近日，工业和信息化部正式印发《“人工智能+软件”专项行动实施方案》（工信部信发〔2026〕209号）。这是继《国务院关于深入实施“人工智能+”行动的意见》之后，软件和信息技术服务业领域出台的一份系统性、可量化、全链条的落地文件。
放在政策谱系中看，它的上位依据至少有三层：
方案开篇即明确判断：人工智能正在深刻变革软件和信息技术服务业的开发方式、产品形态与服务模式，成为驱动产业升级的核心引擎。围绕这一判断，文件从总体要求、生产变革、产品升级、新业态培育、服务拓展、基础夯实、环境优化、组织保障八个方面，勾勒出未来五年软件业智能化转型的施工图。
从产业体量看，我国软件产业已具备相当规模。2025年，全行业营收达到15.48万亿元，是2012年的6.2倍，年均复合增长率15.1%。国产操作系统、数据库等基础软件水平快速提高，工业软件形成了覆盖重点行业的产品体系，以国产大模型为代表的开源生态影响力持续提升。
截至2026年6月，我国日均词元调用量已突破500万亿。这些数字说明，中国软件产业不仅体量大，而且场景丰富、开源力量活跃，具备把握新一轮人工智能机遇的良好基础。
但规模优势并不自动转化为智能化优势。当前，人工智能对软件产业的改变正在三个层面同时发生，且变革速度前所未有。
软件生产方式变革
智能编程工具贯穿需求分析、代码生成、测试运维等开发全流程，开发效率大幅提升、门槛显著降低，软件开发从供给主导向供需参与拓展。
软件产品形态重构
软件由被动执行指令的工具，向理解意图、自主完成任务的智能伙伴演进，技能包等创新形态不断拓展软件功能边界，智能体类的软件加速迈向规模化应用。
服务模式重构
新型服务模式加快涌现，软件交付由销售产品向提供能力转变。
与此同时，技术迭代空前加快，新技术带来的伦理、安全、风险增多，产业发展机遇与挑战并存。我国软件产业具备把握这轮人工智能机遇的良好基础，但融合深度与广度还有待提升，需要加强引导、系统推进。这正是《“人工智能+软件”专项行动实施方案》出台的时代背景。
方案坚持“应用牵引、创新驱动、安全可控、生态协同”原则，提出以人工智能重塑软件和信息技术服务，以智能编程驱动产业效能变革，协同推进软件产品智能化升级和智能体软件培育。
这一定位的关键在于，政策目标并非简单鼓励软件企业“使用AI工具”，而是推动软件生产、产品、服务、生态的整体重构。从政策设计看，这一系统性升级的方向可以概括为“三个转变”：推动软件开发由“人工编写”向“人机协同”、软件产品由“被动响应”向“主动执行”、软件服务由“产品交付”向“价值交付”转变。
方案提出的两个阶段性目标，构成了清晰的路线图：
阶段目标 · 2028
到2028年，软件和信息技术服务业智能化水平显著提升，培育一批高水平智能编程工具和智能开发平台，推广应用覆盖2万家规模以上软件企业，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。
阶段目标 · 2030
到2030年，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，建成若干具有国际影响力的开源社区和产业集群，推动我国软件和信息技术服务业抢占全球价值链制高点。
从“2万家企业”“100项技改”“100个标杆应用”“5个以上开源项目”等量化指标可以看出，政策强调的不只是方向，更是覆盖广度和落地深度。
方案将软件生产环节放在首位，提出“加速迈向智能驱动”。具体包括三条路径：
优化智能编程工具链条
发展智能体驱动的智能编程工具，提升项目级、全流程的自主开发能力；推动智能编程工具与代码托管平台、云服务、开源社区深度适配集成；同时发展面向大众的用户友好型智能编程工具，降低使用门槛。
