2023年大语言模型爆发以来，AI会取代软件的观点反复出现。每隔几个月市场就会经历一轮新的情绪波动，模型能力刚有突破就会有人开始断言传统软件公司将会被AI完全替代。等到预言落空，又有人转向另一个极端认为AI对软件行业的影响被严重高估。

市场对于AI和软件的判断摇摆的主要原因是把模型有多聪明的问题，等同于模型能产生多大的产业价值的问题。但实际上这是两件完全不同的事，一个模型可以在数学推理上超越人类，却在实际的企业办公场景中毫无用武之地。一个模型可以写出漂亮的代码，却因为推理成本过高而无法被大规模商业化。

真正值得追问的问题是AI与软件的关系究竟处于哪个阶段？接下来谁会赢，谁会输，机会在哪里？

一、理解AI模型的演变，

才能看清软件的未来

要理解AI对软件行业的影响，先要理解模型本身的演进方向。但市场上大多数的讨论都只盯着模型的推理能力，也就是它能不能答对这道题。但是从产业影响的角度来看，模型的演进至少涉及多模态输入能力、大语言模型的可用性跃迁，以及多模态输出能力三个方向，每个方向各有产业逻辑，也各有瓶颈所。

1.多模态输入模型

在大多数人的认知里与模型交互的方式就是打字。但是对于绝大多数真实的商业场景而言，文字输入既不自然也不高效。工厂里的摄像头捕捉的是画面，客服电话传递的是声音，医生诊断依赖的是影像，设计师沟通依靠的是图纸。如果模型只能处理文字，它与这些场景之间的距离就永远是遥远的。

正因如此，多模态输入模型与软件行业的关联反而比纯文本模型更为紧密。2025年5至6月间，字节跳动发布了一系列视觉理解模型，一是用于工业摄像头或直播间的实时音视频理解。二是离线视频分析，可以逐秒解读视频内容或定位特定人物和字幕出现的时间节点。三是多图片综合理解，能够从一组图片中提炼出完整的叙事逻辑。

同年，Gemini 3作为一个原生多模态端到端的综合理解模型，用户可以用一张手写菜单配合图像中的其他文字直接让模型生成菜单页面。也有用户使用它做体育赛事的实时直播，延迟只有12分钟，模型自动生成字幕并转化为语音，一个AI直播员就能被生成。

但是这两个在技术上有突破性的模型都没有在商业上激起应有的水花，技术上的可行性与商业上的可及性之间存在巨大的落差。

Gemini 3的推理消耗实在过于庞大，谷歌一直试图通过量化压缩找到折中方案但始终未能成功，后续版本没有一个真正站稳脚跟。字节的视觉系列模型则被并入豆包大模型，加之价格偏高，在用户侧几乎处于酒香巷子深的状态。

在多模态输入这个方向上技术的天花板已经相当高，真正的制约不在于能不能做到，而在于能不能以合理的成本、合理的延迟、合理的接入方式做到。一旦这些工程化问题得到解决，多模态输入模型对软件行业的冲击将是全面且深度的。

2.大语言模型

长期以来，我们评价一个大语言模型的好坏主要看它的推理能力和知识储备，比如说能不能解出数学题，能不能回答专业问题，能不能写出高质量的代码。这是模型能力的第一个维度，也是目前中美模型竞争中最常被拿来对标的维度。

但从2025年开始，功能可用性变得越来越重要。不是在问模型能不能答对这道题，而是问模型能不能真正融入一个完整的工作流程，独立完成一件有实际价值的事情。

美国公司在这方面的进展明显领先。OpenAI的路径是将模型与工具深度集成，从5.4版本开始推出了模型即Agent的概念，用户不需要任何额外的软件直接与模型交互就能完成复杂任务。到5.6版本，OpenAI甚至主动建议用户可以不再单独使用Codex，因为模型本身已经将编程能力内化其中。

Anthropic走的是另一条路但方向同样清晰。Claude Cowork框架加上MCP协议，再加上模型本身极强的综合解决问题能力，构成了一套完整的企业级可用性方案。它的逻辑不是你告诉我要写什么代码，我来写，而是你告诉我要解决什么问题，我来决定是否需要写代码以及怎么写。

国内的Kimi是目前最接近Anthropic这套思路的模型。追求的不是在编程竞赛题上拿高分，而是在面对一个综合性的白领办公问题时，能够自主决策、调用工具、写出正确的代码并完成任务。

