ARTICLE · 1064959
开源变硬通货、算力券与暗雷:这轮AI+软件到底谁能活下来
7674字 | 15分钟阅读
前三篇讲了三层：为什么要用AI重造软件业（第1篇），生产方式和产品形态怎么变、谁出局谁换道（第2篇），智能体软件这个新业态能不能变成生意（第3篇）。这一篇收口。
收口要回答的问题是：前面讲的机会，到底谁能真正拿到？决定这件事的，不是谁的PPT做得好，是三样更底层的东西——开源、算力、数据这些生态资源在谁手上，标准的话语权在谁手上，以及两个绕不开的合规暗礁谁先踩到。方案第六部分"夯实软件智能化发展基础"和第七部分"优化软件产业发展环境"讲的就是这些。它们不像技改和智能体那么显眼，但决定生死的往往是不显眼的部分。
这一篇的最后，会给三类玩家各下一句判断——真金、鸡肋还是陷阱——并给出一个和多数人相反的核心结论。
一、开源变硬通货：从情怀到可以兑换的资产
方案第（十三）条"促进软件开源协同创新"，多数人会扫过去，因为"支持开源"是每份软件政策的标配。但这一条里有两句话是新的，而且分量极重。
第一句："支持高校、科研院所和企业将开源贡献纳入科研评价与人才认定体系。"第二句："探索将开源贡献作为挖掘软件领域优质中小企业重要参考指标。"
这两句话意味着什么？意味着开源贡献从一种情怀、一种成本、一种可有可无的品牌行为，变成了可以兑换的硬通货：对个人，可以换职称、换人才认定；对企业，可以换"优质中小企业"的身份，而这个身份连着后面的项目、资金和政策支持。
过去企业对开源的态度是矛盾的：知道开源能建生态，但开源意味着把核心代码公开、意味着投入没有直接回报，所以多数企业要么不做，要么做做样子。现在这个算盘要重打了。当开源贡献可以换来人才认定和企业评级，它就不再是成本项，是投资项。
对企业的含义是：要不要战略性投入开源，答案从"看情况"变成了"必须算一笔账"。这笔账的收入端现在有了新的项目：开源贡献带来的人才认定，能降低你的招人和留人成本；开源贡献带来的企业评级，能提高你进入各种名单的概率；再加上方案说的"支持重点开源项目在社区首发""建立优质开源项目遴选和培育机制"——被遴选进去的项目会得到实实在在的资源。对有技术积累的中小软件公司，开源可能是进入"名单"最便宜的一条路，比拼技改的实效、拼标杆的资源都便宜。
对个人开发者的含义更直接：开源履历的价值会上涨。当开源贡献进入科研评价和人才认定体系，一个开发者在开源社区的贡献记录会成为比简历上的公司名更硬的凭证。第2篇讲过软件从业者的三层分化，这里补一句：开源贡献是从第一层往第二、三层走的一条可见路径，因为它证明的恰恰是你能定义问题、能做出被人复用的东西。
还有一条暗线值得注意："加强自主开源许可协议应用与合规指引。"这句话对用开源的企业是一个新的合规信号。自主开源许可协议一旦被推广，意味着企业在选择开源组件时，许可协议的合规会成为新的审查项——你用的开源项目采用的是什么协议、你的产品是否满足协议要求、你的开源贡献采用什么协议，这些过去没人管的事会逐渐有人管。对绝大多数从来不看许可协议就直接用开源组件的中小软件公司，这是一个需要提前补课的地方。
谁受益？有技术积累、愿意把非核心能力开源换取生态和评级的企业；有开源贡献记录的开发者。谁受损？靠闭源和信息不对称吃饭、没有可开源的技术积累的公司——它们在这条线上什么都换不到。
二、算力普惠：够不够抹平中小企业的劣势
方案第（十四）条"强化软件企业算力服务支撑"，核心是三件事：完善智算云服务体系，发展算力、模型、软件工具一体化服务；"用好算力券等普惠性支持政策"，降低软件企业算力使用成本；加强面向中小企业的算力供需匹配与上云用算指导。
