工信部要让AI重做软件产业：下一代软件，不再只是卖工具

过去，一家制造企业想提高效率，通常会购买一套又一套软件。

生产部门上MES，供应链上ERP，研发部门用CAD、CAE，销售部门用CRM，财务部门再接一套报销和核算系统。每增加一种需求，就采购一个新模块；每上线一套系统，就培训一批员工。最后，企业的软件越来越多，员工却要每天在十几个页面之间切换、复制数据、发起审批。

AI智能体进入企业以后，这套逻辑开始松动。

企业未来可能不再首先询问：“这套软件有多少个功能？”而会直接追问：“它能不能把排产、采购、质检和设备维护这件事做完？”

前一个问题购买的是工具，后一个问题购买的是任务完成能力。

近日，工业和信息化部印发《“人工智能+软件”专项行动实施方案》。如果只看政策名称，很容易把它理解为又一次“AI赋能传统行业”：让软件企业使用大模型，在原来的产品里增加几个AI功能。

但把文件和工信部9月11日发布会的信息放在一起看，这次行动触及的远不只是“给软件加上AI”。它同时指向软件产业的三个基本环节：

到2028年，工信部提出推动相关推广应用覆盖2万家规模以上软件企业，累计组织实施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，并孵化5个以上重点开源项目。

需要注意，“覆盖2万家企业”和“实施100项技改项目”是两个不同目标，不能简单写成“改造2万家软件企业”。但两组数字共同释放了一个信号：AI对软件产业的影响，正在从企业自发试用进入有目标、有工具、有示范项目的规模化推进阶段。

BuilderPi判断，这份方案真正值得关注的，不是将再出现多少款带有AI功能的软件，而是一个更根本的问题：

当AI可以理解需求、编写代码、调用系统并执行任务，软件还是一套等待人操作的工具吗？

这份方案首先强调的，是改造“软件工厂”

很多人谈“AI+软件”，首先想到的是在办公、财务或者工业软件里增加一个对话框。

但《实施方案》把“推进软件生产变革”放在六方面任务的首位。政策发布会信息显示，在人工智能与软件融合的多个方向中，智能编程技术相对成熟、产业实践较充分，是目前能够大规模推进的领域。

这意味着，AI首先进入的是软件企业内部的生产线。

一款软件从出现需求到正式上线，通常要经过需求分析、架构设计、代码编写、测试验证、部署运维和版本更新。AI编程工具开始覆盖这些环节以后，软件企业有机会缩短开发周期、减少重复劳动。

如果一定要找一个具象的比喻，AI编程工具对软件公司的影响，更像数控机床进入制造业。

数控机床没有让工厂一夜之间不再需要工人，但它改变了生产节拍、岗位分工和单位成本。同样，AI也不会立即把软件开发变成无人参与的过程，却会重新划分“人做什么、机器做什么”。

单纯按照明确要求完成编码的价值可能下降，另外几种能力则会变得更重要：

在工信部9月11日举行的政策发布会上，中国软件行业协会相关负责人还提到“前线部署工程师”（FDE，Forward Deployed Engineer）这类新角色。这类人既不能只懂模型，也不能只懂销售，而要进入客户现场，把模型、智能体、数据和企业原有系统真正连接起来。

因此，AI带来的变化未必是“程序员消失”，更可能是软件团队重新分工。发布会也明确承认，新岗位并不会简单等量替代原有岗位，重复性基础岗位承压与复合型人才紧缺可能阶段性并存。

软件正在从“等待点击”，变成“主动执行”

在改变软件生产方式的同时，AI也在改变软件本身。

传统软件的逻辑是：人知道自己要做什么，软件提供完成任务的工具。用户要寻找页面、选择功能、填写字段、切换系统和发起流程。

智能体软件则试图让用户先表达目标，再由系统拆解步骤、调用工具、访问获得授权的数据，并根据执行结果继续行动。

两者的差别可以概括为：

例如，传统CRM会记录客户资料和销售阶段，但销售人员仍要自己筛选线索、查找背景、写邮件和安排跟进。智能体则可能读取客户信息，判断优先级，生成沟通内容，在获得授权后安排下一步动作，并把结果更新回CRM。

