AI正在掀翻你原来的＂假设前提＂

2026年8月，全球最大的电商平台之一Shopify，在工程博客上发了一篇文章，宣布了一个看起来很奇怪的决定：放弃React Native，把所有移动端App切回原生开发。

React Native不是什么小众技术。简单说，它是一种"写一份代码，两个平台都能用"的开发方式——你的手机App分iOS和安卓两个系统，传统做法是两边各写一遍，React Native让你只写一遍就够了。省时间、省人力、省钱，几乎是所有大公司移动开发的主流选择。

Shopify从2020年开始全面押注这个方案，用了六年，效果很好。他们自己的原话是："这个赌注非常成功，我们省下了大量时间，让没有移动开发背景的工程师也能参与App开发，不用再疲于追赶两个平台之间的功能差距。"

一个用了六年、公认成功的技术方案，突然说不要了。

说实话，第一反应是困惑——这不像是踩了坑不得不换，而是在"还挺好用"的时候主动推翻了自己。为什么？

答案藏在博客里一句不太起眼的话里："LLMs改变了我们2020年那个决定背后的一个核心假设。"

那个被改变的核心假设是什么呢？简单说：写两遍代码太贵了。当初选React Native，就是因为给iOS和安卓各写一套代码，成本太高、人手不够。但AI正在把"写代码"这件事的成本急速压低——当写两遍不再那么贵的时候，"只写一遍"这个方案存在的理由，就动摇了。

有意思的不是技术本身，而是"改变了核心假设"这个说法。不是说旧方案变差了，不是说发现了更好的工具，而是——当初做这个决定时依赖的那个前提，不成立了。

这件事让我意识到，大多数人对AI的理解可能还停留在"它帮你做得更好更快"。但Shopify这个故事讲的是另一件事：AI不只是在帮你优化，它在改写你做决策时依赖的那些前提条件。当前提变了，曾经做对的决定，就变成了该推翻的决定。

而且，这件事不只发生在一家公司身上。

写一遍还是写两遍，从来不是技术问题

先把Shopify的故事讲完整。

2020年，Shopify做了一个重要决定：把移动App的开发方式从"两边各写一遍"切换到React Native——只写一份代码，iOS和安卓都能跑。原因很直接：维护两套代码太贵了。工程师不够用，两个平台的功能永远对不齐，一边刚上了新功能，另一边还在排队。

这个方案跑了六年，效果很好。用他们自己的说法，Shopify从"疲于追赶两个平台的功能差距"变成了"一个团队就能同时搞定两边"。省了人，省了时间，业务跑得更快。

但2024年前后，事情开始变了。

Shopify内部开发了一个叫Helix的AI编程助手。这个工具能做什么呢？工程师描述一个需求，Helix会自动在代码库里找到相关的上下文，生成可以直接用的代码。按博客的描述，AI能在几秒内完成代码修改，整个验证流程跑下来也只需要几分钟。

这件事的后果是什么？写代码的成本急速下降了。Shopify旗下的购物App"Shop"，是应用商店购物类排行榜前列的产品，团队用AI辅助，从概念验证到全新的原生App上架应用商店，只花了12周。当初选React Native，核心理由是"写两遍太贵"。现在AI把重写一个大型App的时间压缩到三个月——那"写两遍"还贵吗？

不贵了。或者更准确地说，"省下写代码的人力"这件事，不再是最重要的考量了。

而React Native的代价开始变得扎眼：它是一个折中方案，为了"只写一遍"，你必须放弃一些东西——比如iOS和安卓各自最顺手的交互方式、最流畅的动画效果、最贴近系统原生的用户体验。过去六年，这些代价是值得的，因为"写两遍"的成本太高了，折中是理性选择。但现在成本假设变了，折中就变成了纯粹的损失。

Shopify工程团队在博客里说得很直白：回到原生开发不是因为React Native失败了，而是因为"当一个核心假设改变了，我们愿意回过头去重新审视它是否仍然正确"。

这里还有一个细节值得说。Shopify虽然大规模用AI写代码，但他们对AI的态度称不上信任——更像是"用你，但处处防着你"。他们搞了一套叫"验证驱动开发"的流程：AI写的每一段代码，都必须通过自动化测试、视觉比对、对抗性代码审查，最后还要经过人类点头，才能进入产品。整个系统的设计逻辑是——不指望AI第一次就写对，而是让不够好的结果根本没有机会往前走。

换句话说，Shopify不是在说"AI太好了我们都听它的"，而是在说"AI把写代码变便宜了，但我们多出来的精力，恰好可以用来做AI做不好的事——比如把两个平台的体验都打磨到最好。"正是因为有这套验证流程兜底，AI写的代码才不只是"写完了"，而是"写完了还能用"——写代码的有效成本，才是真正被压低的那个数字。

这才是这个故事真正有意思的地方。不是"AI来了，一切变好了"。而是AI改变了一个成本条件，这个条件的改变，让一个六年前做对的决定，变成了今天该推翻的决定。

但AI也能把成本往反方向推

如果Shopify的故事让你觉得"哦，AI就是把东西变便宜了"，那接下来这家公司的经历，会把这个认知翻过来。

Canva，全球最大的在线设计工具之一，2亿多用户。它的商业模式有一个在互联网行业被奉为金科玉律的底层假设：边际成本趋近于零——多服务一个用户，几乎不花钱。

这不是Canva独有的。过去二十年几乎所有互联网产品都建立在这个假设上：用户越多越好，因为服务一个用户和服务一百万个用户的成本差别不大。这也是为什么"免费"能成为一种商业模式——先让所有人免费用，等用户量足够大，总有一部分人愿意付费。

