当AI学会拆软件,靠卖软件赚钱的好日子要到头了?

现在，AI开始帮助人们分析现成的程序，研究它们是怎么工作的。如果分析和试错的时间缩短了，闭源项目靠保密获得的优势，还能维持多久？

这种变化可能影响的不只是应用商店里的收费软件。游戏、插件、智能设备等项目，也可能面对类似的挑战：当别人更容易弄懂你的技术，用户为什么还愿意选择你？

一个项目还没有被完整复制，它最受欢迎的功能就可能已经有了更便宜的替代品。对用户来说，这意味着更多选择；对开发者来说，则可能意味着更大的竞争压力。

一、AI是怎么“拆软件”的？

AI“拆软件”，是借助专业工具分析现成的程序，研究其中的功能是怎样实现的。这个过程类似于拆解一台没有图纸的机器：通过检查零件、观察运行过程，逐步弄清工作原理。

这种从成品反过来研究技术的过程，叫作逆向分析。REA是一款开源工具，能让AI使用专业的软件分析工具，查找线索、分析程序，帮助开发者完成这类工作。

AI可以帮助开发者分析现有程序，但也可能降低模仿成本。如果类似产品更快进入市场，原创者就可能更难收回研发投入。

REA公布的三个案例，都从具体功能入手。

第一个是老游戏DX-Ball。游戏里的砖块被击中时，声音会根据砖块的位置偏向左边或右边。开发者借助REA研究了它的计算方法，并重新写出了实现这一功能的代码。

第二个是Notion桌面版。用户点击复制后，文字和格式是怎样进入电脑剪贴板的？REA帮助追踪了软件内部的处理步骤，梳理出从点击复制到写入剪贴板的过程。

第三个是老游戏《东方幻想乡》。游戏如何计算子弹的发射方向，让它们围成一圈或朝向玩家？REA帮助分析了相关计算，并把结果与已有重建项目的代码和验证记录作了对照。

这些事情过去也能做，只是往往需要工程师一点点查找和分析。现在，AI 可以分担其中的一些工作，再把找到的线索交给人核对。

开发者因此多了一个帮手：可以让AI先查找线索、尝试解释，再检查这些解释是否有依据。

不过，这些案例分析和还原的都只是局部功能。弄懂Notion怎样复制文字，距离做出一款完整的Notion，还差得很远。

二、为什么63个字节值得关注？

DX-Ball案例中的63个字节，为判断还原是否准确提供了直接证据：在项目记录的条件下，重新编写的那段代码转换成机器指令后，每一个字节都与原版一致。

根据项目公开的记录，重新编写的声音计算代码经过了3205组对照测试。每组测试都给原版和新版相同的输入，再比较计算结果，最终全部一致。

这说明，新代码通过了这3205组测试。测试没有覆盖的情况，还需要另外验证。

项目随后又比较了计算机实际执行的指令。开发者写出的代码，需要先用工具转换成这些指令。项目固定了转换工具的版本，处理并核对相关地址、检查引用的数值后，发现这段指令共63个字节，每一个都与原版一致。

这些指令叫作“机器码”。比较到这一步，就有了更直接的证据：在上述条件下，新代码生成的这段机器码，与原版完全相同。

但这个结果只适用于被检查的那一小段，不能证明整款游戏都已经还原。它也不能证明新代码就是当年开发者写的原始代码，因为不同的写法有时也能生成相同的机器指令。

这个案例分别验证了计算结果和机器指令，两项结果各有对应的证据。

对照测试检查的是，相同输入能否得到相同输出；机器码比较检查的是，生成的指令是否匹配。如果更换计算机架构或代码转换工具，生成的指令可能不同，因此也需要结合具体条件判断。

这些验证信息说明了结果适用于哪些范围，也便于其他人复核。

安全研究者Thomas Ptacek在REA的讨论中也提醒，逆向分析仍然依赖专业工具和长期积累的方法。至少目前，不能只靠Claude自己发挥。不过，他并没有断言这种限制会一直存在。

AI可以帮人节省分析时间，但它给出的答案仍然需要检查。分析做得更快，不意味着验证可以省略。

三、收费软件会更难卖吗？

一部分收费软件可能会更难卖，尤其是功能单一、容易被替代的工具。如果更便宜甚至免费的产品也能满足需求，用户就未必愿意继续为原来的产品付费，厂商也就更难维持原来的价格。

