最近和几个做软件的朋友聊天，话题绕来绕去都落在同一个问题上：AI 把写代码变得这么便宜，软件还有护城河吗？

有人说，他用 AI 花几个小时就重写了一个成熟的可视化库；逆向一个商业软件，也不过几天的事。

因此，我做一个滑坡推论，如果代码已经不值钱，开源还是闭源都无所谓了。是的，编码这份劳动确实不值钱了，但我觉得值钱的本来就不是它。

软件的护城河是难以复制的判断，以及这些判断留下的沉淀：私有信息、踩坑经验、用户关系。编码劳动从来只是它的成本，AI 降的是这份成本。

编码劳动从来不是护城河

写代码这件事，从来只是成本。一个功能该不该做、做成什么样、哪些场景要兼顾、哪些可以放弃，这些想清楚之后，剩下的才是敲键盘。

过去，想清楚的人把编码工作分发给程序员；现在，分发给 AI。执行者换了，上游的判断、设计和取舍没有换。

所以“AI 让代码护城河消失”这个说法，只说对了一半：消失的是执行门槛。一家软件公司值钱的地方，从来不是那几百万行代码本身，而是这些代码为什么长成这样。同一个需求，十个团队会做出十种系统，差别不在打字速度。

AI 只是让这一点暴露得更彻底。从前要抄一个产品，得先凑一支团队；这道执行门槛过去确实挡住过不少人，算半条护城河。现在一个人加一个模型就能开工，这半条没了，大家才看清，真正拉开差距的东西一直在别处。

有意思的是，认为代码已经不值钱的人，谈到大公司为什么不用 AI 重构自己的系统时，给出的理由是成本、部门划分、内部竞争和背锅风险，“你自己的东西你都动不了”。这里面没有一条是代码问题。连主张代码没有护城河的人也承认，真正难的部分在代码之外。

代码不值钱了，大厂为什么还闭源

如果代码真的无所谓，最理性的做法是全部开源，换一个好名声。现实却是大厂的核心产品依旧闭源，而且捂得很紧。

闭源当然有安全、合规、商业谈判这些常规理由。但我认为还有三个很少被说破的原因，它们恰好指出了护城河真正的位置。

一、藏拙

很多商业代码是在工期、KPI 和历史包袱下将就出来的，质量远不如外界想象。外面的人看一家大公司，默认它的代码配得上它的市值；真打开看，临时方案叠着临时方案的地方并不少。

闭源在这里保护的是体面和信誉，谈不上技术优势。代码写成这样，产品照样卖得好，可见买单的人买的不是代码。

二、藏巧思

一个系统里真正有价值的，往往只是少数几处关键设计：一个架构上的取舍，一个棘手问题的精妙解法。它们在代码量里占比极小，却是团队多年试错的结晶，而且一看就能学走。

这解释了一个常见现象：源码被打包泄露之后，公司的反应常常激烈得不成比例。按理说，几十万行代码，对手未必读得完。让它们紧张的是那几处想法。想法和代码不一样，学走它不需要读懂全部，只需要看到。

三、隔离关键业务

真正核心的业务，跑在内部基础设施和内部模型上，与外部环境隔离。外人能拿到的是客户端、接口、外壳；数据、流程、内部多年积累的工具链，拿不到。有说法称，有的 AI 公司每次内部模型迭代，都优先用来升级自家的基础设施：最好的工具先留给自己。

所以即便 AI 能在几天内逆向出一个商业软件，逆向出来的也只是外壳。壳子后面那套东西怎么搭起来的、为什么这样搭，才是这家公司的智力存量。

三条归到一起：闭源藏的，要么是不想让人看见的将就，要么是不想让人学走的想法，要么是根本没打算让人碰的核心系统。没有一条是在保护代码量。

反过来的例子同样说明问题。Android、Chromium、VS Code 的核心代码都是公开的，谁都能拿去改，Google 和微软在这些产品上的位置并没有因此动摇。代码给出去了，生态、分发和持续做对决定的团队给不出去。

速度、服务、工程、惯性，说的是同一件事

关于新的护城河在哪里，我听到过四种答案。它们彼此争论，在我看来却指向同一个东西。

有人说是速度。 触达用户要快，迭代要快，慢一拍就被淘汰。可大家用的是同样的模型，谁都能一天发三个版本。快已经不稀缺，稀缺的是方向对。往哪里快，是判断。

有人说是服务。 开源一个版本引流，靠定制和服务赚钱，因为用户付费是出于精力有限，并非自己写不出来。这话没错。但服务好不好，取决于你对用户理解多深、能不能替他把决定做对。卖的仍然是判断，只是不再包在代码里卖。

有人说是软件工程。 写脚本容易，做工程难，对 AI 也一样；好的架构、克制的复用、对用户习惯的尊重才是壁垒。我完全同意，这正是我说的判断，换了个名字。人人都能造轮子的时代，一次性代码只会更多，工程判断力只会更贵。

