ARTICLE · 1318457
从定制开发到AI智能体:制造业软件开发走过的30年,企业下一步该怎么选?
从定制开发到AI智能体:制造业软件开发走过的30年,企业下一步该怎么选?
从早期定制开发，到ERP套装软件、平台化、低代码，再到AI智能体，制造业软件开发经历了怎样的演变？企业下一步该如何投资软件、布局AI？一文看懂企业软件发展的历史、价值与未来。 过去，企业有一个管理问题，就找软件公司开发一个系统；后来，企业购买ERP、MES等成熟软件，再根据自身业务进行二次开发；再后来，软件厂商提供开发平台，让企业在平台上扩展功能。今天，AI正在重新定义软件开发和企业应用的边界。 如果把中国制造业信息化的发展历程拉长来看，会发现一个很有意思的现象：企业软件开发的每一次变化，背后都对应着企业经营管理需求的一次升级。 从解决一个具体问题，到规范企业管理流程；从打通各个业务系统，到让数据参与经营决策；再到今天利用AI理解业务、执行任务。 软件变了，开发方式变了，但企业的目标始终没有变：用更低的成本、更高的效率和更好的管理能力，创造更大的经营价值。 我刚参加工作时，制造业的软件开发需求，大多是一些非常具体的定制化需求。 记得有一家做原纸库存及分切加工的企业。随着业务规模扩大，原来依靠人工管理的仓库和分切工作逐渐出现了问题：仓库面积越来越大，原纸却总是找不到合适的位置；分切订单规格复杂，人工计算经常出错；材料损耗居高不下，库存账实也经常对不上。 企业找到我们，希望开发一套原纸库存及分切管理系统。 当时的思路很直接：深入了解业务，梳理管理流程，设计数据库，编写程序，把原来依赖人工经验的工作交给计算机处理。 这样的项目，在当时的制造业非常普遍。 但三十年左右的产业发展，让企业软件开发经历了几次重要变化。 今天再回头看，这些变化不仅是技术的进步，更是企业管理模式和软件价值创造方式的演进。 这是中国制造业早期信息化建设中非常典型的模式。 当时，很多企业还没有完整的信息化体系。采购、销售、库存、生产、财务等业务主要依靠纸质单据、Excel和人工台账管理。 企业对软件的要求很朴素：解决一个具体问题就好。 例如： 这种模式的最大特点是定制化程度高。 软件开发人员需要深入企业，了解业务人员的实际工作方式，然后根据企业的特殊需求进行设计和开发。 当时的软件通常以桌面应用和C/S架构为主，随着互联网发展，B/S架构逐渐普及。 这一阶段的价值，是让企业第一次能够借助计算机管理具体业务。 原来靠人记忆、计算和传递的信息，开始变成系统中的数据；原来容易出错的业务，也开始有了标准化的处理逻辑。 但企业规模扩大后，问题也逐渐显现。 一家企业可能先后开发了库存管理系统、销售管理系统、采购管理系统、生产管理系统。 每个系统都能独立工作，却很难形成整体协同。 库存系统不知道销售订单的变化，生产系统不了解采购物料的到货情况，财务系统还需要重新整理各部门的数据。 系统越来越多，数据却越来越分散。 企业逐渐认识到：仅仅解决局部问题是不够的，还需要一套能够覆盖企业整体经营活动的管理体系。 这就推动了下一阶段的发展。 20世纪90年代以后，随着改革开放深入，越来越多的外资企业、港澳台企业进入中国市场。 这些企业带来了成熟的管理理念，也带来了ERP等企业管理软件。 SAP、Oracle等国际厂商，以及后来发展起来的用友、金蝶等国内厂商，逐步推动了企业管理软件在中国市场的普及。 需要说明的是，ERP并不是这一时期才诞生的。它在国际上已经经历了MRP、MRPⅡ等多个发展阶段，中国企业也早有引进和应用实践。真正的变化，是ERP逐渐从少数企业的管理工具，走向更广泛的企业应用。 ERP与早期定制软件最大的区别，在于它不再只解决一个业务问题，而是尝试建立一套完整的企业管理体系。 例如，一笔销售订单进入企业后： 销售部门接单，生产部门安排计划，计划部门计算物料需求，采购部门组织采购，仓库负责收发料，生产部门组织制造，财务部门核算成本。 这些业务通过统一的软件平台连接起来。 企业开始有机会建立统一的客户、供应商、物料、产品、订单和库存数据。 这时，软件开发的主要工作也发生了变化。 企业不再所有功能都从头开发，而是购买成熟的软件产品，再根据自身业务特点进行二次开发。 