个人AI时代,软件厂商的机会与挑战

近日，由高通委托、IDC独立开展研究的《从AI设备到个人AI：智能体驱动的终端进化与产业重构》白皮书正式发布。

白皮书提出，随着终端产业从AI设备向个人AI演进，软件厂商将从单设备功能开发者，升级为面向全场景的智能体体验优化服务商，聚焦用户侧体验打磨与垂类场景能力拓展，成为连接底层算力与终端体验的关键纽带。

这一判断意味着，个人AI带来的并不只是软件产品增加一个聊天入口，而是软件的价值单位、产品形态、分发方式和产业位置都可能发生变化。

过去，用户需要主动打开不同App，通过点击页面、填写表单和切换应用完成任务。未来，用户可能只需要向个人AI表达目标，由智能体理解意图、拆解任务，并调用不同的软件、数据、模型和终端能力完成执行。

产业运行逻辑由此从：

用户寻找、学习并操作软件

转向：

用户表达目标，个人AI选择并调用软件能力。

这为软件厂商打开了新的价值空间，也带来了一个更尖锐的问题：当个人AI成为用户的统一入口，软件厂商究竟会升级为垂直任务的组织者，还是退化为智能体后台随时可以替换的能力插件？

一、从功能到任务：个人AI如何改变软件产业

传统软件的基本价值单位是“功能”。

地图提供导航，电商平台提供搜索和交易，旅游平台提供攻略和预订，日历软件负责日程管理。用户需要自己判断应该使用什么软件，并在多个应用之间组织完整流程。

个人AI的基本价值单位则逐渐转向“任务”。

例如，用户提出“帮我安排一次周末亲子活动”，个人AI需要理解家庭成员、时间、地点和预算，查询天气、交通和活动信息，比较多个方案，完成预约，写入日历，并在出发前根据天气和路况调整安排。

用户真正需要的不是某一个软件功能，而是任务结果。

个人AI并不是由某一家企业独立完成的产品，而是由芯片、终端、操作系统、模型、软件、数据和现实服务共同组成的产业生态。

根据Jacobides、Cennamo和Gawer在2018年提出的生态系统理论，生态系统的核心是多个相互依赖的参与者，通过互补能力共同完成单一企业无法独立创造的价值。

在个人AI生态中，芯片和模型提供基础能力，终端负责感知和交互，而软件厂商的核心作用，是把底层技术转化为用户可以理解、使用和信任的具体任务结果。

二、机会一：从功能供应商升级为垂直任务组织者

个人AI时代，软件厂商最重要的机会不是开发更多通用AI功能，而是掌握高价值的垂直业务场景。

这里需要区分三个不同层次的概念：

• 垂直业务场景，是软件厂商选择解决哪一类业务问题，例如差旅管理、企业采购、健康随访或门店经营；
• 用户任务，是在业务场景中需要完成的具体工作，例如查询、判断、审批、下单和履约；
• 终端触点，是任务在哪些设备上被感知、确认和执行，例如PC、手机、手表、眼镜或车机。

软件厂商的合理战略，不是无限扩张业务边界，而是：

深耕一个垂直业务场景，围绕用户任务形成闭环，并让任务在必要的终端触点之间连续流转。

例如，企业采购软件过去可能只是提供商品目录、采购单和审批页面。个人AI时代，它可以进一步理解采购需求，查询库存，识别缺货风险，推荐供应商，生成采购方案，发起审批并追踪履约。

软件价值由提供操作工具，升级为完成业务结果。

通用模型能够理解语言、生成内容和进行一般性推理，但通常不天然拥有：

• 实时业务数据；
• 行业规则和专业知识；
• 企业内部权限；
• 交易和系统操作能力；
• 异常处理流程；
• 履约、售后和责任承担能力。

这些恰恰是垂直软件厂商的优势。

David Teece在1986年提出的互补资产理论指出，掌握技术创新并不意味着一定能够获得主要利润。真正决定价值归属的，往往是围绕技术形成的生产能力、客户关系、渠道、数据和服务体系等互补资产。

