夜雨聆风摘要：Claude Design发布，Figma股价单日暴跌近7%。但值得深思的不是谁替代谁，而是软件的底层逻辑正在被重写——当智能体能实时生成界面，GUI可能不再是必选项；当数据需要跨域融合，语义层将取代传统API。身处企业软件领域，这些变化让我看到了一幅越来越清晰的未来图景。
2026年4月17日，Anthropic发布了Claude Design。
消息传出当天，Figma股价应声暴跌近7%——而这已经是Figma在持续下跌两年的进程中又一次雪上加霜。
设计工具被AI颠覆，这件事本身并不意外。关于AI编程和智能体对软件行业的冲击，我在前一篇文章《SaaS股价崩了，软件行业完了吗？》中已有详细分析。
但这一次，我想聊的不是Claude Design会不会替代Figma。
我想聊的是——软件本身的未来形态。
身处企业软件服务领域多年，目前负责的产品恰好是低代码+AI方向，我对这个话题始终高度敏感。早在2023年，面对ChatGPT的热潮，我就对"软件的终极形态"做过一番思考，写下过这样一段话：
如果AI进化到通过自然语言即可生成准确完整的应用程序，那应用程序的用户一定可以直接通过自然语言要到想要的信息和服务——这个过程根本不需要一个称之为应用程序的交互界面，直接Human to AI即可完成。
两年后的今天，这些判断正在一步步逼近现实。我想从第一性原理出发，重新梳理这个问题。
本文你将读到：
软件和GUI的本质是什么，以及GUI天然的缺陷
当智能体取代GUI：两个具体的未来场景
未来软件的底层架构：为什么需要"语义层"
企业软件供给模式即将迎来的三场革命
站在拐点，我们现在能做什么
01 第一性原理：重新审视软件和GUI
软件的本质是什么？
将沟通和服务结构化、流程化表达，使得结果准确、一致且持久。
一封邮件可以传递一个报销请求，但它无法保证审批流程完整执行、金额校验无误、记录永久可追溯。软件的价值，就是把这些"软性"的沟通变成"硬性"的结构化流程。
那GUI（图形用户界面）的本质呢？
让信息在有限的平面空间内结构化呈现，同时接受用户的交互输入。好的GUI一定高效且用户友好。
但GUI有一个天然的缺陷——它必须提前被设计出来。
提前设计意味着，设计者必须预判所有用户、所有场景的需求。这几乎是一个不可能完成的任务。
所以软件行业才有了"千人千面"这个概念。仔细想想，"千人千面"的本质，恰恰是承认当前软件无法满足多样化的交互需求。 而且业务在变化，原始设计迟早不再适用，重构在所难免。
这就引出了一个关键问题——
如果GUI的痛点是"必须提前设计"，那有没有一种方式，让界面不需要提前设计？
02 当智能体取代GUI
答案可能就藏在智能体（Agent）里。
先站在人的视角看信息传递效率：输出（表达）方面，说话比打字和操作鼠标快；输入（接收）方面，看比听快。 智能体恰好能同时利用这两个特性——你用语言发出指令，它生成可视化界面给你看。
想象这样一个场景。
你是生产主管，早晨到工厂，对着手边的智能体说了一句：“当前工单状态怎么样？”
智能体即时整理了实时数据，在你面前生成了一个界面——上面只有今天你需要关注的三条工单，每条标注了进度、风险和建议。
没有侧边栏，没有导航菜单，没有二十个你用不到的筛选条件。展示的信息刚刚好是你想知道的，没有任何多余。
传统软件呢？为了"考虑全面"，一个工单管理页面往往塞满了所有角色、所有场景可能用到的字段和按钮。对你来说，90%是噪音。
再想象第二个场景。
质检员在车间执行检验。他需要录入当前工序的检测结果。
传统方式：掏出手机，打开系统，找到对应工单，在一堆表单字段中找到要填的那几项，逐个输入。
未来方式：他直接对智能体描述看到的情况——"外观无划痕，尺寸偏差0.2mm，在公差范围内。"智能体自动解析、结构化、提交。全程没有表单。
如果当时车间环境太嘈杂，智能体听不清怎么办？它即时生成一个最简表单——只包含和当前检测工序最相关的两三个字段，质检员点几下就能提交。
甚至，同一个表单，面向质检员老王和Michael可以完全不同——老王喜欢大字体中文楷体，Michael偏好科技感的英文界面。完全因人而异，实时生成。
这绝不是幻想。当前豆包在语音即时交互上已经做到非常出色——自然打断、持续聆听、即时响应——技术基础已经具备。
未来的软件交互，可能不再是"打开一个固定界面，在预设选项中操作"，而是"对智能体说出需求，由它实时决定最佳呈现方式并即时生成"。
03 底层重构：从数据库到语义层
上面描述的是前端交互的未来。
