AI时代-软件的终局

大家好，我是人月聊IT。

今天聊下AI时代软件行业的终局，我今天刚好在录视频谈埃森哲准备退出整个大中华区业务，所以刚好一起讲，核心观点就是在AI时代软件行业和IT咨询行业都进入严冬期，是典型的夕阳产业。不是整个行业不存在了，而是整个行业已经无法再容纳传统信息化和数字化阶段大量的用工需求。

今天这篇文章不是谈行业的发展，而是谈AI时代我们最终看到的软件究竟应该是什么样的，传统的软件展现形态模式，构建方式究竟会出现哪些变化。首先我们要意识到一点，AI不是对传统软件的简单增强，而是很可能带来新的软件构建和软件形态上面的革命。包括我经常谈到的类似RPA，Computer Use等都应该仅仅是在前期大量存量系统兼容模式下的过渡技术而非最终的软件目标态。

先说UI。 对于GUI界面，大家一定要理解UI是人机交互时代的关键产物。UI界面的本质是方便人去操作、去录入，不是方便AI。对AI来说，最顺手的接口是底层通过MCP Server暴露的API，而不是页面上那些按钮和表单。同时我们也看到整个信息采集方式也在变，以前是纸面表单再人工敲进去，以后可能就是图像识别自动转数据、扫码自动录入。

那么采集和调用都自动化了，传统UI的价值自然越来越小。

注意，这里我并不是说所有的UI界面都彻底消失了，没有存在的必要。而是价值转移了。原来UI界面的重点可能是单据录入，单据查询。那么后续AI界面的重点可能仅仅是异常处理，结果审计这些还需要人干预和介入的场景，这些场景UI界面才有存在的必要。

包括我前面也谈到一个说法叫“无预设UI”——不是没有界面，而是没有产品经理和开发人员提前设计和开发好的UI界面。真需要界面的时候，走类似Google的AI2UI动态生成界面，按当前意图、上下文和权限即时生成一个临时交互层，用完就扔掉。感觉可复用的就自己沉淀为底层能力。

大家一定要注意，很多人会感觉动态UI不靠谱，因为每次生成的UI界面风格和布局可能都不一样。但是只要UI对应的底层能力接口契约，MCP和API接口规范是严格的，那么最终的录入和查询就一定是严格的。

所以简单总结来说就是UI不再是必须的，已有的通用性软件类似通用Agent一样可能就是一个简单的对话界面，然后按需动态生成UI。UI的作用是兜底，是为仍然需要人机交互的场景兜底，能够AI自动化完成的协同都不再需要UI。在AI时代，你如果还是按现有UI，然后让AI按类似Computer Use方式去操作软件那反而是一种倒退。

再说数据存储。 传统的IT系统软件开发的经典范式可以简单理解为，先进行面向对象分析设计，最后通过O/R Mapping把对象转成结构化数据存储。结构化数据库的价值不只是“让人更好理解数据”，它也提供了约束、事务、一致性、可查询性——这些对AI同样重要。但问题是，结构化表并不是AI最容易理解和操控的数据模式。本身是要给完整的业务对象按结构化和数据库三范式的要求往往拆分为了多个表，在需要的时候往往又要做大量的关联查询再拼接回来。那么对象-结构-对象这种转换，包括这套刚性映射对AI Agent来说往往是多余的中转。

所以我的判断是，AI时代的新Agent应用，结构化数据库存储不是必须。Agent天然按对象和语义操作，没必要先拆成表再拼回来。传统“对象→表→O/R Mapping”的范式很可能被绕过，转向“对象为中心的存储范式”。这种存储同时支持OLTP和OLAP，既可以用于数据操作，也可以用于数据分析。在逻辑上统一，物理上可以多态——对象、文档、向量、图、列存按访问模式共存。然后再由统一语义层对Agent呈现为一个对象接口。

但是要注意，这里并不是说要回到传统对象数据库。高频事务还得强一致、低延迟，分析还得重吞吐，TP/AP的物理边界不会完全消失，但对Agent来说，它们融合成一个统一对象契约。说白了，结构化表不再是应用的中心抽象，很可能退成一种内部索引或实现细节；对象成为AI应用的原生数据契约。