这意味着，智能编程不再局限于代码补全或片段生成，而是向项目级规划、开发、测试、部署的全流程延伸。工具链的集成能力，将成为决定其产业价值的关键。
加速推进软件企业智能化技改
方案明确支持有条件的地方组织开展技改，引导企业加大智能编程应用投入，改造软件开发流程。地方可统筹现有资金和政策渠道，以代码质量、研发效益等应用实效为重要依据，优先支持成效突出的企业。
选择基础较好的地区和企业先行先试，并推动智能化技改向制造、政务、金融、医疗、教育和交通等重点行业软件开发环节延伸。
推动智能编程赋能软件安全
支持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；推动将智能安全检测嵌入软件开发全流程；强化渗透测试、攻防模拟等智能化安全测试手段。
将安全能力嵌入智能编程全过程，是方案的一个关键设计。AI生成代码在提升效率的同时，也可能引入新的安全风险。政策对此作出前置性安排，意味着安全不再是软件交付后的附加检查，而是贯穿需求、编码、测试、部署各环节的内生能力。
方案围绕软件产品智能化升级，提出“大力推广智能伙伴”。
在基础软件方面
面向操作系统、数据库等，支持企业围绕智能体调度、性能调优、运维管理和安全防护实施智能化升级；支持基础软件企业与芯片、服务器等硬件厂商开展底层适配与软硬协同优化联合攻关，建设15家以上适配中心。
在工业软件方面
推动CAD、CAE、EDA等通用工业软件与人工智能深度融合，面向制图、设计和仿真等场景实施智能化升级；支持工业企业联合软件企业，将工业经验、工艺参数等知识封装为可复用的模型库和工业组件；推进工业互联网平台集成大模型能力，提升数据分析、生产调度与多智能体协同决策水平。
在新型智能软件方面
支持软件企业与智能手机、智能家居、智能网联汽车等终端厂商联合创新，加速轻量化模型与终端软件融合部署，探索发展具身智能系统软件；培育量子计算、类脑计算等系统软件，探索智能原生等未来软件方向。
方案首次系统性地提出培育智能体软件新业态。
在技术基础层面
方案要求加强智能体运行框架等工程化技术研究，提升复杂任务可靠执行和多智能体协同作业能力；支持智能体软件开发平台建设，完善研发、测试、部署运维等工具链；提升与存量软件系统的集成适配水平。
在产品培育层面
方案分层部署：面向信息处理、办公协作、生活服务等场景，发展跨场景适用的通用智能体软件；推动智能体赋能互联网应用及服务，发展具备轻量推理与隐私防护能力的终端智能体软件；面向高价值行业场景，整合知识图谱和数据资源，打造垂直领域专业智能体软件；聚焦核心工业环节，研制安全可靠、行为可校验的工业智能体，强化与工业控制系统软件、企业核心业务系统的交互适配。
在应用市场层面
方案提出推动建设智能体软件应用商店和技能包资源库，规范平台上架审核与运营管理；引导各类创新主体开发高质量专业技能包、知识库；鼓励软件企业开发面向智能体的功能组件；培育智能体开源专区，构建多元协同、技能共享的开放生态。
智能体软件的实质，是软件从“被动执行指令”向“主动规划并完成任务”演进，“技能包”是将特定任务能力封装为可复用模块的载体，智能体通过调用不同技能包来扩展自身能力边界。
方案从技术、产品、应用三个层次系统部署：技术上提升与存量软件系统的集成适配水平，让智能体“接得上、调得动”企业原有系统；产品上面向不同场景和部署方式推动多路径发展；应用上建设应用商店和技能包资源库，因为“智能体的‘本领’来自丰富的技能供给”。
与之相伴的，是软件价值交付方式的变化——从卖产品、卖功能，转向卖能力、卖结果。方案对应用市场和技能包资源库的部署，正是为这一新业态构建流通和交易的基础设施。
