AI时代的软著:不会写代码的人,也开始拥有自己的“软件资产”

最近我突然发现了一件很有意思的事情：

AI编程可能正在悄悄改变普通人申请软件著作权的门槛。

以前看到“软件著作权”这几个字，我默认它跟我这种普通知识工作者关系不大。

因为想申请软著，前提总得先有个软件吧？

而想做软件，你至少得会Python、Java、前端、后端、数据库、服务器……

于是大多数人的路径在第一步就结束了：

我有一个很好的想法，但是我不会写代码。

但Codex、Trae、Cursor这一类AI编程工具出现以后，这个逻辑突然变了。

今天，一个完全不以程序员为职业的人，可以把自己的需求用自然语言告诉AI：

“帮我做一个可以批量读取Excel、按照我的规则检查错误并输出结果的软件。”

然后继续说：

“加一个界面。”

“支持拖拽上传。”

“这里报错了，修一下。”

“增加一个导出按钮。”

“把它打包成Windows可以直接运行的软件。”

你真正需要做的，开始从：

亲手写出每一行代码

变成：

知道自己到底要解决什么问题，并能够判断AI做出来的东西对不对。

这件事看起来只是提高了编程效率。

但继续往下想，会发现事情比这有意思得多。

因为当一个普通知识工作者也可以低成本做出软件以后，他就第一次拥有了一条很现实的路径：

专业知识
↓
AI辅助编程
↓
软件
↓
软件著作权
↓
软件产品
↓
可以重复出售、授权和使用的数字资产

这就是我今天想研究的东西：

AI时代的软著。

一、先说最“投机取巧”的问题：不会写代码，可以申请软著吗？

答案比我原来想象中有意思。

软件著作权，简称“软著”，全称是计算机软件著作权登记。

简单理解：

你做出了一个软件，可以把这个软件的版权登记下来。

中国现行规则要求，申请登记的软件应当是独立开发的软件，申请时要提交申请表、程序和文档等鉴别材料。程序、文档通常分别提交前后各连续30页；不足60页的，则提交全部。

注意一个很关键的地方：

规则要求的是你拥有这个软件的著作权，并不是要求：

“必须由申请人本人从第一行到最后一行，一个字母一个字母手敲出来。”

于是AI时代出现了一个很有意思的问题：

如果我提出需求、设计功能、决定业务逻辑，让AI辅助生成代码，再由我不断测试、修改、组合，最终形成一个完整软件，那么AI实际上越来越像一种高级开发工具。

以前程序员用IDE。

后来用代码补全。

再后来去Stack Overflow找代码。

现在变成和Codex对话。

真正发生变化的是：

软件生产工具越来越强了。

当然，这不代表随便让AI生成几千行你自己都不知道是什么的代码，就可以毫无风险地拿去登记。

法律仍然要求受保护的软件是独立开发并固定下来的软件，软件登记证书属于登记事项的初步证明；同时，软件著作权保护的是软件本身，并不延伸到开发软件所使用的思想、处理过程、操作方法或者数学概念。