开发者Simon Willison提到，有了AI，他更愿意尝试给家里的设备增加自动化功能。过去，这类项目既要花时间研究，也要考虑后续维护，投入未必划算。AI能帮忙分析和修改程序，即使失败后重来，也没那么费力了。他谈的是AI辅助逆向带来的变化，并非专门评价REA。

照这个趋势看，一部分过去会直接买软件的人，以后可能愿意先试着自己做。但自己做也有成本：工具出了错要排查，系统升级后可能还要修改。购买现成产品，仍然是一种节省开发和维护时间的选择。

软件面临降价压力，不等于软件公司马上就会倒闭。目前这些局部功能案例，不能证明行业会出现大规模倒闭。

如果类似产品增多，原产品可能面临降价或客户流失，但维护产品、开发新功能和支付工资仍然需要资金。收入长期跟不上支出，团队就可能撑不下去。

受到冲击的，也未必都是产品做得差的人。独立开发者可能花很长时间，才摸清用户需要什么，又经过反复修改，才把产品做好。后来者直接研究成品，就能少走许多弯路。

后来者可以从成品中学习，原创者却要承担从无到有的试错成本。如果还没收回投入，市场上就出现大量类似产品，原创者继续开发新东西的动力也可能受影响。

不过，小团队同样可以利用AI降低开发成本。过去因为缺人手、请不起专家而做不了的事情，现在可能有机会尝试。未来可能同时出现两种变化：一些旧产品更难卖了，一些新项目也更容易做出来了。

同类产品增加，可能让竞争更激烈。但几个逆向案例不足以判断哪些公司会倒闭。除了价格，产品用起来是否方便、遇到问题能否得到及时处理，也会影响用户是否付费。

收费软件只是一个容易理解的例子。再往外看，其他闭源项目也要面对一个问题：不公开技术细节，今后还能带来多大优势？

四、AI让闭源项目面临哪些挑战？

如果AI让技术更容易被研究和模仿，闭源项目就可能更快遇到竞争：对手追赶的时间缩短，替代产品更容易出现，用户也更容易换用其他工具。

闭源指的是不公开源代码，和产品是否收费是两回事。免费产品可以闭源，开源项目也可以提供收费服务。

不公开源码，不代表别人就无从研究。安装到用户设备上的程序、插件，以及智能硬件里的控制程序，都可能留下可供分析的线索。REA的文档也列出了应用程序、安卓安装包和固件等分析对象。具体能弄懂多少，还要看目标本身和所用工具。

首先，竞争对手可能更快追上来。一个功能即使已经做出来，别人要弄清它的实现方法，也需要时间。如果AI让研究和验证更省力，后来者就可能更快学会其中的做法。原团队或许还没收回研发成本，就要面对类似产品的竞争。

其次，竞争者未必需要复制整个项目。一款产品可能有很多功能，但用户愿意付钱，也许主要是为了其中几项。后来者只要把这些需求解决好，就有机会吸引用户。原项目的全部技术还没被弄懂，生意就可能已经受到影响。

前面提到的“63字节匹配”，是为了验证一段代码还原得是否准确。做竞争产品则是另一回事：在合法的前提下，独立开发的产品只要能满足用户需求，就可能成为替代品，并不需要与原版的每一条指令都相同。

第三，用户换产品可能更容易。比如，一款工具保存的文件只有它自己能打开，用户想换产品，就得先解决旧文件怎么用的问题。如果 AI 帮助开发者弄懂了这种文件格式，就可能出现能读取旧文件的新工具。设备的连接方式如果更容易被研究，兼容工具也可能更容易做出来。

这样一来，用户就更有机会带着原来的资料或设备，选择别的服务。那些过去依靠用户“换起来太麻烦”留住客户的项目，就需要在产品和服务上多下功夫。

不过，能分析到哪一步，还取决于研究者能接触到什么。安装在用户电脑上的程序，可以直接接触；只在厂商服务器上运行的系统，通常没有这样的条件。弄懂Notion的剪贴板功能，不等于拿到了它的整套在线服务。

