2026年10月28日，Google 正式推出 Connected Apps Platform（连接应用平台）预览版，允许第三方开发者将自己的软件服务直接接入 Gemini 和 Google Search，让用户通过自然语言使用这些应用的功能。
这并不是 Google 独有的方向。OpenAI 正在通过 ChatGPT Apps 和 Apps SDK 扩展应用生态，Microsoft 通过 Copilot、Copilot Studio 和连接器将企业软件接入 AI 工作流程，Anthropic 也在通过 MCP 和 Claude Connectors Directory 建立第三方工具生态。
这些大模型厂商正在做一件相似的事情：让 AI 不仅能够回答问题，而且能够调用其他公司的软件，利用实时数据，完成真实任务。
对第三方软件企业而言，这可能是一场比增加 AI 功能更深刻的变化。它意味着软件的用户入口、产品交付方式、商业模式，乃至整个软件产业的竞争格局，都可能发生变化。
一、AI 正在成为软件的新入口
过去二十多年，软件产业的主要发展模式，是开发一个独立应用，通过网站、应用商店或者企业销售渠道获得用户。
用户需要先找到应用，完成注册、登录，再进入软件界面执行任务。
例如，管理一个项目，需要进入项目管理软件；制作一张图片，需要打开设计软件；分析工业设备运行情况，需要登录工业监测平台。
不同软件之间存在明显的界面和操作边界。
但大模型正在改变这种模式。
用户现在可以直接向 ChatGPT、Gemini 或 Copilot 描述自己的需求：
“帮我汇总本周项目进度。”
“根据这些资料生成产品宣传图。”
“分析这台设备最近一周的异常情况。”
大模型首先理解用户意图，再根据任务需要调用相关专业应用，而不一定要求用户先打开对应的软件。
这意味着，软件正在从用户主动操作的独立应用，逐步转变为可供 AI 智能体调用的专业能力。
对于第三方软件企业，这既意味着新的机会，也意味着原有用户入口可能被大模型平台重新组织。
二、Google Connected Apps Platform：一次接入，触达多个 AI 入口
Google 新发布的 Connected Apps Platform，是这种趋势的代表性案例。
其核心目标是帮助第三方开发者通过相对统一的技术方式，把应用能力接入 Gemini、Google Search 等产品。
Google 强调的价值主张，可以概括为：一次开发，有机会触达 Google 不同产品中具有明确需求的用户。
开发者主要可以通过两条技术路线完成接入。
第一条是远程 MCP Server。
MCP，即 Model Context Protocol，模型上下文协议，是一种用于连接 AI 系统与外部工具、数据源的开放标准。
第三方应用可以把已有的软件功能封装成 MCP 工具，例如查询数据、分析文件、创建任务、修改记录或者生成报告。
Gemini 根据用户需求发现并调用这些工具，再把结果返回给用户。
第二条是 Android AppFunctions。
这条路线主要面向 Android 应用，使 Gemini 能够在授权和平台支持的前提下，调用手机中应用所提供的功能。
相比之下，远程 MCP 更适合跨平台 SaaS、互联网服务以及企业应用。
Google 还提供 Connected Console，用于应用注册、工具配置、测试、审核、发布和运营管理。
开发者可以选择向 Gemini、Search 或两者发布应用，并查看流量、延迟和错误率等指标。
目前，Google 已宣布在 Search 和 Gemini 生态中推出超过50款 Connected Apps，合作伙伴包括 Adobe、Peloton、Experian、Airtable 等，覆盖设计、项目管理、金融服务、健身和生活服务。
例如，用户在 Gemini 中提出设计需求，可以调用相关设计工具；提出健身计划需求，则可以在适用情况下使用连接的健身服务。
这里的价值，不只是减少应用切换，而是让第三方应用在用户产生需求的时刻，有机会直接参与完成任务。
需要注意，Connected Apps Platform 目前仍处于分阶段开放的预览阶段，接入需要满足平台的技术规范和审核要求。接入成功也不意味着 Google 必然向所有用户推荐该应用。
三、第三方应用接入大模型生态，究竟能获得哪些价值？
从商业角度看，第三方应用最值得关注的价值可以归纳为五个方面。
1. 获得新的潜在客户入口
传统软件需要通过搜索引擎优化、广告投放、应用商店和销售团队获取客户。
而在 AI 生态中，用户可能先向大模型提出需求，再发现能够完成任务的专业应用。
例如，用户并不知道某家企业提供专业数据分析软件，但在要求 AI 分析业务数据时，可能接触到该软件的能力。
