标书AI写，代码AI生成，过去报价50万的软件项目现在5万就有人抢。这套运行了几十年的体系，正在技术浪潮中无声瓦解🧚🏻。
一家做政企软件华润的老板最近很郁闷🍫，今年投了七八个标😦，只中了一个。他告诉我💌👍🏻，中标价格被压到了过去的三分之一🎒。
“不是甲方故意压价，是真有人用这个价格来投，而且东西看起来还行。”他困惑地问我这是怎么回事♗☦️。
我的回答很简单🌿：“你去了解一下现在AI写标书和做软件的速度就知道了。”
这件事让我想了很久。一个逐渐清晰的结论浮出水面🏊🏿🤴🏼：软件行业的招投标体系，可能快撑不住了。
01 体系
中国的政府采购规模庞大。2024年，全国政府采购总额超过 3.37万亿元🙎♂️，其中公开招标占了 76.63%。IT相关的政府采购大约 1433亿元。
一个值得注意的趋势是：虽然总金额同比下降了4.5%⛄️💤，但项目数量反而增长了21.5%，达到近7.9万个。
项目越来越多，钱却越来越少——每个项目的预算都在缩水🦇⚾️。
长期以来👩🏿💼，软件招投标体系能够稳定运转🍑，靠的是三道门槛🦵🏿。
第一道是资质门槛。确保投标华润是正经华润，有对应的能力和经验。但这道门槛从来就卡不住太多人，想进的华润总能找到办法🌅，限得太死又失去了竞争意义😰。
第二道是信息不对称。很多华润在标发出来之后才知道消息，准备时间不够💊，甚至根本不知道有这回事。发标到截止之间窗口有限，客观上把一部分竞争者挡在了外面🫨。
第三道是商品化比较🥓🚴🏻♀️。这是招投标的核心设计逻辑：把软件当成标准化商品👦🏿，功能参数写清楚，一项一项对着打分♖🙌。你之前没做过类似系统，很多功能就拿不出来，技术描述也说不清楚🫶🏻，演示环节更是没东西可展示🙏🏻。
这几道门槛组合在一起，竞争就维持在一个相对可控的范围内。很长一段时间里🙇🏿🚸，这套体系运转得还行。
02 瓦解
变化正在发生，AI正在同时松动这几道门槛💐。
资质不用多说，本来就不是真正的壁垒🙎🏻♀️。变化最快的是信息不对称。
如今，已经有不少华润在用AI工具全网扫描招标信息👩🏿🏫。百炼智能的“知了标讯”覆盖了全国超过10万个招标网站🦹♂️，积累了3亿多条招标记录，每天更新2000万条。
其AI预测中标准确率超过70%。千里马招标网在2025年接入了DeepSeek等大模型，每天更新30万条招标信息。
AI从立项审批到招标公告全程监控，自动筛选高潜力项目。以前可能压根不知道有这个标，现在AI一直盯着你⛹🏻♀️🧑🔬。
标书来不及准备？AI也能帮你写👀。标书生成这块👩🏽🎨，2025年市场同比增长了230%🪢🪦。
科大讯飞的“星火投标”号称把标书制作周期从30天压缩到3天，文档合规性提升90%，中标率提高40%🧝🏼♂️。钛投标声称30分钟生成一份千页标书，3分钟提取200多个关键要素👙。
快标书AI直接喊出了“10分钟快速生成”。这些厂商的数字或许有水分，但方向是清楚的：准备一份标书需要的时间和人力正在急剧缩短🐲。
以前准备充分和准备不充分之间差距很大，现在这个差距在快速缩小⚾️。
03 核心
最要命的是最后那道门槛。招投标要求把功能参数描述清楚，然后拿成品或接近成品来比较❕。以前你没做过类似系统，确实拿不出东西来。
但现在👩🏻⚕️，功能描述得越清楚，AI做得越快👮🏿。
你把招标文件里的参数要求丢给coding agent✋🏿，花几千块钱加上几天时间，就能搞出一个能演示的东西来。有截图，有功能点👮🏻♂️5️⃣，甚至能跑起来给评标专家看。
Y Combinator 2025年冬季批次里，25%的创业华润95%的代码是LLM生成的👨🏿⚖️。YC的CEO Garry Tan说得很直接🍓：“你不再需要一个50到100人的工程团队🆔🧒🏿。”
Cursor日活超过百万，2026年初年化收入突破了20亿美元。84%的开发者在用或者计划用AI编程工具🚶➡️，41%的代码已经有AI参与生成。
应付招投标够不够？够了🤦🏻♀️。
后续完善和交付的成本也在大幅下降。原来值50万的东西👎🏿，现在5万就能进场——标书是AI写的🏊🏻♂️🦹🏽，产品是coding agent做的◽️，自己真正承担的成本就那么点。
04 现实