映射到个人AI时代，基础模型会越来越通用，而行业数据、业务流程、执行权限、客户关系和履约网络，才可能成为软件厂商难以被替代的核心资产。

三、机会二：从独立应用升级为可调用的能力网络

传统软件能力通常被封装在App内部。用户只有打开应用，才能使用其中的功能。

个人AI时代，软件厂商可以把能力拆分成API、工具、Skill、智能体或标准化服务，使其能够被不同的个人AI、终端和业务系统调用。

例如，一家差旅软件可以将自身能力拆分为：

查询差旅制度、搜索合规航班、预订酒店、发起审批、调整行程、生成报销材料。

这些能力既可以继续服务原有App，也可以接入手机智能体、PC智能体、企业办公智能体和车载系统。

软件的分发方式由此从“用户安装并打开应用”，扩展为“软件能力进入不同智能体的任务链路”。

按照Baldwin和Clark在2000年系统阐述的模块化理论，复杂系统可以通过标准接口拆分为可独立组合和复用的模块。这意味着软件厂商未来的产品不再只有一个前端应用，而可能形成：

App＋API＋Tool／Skill＋垂直Agent＋行业数据服务＋任务执行服务。

同一项能力可以在更多场景中被调用，软件厂商也有机会从出售完整软件，扩展到按能力调用、任务完成或业务结果收费。

四、机会三：从单次使用升级为跨终端的持续服务

传统软件与用户的关系往往局限于一次应用会话。

用户打开软件、完成操作、关闭应用，本次服务基本结束。不同设备、不同软件和不同时间段之间，用户的上下文和任务状态通常是割裂的。

个人AI则试图围绕同一个用户建立持续记忆和任务关系。

用户可以在PC上制定旅行计划，在手机上确认预订，在手表上接收提醒，在眼镜中获得现场导航，并在行程结束后自动整理票据。

这里的“全场景”不是指软件厂商必须覆盖所有行业和所有硬件，而是指：

同一项用户任务能够根据需要，在不同终端触点之间无缝接续。

软件厂商由此获得了新的经营对象：

• 用户的长期目标和偏好；
• 尚未完成的任务状态；
• 不同环境下的触发条件；
• 用户历史选择和纠正记录；
• 跨终端的连续服务关系。

软件厂商可以从一次性工具，升级为围绕某类目标持续服务的任务伙伴。衡量软件价值的指标也会从页面浏览量和使用时长，逐渐扩展到任务完成率、建议采纳率、持续服务率和长期结果改善程度。

五、机会四：从终端适配者升级为体验联合定义者

过去，软件厂商通常在芯片、设备和操作系统已经确定之后，根据平台提供的接口进行开发和适配。

个人AI时代，软件体验与芯片算力、端侧模型、传感器、功耗、交互方式和设备权限高度相关。

例如：

• 实时翻译需要麦克风、低时延推理和端侧NPU；
• 健康智能体需要穿戴传感器、低功耗计算和长期数据采集；
• 视觉智能体需要摄像头、视觉模型和眼镜显示能力；
• 车载智能体需要座舱数据、车辆控制接口和严格的安全机制。

掌握成熟垂直场景的软件厂商，可以在终端开发早期向芯片和设备厂商输入需求，共同定义哪些信息需要感知、哪些任务在端侧完成、不同设备如何分工以及任务如何跨端接续。

软件厂商由终端能力的下游使用者，逐渐变成终端体验的联合定义者。

这也是IDC所说的软件厂商成为“连接底层算力与终端体验关键纽带”的具体含义。

不过，这种产业位置上移并不会自动发生。只有真正掌握用户需求、行业场景和规模化客户的软件厂商，才有能力反向影响芯片与终端设计。缺少核心场景和客户基础的软件团队，仍可能停留在被动适配和项目交付阶段。

