本文以组织和专业买家的工作流为单位,提出“软件替代前沿”框架,用于比较客户自建或改造软件与直接购买软件的全生命周期成本。 研究发现,编码代理的任务能力、固定基准测试成本、公共软件创作活动及商业软件替代项目均快速增长,但购买端数据尚未显示出广泛的替代趋势。 组织调查显示部分客户已因能够内部构建功能而放弃购买,但现有证据无法确认被替代的支出规模、工具可靠性及持续使用情况;因此,客户“可构建”的可信选项可能早于总体软件采购变化影响定价和竞争。
标题:《The Customer Is the Builder: How AI Coding Agents Are Rewriting the Economics of Software》(《客户即构建者:AI 编程代理如何重写软件经济学》)。
作者:Ripon Chandra Malo、Zimeng Yu、Tong Qiu。
机构:University of Utah。
发布日期:2026年10月。
研究对象:AI 编程代理、组织内部软件开发、商业软件替代、开源软件以及软件公司的商业模式。
这不是传统意义上的个股或行业投资报告,没有股票评级、目标价、DCF估值或明确的买入/卖出建议。报告的核心问题是:当AI编程代理能够规划、编写、测试和迭代软件时,组织和专业用户是否会越来越多地选择“自己构建”而不是购买商业软件。,
作者提出的中心观点并不是“商业软件即将被全面取代”,而是一个更审慎的警示:客户自行构建软件的能力,可能先于软件购买行为的广泛改变而快速提升。因此,即便企业暂时没有取消订阅,拥有一个可信的内部构建选项,也可能改变其对软件价格、功能和供应商议价能力的判断。,
报告使用“软件替代前沿”(software substitution frontier)描述这一变化。它指的是:对于某个特定客户和具体工作流,客户能够以低于购买成本的代价,构建、验证、部署和维护一个达到可接受标准的工具。, 该概念强调,软件是否可替代不应以“是否复制完整商业产品”为标准,而应以客户真正需要的功能、可靠性、集成能力和长期总成本为标准。
报告最终得出的总体判断是:AI代理能力、软件创建活动和商业软件替代项目明显增加,但宏观购买数据仍然没有显示出广泛的“买转建”趋势;同时,组织调查已经出现一定程度的放弃购买、转而内部构建的报告,因此早期替代可能存在于局部客户决策中,而尚未反映到行业总收入或软件投资总量中。,
报告将问题置于Coase和Williamson所代表的企业边界与交易成本理论中。购买软件的优势在于供应商可以将开发成本分摊给大量客户,并提供更新、技术支持、稳定性和与其他系统的兼容性;单个客户自行开发时,通常无法享受这种规模经济。
AI代理可能改变的是内部开发的初始成本和开发门槛。企业本身往往已经掌握业务知识、数据、流程和验收标准,这些资源可以帮助企业更准确地定义需求,也能识别代理生成结果中的错误。, 但报告强调,降低编程成本并不等于消除软件工程成本,因为需求澄清、测试、安全、部署、权限管理、数据迁移、维护和故障责任仍然存在。,
作者将研究链条拆成四个可能分别失败的环节:
这一拆分是报告的重要方法论优点。它避免把“模型基准分数上升”直接推导为“软件公司收入下降”,而是把能力、创建、替代和购买决策视为不同层级的结果变量。,
报告引用的既有研究显示,AI对软件生产的影响并不单一。部分研究发现AI助手能够提高任务完成速度,但针对熟悉开源代码库的有经验开发者的随机试验却发现,早期2025年的AI工具反而使其工作速度下降。
其他研究表明,AI可能显著增加提交次数和代码产量,却未必同步增加项目数量、正式发布数量或实际使用量;AI辅助开发还可能带来更高的代码复杂度和协调成本。, 这构成报告对“代码越多等于产品越多”的直接反驳。
科学软件案例进一步说明,领域专家可能在监督AI代理时发挥关键作用。例如,物理学家能够发现一个虽然通过数值测试、但实际上违反物理规律的计算错误。 这意味着领域知识既可以降低需求沟通成本,也可以提高验证质量,但不能替代软件工程和专业审查。