方案聚焦智能软件服务，提出“积极变革服务模式”。
创新服务模式
支持软件企业基于大模型、智能体技术，打造端到端的智能应用服务链；面向消费级市场提供泛在可及、便捷易用的智能软件服务，形成“规模应用—技术迭代—服务普惠”的良性循环；面向垂直领域高价值场景，发展专业化智能软件服务，支持采购大模型、智能体服务。
培育壮大服务主体
引导软件企业向人工智能应用服务商转型，增强持续服务和价值交付能力；实施人工智能中小企业创业支持计划，重点支持轻量化、专业化的新型软件服务主体，培育一批创业企业和专精特新“小巨人”企业；鼓励有条件的地方培育“人工智能+软件”创新创业集聚区。
加速服务落地
鼓励软件企业与重点行业用户结对合作，面向共性典型场景落地首用真用、可复制推广的解决方案；举办人工智能赋能软件“深度行”活动，分行业推进制造、金融等高价值场景需求对接；依托行业公共服务平台，面向中小企业提供轻量化、低成本解决方案。
服务模式的变革，意味着软件企业的收入结构、交付方式和客户关系都将发生调整。与传统软件服务相比，智能软件服务推动软件价值交付从产品销售向持续服务运营转变，由出售产品向出售能力、出售结果拓展，“模型即服务”“智能体即服务”等新模式加快涌现。
在推进路径上，服务好不好，最终要到行业场景里去检验，鼓励软件企业与重点行业用户结对合作，分行业推进制造、金融等高价值场景需求对接。从一次性许可到持续性服务，从标准化产品到场景化解决方案，产业竞争的重心正在迁移。
方案从三个维度夯实软件智能化发展基础。
开源协同创新方面
依托全国性开源基金会与人工智能开源社区，引导企业开放智能编程、软件产品智能化、智能体等成果；支持重点开源项目在社区首发，设立智能操作系统等领域开源专区；加强自主开源许可协议应用与合规指引；建立优质开源项目遴选和培育机制，鼓励探索多元化商业模式；完善开源贡献激励，支持高校、科研院所和企业将开源贡献纳入科研评价与人才认定体系，探索将开源贡献作为挖掘软件领域优质中小企业的重要参考指标。
算力服务支撑方面
完善智算云服务体系，发展算力、模型、软件工具一体化服务；面向软件企业用算需求特点，支持发展弹性灵活、按需扩容的算力服务；用好算力券等普惠性支持政策，降低软件企业算力使用成本，加强面向中小企业的算力供需匹配与上云用算指导。
高质量数据集建设方面
围绕代码生成、智能测试、智能运维等关键场景，支持建设软件行业高质量数据集；完善数据标注、清洗与合成等工具链，引导企业提升软件工程数据治理能力；依托开源社区和代码托管平台，加强数据共享利用。
高质量数据集是模型能力持续进化的“燃料”，决定了智能编程工具和智能体软件能走多远；算力服务是模型训练与推理的“底座”，决定了企业能否以可负担的成本用上、用好人工智能；开源协同则是技术扩散与生态构建的“加速器”，决定了创新成果能否从个别企业的突破转化为全行业的共同能力。
方案对三者的统筹部署，意在打通从数据供给到算力支撑再到开源共享的完整链条，降低企业尤其是中小企业的转型门槛，避免各自为战、重复建设带来的资源浪费，让软件智能化的基础支撑体系更加集约高效。
方案从标准、人才、就业、安全四个方面优化产业发展环境。
标准方面
围绕智能编程、软件产品智能化、智能体与智能服务等领域统筹推进关键标准研制；制定智能编程能力成熟度分级评估标准，研制面向软硬协同的智能体接口标准；研究制定“模型即服务”“智能体即服务”等智能服务标准，明确服务交付质量和责任边界。
人才方面
面向新职业、新岗位需求加强复合型人才培养；支持高校更新学科专业，深化学科交叉融合；鼓励校企合作开设产教融合课程、共建实训基地；实施卓越工程师培养计划与职业教育高技能人才集群培养计划；搭建国际交流平台，加强海外顶尖人才引育。
