AI+编程：生成式AI带来颠覆式生产力跃迁-149页

文件类型：PDF文档

提取的文档内容：[Table_yejiao1] 本研究报告由海通国际分销，海通国际是由海通国际研究有限公司，海通证券印度私人有限公司，海通国际株式会社和海通国 际证券集团其他各成员单位的证券研究团队所组成的全球品牌，海通国际证券集团各成员分别在其许可的司法管辖区内从事证 券活动。关于海通国际的分析师证明，重要披露声明和免责声明，请参阅附录。(Please see appendix for English translation of the disclaimer) 观点聚焦 Investment Focus 研究报告 Research Report 11 Jun 2025 中国电子 China (Overseas) Technology AI+编程：生成式 AI 带来颠覆式生产力跃迁 AI + Programing: Generative AI Ushers in Disruptive Productivity Leap [Table_Info] 市盈率 P/E 股票名称 评级 目标价 PE(2025E) PE(2026E) 小米集团 Outperform 60.00 35 24 中芯国际 Neutral 19.50 n.a. n.a. 联想集团 Outperform 10.70 74 61 比亚迪电子 Outperform 46.20 11 8 舜宇光学 Outperform 72.10 21 17 ASMPT Neutral 68.00 13 n.a. 资料来源： Factset, HTI Related Reports DeepSeek-R1 能力跃升，支撑“小模型大能力”的新路径 DeepSeek-R1 Surges Ahead, Paving a New Path for "Small Models with Big Capabilities" (1 Jun 2025) 国产智能体再突破，阿里 WebAgent 打造端到端自主搜索框架 Another Breakthrough for Domestic AI Agents: Alibaba's WebAgent Builds End-to-End Autonomous Search Framework (1 Jun 2025) 小米 15 周年发布会：玄戒芯片驱动“人车家”全生态战略升维 Xiaomi's 15th Anniversary Event: XRING Drives the Evolution of the "Human x Car x Home" Full Ecosystem Strategy (28 May 2025) (Please see APPENDIX 1 for English summary) 生成式 AI 将加速软件生产力革命，推动市场迈向 2 万亿美元。软 件作为核心生产力工具，其变革效应将在生成式 AI（Gen AI）时代 被进一步放大。根据 Precedence Research 统计，2024 年全球软件 市场规模约为 7370 亿美元，预计到 2030 年将突破 2 万亿美元。其 中，企业软件（如 ERP、CRM、SCM）与云服务（涵盖 SaaS、 PaaS、IaaS）将成为增速最快的细分赛道，预计 CAGR 分别达到 12.3%和 20.7%。 AI 正在重塑软件开发流程，核心依赖大语言模型（LLM）与智能体 （Agent）能力。 LLM 在自然语言到代码的转化上持续进化，具备 生成高质量代码的能力；Agent 则在环境感知、模块协同、跨项目 调度等方面展现出更强的执行力，更契合复杂工程的落地需求。当 前主流应用场景包括代码生成、漏洞检测与修复、测试自动化、项 目管理、DevOps 与 CI/CD 管理，以及数据库等。展望未来，AI 有望 进一步渗透至操作系统开发与底层汇编等更底层的技术领域。 AI+编程正成为生成式 AI 率先落地的领域。目前，该赛道的参与者 可分为大模型厂商与初创公司两类：前者包括 Claude Code、 OpenAI Codex、GitHub Copilot (Microsoft)，Google Gemini, 以及阿里 的 Qwen3 等；后者则涵盖海外的 Cursor、Windsurf，以及国内的智 识神工等。目前海外大模型能力仍处领先位置，但在垂类应用层 面，国内的智识神工也以人机联合体（CHR）概念，在代码智能体 领域实现对标 Cursor 的能力表现。 AI 将从应用层渗透至系统底层与边缘设备，重塑开发范式与互联 网软件生态结构。未来，AI 赋能将不再局限于应用开发层面，还将 向操作系统、基础设施和边缘侧设备延伸，支持普通用户通过低代 码甚至零代码方式构建应用，实现“所想即所得”的软件开发体验。 这将大幅拓展软件覆盖范围，降低软件开发门槛，从而促进需求爆 发式增长，并重塑互联网软件生态结构。 AI 有望为中国关键技术领域提供突围路径，打开自主创新窗口。 在操作系统、数据库、工业软件、芯片指令集等关键领域长期受制 于海外技术的背景下，生成式 AI 能显著提升研发效率、降低开发 门槛，为构建自主可控的软硬件生态体系提供技术路径和发展加速 器。 风险提示： 1） AI 应用可能带来数据泄露、权限绕过等安全隐患； 2）低质量 AI 生成软件可能导致同质化严重、污染存量代码库，增 加维护成本；3）商业化不及预期；4）产品落地节奏可能受限于算 力供给、行业适配性或客户部署周期，实际应用推广低于预期。 [Table_Author] 姚书桥 Barney Yao 吴叡霖 Louis Ng 邓雅文 Linda Deng 纪雨岑 Grace Chi barney.sq.yao@htisec.com louis.yl.ng@htisec.com linda.yw.deng@htisec.com grace.yt.chi@htisec.com 40 100 160 220 280 Jun-24 Sep-24 Dec-24 Mar-25 Jun-25 HAI China (Overseas) Technology MSCI China11 Jun 2025 2 目录 摘要 .................................................................................................................. 5 市场概览与增长动力 ............................................................................................ 5 技术突破和应用 .................................................................................................... 6 硬件基础与成本结构 ............................................................................................ 9 产业影响与未来展望 .......................................................................................... 10 投资机会与策略建议 .......................................................................................... 10 1. AI 加速软件演进 ...................................................................................... 12 1.1. 全球软件行业蓬勃发展 ......................................................................... 12 1.2. 软件行业市场预测及增长动力 ............................................................. 12 1.3. 细分市场规模对比 ................................................................................. 14 1.3.1. 企业软件 ............................................................................................. 15 1.3.2. 应用开发软件 ..................................................................................... 17 1.3.3. 系统基础设施软件 ............................................................................. 18 1.3.4. 生产力软件 ......................................................................................... 18 1.4. 区域市场分布以及特点 ......................................................................... 21 1.4.1. 北美市场分析 ..................................................................................... 22 1.4.2. 欧洲市场分析 ..................................................................................... 23 1.4.3. 亚太市场分析 ..................................................................................... 24 1.4.4. 其他新兴市场分析 ............................................................................. 27 1.5. 软件行业生态系统 ................................................................................. 27 1.5.1. 基础软件层 ......................................................................................... 27 1.5.2. 平台软件层 ......................................................................................... 28 1.5.3. 应用软件层 ......................................................................................... 30 1.5.4. 