ARTICLE · 1115290
复利的对象换了:AI 时代的软件生意
之前我们聊过 FDE 相关的内容，从一个被 AI 显化出来的职业聊起，聊到行业的两张地图，再落到 toB 交付现场那根最硬的约束--技术瓶颈可以突破，授权才是主战场。这一篇把镜头拉远，聊一个更大的问题：AI 正在怎么重塑软件行业本身。没读过前文也不影响，这一篇的入口每个人都熟。
作为一线开发者，这半年我感受到的冲击和机遇都是真实的。先说结论：这个市场确实卷起来了，但卷的赛道和赢的赛道，不是同一条。 人人都可以 Vibe 出个小工具的时代，软件的付费机遇到底在哪里？
一、先说我亲历的画面
至少在我接触到的 GIS 项目里，软件长期有个两难：要么过于专业--重型平台，贵，学习成本高，绝大多数功能你这辈子用不上；要么解决面单一--单点小工具，问题稍微复杂一点就跨不过去。当然，这个行业里很多公司的护城河本来就不只在软件本体，更在定制化研发、企业服务和行业积累；涉及硬件时，还在维护和耗材。
这其实是很多专业软件共同的处境。软件开发成本高，必须摊薄到足够多的用户头上，所以要么做成覆盖所有人的大软件，要么切成人人买得起的小工具。而中间地带--「我这一个具体问题的完整解决」，过去很难长出标准化产品。它不是没人做，而是大多靠集成商、定制开发、内部脚本和专家手工填掉，成本高，也难复制。
定制开发是最容易想到的填法。但一个完整问题的解决，从技术角度往往涉及前端、后端、算法、GIS 领域知识、运维等多个环节，排期按周按月算。为公司内部一个具体问题专门立项，账经常算不过来。所以这个地带过去更多靠人肉硬扛。
我自己做 GIS Agent，出发点从来没变过：我或者公司面临的问题，能不能快速被解决；下次同类型的问题，能不能稳定再跑；过程中能不能积累知识。这一次，有些以前很难做到的事变成了日常--我一个人协调多个 AI，把过去各个岗位的人干的活串起来，先做出一个能跑、能复用的结果。
操作面确实不一样了，结果的生产方式也不一样了。这是我的体感：至少在我这个行当，一个人加一群 Agent，已经能顶过去一个小团队里相当一部分协作和产出。但可承诺、可负责的结果，并没有因此自动出现，它仍然要靠验证、沉淀和兜底。换句话说，产出本身不再稀缺，靠堆量吃饭这条路，我看不到以后了。
当然，提效不是没有边界。METR 在 2025 年做过一项随机对照实验：对自己仓库熟到人均上千次提交的资深开源开发者，用当时的前沿 AI 工具反而慢了 19%，而他们自以为快了 20%[1]。有意思的是，METR 自己在 2026 年 2 月更新了这条结论--认为它已经过时，并推测随着 agentic 工具普及，同一批开发者可能已经反转为提速[2]。这两个结果并不冲突：它测的是当时那批工具能吃掉的协调成本，不是 AI 的天花板。存量大仓、严格 review、专家手熟的活儿，AI 的收益在短期内可能会打折。但我的场景恰好是它的反面--新问题、跨角色、协调成本最高的链路。AI 吃掉的不只是敲代码的时间，更是过去横在岗位与岗位之间的协调成本。
二、冲击的本质：代码只是过渡
过去几十年，很多软件公司的深层护城河本来就不是代码本身，而是知识、数据、客户关系和对场景的理解。但在软件供给稀缺、实现成本高的年代，「写得出来」是一道很硬的前置门槛：知识和数据必须先被编码成可运行的软件，才能变成可交付的产品或系统。跨过去的人少，这道门槛本身就成了护城河的一部分，代码也顺势成了价值的代理计价器。
但把话说到底，代码从来都只是个过渡--把知识和意图翻译成可执行结果的中间层。价值一直在两端：上游是知识、数据和场景，下游是结果和兜底。只是过去这个过渡又厚又慢，厚到被当成了本体。AI coding 击穿的正是这层过渡：AI 把它抹平得越来越快。人人都可以 Vibe 出一个小工具的时代，供给爆炸是必然的，但爆炸的全是制品，不是解决方案。
我回头数自己买过的软件，当然不是为代码本身付的。付费买的历来是四样东西：省时间（我不用自己做）、降风险（不出错、合规、数据不丢）、免操心（环境变了有人跟进，模型换了有人适配）、有兜底（出了问题，有人负责）。代码只是过去交付这四样东西的载体。载体趋近免费了，四样东西一样没少。而一个 Vibe 出来的小工具，恰恰在这四样上全是空的：没人跟进、没人兜底、没人负责。它甚至算不上便宜的软件--它无人认领。
