中青報·中青網記者 朱彩云

國產化替代正從芯片、操作系統、數據庫等基礎軟硬件向辦公系統、業務平臺等行業應用延伸。

在近日舉行的2026騰訊云融合創新峰會上，京能集團信息中心、京能信息技術有限公司數字化研發部部長丁邦林介紹，今年以來，該集團相關業務正在部署到國產數據庫上，以降低基礎設施成本。

來自鞍鋼集團的數據是，截至2026年4月，已實現百余套信息系統國產化的遷移改造。在汽車制造領域，已有龍頭車企完成了ERP（企業資源計劃系統）及數據中臺的全面國產替換，核心業務系統國產率達98%，實現業務流程的高效協同。

更重要的是，以數據化和智能化為驅動，國產軟件數字化升級之路正從“替代”走向“賦能”與“重構”，作為生產性服務業重要組成部分，軟件和信息技術服務業的“軟”實力正在彰顯。

用騰訊集團副總裁、政企業務總裁李強的話來說，過去替代是補短板，今天智能筑長板。軟件競爭不僅是產品，更是生態的競爭，“今天的融合創新，不是單一技術的升級，而是整個系統能力的重構。”他說。

“智能體即服務”

從追求模型參數規模到在真實場景中創造價值，再到規劃“數字員工”（AI智能體），智能體時代正在到來。IDC（國際數據公司）預計，到2030年，45%的組織將大規模編排AI智能體，將其嵌入跨業務職能，全球活躍的智能體數量將超過22億。

“在智能體時代，政企客戶不僅需要使用智能體，還可能需要構建懂行業、懂業務、可管可控的專屬智能體。”會上，騰訊云副總裁王義成說，企業級智能體正成為新一代核心生產力工具。

他注意到，不少企業都在推進AI原生建設，即將AI融入全業務場景、全產業鏈、全生命周期，以大模型等AI能力為核心底座重構架構與業務邏輯。

“不同于傳統的分布式數據庫只解決數據存儲與安全問題，本次升級的國產數據庫能夠實現‘自我優化’。”丁邦林表示，將AI技術應用到數據庫的設計、運維、優化與安全治理中，這讓數據庫變得更“聰明、自治”。這也是該集團與騰訊云共創AI輔助技能的初衷：把基礎軟件進行國產化升級并進行融合創新。

包括丁邦林所處的能源領域在內，更多重點領域企業對基礎軟件、工業軟件及相關服務的需求提升。在賽迪智庫信息化與軟件產業研究所軟件研究室副主任孫悅看來，未來，軟件產品將更加“AI原生”，智能化、場景自適應能力成為標配，軟件價值的衡量標準，將更側重其對業務實效和創新能力提升的實際貢獻。

業內人士認為，AI正把大量存量軟件升級為“AI增強軟件”乃至“AI原生軟件”，軟件國產化替代會繼續向更深的業務環節推進，從外圍系統走向關鍵系統。

推動國產軟件從“備選”走向“更優”也被看作是開展“人工智能+軟件”專項行動蘊含的機遇之一。今年4月底，工信部副部長柯吉欣在國新辦舉行的國務院政策例行吹風會上表示，工信部將推進生產性服務業向專業化和價值鏈高端延伸，加快推動軟件和信息技術服務業創新發展。

在人工智能賦能信息服務業方面，他提到將開展“人工智能+軟件”專項行動，加快智能編程研發應用，培育模型即服務、智能體即服務等相關新業態。進一步加強開源生態建設，推動基礎軟件、工業軟件智能化升級。

對于發展多年的軟件和信息技術服務業，柯吉欣稱其為我國服務業的“基石”，是“支柱”產業。他舉例說，在軟件方面，國產操作系統、數據庫等基礎軟件水平穩定提高。工業軟件形成覆蓋重點行業的產品體系，整體技術實力也大幅度提升。在信息技術服務業方面，通義千問、混元這些國產大模型為代表的開源生態全球領先。“當前，模型即服務、智能體即服務等相關的新業態新模式不斷涌現，到3月底，詞元的日均調用量突破140萬億，比2024年同期增長了1000多倍。”他說。

提升模型“情商”

可以肯定的是，伴隨國產軟硬件的發展，多方共筑的智能化生態體系正加速構建。

國家信息中心與騰訊云聯合發布的《AI時代國產數字化升級落地路徑研究報告》顯示，在政策、技術與市場需求的合力推動下，一個涵蓋基礎硬件、軟件平臺到行業應用的完整國產數字底座已。

該報告還提到，國產軟硬件數智化升級的核心挑戰已從單純的技術落后轉向更復雜的生態之爭。在算力層面存在生態割裂問題，算力呈碎片化發展態勢，導致有算力但不好用，開發者遷移成本極高。在模型層面，跟隨式迭代，底座存在風險。應用創新很活躍但底層算法原創能力還需提升。

“過去的模型是基于知識庫做向量檢索，比如在詢報價場景中，原來的知識庫主要包含商品大小、型號等基本信息，而數據的自然語言化則增加了語義邏輯和知識片段，相當于給了模型足夠的背景知識。”幾天前，工業品供應鏈廠商鑫方盛集團的CTO（首席技術官）賀亞偉見證了企業從公有云到專屬分布式云的整體遷移，依托“方盛云”這一新底座，企業上線工業品供應鏈平臺，覆蓋商品標準化、智能詢報價、票據合規等核心場景，部署了超過200個智能體與100個RPA（機器人流程自動化，即模擬人工執行重復性規則化任務的軟件機器人），詞元月均調用量達到千億級，組織效能提升超過10%。

在他看來，如果想讓“數字員工”能夠接管更多的工作，就要讓它們擁有實體員工在溝通、協同過程中的情商，“要持續提升模型的‘情商’，讓模型學會‘理解’。”

賀亞偉解釋說，理解往往是多輪遞進的，在用戶提出訴求后，意圖模型要圍繞問題發散出多條推理分支，既不脫離原始訴求，又能層層聚焦，發散梳理后通過反問確認形成閉環，最終精準界定用戶的真實需求。

來源：中國青年報客戶端