服务软件层 ......................................................................................... 30 1.6. 软件商业模式演变 ................................................................................. 31 1.6.1. 传统许可证模式 ................................................................................. 31 1.6.2. 订阅模式（SaaS） ............................................................................. 32 1.6.3. 开源增值模式 ..................................................................................... 34 1.6.4. 平台生态模式 ..................................................................................... 36 1.7. 软件行业发展历史与演进脉络 ............................................................. 3711 Jun 2025 3 1.7.1. 大型机时代（1950s-1980s） ............................................................ 37 1.7.2. PC 时代（1980s-2000s） ................................................................... 40 1.7.3. 互联网时代 （1990s – 2010s） ......................................................... 42 1.7.4. 移动互联网+云计算时代 （2010s- 至今） ...................................... 45 2. 软件商业化场景以及 AI 赋能方式 ........................................................... 50 2.1 AI+Coding 技术路径 ....................................................................................... 51 2.1.1 LLM 通过学习语料理解代码 .................................................................. 51 2.1.2 模型训练数据与知识来源 ..................................................................... 52 2.1.3 代码模拟器 ............................................................................................. 52 2.2 商业场景和市场规模 .................................................................................... 53 2.2.1 智能代码补全与自动生成...................................................................... 53 2.2.2 自动化测试与代码审核 ......................................................................... 54 2.2.3 低代码/无代码平台赋能开发 ................................................................ 56 2.2.4 AI 在汇编语言开发中的作用和效率提升 ............................................. 57 2.2.5 AI 辅助操作系统（OS）构建的加速与挑战 ......................................... 59 2.2.6 AI 在通信协议栈与移动终端开发中的应用 ......................................... 62 2 2.7 市场规模（全球 vs 中美） .................................................................... 62 2.3 降本增效&增量成长 ...................................................................................... 63 2.3.1 对软件开发的降本增效 ......................................................................... 63 2.3.2 AI+Coding 创造新岗位需求 .................................................................... 64 3. 智变、协作与繁荣的行业发展现状 ......................................................... 