但这仍然是智能体的发展方向，并不代表现有产品已经能在所有复杂业务中稳定完成任务。权限控制、执行准确率、异常恢复和人工接管，仍然决定着它能否进入企业核心流程。

传统软件也不会因此消失。掌握核心数据、专业规则和关键执行能力的ERP、数据库和工业软件，反而会成为智能体必须调用的底层基础。真正受到压力的，可能是那些主要价值只是提供页面、汇总信息或者完成简单操作的软件。

技能包，可能成为下一代软件的最小可交易单元

《实施方案》中一个容易被忽略的安排，是推动建设智能体软件应用商店和技能包（Skills）资源库，并规范上架审核与运营管理。

技能包不是一套完整软件，而是一组可以让智能体重复调用的工作方法，例如读取财务票据、核验报销申请、查询库存、检查合同条款、修改图纸或者生成巡检报告。

如果把大模型比作具备通用理解和推理能力的大脑，技能包就是它掌握的具体工作能力；企业数据、软件接口和设备系统，则是完成任务所需的材料和工具。

一个新的软件分工由此出现：

对创业公司来说，机会未必是再做一个通用聊天助手，而可能是企业系统连接器、垂直行业技能、智能体测试工具、权限审计系统和现场部署服务。

但“应用商店”只是分发界面。技能能否跨平台迁移、调用了哪些数据、获得了什么权限、出错后如何追溯，才决定它能否成为真正可交易的产品。

如果缺少可互认的接口、安全和责任标准，软件行业可能从过去的应用生态割裂，走向新的智能体生态割裂。

软件公司最深的一次变化：从卖工具，走向卖能力和结果

传统软件公司主要依靠许可证、账号订阅、项目实施和维护费用赚钱。客户购买的主要是“使用一套工具的权利”。

智能体软件开始把可出售的对象向前推进一步：一次调用、一项任务、一段持续运行的能力，甚至一个可以量化的结果。

中国软件行业协会相关负责人在政策发布会上表示，智能软件服务将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。

市场上已经出现了这种变化。客户服务软件公司Intercom目前对Fin AI Agent采用“席位费+结果费”的组合定价：帮助台按席位收费，Fin则按成功处理的Outcome计费。这里的“结果”不是泛泛而谈的企业收益，而是被产品规则明确界定的一次客户问题处理结果。

这说明，从卖工具到按结果收费已经不只是政策推演。但结果付费更容易率先出现在客服这类任务边界清晰、完成状态可定义、效果容易计量的场景。对于设计、采购、生产调度等责任链更长的业务，“什么算完成”“结果由谁造成”仍然很难用一个指标说清楚。

结果付费也不只是换一个价格标签，它意味着软件公司要持续关注任务完成率、错误率、人工接管率、单次任务成本和最终业务效果。

软件公司由此不再只是产品开发者，也可能成为一支“数字劳动力”的运营者。收入空间可能扩大，但安全、审计、保险和人工兜底成本也会随之增加。

工业软件为什么被摆到重要位置

如果只讨论办公助手，这份政策的产业分量会被低估。

《实施方案》专门提出推动操作系统、数据库等基础软件智能化升级，并推动CAD、CAE、EDA等工业软件与人工智能深度融合。工信部信息技术发展司负责人在发布会上将工业软件的变化概括为两条路线：

在工业场景里，AI短期内更现实的价值不是完全取代工程师，而是帮助其生成初步设计、搜索历史图纸、调整参数、加速仿真、发现冲突，并将工艺经验封装为模型库和工业组件。

西门子的Engineering Copilot TIA已经提供了一个现实样本。它被接入TIA Portal自动化工程环境，可以根据自然语言生成和修改PLC代码、创建测试、配置设备与网络，并处理可视化和项目翻译。

系统集成商Techcab在西门子公开案例中表示，该工具帮助其解释并改写遗留PLC代码，生成的代码经过测试后可以运行；西门子则称，部分代码生成任务由过去按小时计算缩短到按分钟计算。

这些效果来自供应商和客户公开案例，并不等于所有工业场景都能达到相同水平。但它至少证明，AI进入工业软件已经不只是增加一个问答框，而是在开始接手代码生成、测试和配置等具体工程任务。

这也不能被理解成“大模型可以绕过工业软件短板”。模型可以调用知识，却不能凭空制造知识。如果企业的图纸没有规范管理、设备接口彼此不通、工艺参数散落在不同表格里，关键经验只存在老师傅脑中，再强的智能体也缺少完成任务的材料。