以上变化体现出模型正在从一个需要人类精心调教才能发挥价值的工具，逐渐演变为一个能够主动参与工作流程的协作者。对软件行业而言，这个变化比模型更聪明了还要重要。

3.文生视频

文生视频是2025年最为热闹的赛道之一，国内的可灵2.0等模型已经实现了相当可观的商业收入，这个方向的商业价值似乎已经得到了验证。但如果细看就会发现这个赛道其实卡在一个非常尴尬的位置，主流的文生视频模型生成的内容普遍是24帧每秒，这个帧率既打不进高端市场，又融不入日常场景。

在高端市场，好莱坞的专业影视制作也是24帧，但它真正的核心竞争力是真人的逼真度，包括明星的面孔、演员的表演、动作场面的真实质感。当前的模型在这些方面存在明显的锐化感，与真实影像之间的差距肉眼可以识别。所以AI生成的内容在专业影视领域只能承担边角场景，无法成为主力。

在日常场景，我们用手机随手拍摄的视频帧率通常在30帧以上，画面流畅自然。与之相比，24帧的AI生成视频节奏明显偏慢，放在短视频平台上会显得格格不入。

不上不下的困境决定了文生视频在当前阶段对软件行业的渗透是有限的。它能挣钱，但还没有真正打开那个最大的市场空间。30帧是这个赛道的关键分水岭。一旦突破，广告制作、教育培训、游戏素材等一系列行业的工作模式都将迎来实质性的改变。

二、AI对软件的冲击史

第1阶段，2023—2025上半年

大语言模型刚刚爆发的时候，最直觉性的担忧是这样的：既然AI能写代码，企业是不是就不需要再采购软件了？我让模型给我写一个不就行了？这个想法在当时引发了大量讨论，也让不少软件公司的股价承受了压力。但随着时间推移，这个逻辑被现实逐渐推翻。

推翻它的论据很简单，做这件事的前提是必须有一个专业的软件设计师。软件开发不只是写代码，它需要有人能够把业务需求准确转化为技术规格，需要有人能够测试、维护、迭代。绝大多数企业这样的人才本就稀缺，甚至根本不存在。没有这个角色，AI写出来的东西大概率是bug满天飞，自己都不敢用。

字节跳动等公司的大量实践也验证了另一个重要结论，AI直接面向C端用户的独立应用，用户并不买单。除了通用型的ChatBot或者Manus这样的通用Agent之外，一个功能单一、只有AI能力的APP很难在市场上站稳脚跟。

AI的价值应该在软件背后，而不是直接作为产品的主体。这个共识，是理解后续所有变化的基础。

第2阶段，2025年下半年

第1阶段是一场虚惊，但是2025年下半年发生的事情才是真正意义上的冲击。

这一轮冲击的触发机制与早期的担忧截然不同。它不是因为AI能写代码，而是因为模型的综合能力已经强到足以替代SaaS软件中那些躺赚的增值服务。

以Salesforce为例，这家公司的核心产品是CRM，但在过去很长一段时间里，它挣钱最容易的部分其实是附加在CRM之上的增值服务，例如数据分析、流程优化、统计报表。这些功能，用户愿意为之付费，因为自己做太麻烦，外包给专业软件公司更省心。

但当模型能力演进到Anthropic 4.5/4.6、OpenAI o系列的水平时，企业完全可以自己让模型来做这些事，既可以直接问模型帮我分析这份数据，也可以让模型写一个简单的分析脚本，每天自动运行。灵活性更高，成本更低，还能根据自己的需求随时调整。

Snowflake和Databricks受到的冲击与此相似。这两家公司的核心市场一个偏BI，一个偏与BI相关的数据库技术，最终的用户需求都指向数据分析。当模型能够直接、灵活地满足这个需求时，它们的估值自然承压。

这一轮冲击的本质不是AI消灭了软件，而是软件中那些依靠信息不对称和操作复杂性维持的躺赚部分被彻底暴露在了竞争之中。对于那些收入中有20%至30%来自此类增值服务的软件公司而言，市值被相应砍掉，是完全合理的市场反应。

3.AI和软件的共存模式

AI和软件的冲突议题不仅揭示了哪些软件公司的商业模式存在漏洞，而且展现了AI与软件正确的共存方式。有一批做得比较好的公司开始出现，主体业务保持不变，AI的价值被嵌入到关键场景的背后。

Figma是一个典型案例。作为一款设计协作工具的价值是多人协作的流畅体验，但如果只讲协作工具的故事，上市叙事是相当有限的。引入AI设计生成能力之后，商业故事就变成了AI驱动的下一代设计平台，商业想象空间一下子打开了。Figma从来不把AI功能作为产品的主体来宣传，而是让它成为原有工作流中某些环节的智能化升级。

