报告概述
本报告由赛迪研究院软件和信息技术服务业形势分析课题组撰写，属于发展形势展望系列。报告聚焦2026年我国软件和信息技术服务业的发展趋势，覆盖产业规模、技术变革、关键软件、产品形态、产业生态等核心领域。采用形势分析与趋势展望相结合的方法，在回顾2025年产业发展现状的基础上，对2026年产业走向进行前瞻性判断，并指出产业发展需要关注的问题及对策建议。报告旨在帮助读者把握软件产业在人工智能时代的发展动向，为政策制定、企业战略及投资决策提供参考。
报告的核心结论
产业规模稳步增长，智能化重构成为增长新动力
报告指出，2025年我国软件产业保持两位数增长，2026年产业将进入技术创新驱动新阶段，超过40%企业IT投入用于业务系统智能化升级，增长动力从增量开发转向存量系统重构。
人工智能重塑软件开发范式，组织架构趋向液态化
2025年AI生成代码占比已超50%，2026年AI编程助手将深度嵌入全生命周期，组织架构呈现液态化特征，传统岗位边界消融，人机协同成为主流，超级人才持续崛起。
关键软件多点突破，全栈自主可控生态加速构建
国产操作系统、数据库、中间件在2025年取得重要进展，2026年基础软件将在关键基础设施领域走深向实，工业软件向智能化、协同化、自主化迈进，全栈生态加速构建。
智能化软件产品变革深化，企业级AI规模化落地
DeepSeek等开源大模型降低部署成本，智能体爆发式增长。2026年AI原生开发平台和MaaS成为主流，金融、制造等领域智能化渗透加深，智能终端将加速普及。
产业生态日趋开放，商业模式向服务化订阅化演进
2025年软件企业加速向解决方案服务商转型，开源与闭源混合布局成为主流。2026年商业模式加速向服务化、订阅化演进，MaaS拓展至更多垂直领域，平台战略升级。
报告回答的关键问题
2026年我国软件和信息技术服务业发展趋势如何？
报告预测，2026年软件产业将保持韧性增长，AI技术驱动产业进入质效并举新阶段。产业规模稳步扩大，增长动力转向智能化重构；开发范式被AI重塑，组织架构趋向液态化；关键软件全栈自主可控加速；软件产品向智能化演进，企业级AI规模化落地；产业生态开放融合，商业模式向服务化订阅化转型。
人工智能如何改变软件开发方式？
报告显示，以代码大模型为代表的AI技术重新定义软件开发，从传统线性流程转向人机协作新模式。2025年头部企业AI生成代码占比超50%，AI编程助手将深度嵌入设计、测试、运维全生命周期，导致团队结构分化，基础编码需求收缩，新岗位如AI系统架构师涌现，非专业用户也能借助AI开发应用。
国产关键软件在2025年取得了哪些突破？
报告指出，2025年国产操作系统华为鸿蒙PC产品问世，银河麒麟V11全面兼容主流硬件并完成30亿增资，统信UOS适配量突破千万。数据库OceanBase首个海外银行核心系统上线。中间件国家标准正式实施。工业软件方面，索辰科技推出AI全场景方案，中控技术FAP系统落地，启运方推出EasyERP。
当前软件产业发展面临哪些主要挑战？
报告认为三大挑战：一是市场竞争加剧，企业盈利能力承压，326家传统软件企业利润连续4年下滑，低价竞争蔓延海外；二是软件价值认知不足，重硬轻软，SaaS订阅模式受制约，知识产权保护不够；三是高端人才结构性短缺，产教融合不深，部分岗位面临被AI替代风险。
报告中的代表性数据
全国软件业务收入（2025年前三季度）
2025年1-9月，同比增长13.0%，继续保持两位数增长。
云计算、大数据服务收入增速
2025年1-9月，增速高于行业整体水平，结构性亮点突出。
华为云AI相关收入增幅
2025年（推测），头部云厂商AI业务爆发式增长，阿里云AI产品连续8个季度三位数增长。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整报告包含对2026年产业形势的基本判断，涵盖产业规模、结构亮点及全球IT支出预测等详细分析。
- 报告深入探讨人工智能如何重塑软件开发范式，包括AI编程助手、组织架构液态化及超级人才崛起等趋势。
- 报告系统梳理关键软件领域（操作系统、数据库、中间件、工业软件）的2025年突破与2026年展望，附有代表性企业和产品案例。
- 报告分析智能化软件产品变革，包括大模型部署成本下降、智能体增长、行业应用渗透等方向，提供大模型中标项目数量等数据。
- 报告阐述产业生态开放多元趋势，涵盖开源社区、数据要素、商业模式（MaaS）及平台战略重构等内容。
- 报告专门章节列出需要关注的三大问题：市场竞争加剧、软件价值认知不足、高端人才短缺，并给出具体数据支撑。
- 报告提出三条对策建议：加强政策协同与生态培育、优化产业发展环境、创新人才培养机制，包含具体措施。
- 报告附有课题组成员联系方式及报告作者信息，便于读者进一步交流合作。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
