全球企业软件范式重构:从工业化标准化到智能体时代的“日抛型”微体系

在数字经济与通用人工智能深度交织的时代，企业级软件的构建逻辑与生存形态正经历一场前所未有的范式转移。

全球零售巨头星巴克（Starbucks）近期宣布，正借助人工智能开发自有软件工具，以逐步取代目前从微软、IBM和甲骨文（Oracle）等公司采购的库存管理、设备维护及销售终端（POS）系统1。

此项决策契合了其整体削减20亿美元成本的计划，其中技术团队本财年预计削减约3000万美元预算，包含1000万美元的软件开支缩减1。

这一事件在资本市场和IT产业界引发了深远震荡，并与行业内提出的“软件正在从标准化、工业化走向日抛型”这一论断产生了深刻的共鸣4。

伴随着代码智能体与大语言模型（LLM）的爆发，软件生产的边际成本大幅坍塌，这不仅重新定义了企业软件的生命周期，更从根本上动摇了传统软件即服务（SaaS）的商业护城河6。

概念抽象与软件工业化的本质共识

软件工程的发展历史，本质上是一部人类群体共识的抽象与沉淀史。在任何专业领域中，专业术语与行业规约的存在，其根本作用在于将该群体在长期实践中达成的复杂共识，以相对简略、高度凝练的语言符号抽象表达出来。

工业软件与企业级通用软件的演进同样遵循这一逻辑。传统的企业软件通过将通用的算法、业务规则和标准处理流程提炼为固化的软件模块，实现了对行业普遍需求的覆盖9。

这种标准化与工业化的开发模式，虽然极大降低了单个企业重构基础共识的边际成本，但其在追求通用性的过程中，不可避免地牺牲了对企业异质性需求的适配度11。

通用软件通常只能满足企业部分共识性需求，而剩余的个性化需求与灰色管理空间，则成为了定制化软件开发的温床，也成为了企业IT架构中技术债与认知负荷的主要来源12。

手帕与纸巾：平台工程与日抛型软件的演进隐喻

在追溯软件生命周期演变时，物理世界中“手帕”向“手帕纸（面巾纸）”的过渡提供了一个极具深度的隐喻。

在20世纪中叶，社会普遍使用织物手帕作为清洁工具，其单次采购成本较高，在使用后必须经历清洗、熨烫与维护的循环。这一维护过程高度类似于企业IT中的平台工程（Platform Engineering）与站点可靠性工程（SRE）14。

平台工程的核心使命，正是通过构建复杂的自服务基础设施和自动化工具流，来减少开发人员在维护大型、持久软件资产时的“琐碎工作”（Toil），从而维持“手帕式”单体或微服务系统的正常运转14。

相反，手帕纸的流行并非因为其物理材质优于织物手帕，而是因为其“即用即弃”的极低维护成本和极高便利性。在面巾纸的范式中，被抛弃的是作为物理实体的纸张，但人类对于“擦汗清洁”这一本质的逻辑需求从未改变7。

对应到AI时代的软件工程，当代码智能体能够依靠自然语言提示词（Prompt）在数秒内自动合成、部署并运行一个功能完备的临时应用时，代码本身就变成了可丢弃的“手帕纸”，而用户的“数据探索与业务对齐”需求则是永恒的逻辑内核7。

日抛型软件（Disposable Software）的经济学合理性在于一个基本的阈值测试：当软件的重建成本结构性地低于其维护成本时，长期维护便失去了经济学价值16。通过这一视角，下表清晰地展示了两种软件设计范式的本质分野：

维度	手帕式（持久化/平台工程）范式	纸巾式（日抛型/智能体生成）范式
核心代表物	织物手帕（需要反复清洗与熨烫）	手帕纸（即用即弃，无日常维护压力）⁷
软件等价物	大型单体系统、商业ERP、微服务集群¹⁷	Python脚本、Streamlit微应用、临时BI看板⁷
技术特征	长期运行、高测试复杂度、强架构约束¹⁹	氛围编程（Vibe Coding）、瞬时生成、运行时销毁²⁰
价值沉淀	沉淀在代码行数、系统功能与架构文档中²³	沉淀在底层主数据、知识库与Prompt规格中²⁴
治理痛点	技术债累积、系统熵增、升级周期冗长¹³	影子流程、数据泄露、缺乏全局合规性监控¹³