闭源AI模型也是如此。一个工具即使能模仿模型的某些回答，也不代表它拿到了模型的内部参数、训练数据，或具备原模型的全部能力。不能因为REA分析了几个局部功能，就认定所有闭源项目都能被复制。

保密、产品质量、维护服务和用户信任，是不同的竞争优势。关键技术更容易被研究，可能削弱保密带来的优势，但不等于其他优势也会随之消失。

五、普通人能从中得到什么？

研究门槛降低，也可能让普通用户有更多选择。软件停止更新后，如果有人能接手修复，用户就有机会继续使用；旧文件打不开时，如果有人做出格式转换工具，里面的资料就可能重新用起来；厂商停止支持的设备，也可能通过兼容工具继续使用。

这些改进并不要求每个用户都学会编程。只要有开发者能解决问题，其他用户也可能从中受益。AI如果能减少分析和试错所需的时间，就可能让更多个人开发者和小团队参与进来。

一些需求因为用户太少，过去很难吸引商业公司投入。研究和开发的成本降低后，小团队就可能愿意尝试，用户也就多了获得帮助的机会。

这也是“知识平权”在这一场景中的含义：让更多人有机会理解和改进技术，也让普通用户有机会用上这些成果。

不过，工具更容易获得，不代表每个人都能获得同样的机会。懂技术、能检查结果、知道怎样推广产品的人，仍然可能占优势。相关开发也仍需遵守授权和法律规定。

六、看懂别人的软件，不等于可以拿来卖

分析出软件的工作原理，并不等于获得了复制或出售他人代码的授权。以中国的软件版权规则为例，思想、操作方法等不属于该条例的著作权保护范围，法律也为学习和研究软件原理留出了空间。但复制、传播程序或绕过保护措施，仍然受到相关规则约束。研究成果能否商用，要看具体做了什么，以及适用哪些规则。

涉及商业秘密时，也要单独判断。相关司法解释对符合条件的反向工程作了规定，同时明确：如果先用不正当手段拿到了商业秘密，事后再说自己是在做“逆向研究”，并不能因此免责。

AI能帮你做出一个东西，不代表你就有权拿去出售。

63个字节完全一致，是技术验证的结果，不是商业授权。换几个变量名，或者改用另一种编程语言，也不能保证避开版权问题。REA 是开源工具，并不意味着被它分析的软件也就自动开源了。

如果没有弄清授权范围，就把分析结果做成商品，开发者可能面临侵权或授权纠纷。开发时省下的时间和费用，也可能被后续纠纷抵消。

数据保密也不能忽略。REA在本机分析软件，但分析结果会交给AI。服务商如何处理这些信息，要看所用模型及其数据政策。

所以，安装包留在自己的电脑里，不代表分析出的内容也一定留在本机。公司内部软件的分析结果如果包含敏感信息，发送给外部服务就可能涉及保密问题。更强的分析能力也有两面性：它既能帮助人们发现和修补漏洞，也可能被人用来寻找攻击机会。

分析结果能否验证、哪些信息会发送给外部服务、成果能否用于商业用途，都会影响这类工具在实际工作中的使用。

七、闭源项目今后靠什么保持优势？

闭源项目仍然可以靠产品质量、持续更新和可靠的服务保持竞争力。竞争对手即使学会了某项技术，也不一定能做出同样稳定、好用的产品，或提供同样及时的维护和支持。

对用户来说，操作是否方便、遇到复杂情况会不会出错、出了故障能否及时得到处理，以及资料是否安全，都会影响他们是否继续使用一款产品。

源代码是否公开，与用户能否方便地导出资料，是两件事。闭源产品也可以提供数据导出功能，让用户保留更换产品的选择。

从发现需求、反复试错，到把产品做好，原创者需要投入时间和资金。如果类似产品更快出现，压缩了先行者的收入，研发投入就可能更难收回，后续开发也可能受到影响。

因此，AI逆向既可能帮助新团队进入市场，也可能增加现有团队的竞争压力。门槛降低，并不意味着所有参与者都会获得同样的收益。

一种功能更容易被模仿，不等于一款产品的全部价值都能被复制。

这段63字节的机器码，展示了AI参与局部功能分析和还原的一个实例。类似能力能否推广到更复杂的项目，以及它会怎样影响开发成本和市场竞争，还需要更多案例和实际结果来验证。

MatrixLabs｜探索AGI时代世界范式