軟件沒被AI殺死，但全球市場都捲上天了
重點摘要
AI寫程式能力崛起，但軟體並未被取代，反而在全球市場面臨更加激烈的競爭。軟體開發的門檻降低，促使各國廠商紛紛投入，導致市場「捲」上加「捲」。軟體業者需在效率與創新之間找到新平衡，才能應對這場無止境的挑戰。
### 重點整理：AI 時代下的軟體市場現況
隨著 AI 技術快速發展，尤其是生成式 AI 能自動撰寫程式碼後，市場上出現「軟體已死」的論調。然而，實際情況並非如此——軟體並未被 AI 殺死，反而在全球市場中面臨更激烈的競爭。目前，各國軟體業者正陷入一場「內捲」大戰，產品迭代速度加快、價格戰頻傳，甚至連傳統巨頭也感受到壓力。這波浪潮的核心在於：AI 雖然降低了開發門檻，卻也讓軟體的同質性提高，差異化變得更加困難。
### 背景脈絡：從「AI 取代工程師」到「軟體商品化」
過去一年，許多人擔心 AI 會讓程式設計師失業，但實際上，AI 工具如 GitHub Copilot 或 ChatGPT 更多是輔助角色，而非完全取代。真正改變的是軟體產業的競爭邏輯：過去，開發一款軟體需要耗費大量人力與時間，因此產品一旦推出，往往能維持一段時間的優勢；如今，AI 能快速生成程式碼，讓新創公司能以更低成本、更快速度推出類似產品。這導致市場上充斥著功能相近的軟體，例如筆記應用、專案管理工具或客服系統，彼此之間只能靠價格或微調功能來競爭。
### 可能影響：利潤壓縮與創新瓶頸
這種「內捲」現象對軟體業者帶來直接衝擊。首先，利潤空間被大幅壓縮——為了搶佔市場，許多公司不得不降價或提供免費版本，導致營收成長趨緩。其次，創新動力可能減弱：當大家忙於複製對手功能時，真正突破性的產品反而減少。此外，中小型開發者面臨的生存壓力更大，因為巨頭能靠規模優勢壓低成本，而小團隊若無獨特利基，很容易被淘汰。對消費者而言，短期內或許能享受更便宜的軟體，但長期來看，若市場缺乏多樣性，選擇反而會變少。
### 讀者可關注的後續：哪些領域仍有機會？
儘管市場競爭激烈，但並非所有軟體領域都陷入紅海。讀者可以留意以下幾個方向：一是垂直型應用，例如針對特定行業（醫療、法律、農業）的專用軟體，這類產品因門檻較高，較難被複製；二是與硬體深度整合的軟體，例如智慧家電或車載系統，這需要軟硬體協同設計，AI 難以完全取代；三是強調資料安全與隱私的服務，在法規趨嚴的環境下，這類需求反而會增加。此外，AI 本身也催生新機會，例如用於訓練 AI 模型的資料標註工具，或協助企業管理 AI 流程的平台。
### 台灣軟體業的應對策略
對台灣軟體業者來說，這波全球內捲既是挑戰也是轉機。台灣市場規模較小，若只專注本地需求，容易陷入價格戰。因此，業者應思考如何利用 AI 提升效率，同時鎖定利基市場。例如，結合台灣在半導體、製造業的優勢，開發工廠自動化或供應鏈管理軟體；或者投入跨語言、跨文化的應用，如繁體中文的 AI 客服系統。此外，與硬體廠商合作，推出整合 AI 功能的終端產品，也是突圍方向之一。
### 長期趨勢：軟體價值從「功能」轉向「體驗」
未來，軟體的競爭核心可能不再是功能多寡，而是使用者體驗與生態系統。AI 能快速複製功能，但無法輕易複製一個產品的品牌信任度、社群氛圍或服務品質。例如，Notion 或 Slack 之所以能維持用戶黏著度，並非因為它們的功能獨一無二，而是因為它們創造了協作文化與工作流程。因此，軟體業者應更注重設計、客戶服務與持續迭代，而非只追求技術領先。
### 總結：AI 是催化劑，而非終結者
總而言之，AI 沒有殺死軟體，而是加速了市場的成熟與分化。對開發者而言，這意味著不能再靠「寫程式」這項技能吃一輩子，而必須培養產品思維、產業知識與用戶洞察。對投資人來說，盲目追逐 AI 概念股可能風險升高，反而應關注那些能將 AI 轉化為實際商業價值的公司。最後，對一般使用者，不妨保持開放態度，嘗試不同軟體，因為在競爭激烈的環境中，優質且平價的選擇只會越來越多。
Related
相關文章
Token管夠的時代結束了
這篇消息聚焦「Token管夠的時代結束了」。原始導語提到：企業的錢也不是大風颳來的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？
這篇消息聚焦「Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？」。原始導語提到：未來是屬於這5種職業的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
中國信通院牽頭，首個智算運維智能體評測基準正式落地，覆蓋 5 款主流國產芯片
6月29日，在中國信通院人工智能軟硬件協同創新與適配驗證中心、中國人工智能產業發展聯盟、工信部人工智能標準化技術委員會聯合主辦的2026“眾智”大模型開放智算生態協同高級別研討會中，中國信通院副院長魏亮，正式發佈AISHPerf人工智能軟硬件基準體系3.0版本，包含兩項 AI Infra 領域核心評測基準——AISHPerf-智算運維智能體評測基準以及AISHPerf-算子生成智能體評測基準，兩大基準由國內頂尖AI原生基礎設施服務商無問芯穹及清華大學團隊作為重點技術支持方參與建設。前者是首個面向 AI Infra 的運維智能體評測基準，依託百億級真實運維數據構建，核心考核智算運維智能體在真實生產場景中解決實際問題的落地能力。