这使软件的获客路径有机会从“用户寻找产品”，转变为“产品响应用户需求”。
不过，能否真正获得新客户，仍取决于大模型平台的应用发现机制、用户授权流程和第三方服务自身的吸引力。
2. 提高已有客户的使用频率
对于已购买软件的用户，AI 接入可以降低使用门槛。
例如，员工原本需要登录项目管理系统，经过多个页面才能找到某项任务。
接入大模型后，可以直接询问：“这个项目目前有哪些延期任务？”
如果模型能够准确调用系统接口，用户就能在现有对话中完成查询。
这种便捷性可能提高软件的使用频率、客户满意度和续费意愿。
但需要区分使用量与收入：调用次数增加，并不必然意味着客户付费增加。
3. 将软件能力转化为可销售的服务
这是更值得关注的变化。
传统 SaaS 通常以用户账号、功能模块或企业订阅作为主要收费单位。
当核心能力能够通过 API 或 MCP 提供时，软件厂商便有机会增加按任务、按分析次数或按服务量收费的模式。
例如，一家公司拥有专业的工程设计校验引擎，以前可能需要向客户销售完整设计软件。
现在，它可以将其中的工程校验能力独立提供给外部 AI 智能体，由智能体按需调用。
这种方式有机会使原本隐藏在复杂软件内部的专业技术，成为可以独立销售的产品。
当然，技术上允许调用并不等于平台自动提供计费。第三方开发者仍需解决订阅、支付、用量统计和结算等问题。
4. 扩大软件的品牌影响力
Google Connected Apps 和 ChatGPT Apps 都支持以应用名称识别第三方服务，在相应交互中保留应用品牌。
如果用户多次通过 AI 使用某个专业软件，并获得可靠结果，就可能逐渐建立对该品牌的认识。
对于缺乏庞大营销预算、但具有独特技术能力的中小软件企业，这可能是一条值得探索的推广渠道。
5. 更容易进入跨应用工作流程
用户的真实工作往往涉及多套软件。
例如，一个产品开发任务，可能需要同时使用文档管理、项目管理、设计、数据分析和企业协作工具。
传统情况下，用户需要在这些应用之间手动传递信息。
AI 智能体有机会理解整个任务，将不同应用的能力组织起来。
因此，第三方软件的价值不再仅仅取决于它能独立完成什么，还取决于它能否成为复杂工作流程中的一个可靠环节。
四、Google、OpenAI、Microsoft 和 Anthropic 正在形成不同的生态路径
虽然各家平台都在连接第三方应用，但其侧重点有所不同。
Google：从搜索需求延伸到具体任务。
Google 的优势在于 Search 和 Gemini 两个入口。
Search 擅长承接用户主动表达的信息与服务需求，Gemini 则进一步通过对话理解需求、调用工具和组织任务。
Connected Apps Platform 的价值，是尝试把搜索、AI 对话和第三方应用连接起来。
OpenAI：将 ChatGPT 扩展为应用运行与交互入口。
OpenAI 的 Apps SDK 基于 MCP，使开发者能够构建具有工具调用能力和交互界面的 ChatGPT 应用。
ChatGPT 还提供应用目录，供用户发现和连接第三方服务。
对于开发者，价值在于软件功能可以直接融入对话过程，甚至以卡片、表单等形式呈现交互结果。
这与过去仅仅通过 API 调用某个大模型有很大不同：第三方软件不只是使用模型，而是在模型产品内部为用户提供服务。
Microsoft：将企业软件能力融入日常工作。
Microsoft 的重点是 Microsoft 365、Teams、Copilot 和企业身份管理体系。
通过 Copilot connectors、Copilot Studio 等机制，企业可以把外部数据、业务流程和专业工具引入现有办公环境。
其连接方式既包括同步数据并建立索引，也包括通过 MCP 实时访问外部系统。
对于企业软件供应商，这意味着可以利用客户已有的办公和身份体系触达用户，而不必重新建立完整的工作入口。
Anthropic：通过 MCP 推动工具生态开放。
Anthropic 最早提出 MCP，随后将远程 MCP 连接器引入 Claude，并推出 Connectors Directory。
它强调通过开放协议连接外部工具和数据，让 Claude 能够利用用户已有的服务完成工作。
这种技术路线也在推动不同厂商的软件与智能体之间形成相对标准化的接口。
综合来看，几家厂商正在形成各具特色的应用生态，但它们并不完全兼容。
MCP 能够降低基础接口集成成本，却不能自动解决各平台的注册审核、应用发现、交互界面、认证和商业结算差异。
因此，第三方企业更合理的技术策略，是建设可复用的核心服务，再针对不同平台开发适配层。
五、工业 AI 平台可能获得什么新机会？
对于工业 AIoT、工业软件和垂直工业智能体，这种生态变化尤其值得关注。