AI不是跳过数字化阶段的捷径。它反而像一次压力测试，把企业过去数字化建设中的数据孤岛、系统割裂和流程混乱暴露出来。

在技术供给之外，政策开始补上“企业真正使用AI”这一环

过去几年，不少AI产业政策首先作用于供给侧：支持模型研发、建设算力中心、引进企业、设立基金和搭建创新平台。

这份《实施方案》在继续建设技术和产业供给能力的同时，明显增加了需求侧安排：

政策不仅关注“有没有AI产品”，也开始追问“企业有没有采购、有没有调用、有没有形成持续使用”。

这背后有一个重要变化：AI产业的下一轮竞争，不只是模型排行榜上的能力竞争，也是企业预算、采购目录和业务流程的入口竞争。

对地方政府和产业园区来说，支持AI也不能只停留在建设展示中心、举办比赛或者重复部署平台。企业真正面临的问题往往是：不会选产品、无法评估效果、数据不能使用、旧系统没有接口、试点接不进生产系统，以及出错后责任不清。

能解决这些问题的地方，才可能把一次性示范项目变成长期产业能力。

四类参与者，需要回答四个不同的问题

企业最需要避免的，是先采购一套昂贵的大模型平台，再要求所有部门为它寻找使用场景。智能体项目应当从具体流程出发，而不是从技术名词出发。

软件从业者也不必把问题简化成“AI会不会取代程序员”。会写代码仍然重要，但只会根据明确需求执行编码，价值可能受到挤压；能够理解一家工厂、一家医院或者一家金融机构如何运行，并把这种理解转化为可靠系统的人，会更难被替代。

热潮之外，还要盯住三道难题

第一，能够演示，不等于能够稳定生产

让智能体成功完成一次任务并不困难，难的是每天稳定完成一万次，并在异常情况下知道何时停止、何时交给人。

因此，评价100个智能体软件标杆应用，不能只看项目是否上线，还要追踪真实调用量、任务完成率、人工接管率、错误损失和持续付费情况。

第二，技能市场可能形成新的生态孤岛

如果每个平台都有自己的技能格式、身份系统和调用标准，同一个技能就很难在不同模型和智能体之间迁移。

接口、权限、安全检测、版本兼容和责任追踪标准，决定了技能市场最终是开放生态，还是新的平台围墙。

第三，“出售结果”意味着必须对结果负责

一封邮件写错可以人工修改，一笔采购错误、一次设计失误或者一项生产指令出错，却可能带来真实损失。

软件供应商、模型厂商、技能开发者、系统集成商和企业客户分别承担什么责任，需要比传统软件更明确的合同、审计和治理机制。

所以，智能体软件真正进入企业，不仅需要模型能力继续提高，也需要形成与之匹配的工程体系和责任体系。

BuilderPi判断：下一轮软件竞争，比的不是谁功能多，而是谁能把事做完

2025年，我国软件和信息技术服务业收入达到15.48万亿元。工信部披露，截至2026年6月，我国日均词元（Token）调用量已经突破500万亿。

模型调用正在快速增长，但调用量增长并不自动等于企业生产率提高。《“人工智能+软件”专项行动实施方案》的作用，正是试图把模型能力继续向软件产品和真实业务流程传导。

接下来判断“人工智能+软件”是否真正落地，不能只数发布了多少产品、建设了多少平台。BuilderPi认为，更值得持续追踪的是三组指标：

过去的软件竞争，比的是谁的功能更多、界面更完整、客户数量更大。

智能体时代的软件竞争，将越来越取决于另一件事：

谁能在获得授权的边界内，安全、稳定、低成本地把一件事做完。

这才是“人工智能+软件”可能带来的真正产业变化。

**BuilderPi定位总结：**这不是一份单纯支持软件企业使用AI的政策，而是一次围绕软件生产方式、产品形态、分发生态和商业模式展开的系统性改造。对软件公司，关键是能否从提供功能转向交付能力；对传统企业，关键是能否把数据、接口和流程整理成智能体可以安全执行的系统；对创业者，机会则可能藏在行业技能、系统连接、评测审计和场景交付这些看似不耀眼、却决定AI能否真正进入生产的环节里。

本文主要参考资料：

工业和信息化部《七问+一图，读懂〈“人工智能+软件”专项行动实施方案〉》工业和信息化部9月11日政策发布会

Intercom官方产品及定价信息

西门子Engineering Copilot TIA公开案例

本文不构成任何投资建议。市场有风险，决策需审慎。