工信部印发“人工智能+软件”专项行动：软件企业如何抓住应用交付与产业升级新机会？

【软盟资讯·新闻导读】9月11日，工信部发布《“人工智能+软件”专项行动实施方案》相关信息，方案明确到2028年推广应用覆盖2万家规模以上软件企业，实施100项软件企业智能化技改，在重点行业打造100个智能体软件标杆应用。政策释放的核心信号是：软件产业竞争将从工具、产品和项目交付，进一步转向人工智能应用能力、行业解决方案与持续运营服务。

一项专项行动，为什么值得软件企业重新审视经营方式

从已披露内容看，这项政策并不是单纯鼓励软件企业增加一个人工智能功能，而是试图推动软件和信息技术服务业在开发方式、产品形态与服务模式上同步变化。

工信部相关信息显示，《“人工智能+软件”专项行动实施方案》文件编号为工信部信发〔2026〕209号，文件落款日期为2026年9月2日，相关发布信息于9月11日公开披露。方案提出，到2028年，软件和信息技术服务业智能化水平显著提升，智能编程工具和智能开发平台加快培育，推广应用覆盖2万家规模以上软件企业；同时，累计组织实施100项软件企业智能化技改项目，在重点行业打造100个智能体软件标杆应用，孵化5个以上优质开源项目。

到2030年，方案进一步提出，人工智能与软件和信息技术服务业融合发展实现新跃升，关键软件全面实现智能化升级，智能编程、智能体软件及智能服务等新业态成为产业新增长极。

这些目标没有直接给出每家企业的补贴额度、申报名单或统一考核细则，但已经形成较清晰的产业导向：软件企业不能只把人工智能视为外部采购的模型能力，而要将其嵌入研发、产品、交付、运维和客户经营的完整链条。

政策释放的三层信号

第一层：软件开发方式将从人工主导转向智能协同

方案把智能编程作为重要突破口，提出支持有条件的地方组织开展软件企业智能化技改，引导企业加大智能编程应用投入，改造软件开发流程。

这意味着人工智能的价值不再局限于代码补全或问答工具，而是可能逐步进入软件生命周期的更多环节，包括：

• 需求分析与业务规则梳理；
• 代码生成、重构与测试；
• 缺陷识别、漏洞挖掘和风险分级；
• 技术文档、接口说明与知识库维护；
• 版本迭代、运维监测和问题定位；
• 软件质量、安全与研发效能评估。

对于软件企业而言，真正的竞争点不是“是否购买了某个编程工具”，而是能否把工具嵌入研发管理体系，并用代码质量、交付周期、缺陷率、复用率和研发投入产出等指标验证效果。

方案还提出，推动软件企业运用大模型和智能编程工具，对存量软件实施漏洞挖掘、缺陷自动识别和风险分级评估，将智能安全检测嵌入开发全流程。这说明智能编程与软件安全并不是两条平行路线，未来企业可能需要在研发提效的同时，建立更严格的代码审查、权限管理和安全验证机制。

第二层：软件产品将从功能集合转向“智能伙伴”

方案提出“大力推广‘智能伙伴’”，并支持操作系统、数据库等基础软件围绕智能体调度、性能调优、运维管理和安全防护等环节实施智能化升级。

这会改变软件产品的基本形态。

过去的软件产品通常以菜单、流程、报表和接口为主要交互方式，客户购买的是一套相对稳定的功能系统。人工智能应用深入后，产品可能更多表现为能够理解任务、调用工具、连接数据并完成部分流程的“智能伙伴”或软件智能体。

但智能体软件并不等于简单的聊天窗口。它至少需要具备四项基础能力：

1. 理解业务目标：能够识别用户提出的任务及其约束条件。
2. 连接业务系统：能够在权限范围内调用数据库、办公系统、生产系统或专业工具。
3. 执行和反馈：不仅给出建议，还能完成部分操作，并记录执行结果。
4. 可控与可追溯：关键决策、数据来源、操作权限和异常情况能够被审计。