报告将比较单位定义为客户的“工作流”。例如,客户购买专业图像编辑器,实际可能只使用裁剪、去背景和文件导出功能;如果一个内部工具能可靠完成这些任务,同时满足协作和系统连接要求,它就可能替代原有软件,即使没有复制商业产品的全部功能。
报告区分三个层次:
这一层次划分非常关键,因为大量开源项目、GitHub仓库或AI生成代码最多只能证明“有人创建了某种东西”,不能证明它足够可靠,更不能证明它导致商业软件收入损失。
报告将购买成本概括为持续价格、集成成本、行政管理成本以及软件锁定成本;构建成本则包括实现、验证、迁移、托管和模型调用、维护以及失败的预期成本。
其中,失败成本以概率形式体现,即软件故障造成的预期损失。对于医疗、金融、工程、合规或关键生产系统而言,失败成本可能远远高于一次性编程成本,因此这类系统不容易因为AI代理变强而立即进入替代前沿。,
报告还引入了能力参数θ,表示更强的代理可以降低实现成本,但作者明确指出,能力提升是否同样降低验证、维护和故障成本仍是实证问题。 这揭示了全文最重要的经济假设:真正决定买建选择的不是“生成代码的价格”,而是达到并持续维持可接受软件质量的总成本。
这是一个观察性研究,而非随机实验。不同数据源分别衡量模型能力、软件创建、下载和安装、问卷回答、企业结果或市场活动,但没有把某个具体客户的内部构建行为与其采购减少或订阅取消连接起来。
报告使用的数据包括:
样本包括12个预先确定的商业产品,覆盖屏幕录制、写作、PDF、图像设计、生产力和开发者工具,例如Screen Studio、Loom、Grammarly、Adobe Acrobat、Photoshop、Canva、Notion、Trello、Postman和Retool。
预先固定商业产品样本的好处是避免只挑选已经走红的开源替代品,但它也意味着样本规模有限,不能代表全部商业软件市场。
在替代品识别上,报告使用两套规则。狭义规则要求仓库明确将某商业产品列为替代品,并且项目活跃、不是fork、至少有50颗星;广义规则则综合网页列表、GitHub搜索、主题标签、开源目录和Show HN,再要求核心工作流匹配、非归档、非fork且至少20颗星。 作者承认广义筛选部分依赖关键词,因此统计结果在独立验证前只能视为上限,而不是合格替代品的精确数量。
时间序列方面,报告采用分段回归,在ChatGPT发布和2025年2月编码代理出现附近设置结构断点,并加入月份因素及Newey-West异方差和自相关稳健标准误;作者同时强调,断点是事件时间而非随机分配,因此回归结果是描述性关联,不能识别因果关系。
图1将证据分成两组。上部领先指标包括代理可以完成的任务长度、GitHub新仓库和“开源替代品”仓库;下部滞后指标包括企业软件投资结构、商业软件与开源替代品安装量,以及企业内部构建的用途。
图表的视觉逻辑是:2025年2月编码代理时代附近,任务能力、新仓库和替代品数量出现明显上升,但购买端没有同步出现一致性逆转。美国购买型软件投资继续上升,内部构建投资占比下降,商业工具安装也总体强劲。,
因此,图1支持的是“领先指标先动、滞后指标尚未普遍确认”的论点,而不是“商业软件已经被AI大规模替代”。
图2显示Stack Overflow每月新问题从2022年的112,934个下降到2026年9月的986个,按2022年水平计算下降约99.1%。但下降并非从ChatGPT发布后才开始,2017年至2022年已经下降36.7%。,
图表说明网络问答需求可能在替代工具出现后快速转移,但无法证明下降完全由AI造成,也不能直接推断商业软件订阅会以同样速度下降。作者将其作为“使用行为可能迅速改变”的类比,而不是软件市场替代的直接证据。
图3A使用METR任务时间跨度指标,即模型达到50%成功率时,可以完成多长的“人类专家工作量”。2023年以来,该指标大约每129天翻倍,95%区间为102至154天,相当于每年约增长7.1倍。 GPT-4对应约4分钟,而2026年4月某模型的估计值达到17.4小时;不过17.4小时已经超过METR可靠测量范围16小时,因此应谨慎解释。
同一模型在80%成功率下的任务跨度只有3.1小时,说明可靠性要求从50%提高到80%会显著缩短可完成任务长度。 这直接说明“偶尔完成任务”与“稳定交付可上线软件”之间存在较大差距。