软件形态这块。 “软件日抛”提了个好问题：软件本身可以按需求动态生成。但我不太认同“日抛”——一次性生成物没沉淀价值。真正有价值的是闭环，简单来说就是重复需求应该调用可复用的Skills技能包来完成，保证一致性；当对于没有可满足能力时，AI动态生成能力或软件；用完之后验证通过，再沉淀为新技能。大家可以看到类似Codex，WorkBuddy这些通用AI Agent，基本都已经是这种模式。

以后你看到的软件可能就是一个类似WorkBuddy的通用对话框，底层是各种可复用的能力资产，上层是能力的组织和动态UI，同时整个软件还能够根据你需求和场景的变化，动态的进化自我的能力。

在这种模式下，软件不再是一成不变的内容，也不是需要人工介入变更、重复发布的制品。软件的形态将变化成“稳定内核+技能资产+生成器+运行反馈”组成的自进化Agent。它具备自我进化能力，但进化不能没约束。因此动态生成的能力必须通过评测、权限校验、灰度发布、可回滚、可审计，否则就是把不确定性放大。一句话，软件成为可自进化的Agent，进化的资产是Skills，进化的护栏是治理。

接着谈架构上也得重构。 传统建设为了应对复杂性，按业务域分而治之，建了SRM、CRM、ERP、MES、PLM、WMS一大堆系统，结果信息孤岛一大堆。AI时代的架构更像通用Agent模式，横向分两层。

底层是能力层：AI通过学习和交互，不断构建可复用的能力，以Skills或MCP方式提供。上层是意图识别与场景编排层：基于业务需求和场景，动态调用和协同底层能力。对用户来说，就是一个通用Agent入口。

在这里再强调几个关键点。首先，对于底层能力不会凭空长出来，得从存量系统抽取封装并暴露的API接口能力。如果没有存量系统，那么就是从已有的底层类似Skills技能资产抽取和暴露的能力。特别是有存量系统的时候，原有的信息孤岛不是消失了，而是被压扁了，压低为了底层的能力提供点，那么跨能力协同下我们仍然要求类似数据字典，主数据等基础语义必须统一。其次，就是整个编排要可靠，简单来说不能是AI每次意图识别后都自由发挥去编排，而是应该将已有的方法论经验沉淀下来，形成固化的Workflow模式。最后，仍然是治理的问题，涉及到权限，审计，责任归属等多个方面的内容，包括我在前面文章也谈到了在Skills大量诞生的时候，那么Skills治理就必须提上日程。

整个AI时代的软件，成败不在Agent本身，而是在于能力是否真正原子化、语义是否统一、治理是否内建。通用Agent是果，能力标准化和语义统一才是因。

那么如何统一语义，如何标准化语义？

自然又回到了本体模型层。 要支撑大模型做意图识别和能力编排，必须进一步抽象一个准确、结构化、完整的业务语义模型层，也就是本体模型层。它把业务对象、关系、规则、约束和动作统一表达，给AI的分析、推理、决策提供充分上下文。这是软件终局里的关键建设项，比UI和单个Agent都更关键——它解决的是“有API但语义不通”的问题，让通用Agent从“瞎调用”变成“真编排”。

但本体不能是静态对象知识图谱，而是包括了对象，行为，规则的业务语义操作系统。因此本体模型必须和Skills/API契约绑定，在大模型完成推理后能够通过MCP Server能力调用完成最终语义落地。意图识别，能力编排还是大模型完成的，但是本体模型为大模型提供了更加准确，完整的业务语义。这个本体模型不是简单的对象行为规则模型，而是包括了企业核心业务经验沉淀的方法论和场景模型。这个模型能力才是大模型短期无法替代的关键。

最后简单总结。 把上面这些串起来，软件终局的图景大概是：预设UI逐步退场变成能力兜底，动态UI按需生成；结构化数据库存储退居幕后，对象成为原生数据契约；软件从静态制品变成受治理的自进化AI Agent；系统从纵向烟囱变成“能力层+编排层”的横向架构；本体模型层作为语义底座，决定这套架构是真智能还是表面热闹。

AI时代软件的终局，不是应用没了，而是最终的展现形态和构建形态都会发生本质性的变化。形成“可编排的能力+可信的代理+统一的语义”核心。谁能把能力原子化、语义统一化、治理内建化，谁就能拿到这个终局的入场券。