软件将退化成 AI Middleware
引言
"AI 将杀死软件"——本轮 AI 浪潮中，这样的声浪不绝耳，"SaaSpocalypse"（SaaS 末日）一词的出现，更将行业焦虑具象化[1]。然而，AI 真的会消灭软件吗？还是说，它只是迫使软件换一种形态存在？本文从人机交互的演进逻辑切入，试图给出一个清晰的产业判断：软件不会被 AI 消灭，而将退化为 AI 的 Middleware；中国 SaaS 的长期困境，也可能因此被结构性重估。
一、从人机关系演变看技术革命的底层逻辑
让我们先抛开技术细节，从一个更本质的视角审视人类与机器的关系变迁。
第一次工业革命，蒸汽机将人类从纯粹的体力劳动中解放出来。此时的人机关系是"人操作机器"——工人站在机床旁，用手柄、杠杆等直接控制机器的运转。人既是决策者，也是执行链条中不可或缺的一环。
第二次工业革命，电力与流水线重构了生产逻辑。按钮、开关、仪表盘成为新的交互界面，人机关系演进为"人命令机器"——工人不再需要时刻把手放在机器上，而是通过简单的指令（按下按钮、切换开关）让机器自动完成预设动作。人的角色开始从"执行者"向"决策者"迁移。
第三次工业革命，计算机与软件的诞生彻底重塑了这一链条。人不再直接面对机器，而是通过软件这一中间层与硬件交互。此时的人机关系是"人操作软件，软件操作机器"。例如：我们打开 Excel 处理数据，点击"打印"，软件驱动打印机工作；我们在 CAD 中绘图，软件驱动机床切割。软件成为人与机器之间不可或缺的翻译官和指挥官。
而今天，我们正站在第四次变革的门槛上。当大语言模型与 Agent 技术成熟，人机关系正在进化为"人命令软件，软件操作机器"——但这里的"命令"已发生质变：不再是点击按钮或输入指令，而是用自然语言表达意图。AI 理解意图后，自动调用各种软件，完成一系列复杂操作。工业革命的本质，是人类不断把劳动转移给机器；而 AI 革命，是把“操作软件”也交给机器。
回顾这一历程，形式上看是交互方式的迭代，本质上却是自动化与智能化能力的持续跃迁。人的角色从"执行者"蜕变为"决策者"，再进一步蜕变为"意图表达者"。我们离机器越来越近，却也越来越不需要理解机器的内部运作。
二、中间层的重构：从"人—软件—硬件"到"人—AI—软件—硬件"
在传统计算架构中，软件是人与硬件之间的唯一中间层。人通过图形界面（GUI）与软件交互，软件通过驱动程序与硬件对话。这一架构稳定运行了数十年，塑造了我们对"使用电脑"的全部认知：开机、打开应用、操作界面、保存文件。
但 AI 正在打破这一常态。
新的交互范式正在形成：人 → AI → 软件 → 硬件。AI 被推到人机交互的最前线，成为新的入口与中枢。用户不再直接面对纷繁复杂的软件界面，而是面对一个统一的、智能的、能听懂自然语言的 AI 界面。
在这个新架构中，"AI + 软件"将逐渐融合为一个整体，对用户而言，它呈现为一个"AI 黑盒"。用户不需要知道完成一项任务背后调用了多少个软件、多少个 API、多少个 Agent，他们只需要表达需求，获得结果。就像普通用户不需要理解操作系统如何调度 CPU、管理内存一样，未来的用户也不需要理解 AI 如何调度各类软件完成复杂任务。
但这并不意味着软件的消亡。恰恰相反，软件将成为黑盒内部的核心组件——只是它的角色发生了根本性转变：从"面向终端用户的独立产品"转变为"面向 AI 的能力模块"。
三、软件将退化成 AI Middleware
Middleware（中间件）的传统定义是：连接不同系统、处理数据转换、提供通用服务、屏蔽底层复杂性的软件层。它从不直接面向最终用户，却是整个系统高效运转的隐形支柱。
笔者认为，这正是软件的未来宿命：大量软件将退化成 AI 的 Middleware，成为 AI 的"器官"。这里的"退化"，并不意味着价值下降，而是意味着软件从"前台应用"转向"后台基础设施"。
AI 是大脑，负责理解意图、拆解任务、做出决策；软件则是手、眼、耳等器官，各自承担特定的执行功能。AI 需要数据分析时，调用 Excel 或 BI 工具的运算能力；AI 需要设计图形时，调用 Photoshop 或 Figma 的渲染引擎；AI 需要管理客户信息时，调用 CRM 系统的数据接口。
在这个新生态中，软件的价值不再取决于它的界面多么精美、交互多么流畅，而取决于它的能力边界是否清晰、API 是否开放、数据接口是否标准化、执行结果是否可靠。一款拥有完美 UI 但封闭孤立的软件，将不如一款界面简陋但能被 AI 无缝调用的工具。
这并不是软件的黄昏，而是软件的隐身。就像我们今天很少直接感知到 TCP/IP 协议、数据库索引、操作系统内核的存在，但它们无时无刻不在支撑数字世界的运转。未来的软件也将如此——它们隐身于 AI 之后，成为新形态的"基础设施"。
四、软件开发商的三重机会