算力券是本篇要列的真金白银口子之一，先说它能干什么，再说它干不了什么。
能干什么：降低中小软件企业试用和小规模使用算力的门槛。一个中小公司想用智能编程工具、想训练一个垂直模型、想跑一个智能体，算力成本是第一道坎，算力券能把这道坎降低。"算力供需匹配与上云用算指导"则解决的是"不知道去哪买、不知道怎么用"的问题。这些对从零起步的中小企业是实实在在的帮助。
干不了什么：抹平中小企业和大厂的算力差距。大厂的算力优势不是几张券能对冲的，它们的优势在于规模、在于自建、在于和硬件厂商的深度绑定。算力券的性质是普惠，普惠的意思是每家都能拿一点，但每家拿到的都不多。用它降低试用门槛可以，用它支撑规模化训练和大规模部署，杯水车薪。
所以对中小企业的正确姿势是：用算力券做那些不需要大算力的事——用现成的模型、做垂直的微调、跑轻量的智能体——而不是用它去追大厂的路。这和第3篇的判断一致：中小企业的机会在垂直和轻量，不在底座和规模。算力券的设计，本身就在把中小企业往这个方向引。
还有一层含义容易被忽略：方案说的"算力、模型、软件工具一体化服务"，意味着智算云平台会把算力、模型和开发工具打包卖。这对独立的智能编程工具商和模型服务商是一个挤压信号——当云平台把这三样打包，独立工具的生存空间会被压缩。做工具的公司要么进入云平台的一体化体系，要么做出云平台不愿意做的垂直和专业能力。
三、数据这条暗线：谁有高质量工程数据，谁有护城河
方案第（十五）条"建设软件行业高质量数据集"，讲的是围绕代码生成、智能测试、智能运维三个关键场景建设高质量数据集；完善数据标注、清洗与合成工具链；依托开源社区和代码托管平台加强数据共享。
这一条是全篇最安静的一条，也是最长期的一条。
智能编程的能力来自哪里？来自模型，而模型的能力来自数据——高质量的代码、测试用例、运维日志、缺陷记录。方案把数据集建设点在"代码生成、智能测试、智能运维"三个场景，正是智能编程最核心的三个环节。谁掌握这三个环节的高质量数据，谁在智能编程时代就有护城河，因为数据是模型能力的上限，而工程数据的积累是时间的函数，追不上。
谁受益？三类玩家。
第一，代码托管平台。方案说"依托开源社区和代码托管平台加强数据共享"，代码托管平台本身就是最大的工程数据池，它们在数据这条线上的位置最有利。
第二，有大规模研发过程数据的头部软件企业。它们的内部代码库、测试记录、运维日志是高质量的私有数据集，可以用来训练和微调自己的智能编程能力，形成别人拿不到的优势。这和第2篇讲的"研发过程有度量的企业先拿技改"是同一件事的两面：度量产生数据，数据产生能力，能力证明实效。
第三，做数据标注、清洗、合成工具链的专业公司。方案专门点了这条工具链，这是一个明确的细分赛道，而且是基础设施性质的，一旦形成客户粘性很强。
谁受损？没有积累工程数据、也没有意识去积累的中小软件公司。它们的研发过程是黑箱，代码散落在各个项目里，测试记录没有沉淀，运维日志不留存。在数据这条线上，它们没有筹码。
对老板的提醒和第2篇一样：现在就把研发过程的数据留下来。不是为了申报什么，是因为这些数据在两三年后会成为你能不能用好智能编程、能不能训练自己的垂直能力的决定因素。
四、标准话语权：先发者的红利
方案第（十六）条"推进软件领域关键标准研制"，点了三类标准：智能编程能力成熟度分级评估标准；面向软硬协同的智能体接口标准；"模型即服务""智能体即服务"等智能服务标准。
参与定标准的企业能拿到什么？三样东西。