Canva就是靠这套逻辑跑起来的。联合创始人Cliff Obrecht说，他们一直很尊重免费用户群体，把免费用户当作核心的口碑营销渠道。不加水印、不降低体验、不逼着你付钱。免费转付费的转化率一直很健康，很多教育用户从中学一路免费用到大学，升入大学后才开始付费。这条路跑了十几年，一切正常。

然后AI来了。

Obrecht在一场公开对话里说得很直白：AI上线之后，服务单个用户的月度成本从原来的"几美分"大幅上涨。过去生成一份设计，成本几乎为零。但现在呢？你用AI做一张海报，背后可能调用了一整条链路——要做网页调研、要匹配品牌规范、要生成包含图片和图表的内容、要追踪投放效果——每一步都在消耗算力，每一步都在烧钱。

"几美分"听起来不多，但乘以2亿用户，就是一个完全不同的数字。

问题出在哪？出在那个"边际成本趋近于零"的假设上。过去多服务一个用户几乎不花钱，所以"先免费、再转化"的路跑得通。但AI把每次服务的成本从"几乎为零"推到了"真金白银"——免费用户不再是零成本的口碑渠道，而是每月都在产生真实开销。原来的免费转付费路径，在AI产品上跑不通了。

Obrecht自己也承认：原有的免费转付费路径，已经无法直接沿用到AI产品体系中。

Canva的应对很有意思——他们没有放弃AI，而是自己建了AI模型。通过自研图像和设计生成模型，把AI相关服务的整体成本降低了90%。但即便降了90%，成本结构也回不到从前了。底层逻辑变了：过去卖设计工具，用户越多成本几乎不变；现在卖AI设计服务，用户越多账单越高。

你发现没有？Shopify和Canva讲的是同一件事的两面。

Shopify是AI把成本砍低了——"写两遍代码太贵"这个前提被击穿，原来的替代方案变得不划算。Canva是AI把成本推高了——"多服务一个用户几乎不花钱"这个前提被击穿，原来的免费模式变得不可持续。

方向完全相反。但逻辑完全一样：不是谁做错了什么，而是做决定时依赖的那个成本前提，被AI改写了。

这不只是科技公司的事

说到这里，你可能觉得这是硅谷大公司的技术决策，跟普通人没什么关系。

但同样的逻辑，正在发生在每个人身上。只不过很多人还没意识到，自己脚下的前提也在松动。

最先感受到冲击的，是靠写字吃饭的人。

2022年之前，一个资深文案写手在美国的年收入大概在45万到70万人民币之间。这个价格不是因为文字本身值这么多钱，而是因为背后有一个成本前提支撑着：生产高质量的文字内容，需要一个经过多年专业训练的人才能做到。稀缺性决定了溢价。

然后ChatGPT来了。

变化的速度超出所有人预期。不到三年时间，大量曾经年入几十万的文案写手，收入断崖式下跌。不是他们的水平变差了，是客户不再愿意为"人类写的"支付溢价——AI能以接近零的成本提供"足够好"的替代品。当"好文字很贵"这个前提被击穿，建立在它上面的职业定价就塌了。

这件事在中国同样在发生。不管你在哪个市场，只要你的收入建立在"这件事只有人能做"的假设上，AI每进步一步，这个假设就松动一分。

但有意思的是，同样的前提被改写，不一定只有崩塌一种结局。Canva的Obrecht提到，AI时代设计师的角色正在变化——不再需要手动制作大量基础物料，而是变成了"品牌架构师"，负责搭建品牌规范和风格体系，让组织里的其他人在统一框架下借助AI生成内容。文案写手的技能被AI平替了，设计师却把自己挪到了AI替代不了的那个环节上。

区别在哪？不在于AI有没有改写你的成本前提——这件事几乎不可避免。区别在于：你能不能从"被替代的那个环节"里抽身出来，站到新的位置上去。

类似的松动还在更多地方发生。在全球主要科技公司里，面向应届毕业生的初级职位招聘量大幅缩减——当AI几秒钟就能完成一个新人一天的基础工作，"先雇新人做简单活、让他慢慢成长"这笔账就算不过来了。越来越多年轻人开始重新考虑职业路径，蓝领工作的吸引力在上升，因为那些需要在物理世界动手的活，恰好是AI目前最够不着的地方。

这些都是"个人版的Shopify故事"。不是说谁选错了专业或入错了行，而是当年做选择时依赖的那些前提——"这个技能值钱""这条路能走通""这笔投资有回报"——正在被悄悄改写。

一个值得经常问自己的问题

Shopify推翻了一个六年前的技术决定。Canva重设了一个跑了十几年的商业模式。文案写手发现赖以为生的技能突然不值钱了。应届毕业生发现"先入行再成长"的路在变窄。

这些故事的主人公，没有一个做错了什么。他们在做决定的那一刻，每一个选择都是理性的、正确的。

问题不在于决定本身，而在于支撑这个决定的前提。

AI最容易被忽视的影响，不是"它能帮你做什么"，而是"它正在改变哪些你习以为常的成本条件"。它可能把某件事的成本砍到接近零，也可能把某件事的成本从接近零推到真金白银。方向不确定，但逻辑确定——当成本前提变了，建立在这个前提上的所有决策，都值得重新审视。

具体怎么查？可以试试两步：

第一步，找到你当前最重要的一个选择——可能是一个职业方向、一项技能投资、一个工作流程、甚至一个商业模式。然后问自己：当初做这个选择的时候，有什么东西是我觉得"太贵了""不可能""不划算"的？

第二步，看看那个"太贵/不可能/不划算"，现在还成立吗？

如果答案开始动摇，那就值得认真想想了——不是因为你错了，而是因为前提变了。