66 3.1 AI 编程发展历程 ............................................................................................ 66 3.1.1 从代码补全到全流程开发 ..................................................................... 71 3.1.2 软件级工具与系统级 Agent 平台 .......................................................... 72 3.2 国内外 AI Coding 能力与横向对比 ............................................................... 75 3.2.1 2025 AI Coding 胜出者：Claude Code/OpenAI Codex/GitHub Copilot/Google Jules ......................................................................................... 75 3.2.2 国内外大模型 coding 能力对比 ........................................................ 77 3.2.3. 国内外初创公司 coding 能力对比 ...................................................... 94 4. AI+编程的成本对比和商业逻辑 ............................................................... 99 4.1 调动 LLM 的成本 ......................................................................................... 100 4.2LLM Token 价格 ............................................................................................. 100 4.3 LLM 一体机自研趋势 ................................................................................... 10211 Jun 2025 4 4.4 一体机 GPU 成本： ..................................................................................... 105 4.5 硬件于不同模型的运用及其行业改变 ...................................................... 106 4.5.1 CPU：协调芯片间的运作 ..................................................................... 107 4.5.2 GPU：短期需求波动 ............................................................................ 107 4.5.3 FPGA ....................................................................................................... 107 4.5.4 ASIC ........................................................................................................ 108 4.5.5 SoC ......................................................................................................... 108 4.5.6 MCU ....................................................................................................... 108 4.5.7 RISC-V ..................................................................................................... 108 4.6 LLM 和 Code gen 发展影响 .......................................................................... 109 4.7 结论 .............................................................................................................. 109 5. 对产业生态带来的机遇与挑战 .............................................................. 110 5.1 ToB 和 ToP 领域的机遇 ............................................................................... 