例如： 这就是套装软件实施和二次开发时代的典型特征。 这一阶段最大的价值，是让企业从局部业务数字化走向整体业务流程管理。 但新的问题也随之出现。 标准软件有标准软件的管理逻辑，企业有企业自己的业务特点。二次开发越多，软件升级越困难，维护成本也可能越来越高。 有些企业甚至因为修改了大量标准软件的底层代码，导致软件厂商发布新版本时不敢升级。 与此同时，企业使用的软件越来越多，ERP、MES、WMS、PLM、CRM等系统之间的协同问题越来越突出。 企业需要一种更灵活的扩展方式。 进入21世纪后，随着软件工程技术发展，越来越多的软件厂商开始提供自己的二次开发平台。 这是一个很重要的变化。 过去，开发人员需要直接修改软件原有代码；现在，软件厂商逐渐将一些通用能力封装起来，提供给开发人员使用。 例如： 开发人员可以在这些能力的基础上，扩展企业需要的功能，而不必随意修改软件核心代码。 例如，一家钢结构企业购买了ERP，使用它管理采购、库存、财务和项目成本，但钢结构构件的深化设计、生产任务分解、构件流转和现场安装进度管理有自己的业务特点。 这些功能可以通过开发平台进行扩展，并与ERP连接起来。 这样既保留了标准软件的核心管理能力，又能满足企业的个性化需求。 与此同时，企业开始更加重视系统集成。 ERP、MES、PLM、WMS、QMS等软件不一定来自同一个厂商，企业需要通过API、ESB、消息中间件等技术，把不同系统连接起来。 软件开发逐渐从单个系统的功能开发，转向企业级应用架构建设。 这一阶段最重要的价值，是软件能力可以复用，企业应用可以扩展，多个系统可以协同。 但平台化仍然离不开专业开发人员。 企业每增加一个需求，仍然需要经过需求分析、开发、测试和部署。 对于业务变化很快的企业来说，开发响应速度仍然不够理想。 于是，云计算、SaaS和低代码开发开始改变软件的交付方式。 2010年代中后期，云计算和低代码平台逐渐发展起来。 这两个方向解决的问题有所不同。 云化和SaaS改变的是软件的交付、部署和运维方式；低代码改变的是软件的开发方式。 过去，企业购买软件，往往需要自己准备服务器、数据库和运行环境，还要承担系统维护、升级和备份等工作。 现在，企业可以通过云服务使用软件，按订阅模式付费，不必承担全部基础设施建设。 低代码则进一步降低了应用开发门槛。 过去开发一个设备维修管理系统，需要专业程序员设计数据库、开发页面、编写业务逻辑。 现在，通过低代码平台，可以使用可视化表单、流程设计器和组件，快速搭建部分业务应用。 例如，企业需要一个设备维修应用，可以通过平台配置设备档案、维修申请、审批流程、维修任务和统计报表。 在业务相对简单、规则明确的情况下，开发周期和成本都有机会下降。 这一阶段的价值，是让企业获得更加灵活的应用开发能力。 但低代码也有一个容易被忽视的问题：如果企业缺乏统一的数据标准和应用治理，各部门都自己开发应用，很容易形成新的信息孤岛。 销售部门有自己的客户数据，采购部门有自己的供应商数据，仓库有自己的物料编码。 开发速度提高了，企业整体管理反而可能更加混乱。 因此，低代码并不意味着不需要IT管理。企业仍然需要统一的平台、数据标准、权限体系和应用治理机制。 而AI的出现，又让软件开发发生了新的变化。 2022年以后，以大语言模型为代表的生成式AI快速发展。 软件开发开始出现一个过去很难想象的场景：开发人员可以直接用自然语言描述需求，让AI帮助分析、设计和编写程序。 过去，一个软件项目通常需要经历需求分析、系统设计、数据库设计、编码、测试、部署和运维。 现在，AI已经能够参与其中的很多环节。 例如： 这意味着软件开发的生产方式正在改变。 但我不认为AI会简单地取代软件开发人员。 真正有价值的开发人员，未来需要把更多精力放在业务理解、系统架构、复杂逻辑、安全和质量控制上，而不是仅仅依靠编写代码体现价值。 AI的另一个重要变化，是开始进入企业实际业务。 例如制造企业可以利用AI进行质量缺陷识别、设备故障预测、库存需求分析、生产计划辅助和经营数据分析。 过去，企业积累了大量数据，却缺乏足够的人力进行分析。 现在，AI可以帮助企业从数据中发现异常、寻找规律、提出建议。 软件开始从记录业务，走向理解业务和辅助决策。 不过，这一阶段很多AI应用仍然需要人来提出问题、审核结果和推动执行。 