第一，定义竞争维度的权力。智能编程能力成熟度分级标准一旦定出来，"什么算智能化程度高"就有了官方尺子，而尺子是按定标准的人的产品能力刻的。你的产品在哪个维度强，尺子就往哪个维度倾斜。第2篇讲过技改"以实效为依据"，成熟度分级标准就是衡量实效的尺子——定尺子的人，天然在尺子上得分高。
第二，接口的先发位置。智能体接口标准决定了智能体如何与硬件、与软件、与其他智能体对接。谁的接口方案成为标准，谁的产品就成为默认的对接对象，其他人都要来适配它。这和第3篇讲的"集成适配"是一枚硬币的两面：接口标准化后，集成的壁垒会部分转移到标准制定者手上。
第三，服务模式的定义权。MaaS、AaaS服务标准解决的是第3篇讲的那个核心问题——"谁为不稳定的智能体买单"。谁参与定义什么算合格的服务、什么算故障、怎么计费，谁的服务模式就成为甲方采购的默认模板。
谁能参与定标准？现实是头部企业和有行业组织资源的企业。中小企业直接参与的概率低，但可以做一件事：盯紧标准的方向，在标准落地前把自己的产品和服务往标准靠——标准落地那一刻，符合标准的产品可以立刻进入采购口径，不符合的要重做。
五、两个合规暗礁：做得越快，雷埋得越大
方案第（十九）条"提升软件领域安全保障能力"，是所有用AI写代码、做智能体的公司现在就必须回答的一条。它讲了两件事，我称之为两个合规暗礁。
暗礁一：AI生成代码的安全
方案的原话是"加强人工智能生成代码安全审查，防范智能编程工具恶意指令注入等新型攻击，强化开发工具、代码库等访问控制"，还要"研究智能体身份标识、可信互联、数据安全、行为管控等安全技术，推动建立覆盖开发、部署、应用等环节的智能体安全管理规范"。
风险在哪？三个层面。
生成代码本身的安全。AI生成的代码可能带有漏洞、可能引用了不安全的依赖、可能实现了看起来正确但存在安全缺陷的逻辑。当代码由智能体大规模生成，人工审查跟不上生成速度，不安全的代码会以前所未有的规模进入生产系统。这是第2篇讲的"AI自己造漏洞"的问题。
智能编程工具被攻击。"恶意指令注入"是新型攻击：攻击者不攻击你的代码，攻击给你写代码的智能体——在它读取的文档、依赖、网页里埋入指令，让它生成带后门的代码或泄露代码库。你的开发工具越智能、读取的外部信息越多，这个攻击面就越大。
智能体的行为管控。智能体会执行动作、调用系统、访问数据，一个失控或被劫持的智能体造成的破坏远大于一段有bug的代码。方案说要研究"身份标识、可信互联、行为管控"，意思是智能体要有身份、要能被认证、行为要能被约束和追溯。
应对方向：第一，把AI生成的代码当成来自不可信来源的代码对待，进入生产前必须过安全审查，而且审查要自动化，否则跟不上生成速度。第二，收紧开发工具和代码库的访问控制，智能体能读什么、能写什么、能执行什么，要有明确的权限边界。第三，给智能体建身份和审计，每一个动作可追溯、可回滚、可拦截。做得早，这是成本；做得晚，这是事故。
暗礁二：AI生成代码的知识产权
方案的原话是"加强人工智能生成代码的知识产权合规治理"，只有一句，但这一句背后是一个所有人都还没想清楚的问题。
风险有两头。
归属。AI生成的代码，著作权归谁？归使用工具的企业？归工具的提供方？还是根本不构成著作权客体？如果你的核心产品有大量代码由AI生成，而这些代码的权属不清晰，那你的产品的知识产权基础就是不清晰的——融资尽调、并购、诉讼时都会被问到。