112 5.2 对特定行业的机遇 ...................................................................................... 115 5.2.1 对游戏行业的影响 ............................................................................... 115 5.2.2 对 IT 外包行业的影响 .......................................................................... 118 5.2.3 对操作系统行业的影响 ....................................................................... 120 5.2.4 对工业软件行业的影响 ....................................................................... 121 5.2.5 对移动互联网及软件行业的影响 ........................................................ 122 5.3 推动更多“一人公司”的出现 ....................................................................... 124 5.4 人力需求将不降反升 .................................................................................. 125 6. 对软件开发岗位的影响分析 ...................................................................... 127 6.1AI Coding 对软件开发岗位的影响分析 ....................................................... 127 6.1.1 AI+Coding 当前的影响 .......................................................................... 128 6.1.2 AI+Coding 带来行业转型 ...................................................................... 129 6.1.3 全球 AI Coding 的市场空间与增长预测 .............................................. 133 6.2 潜在风险与安全监管 .................................................................................. 138 6.3 专业人才短缺风险 ...................................................................................... 139 6.4 知识产权与合规困境 .................................................................................. 139 6.5 AI +Coding 的安全监管 ................................................................................ 14011 Jun 2025 5 摘要 AI+Coding 正在引领软件开发范式的根本性变革，从"手工编码"向"意图驱动开发"转 变。这不仅是效率工具的进步，更是整个软件产业生态的重构。随着技术持续演进， 我们预计未来三年将是 AI+Coding 从早期采用向主流应用过渡的关键窗口期。企业和 开发者正积极探索这一变革，重新思考软件开发的本质与价值创造模式，在新范式下 构建竞争优势。 这场变革的本质是价值再分配：当重复编码被自动化取代，人类智能将向系统设计、 伦理治理等高阶领域迁移，推动产业向"人机共生"的新范式进化。在这个新时代，软 件不再仅仅是人类智慧的编码表达，而是人类创造力与人工智能协同进化的产物。 市场概览与增长动力 AI+ Coding 作为新质生产力的核心驱动力，正引领一场前所未有的软件开发革命。随 着大型语言模型（LLM）技术的快速发展，AI 辅助编程工具已从简单的代码补全进化 为全流程开发助手，不仅提升了开发效率，更重构了软件开发的基本范式。 Fig.1 2023-2034 年全球软件市场份额 Source: Precedence, HTI Fig.2 北美软件市场仍占主导地位 Source: Precedence, HTI 全球软件市场高速扩张，正迈向万亿美元规模。根据 Precedence 数据，2024 年全球 软件市场规模约达 7370 亿美元，预计到 2033 年将突破 2 万亿美元，CAGR 为 11%。 这一增长主要由全球数字化转型、远程办公普及、云计算降低使用门槛以及新兴技术 拓展应用边界等因素驱动。其中北美占比最高达 44%，欧洲和亚太分别为 28% 和 22%，构成主要市场；拉丁美洲和中东非洲占比较小，分别为 4% 和 2%。整体来看， 软件市场高度集中于发达地区。 Fig.3 AI + Code 工具市场空间预测 Source: The Business Research Company, HTI11 Jun 2025 6 AI 编程工具市场正进入高增长通道。