大判断:3到5年后,AI将会给软件行业带来怎样的改变?我的判断是,AI会彻底重构软件行业的价值与商业模式。
📌 本文看点
01
软件股被重新定价
02
AI三层能力跃迁
03
从卖系统到卖富token
ESSENCE
软件产品的本质:工程能力和行业知识

软件从来不只是代码。一个软件产品能不能真正有价值,关键看两件事:
第一,工程能力。
系统能不能稳定、可靠、可扩展、可维护,出了问题能不能定位,业务量上来能不能扛住,需求变化以后能不能继续演进。
第二,行业理解。
能不能把业务流程、管理规则、经营指标、决策逻辑沉淀进产品里。能不能理解客户真正想解决的问题,积累深厚的行业知识和经验。
从前软件产品出问题,不是代码能力弱,而是因为这两件事没做好。有的公司工程能力弱,系统上线后到处是坑;有的公司行业理解浅,只会照着客户说的做菜单。
现在企业对软件的要求又变了。过去企业买系统,主要是为了“信息化、数字化”,把线下流程搬到线上,把纸质表格变成电子表单。
但今天企业要的是快速响应、快速决策、快速调整。市场变了,组织要跟着变;业务变了,流程要跟着变;领导今天想看一个指标,明天想查一个异常,后天又想把一个新思路落地为流程。
但传统软件开发即使是敏捷开发也往往很难跟上这种速度。改一个报表要排期,调一个流程要立项,接一个新系统要协调几轮,做一个分析还要等数据部门。
「企业越来越需要软件,但越来越得不到满意的响应。」
MARKET
资本市场已经开始重估传统软件公司

资本市场已经有所体现。
2026年初,AI 对传统软件商业模式的冲击,直接反映到了软件股上。受 AI 颠覆软件行业的担忧影响,软件和服务类股票在6个交易日内蒸发了约 8300 亿美元市值;随后美国软件股继续承压,市场一度估算相关板块一周蒸发接近 1 万亿美元。
8300亿$
六交易日市值蒸发
1万亿$
板块单周蒸发估算
47%
ServiceNow 年跌幅
老牌企业比如 Salesforce,在 SAP 云业务展望不佳、ServiceNow 财报引发担忧之后,股价一度下跌 7.1%;Adobe 下跌 3.9%;Datadog 下跌 8.3%。
这些公司业绩其实很优秀,但市场真正担心的是:
「如果 AI 能够自动完成越来越多的流程、分析、生成和协作任务,那么传统软件公司过去依靠授权费、实施费建立起来的估值逻辑,还能不能继续成立?」
软件也许需要换一种形态存在。
AI LAYERS
AI 正在逼近产品经理和程序员的核心能力

AI 对软件行业的改变,不只是“帮程序员写几行代码”,而是在同时逼近产品设计、代码实现和工程交付这三件事。
第一层,是 AI 的推理能力。
现在的大模型,已经越来越接近一个优秀产品经理的能力。它能读材料、理解需求、拆解任务、梳理流程、设计原型、推演用户路径。过去一个客户说“我想做一个经营分析系统”,产品经理要访谈、画流程、写需求、做原型。现在 AI 已经可以参与到这个过程中,甚至在很多标准场景里,能直接给出相当完整的产品设计方案。
第二层,是 AI 的编程能力。
自2025年底开始的以Claude Code发布开始,各个大厂将AI编程能力作为重点训练的方向,AI 编程已经与优秀程序员相当,甚至他还是全栈程序员。这里说的“优秀程序员”,不是指它能独立负责一个复杂系统的全部成败,而是说在一个明确上下文和明确目标下,AI 已经能够写出满足单元能力的代码——一个接口、一个组件、一个脚本、一个数据处理流程、一个测试用例、一个小工具。目前不少大厂的代码已经超70%以上的代码由AI生成。
84%
开发者已用/计划用 AI
>50%
专业开发者每天使用
Stack Overflow 2025 开发者调查显示,84% 的受访者已经在使用或计划使用 AI 工具参与开发流程,其中专业开发者里每天使用 AI 工具的人已经超过一半。
第三层,是今年以来越来越明显的 AI 编程工程能力。
伴随着模型的AI编程能力提升,其工程能力也在逐步深化,从最早的prompt工程,到后来的 context、harness,到最近提出的loop。要有足够准确的上下文,要有测试脚手架、运行环境、校验机制,要让 AI 在“生成、运行、报错、修正、再验证”的循环里持续改进。
所以 AI 编程真正的门槛,不是问一句“帮我写个系统”,而是能不能建立一套工程体系,让 AI 在正确的上下文里工作,在可验证的环境里输出,在持续反馈的循环里修正。没有这套体系,AI 只是一个很能写代码的助手;有了这套体系,AI 才可能变成新的软件生产线。
FUTURE
未来的软件形态:大模型底座 + 行业知识 + 确定性工具

未来3-5年,我认为软件形态会演变为:大模型能力 + 行业知识 + 确定性工具。
「企业真正需要的是结果。」
未来的软件,表面上可能仍然是工具、报表、按钮、流程、看板,但底层已经变了。底层是大模型,负责理解、推理、生成和调度;中间是行业知识,负责沉淀规则、流程、指标和判断标准;外层是确定性工具,负责把结果稳定交付给用户。
把行业里的经验、规则、流程和判断标准,变成 AI 能调用、能验证、能交付的工具。
BUSINESS
商业模式会变:从卖系统到卖富token
商业模式也会随之变化。过去软件公司主要靠开发费、授权费、实施费、运维费、模块费赚钱。但 AI 时代,成本结构会发生变化。过去最大的成本是人,是开发工时;未来很大一部分成本会变成模型调用、算力消耗、上下文存储和工具执行,也就是广义上的 token 成本。
富token,这是我自己起的名字,意思就是软件商通过基于模型能力在外围构建的工具、工程约束等,最后以token形式输出给用户,所以叫富token。
所以未来软件公司的商业模式,很可能从“卖系统”转向“卖富token”。更直白一点说:
「软件服务商会成为 token 的组织者和分销商。」
但这不是简单倒卖 token。如果只是从大模型厂商那里买 token,再加价卖给客户,那没有太大价值。真正的价值在于:是否能把 token 变成客户要的结果。同样消耗 100 万 token,有的人只能生成一堆没用的文字,有的人能完成合同审查、经营分析、客户分层、风险预警、报表生成。客户最终不是为 token 付费,而是为结果付费。模型厂商提供的是基础能力,软件公司要做的是把基础能力变成行业应用。
如果你关注软件行业、企业数字化、AI 工具、自动化提效,或者你手里正好有一个想实现的需求,欢迎关注我,留言给我。
我是 it老登。
如果你觉得今天这篇有收获,欢迎点赞、在看、转发三连,我们下篇见。
夜雨聆风