六、挑战一：个人AI可能重新分配用户入口

个人AI对软件厂商最大的挑战，是用户可能不再直接打开应用。

过去，软件厂商拥有App图标、首页、搜索框、推荐系统、用户账号和推送渠道，可以直接控制用户关系与交易路径。

未来，用户可能只需要告诉个人AI：

帮我购买一台适合经常出差使用的轻薄电脑。

个人AI负责理解需求、查询信息、比较商品和调用交易服务。用户可能并不知道背后调用了哪些软件，也不会主动进入某个平台浏览。

软件厂商可能由用户主动选择的产品，退化为智能体后台的匿名工具，陷入“有调用、无品牌、无用户关系、无议价权”的困境。

但这种入口替代并不会在所有场景中以相同速度发生。

用户是否愿意完全委托个人AI，主要取决于两个变量：

• 任务发生错误后的风险有多大；
• 执行结果是否容易撤销和补救。

查询天气、整理日程等低风险、易撤销任务，更容易由智能体自动完成；涉及大额支付、医疗判断、法律责任和企业核心数据的任务，用户则更可能要求可信机构参与确认。

因此，软件厂商对抗“后台化”的核心不只是品牌知名度，而是更完整的信任资产，包括：

• 专业资质和品牌声誉；
• 数据与结果的可信度；
• 操作记录的可追溯性；
• 售后服务和风险保障；
• 错误责任与赔付能力。

未来，用户未必还会亲自打开某个品牌App，但可能会明确要求个人AI“只使用某家银行完成支付”或者“只调用某家医疗机构的数据”。

品牌价值可能从“用户主动打开”，转化为“用户指定调用”。

七、挑战二：平台赋能与平台控制同时增强

软件厂商进入个人AI生态，需要依赖芯片、终端、操作系统、模型和智能体平台提供的算力、API、SDK、权限和分发入口。

这些能力能够降低软件开发门槛，但也会形成新的平台控制关系。

Ghazawneh和Henfridsson在2013年提出的平台边界资源理论指出，API、SDK和开发规则具有双重作用：一方面向外部开发者开放平台能力，另一方面也用于控制平台边界和第三方行为。

个人AI时代，软件厂商可能同时依赖：

• 芯片厂商提供端侧算力和开发工具；
• 操作系统提供设备数据与系统权限；
• 模型厂商提供理解、生成和推理能力；
• 智能体平台分配用户任务与调用流量；
• 第三方服务提供交易、支付和现实履约。

软件厂商可能承担了场景开发、用户服务和结果责任，却不掌握：

• 智能体优先调用谁；
• 服务如何排序和推荐；
• 用户数据能否完整返回；
• API是否持续开放；
• 平台如何抽取分成；
• 模型价格是否发生变化。

软件厂商获得的平台能力越多，对平台的依赖也可能越深。

因此，软件厂商既需要进入主流个人AI生态，也必须尽可能保持多模型、多终端和多平台适配能力，避免业务完全被单一平台锁定。

八、挑战三：通用功能商品化，工程与治理难度同步上升

翻译、总结、写作、搜索、语音识别、图片处理和基础数据分析等能力，正在逐渐成为基础模型、操作系统和终端设备的标准能力。

如果一款软件只是“公共模型＋提示词＋聊天界面”，就很难形成长期壁垒。

个人AI越成熟，通用软件功能越容易被操作系统和模型平台直接吸收。软件厂商必须证明，除了调用模型之外，自己还掌握什么不可替代的资源。

与此同时，个人AI也显著提高了软件工程复杂度。

传统软件通常按照预设规则运行，同样的输入会产生相对确定的结果。智能体系统则需要理解自然语言、动态规划任务、选择工具，并根据外部结果继续执行或者重新规划。

同一个目标可能产生不同的执行轨迹，也可能因为模型判断、接口变化或环境变化而失败。

软件测试因此不能再局限于页面、接口和业务规则，还需要评估：

• 意图理解是否准确；
• 任务拆解是否合理；
• 工具选择是否正确；
• 调用参数是否可靠；
• 任务能否完整完成；
• 异常发生后能否恢复；
• 何时需要人工接管。

一旦个人AI能够发送消息、修改文件、下单付款或者操作企业系统，错误就不再只是一次错误回答，而可能转化为实际损失。

软件厂商还必须建立身份认证、最小权限、敏感操作确认、沙箱隔离、操作审计、异常中止、人工接管和结果撤销机制。

个人AI软件不仅要做到“能够理解和执行”，还必须做到：

可授权、可控制、可解释、可撤销、可审计、可追责。

九、挑战四：原有商业模式受到冲击，新的价值分配机制尚未建立

个人AI对软件商业模式的冲击，不只是模型推理成本增加，还包括传统流量与广告模式可能失效。

过去，很多互联网软件依靠用户主动进入页面、浏览内容、观看广告和接受推荐完成变现。

例如，用户购买商品时，会经历：

搜索—浏览列表—查看推荐—接触广告—比较商品—完成购买。

个人AI可能直接理解用户需求，聚合多个平台的信息，筛选出少数结果并完成购买。

如果用户不再进入应用页面：

• 展示广告将失去曝光空间；
• 信息流推荐将失去用户停留时长；
• 搜索竞价排名的价值会下降；
• 软件平台对用户决策过程的控制力会减弱；
• 依赖流量分发的商业模式可能被重新改写。