企业真正期待的，是AI不仅能给出答案，还能帮助完成工作。 这就引出了下一阶段。 如果说传统软件是人操作的工具，AI助手是人的智能参谋，那么AI Agent（人工智能智能体）则进一步尝试成为能够完成任务的执行者。 它在大语言模型的基础上，增加了任务规划、工具调用、执行反馈和记忆等能力。 我们以钢结构企业的采购业务为例。 传统ERP模式下，采购人员需要查询库存、查看生产计划、计算缺料、寻找供应商、比较价格、跟踪交货。 AI Agent模式下，员工可以提出一个目标： “请检查未来两周的生产计划，找出可能缺料的钢材，结合现有库存、采购订单和供应商交货记录，生成采购建议，并提醒相关负责人。” AI Agent可以在授权范围内： 如果获得相应授权，还可以进一步推动部分业务流程。 这与传统软件有一个明显区别：传统软件按照预设流程执行操作；AI Agent则尝试理解任务目标，规划步骤，调用不同系统的能力，完成跨系统工作。 当然，这不意味着所有采购决策都可以交给AI。涉及供应商选择、采购承诺、资金支付等重要事项，仍然需要明确的权限、审核和责任机制。 我认为，未来企业软件最重要的变化之一，就是AI可能成为新的业务交互入口和任务执行层。 ERP、MES、WMS、PLM等系统仍然承担核心数据管理和业务交易功能，但员工不一定需要像过去一样频繁进入每个系统操作。 AI可以在授权范围内调用这些系统，帮助员工完成跨系统任务。 未来的软件不只是让人操作得更方便，而是让人可以把更多工作交给软件完成。 把前面六个阶段放在一起，我们可以看到制造业软件发展的主线：
需要特别说明，这六个阶段是对软件开发模式的归纳，并不是严格的年代分界。今天仍然有企业需要定制开发，也有企业刚刚开始部署ERP，不同阶段会长期并存。 从企业经营角度看，这些变化其实对应着六次需求升级：从解决局部效率问题，到解决整体管理问题；从解决系统扩展问题，到解决开发响应问题；再从解决信息分析问题，走向解决业务执行问题。 结合当前技术和产业发展，我有四个判断。 1. 软件开发成本会下降，但企业对软件能力的要求会提高 AI会让常规代码、报表、接口和简单应用的开发更加容易。 过去需要专业开发团队完成的部分工作，未来可能由AI辅助快速完成。 但这不意味着复杂企业软件的建设成本会同步下降。 复杂业务建模、数据治理、系统架构、安全控制和业务验证，依然需要专业能力。 企业需要从购买代码开发工作量，转向购买能够解决业务问题的能力。 2. 企业应用会从独立系统走向智能协同 未来企业不一定需要不断增加新的独立软件。 更重要的是让现有ERP、MES、WMS、PLM等系统形成统一的数据和业务协同体系。 AI Agent可能成为连接这些系统的重要入口。 但这需要企业先建立可靠的接口、数据标准和权限体系。 3. 企业数据和知识会成为重要竞争资产 AI模型可以购买，开发工具可以更换，软件厂商也可能发生变化。 但企业多年积累的产品数据、工艺知识、质量记录、成本规律、供应商信息和项目经验，是竞争对手难以短期复制的。 例如，钢结构企业多年积累的构件加工经验、钢材损耗规律、项目成本数据和供应商交付记录，如果经过标准化和知识化处理，就有机会成为AI优化生产经营的重要基础。 未来企业的信息化投资，不能只关注软件，还要关注这些数字资产的积累。 4. 软件厂商将从卖产品走向交付业务价值 过去，软件厂商主要靠功能、模块和产品授权竞争。 未来，客户会更加关心软件能否帮助自己降低成本、提高效率、改善质量和提升交付能力。 工信部2026年发布的《“人工智能+软件”专项行动实施方案》，也明确指出，AI正在推动软件生产方式、产品形态和服务模式发生变化，软件正从被动执行指令的工具向理解意图、自主完成任务的智能伙伴演进。 这说明AI并不是简单增加一个软件功能，而是在改变整个软件产业的生产和服务方式。 讲了这么多，最终还是要回到企业实际。 我认为，企业家现在最需要避免两个极端： 一个是认为AI来了，过去的信息化投资都过时了，准备推倒重来。 另一个是认为企业已经有了ERP、MES，就不需要再研究AI。 这两种看法都不准确。 企业应该根据自身的信息化基础，选择不同的建设重点。 如果企业还处于基础信息化阶段： 先解决ERP、财务、采购、库存、生产等核心业务管理问题。 