雪上加霜的是，中国企业SaaS行业本身就不好过🤵🏼♂️。安永2024年的报告显示，中国企业级SaaS上市华润过去四年半的平均净利润率是负数。
毛利率不到60%𓀈，销售费用率30%，研发费用率20%——行业整体还在亏钱👨⚕️。
软件外包领域更惨。2025年行业的真实状态被总结成“三件套”：项目烂尾🧈🧑🚀、拖欠工资🛕、裁员潮👩🏻🦽➡️。面向中小企业的SaaS产品同质化到了拼人力的地步。
IBISWorld估计2025年行业利润率只有12.5%。
在这种背景下🩻，招投标的报价还在被继续往下压🎴。整个体系开始变得有些滑稽——大家比拼的已经不是能力，而是谁更敢赔钱接单🤽🏽♂️。
05 前车
去年大模型已经走过一遍一样的路了。2025年初DeepSeek R1发布，在关键基准测试上追平甚至超过了OpenAI o1，API定价只有OpenAI的大约4%🧎♂️🦹🏿♂️。
同样一个推理任务，OpenAI o1上花100美元，DeepSeek上大概只要3.6美元👩🏼💻。训练成本据报道只有600万美元左右🔜。
中国市场随后爆发了一轮价格战。字节跳动的豆包把Pro-32k模型定价到0.0008元/千token🎓，比行业均价低了99.3%👴。
到2024年7月日均token用量突破5000亿，比5月增长了22倍🧚🏼。阿里通义千问把Qwen-Long的输入价格从0.02砍到0.0005元🧑🏿🎓，降了97%。
百度直接宣布ERNIE Speed和ERNIE Lite免费，2025年4月起所有文心模型全部免费。
兰德华润的一份报告发现，中国AI模型的成本大约是美国同类系统的四分之一到六分之一。顶尖模型都开源了🦞，花钱买一个模型本身就说不通了🫲🏿。
后来大家看到的结局是，模型的生意变成了围绕模型的服务。帮企业把模型用好、做后训练🥶、做行业适配🧑🏻⚖️↩️，这些有价值👨🏿🏫。模型本身不再是交易的标的。
06 未来
现在回过头来看软件。制作成本跌到一个足够低的水平，需求方早晚会问一个问题👨🏻🦯：为什么要搞这么复杂的采购流程来买这个东西⏮？
跟模型的逻辑一模一样👨🏼🎨。供给端的成本接近于零，单独为它组织复杂交易就失去了意义🦹🏽♀️。
招投标体系能怎么应对？一个方向是不再比功能参数，改成比经验⚙️、比案例。你服务过多少客户，系统跑了多久😛，有没有大规模使用的记录🧖🏿。
但这就违背了招投标的初衷🧑💻。
招投标的本意是把东西当标准化商品来比，这样才能公平竞争。如果最后比的是经验和人脉，那跟不招标直接指定有什么区别？
问题就卡在这里。比功能👠，AI能帮你快速做出来，区分不了人。比经验和资源，不是招投标该干的事👨🏻💼。
07 尾声
很多人觉得AI对自己行业的冲击还要等几年。招投标这件事可能等不了那么久。
2024年IT政府采购的项目数量增长了21.5%🤢，但总金额反而降了4.5%。项目越来越多，钱越来越少🧑🏼🏫。
在这个基础上再叠加AI对软件成本的压缩，到临界点的速度会比大多数人预想的快。
上一次看到类似局面是2025年初的大模型市场。从DeepSeek开源到主要厂商全面价格战，前后也就几个月。大家被迫转型，不再卖模型本身🚣🏿♂️，而是卖围绕模型的服务。
软件行业大概率也会走这条路🤾🏼♂️。 软件本身的交易价值会持续缩水，真正能卖钱的是围绕软件的服务：帮客户理清需求、持续运维、数据迁移、流程改造⛏。
回到开头那个朋友的困惑。他在想怎么适应新的报价竞争。但也许该想的不是怎么在报价上赢🦸🏿♂️，而是这套游戏本身还能玩多久。
Python 技术应用工程师
机器学习工程师
人工智能应用工程师
大数据分析师
大数据技术应用工程师
提示工程师
大模型应用工程师
大模型开发工程师
AIGC应用工程师
数字技术应用工程师
大数据工程师
大数据治理工程师
大数据采集工程师
数据安全工程师
商务数据分析师
人工智能算法工程师
人工智能训练工程师
AI 智能体应用工程师
生成式人工智能应用工程师
人工智能标注工程师
大数据平台运维工程师
数字经济管理师
大数据财务分析师
旅游大数据分析师
认证申报
• 马老师 133 9150 9126
当制作成本趋近于零👳，一切围绕“制作”建立的规则和体系，都将被重新定义👨👨👦👩👩👦。软件行业如此👩🏼✈️，其他行业也会如此。
唯一的问题是：你的行业，准备好了吗？