三、卷的真相：AI 先把拼量卷到了极致
在 toB 和定制化这一侧：聚焦、痛点具体、有积累、可评估、反馈路线是现成的，用户本来就明确。很多产品真正的赚钱路径，是由平台引到企业服务，再引到定制化服务，而 AI 让定制化本身更轻量、更快，明摆着就是更少的时间接更多的业务。
但要诚实地说一句：这条路不是新路。传统软件行业里，中小公司的出路本来就是这个，在技术面上靠架构、靠框架，让每次定制化项目的成本更低，形成复利。AI 把这条路推到了极致：出活更快、交付更快、报价更低，同一件事谁都能更快地再做一遍。在这条赛道上，复利是有的，只是换不来更宽的护城河，辛苦钱还是辛苦钱，只是辛苦得更快了。
这里有个容易混的地方得先厘清：靠架构、框架省下的每一分成本，本身就是一次货真价实的软化，也带来了货真价实的复利。它之所以没能长成一条越来越宽的护城河，恰恰是因为软化的作用就是降门槛--门槛一降，人人可跨，这份红利很快从稀缺品变成标配，省下的成本随即被竞争抹平，剩下的还是拼量。软化会稀释它自己那一级的护城河，所以复利得往更高的那一级台阶走。这件事第四节会接着讲。
还有一点是我的亲身体感：没有反馈就没有需求，就跟不上进化的节奏。toB 这条路在这一点上天然占便宜，验收写在合同里，续费是最诚实的投票，反馈闭环是现成的，所以这条路能一直滚动。但也正因为如此，大家都挤在这条路上。
四、出路：第二级的软化，轮到知识
但这条路并非没有出口。我能看到的出口不在「拼得更多」，在于换一个复利的对象，顺着同一架梯子，再往上走一级。
软件工程演化以来有一条暗线，是一架一直往上走的梯子：不断把复杂度封装起来，让干活的门槛一再降低。高级语言软化了机器细节，架构、框架、组件软化了设计与实现能力，低代码软化了编程本身。这是第一级台阶--让更多人能参与进来干体力活；上一轮站上这一级的，是初级工程师，靠堆量，而现在站上来的是 AI。
这个观察的血统很老。1986 年 Fred Brooks 在《没有银弹》里就把软件复杂度拆成两半：偶然复杂度（accidental complexity）来自工具和表达，可以被技术进步消灭；本质复杂度（essential complexity）来自问题本身，消灭不了。过去几十年的「软化史」，消灭的都是偶然复杂度--AI 是这条线上最猛的一次，但它同样没有消灭本质复杂度，只是把它挤到了新的位置。
关键是这一次，梯子往上再走了一级。第一级软化的是「写代码的能力要求」，普通工程师能干高级活；第二级软化的是「领域知识的能力要求」：解法不再只是纸面文档，也不只是领域专家脑子里的经验，而是沉淀成可执行的形态，让 Agent 每次能稳定再做。同类问题再来一次，不需要专家在场。
复利是跟着台阶走的。第一级软化的复利，落在会用工具的人身上--框架再好用，也得有人看得懂、养得起，产出才出得来，所以它能覆盖多广，取决于有多少人站上这一级。第二级软化的复利，直接落在 AI 身上--沉淀下来的上下文、流程、工具就是它的工作环境，投进去就能用，复利第一次可以不经过人。
所以从代码复利到知识复利的迁移，不是换了一种说法，是把复利搬到了更高的一级台阶上：第一级攒下的是代码与实现能力，第二级攒下的是领域知识本身。我在前面一篇里说过，工程层是「沉淀家底」的那一层，说的就是这件事；现在可以更具体地说：架构师的工作，正在从设计给人用的框架，变成设计给 AI 用的沉淀机制。
这不是我一个人的体感，行业里已经有公开范本。Every 的工程师把这套做法叫「复利工程」（Compound Engineering）：在计划、干活、审查之后强制多做第四步--把这次踩的坑、验证过的解法沉淀回系统，让下一个功能做得更容易[3]。靠这个循环，他们用近乎单人的工程配置同时维护五款产品。
护城河也跟着台阶一起上移。第一级的那条护城河已经快被填平了--AI 也会写代码、也会套框架，你有我有大家有，所以那里只剩下拼量。第二级刚开放：可执行的知识沉淀要难抄得多，它长在你自己的业务和反馈闭环上，对手抄走文档没用，他缺的是沉淀机制和喂了无数次的反馈数据。