复杂度分野与自研决策的经济学边界

探讨企业是否应当完全走“自研路线”时，必须引入复杂度分野这一关键变量。以星巴克与大型发电集团作为对比，两者的业务复杂度存在着量级上的天然阶梯差异。

星巴克作为连锁消费集团，其核心业务主要集中于门店销售（POS）、库存管理、供应链协同以及标准的财务合规，其业务逻辑相对简单，本质上是由一系列通用软件拼装而成的组合体1。这也是星巴克能够通过AI辅助编程快速开发替代系统的底层逻辑1。

相较之下，大型发电集团的业务版图极其复杂，横跨发电、售电、供热、煤炭开采、煤化工以及铁路/港口运输等多个高度物理化的产业。其所使用的工业软件，其复杂物理化学公式的计算、极端工况的安全冗余、多产业板块之间的强耦合度，远非一般消费型企业的管理系统所能比拟。

定制开发与通用套件的博弈，本质上是企业边界与交易成本的博弈。

下表细致对比了这两种路线在不同业务复杂度下的利弊博弈：

评估维度	定制自研软件路线	商业通用软件（COTS）路线
落地周期与成本	周期漫长，需要极高的人力与试错资本投入¹	实施部署快，主要消耗在配置与运营适配上¹¹
需求适配度	完美贴合企业的“灰色需求”与非标业务流程¹⁸	存在天然的不适配，易迫使企业改变自身管理模式
安全与合规保障	资产高度自主可控，利于满足极高的安全合规要求¹¹	依赖供应商的安全性认证与合规升级能力¹¹
AI时代演进趋势	转向工作流程的智能组装，而非重写基础底座³⁰	基础应用块向“无头化”演进，暴露接口供智能体调用³¹

在网络安全、数据安全及人工智能安全标准空前提高的时代，企业为了保护自身核心资产、避免被特定供应商深度锁定，同时为了在快速变化的商业环境中保持业务敏捷度，往往偏好自研路线11。

然而，理性的自研并非对所有技术栈进行从头编写。正如星巴克所展示的，其自研的核心在于业务工作流的灵活组装与快速适配，而支撑这些流程的底层基础通用应用块（如通用关系型数据库、消息队列、基础财务记账规则）依然保持了高度的标准化与不可变性11。

交易成本折叠与砂漏型企业架构的涌现

科斯在经典的企业理论中指出，企业与市场的边界取决于内部组织协调成本与外部交易成本的动态博弈32。

在传统的IT架构中，模块与模块、系统与系统之间的集成成本随着节点数量的增加呈非线性级数增长，其交互拓扑关系表现为：

这种高昂的集成成本，构成了传统整体式ERP和CRM巨头长期生存的经济学基础，因为企业通过市场采购散装组件进行自行集成的摩擦成本，远远超出了向单一供应商购买“集成大包”的溢价31。

然而，当AI Agent能够通过统一的开放协议（如MCP等标准）自适应地调用各种底层服务时，系统集成的复杂度发生了结构性折叠20：

集成工作的核心从“编写双边连接代码”转变为了“定义标准契约并进行结果验证”13。这一变化催生了被称为“砂漏型企业架构（Hourglass Architecture）”的全新体系。

这一新型企业IT架构具有清晰的三层分化特征：

●业务顶端：生成式交互界面层（The Generative Interface）：

该层具有极高的易变性与“日抛型”特征7。用户无需面对一成不变的复杂交互表单，而是由AI根据当前任务情境实时合成最契合的轻量化用户界面，并在任务完成、数据回传后即刻将其从运行时中销毁15。

●砂漏细腰：标准化协议与PBC组件层（The Protocol & PBC Layer）：

作为连接业务需求与底层技术的“细腰”，该层是企业的核心资产所在30。它由一系列可组装商业能力（Packaged Business Capabilities, PBC）、不可变API合约、严密的安全治理和权限控制网关组成19。它向顶层暴露调用接口，向底层下达规范约束，确保了顶层的自由生成不会导致底层的无序混乱25。

●技术底端：高韧性物理与数据底座（The Execution Body）：

该层代表了企业IT的压舱石，主要由核心的记录系统（Systems of Record）、持久化数据库、生产控制系统构成17。这些系统对稳定性、合规性与数据强一致性有着绝对苛刻的要求，其技术迭代往往以年甚至十年为周期，不容许任何随意变更11。

开发权让渡与应用厂商能力的底层化契约

在砂漏型架构的推动下，软件开发权正在从专业IT人员向业务前线操作者进行历史性的让渡36。

借助代码智能体与自然语言编程，不具备代码背景的业务人员能够实现“即想即所得”，将个性化的管理设想瞬间同步到临时的系统工具中4。

这一权力让渡的核心前提，是底层通用构建块的高度标准化与高复用性30。

对于应用软件提供商而言，这一演进彻底颠覆了其传统的“按人头/按席位收取SaaS订阅费”的商业模式6。面对能够自行开发替代应用的客户，应用厂商的突围之路在于其定位的主动下沉24。

