软件不再稀缺,利润将流向哪里?

这些项目目前还不能完整替代成熟的商业软件。独立测试显示，ArtCraft 在专业文件兼容性、图像处理精度和视频编辑性能等方面仍存在明显不足，软件的独立实现也必须遵守版权、专利和相关许可规定。但真正值得关注的并不是这些产品目前达到了什么水平，而是少量开发者已经能够借助 AI，在较短周期内重新实现过去需要专业团队长期研发的部分功能。软件开发正在摆脱对大规模研发组织的高度依赖，部分传统技术壁垒也因此受到挑战。

这让我想到最近一期 INDIGO TALK 中讨论的问题：当软件变得像牛奶一样便宜，我们还要交付什么？

对于大量标准化、轻量化的软件需求，这已经不完全是一个关于未来的假设。借助 AI Agent、开源组件和成熟的开发框架，软件已经成为一种可以低成本、按需生成的生产资料。真正值得讨论的问题，是当软件功能越来越容易实现，过去围绕技术门槛建立的商业模式还能维持多久，以及由软件创造的经济价值，最终会被产业链中的哪些参与者获得。

过去几十年，软件行业的商业模式建立在高额前期研发投入和较低边际复制成本之上。企业组织工程团队完成产品设计、编码、测试和维护，再通过许可证、订阅服务和规模化销售回收成本。随着用户数量增长，前期研发费用被不断摊薄，企业便有机会获得较高的利润率。研发周期、专业人才和技术积累不仅决定了产品质量，也构成了竞争者进入市场的重要障碍。

AI Agent 正在改变这一成本结构，但其影响需要放在完整的软件工程流程中理解。代码生成速度提高，不代表生产级软件能够以相同幅度降低交付成本。2025 年，研究机构 METR 对经验丰富的开源开发者进行实验，发现使用当时的 AI 工具反而使任务完成时间平均增加了 19%。2026 年 2 月的后续研究观察到效率改善迹象，但研究人员同时指出，样本选择偏差使实际增益幅度难以准确判断。Google DORA 的研究也表明，AI 更接近软件组织生产能力的放大器，其效果受到原有工程流程和组织水平的制约。这些研究并不否定 AI 对开发效率的提升，而是说明代码生成能力不能直接等同于完整的工程生产率。

对于临时数据处理、自动化脚本和部分内部管理工具，AI 已经能够显著缩短开发周期；但对于需要长期运行的复杂系统，性能、安全、可靠性和维护仍然是必须承担的工程成本。正是这种差异，决定了软件行业不会以相同速度受到冲击。未来两三年，最先面临价格压力的将是功能边界清晰、技术方案成熟、客户迁移成本较低的产品，包括部分通用 SaaS、报表系统、轻量级业务应用和标准化管理工具。

过去企业采购这些软件的重要原因，是自行开发和维护不具备经济性。现在，部分需求已经可以通过内部人员、AI 工具和开源组件实现，企业因此拥有了更多替代选择。即使最终仍然采购商业产品，供应商也需要重新证明订阅价格的合理性。对于大型 ERP、工业软件和关键业务系统，情况则有所不同。数据迁移、系统兼容、人员培训和长期维护都会影响采购决策，单纯降低开发费用并不足以使企业放弃成熟产品。但在替代条件较好的市场中，竞争加剧将不可避免地削弱部分软件厂商的定价能力。

AI Agent 还在改变软件的使用方式。传统 SaaS 通常按照用户账号、功能模块或订阅周期收费，其基本前提是软件主要由人通过界面操作。当 Agent 能够直接调用 API、访问业务数据并自动执行任务时，企业对软件的使用量便不再完全取决于员工人数。Salesforce 的 Agentforce 已经提供按照执行动作或对话量计费的方案，官方公开定价包括每次对话 2 美元，以及基于 Flex Credits 的动作计费模式。这并不意味着按账号订阅会迅速消失，但它说明软件厂商已经开始尝试将收费依据从使用权限延伸到实际完成的工作。未来，部分商业软件的竞争重点可能从吸引用户操作界面，转向能否被 Agent 稳定调用，以及能否以合理成本完成业务任务。

资本市场已经开始重新评估这一变化。2026 年 2 月，Anthropic 推出面向法律、销售和数据分析等场景的 Agent 工具后，投资者对传统软件公司的竞争前景产生担忧。据路透社报道，全球软件及服务类股票在连续六个交易日的下跌中，市值合计损失接近 1 万亿美元。这场调整不能证明 AI 已经实质性取代传统企业软件，却说明市场开始质疑部分软件公司长期维持高利润率和高估值的能力。

Adobe 的情况更具有代表性。其竞争优势不仅来自 Photoshop 的图像处理功能，还包括专业文件格式、插件生态、行业协作和长期形成的用户习惯。这些因素构成了较高的客户迁移成本，使得开源替代品难以在短期内全面取代成熟产品。但替代过程未必以客户突然大量流失的方式发生。轻度用户可能率先迁移到低成本工具，随后部分标准化功能逐渐失去独立收费能力，竞争再向更专业的工作流程延伸。2026 年 10 月，Adobe 因增长前景、免费增值策略及定价能力等问题受到华尔街分析师下调评级。其经营压力有多方面原因，不能简单归因于 AI 或开源项目，但这反映出成熟软件公司的增长和商业模式正在接受更严格的审视。

