AI会让软件变成“日抛品”吗?我不这么看

图｜AI 正在改变软件的生成方式，但未必会取消软件的长期价值

这两年，AI 的进化速度，已经快到让整个软件行业开始重新审视自己。

从代码补全，到 Agent 自动搭建工作流；从一句话生成网页，到所谓的 vibe coding 直接把想法变成一个可运行的小工具，越来越多的人开始相信：未来的软件，可能不再需要像过去那样被长期设计、长期开发、长期维护，而是可以按需生成、随用随造、用完即弃。

于是，一个颇具冲击力的判断开始流行：未来很多软件，尤其是工具类软件和 SaaS，都会走向“日抛化”。

这个判断并不空穴来风。至少在一些简单任务上，它已经部分成立。比如临时写个脚本、处理一批数据、做一个一次性页面、生成一个简单的小应用，AI 的确已经把“即时生成”的门槛压到了非常低的位置。过去不值得做、没人愿意做、做起来太慢的小需求，现在一句提示词就可能跑出一个能用的雏形。

但如果进一步推导出：未来软件的主流形态就是“日抛”，我并不完全认同。

我认同 vibe coding 是一种重要趋势，也相信 AI 会深刻改变软件的生产方式；但我不认为它会把大多数真正有价值的软件，推向一次性消耗品的方向。恰恰相反，AI 越强，越会让我们更清楚地区分：什么只是临时生成物，什么才是真正值得沉淀的软件资产。

今天很多讨论里，常常会把“做出来很快”与“没必要长期存在”混为一谈。

但软件之所以成为软件，从来不是因为它能被写出来，而是因为它能在重复场景里稳定提升效率。

一个工具如果每次都需要重新描述需求、重新生成逻辑、重新校准结果、重新验证边界条件，那么它看上去很灵活，实际上却把大量原本应该被产品吸收掉的复杂度，又重新丢回给了用户。用户并没有因此真正省事，只是把“使用软件”的成本，换成了“反复和 AI 沟通”的成本。

这类模式不是不能成立，而是它只适合一部分场景：需求足够简单、容错足够高、结果偏差影响不大、并且确实不值得沉淀。比如临时修图、一次性格式转换、某个很短命的小页面、偶发性的数据处理，这些都可能天然适合“生成一下，用完就走”。

但只要场景稍微复杂，逻辑就会立刻反过来。

企业管理系统、项目协作、客户管理、财务流程、知识库、运营后台，乃至很多垂直行业工具，用户真正要的从来不只是“先跑起来”，而是规则稳定、权限清晰、数据可靠、流程闭环、体验一致。这里的核心价值不是代码本身，而是确定性。

而确定性，恰恰不是每次都重新生成就能自然获得的。

图｜真正昂贵的，往往不是生成一次，而是反复从零生成

如果说 AI 最擅长的是把边际生产成本打下来，那么软件最核心的经济价值，则一直来自复用。

为什么人们会反复购买软件、部署软件、维护软件？不是因为大家喜欢用固定界面，而是因为软件能够把一次性的理解成本、设计成本、试错成本，提前固化下来，然后在后续高频使用里不断摊薄。

这也是为什么，越是高频、长期、关键路径上的需求，越不可能彻底走向日抛。

因为真正的效率，不是“今天又快速生成了一个新工具”，而是“明天还用它，后天也能用它，下个月整个团队还在稳定地用它”。

从这个角度看，AI 当然会改变软件，但它更可能让软件世界出现明显分层。

有些低复杂度工具，确实会越来越临时化；有些半结构化需求，会先生成、后固化；而那些高频、高价值、处在关键路径上的场景，反而会更需要被产品化、系统化、资产化。

所以真正的变化，不是“软件还会不会存在”，而是“什么值得被做成软件”。

很多人认为日抛软件会成为主流，还有一个隐含前提：生成的成本会越来越低，低到几乎可以忽略。

但至少在当下，这个前提并没有完全成立。

今天的大模型确实越来越强，可 token 成本并没有低到可以让所有重复生成都变得无所谓。尤其一旦任务变复杂，涉及更长上下文、更细的约束、更反复的修补和调试，成本就不只是 API 账单那么简单。