未来，优秀的软件厂商将不再致力于向企业推销臃肿的前台界面，而是专注于将自身打造成“高内聚能力底座”的提供商20。它们需要将自身的行业Know-how、底层算法与数据模型彻底封装为标准化、健壮性极高的计算引擎与元数据规格，通过可预测的调用费率和极高的数据质量来证明自身的不可替代性，在“砂漏细腰”之下构建坚实的技术护城河24。

央企数科的洗牌解构与技术同质化终局

将上述逻辑推及中国宏观数字转型实践，前几年在国有企业数字化转型潮中纷纷涌现的“央企数科子公司”，如今正在经历大浪淘沙的严酷洗牌12。

大批数科子公司面临生存困境、合并重组甚至撤销关停，其根本原因在于未能看清自身作为“数字技术基础设施”与“非标设备提供商”的本质属性12。

在起步阶段，数科公司大多依赖母集团的内部IT外包业务存活，属于典型的成本中心39。当它们试图推行商业化输出、向利润中心转型时，往往陷入了与互联网巨头及成熟SaaS厂商拼“通用技术平台”或“前台通用应用”的战略泥潭12。它们既没有通用云服务商的极致硬件规模效应，也缺乏垂直软件商在通用产品体验上的长期迭代优势12。

央企数科子公司的核心价值，绝非在于编写同质化的考勤、OA、或者是标准CRM代码，而在于其作为母公司行业属性与数字资产的“翻译器”12。数科公司后期的唯一出路，是彻底放弃在通用技术底座上的无谓竞争，转而将核心精力聚焦于与集团垂直业务场景的深度融合之上12。

未来的数字化终局已经清晰地呈现出两极分化：技术走向更底端，业务走向更顶端12。在这两极的分化中，数科公司在“技术底端”应当转变为高标准数字设备与数据基础设施的精细化运营商，保障云原生架构的安全与合规运营12；在“业务顶端”，数科公司应当将集团数十年积累的特有工业、管理与供应链逻辑，通过微服务、低代码套件及PBC组件形式牢牢锁入“砂漏细腰”之中12。

如此一来，二三级子公司的生产经营人员可在AI Agent的协助下，基于数科公司提供的刚性底座快速装配、使用、销毁各类“日抛型”生产力应用4。技术退居幕后成为无感知的空气与电力，而业务创意则在前台自由迸发，技术基础设施由此与业务逻辑达成了真正意义上的深度融合12。

引用的著作

1.消息称星巴克正借助AI 开发内部工具，欲取代微软、IBM 采购方案 - 同花顺,https://m.10jqka.com.cn/20260709/c678077811.shtml

2.星巴克借AI自建工具削减微软IBM软件开支 - 中财网,https://www.cfi.net.cn/newspage.aspx?id=20260709003123&client=phone

3.星巴克自研AI软件替代外部供应商，IBM微软股价承压 - 新浪财经,https://finance.sina.com.cn/stock/usstock/c/2026-07-09/doc-inihfpqv8558519.shtml

4.李彦宏发声，“日抛型软件”或成为现实 - 新浪财经,https://finance.sina.com.cn/jjxw/2026-05-13/doc-inhxtvfp4547062.shtml

5.李彦宏发声“日抛型软件”或成为现实 - 东方财富,https://finance.eastmoney.com/a/202605133735853441.html

6.SaaS: Is There Opportunity In The Destruction? - RIA - Real Investment Advice,https://realinvestmentadvice.com/resources/blog/saas-is-there-opportunity-in-the-destruction/

7.Disposable software | Blog - Fivetran,https://www.fivetran.com/blog/disposable-software

8.Disposable Software: When generating code costs less than finding it - Gavin Ray Blog,https://gavinray97.github.io/blog/llm-build-cheaper-than-searching

9.光环背后：数科公司如何加速推进数字化转型,https://www.deepfinance.com/news/671.html

10.Manufacturing ERP vs AI Platform Comparison for Automation Strategy and Workforce Impact - SysGenPro,https://sysgenpro.com/manufacturing-erp-vs-ai-platform-comparison-for-automation-strategy-and-workforce-impact

11.The Buy-or-Build Decision, Revisited: How Agentic AI Changes the Economics of Enterprise Software - arXiv,https://arxiv.org/html/2604.26482v1