所以真正可以“取巧”的地方是：

利用AI极大降低开发成本。

而不是：

利用AI造假。

这两件事情差别非常大。

二、AI真正打开的，不是“申请软著”的门槛，而是“拥有软件”的门槛

这是我研究之后最大的感受。

软著以前一直都可以申请。

真正阻挡普通人的，其实不是那张证，而是：

我根本没有软件。

一个财务可能非常清楚怎样审核报销单，但不会开发报销审核系统。

一个律师可能非常清楚怎样审合同，但不会开发合同审查软件。

一个工程师可能知道怎样检查一张图纸，却不会开发图纸检查软件。

一个老师可能有自己非常成熟的一套出题逻辑，却不会开发题库系统。

于是这些知识一直只能存在于：

人的脑子里。

想赚钱怎么办？

只能亲自干。

我帮你审一次合同，收一次钱。

我帮你分析一次数据，收一次钱。

我帮你检查一次图纸，收一次钱。

这本质上还是：

时间 × 单价 = 收入。

而AI编程第一次让很多普通知识工作者有机会做一件以前成本很高的事情：

把脑子里的工作流程，封装进软件。

比如一个工程师每次都要：

读取CSV → 判断时间列 → 找异常值 → 重采样 → 输出标准模板。

以前他只能亲自处理。

现在他可以让AI帮助自己做成：

《工业时序数据智能预处理软件V1.0》

以后100个人使用这个程序，并不需要他重新劳动100遍。

这才是这件事情最诱人的地方。

三、如果只想“搞个软著证书”，其实很容易把事情做废

看到这里，一个非常符合人性的念头可能已经出现了：

那我是不是可以让AI疯狂生成软件，然后疯狂申请软著？

理论上，你当然会看到越来越多人这么干。

事实上，软件著作权登记本身已经是一个非常庞大的规模。国家版权局公布的数据中，2025年全国完成计算机软件著作权登记318.28万件，同比增长12.58%。

AI编程继续普及以后，我并不意外软件生产和登记的数量继续增加。

但这里有一个巨大的陷阱：

证书数量 ≠ 资产数量。

你让AI做一个：

《智能文件管理系统V1.0》

又做一个：

《智能日程管理系统V1.0》

再来：

《智能数据分析系统V1.0》

最后拥有十几张软著证书。

听起来很厉害。

但如果：

没有人用，

不能解决实际问题，

没有用户，

没有收入，

没有技术壁垒，

没有专业知识，

那十几张证书很可能还是十几张证书。

真正值得“投机”的不是：

怎么最快刷十张软著。

而应该是：

怎么利用AI，把原本需要程序员才能完成的软件开发成本，压到普通知识工作者也承担得起。

这是完全不同级别的套利。

四、AI时代真正有优势的人，可能不是程序员，而是“懂行业的人”

以前软件世界有一道很高的墙。

墙的一边是：

懂业务的人。

墙的另一边是：

会写代码的人。

懂业务的人说：

“我知道应该怎么做，但是我不会开发。”

程序员说：

“我会开发，但是你得告诉我到底应该怎么做。”

所以开发软件通常需要产品经理、程序员、行业专家不断沟通。

而AI正在把这堵墙打薄。

一个真正懂业务的人，现在可以直接告诉AI：

第一种情况怎么判断；

第二种情况怎么判断；

数据缺失怎么办；

什么条件报警；

什么情况输出A；

什么情况输出B。

AI负责把它变成程序。

这意味着未来有一类知识工作者会非常占便宜：

专业知识很深，同时懂一点AI。

因为AI最不缺的是：

“帮你写一个登录页面。”

真正稀缺的是：

这个软件到底应该解决什么问题？

再进一步：

行业里哪些知识值得被软件化？

这才是真正的壁垒。

五、我觉得知识工作者可以开始疯狂寻找一种东西：重复劳动

如果想利用这一波AI编程红利，我现在会特别留意自己的工作：

有哪些事情，我已经重复做过三次以上？

因为重复通常意味着：

有规则。

有规则就意味着：

有可能标准化。

可以标准化，就意味着：

有可能程序化。

可以程序化，就意味着：

有可能变成软件。

比如：

每次都按照固定规则整理Excel；

每次都按照固定模板生成报告；

每次都按照固定逻辑检查数据；

每次都要从几十份文件里面寻找信息；

每次都要判断某个参数应该选A还是B；

每次都要复制、重命名、转换几十个文件；

每次都要把一批数据填进固定模板。

以前看到这些工作，我会想：

好烦，又要干一遍。

现在我会开始换一个问题：

这件事情能不能只做最后一次？

然后让AI把我的工作方法写进程序里。

这个思维方式，我认为比“我要学习Python”更加重要。

因为你的目标不是成为程序员。

你的目标是：

让程序替你干活。

六、然后再申请软著

假设你真的完成了一个软件。

这时候软著才出现。

例如：

你有一套自己的数据清洗方法。

↓

AI辅助你开发程序。

↓

形成《XX数据智能处理软件V1.0》。

↓

整理源代码和软件说明文档。

↓

申请软件著作权登记。

↓

继续迭代产品。

这时候软著的作用就非常清楚了：

它不是你的终点。

而是你把：

“我会一个东西”