订阅和交易佣金模式也会受到冲击。用户未必愿意分别订阅多个被个人AI调用的软件服务；个人AI的跨平台比较能力，也可能压低软件平台的佣金和服务溢价。

新的商业模式可能包括：

• 按API或能力调用收费；
• 按任务完成数量收费；
• 按交易结果分佣；
• 按节约成本或业务增量收费；
• 向终端厂商收取能力授权费用；
• 按智能体席位或服务等级订阅。

但这些模式仍面临现实问题。

一项任务可能同时调用模型、搜索、支付、地图和多个垂直软件，最终收入应该如何分配？任务是否成功由谁判定？用户中途进行了人工修改，结果应该归功于哪个参与者？软件厂商向用户收费，还是向个人AI平台收费？平台又会抽取多少分成？

个人AI不仅重构软件的产品形态，也会重构软件的计价单位和收入分配机制。

软件厂商面临的不是简单地从订阅收费改成按调用收费，而是从“控制用户流量并自主变现”，转向“参与个人AI任务链路后的多方收益分配”。

同时，智能体每完成一次任务，都可能产生模型推理、搜索、第三方接口、数据处理、端云同步、监控评测和人工介入成本。

软件厂商必须真正核算：

单任务毛利＝任务收入－模型成本－工具调用成本－基础设施成本－人工介入成本－错误与赔付成本。

如果用户使用越频繁，软件厂商亏损越多，个人AI服务就不具备可持续性。

十、软件厂商应该如何应对

个人AI时代，软件厂商不能只问“要不要开发智能体”，而要重新判断自己在个人AI任务链路中的控制位置。

首先，应当聚焦垂直业务场景，而不是盲目追求所谓的全行业、全终端和全场景覆盖。

真正有价值的方向，是选择用户需求真实、任务价值明确、软件可以形成执行闭环，并且具备合理商业模式的业务场景。

其次，软件厂商需要掌握至少一项不可轻易替代的关键资产：

• 直接用户关系；
• 专业行业数据；
• 业务规则和工作流；
• 系统操作权限；
• 交易和结算能力；
• 线下履约与售后体系；
• 品牌与信任资产。

再次，软件产品需要形成双层结构。

一层是直接面向用户的产品、品牌和服务体系，保证软件厂商仍然拥有独立用户关系；另一层是可以被个人AI调用的API、Tool、Skill和垂直Agent，使软件能力能够进入更广泛的终端和任务链路。

软件厂商既不能拒绝智能体生态，也不能完全放弃自己的用户入口。

最后，软件厂商必须持续重构组织能力。

Teece、Pisano和Shuen在1997年提出的动态能力理论认为，企业在快速变化环境中的优势，不只来自现有资源，更取决于其感知机会、抓住机会和重新配置内外部能力的水平。

个人AI不是在原有App中增加一个模型接口，而是要求企业重新整合产品、技术、数据、行业专家、安全治理、服务运营和生态合作能力。

个人AI时代，软件厂商最大的机会，是从单设备功能开发者升级为垂直任务的组织者和执行者，借助模型与多终端算力，进入过去无法覆盖的复杂服务场景。

最大的挑战则是，当个人AI开始接管用户意图、任务分发和服务选择，软件厂商可能在获得更多调用的同时，失去用户入口、品牌关系、数据资产和价值分配权。

因此，决定软件厂商未来产业位置的，不是它接入了哪个模型，也不是开发了多少个Agent，而是它能否掌握个人AI任务链路中的关键控制点。

拥有垂直数据、业务流程、执行权限、交易能力、履约体系和信任资产的软件厂商，有机会成为个人AI时代真正的场景平台。

缺少这些关键资产的软件厂商，则可能从今天的独立应用，逐渐变成被个人AI按需调用、统一比价、随时替换的标准化能力供应商。

个人AI提高了软件厂商能够创造的价值上限，但不会自动提高软件厂商的产业地位。

软件厂商最终会成为连接底层算力与用户体验的关键纽带，还是成为隐藏在个人AI背后的匿名插件，取决于它能否同时做到两件事：

为用户创造不可替代的任务价值，并保留对关键资产、用户信任和价值分配的控制权。