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。

一家做政企软件新宝gg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🔕。确保投标新宝gg是正经新宝gg，有对应的能力和经验。但这道门槛从来就卡不住太多人，想进的新宝gg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。很多新宝gg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，已经有不少新宝gg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，甚至能跑起来给评标专家看🧑🏿‍🔬🦵🏻。

Y Combinator 2025年冬季批次里，25%的创业新宝gg95%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上市新宝gg过去四年半的平均净利润率是负数👸🏿。

毛利率不到60%，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。

兰德新宝gg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𓀑，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0️⃣，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？