根据 The Business Research Company 的数据，AI 编程工具市场规模预计将从 2024 年的 62.1 亿美元增长至 2029 年的 182 亿美元，对应 CAGR 为 24.0%。过去几年市场增长的驱动力包括：AI 技术的早期采用、软件开发中对 自动化的需求增加、软件项目复杂度上升、开源 AI 框架的兴起，以及云计算服务的普 及扩张。 Fig.4 需求将随成本降低而增加，软件市场弹性较大 Source: BCIS notes, HTI 我们预计，在 AI 工具的辅助下，项目的开发周期和人力成本有望降低约 90%，显著改 善单位供给成本。这相当于供给曲线从 S₁右移至 S₂，开发门槛下降、价格（时间+成 本）下探，进而释放出大量因高成本被抑制的潜在需求。考虑到软件行业本身具有较 高的需求弹性，我们判断，全球软件项目年均新增数量有望在原有基础上提升 1.5 至 2 倍。 技术突破和应用 [Table_PicPe] Fig.5 Cursor 依照指令生成代码效果图 Source: CNblog, HTI AI+ Coding 的核心技术基于 LLM 对代码的深度理解与生成能力。这些模型通过 Transformer 架构，从海量代码语料中学习编程模式、语法结构和逻辑关系，进而能够 理解开发者意图并生成相应代码。以 OpenAI 的 Codex 模型为例，它基于 GPT-3 微调，11 Jun 2025 7 使用 GitHub 上百万个公共代码仓库的数据进行训练，能够理解和生成多种编程语言的 代码。同样，国内的 CodeGeeX 模型参数规模达 130 亿，以 23 种编程语言的 8500 亿 个词元进行预训练，展现了强大的代码理解与生成能力。 AI 编程的技术发展路径可分为三个阶段和五个层级： 1. 基础代码补全阶段：早期 AI 编程工具如 TabNine 和 Kite 主要提供简单的代码补全 功能，基于统计模型预测下一行可能的代码。 2. 智能代码生成阶段：随着 GPT、Codex 等大型语言模型的出现，AI 编程工具如 GitHub Copilot 能够根据注释或上下文生成完整的函数和代码块，大幅提升了开发 效率。 3. 全流程开发助手阶段：最新的 AI 编程工具如 Cursor 和 GitHub Copilot X 已进化为 全流程开发助手，不仅能生成代码，还能解释代码、重构代码、生成测试用例， 甚至参与架构设计，实现了“写-测-改”的闭环迭代优化。 Fig.6 AI 编程的层级 L1-L5 Source: Github, HTI 2025 年，AI 编程工具正加速迈向系统化与智能协同。 当前生态可分为五个等级，从 L1 代码补全（如 Copilot、Codium）逐步演进至 L5 的 AI 开发团队（如 MetaGPT、 AutoDev）。工具能力正从单点生成向端到端开发、类人协作演化。功能上，Replit 更 偏 Web 开发，Devin、Claude Code 等则面向通用场景。值得关注的是，大量产品已迈 入 L3 以上阶段，AI 开始具备组织任务、协同调试的能力，不再只是写代码的助手。 未来，AI+ Coding 技术将向三个方向发展： 1）多模态理解：AI能够理解和处理图像、 音频等非文本信息 ；2）领域专业化：AI 在特定领域如游戏开发、金融软件等方面具 备更深入的专业知识 ；3）自主编程：AI 能够独立完成从需求理解到代码实现的全过 程，实现真正的“意图即代码”11 Jun 2025 8 Fig.7 2024 年 AI 编程工具市场参与者一览 Source: Synaptic, HTI AI+ Coding 已在多个场景展现出强大的商业价值，主要应用场景包括智能代码补全与 自动生成、自动化测试与代码审核以及低代码/无代码平台赋能。 在智能代码补全与自动生成方面，GitHub Copilot 已成为最具代表性的工具。研究表 明，Copilot 使开发者完成任务的速度提升 56%，超过 90%的开发者表示他们在使用 Copilot 后更快地完成了任务，73%的人表示这有助于节省他们的精力。更值得注意的 是，90%的开发者表示他们曾将 Copilot 生成的代码提交到代码库，这表明 AI 生成的代 码质量已达到生产级水平。11 Jun 2025 9 自动化测试与代码审核是 AI+ Coding 的另一个重要应用场景。AI 可根据代码逻辑自动 生成单元测试用例或根据需求文档生成测试脚本，大幅提高测试覆盖率和效率。例 如，Amazon CodeGuru Reviewer 使用机器学习模型分析提交的代码，自动给出优化建 议，帮助开发者发现潜在的性能问题和安全漏洞。百度“文心·快码(Comate)”则支持单 元测试代码的生成和代码解释说明等功能，为开发者提供全方位的测试支持。 低代码/无代码平台与 AI 的结合正在降低软件开发门槛，使更多非专业人员能够参与 软件开发。传统低代码/无代码平台多依赖模板式配置，难以精准理解用户意图，灵 活性受限。而生成式 AI 的引入显著提升了平台的智能化水平。以微软 Power Platform 为例，已集成 GPT-4，有效简化了应用开发流程，降低了非技术人员的使用门槛。 Gartner 预计，到 2025 年，全球约 70% 的新企业应用将通过低代码/无代码平台构建， 远高于 2020 年的不到 25%。这一趋势将加速 AI+Coding 在更广泛人群中的普及与应用 落地。 硬件基础与成本结构 AI 编程工具的成本结构主要由模型训练推理和订阅定价构成。根据沙利文研究，AI 代 码生成的硬件成本约占全成本的 70%，以 CPU、GPU 及存储为主，其余为软件成本。 随着模型优化技术的进步，推理成本正在显著下降——DeepSeek R1 模型每百万输入/ 输出 token 成本仅为$0.55/$2.19，仅为 OpenAI GPT-o1 价格的 3%。 