AI能拆解软件了？
一位前苹果设计师Robbie Tilton因为受不了adobe昂贵的订阅和几个G的程序，直接用AI开发了一个免费且开源的PS编辑器Compositor，安装到电脑上只用12M，发布不到一周就在Github上狂揽8.7k星标。Compositor的体积虽小，但是修图、抠图、合成等常用图片功能全部都有，更方便的是它还支持导入PSD文件继续编辑其中的图层和蒙版。
差不多同一时间，另一个类PS项目也被Vibe Coding了出来叫PhotoCraft，并且它的开发者Brandon Thomas直接复刻了Adobe宇宙，无需订阅，适用于macOS、Windows和Linux，目前还处于早期阶段，代码全部开源。但是PS官方的混合模式、滤镜、内容识别、污点修复等等功能，还没有补齐。
还有一个项目在GitHub上非常火，叫REA，主要功能就是逆向一个又一个软件。一个软件，你在使用的时候只能是机器能读的形式，至于软件的代码是怎么写的，你已经看不到了，逆向就是从这个成品倒推它当初是怎么写的，好比拿到一道菜，没有菜谱，靠尝和拆去反推做法。REA这个项目全称是Reverse Engineer Anything，它把逆向分析工具接到了Claude Code、Codex、Cursor这类AI编程智能体上，可以拆卸的部分要比预想中还要多，原生程序比如微信或者各类游戏，Electron应用比如Notion，.NET程序、安卓APK、固件、网站、抓包记录都能分析，在Linux和macOS上，还能记录程序运行时的行为。
AI能够拆解软件了，但要完全制作或替换软件还有很多问题。
一个法国的安全团队Quarkslab做了一项测试，起因很有意思。有客户对他们说：混淆技术已经完了，大模型辅助逆向，轻松就能破。Quarkslab团队不服，决定亲手验证。2026年初，他们花了好几周，把Claude Opus 5放进沙箱，丢给它几个层层加固的 AArch64 二进制文件，指令很简单：把里面藏的字符串找出来，结果没有一个样本被真正破解。agent则是偷懒，它不去弄懂这些保护措施，而是找最容易的方式去做，如果加固很多的话，那么它就会由原来的静态分析变成现在的动态测试来验证结果，持续下去就不动了，于是就提交了一份看似正确的但是实际上是编出来的报告。
因此Quarkslab的判断是：混淆没有失效，仍然在成倍抬高攻击者的成本。
还有法律层面的原因，《计算机软件保护条例》中有关的内容需要记住两点：第六条：保护不延伸到开发软件所用的思想、处理过程、操作方法和数学概念；第十七条：为了学习、研究软件里的设计思想和原理，可以通过安装、显示、传输或存储软件的方式使用，不用经过著作权人许可。这两点并没有直接解答出“反编译可以走到什么地步”。但是有一个地方很清楚：把还原结果拿去复制牟利，或者越过用户协议，风险是另一回事。
AI的重塑
AI的发展尤其是大模型与生成式人工智能的成熟，正在从根本上改变软件行业的底层逻辑。
很多时候，软件项目失败的重要原因之一就是需求不清晰、沟通不充分、变更频繁。AI可以帮助企业分析用户反馈、市场数据、工单记录和竞品信息，辅助生成需求文档、用户故事、流程草图和原型说明；产品经理可以用自然语言与模型交互，快速验证想法，模拟不同用户场景，减少早期试错成本；在项目管理中，人工智能能够根据历史数据预测工期、识别风险、分配任务、跟踪进度，并在出现偏差时提出调整建议。软件企业由此可能从依赖个人经验的粗放管理，转向数据驱动、模型辅助的精细化管理。
同时，AI还在改变软件产品的形态与商业模式。
嵌入人工智能能力后的软件开始具备理解、生成、推理和决策能力，能够以智能助手、智能体、对话式界面等形式主动服务用户，软件不再只是被动工具，而更像能够协同工作的数字员工。
对于软件企业而言，这意味着产品价值从功能多少转向智能化程度和业务结果。订阅制、按用量付费、按效果付费等模式可能更加普遍，企业需要重新设计计价方式、服务边界和客户成功体系。与此同时，人工智能降低了软件创造的门槛，小型团队甚至个人开发者也能借助模型快速构建应用，这会让市场竞争更加激烈，同质化产品增多，价格压力加大。
从产业竞争格局看，人工智能正在重塑中国软件企业的分层与分工。大型平台企业通常在算力、模型、数据、生态和资本方面具有优势，能够提供通用人工智能能力、云服务底座和开发平台，吸引大量开发者在其上构建应用。中小软件企业则更适合聚焦特定行业和具体场景，把人工智能能力与行业知识结合，解决真实业务问题。开源模型和开源工具的兴起，使中小企业不必从零训练大模型，也能获得较强的智能化能力，但算力成本、数据质量、模型调优、安全合规和持续运营仍然是现实门槛。软件企业之间的竞争，不再只是功能多少和价格高低的竞争，而是数据闭环、场景理解、工程化能力、生态协同和信任体系的竞争。谁能够把人工智能真正嵌入业务流程，谁就更有机会在下一轮产业升级中占据主动。
结语
当下，国产化替代、信创产业、工业互联网、智能网联汽车、智慧城市等领域，都需要大量自主可控的软件产品和服务。人工智能可以加速基础软件、工业软件和行业软件的迭代，帮助中国企业补齐短板，但高端芯片、算力资源、基础模型、核心工具链和全球生态等方面仍存在制约，数据孤岛和标准不统一问题突出，软件企业整体盈利能力有限，难以支撑长期高强度的研发投入。
未来，中国软件企业需要从项目驱动转向产品驱动，从人力密集转向技术密集，从单点工具转向平台生态，从国内竞争转向全球协作。人工智能不是简单地替代软件行业，而是重新定义软件的创造方式、交付方式和价值实现方式。