金山办公、百度文库的逻辑与此相近。它们的产品主体的文档编辑、知识管理并没有改变，改变的是某些具体操作的体验，写作辅助、内容摘要、智能搜索等功能。用户感知到的是原来的产品变得更好用了，而不是我在使用一个AI产品。

这种模式的有效是因为尊重了用户的使用习惯，降低了迁移成本，同时又真实地提升了产品价值。但这只是一个过渡阶段的答案，随着模型可用性的持续提升，更深层的变革正在酝酿，不再是在原有产品里加入AI功能，而是围绕AI的核心能力，重新设计整个产品的使用模式。这个转变会是下一轮软件行业洗牌的驱动。

三、为什么国内软件行业逻辑与欧美截然不同

1.国内软件公司的护城河

欧美SaaS公司的商业模式建立在高度标准化的产品之上。一个成熟的SaaS产品的理想状态是用户注册即用，无需定制，按月付费。模式的优点是规模化能力强，缺点是一旦有更好的替代品出现，用户迁移的成本相对较低。

中国的软件行业是截然不同的。以用友、金蝶、帆软这样的公司为例，看起来是成熟的标准化软件公司，但真实情况是软件对某一个行业的适配从来都不是百分之百开箱即用的。每一次部署都需要经历授权、实施、对接、配置，甚至代码修改的过程。它们本质上是带有定制化属性的软件服务公司，而不是纯粹的产品公司。

首先是数据壁垒。多年的行业服务积累下来，这些公司手里握有大量的行业数据，包括业务流程数据、行业标准数据、历史操作数据。这些数据是任何外来者在短期内都无法复制的资产。

其次是流程壁垒。这些公司已经把某个行业的脏活累活全部干尽了，行业里所有复杂的流程、规则、例外情况，都转化成了代码和数据库里的配置。一个新进入者，哪怕技术能力再强，也需要从头开始理解这个行业，重新把这些东西梳理一遍。

这两道护城河叠加在一起，意味着在中国市场一个创新的AI公司出来颠覆传统软件公司这件事，比在欧美市场要难得多。

2.中国特例：制度性壁垒

除了商业层面的护城河，中国市场还存在大量制度性壁垒，这是欧美市场分析框架中几乎不会出现的变量。

以保险行业为例，过去两年，美国市场涌现出大量AI投顾产品，帮助用户比较不同保险产品的条款和价格，选出最适合自己的险种。这类产品在美国运行得相当顺畅，但在中国这件事根本无从实现。中国保险公司的合同是高度封闭的，用户必须先下单、先付钱，才能看到合同的完整内容。在这种信息结构下，AI投顾所需要的比较基础根本不存在。

类似的情况在银行理财、医疗数据、政务信息等多个领域都不同程度地存在。这些制度性壁垒不是技术能力能够绕过的，它们影响着AI在各个行业的渗透路径和节奏。

3.竞争格局的重新排序

综合以上分析，中国市场AI与软件融合的竞争格局与欧美市场有明显不同的排序：行业软件公司转型的成功概率最高，行业老兵创业次之，互联网大厂的概率反而最低。

行业软件公司它们已经拥有数据和流程两道护城河，只需要在此基础上引入AI能力就可以大幅提升服务效率，用AI替代原本需要人工完成的售前配置、客户定制化等环节。率先完成AI转型的公司，有机会在行业内实现排位的跃升。

行业老兵创业的逻辑类似。这类创业者往往带着深厚的行业积累和渠道关系出来做，他们不需要从零开始理解行业，也不需要从零开始建立客户信任。在中国市场，渠道关系的价值往往被低估，但它实际上是一个极难复制的竞争优势。

互联网大厂为何反而处于劣势？首先，大厂做事追求速度，容易浮于表面，而服务垂类行业场景需要的是深度而非速度。其次，大厂已经患上了大厂病，复杂的审核流程、复杂的分析报告、复杂的审批机制，这些东西让大厂在面对需要快速试错的垂类场景时反而比创业公司更慢、风险更高。最后，大厂之间的相互盯防和内卷，也让它们在选择进入哪个垂类市场时格外谨慎，往往主动回避那些规模不够大但又需要深度投入的行业。字节将飞书的人事业务与通用业务分开，就是大厂主动收缩垂类战线的典体现。

