ARTICLE · 1130865
没有大模型的软件,也可能是 AI Native
没有大模型的软件,也可能是 AI Native今天谈 AI Native，大家通常默认是在说一类“产品本身离不开 AI”的软件。比如 AI Agent、AI 编程工具、AI 搜索，它们的核心能力建立在大模型之上。如果把 AI 拿掉，产品本身就很难成立。 这个定义没有问题，但它可能有点窄。 因为 AI 正在催生另一类软件：它们本身可能完全没有 AI，没有大模型，也没有 Agent，甚至只是一个本地运行的传统软件；但如果没有 AI，这类软件根本不会被开发出来。 传统软件行业有一个基本规律：开发成本高，复制成本低。 这意味着，一款软件只有面对足够大的市场，才值得投入开发成本。也因此，过去几十年软件行业天然偏爱标准化、大市场和规模化。 反过来说，大量需求并不是技术上无法软件化，而是商业上不划算。 比如，一家只有几十个人的工厂，有一套非常特殊的排产和质检流程。理论上完全可以给它做一套专用软件，但过去如果要找产品经理、设计师、前后端和测试一起做，成本可能远远超过这套软件能够创造的价值。 又比如，某个非常细分的专业群体，可能只有几百个用户，需要一个特定的数据整理和报告工具。过去的软件公司不会为这样的小市场单独立项，因为商业回报不够。 甚至再极端一点，一个研究团队、一家小公司，或者一个人自己，都可能有一套独特工作流。过去这些需求通常只能靠 Excel、脚本和手工流程拼起来，因为“专门做一个软件”太贵了。 这些需求一直都存在，只是没有资格成为一个正式的软件产品。 生成式 AI 出现后，一个重要变化正在发生：软件的生产成本开始下降。 需求分析、产品设计、写代码、测试、调试、文档，这些过去需要多人协作的工作，现在越来越多可以由一个人借助 AI 完成。 这意味着，一些过去“不值得做”的软件，开始变得值得做。 原来需要几十万甚至上百万成本的软件，未来可能只需要一个人投入较少的时间就能完成。市场不需要再那么大，甚至只服务几十个人、几百个人，也可能合理。 于是，前面那些例子就发生了变化：那家小工厂可以拥有自己的排产工具；那几百个专业用户可以拥有高度垂直的软件；一个团队甚至可以为自己的内部流程做一套只属于自己的系统。 而这些软件本身，未必需要任何 AI 功能。 这时候就出现了一个有意思的问题： 如果一个软件本身没有任何 AI，但它只有在 AI 大幅降低开发成本之后才会出现，它算不算 AI Native？ 我认为，可以把它看作一种更广义的 AI Native。 这里其实有两个不同的问题。 第一种是：没有 AI，这个软件还能不能运行？ 这对应今天最常见的 AI Native 定义。比如 AI Agent，如果没有模型能力，它的核心功能就不存在。 第二种是：没有 AI，这个软件还会不会被创造出来？ 这对应的是另一种“原生”。 一个软件可能运行时完全不依赖 AI，但它的经济可行性依赖 AI。如果没有 AI 降低开发成本，没有任何公司会理性地去开发它，那么 AI 其实是它“存在”的前提。 所以我更愿意把 AI Native 分成三个层次： 第一层是 AI-powered，也就是传统软件增加 AI 功能。 第二层是狭义的 AI Native，产品本身围绕模型、Agent 和自然语言构建。 第三层则是 生产意义上的 AI Native：软件本身未必使用 AI，但它是 AI 改变软件生产成本之后才可能出现的新物种。 我认为，这可能比“软件里有没有 AI”更重要。 过去的软件行业有一条隐形边界：只有足够大的需求，才值得被软件解决。 AI 正在把这条边界不断向外推。 未来可能会出现越来越多极小众、极垂直、甚至只服务一个团队或一个人的软件。它们不一定需要融资，不一定需要成为 SaaS，也不一定需要服务成千上万的用户。 以前的软件逻辑是：先找到一个足够大的市场，再开发一款软件。 未来的软件逻辑可能变成：先遇到一个具体问题，再为这个问题生成一个软件。 所以，AI 对软件行业最大的影响，也许并不是让现有软件变得更聪明，而是让大量过去“不值得被软件化”的需求，第一次值得被软件化。 如果这样理解，那么判断一个产品是不是 AI Native，也许不应该只问一句： “它有没有使用 AI？” 还可以问另一句： “如果没有 AI，这个东西还会被创造出来吗？” 如果答案是否定的，那么即使它本身没有任何 AI 功能，它依然可能是非常典型的 AI 时代原生软件。 因为真正的“Native”，不一定意味着 AI 必须存在于产品内部。 它也可以意味着： 这个产品，是 AI 改变了整个生产环境之后，才会自然出现的东西。