12.数科公司狂飙四年后，究竟需要什么？ - 蓝鲸财经,https://www.lanjinger.com/d/232261

13.The Coding Agent Paradox - Shibui Yusuke - Medium,https://shibuiyusuke.medium.com/the-coding-agent-paradox-ad1ac90a014d

14.Cloud Native Engineering: SRE vs Platform Engineering Explained - Gravitee,https://www.gravitee.io/blog/rise-of-cloud-native-engineering-organizations

15.Disposable Software & LLM-Generated HyperCards: AI in Action 6 Mar 2026 - YouTube,https://www.youtube.com/watch?v=9O2etZbKHNw

16.The Age of Disposable Software - Dong Liang,https://www.dliangthinks.me/technology/disposable/

17.Pace Layered Strategy & ERP - ACC Software Solutions,https://4acc.com/article/pace-layered-strategy-and-erp/

18.Pace layering an application portfolio,https://frederickvanbrabant.com/blog/2025-08-10-pace-layering-an-application-portfolio/

19.Creating Composable Software Components - Mia-Platform,https://mia-platform.eu/blog/creating-composable-software-components/

20.AI makes interfaces disposable - Chris Loy,https://chrisloy.dev/post/2026/02/14/when-interfaces-become-disposable

21.The Flawed Ephemeral Software Hypothesis - Andreas Kirsch,https://www.blackhc.net/essays/future_of_software/

22.Your Data Outlives the App: The Governance Problem Nobody Has Solved - SmarterArticles,https://smarterarticles.co.uk/your-data-outlives-the-app-the-governance-problem-nobody-has-solved

23.When everyone has AI and the company still learns nothing - Hacker News,https://news.ycombinator.com/item?id=48020063

24.The Rise of Disposable Software and What Still Endures | The AI Journal,https://aijourn.com/the-rise-of-disposable-software-and-what-still-endures/

25.Disposable Software and the Future of Government Technology - GovLoop,https://www.govloop.com/community/blog/disposable-software-and-the-future-of-government-technology/

26.Why you shouldn't build your own infrastructure in the AI age | Courier,https://www.courier.com/blog/dont-build-your-own-infrastructure

27.Code is a liability (not an asset) | by Cory Doctorow | Medium,https://doctorow.medium.com/https-pluralistic-net-2026-01-06-1000x-liability-graceful-failure-modes-d69f384af9e4

28.Reviving the Pace-Layered Application Model in the Era of Agentic AI,https://williamvanzweeden.nl/2026/07/reviving-the-pace-layered-application-model-in-the-era-of-agentic-ai/

29.AI重塑企业IT！星巴克开启“自研软件”，微软、IBM面临新挑战 - Moomoo,https://www.moomoo.com/hans/news/post/72715465/ai-is-reshaping-enterprise-it-starbucks-launches-in-house-software

30.可组装PaaS平台：金蝶云·苍穹 - Kingdee,https://www.kingdee.com/article/1901886578842734593.html

31.Going Headless? On the Boundaries of Vertical AI Firms - arXiv,https://arxiv.org/pdf/2605.17812

32.https://arxiv.org/html/2602.21401v1#:~:text=Coase's%20theory%20of%20the%20firm,efficient%20firm%20boundary%20may%20shrink.

33.The Headless Firm: How AI Reshapes Enterprise Boundaries - arXiv,https://arxiv.org/html/2602.21401v1

34.The Headless Firm: How AI Reshapes Enterprise Boundaries - ResearchGate,https://www.researchgate.net/publication/401229418_The_Headless_Firm_How_AI_Reshapes_Enterprise_Boundaries

35.Composable Architectures vs. Microservices: Which Is Best? - The New Stack,https://thenewstack.io/composable-architectures-vs-microservices-which-is-best/

36.Intelligent Composable Business Applications | PDF | Analytics | Data - Scribd,https://www.scribd.com/document/842328703/720701-use-gartner-reference-model-to-deliver-intelligent-composable-business-applications

37.The Data Team's Survival Guide for the Next Era of Data | Towards Data Science,https://towardsdatascience.com/the-data-teams-survival-guide-for-the-next-era-of-data/

38.美国企业IT采购的变化：从“软件应用”变为“数据+AI Agent” - Moomoo,https://www.moomoo.com/hans/news/post/72816265/shifts-in-us-corporate-it-procurement-from-software-applications-to

39.2024爱分析·央国企数字化应用实践报告,https://www.ifenxi.com/research/content/6677