”专项行动实施方案》真正值得关注的，并不是那几个产业指标。
更重要的是，它已经非常明确地告诉市场：
软件产业下一阶段的竞争，不再只是“谁的软件功能更多”，而是谁能够把模型、数据、行业知识和软件系统组合起来，更低成本、更可靠地替客户完成任务。
软件不会消失。
但仅仅停留在“软件”本身的公司，空间可能会越来越小。
未来的软件公司，更像是一家持续提供智能能力的公司。
而这，可能才是这一轮“人工智能+软件”真正带来的产业分水岭。