图3B的Epoch综合能力指数涵盖2026年9月发布的12个模型,但它使用多个基准的综合分数,不以人类工作时间计量,也不直接衡量完整软件的可靠性;模型区间相互重叠,因此领先顺序不能过度解读。
图4的Vibe Code Bench更接近客户构建场景,模型根据简短规格创建网页应用,得分范围为86.17%至92.39%。但分数是UI测试步骤的平均通过率,不是完整应用成功率;测试环境已经预先准备好,且没有覆盖安全、集成、部署和长期运行。,
图15的FrontierSWE编码基准中,最高平均归一化任务分数为65.5。图中误差条是五次运行的最低和最高分,不是统计置信区间,因此不能把差异直接解释为模型间显著性差异。,
综合这些图表,报告可以证明代理在基准任务上进步很快,也能完成越来越多应用层功能,但不能据此证明其已经能够持续运营完整商业产品。
图5显示,在Aider基准中达到至少60%任务解决率的最低运行成本,从2024年12月的186.50美元降至2025年8月的4.80美元,八个月下降约39倍。
该数据说明同等基准表现的模型调用成本快速下降,能够显著降低实验和原型开发门槛。但它只是一次基准运行的成本,不包括产品级验证、人工时间、托管、安全、维护、故障和客户支持,因此不能直接作为商业软件替代成本。
图6展示四个包管理平台注册的新包数量。ChatGPT时期,即2022年12月至2025年1月,PyPI年增长率从26%降至1%,crates.io从39%降至19%;编码代理出现后,PyPI增长率升至23%,crates.io升至123%。分段模型估计,2025年2月后筛选后的新crate年化对数趋势增加119.6个对数点,PyPI项目增加17.9个对数点,均具有较强统计显著性。
但作者也指出,包注册政策、垃圾项目、开发者数量变化和平台结构变化都可能导致这些结果,因此图6与表3不能单独证明编码代理的因果作用。
图7显示,2026年第一季度GitHub代码推送量同比增加80%,此前年度平均增幅约15%;184个经济体中有99%记录到增长,开发者账户当季增加1,370万,而2023—2024年平均每季度增加约590万。 新公共仓库在过去12个月增加67%。这些数字显示公共开发活动明显扩张,但推送量不等同于可用产品,账户和仓库也可能长期不活跃。
图8显示,2026年9月公开仓库中带有AI工具归因的提交约1,646万次,是一年前的19.8倍,其中Claude Code占归因提交的87%。此外,GitHub上约有110.6万个AGENTS.md文件和87.2万个CLAUDE.md文件。 这些指标能证明AI相关开发痕迹增长,但由于归因是可选的、签名可能重叠、镜像仓库可能重复计数,因此不能转化为“AI生成代码占比”或“完成产品数量”。
图16显示开发者语言参与结构发生变化,Python、TypeScript等语言占比上升,Java、C++、C#等占比下降,但这些趋势在编码代理时代之前已经开始,因此不能直接归因于代理。
图17展示新公共GitHub仓库数量持续增长,但由于删除仓库、私有仓库、fork以及搜索覆盖变化等因素,该指标反映的是公开创建活动,而非有效软件供给。,
图18显示Show HN帖子月均数量从2022年初的823个升至最近一年的3,846个,其占全部故事比例从3.3%升至12.9%。 这说明项目展示和分享活动上升,但分享本身不是完成度、可靠性或用户采用率。
图19记录提及代理指令文件的提交数量不断增加,体现了AI开发工作流的配置化,但它衡量的是配置活动,不是软件交付结果。
图9按每10万个新仓库计算“open source alternative”和“self-hosted alternative”的出现率。前者从2022年的3.3个升至最近12个月的11.9个,后者从0.4个升至4.5个;在至少10颗星的项目中,开源替代品比例从91个升至290个。
图10针对12个预选商业产品,广义搜索得到1,211个候选项目,其中575个通过自动筛选,而狭义规则只有45个;191个,即33%,创建于2025年2月以后。, 2025年2月以后创建的项目中,47%含有代理指令文件,老项目中只有11%,这表明新一轮项目与AI原生开发流程关联更强。