Fig.8 DeepSeek R1 输入/输出成本显著低于 OpenAI GPT-o1 Source: 晓观点, HTI 硬件架构角度，AI+编程正深刻改变算力生态：  CPU 领域：控制核心角色强化，在推理场景重要性提升。RISC-V 架构凭借灵活定 制特性成为新势力，如达摩院在搭载 RISC-V 的玄铁 C920 芯片上对 DeepSeek 模型 适配仅需 1 小时。根据 IDC 数据，CPU 成本在各类 AI 服务器中占比分别为：基础 型 32%、高性能型 23.3%、推理型 25%、训练型 9.8%。  GPU 市场：训练主导地位稳固，但推理场景竞争加剧。DeepSeek 等技术创新大 幅降低训练需求（与 Llama 3 相比减少 90%），通过低精度训练和 MOE 架构优 化，使推理成本下降 82.5%，内存需求下降 30%，削弱对高端 GPU 的依赖。  FPGA 与 ASIC：FPGA 凭借半定制特性适合算法快速迭代，在云端推理和边缘端渗 透率提升；ASIC 在推理场景功耗比 GPU 低 30%以上，成为大模型部署首选，但 面临 AI 算法迭代周期（6 个月）快于芯片研发周期（18 个月）的挑战。11 Jun 2025 10 产业影响与未来展望 我们认为，AI+编程可将开发时间缩短 5–10 倍，企业开发成本有望降至原来的 10%。 这一变革正重塑整个软件产业生态，并带来五大结构性变革：  开发效率与成本结构变革：AI 辅助开发使企业单项目人力成本降低 37%，缺陷修 复周期缩短 62%。微软 Azure 的 AI 运维系统能预测 83%的生产环境故障，使企业 年度运维支出平均减少$2.4M。这种成本优化具有乘数效应：当开发、测试、运 维全链条实现 AI 赋能，企业可将更多资源投入创新性功能开发。  人才结构与技能需求转型，但并非所有人都能顺利转型。我们预计，不超过 50% 的现有开发者能适应 AI 赋能型工作方式，剩余群体将被迫向产品管理、业务分 析或基础行业岗位转移。 Gartner 预测，到 2028 年，75% 的企业软件工程师将日常使用 AI 编程工具，而在 2023 年初，这一比例还不到 10%。AI 工具显著改变了工作时间结构：高级工程 师在架构设计上的投入从 35% 提升至 68%，而日均代码调试时间从 3.2 小时降至 0.9 小时。这一变化正在推动开发者从“代码编写者”向“系统设计师”与“AI 提示工 程师”转型。 Fig.9 AI 编程的价值展示 Source: Gartner , HTI  创新模式与团队结构变革：AI 扮演"能力放大器"角色，使单开发者能够管理过去 需要 5 人团队维护的微服务架构。Gartner 预测 2027 年 70%软件创新将源自 10 人 以下团队，小型精英团队借助 AI 工具的创新效率将超越传统大型开发组织。  安全合规与知识产权挑战：斯坦福大学研究显示，AI 生成代码的安全漏洞率比人 工编码高 41%。GitHub Copilot 的集体诉讼案暴露开源协议合规风险，但行业正通 过 CodeDNA 检测系统（识别准确率 83%）和区块链存证技术构建新标准。 投资机会与策略建议 基于对 AI+Coding 产业全景的分析，我们识别出三大投资主线： 1. 平台型 AI 编程工具及 IDE 提供商：如 GitHub（微软）、JetBrains、Replit 等，这 类企业拥有庞大的开发者用户基础和完整的工具链生态，能够通过 AI 功能实现用 户价值快速变现。预计到 2026 年，全球超过 60%的专业开发者将订阅某种形式 的 AI 编程助手服务，年均订阅费在$100-$300 之间，形成稳定的现金流模型。11 Jun 2025 11 2. 垂直行业 AI 解决方案提供商：如 Unity（游戏开发）、Intuit（金融科技）、 Siemens（工业软件）等，这类企业将 AI 编程能力与特定行业知识深度结合，创 造差异化竞争优势。在游戏行业，AI 辅助开发工具预计将使内容创作效率提升 40%，开发周期缩短 30%；在金融科技领域，合规代码自动生成将使监管适应成 本降低 25%。 3. IT 外包领域：传统外包模式主要以“人力外包 or 流程外包”为核心，依赖大量开发 人员分阶段交付项目。然而，AI 的引入正在打破这一模式。AI 工具显著提升开发 效率，减少了对人力投入的依赖。随着 AI 能力逐步成熟，企业对外部服务商的评 估重心也从服务付费，转向以结果为导向的智能交付。这标志着 IT 外包正从传统 的人员密集型模式，向 AI 驱动的高效成果交付模式转型。 对企业决策者，我们建议： 1. 战略性采用 AI 编程工具：从小规模试点开始，逐步扩大应用范围，建立明确的 ROI 评估框架，关注开发效率、代码质量和创新能力三个维度。 2. 重构开发流程与团队结构：将 AI 视为团队成员而非简单工具，重新设计工作流 程，强化架构设计、业务理解和 AI 提示工程等高阶能力培养。 3. 建立 AI 代码治理框架：制定 AI 生成代码的质量标准、安全审查流程和知识产权 管理策略，平衡效率提升与质量保障。 4. 培养"人机协作"文化：鼓励开发者将 AI 视为增强工具而非替代品，建立知识共享 机制。11 Jun 2025 12 1. AI 加速软件演进 行业格局演变：企业软件存量占比最高，增速明显。企业级软件（如 ERP、CRM）及 SaaS 云服务仍是软件市场的核心支柱。Gartner 预计，2024 年企业软件支出将增长 7.7%，跑赢整体 IT 支出。按区域来看，亚太是增速最快的市场，中国软件市场至 2028 年预计将保持 15% 以上的年均增长。此外，垂直行业解决方案、本地高安全部署需求 及开源增值模式正加速行业生态分化。传统 IT 外包也正借助 AI 向“Result-as-a-Service” 模式转型，推动从人力密集型服务向智能交付跃迁。 生产力升级：AI + Coding 驱动知识工作自动化。