在我看来，软件公司未来的经营表现将进一步分化。依靠通用功能和研发周期建立优势的企业，可能越来越难以维持技术溢价；而拥有专业数据、成熟工作流程、稳定客户关系和复杂系统集成能力的公司，则有机会利用 AI 降低内部研发支出，同时保留较强的议价能力。成本下降并不必然增加企业利润。如果竞争对手获得了类似的效率提升，节约下来的研发费用就可能通过降价转移给客户。真正决定长期盈利能力的，仍然是企业能否持续提供难以替代的价值。

由此产生的产业利润转移，大致存在几个方向。一部分将由消费者和使用软件的企业获得，通过降低采购支出或提高生产效率体现出来；一部分可能流向掌握客户渠道、行业资源和专业交付能力的企业；还有一部分则会转向模型服务、云计算、芯片和自动化基础设施供应商。过去主要投入人工编码的部分资金，可能转变为模型推理、计算资源和工具调用费用。但基础设施需求增长并不等于利润必然增长，相关企业还需要承担设备折旧、能源、研发和资本投入。最终能够保留多少收益，依然取决于市场竞争、资源利用率和定价能力。

对于投资者而言，这意味着软件企业的估值需要更加重视经营质量。过去，高毛利率、持续性订阅收入和用户增长往往能够支撑较高估值；但在软件功能更容易被重新实现的条件下，客户留存、获客成本、现金流以及产品可替代性应当获得更高权重。尤其对于依赖大模型的 AI 原生软件，研发成本下降可能伴随着持续的推理和计算支出。如果收费无法覆盖实际服务成本，即使用户规模增长，也未必能够形成理想的利润。单纯围绕通用模型能力进行封装的软件产品，可能更难长期维持高估值，因为它们既面临同类创业公司的竞争，也可能受到基础模型提供商直接扩展功能的影响。

这种变化还会重新定义工程师的职业价值。过去，掌握特定编程语言、开发框架和复杂功能的实现方法，能够形成相对稳定的竞争优势。但随着常规编码、接口适配和基础测试逐渐自动化，企业对重复性开发劳动的需求可能下降。与此同时，系统架构、工程约束、故障定位和可靠性验证的重要性并没有消失。

对于独立开发者，AI 带来的机会与竞争同样明显。一个人已经能够借助 Agent 完成过去需要小型团队协作的部分工作，但开发门槛降低也意味着产品更容易被复制。通用软件的开发速度越来越快，获得客户和维持收入却未必更加容易。我并不看好资源有限的个人开发者长期依靠复制热门软件、组合通用模型功能参与价格竞争。相比之下，具有专业经验的工程师可以关注工业视觉、设备控制、工程数据处理和自动化系统等细分市场。这些场景通常具有明确的工程约束，客户也能够通过检测精度、故障率、调试周期和人工成本评价产品价值。但软硬件结合本身并不是护城河，真正值得积累的仍然是行业经验、经过验证的技术方案和稳定的客户关系。

进一步看，软件本身也可能越来越多地从独立商品转变为其他生产活动中的工具。工程师可以为一次测试生成专用的数据分析程序，研究人员可以根据实验需求构建处理流程，企业也能够围绕内部业务临时开发应用。这些软件不一定需要公开销售，甚至不需要长期存在。它们的经济价值直接体现为其他生产环节的效率改善，而不再表现为独立的软件收入。这意味着软件销售额和软件为整个经济体系创造的价值，需要逐渐被区分看待。即使部分软件厂商的利润受到挤压，社会对软件的实际使用需求仍然可能持续增长。

综合来看，我认为未来软件市场将出现更明显的分化：一端是大量低成本、可替代、能够按需生成的标准化功能；另一端是需要专业数据、复杂系统集成、长期维护和严格工程验证的产品与服务。处于两者之间，既没有差异化技术，也缺乏稳定客户关系的软件企业，可能面临最大的经营压力。未来两三年，值得持续观察的不是 AI 又生成了多少代码，而是企业软件采购结构是否发生变化、Agent 是否真正承担更多业务任务，以及小规模工程团队能否在保证质量的条件下完成更复杂的项目。这些指标更能反映软件生产方式的变化是否已经传导到产业经营层面。

软件生产能力的普及并不意味着软件行业失去价值，更低的开发门槛可能使软件进入更多过去无法经济覆盖的场景，进一步扩大整个市场的应用需求。但软件功能本身越来越难以仅靠实现难度维持高额溢价，利润将更多取决于客户资源、系统可靠性、专业知识和持续交付能力。

未来能够获得长期利润的，未必是拥有最多代码、开发速度最快的公司，而是能够掌握真实需求、控制完整交付过程，并在充分竞争中保留定价权的个人和组织。对工程师而言，真正值得关注的也不是 AI 能替我们完成多少代码，而是这种新的生产能力，能否让我们以更少的资源解决过去无法经济解决的问题。软件工程的价值没有消失，只是创造价值与获取利润的方式正在发生改变。