有人说是用户惯性。 迁移成本不接近零，用户就不会离开舒适区；重写一个工具却没人迁过来，只是在服务自己。但惯性从哪里来？来自当初有人把产品做到让用户懒得换。它是过去的判断沉淀下来的资产。后来者再聪明也不能一步跨过去，只能用同样长时间的正确判断去换。

还有几样东西不在这四种答案里：网络效应、独占数据、渠道、资本、牌照。它们不能都算成判断，当然也不能硬算。但它们不是 AI 时代才出现的，也不因为代码变便宜而消失。这篇文章讨论的是代码变便宜之后，软件自身还剩什么。

至于 AI 写的代码到底行不行，争论同样很多。有人说新模型的出错率已经低于人，也有人亲眼见过 AI 重写的应用性能一塌糊涂。两边都是真的，因为变量不在模型，在用模型的人。同一个模型，有人拿它搭出结构清楚的系统，有人拿它堆出一坨没法维护的过程化代码。

两种“屎山”

我以前说过一句玩笑话：软件最大的护城河就是屎山。这和前面说的“闭源是为了藏拙”听起来矛盾：既然是护城河，何必藏？

其实是两种东西共用了一个名字。

第一种是将就出来的烂代码。赶工期留下的，没人敢动的，这是要藏的拙。它不构成任何壁垒，只构成负担。

第二种看上去同样难看，却是被真实场景一条一条磨出来的：某个客户的奇怪环境，某次事故后加的兜底，某个老版本的兼容分支。每一行丑陋的 if 后面，都有一个真实踩过的坑。

AI 可以几小时重写出主干功能，却写不出这些它根本不知道存在的坑。重写出来的东西演示时一切正常，上了生产才发现缺的是那十年。

开头那个几小时重写可视化库的例子，要放在这里看。成熟的开源库，坑都写在代码、测试和 issue 里，AI 是照着答案抄的。商业软件的坑没有公开，这个例子推广不过去。

兼容性是这类积累里最大的一种。一位做单一硬件产品的朋友说，市面上的基础设施为兼容妥协了太多，他只取自己用得到的部分，一个需求固化一个版本。对他来说这完全合理。但面向所有人的平台砍不掉兼容性：Windows 常被人说快不行了，可它几十年攒下的硬件兼容性，至今没人能复制。代码可以重写，适配过的那些设备和场景重写不出来。

第二种才是护城河。值钱的不是这些代码写起来多费劲，是它们记录的那些决定：用时间和事故换来的、沉淀在代码里的经验。所以准确的说法是：编码劳动不值钱，代码里沉淀的决策一直值钱。

AI 越来越聪明，这条护城河会被填平吗

这是最有力的反驳：如果护城河是人的判断，而 AI 的判断力正在快速追上来，这条河迟早会干。

我的回答分三层。

第一，判断需要原料，而原料大多是私有的。 AI 在“怎么做”上进步飞快。但“做什么”依赖对具体用户、具体行业、具体时机的理解，这些信息大多不在任何公开语料里，在某些人的脑子里，在某些公司的内网里。严格说，这一层是信息壁垒，不是智力壁垒：模型再聪明，没见过的东西也推不出来。这也是前面说的第三条：关键的东西本来就被隔离着。

第二，在看得见的几年里，AI 是放大器，放大的是使用者原有的判断力。 会提问题、会做取舍、会验收结果的人，产出被放大十倍；不会的人，得到的是十倍的一次性代码。所以 AI 越强，人和人、组织和组织之间的差距越大。这一条是有时限的判断。已经有人主张需求也可以交给 AI：把零散的想法碎碎念给它，让它整理成需求，人只做少量指导。哪天 AI 连这点指导也不需要，能自己提出问题、自己验收，放大器的说法就不成立了。不过眼下，那些碎碎念仍然是人手里的原料，这又回到了第一层。

第三，就算那一天到来，有些东西也不随智力转移。 用户信任的是谁，出了事谁负责，十年事故换来的经验记在谁的系统里，这些不会因为模型变聪明就换了主人。

这条河短期内不会干，只会改道：从“谁能写出来”流向“谁知道该写什么”，再流向谁手里握着别人拿不到的信息和信任。

写在最后

编码劳动的门槛消失了，但它从来只是成本。闭源依然普遍，藏的是拙，是巧思，是隔离起来的核心系统。速度、服务、工程、惯性，都是判断落在不同位置的投影，或是它留下的沉淀。

过去我们把想法分发给程序员，现在分发给 AI。分发的对象变了，值钱的始终是那个想法，以及能判断它好坏的人。

对做软件的人来说，这算是好消息：打字的活可以交出去了，时间该花在把问题想清楚上。

文：fable整理

图：gpt-image-2.5