因此，软件企业如果要打造行业智能体，不能只关注模型参数或界面体验，还要解决业务流程、数据质量、系统集成和安全治理问题。

第三层：信息技术服务将从项目交付转向持续运营

此前，软件服务的收入逻辑往往围绕项目实施、定制开发、系统集成和运维合同展开。人工智能应用加速后，服务商的价值可能进一步向咨询规划、场景设计、模型适配、智能体部署、数据治理、运营优化和安全管理延伸。

工信部此前披露的相关政策信息已经提到模型即服务、智能体即服务等新业态。9月公布的专项行动，则把软件开发智能化、软件产品升级、智能体软件应用和开源生态建设放在同一行动框架内。

这意味着软件服务商未来要回答的不只是“能不能交付系统”，还包括：

• 能否帮助客户找到适合人工智能改造的业务环节；
• 能否把模型与既有系统可靠连接；
• 能否持续优化智能体的准确性和任务完成率；
• 能否对数据、权限、模型调用和安全风险负责；
• 能否用可量化的经营结果证明应用价值。

重点目标如何传导到企业经营

政策方向	直接产业影响	软件企业需要补齐的能力
智能编程工具和智能开发平台	研发效率与交付速度成为新的竞争指标	研发流程改造、工具链整合、质量评估
软件企业智能化技改	传统开发流程进入技术改造范围	内部数据沉淀、研发效能度量、组织协同
关键软件智能化升级	基础软件和行业软件面临产品重构	系统架构、智能体调度、运维和安全能力
智能体软件标杆应用	行业场景将成为产品竞争的重要载体	行业知识、流程建模、数据与系统集成
模型即服务、智能体即服务	软件服务商业模式趋向持续化和运营化	方案咨询、部署交付、运营服务和客户成功
开源社区和开源项目	生态影响力可能成为企业长期资产	社区运营、技术贡献、供应链安全治理

需要注意的是，政策目标并不意味着所有企业都应同步投入大模型训练、算力中心或通用智能体平台。对于大多数中小软件企业，更现实的路径可能是围绕自身客户和优势场景进行轻量化升级。

不同类型企业，优先级并不相同

传统软件企业：先改研发流程，再谈产品智能化

如果企业拥有成熟的软件产品和较大规模的研发团队，第一步应当是评估智能编程工具在研发流程中的真实收益，而不是急于推出一个人工智能概念产品。

建议优先选择边界清晰、风险可控的环节试点，例如测试用例生成、代码审查、文档整理、缺陷定位和知识库问答。经过一段时间验证后，再逐步扩展到需求分析、架构设计和运维管理。

企业需要建立一套可比较的指标体系，包括研发周期、代码缺陷、测试覆盖、人工复核成本、交付延期率和客户问题响应速度。没有度量体系，智能化改造容易停留在工具采购层面。

行业软件企业：围绕高价值流程打造智能体

行业软件企业的优势通常不在通用模型，而在长期积累的行业知识、业务流程和客户关系。因此，最适合的方向不是与基础模型企业竞争，而是将行业经验转化为智能体的工作能力。

例如，企业可以围绕设备运维、财务审核、供应链协同、客户服务、项目管理或质量检测等具体任务，构建可嵌入既有系统的智能化模块。

判断一个智能体项目是否值得投入，可以重点观察三个问题：

• 是否解决了高频且耗时的业务任务；
• 是否能够调用真实业务数据和系统权限；
• 是否能够用成本下降、效率提升或风险减少来衡量价值。

只有能够进入客户核心流程的应用，才更有机会从一次性项目变成持续服务。

数字化服务商：从“实施商”转为“应用服务商”

对于数字化服务商，人工智能带来的机会主要集中在应用咨询、方案设计、数据治理、系统集成和运营服务。企业需要增强对模型能力边界的判断，避免把通用模型包装成缺乏业务价值的解决方案。

服务商还要具备跨厂商集成能力。客户未必只使用一种模型、一个云平台或一套软件系统，服务商能否在多模型、多系统和复杂权限环境下实现稳定交付，将直接影响其市场竞争力。

创业企业：选择窄场景，建立可复制交付能力

创业者不宜只追逐“通用智能体”概念。相较于宽泛的平台叙事，聚焦一个细分行业、一个关键流程或一类专业岗位，往往更有利于快速形成产品与服务闭环。

创业企业应尽早明确：

• 客户为什么愿意付费；
• 产品替代的是哪部分人工或软件成本；
• 数据从哪里来，是否具备合法使用基础；
• 交付是否依赖大量人工定制；
• 客户规模扩大后，服务成本能否下降。