面对 AI 带来的范式转移，软件开发商并非无路可走。恰恰相反，转型窗口期蕴含着巨大的结构性机会。关键在于认清方向：机会不在于与 AI 竞争入口，而在于成为 AI 生态中不可替代的能力层。
软件产业的未来不会简单地被 AI 替代，而是将分裂为三层结构：交互层被重构，存量系统被能力化，而真正的 AI-native 软件将成为面向机器执行的新型系统。在这一过程中，狭义的 AI middleware 将成为连接智能与系统的核心枢纽。
第一层：交互层重构（Interface Re-architecture）
UI 不会消失，但"UI 的主导权"正在从人转移到 AI。
传统软件的时代，界面是为人而设计的——精美的图形、直观的交互、流畅的动画，所有设计哲学都围绕一个核心假设：用户会亲自打开这个软件，用眼睛看、用手操作。
但 AI 作为中介介入后，这一假设被彻底打破。软件必须同时服务两个"用户"：人类用户和 AI agent。这意味着，软件需要具备两套接口体系：
- 人类 UI（GUI / LUI）：保留在需要直接干预的场景中，只是形式从"主导"退为"辅助"；
- AI UI（Machine-readable Interface）：面向 AI 的语义化接口，让 AI 能够发现、理解、调用软件的能力。
关键变化在于：AI 优先的软件，不是 UI 的改变，而是接口语义的重构。错误信息不再是弹窗提示，而是可被 AI 解析的结构化返回码；进度展示不再是进度条，而是实时可读的状态流；操作反馈不再是视觉动画，而是可被 AI 决策链消费的语义信号。
从"人主导的 GUI"，迁移到"人-AI 共用的混合界面体系（Hybrid Interface）"，这才是交互层重构的本质。
第二层：存量系统 AI 化（System Augmentation Layer）
绝大多数软件开发商最大的误区，是认为必须从零开发一款"AI 原生应用"才能抓住浪潮。事实上，对现有软件进行 AI 化改造，是更务实、更高效的策略。
但改造不是简单的"加 API"或"套壳 AI"，而是让存量软件从"功能系统"进化为"能力系统"。这需要四个维度的升级：
1. Capability API 化（能力语义化暴露）不仅是提供 API，而是构建"可被 AI 理解的能力语义接口"。AI 需要知道你的软件能做什么、输入什么、输出什么、边界在哪里——这些信息必须嵌入接口的元数据中，让 AI 能够自主发现与编排。
2. Workflow Agent 化（流程自治化）不是在软件外部嵌一个聊天机器人，而是在软件内部培育"半自治执行单元"。这些单元能够理解子任务目标，在授权范围内自主决策、自主执行、自主反馈，成为 AI 调度时的可靠节点。
3. Data Semantic 化（数据语义层）不仅要求数据结构化，更要求数据"语义可解释"。AI 调用你的软件时，需要理解数据的业务含义、单位、约束条件、关联关系。没有语义层的数据，对 AI 而言只是无意义的字节流。
4. Policy 化（规则系统外置与可理解）这是最容易被忽视却最关键的一点。权限控制、合规约束、业务规则、审计要求——这些传统上深埋于代码中的"暗知识"，必须被提取、外置、语义化，让 AI 在执行任务时能够实时查询、遵守、报告。
一款成熟的传统软件拥有经过验证的业务逻辑、稳定的用户基础和深厚的行业 know-how，这些恰恰是 AI 最稀缺的。通过这四层改造而非推倒重来，软件开发商可以用最小的成本完成从"功能系统"到"能力系统"的跃迁。值得强调的是，这一层机会对商业模式并不挑剔：产品型厂商可以封装改造能力为标准化模块，项目型厂商则可以承接企业存量系统的 AI 化升级。
第三层：AI-native 软件
在改造存量市场的同时，为 AI 时代从零设计的原生 AI 软件将开辟全新蓝海。
但 AI-native 软件的本质，不是"没有界面"，而是"界面是动态生成的，不是系统固化的"。它的核心特征是"execution-first， interface-later"——先确保执行逻辑的正确性与可靠性，再根据调用者的需要动态生成合适的交互界面。
这区别于传统软件的"interface-first"设计范式：先设计界面，再填充功能。AI-native 软件从架构之初就以"被 AI 调用"为核心设计理念，具备以下特征：
- 默认无头化（Headless by Default）：核心能力不绑定任何固定前端，通过语义接口暴露；
- 动态界面生成（On-demand UI）：当人类用户需要介入时，根据上下文实时生成最小必要的交互界面；
- 事件驱动与流式数据：支持实时状态推送，让 AI 能够持续感知执行进度；
- 多 Agent 协作原生支持：架构层面为并发调用、任务分片、结果聚合而设计；
- 按任务而非按功能组织代码：围绕"完成什么目标"而非"提供什么功能"构建系统。