把业务流程规范起来，把基础数据管起来。不要急于大规模投资AI。 如果企业已经有ERP、MES等系统： 重点解决系统集成、数据治理和经营分析问题。 让销售、采购、生产、库存、财务和项目管理形成完整的数据链条，再选择适合的AI场景。 如果企业已经具备较好的数字化基础： 可以开始研究AI Agent，选择采购、库存、质量、生产计划和项目管理等场景进行试点。 先验证实际价值，再逐步扩大应用。 如果企业数字化基础比较成熟： 就应该考虑企业级AI架构，包括大模型服务、知识库、智能体平台、系统接口、统一身份权限、安全审计和人机协同机制。 需要注意的是，AI项目不能只看模型效果，还要核算数据治理、系统集成、运行成本、人工审核和风险控制的投入。 我建议企业家在每个软件项目立项之前，都问自己四个问题： 不要因为某项技术热门就投入，也不要因为某套软件功能强大就购买。 适合企业当前发展阶段的方案，才是好方案。 回顾自己参加工作以来的经历，从最初为企业开发一套库存和分切管理系统，到后来实施ERP、进行二次开发，再到平台化、云化、低代码和今天的AI。 软件技术变化很大，开发方式变化很大，但有一件事情始终没有改变： 企业需要软件，不是为了拥有软件，而是为了让企业经营得更好。 过去，我们帮助企业把人工管理的业务搬到计算机上。 后来，我们帮助企业建立统一的管理流程和数据体系。 现在，我们开始帮助企业利用AI理解业务、分析问题和优化流程。 未来，我们希望AI能够在可靠的数据、业务系统和管理机制基础上，承担越来越多的重复性工作，让员工把更多精力放在判断、创新和经营决策上。 所以，我想给企业家的建议是： 不要因为AI来了，就否定过去的信息化投资；也不要因为企业已经有了ERP、MES，就认为数字化建设已经完成。 过去的信息化建设，是企业走向数字化的基础；今天的数字化建设，是企业拥抱AI的前提；未来的AI应用，则有可能成为企业重新构建竞争优势的重要力量。 企业真正值得长期投资的，不是某一套软件，而是持续利用数字技术改善经营、提高效率、创造价值的能力。 这才是企业信息化建设最值得坚持的方向。
参考资料：工信部《“人工智能+软件”专项行动实施方案》；IDC《FutureScape 2026：中国制造业迈向自主化运营的十个关键判断》；IDC《ERP的下一站，是“会执行的AI”》。文中发展阶段为作者结合行业实践所作的归纳，趋势判断不代表所有企业均会按相同节奏演进。
一、第一阶段：定制化开发——企业有什么问题，就开发什么软件
仓库物料容易找不到，就开发库存及库位管理系统。 原材料分切计算容易出错，就开发分切计算系统。 生产任务安排混乱，就开发生产任务管理系统。 产品质量无法追溯，就开发质量记录系统。 设备维修缺乏记录，就开发设备维修管理系统。
二、第二阶段：套装软件与二次开发——从解决局部问题走向整体管理
修改或扩展业务审批流程。 开发企业特殊的成本核算逻辑。 增加行业特有的业务功能。 开发个性化报表。 与原有系统、设备或外部平台进行接口集成。
三、第三阶段：平台化开发与系统集成——从修改软件走向扩展软件
数据对象和业务实体。 API接口。 工作流引擎。 表单设计器。 报表工具。 权限管理。 插件开发框架。 消息和事件机制。
四、第四阶段：云化、SaaS与低代码——让软件开发更加敏捷
五、第五阶段：AI辅助开发与智能化应用——从人编写程序走向人机协同
根据业务描述整理需求和功能清单。 辅助设计数据库和接口。 根据要求生成程序代码。 帮助检查代码缺陷。 生成测试用例。 分析系统日志。 辅助编写技术文档。
六、第六阶段：AI Agent——从人操作软件走向AI执行任务
查询生产计划。 调用库存系统。 分析采购订单。 计算物料缺口。 查询供应商历史交付情况。 生成采购建议。 提交审批或发出预警。
七、六个阶段放在一起看，企业究竟发生了什么变化？
八、未来五年，企业软件会朝什么方向发展？
九、企业家现在应该如何决策？
为什么建？要解决什么具体的经营问题？ 怎么建？买成熟产品、二次开发、平台扩展，还是用AI实现？ 投入多少？是否考虑了实施、集成、运维和长期升级成本？ 价值如何衡量？能否用成本、效率、质量、库存、交付和利润等指标评价？