侵权。AI生成的代码可能与训练数据中的代码高度相似，而训练数据里的代码有各自的许可协议。你的智能体生成了一段代码，这段代码实质上复制了某个开源项目的实现，而那个项目采用的是有传染性的许可协议——你的整个产品可能因此面临合规风险。这和第一节讲的"自主开源许可协议合规指引"连在一起：许可协议合规在AI生成代码的时代不是可选项，是必答题。
应对方向：第一，记录。每一段AI生成的代码，记录它是哪个工具、什么时候、基于什么提示生成的，这是未来任何权属和侵权争议的证据基础。第二，审查。对进入核心产品的AI生成代码做相似性和许可协议审查，就像审查第三方依赖一样。第三，合同。在和客户、和工具提供方的合同里，明确AI生成代码的权属和责任分配，不要留到出事再谈。
两个暗礁合起来，一个共同的结论是：用AI写代码、做智能体的公司，做得越快、规模越大，埋的雷就越多；如果没有同步建立安全审查和IP合规的机制，效率提升的红利可能被一次安全事故或一场侵权诉讼全部吃掉。方案把这两条写进"安全保障能力"，不是提醒，是预告——这些会成为监管要求。
六、真金白银在哪：只认这几个口子
方案通篇大量使用"支持""鼓励""引导"，读政策的人都知道这些词的分量：它们是方向，不是钱。真正给钱、给政策的硬抓手，集中在方案第八部分"加强组织保障"和散落在各处的几个具体安排里。
我只认这几个口子：
100项软件企业智能化技改项目。这是最直接的资金口子，但第2篇讲过，它以实效为依据、优先支持成效突出的企业，门槛是你要有数据证明降本增效。
首版次软件产品认定。方案说"统筹各类资金渠道、首版次软件产品认定等政策，对符合条件的'人工智能+软件'项目给予支持"。首版次认定是一个现有的政策渠道，这次被明确纳入AI+软件的支持范围。对做出了新型智能软件产品的企业，这是一个值得盯的口子。
算力券。第二节讲过，普惠性质，能降门槛、不能抹差距。适合中小企业做轻量的事。
揭榜挂帅。方案说"依托'揭榜挂帅'等机制推进重点任务落地"。揭榜挂帅的逻辑是国家出题、企业揭榜、按结果给资源，适合有硬核技术能力、能承担具体攻关任务的企业。这个口子的特点是门槛高但回报也高，而且拿到的不只是钱，是身份。
财政专项资金。方案说"利用财政专项资金，加快关键技术研发、基础设施建设和场景应用"，覆盖三个方向。这是最大的口子，但也是最需要通过具体项目去争取的口子。
除了这五项，方案里的其他表述，包括"人工智能中小企业创业支持计划""深度行活动""创新创业集聚区""创新应用大赛"，都要按方向性喊话处理——它们可能有资源，但没有写明，落地要看各地方和各部门的后续动作。读政策的纪律是：没写明的不当真，写明的才盯。
七、收官：给三类玩家的最后一句话
四篇讲完，最后要收口。对三类玩家，各下一句判断——真金、鸡肋还是陷阱。
软件与IT服务企业：对能转型的是真金，对不能转型的是陷阱，没有中间地带。能转型指的是三件事：定价从人换到结果、研发过程建立度量并留下数据、进入一条政策有指向的赛道（安全、集成适配、数据工具链、开源）。做到这三件事的公司，会拿到技改、拿到客户、拿到生态位置；做不到的公司，方案对它们不是利好，是一份写清楚了的淘汰通知。这份方案最不适合的读法，就是把它当成"软件业整体利好"。
智能体/AI应用创业者：局部真金，大面积鸡肋，个别陷阱。真金在垂直Know-how、细分技能包、集成适配和可验证场景；鸡肋是那些看起来很热但没有付费方的通用场景；陷阱是和大厂拼底座、靠demo融资而不靠交付收钱、有智能体能力没集成能力的路。第3篇讲透了这个边界，这里只补一句：创业者要盯的不是100个标杆应用，是标杆之外那些愿意为可验证结果付费的普通客户。