过去，工业 AIoT 平台主要以完整系统形式交付。
它连接工业设备、采集运行数据，提供状态监测、告警、历史分析、故障诊断和设备管理等功能。
客户通常需要部署平台，再通过专门的 Web 界面使用这些功能。
但其中一些能力实际上可以独立提供。
例如：
- 设备异常检测
- 振动频谱分析
- 故障原因推理
- 设备剩余寿命评估
- 工业能耗分析
- 设备知识与维修建议
这些能力可以经过标准化封装，通过 MCP Server 提供给外部 AI 智能体。
假设一家工业软件企业拥有成熟的旋转机械故障诊断算法。
原来的商业模式，可能是向客户销售整套状态监测系统。
未来则可以在此基础上增加另一种业务模式：把诊断算法作为独立服务，供已经拥有设备监测系统的企业调用。
客户通过 ChatGPT、Gemini 或企业自己的 AI 智能体提出诊断任务，后端调用专业算法服务，返回故障原因、证据和维护建议。
这就使工业软件企业从单纯销售平台，向同时销售专业工业 AI 能力发展。
但对于工业领域，还必须明确两个条件。
首先，外部 AI 平台不能因为连接了 MCP Server，就自动获得企业工业数据。设备、用户、租户和操作权限仍然必须由企业控制。
其次，诊断建议与设备控制必须分离。生产控制和高风险操作不能仅凭通用大模型的判断自动执行。
另外，工业 AI 服务的潜在客户往往是企业而不是大众消费者。因此，对这类软件厂商而言，Gemini Enterprise、Microsoft 365 Copilot 等企业级入口，在某些场景中可能比大众 Gemini 或 Search 更有商业价值。
六、机会背后：第三方应用也可能失去用户入口
接入大模型生态并不意味着只有收益。
最值得警惕的问题是，用户入口可能从专业软件转移到大模型平台。
假设用户始终通过 Gemini 或 ChatGPT 完成工作，虽然背后调用了第三方软件，但用户未必关注实际执行任务的是哪家公司。
久而久之，第三方应用可能从一个具有独立用户关系的软件产品，逐渐成为大模型平台背后的能力供应商。
这种变化至少带来四类风险。
第一，客户关系弱化。
用户交互集中在大模型平台，第三方企业可能更难掌握完整的客户使用场景和品牌认知。
第二，平台规则依赖。
第三方应用能否被发现、如何展示、允许执行哪些操作，都受到平台规则影响。
审核标准、技术接口或者商业政策发生变化，可能直接影响第三方应用的业务。
第三，能力同质化竞争。
当多个软件都能够被同一个智能体调用时，用户更容易以任务完成质量、价格和响应速度来比较它们。
缺乏专业技术和独特数据的普通工具，可能面临更大的替代压力。
第四，收入与成本不确定。
应用调用次数增加，可能同时带来计算、存储、模型推理和数据传输成本。
如果没有建立清晰的客户授权、定价与计费机制，使用量增长反而可能降低利润率。
此外，各家大模型生态目前的应用商业化机制并不相同。Google Connected Apps Platform 并没有承诺按 MCP 调用次数向第三方开发者自动分成。
因此，应用被模型调用，与应用真正创造收入之间，仍然存在商业转化过程。
七、第三方应用应该如何制定 AI 生态接入策略？
对于已经拥有成熟产品的软件企业，最合理的方法不是立即全面接入所有大模型，而是分阶段推进。
第一步：识别具有独特价值的能力。
优先选择实时数据、专业分析、特定行业知识以及能够完成具体操作的功能。
Google 的 Connected Apps 开发规范也强调，优质连接应用应当提供实时、个性化的数据或实际操作能力，而不是仅仅包装普通的公开信息。
第二步：建设独立的标准化服务接口。
将核心业务能力通过 API 和 MCP Server 提供，配合身份认证、权限控制、调用审计、版本管理和用量统计。
这些能力应当独立于某一家大模型厂商。
第三步：根据目标客户选择平台。
如果主要面向个人消费者，可以重点评估 Gemini、ChatGPT 等大众 AI 入口。
如果主要面向企业客户，则应重点考虑客户已经部署的 Microsoft、Google 或其他企业 AI 环境。
第四步：建立可验证的商业指标。
不能只看应用被调用多少次。
还应关注新客户转化率、已有客户活跃度、付费转化率、单次任务成本、故障率、客户留存率以及每笔业务的实际利润。
这些指标能够帮助判断大模型生态究竟是在创造新业务，还是仅仅转移原有软件的访问流量。
第五步：避免对单一平台形成过度依赖。
企业应当保留核心算法、数据服务、客户身份体系和商业结算能力。
大模型平台负责连接用户需求，第三方企业则保留自己的专业服务和客户资产。
从长期看，这种架构比将所有能力绑定在某一家大模型平台上更稳健。
八、软件产业可能正在发生一次结构性变化
PC 时代，操作系统是重要的软件入口。
