你有没有发现一个有趣的现象？

以前我们买软件，买的是"一套系统"。ERP系统、CRM系统、OA系统、HR系统……每个系统都庞大、复杂、动辄上百万，实施周期半年起步。

但现在，情况正在发生变化。

一些企业开始不用那种"大而全"的系统了，而是用一个个小的AI应用来解决问题——AI帮忙审合同、AI帮忙写周报、AI帮忙查库存、AI帮忙排班……这些小应用像积木一样，灵活组合，按需使用。

软件正在从"庞大系统"变成"点位方案"，从"买一套"变成"用一个"。而驱动这个变化的，就是AI。

最近行业内有人开始讨论一个新概念——AIGS（AI Generated Service，AI生成服务）。这个概念试图描述一种正在发生的变化：软件不再只是被人类编写的代码，而是越来越多地由AI生成、由AI运行、为AI而生的服务。

一、从AIGC到AIGS：一字之差，天壤之别

AIGC（AI Generated Content，AI生成内容）大家都已经很熟悉了。ChatGPT写文章、Midjourney画图、Sora做视频——这些都是AIGC。AI生成的是"内容"——文本、图片、视频、音频。

AIGS不一样。AI生成的是"服务"——可以直接运行的、能完成具体任务的功能。

举个例子来区分：

AIGC：AI帮你写了一份产品说明书。（内容）

AIGS：AI帮你建了一个"产品咨询客服"服务，它能回答客户关于产品的任何问题，并且直接对接你的产品数据库。（服务）

看到了吗？AIGC的产出是"静态的"——一份文档、一张图片，看完就完了。AIGS的产出是"动态的"——一个能持续运行、能交互、能完成任务的系统。

这个区别非常重要。因为企业需要的不是一堆文档和图片，而是能解决实际问题的能力。

二、为什么软件会被"重新定义"

三个驱动力：

• 第一，大模型能力到位了。 GPT-4、DeepSeek、Claude这些大模型的能力已经强到可以理解业务逻辑、生成可执行的代码、完成复杂的推理任务。这为AIGS提供了技术基础。
• 第二，企业的需求变了。 以前企业要的是"一套系统解决所有问题"，但现实是，这种大系统越来越笨重——升级难、定制难、维护难。现在企业更倾向于"按需组合"——哪个环节需要AI，就给哪个环节加AI能力。
• 第三，开发门槛降低了。 以前做一个软件功能，需要产品经理写需求、UI设计师画界面、开发写代码、测试做测试。现在，通过AIGS的方式，可能只需要"描述需求"，AI就能生成一个可运行的服务。

三、AIGS的实际形态是什么样的

如果你还觉得AIGS很抽象，我举几个实际场景：

场景一：智能客服不再是"机器人"

传统的智能客服是一个独立的系统，需要配置意图库、话术模板、知识库。现在，通过AIGS的方式，你可以直接用AI生成一个"客服服务"——它能理解客户的自然语言、查询企业的知识库和数据库、给出准确的回答、甚至在必要时转人工。

这个"客服服务"不是写出来的代码，而是通过思维链编排（把AI对话、知识库检索、数据库查询等能力串联起来）生成的。

场景二：数据分析不再是"报表"

以前做数据分析，要数据工程师建数据仓库、写SQL、做BI报表。现在，通过AIGS，业务人员可以直接用自然语言提问："帮我看看上个月各区域的销售额对比"，AI自动查询数据、生成图表、输出分析结论。

这个"数据分析服务"是AI根据需求动态生成的——不是预先开发的报表，而是根据用户的即时问题生成的定制化分析。

场景三：审批流程不再是"工作流"

传统的审批系统需要预先配置工作流——A审批后流转给B，B审批后流转给C。现在，通过AIGS，AI可以理解审批请求的内容、根据企业规则自动判断、直接给出审批建议甚至自动完成审批。

这个"审批服务"是AI"理解"了企业的审批规则后生成的，比固定的工作流更灵活、更智能。

四、AIGS需要什么样的技术底座

AIGS听起来很美好，但要落地，需要一套完整的技术底座。这套底座至少需要以下能力：

• 思维链编排能力——把一个复杂的业务需求拆解成多个步骤，每个步骤对应一个AI能力或工具调用。这是AIGS的核心技术。没有编排能力，AI只能做单步任务，做不了复杂业务。
• Function Calling能力——让AI能调用企业的现有系统。AIGS不是"替代"企业现有系统，而是"连接"和"增强"企业现有系统。AI需要通过Function Calling来查询数据库、调用API、读写文件。
• MCP协议支持——MCP为AI工具调用提供了标准化接口。虽然目前MCP还有争议（比如前文提到的Token税问题），但标准化的方向是对的。AIGS需要通过MCP等协议来连接外部工具和数据源。
• 知识库和RAG能力——AIGS需要理解企业的业务知识和数据。这就需要知识库管理、文档解析、向量化、智能检索等能力。
• Agent开发能力——AIGS生成的"服务"，本质上就是Agent。需要一套Agent开发框架来管理Agent的生命周期、权限、监控等。
• 工程化部署能力——私有化部署、高可用、安全管控、监控告警。AIGS生成的服务要跑在生产环境里，就必须有企业级的工程保障。

五、AIGS不会替代软件，而是重新定义软件

有人可能会担心："AIGS是不是意味着以后不需要程序员了？"

不是的。AIGS不是要替代软件，而是重新定义软件的形态。

以前的软件是"写死的"——程序员写好代码，用户按代码的逻辑操作。AIGS的软件是"活的"——AI根据用户的需求和上下文，动态生成和调整服务的行为。

以前的软件是"通用的"——一套系统服务所有用户。AIGS的软件是"个性化的"——每个用户、每个场景，AI都可以生成定制化的服务。

以前的软件更新是"发版"——改代码、测试、部署，周期长。AIGS的软件更新是"即时"——调整提示词、修改编排逻辑，立刻生效。

所以，程序员不会被替代，但程序员的工作方式会改变。从"写代码"变成"设计AI服务的逻辑和编排"，从"实现功能"变成"教会AI怎么实现功能"。

六、AIGS的竞争核心不是模型，是工程能力

最后说一个重要的观点。

很多人以为AIGS的竞争核心是谁的模型更聪明。但现实不是这样——模型之间的差距在快速缩小，未来大模型可能成为一种"基础设施"，就像水和电一样。

真正拉开差距的是工程能力：

• 思维链编排的设计是否灵活
• Function Calling和MCP的集成是否稳定
• 知识库和RAG的效果是否精准
• 工程化部署是否可靠
• 安全管控是否完善

这些工程能力，才是AIGS的真正壁垒。

山东向量空间人工智能有限公司很早就把AIGS作为核心定位——不是AIGC生成内容，而是AIGS生成可运行的服务。JBoltAI平台在Java生态中实现了AIGS的关键能力：思维链编排引擎、Function Calling工具体系、MCP协议支持、Agent RAG等。这些工程能力的积累，是需要时间的，也是很难被快速复制的。

软件正在被AI重新定义。这个过程中，最重要的不是追逐最聪明的模型，而是构建最强的工程能力。谁先把工程能力做扎实了，谁就能在AIGS时代占据有利位置。

这个趋势已经开始了。你看不看得见，它都在发生。