四、蓝海在哪里，节点在何时

明确了竞争格局，下一个问题是机会在哪里，时间在什么时候？

1.C端成熟与早期并存

C端市场的现状是成熟与早期并存，且两者之间的边界相当清晰。已经成熟的部分主要是多模态生成，生图和生视频。这个方向已经形成了相对完整的分层竞争格局，高端有可灵、Sora等效果出众但价格较高的产品，中端有混元、海螺等性价比均衡的选择，低端有爱诗科技等快速便宜的工具。不同层级的用户都能找到适合自己的产品。这个方向的渗透范围也相对广泛，已经能够触达五线城市的普通用户。

仍处于早期的部分主要是文本类的AI办公应用，ChatBot、智能文档、AI助手等。这类产品存在两个限制，一是PC端与移动端的交互体验断层，文本在移动端的输入和阅读都相当不友好，而当前的模型还没有能力把这个问题优雅地解决掉。二是价格敏感性，中国用户对于软件付费的接受度本就有限，AI功能的附加价值还没有强到足以突破这道心理门槛。

C端AI办公类应用的大规模渗透还需要等待两个条件的成熟：模型在移动端交互上的体验突破，以及某种足够强大的新使用模式出现，让用户觉得不用就是在吃亏。

2.B端工具层繁荣掩盖了应用层的空白

B端市场表面上看起来相当热闹，大量企业在云平台上自建工作流，搭建各种垂类Agent，大型企业每天可能有数千个Agent在运行。但是工具层的繁荣恰恰说明应用层还是一片空白。企业之所以需要自己搭建工作流、自己组装Agent，是因为市场上根本没有现成的、成熟的、能够直接满足它们需求的软件服务。这就像建筑行业的早期阶段，没有开发商，大家只能自己盖平房，于是卖铲子、卖水泥的生意格外好。但这个阶段不会永远持续，一旦开发商出现，大家就会开始买楼房，铲子和水泥的需求自然会回落到正常水平。

B端市场的技术瓶颈是模型的记忆能力。大语言模型的架构设计天然不支持优秀的长期记忆，它的工作模式是一来一回，问完就走，对上下文的保持能力有限。这个问题在面向个人用户的场景中还勉强可以接受，但在企业级的复杂工作流就会成为一个严重的制约。一个真正成熟的企业级AI软件，需要能够记住用户的工作习惯、历史操作、业务偏好，这些都是当前模型架构难以优雅支持的。

3.对公企业垂类Agent软件服务是蓝海

在所有的机会方向中，有一个方向的规模最大、确定性最高，同时也是当前最被低估的，也就是对公企业的垂类Agent软件服务。

火山引擎、阿里云等主要云平台2025年在MaaS模型即服务方向的收入大概在500亿至800亿元之间甚至可能更高。已经有大量的企业在云平台上自己烧Token、自己跑Agent，来满足各种各样的业务需求。

这些企业其实已经在为AI能力付钱了。它们付出的是人力成本，需要有人搭建和维护工作流，加上Token成本，直接向云平台支付。自建模式对于大型企业来说勉强可行，但对于中小企业来说，门槛依然很高。

如果有一家软件公司能够针对某个行业的某类高频场景，提供一套开箱即用的Agent软件服务，帮企业把工作流设计好、把Token成本包进去、把维护和更新承担下来，那么企业是完全有意愿为此付费的。因为它们本来就在付钱，只是现在付的方式更麻烦、效率更低。

这个市场的规模可以做一个粗略的估算：如果云平台的MaaS收入是500亿，哪怕只有10%的市场份额最终流向垂类Agent软件服务公司，那也是50亿的规模。随着模型能力的提升和企业需求的成熟，这个比例只会越来越高。

当然，这个机会的实现需要几个前提条件，模型的综合解决问题能力要足够强，能够真正替代人工完成复杂的业务流程。记忆能力要有实质性的突破，能够支撑长期的企业级工作流。要有足够了解行业的人，愿意去做这件需要深度投入的事情。

4.几个特殊赛道

（1）游戏行业

游戏行业是一个经常被提及、但实际落地相当有限的方向。把游戏中的AI应用拆开来看，大致可以分为美术素材生成、剧情玩法设计、NPC交互。

美术素材生成方向当前的技术路线都存在明显的局限性。等比例还原真实世界的技术成本极高且不适合游戏的创意需求。国内创业公司的3D资产生成只能产出独立素材，无法解决布景和互动的问题。大公司推出的沉浸式世界大模型在可控性和响应性上还有大量问题待解。