後者則跳出 “模型能否生成可運行 GPU 算子” 的基礎維度，將評測重心錨定在 “模型生成的算子能否在真實量化推理部署中替代現有算子” 的工程可部署性上，更貼合產業實際落地需求。二者從底層算力優化到上層集群運維，共同為智算產業的標準化升級與高質量發展提供了統一的能力參照框架。 AISHPerf（Performance Benchmarks of Artificial Intelligence Software and Hardware）是中國信通院與人工智能大模型及軟硬件評測工業和信息化部重點實驗室，依託人工智能軟硬件協同創新與適配驗證中心（位於國家信創園）聯合構建的人工智能軟硬件基準體系，旨在設置多維度指標，考察端到端方案對模型及應用場景的真實承載能力，系統評估軟硬件各層級間的協同優化水平、兼容適配能力及整體交付效能。在此次發佈的兩項基準中，AISHPerf-智算運維智能體評測基準尤為引人注目，它不僅標誌著我國在智算集群運維智能體領域擁有了首個權威評測體系，更率先將國產芯片集群運維場景納入評測體系、填補了國產智算運維智能體評測領域的空白，為構建自主自治
Hermes新功能上線！比Opus 4.8和GPT-5.5還猛
AI應用風向標（公眾號：ZhidxcomAI） 作者｜畢偉豪 編輯｜漠影 智東西6月30日報道，現在，Fable 5和Mythos 5等頂尖閉源模型沒法使用，就算能用，單一模型也總有搞不定的問題，那麼，想要高質量輸出結果的用戶該怎麼辦呢？ 近日，Hermes Agent上線了MoA（Mixture of Agents）功能，支持用戶自由組合多種模型作為虛擬模型使用，在Nous Research即將發佈的基準測試中，這個混合模型的評分超過了Opus 4.8 和GPT-5.5。 一、Fable 5、Mythos 5被禁，多模型組合成為潮流 Nous Research在官推上說了這樣一句話：“最強大的模型是受限的，只有少數人才能獲得訪問權限。”這句話明晃晃地指向了Fable 5等模型被封禁的事件。 在這種背景下，不難看出，MoA這個混合模型模式的終極目的，是用開源模型的組合達到頂尖閉源模型的水準，就像Hermes Agent聯合創始人Teknium說的，他們正在測試各種開源模型組合，看看是否能用更便宜的模型達到Opus的水平。 這種多模型組合比肩頂尖模型的思路，最近其實有不少實踐的例子，比如前段時間日本AI獨角獸Sakana AI發佈的Sakana Fugu系列編排器模型，會根據任務選擇最佳的模型來處理，和MoA的思路非常相似。 而MoA的技術也在很久之前就已存在了，2024年6月Together AI曾發表過一篇論文《Mixture-of-Agents Enhances Large Language Model Capabilities》，核心是多LLM組合，每一層模型都會參考上一層模型的輸出，再繼續生成自己的回答。同時，論文也將模型分成了兩類，也就是現在Hermes所用的參考模型和聚合模型。 當用戶提出問題時，參考模型會先對問題進行分析判斷，然後給出參考意見，隨後由聚合模型來
Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香
這篇消息聚焦「Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香」。原始導語提到：工程師、PM、設計師……崗位邊界正在消失！ 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
獨家丨字節、大疆背景創業者入局AI運動訓練，APP排名進入多國榜單前列
一位前自動駕駛工程師，把創業方向選在網球場上。作者丨黃豔冰編輯丨姚單雷峰網·鯨犀獨家獲悉，AI體育創業項目“小球圈”已形成商業化與產品矩陣。目前小球圈APP已在全球上線，網球拍進入量產銷售階段，智能球拍、智能球搭子及球場攝像硬件處於原型機階段，整體產品形態仍在迭代中，但已明確以APP作為核心數據入口，並逐步向硬件延展。“小球圈”（運營主體為北京光躍極樞智能科技有限公司）成立於2025年7月，專注於為網球、羽毛球、乒乓球、匹克球等拍類運動愛好者打造一款AI教練軟件。據瞭解，“小球圈”創始人為楊光垚，曾先後在字節跳動、百度、大疆車載（後獨立為卓馭）和蔚來任職，從事自動駕駛相關工作。在卓馭期間，他主要負責視覺感知、系統決策以及軟硬件協同等方向。作為其首個創業項目，早期從產品定義、數據閉環架構、軟件設計到內容運營等均由楊光垚一人獨立完成，硬件端則採用與深圳成熟ODM廠商合作的模式。過往職業經歷成為其後續創業判斷的基礎。在他看來，自動駕駛和體育訓練本質上是同一類問題：都是基於多模態數據輸入，核心是大模型架構和數據算法飛輪，底層打通即可快速迭代。小球圈的誕生，來源於一個非常具體的日常場景。楊光垚在長期網球訓練過程中捕捉到一些穩定存在的用戶痛點：訓練視頻拍攝後人工剪輯效率低下，動作缺乏系統覆盤，進步無法量化，同時找球友與預約訓練的成本較高。最終，楊光垚萌生了用AI解決這些問題的創業想法。楊光垚對雷峰網·鯨犀表示，最終鎖定體育AI賽道，主要基於三個原因：一是AI智能依賴數據，體育場景的多模態數據長期未被數據化，一旦被數據化便可衍生多種商業服務；二是體育場景涉及到多模態理解、多模態生成、長期記憶、球員教練場地多方交互，非常適合Agent落地；三是在他看來，這個領域仍由Wilson、Head、Yonex等海外品牌主導，缺少一個真正由技術驅動的國產品牌。痛點背後，也映射出當前AI進入運動訓練賽道