产品差异也很明显:Screen Studio的6个筛选候选者全部在2025年2月后出现,Smallpdf的5个候选者中有4个在该时期出现;QuillBot没有新的筛选候选者。 这支持“窄功能、边界清晰的工具较早进入替代前沿”的假设。
图21的狭义规则显示,明确点名商业产品的替代仓库在编码代理出现前就已经存在,因此“替代品突然出现”并非完全由代理时代创造;更接近事实的说法是,代理时代扩大了候选项目的数量和创建速度。,
报告还发现,Show HN中自称替代品的比例略降,从2022年的1.50%降至最近一年的1.25%,说明Hacker News项目总数增加,并不代表其替代商业软件的关注度同步增加。 新项目的持续性也存在疑问:狭义样本中新替代品的贡献者中位数为4人,而ChatGPT以前创建的项目为167人,但老项目拥有更长的积累时间,不能据此判断新项目一定无法持续。
Craft套件是报告选取的“前沿案例”,并非代表性样本。其作者在2026年9月30日至10月7日间创建了12个应用,分别瞄准Adobe、Microsoft、Autodesk和Avid等产品的部分功能。
在12.0天公开历史中,套件产生11,760次提交、2,633,601行Rust代码和30,928个测试函数;至少61%的提交带有AI共同作者标记。 项目还获得2,075名外部人员提交问题、876名外部作者提交拉取请求,发布文件下载量达到4,145,191次。
但图11、表7和图20共同呈现出“规模很大、成熟度不足”的特征。项目自己的路线图将9个应用标为alpha、3个标为pre-alpha,面向真实工作的准备度中位数仅为50%;自动化运行成功率在不同应用间差异明显,提交和下载也不等于独立用户或稳定商业使用。,
该案例最能说明报告的核心区别:AI可以大幅提高实现速度和代码规模,但从代码库到可靠商业替代品之间仍有功能完整性、内存占用、法律合规、质量验证和持续维护等距离。
图12使用美国BEA国民账户数据。企业自建软件占软件投资比例从2022年的14.0%降至2025年的13.3%,购买型包装软件则从46.3%升至49.6%。 这并未显示全国范围内从购买转向内部构建,但该数据按企业支付给开发者的工资估算自建软件,如果AI让同一批员工产出更多软件,它可能低估真实内部软件产出。
图13的Homebrew安装数据显示,Postman年安装量从2019年的63,350升至2026年的139,258,Notion从6,140升至60,782;开源Notion替代品AppFlowy仅达到Notion安装量的2.4%。Postman替代品Bruno则从接近零增长到75,820次安装,相当于Postman的54%,但Bruno在ChatGPT以前就已创建。
这些安装量只覆盖选择使用Homebrew的macOS用户,不等同于付费座位、活跃用户或取消订阅数量;同时Bruno和Postman安装量可以同时增长,说明替代品增长不必然意味着原产品立即衰退。,
2026年Stack Overflow调查中,13,338名构建内部软件的受访者里,77.3%构建小脚本,63.0%构建团队内部工具,只有18.6%表示是在替代付费供应商。 这说明内部构建的主要用途仍然是补充现有软件或处理定制需求,而不是直接替代商业产品。
McKinsey组织调查则显示,32%的受访者表示所在组织至少放弃过一次软件产品或功能采购,因为组织可以用编码代理内部构建。 这一结果比Stack Overflow问题更直接,但它仍是自我报告,没有验证采购记录、内部工具质量、持续使用时间或被替代的实际支出,而且两个调查对象和问题不同,不能直接比较两个百分比。
图22显示软件开发职位发布指数从2022年2月的233.9降至ChatGPT发布时的142.5,再降至当前78.3;但下降大部分发生在ChatGPT之前,2025年1月以来又上升16.0%。软件出版业就业人数2026年8月为652,900人,接近2022年11月的峰值664,300人。,