如果每个客户都需要重新开发一套系统，企业很容易陷入“项目增加但利润不增”的困境。

应用落地的关键，不只是模型而是底座

数据：从资料堆积转向可用知识

智能体能否稳定工作，很大程度上取决于企业是否拥有结构化、持续更新且经过权限管理的数据。软件企业在为客户提供人工智能应用时，需要关注数据的完整性、准确性、时效性和可追溯性。

对于企业内部，也应尽快整理代码库、产品文档、接口说明、服务记录、故障案例和行业知识，将其转化为可检索、可维护的知识资产。

算力：按照业务需求选择部署方式

并非所有场景都需要自建大规模算力基础设施。企业可以根据数据敏感性、响应速度、调用规模和成本要求，在公有云、私有化部署、混合部署和边缘计算之间做选择。

关键是建立成本核算机制，持续跟踪模型调用、推理延迟、并发能力、存储和运维费用。人工智能项目如果只计算研发投入，不计算长期运行成本，容易出现应用上线后难以持续的情况。

系统集成：智能体必须进入真实流程

脱离业务系统的智能体，往往只能提供建议，难以形成完整价值。真正的应用需要与客户的身份认证、权限管理、数据平台、业务系统和审计机制连接。

这对软件企业的技术架构提出了更高要求：接口标准、工具调用、异常处理、操作留痕和人工兜底机制，都应当在产品设计阶段考虑。

安全治理：提效不能以扩大风险为代价

方案明确提到利用人工智能提升软件安全检测能力，但人工智能自身也会引入新的安全风险，包括敏感数据泄露、错误执行、权限越界、提示注入、供应链风险和模型输出不可靠等。

企业至少应建立以下机制：

• 对模型、数据和工具调用进行权限分级；
• 对关键操作设置人工确认；
• 对模型输出保留审计记录；
• 对第三方模型和开源组件进行安全评估；
• 对生产环境与测试环境进行隔离；
• 对异常结果设置回滚和应急处理流程。

商业模式可能出现哪些变化

从一次性项目收入转向持续性收入

智能化应用不是交付上线就结束。模型效果、知识库、业务规则和系统接口都需要持续维护，这为软件企业提供了订阅服务、运营服务、效果服务和按调用量计费等新的收入设计空间。

但收费模式不能只根据模型调用次数设计，还应与客户获得的业务价值相匹配。对于生产、金融、医疗等领域，客户更加关注准确性、稳定性、合规性和责任边界。

从卖软件许可转向卖业务结果

未来客户采购人工智能软件时，可能不再只关心功能数量，而是更关注订单处理效率、客户响应速度、库存周转、设备停机时间或风险识别能力。

软件企业因此需要从“功能说明书”转向“价值证明”。能否建立上线前后的对照指标，能否持续展示应用效果，可能成为销售和续约的重要依据。

从单一产品竞争转向生态协同

专项行动同时关注智能编程、基础软件、智能体应用、开源社区和服务体系。这说明人工智能与软件融合不是单一企业可以独立完成的工程。

模型企业、云服务商、基础软件厂商、行业软件企业、系统集成商、咨询机构和最终用户之间，可能形成更复杂的合作关系。中小企业不一定要建立完整技术栈，但需要明确自己在产业链中的位置：是模型适配者、行业知识提供者、场景服务商，还是交付运营伙伴。

需要警惕的三类风险

把政策目标误读为短期订单

政策提出推广覆盖、标杆应用和技改项目等目标，意味着产业方向明确，但不等于每家企业都能直接获得项目或资金支持。企业不能仅凭政策名称进行融资、扩张或大规模招聘，仍需核验地方细则、申报条件和实际采购需求。