移动互联网时代，应用商店和超级 App 成为用户访问数字服务的主要渠道。
随着大模型智能体的发展，AI 对话入口可能进一步承担应用发现、任务组织和软件调用等角色。
软件企业过去主要通过界面、功能和品牌直接吸引用户。
未来，一部分软件能力可能首先由 AI 智能体发现和调用，再在必要时将用户引导回原来的完整应用。
但这不意味着所有软件界面都会消失。
复杂工程设计、工业监控、专业数据分析以及需要高可靠性操作的场景，仍然需要专门的交互界面和业务系统。
更可能出现的是两种模式长期并存：用户直接操作专业软件，以及用户通过 AI 智能体调用软件的部分能力。
对于第三方企业，关键问题因此不再只是“怎样为软件增加 AI 功能”，还包括：
“当 AI 成为用户的主要工作入口时，我们的软件能够向 AI 提供什么不可替代的价值？”
这才是 Connected Apps Platform、ChatGPT Apps、Copilot connectors 和 Claude MCP 生态背后共同指向的产业变化。
第三方应用接入大模型生态，最大的价值不是简单获得一个新接口，而是有机会获得新的需求入口、服务模式和商业市场。
但这种机会并不会自动兑现。
真正能够从中受益的，仍然是那些拥有独特数据、专业技术、可靠服务和明确商业模式的软件企业。
未来的软件竞争，既是应用产品之间的竞争，也可能是可供 AI 智能体调用的专业能力之间的竞争。
参考资料
资料01｜Google — Build and manage Connected Apps in one place
https://blog.google/innovation-and-ai/technology/developers-tools/connected-apps-one-place
资料02｜Google for Developers — Connected Apps Platform
https://developers.google.com/connected-apps
资料03｜Google for Developers — Connected Apps MCP Server Developer Guide
https://developers.google.com/connected-apps/mcp
资料04｜Google for Developers — Build Connected Apps for Google Products
https://developers.google.com/connected-apps/mcp/quality
资料05｜Google — A New Wave of Connected Apps Is Rolling Out to Gemini
https://blog.google/innovation-and-ai/products/gemini-app/new-connected-apps-gemini
资料06｜OpenAI — Developers Can Now Submit Apps to ChatGPT
https://openai.com/index/developers-can-now-submit-apps-to-chatgpt
资料07｜OpenAI — Building with the Apps SDK
https://help.openai.com/en/articles/12515353-building-with-the-apps-sdk
资料08｜Microsoft — Publish Agents for Microsoft 365 Copilot
https://learn.microsoft.com/en-us/microsoft-365/copilot/extensibility/publish
资料09｜Microsoft — Copilot Connectors Overview
https://learn.microsoft.com/en-us/microsoft-365/copilot/connectors/overview
资料10｜Microsoft — Custom Federated Connectors
资料11｜Anthropic — Discover Tools That Work with Claude
https://www.anthropic.com/news/connectors-directory
资料12｜Anthropic — Claude Can Now Connect to Your World
https://www.anthropic.com/news/integrations