剧情玩法设计方向，模型只能基于它见过的东西进行总结和生成，而游戏公司需要的恰恰是别人没想到的新奇玩法。

NPC交互方向最大的障碍是责任归属。模型说错了话、做错了事，玩家和游戏公司之间谁来担责？在模型方明确不承担责任的情况下，游戏公司不敢轻易放开这个口子。

游戏行业AI落地最成熟的方式其实是最不起眼的编程API。游戏也需要写代码，用AI辅助编程是当前最直接、最可落地的价值点。

游戏行业真正的转折点，依然是文生视频的帧率突破。一旦生成帧率达到30帧以上，游戏素材的生成成本将大幅下降，专门服务游戏行业的AI技术服务公司将有机会出现。

（2）AI编程

AI编程是一个经常被高估规模的市场。市场上流传着AI编程市场将达到千亿规模的说法，但仔细分析，这个数字在中国市场很难成立。

第一，国内的科技互联网大厂都在鼓励员工使用自家的模型完成开发工作，这部分需求被内部消化，不会释放到外部市场。

第二，国内模型厂商之间的价格竞争极为激烈，混元、Qwen等模型频繁推出低价套餐，市场整体的ARPU被压得很低。

第三，真正对编程质量敏感的用户，往往还在使用海外模型，这部分收入已经流出了国内市场。

阿里云2025年发布的AI编程工具Qoder在国内市场占据了约48%的份额，对应的收入大约是2亿元。以此推算，整个国内AI编程市场的规模，大概在百亿级别，而非千亿。

Anthropic模式给出的启示是AI编程的最大价值不在于帮程序员写代码这个垂直场景，而在于模型在解决复杂业务问题时，自主决定写代码这个更广泛的场景。前者是工具，后者是Agent。前者的市场是有限的，后者的市场才是真正广阔的。

（3）AI for Science

在AI与科学研究的结合方向上，医学和材料学是国内目前相对最成熟的两个领域，已经有一些实质性的落地案例。但这个方向的商业化路径与其他方向有本质的不同。它不是由市场需求驱动的，而是由政策和机构合作驱动的。一个AI医疗模型，要从实验室走向临床应用，需要经过漫长的资质认证流程。一个AI材料学模型要从学术成果走向产业应用，需要与具体的制造企业深度绑定。

更复杂的是数据归属问题。当一个模型与某个研究所合作，使用了研究所的数据进行训练，研究所往往会要求在后续商业化中获得分成或者限制模型不能服务于其他客户。这个问题在中国市场尤为突出，它会显著拖慢AI for Science的商业化进程。

五、关键指标与观察框架

从技术维度看，有四个指标值得持续跟踪。

（1）音视频理解的延迟是多模态输入方向的核心指标。当前的视觉理解模型，延迟仍在秒级。一旦降至毫秒级，工业摄像头、家用摄像头、直播间等场景将迎来实质性的商业化机会，对应的硬件和软件商业模式都将发生变化。

（2）文生视频的帧率是多模态输出方向的核心指标。30帧是关键门槛，突破这个门槛，广告制作、教育培训、游戏素材等行业的工作模式将被重塑，对应的软件服务公司将迎来新的发展窗口。

（3）模型的上下文记忆能力是B端应用层成熟的核心指标。当前的大语言模型在长期记忆上存在架构层面的制约，这个问题的实质性突破将直接决定B端通用办公场景的成熟时间。

（4）原生多模态端到端模型的国内落地是手机端软件模式变革的关键。阿里2025年9月发布Qwen3-Omni、字节同类方向豆包 1.8 + Seedance 1.5 pro于12月跟进，一旦这类模型在端侧跑通，HarmonyOS 6、iOS基础模型框架、Android AICore等OS层接口会把模型能力标准化，软件开发方在中长期接入 AI 的成本有望显著降低。

回到最初的问题：AI与软件的关系，到底处于哪个阶段？答案是我们正处于一个过渡期的中段。早期的误判已经被现实纠正，正确的共存模式已经浮现，但真正意义上的新一代软件服务还没有大规模出现。

AI不会侵蚀软件行业而是会换代软件行业。那些没有跟上的公司不是被AI消灭的，而是没有跟上时代的节奏。

在中国市场，国内软件公司的护城河远比外界预期的要高。数据壁垒加流程壁垒，再加上各种制度性因素让外来者颠覆传统软件公司这件事的难度远超欧美市场。真正的变革更可能来自内部，来自那些愿意用AI重建自身能力的行业软件公司，以及那些带着行业积累出来创业的老兵。

最大的蓝海是对公企业的垂类Agent软件服务。这个市场的规模足够大，当前的空白足够明显，而且有一条相对清晰的商业路径。它的爆发只是时间问题。