生产力软件市场正从传统办公工具向 智能化平台转型。AI+Coding 在此领域加速落地：微软 Copilot、谷歌 Gemini 等工具正 将 AI 融入日常办公、项目管理、文档生成等流程，大幅降低重复性工作负担。尤其是 在软件开发环节，开源 AI 编程工具链（如 CodeFuse）集成了 RAG、代码沙盒和自动化 测试，覆盖从需求生成到部署的完整周期，使代码生成、错误修复、单元测试等任务 进入“自动补全”时代，显著提升研发效率与代码质量。生产力的核心，正从工具跃升 为智能助手。 1.1. 全球软件行业蓬勃发展 全球软件市场在过去五年间呈现出持续、稳健的增长态势。根据 Precedence 数据， 2024 年全球软件市场规模约达 7370 亿美元，预计到 2033 年将突破 2 万亿美元，CAGR 为 11%。首先，全球数字化转型浪潮持续深化，各行各业对软件的依赖程度不断提 高。新冠疫情虽然对全球经济造成冲击，但却加速了远程办公、在线教育、电子商务 等数字化场景的普及，进一步刺激了对软件产品和服务的需求。云计算的普及降低了 软件使用的门槛，使得更多中小企业和新兴市场用户能够负担得起高质量的软件服 务。 Fig.10 2023 年至 2034 年软件市场规模（单位：十亿美元） Source: Precedence, HTI 1.2. 软件行业市场预测及增长动力 展望未来，全球软件市场有望持续保持强劲增长态势。预计 2025–2028 年间，随着 AI 技术加速普及， 3 年 CAGR 达 11.78%，显著跑赢全球 GDP 增速。AI 的规模化落地不断 拓展软件应用边界，成为驱动行业中长期发展的核心动力。 659 737 824 921 1,030 1,151 1,287 1,439 1,609 1,799 2,011 2,248 0 500 1000 1500 2000 2500 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 203411 Jun 2025 13 Fig.11 全球 GDP 增长率与软件行业增长率 Source: Statista, HTI 我们认为在未来五年，全球软件市场的增长将主要由以下几个因素驱动：  生成式 AI 的广泛应用：生成式 AI 技术将在软件开发、内容创作、设计、客户服 务等多个领域实现规模化应用，创造巨大的新增市场空间。根据麦肯锡全球研究 院的预测，到 2030 年，生成式 AI 有望为全球经济创造 2.6-4.4 万亿美元的 GDP 增 量，其中相当部分将通过软件产品和服务实现。  低代码/无代码平台的普及：低代码/无代码平台正加速推动软件开发民主化，使 非专业开发者也能参与应用构建。AI 的引入进一步增强平台灵活性：相比固定模 板，AI 能基于自然语言理解需求、生成更具适配性的组件，实现“模板 + AI”双轨 协同，显著提升可用性与扩展性。Forrester 预测，到 2028 年低代码市场规模将 达 500 亿美元，年复合增长率超过 25%。  边缘计算与物联网的融合：随着 5G 网络的普及和物联网设备的爆发式增长，边 缘计算将成为新的计算范式，催生大量针对边缘场景的软件需求。IDC 预测，到 2025 年，全球将有超过 550 亿台物联网设备联网，为软件市场创造巨大增量机 会。  数字孪生技术的成熟：数字孪生技术将从工业领域向城市管理、医疗健康、零售 等更广泛的领域扩展，推动模拟软件、可视化软件以及相关分析工具的需求增 长。  新兴市场的快速增长：中国、印度、东南亚、拉美等新兴市场的数字化转型正处 于加速期，对软件的需求增长将显著快于成熟市场。特别是中国市场，在政策支 持和技术创新的双重驱动下，软件市场年均增速预计将保持在 15%以上。 然而，全球软件市场的增长也面临一些潜在风险和挑战。首先，全球经济不确定性增 加，可能影响企业 IT 支出决策；其次，地缘政治紧张局势可能导致技术脱钩和市场分 割；第三，人才短缺问题日益突出，可能制约行业扩张；最后，数据隐私和安全问题 日益受到重视，相关监管趋严可能增加合规成本。 6.4% 6.2% 1.4% -2.6% 14.1% 4.2% 4.4% 3.9% 2.9% 4.7% 4.9% 5.1% 7.6% 8.3% 5.4% 2.6% 8.1% 6.2% 8.0% 5.5% 5.1% 5.5% 6.0% 6.5% -4% -2% 0% 2% 4% 6% 8% 10% 12% 14% 16% 2017 2018 2019 2020 2021 2022 2023 2024 2025* 2026* 2027* 2028* GDP 增长率 软件市场增长率11 Jun 2025 14 1.3. 细分市场规模对比 全球软件市场可从多个维度进行细分，不同细分市场在规模、增长趋势、行业应用及 区域表现等方面呈现出显著差异。其中占比于增速最快是企业软件应用，预计从未来 五年增速为7.1%，高于软件市场平均增速6%。 Fig.12 2016 年至 2027 年全球软件市场收入（按细分市场划分，单位：十亿美元） Source: Statista, HTI Fig.13 全球软件收入中企业软件占比最大 Source: Statista, HTI 0 100 200 300 400 500 600 700 800 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 企业软件 应用开发软件 系统基础软件 生产力软件 企业软件, 41% 应用开发软件, 25% 系统基础软件, 22% 生产力软件, 12%11 Jun

文件大小：14.3MB

文档页数：149

适用平台：适用于所有跨境电商平台，包括Amazon, eBay, Temu, Walmart, Shopify等。

数据用途：了解AI+编程的最新发展趋势，评估AI+编程对跨境电商业务的影响，制定相应的策略和计划。