每一次重新生成工具，消耗的都不止是 token。

它还在消耗很多隐性成本：人重新描述需求的成本，AI 重新理解上下文的成本，输出不稳定带来的校验成本，反复修补 bug 的调试成本，以及工具之间难以衔接的管理成本。

如果某个需求只出现一次，这当然值得；但只要它会重复出现，逻辑就会迅速变化。此时，最划算的选择往往不是每次重做，而是把它沉淀成一个可复用的软件能力。

这也是我不认同“日抛会成为软件主流形态”的第二个原因：在 token 价格并没有持续下降到足以忽略的现实里，重复生成并不天然比重复使用更经济。

说得更直接一点：如果一个工具已经被证明有复用价值，那么继续把它当成一次性生成物，本身就是对成本的浪费。

唱衰 SaaS 的声音之所以越来越多，本质上并不是因为 SaaS 这种商业模式必然消失，而是因为过去那种“把一堆功能打包卖掉”的逻辑，正在被 AI 削弱。

当很多功能都能被快速生成、快速拼装、快速替代时，单纯靠功能堆叠建立护城河，会越来越困难。

但这不等于 SaaS 没有未来。

恰恰相反，AI 时代真正有价值的 SaaS，可能会比过去更强，只是它的价值来源会变。

未来 SaaS 更重要的能力，可能不再只是界面做得完整、功能做得齐全、菜单足够多、表单足够细。

更重要的，是它背后那些更深的能力：对业务流程的深度理解，长期沉淀的数据资产，与上下游系统的连接能力，稳定可靠的权限与协同机制，以及把 AI 的灵活性转化为可控结果的交付能力。

换句话说，未来被淘汰的，也许不是 SaaS，而是那些没有数据、没有流程壁垒、没有场景理解、只是把功能排列组合后卖出去的 SaaS。

图｜未来更有价值的 SaaS，不只是功能集合，而是数据、流程与确定性的交付系统

如果一定要给未来的软件世界下一个判断，我更愿意这样表达：

AI 不会让软件全面走向日抛，而会让软件的形成过程变得越来越“即时”，让软件的最终形态变得越来越“分层”。

简单工具会更像一次性用品，复杂系统会更像动态演化的智能基础设施。很多产品会经历一个新的路径：先由 AI 快速生成原型，再在真实使用中不断收敛，最后沉淀成稳定的软件。

这意味着，AI 改变的是软件从 0 到 1、从 1 到 N 的路径，而不是彻底取消“软件”这件事本身。

未来的优秀产品，很可能既不是传统意义上开发周期很长、动作很慢的软件，也不是纯粹靠提示词临时拼出来的即弃工具，而是一种新的混合体：底层是稳定的软件框架，上层是可以被 AI 灵活驱动的能力模块。

这才更像现实会发生的方向。

vibe coding 的意义当然很大。它让更多人第一次真正拥有了“自己做工具”的能力，也让软件试错的门槛急剧下降。

但如果因此就断言，未来的软件将大多变成日抛品，我认为还是过于乐观了。

因为真正能持续创造价值的，从来不是一次次生成，而是那些被证明值得长期复用、能够持续节省成本、并且能稳定服务真实场景的东西。这样的东西，过去我们叫软件，未来大概率仍然会被叫作软件。

AI 会让软件更容易被制造，也会让很多旧的软件形态被淘汰；但它不会消灭“稳定、复用、确定性”这些最根本的需求。

所以，与其说未来的软件会走向日抛，不如说未来的软件会重新分层：临时需求更容易被即时满足，长期需求则更值得被沉淀成产品。

这才是 AI 真正改变软件行业的地方。