美银:全球软件-智能体AI的软件影响深度解析

“人人都能造软件”这个说法，BofA这份欧洲软件行业深度报告并不完全认同。报告的核心判断是：智能体编程确实把原型开发的门槛拉低了，但软件公司的竞争壁垒没有消失，只是从界面和标准化实施，转向可信数据、行业知识、AI 行为控制与复杂流程的“最后一公里”。这个判断之所以值得现在看，是因为它同时回应了两个市场分歧：软件会不会被 AI 平台替代，以及按席位收费还能持续多久。

先看最容易被误读的一组数字。Gartner 预计 2025 至 2030 年应用软件支出年复合增长 13.2%，但其中约 1160 亿美元累计支出会从传统功能品类转向跨职能的智能体应用，把剩余细分市场的增速调整到 10.9%，相差 2.3 个百分点。报告认为，这对能同时提供核心应用和跨企业编排的大型厂商未必是同等挑战，因为它们可以把在品类之间迁移的支出重新接住；不确定性更集中在只做单一功能的窄口径厂商。

智能体编程卡在规模化和运维，不在写代码

报告承认，前沿模型和逆向工程的进步正在快速降低软件创建门槛，AI 智能体已经能生成代码、加速开发。但它强调，这些智能体仍依赖现有软件工具、有经验的工程师和清晰的产品方向；缺了这些基础，产出往往是质量更低的克隆，或者对成熟方案的复制，而不是有差异的产品。演示环节很少覆盖可扩展性、可靠性、安全、集成和持续维护，而这些恰恰是企业级软件成本的大头。

把“买还是自己造”拆开看，报告的逻辑更清楚：初始开发速度不等于软件在生产环境中的全生命周期成本。集成、工作流管理、访问控制、异常处理、审计、合规和日常维护，大多发生在第一次构建之后。行业访谈中，一些企业尝试内部替代现有软件时遇到成本和质量问题，不少又续签了一个周期，同时继续开发内部方案。AI 甚至可能扩大治理负担，因为模型监督、可追溯性和策略执行带来新要求。

竞争壁垒此消彼长，界面变弱、数据和网络变强

报告对竞争壁垒的处理不是简单说“还在”，而是拆成几类看相对重要性。界面质量和用户熟悉度会随着智能体代替人操作应用而变得不那么有区分度；标准化实施和常规配置工作也更容易被自动化。反过来，可信业务数据、嵌入的行业知识、对 AI 行为的控制能力，以及真实的网络效应，要么保持相关，要么变得更重要。经销商网络的价值仍在客户关系和实施经验，但例行配置环节会面临调整。

这套框架落到具体品类上并不整齐。

Original report: 23-BofA-Global Software-Agentic AI- software ramifications deep dive-261020

更新信息参见kcdesk.com