这类软件可能永远不会被普通用户直接打开，却会在 AI 完成复杂任务时被频繁调用，成为新生态的"基石型系统"。这一层目前尚处于早期——产业标准未定，杀手级应用未现，但技术基座已就绪。随着多 Agent 协作场景的爆发，这一层的市场爆发，只是时间问题。
第四层：狭义的 AI Middleware —— 连接智能与系统的核心枢纽
在上述三层之上，还存在着一个正在形成中的关键基础设施层：AI Middleware。
当 AI 需要调度多个软件能力、协调多个 Agent，并管理长链条任务的上下文与状态时，仅依赖单一模型或单点 API 调用是不够的，它需要一层中间系统来提供编排与抽象能力。代表性项目如 LangChain、LlamaIndex 等框架，正在演化为这一层的重要组成部分。
它们并不是完整意义上的“AI 操作系统”，而是 AI middleware 生态中的早期应用编排框架，主要解决的是“让模型能够调用工具、访问数据并执行多步任务”的问题。
从产业结构来看，这一层正在成为连接模型能力层、软件系统层与执行层的关键桥梁；在这一层逐渐成熟之前，AI 应用仍会呈现出碎片化与孤岛化特征。随着这一层逐步完善，AI 软件生态将从“点状工具”逐渐演化为“可编排的网络化系统”。
但是这一层软件的商业模式与前三层相比，闭环链条更长，似乎不算是一门好生意。
五、中国 SaaS 迟到的春天？
广义的 AI Middleware 的崛起，将从根本上重塑软件商业模式，而 SaaS（软件即服务）将成为最大受益者。在中国市场，SaaS 模式甚至可能迎来真正的春天。原因有二：
原因一：软件从"功能交付"走向"能力计量"
传统软件销售的是预定义功能，而 AI 提供的是动态能力。能力的本质特征是弹性：你今天需要处理 100 条客户咨询，明天可能需要处理 10 万条；这个月你需要基础的数据分析，下个月你可能需要复杂的预测建模。这种不确定性与波动性，决定了"买断式授权"不再是最优解，按需调用、按量计费、按结果付费成为更自然的经济模型。
AI Middleware 正在将这种能力封装为可编排、可调用的系统单元，推动软件商业模式从"功能订阅"向"能力计量与结果付费"演化。在这一过程中，SaaS 作为当前最成熟的云交付形态，将率先承载这种变化——但其内涵正在被重新定义。SaaS 不再只是"把软件放在云端按月收费"，而是成为"AI 能力的商业承载结构"。
但需要明确的是：AI 能力 ≠ SaaS 商业模式。AI 更本质的商业形态是 usage-based pricing（用量计费）、outcome-based pricing（结果计费）与 API economy（API 经济），SaaS 只是其中一种"包装形式"。真正的变革不是"SaaS 直接受益"，而是 SaaS 作为交付容器，被迫向"能力计量"进化。
原因二：AI 显著降低非标准化需求的适配成本
中国 SaaS 市场长期被诟病的核心矛盾，是企业需求的高度非标准化。每家企业都有独特的流程、特殊的报表格式、个性化的审批链路，传统 SaaS 不得不在"标准化产品"与"定制化交付"之间艰难权衡，导致实施成本居高不下，客户成功概率低下。
AI Middleware 通过语义理解与动态编排能力，在一定程度上降低了配置与适配成本，使得软件能够在较少定制开发的情况下适应更多业务场景。用户可以用自然语言描述特殊需求，AI 在调用底层软件能力时进行动态调整，无需为每个客户重写代码。
但需要强调的是：AI 降低的是"配置成本"，而非消灭"业务复杂性"本身。企业流程仍然复杂，合规要求仍然刚性，权限与审计仍然严格，行业差异仍然存在。AI 解决的是"如何让复杂需求被低成本地满足"，而不是"让复杂需求变得简单"。
结语：软件不会消失，只会隐身
从蒸汽机到软件，技术革命的本质从未改变：让人类远离直接的机器操作。今天，AI 接管的也不是软件，而是"操作软件"这个动作本身。
软件作为"用户入口"的历史正在落幕。AI 将"入口"与"能力"彻底分离：用户面对统一的 AI agent，软件退化为可被调用、编排的基础设施，隐身于系统深处。
这对中国 SaaS 尤为关键——AI 让复杂需求不必再依赖沉重定制，企业可能跳过传统 SaaS 周期，直接进入 AI 驱动的软件时代。
软件正在从"被人使用的工具"，演化为"被 AI 编排的基础设施"。而这，正是 AI 对软件产业真正的重构。
[1] Jemma Green, “Did Artificial Intelligence Really Kill SaaS?”, Forbes, 2026-02-12.https://www.forbes.com/sites/jemmagreen/2026/02/12/did-artificial-intelligence-really-kill-saas/