逐渐变成：

“我拥有一个东西”

过程中的一环。

这两个概念差别非常大。

七、真正让我兴奋的是：知识可以开始变成“资产”

以前知识工作者最可惜的一件事情，是很多知识只能卖一次。

比如我花10年学会了一项专业技能。

今天有人找我做一个项目。

我做8个小时。

客户付我8个小时的钱。

明天我想继续赚钱？

继续工作。

后天呢？

继续工作。

我的收入永远被我的时间卡住。

但如果我把其中一部分经验封装成软件：

第一次很难。

第二个人来，可以继续用。

第一百个人来，还是可以用。

这时候知识第一次拥有了一点类似工业产品的属性：

可以复制。

而软件最大的特点恰恰就是：

复制一次和复制一万次，边际成本非常低。

于是知识工作者原来的资产是：

我知道很多东西。

以后可能逐渐变成：

我有3个软件；

2项专利；

5项软件著作权；

1套行业知识库；

一批用户；

一个稳定更新的数字产品。

这已经完全是两种不同的职业结构。

八、软著本身怎么赚钱？

这里也需要打破一个幻想。

软著证书不会自动给你发钱。

申请下来以后放进抽屉，没有任何用户，它不会凭空产生“睡后收入”。

真正能够赚钱的是：

软著背后的软件。

例如一个软件可以：

个人版199元；

专业版999元；

企业版按年授权；

提供SaaS订阅；

企业私有化部署；

提供定制开发；

提供数据服务；

提供配套咨询。

软件著作权人依法享有包括复制、发行、出租、信息网络传播等相关权利，也可以许可他人行使相应权利或者转让软件著作权。

所以真正的商业逻辑应该是：

知识 → 软件 → 知识产权 → 产品 → 用户 → 收入。

而不是：

软著 → 收入。

软著只是中间那块砖。

九、如果我今天重新理解“投机取巧”

我反而觉得，“投机取巧”这四个字不一定完全是坏事。

问题在于：

你到底在什么地方取巧。

最差的取巧是：

抄别人的代码，换个名字，刷几个证书。

这种东西即使短期拿到了什么，长期也几乎没有复利。

稍微聪明一点的取巧是：

用AI帮自己写以前不会写的代码。

而我觉得最高级的“取巧”是：

找到自己已经积累多年的专业知识，让AI帮你把它变成可以自动运行、无限复制的软件。

你没有偷懒。

你只是没有必要再把人生浪费在重复劳动上。

十、所以AI时代，我开始重新看待软著

以前我看到软件著作权，会觉得：

这是软件公司的事情。

现在我越来越觉得：

它可能会变成普通知识工作者都应该了解的一种资产工具。

因为Codex、Trae这类AI编程工具真正降低的，并不是“申请软著”的门槛。

它们降低的是：

把想法变成软件的门槛。

而一旦软件生产成本下降，很多以前只能存在于脑子里的经验，就有机会经历一次转换：

经验 → 规则 → 程序 → 软件 → 知识产权 → 产品。

我甚至觉得，未来判断一个知识工作者有没有真正利用好AI，可以问一个问题：

你用了几年AI以后，除了聊天记录以外，到底沉淀下来了什么？

是每天让AI帮你写邮件、改PPT、总结文件？

还是慢慢拥有了：

一个工具，

一个软件，

一套数据库，

一个知识库，

一个可以不断复用的数字资产？

前者只是：

用AI提高劳动效率。

后者才开始接近：

用AI积累资产。

而软著，只是这个过程中一个非常适合普通人开始认识的入口。

所以我现在真正感兴趣的已经不是：

“AI能不能帮我申请一个软著？”

而是另一个问题：

我现在掌握的这些知识里，到底有哪些东西，值得让AI帮我做成软件，并且在未来十年里反复为我工作？

这可能才是AI时代，知识工作者最值得寻找的“捷径”。