把“接入模型”误认为完成智能化

简单接入大模型，可能只能形成演示效果，无法解决数据、权限、流程和责任问题。企业应把人工智能放在真实业务场景中检验，而不是用对话效果代替经营价值。

只重视生成效率，忽视安全和责任

代码生成越快，审查和测试的重要性越高；智能体权限越大，操作留痕和人工兜底越不可缺少。尤其是关键软件和重要行业应用，企业必须在效率与安全之间建立可审计的平衡。

给软件企业的决策建议

结合当前已披露的政策方向，企业可以按以下顺序推进：

1. 先做能力盘点：梳理研发工具、数据资产、行业知识、系统接口和客户场景。
2. 选择一个小范围试点：优先选择高频、规则相对清晰、风险可控的业务环节。
3. 建立收益指标：记录研发效率、交付周期、缺陷率、人工成本和客户使用效果。
4. 改造组织协作：让产品、研发、交付、安全和客户成功团队共同参与，而不是由单一技术部门独立推进。
5. 沉淀可复制方案：将一次性项目中的行业知识、流程模板和接口能力产品化。
6. 提前准备合规体系：明确数据来源、模型责任、权限范围、日志留存和人工干预机制。
7. 关注地方配套政策：政策目标已经明确，但具体项目支持、资金渠道和认定方式仍需以正式通知为准。

结语：软件企业真正要升级的是价值交付能力

“人工智能+软件”专项行动的长期影响，不只是增加一批智能编程工具或智能体产品，更在于重新定义软件企业如何创造价值。开发效率、产品智能化、行业知识、数据能力和持续运营，将共同决定企业能否从项目交付走向长期服务。

对管理者而言，当前最重要的问题不是“要不要做人工智能”，而是“人工智能应当优先改变企业的哪一个环节”。对创业者而言，最重要的不是追逐最大模型，而是找到能够持续付费、可复制交付并且具备行业壁垒的具体场景。对投资者而言，则应重点观察企业是否拥有真实客户、稳定数据、交付能力和持续收入，而不能只看概念热度。

【软盟观察】

从软盟资讯的编辑视角看，此次专项行动值得关注的地方，在于它把软件产业的智能化转型放到了开发、产品、服务和生态的完整链条中。过去谈人工智能与软件结合，市场容易把注意力集中在模型能力、代码生成或某个热门应用上；而从此次方案披露的目标看，政策更关注人工智能能否进入规模以上软件企业，能否推动关键软件升级，能否形成行业智能体标杆，以及能否带动信息技术服务向更高价值环节延伸。

这意味着，未来软件产业的分化可能更加明显。一部分企业会继续停留在低价开发、重复集成和一次性交付模式中，利润空间受到挤压；另一部分企业则会把行业流程、数据资产、软件工程和人工智能能力结合起来，形成更强的持续服务能力。真正的壁垒不一定是模型本身，而可能是企业对行业问题的理解、对复杂系统的集成能力，以及对应用效果和安全责任的承担能力。

对于中小企业而言，政策带来的机会与压力同时存在。机会在于，人工智能降低了部分软件开发和专业服务的门槛，细分行业企业有机会用更小团队开发过去难以完成的产品。压力在于，客户对交付速度、智能化水平和服务效果的要求也会提高。企业如果只购买工具而不改变组织流程，可能看不到明显收益；如果只包装概念而不解决数据和业务问题，也很难形成长期订单。

因此，软盟资讯建议企业把此次专项行动理解为一次经营能力重估，而不是一次短期风口追逐。先明确客户价值，再选择技术路线；先建立数据和安全底座，再扩大智能体权限；先用小场景验证效果，再决定是否扩大投入。能够把人工智能稳定转化为客户业务结果的企业，才更可能在下一阶段的软件产业竞争中获得持续优势。

全文总结

工信部此次专项行动明确了软件产业智能化升级的时间表与重点方向：到2028年推动智能化应用覆盖2万家规模以上软件企业，实施智能化技改并打造智能体软件标杆应用。政策影响将传导至研发流程、软件产品、行业服务和商业模式。企业应结合自身基础，优先选择研发提效、行业智能体、数据治理或持续运营中的一个方向试点，在验证真实价值的基础上推进升级。