三年前，科技圈就开始流行一个判断：大模型会“吃掉”软件。按照这个逻辑，用户直接跟AI对话，中间的软件层迟早会被绕过去，软件公司要么转型做模型，要么等着被边缘化。
但事情的走向，跟这个“剧本”不太一样。
4月28日，工信部发布《大力发展人工智能信息服务业专项政策》，明确重点推进AI+软件专项行动，支持模型即服务（MaaS）、智能体即服务（AaaS）以及国产基础软件智能化升级。政策的核心逻辑，是把软件确立为AI落地的基础设施，而不是被替代的对象。这份文件，某种程度上给过去三年那场争论画上了阶段性句号。
模型的壁垒在降低，另一道壁垒在升高
要理解这个转变，得从大模型市场这两年发生了什么说起。
2023年前后，大模型能力的上限被快速拉高，资本大量涌入。但到了2024、2025年，市场上的可用模型越来越多——从开源的Llama系列到国内各家的主力模型，基础能力的差距在收窄。企业调用这个模型和调用那个模型，输出质量的差距越来越难以感知。
这就是MaaS格局演变的底层逻辑：模型本身正在商品化。同类产品多起来之后，价格竞争和替代威胁随之而来，模型提供商能守住的壁垒越来越低。
真正稀缺的，在另一端。
把模型接进一家企业的具体业务，不是插一根接口线那么简单。它需要理解这家企业的组织结构、数据分布、业务流程，需要把通用模型“驯化”成能处理这个行业特定场景的专用系统。这种能力，是软件公司在过去十年、二十年里一点一点积累起来的，不是靠一次训练能得到的东西。
大模型卷得越厉害，这种场景理解能力就越有价值。模型变成了原材料，真正懂业务的人才能把它用出价值来。
AI的价值，从一次性变成了累积性
MaaS解决了模型的获取和调用问题。这个框架成熟之后，下一个问题随之浮出水面：谁来把这些模型真正接进业务流程，让它在具体场景里持续产出价值？
这正是工信部政策里AaaS的含义所在。智能体不是一次性的模型调用，而是能够在特定场景里长期值守、接收任务、自主推进的系统。它需要对场景有持续的理解，需要有记忆，需要能和企业内部的数据、工具、工作流打通。
对软件公司来说，这是一次商业模式的结构性变化。过去卖软件，是把产品打包交给客户，之后的事靠客户自己。AaaS模式下，软件公司卖的是持续的智能服务能力——价值不是一次性释放的，而是在使用过程中持续累积的。越用越懂这家企业，越用越难被替换。
这个逻辑成立的前提，恰恰是深度的场景理解，这正是软件公司比模型公司更擅长的。政策明确支持MaaS和AaaS，是对这条已经在发生的趋势做了产业层面的确认。
市场的答案先于政策出现
据工信部披露，2025年，我国软件和信息技术服务业整体营收达到15.48万亿元，是2012年的6.2倍，年均复合增长率15.1%。行业规模持续扩张，本身就是对“AI吃掉软件”这个判断的反驳。
办公软件是这个趋势最直接的观测窗口。这个场景的特殊性在于：企业的合同、报告、会议记录、财务表格等，是数据资产中最敏感也最难外包的部分。AI要介入，得先解决数据不出域的问题，得先理解这家企业的组织逻辑，而不是直接调一个通用模型糊弄过去。国内办公软件赛道里，把AI能力嵌进企业私有化环境、在本地构建可追溯知识体系的路线，这两年正在获得更明确的市场验证——企业客户的采购意愿，比三年前清晰了不少。
以WPS 365为例，其2026年一季度收入同比增长60.79%，已连续五个季度增速超60%。从底层架构看，它依托KAG（知识增强生成）框架，将企业非结构化数据与结构化数据打通，模型层支持灵活选配，数据在企业内网流转，不依赖单一外部供应商——这正是MaaS商品化趋势下，场景端能力价值的一种具体体现。
能力验证来自独立测评。SpreadsheetBench是全球表格AI领域公认的第三方评测基准，参与者涵盖全球头部科技公司。金山办公自研AI引擎Qingqiu Agent在最新榜单中排名第二，是中国AI产品在该榜单迄今取得的最高名次。在百万行数据规模、千级并发连接的压力测试条件下，编辑响应延迟32毫秒。深耕场景的专精AI能跟全球顶级通用大模型并列，印证了前面那个判断：在企业核心业务场景中，场景理解的深度，可以弥补模型参数规模上的差距。
AI生产力元年，开启了软件公司的下半场
大模型的第一阶段，是算力和参数的军备竞赛，但这个阶段的结果，是把模型这个要素商品化了。
接下来的竞争，主战场在场景里。谁能把AI真正嵌进企业的具体业务，谁能在这个过程中积累起难以复制的场景数据和组织知识，谁就在AaaS时代占据更稳固的位置。
这场仗，软件公司打了几十年，刚好是它们最熟悉的地形。