工业与基础软件厂商：真金，但只对头部和有深度行业合作的玩家。基础软件借智能化维度换道、工业软件封装工业Know-how，这两条路是结构性机会，15家适配中心、软硬协同攻关、工业企业联合软件企业，这些安排都在为它们铺路。但门槛是体量和合作深度，中小厂商如果没有找到自己的工业企业合作方或硬件厂商合作方，这份真金拿不到。
八、最后一个判断：大多数人正在看错的地方
写完四篇，给一个带非共识色彩的核心判断。
大多数人读这份方案，眼睛盯在两个地方：智能编程工具，和智能体软件。前者是"用AI写代码"，后者是"AI当员工"，都是最显眼、最容易理解、最容易讲故事的部分。资本在这两个地方扎堆，创业者在这两个地方扎堆，媒体的解读也在这两个地方扎堆。
我的判断是：这轮AI+软件，最大的机会不在写代码和做智能体，在"存量"两个字上。
方案里有几句话反复出现：对"存量软件"实施漏洞挖掘和风险评估；提升智能体与"存量软件系统"的集成适配水平；智能体要与"工业控制系统软件、企业核心业务系统"交互适配；技改要向重点行业的"软件开发环节"延伸。这些话指向的是同一件事——中国二十多年信息化积累下来的巨大存量系统，要用AI重新做一遍。
存量系统的规模有多大？我不给数字，因为锚点库里没有，但量级判断是确定的：每一家规上企业、每一个政务部门、每一家金融机构、每一个工厂，都有一堆跑了多年的老系统。它们的代码没人敢动，它们的漏洞没人扫过，它们的数据没人理顺，它们和新东西之间没有接口。AI第一次让"重做存量"在成本上成为可能，而方案在多处把这件事写成了明确方向。
为什么大多数人看错？因为存量的活又脏又难又不性感：要读老代码、要接老系统、要理老流程、要和老员工打交道，没有demo可以演示，没有故事可以讲。但正是因为脏和难，它没有巨头、没有内卷、有真实的付费方，而且做完一家就是一家的护城河。
这个判断和前面三篇是贯通的。第1篇讲人海时代结束，人海结束后释放出来的那些懂业务、懂系统、懂客户的人，正是做存量改造最合适的人。第2篇讲项目型和实施型公司要转型，转向存量改造恰好能发挥它们的老本行。第3篇讲集成适配是脏活里的金矿，讲的就是这件事。第4篇讲的合规暗礁，在存量改造里同样要面对，但相比于做全新的智能体，存量改造的风险边界更清晰。
所以，如果只让我给软件公司老板和AI创业者一句话：别都挤在写新代码和做新智能体的路上，回头看看那些没人愿意碰的老系统，机会在那里，而且没什么人跟你抢。
全系列收束。
四篇下来，讲了一条完整的线：第1篇，工信部为什么在此刻用AI重造软件业——趁AI换道，重构成本结构、人力结构和国产化格局，人海时代结束被写进政策前提。第2篇，生产方式和产品形态怎么变——人月模式的地基被抽掉，技改用实效设门槛，软件安全成为新赛道，基础软件和工业软件各有换道窗口，从业者分成三层，公司分成四条路。第3篇，智能体软件能不能变成生意——三件套给了上架通道，四类产品机会各异，订阅制和按效果收费先跑通，集成适配是脏活里的金矿，中小企业的机会在垂直和轻量。第4篇，底层生态和暗礁决定谁活下来——开源变硬通货，算力券降门槛不抹差距，工程数据是护城河，标准是先发红利，AI生成代码的安全和IP是两颗必须拆的雷，真金白银只认五个口子。
如果要用一句话总结这份方案：它不是在给软件业送红利，它是在给软件业换规则。规则换了，能活下来的是那些先看懂规则、先改自己活法的人。
这份方案的主目标是2028年，不远。
作者更多文章推荐
谁在买，谁在卖？34.78万亿背后，中国外贸悄悄换了"发动机"
点击左下方“阅读原文”查看所有原创作者 ↓↓↓