图23显示Fiverr和Upwork股票相对SPY表现较弱,但两家公司股票下降的大部分也早于编码代理时代;平台本身还包含大量非软件开发服务,因此不能把股价或平台交易量下降直接归因于客户自行构建软件。,
图14将METR测得的任务跨度趋势外推至人类工作日、工作周、工作月和工作年。若采用较快的2023年以来趋势,50%成功率对应的工作周任务大约在2026年12月达到,工作月任务约在2027年9月达到;较慢的长期趋势则分别推迟到2027年11月和2028年11月。
在80%成功率下,工作月任务预计落在2028年9月至2030年8月之间,工作年任务预计落在2030年1月至2032年8月之间。 这些日期是基准任务性能的数学外推,不是客户取消软件订阅的日期,也不是完整产品可独立部署和维护的时间表。
图24的回测显示,使用编码代理时代之前的数据拟合趋势后,后续8个前沿模型的实际50%任务跨度全部高于预测值,中位实际/预测比为3.6,说明过去趋势低估了随后基准进展。, 但模型样本选择、任务结构改变和基准测量方式变化都可能导致这种偏差,因此它不能证明未来仍会保持相同加速度。
表4将AI可能改变应用软件需求的路径区分为多种机制,包括内部团队构建私有工具、一般AI助手直接处理任务、采用公共开源替代品并进行适配,以及从软件订阅支出转向模型调用、云计算、托管和维护支出。
这意味着即使商业应用收入受到影响,软件相关支出也未必消失,而可能从应用层迁移到模型服务、基础设施、定制开发和可信维护服务。报告预计,到2028年应重点观察内部构建者中替代付费供应商的比例是否高于18.6%基线;到2031年,暴露度较高的软件供应商应在席位数、价格、包装方式或收入上出现相对低暴露产品更明显的压力。
作者特别强调,2036年前付费应用软件几乎全面消失只是极端假设,不是预测,因为它需要AI在复杂数据、协作、安全、法律责任和持续运营等大量工作流中都能提供可靠替代。
报告没有对某一家上市公司进行收入、利润、自由现金流预测,也没有使用DCF、P/E、EV/EBITDA、可比公司或目标价方法,因此不存在传统意义上的估值区间、折现率、永续增长率或敏感性分析。,
它的“估值”实际上是经济机制分析:比较客户购买成本与构建、验证、迁移、托管、维护和失败成本,而不是计算企业股权价值。 因此,报告更适合作为软件商业模式、产品定位和客户替代风险的研究,而不是直接用于股票投资决策。
报告明确识别出以下风险:
报告没有为这些风险提供发生概率,也没有系统量化每个风险对软件收入的影响幅度。它提出的缓解方向主要是持续跟踪客户、验证、维护和后续采购,而不是给出概率化风险模型。,
第一,报告在论证上明显偏向“能力提升先于市场替代”的警示框架,但总体措辞仍保持克制。作者反复声明,候选替代品数量、AI归因提交和基准进步都不能证明客户已发生切换。,
第二,32%的组织调查结果具有吸引力,但它是自报数据,且“放弃至少一次购买”可能包括低金额、试验性或最终未部署的采购,不能直接转化为收入损失比例。
第三,575个开源候选项目是广义自动筛选结果,并不等于575个可用商业替代品。报告已经承认关键词匹配可能造成上限偏差,这是读者解读该数字时最需要注意的地方。,
第四,Stack Overflow问题下降99.1%说明使用可以迅速转移,但其下降早于ChatGPT,因此不能把它作为AI导致付费软件崩溃的证据。,
第五,Craft案例虽然展示了极高的代码生产速度,但其“12个应用、260多万行代码和数百万下载”与“准备度中位数50%、多数仍处alpha阶段”同时存在,恰好暴露了代码规模与产品成熟度之间的鸿沟。
报告最重要的结论可以概括为三层:
因此,作者的总体立场不是“软件行业已经被AI颠覆”,而是提出一个需要持续验证的早期预警:客户构建能力可能先改变个别采购决策、价格谈判和供应商议价能力,之后才可能在宏观收入和投资数据中显现。,
最终,真正决定商业软件是否被替代的,不是AI能否生成更多代码,而是客户能否以更低的长期总成本获得一个安全、可靠、可集成、可维护并且符合责任要求的工具。报告目前提供了能力增长和替代候选增加的证据,但尚未证明大规模、持续性的客户迁移已经发生;其预测日期也明确是基准趋势外推,而非软件公司收入或客户采用率预测。,
2610.30307.pdf