那底层呢？支撑智能体的后端架构会是什么样？
数据库仍然需要。 结构化的、非结构化的，作为数据一致性存储和高效读写的保障，这一层不会消失。
但智能体绝不能直接和数据库打交道。原因有二：
第一，性能瓶颈。 智能体要接受用户任意可能的询问，背后的数据服务无法预先设定。传统软件的API是为固定场景预开发的，缓存是为固定查询模式优化的——面对开放式提问，API和缓存全部失效。
第二，跨域融合。 用户的一个问题，答案可能横跨供应链、财务、质量、人力多个业务域。这些数据分散在不同的数据库甚至不同的系统中，常规的表间JOIN根本无法应对。
那数据库和智能体之间，必须有一个中间层。
在上一篇《同样的本体论，为什么Watson败了，Palantir却封神？》中，我详细分析了Palantir的"本体论+大模型"架构。这个中间层的答案，正是企业语义层（Enterprise Semantic Layer），或更确切地说——企业本体（Enterprise Ontology）。
企业需要建立一个横跨多个业务域的语义网络，将底层数据库、数据仓库、数据湖中的数据，通过统一的语义模型进行按需、实时、智能的融合。智能体不直接查数据库，而是向语义层提问——语义层知道"工单"意味着什么、"质检结果"关联哪些表、"供应商评级"涉及哪些计算逻辑。
这就是我所看到的未来企业软件的三层架构：
底层：数据库 / 数据仓库 / 数据湖——数据的持久化存储
中间层：企业本体 / 语义网络——数据的统一理解与按需融合
上层：智能体——动态交互，实时生成界面
大模型给了AI说话的能力，本体论给了AI说真话的能力。语义层，就是让智能体"说真话"的底座。
04 企业软件供给模式的三场革命
技术底层在变，软件的供给模式也将随之变革。
第一场：从"削足适履"到"量体裁衣"——个性化软件的回归
过去企业上软件像买成衣——ERP、CRM、MES都是标准化产品，企业必须削足适履地调整流程来适应软件。定制开发？成本高得让人望而却步。
AI正在打破这个局面。具体来看：
核心内核稳固化。 CAD/CAE等物理原理和算法内核的软件，较长时期内仍不可替代。
通用工具智能体化。 平面设计类如Figma、Adobe等标准化工具，正被Claude Design们瞄准——将由智能体按需生成。
管理类软件个性化。 这是变化最大的领域。AI催化软件生产效率指数级提升，企业对管理软件的Make vs Buy天平正在重新倾斜。当"量身定制"的成本趋近于"买标准品"，为什么还要削足适履？
第二场：从"开发者中心"到"业务关键用户中心"——角色大反转
软件生成百倍提速后，工作量从"写代码"转向"验逻辑"。
主角变了。懂业务、懂配方、懂工艺的业务专家将成为软件的"指挥官"和"质检员"。平台必须是**“共创空间”**——让非技术人员能看懂AI生成的逻辑，能指出哪里不对，能直接参与迭代。
这不是"降低技术门槛"那么简单——而是软件生产权力结构的根本性转移。
第三场：从"生成快"到"用得久"——全生命周期成本的重构
生成软件只是Day 1。
软件的真正成本在Day 2及以后——部署、运维、合规和持续演进。AI能用10分钟生成一个应用，但如果缺乏治理框架，维护它的成本将是生成成本的100倍。
这意味着未来软件行业的核心竞争力不是"谁生成得更快"，而是**“谁能让生成的软件活得更久”**。
05 站在拐点，我们能做什么
写到这里，我想从"思考者"切换到"实践者"的视角。
当前正是一个历史性拐点。我们不能只是旁观和感叹，而要关注拐点，积极探索。
几个我认为值得现在就开始行动的方向：
第一，在软件中加入语音交互。 不需要等"完美"的那一天。从最简单的场景开始——一个查询、一次录入——让用户体验到"对着系统说话"的可能性。技术已经成熟，缺的是敢于尝试的产品团队。
第二，开始构建企业语义层。 面向未来的软件底层，从现在就该思考：你的企业有多少数据散落在多少系统中？它们之间的业务语义关系是什么？能否建立统一的企业本体？
在这个方向上，Palantir的Foundry+AIP已经在军工和情报体系验证了"本体+大模型"的可行性。而面向商业领域，西门子的RapidMiner Graph Studio正是这条思路的另一个重要落地方向。
在上一篇Watson-Palantir文章中，我详述了Graph Studio的技术渊源——它脱胎于Cambridge Semantics的Anzo平台，承袭了纯正的本体论血统，被西门子纳入数字工业版图。
如果你对企业本体库、语义层的构建感兴趣，欢迎在评论区留言交流。