就业方面
坚持就业友好导向，引导软件企业在提升智能化水平的同时，优化人机协同的生产组织方式，同步实施岗位改造与技能培训，积极开发新型岗位；以智能体软件、智能服务等新业态拓展就业新空间；强化新技能培训，推动从业人员向高附加值岗位转型；加强人工智能对软件领域就业影响评估，完善风险应对机制。
安全方面
加强人工智能生成代码安全审查，防范智能编程工具恶意指令注入等新型攻击，强化开发工具、代码库等访问控制；研究智能体身份标识、可信互联、数据安全、行为管控等安全技术，推动建立覆盖开发、部署、应用等环节的智能体安全管理规范；完善软件产品和服务质量管理与测评规范；加强人工智能生成代码的知识产权合规治理。
将标准、人才、就业与安全共同纳入发展环境的制度框架，体现出政策在推动技术变革的同时，对产业生态和社会影响的统筹考量。
标准为技术应用划定规范边界，人才为产业升级提供智力支撑，就业友好回应了技术替代带来的社会关切，安全可控则为创新发展守住底线。四者相互配合，构成了软件智能化转型行稳致远的制度保障。
方案最后要求加强跨部门、央地协同联动，依托“揭榜挂帅”等机制推进重点任务落地；统筹各类资金渠道、首版次软件产品认定等政策，对符合条件的“人工智能+软件”项目给予支持；利用财政专项资金，加快关键技术研发、基础设施建设和场景应用；支持举办人工智能创新应用大赛等行业活动，拓展多层次国际合作。
从整体看，这份方案有三个突出特征：
全链条覆盖
从开发生产到产品形态，从服务模式到开源生态，从算力数据到标准人才，方案覆盖了软件业智能化转型的主要环节，形成了从技术到产品、从企业到生态、从开发到服务的完整闭环，避免了单点突破的碎片化。
量化目标明确
2万家企业解决覆盖面，100项技改解决流程改造深度，100个标杆应用解决行业示范，15家以上适配中心解决软硬协同基础设施，5个以上优质开源项目解决生态源头供给——由此形成一个“广度—深度—示范—基础—源头”相互衔接的目标体系。
发展与安全并重
方案既鼓励智能编程、智能体软件、智能服务等新业态加速发展，也针对AI生成代码安全、智能体行为管控、知识产权合规等新风险作出制度安排。从开发环节的“以智促安”到产品环节的“行为可控、全程可溯”，安全要求被嵌入融合发展的各个环节，而非事后补救的附加项。
方案的发布，将推动形成生产高效、产品智能、服务普惠、生态完善的产业发展新局面。随着各项部署逐步落地，智能编程工具的普及将改变研发组织方式，智能体软件将催生新的产品形态和商业模式，开源协同将重塑产业创新生态。
对于软件企业而言，能否在这一轮变革中完成从“代码生产者”向“智能驱动型价值交付者”的转型，将决定其在未来产业格局中的位置。
数据来源
[1]《"人工智能+软件"专项行动实施方案》（工信部信发〔2026〕209号，2026年9月2日成文）及工业和信息化部官方发布全文。
[2]工业和信息化部《"人工智能+软件"专项行动实施方案》新闻发布会实录（2026年9月11日），发言人：信息技术发展司副司长王威伟、中国软件行业协会副理事长兼秘书长吕卫锋、中国电子信息产业发展研究院副院长朱敏、开放原子开源基金会副秘书长李博。
往期推荐
技术深潜｜代码生成提速，交付却未见改善？答案藏在“治理流”里
实践手札｜从需求治理底座到AI需求专家助手：源启如何让需求文档成为可决策资产
数智砺行｜源启DevOps平台落地实践：从40分钟到3分钟，构建部署提效13倍
智能软件工厂｜四阶十二步 + 三大标杆：让AI开发实现全流程可控规模化生产
行业智观｜金融AI监管新规落地！划清数据、算法、业务三大红线