不过把镜头再放远一点，这个判断也有它自己的半衰期：沉淀物是会折旧的。模型一代代升级，今天辛苦沉淀的绕坑技巧、prompt 经验，明天可能就被模型内置。万维钢讲沃德利地图时把这条规律说得很直白：万物皆演进，今天的独门武功就是明天的水电煤[4]--AI 只是让这个滑坡加速了。
这里注意个细节，沉淀物是分层的。折旧最快的是通用技巧：绕坑经验、prompt 心得，模型一升级就追平，这类沉淀的半衰期最短。折旧最慢的是另外两样：专有数据，和嵌进工作流的沉淀。模型再强，拿不到你喂了无数次的反馈数据；沉淀一旦长进业务流程里，还连着客户的切换成本，换掉你等于换掉流程。同样叫沉淀，护城河的成色差得很远。
那它还能不能当护城河？我的答案是能，但护城河不在存量上。存量会折旧，机制也会被追平，真正稀缺的是那个闭环本身--它决定了你能不能持续产出别人拿不到的沉淀。所以护城河就是一句话：沉淀的速度，得跑赢折旧的速度。 闭环在，折旧了就再沉淀一轮；闭环不在，攒下多少存量都撑不过对手的下一次更新。
顺着这个逻辑看，有一类赢家容易被低估：手里本来就有积累的公司。
过去有数据积累、行业知识积累的公司，现在的机遇不会被削弱，反而可以被 AI 的视角再次放大。AI 冲击的是「写得出来」这层壁垒，而这类公司的壁垒从来不在代码，在积累，代码不值钱，恰恰让他们的存量显得更值钱。关键是换一个切入视角：用 Agent 的眼光重新审视手里的资源。拿「这件事能不能被 Agent 稳定做掉」这把尺子，把数据、流程、专家经验重新组一遍，会发现已有资源指向了一些过去不存在的市场。新市场来自 AI 打开的那些过去算不过账的空间（比如开篇说的中间地带），已有资源是多年攒下的本金--知识复利是需要本金的，新玩家要从零攒起，而这类公司的本金早就存下了，手里往往还留着一条现成的闭环，能继续往上生息。他们缺的不是积累，是把积累从老产品的形态里拆出来，沉淀成 Agent 能用的形态，去接新的市场。新市场加上已有资源，机遇依然在他们手里。
所以「AI 颠覆一切」的叙事对这类公司并不成立。真正的问题只有一个：是把积累锁在老形态里等着被绕过，还是主动重组，让它在新视角下再放大一次。
我自己做 GIS Agent 的心态就是这样：从来没想过要堆多少专业功能、要成型一个完整的软件。出发点一直是：我能用，我能积累，下次同样的问题可以由 Agent 快速解决，减少时间和人力成本--这是最直观的提效，类似的项目能够直接提炼。完整软件是过去时代的交付单位；至少对我来说，可复用的局部解法加上持续变厚的沉淀，比一套成型的软件更像资产。真要说卖什么，我想卖的也不是软件，甚至不只是效率，效率只是入口。真正要攒的是从效率长出来的东西：工作流和数据的闭环沉淀。每一次交付都把流程跑深一层、把反馈数据喂厚一层，沉淀嵌进业务里，下一次同类问题的边际成本更低，别人也更难抄走。效率差迟早会被追平，但嵌进工作流的沉淀和喂出来的数据不会--那才是这轮 AI 留给一线开发者的真正红利。
五、这个时代缺的不是软件
回到开头的问题：人人都可以 Vibe 出个小工具的时代，软件的付费机遇在哪里？
我的回答是：这个时代缺的早就不是一个软件了。制品会烂大街，已经在烂大街。但解决方案从来不是烂大街的，因为解决方案等于软件加上对一个具体场景的结果承诺，它依赖三样 AI 给不了的东西：上下文的深度（知道哪个边缘情况会咬人、知道不该做什么）、责任的承担（敢为结果签字）、持续的盯梢（模型、API、政策、业务一直在变，有人替你盯着）。
上一篇说，稀缺不会消失，只会迁移。软件行业正在经历的，可能是同一次迁移的更大版本：Brooks 说本质复杂度消灭不了；它今天的具体位置，就是把「谁来判断、谁来担责」变成了新的稀缺：判断、责任，以及把知识沉淀成可执行形态的能力。我看到的分化是：卷的人还在旧稀缺上拼量，而已经有人开始给新稀缺定价。
软化复杂度这件事，软件行业做了几十年。只是这一次，被软化的轮到了知识本身--复利的对象，也换到了这一级上。
系列前文：
第二篇：AI时代的两张地图（见飞书知识库内）
这篇的参考文献（METR 的两份实验、Every 的复利工程原文、万维钢的沃德利地图）和完整版原文都在我的飞书知识库里，点击文末的【阅读原文】可以查看。