夜雨聆风Silicon Valley Insights 硅谷投资观察系列·4
全文配图｜大空头 The Big Short(2015)
回头看，这一波 AI coding 席卷世界，其实也就是最近这一两年的事。先是大家觉得新鲜，觉得它会写代码、会补全、会改bug，已经很厉害了。再往后一步，它就开始真的进入工作流了。越来越多人不再把它当成一个演示性质的功能，而是把它放进每天的开发、调试、原型、自动化和协作里去用。也正因为这件事来得这么快，反而让人更有理由去想：如果AI 改变工作的第一站已经出现了，那下一个真正会改变工作方式的产品，会是什么。
过去两年，AI 最先改变的是写代码。
这并不奇怪。代码天然结构化，反馈快，结果也容易验证，所以 AI 最早在这个地方起势。以前写代码，主要靠人一行一行敲；现在越来越多时候，是先把需求说出来，再让模型生成、修改、调试，然后一起迭代。
但如果把视角从开发者世界切到整个白领世界，一个事实也很清楚：写代码这件事虽然重要，但覆盖的人群其实没有想象中那么大。根据美国劳工统计局的数据，2024 年美国软件开发、测试和 QA 相关岗位大约是 189.6 万人，而美国总就业人数大约 1.61 亿，占比只有 1% 多一点。中国按更宽口径来看，相关从业人数大约 1500 多万，而全国就业人员大约7.34 亿，占比也就是 2% 出头。也就是说，AI coding 改变的是一类非常关键、非常高杠杆的人群，但它天然不是大多数白领每天工作的主界面。
如果顺着这个逻辑往下看，问题就来了。AI 改造工作的第一站是 coding，那第二站会是什么？
我越来越觉得，下一站很可能不是继续往聊天里卷，也不只是继续往代码里卷，而是走进表格。更准确一点说，是从 coding 走向 modeling。
这里说的 modeling，不是学术意义上的建模，而是更接近日常经营工作的那种建模：做预算、搭预测、算提成、拆指标、看库存、追订单、跑经营分析，判断到底是哪一个环节出了问题。这些事很多最后都落在表格里。
一个销售总监看的是销售漏斗表，一个财务看的是预算表、回款表、损益表，一个运营看的是库存表、排产表、周转表，一个老板看的是经营周报、现金流预测和月度看板。你会发现，白领日常看起来是写文档、开会、汇报、发消息，但公司真正往前跑，靠的往往不是一段漂亮的话，而是一个数字变了之后，谁来解释，谁来跟进，谁来做决定。
从这个角度看，Word、PPT 和表格，其实不是一回事。Word 解决的是表达，PPT 解决的是沟通，表格解决的，很多时候是经营。
这也是为什么，Word 和 PPT 已经明显被AI 改变了，但表格到今天还没有被真正重做。
写文档这件事，大家已经很熟了。写邮件、写纪要、写方案、写提纲，现在很多人都是先让AI起草，再自己修改。PPT 也一样，过去花很多时间在排版、润色、结构整理这些事上，现在模型已经能帮掉很大一部分。因为文档和演示，本质上都更接近内容生成，而内容生成恰好是大模型最先擅长的能力。
但表格不是。
表格不是把东西写出来，而是拿来算、拿来比、拿来推演、拿来盯变化的。预算表不是为了好看，库存表不是为了展示，销售预测也不是为了汇报。它们真正的作用，是帮公司决定下一步怎么动。
也正因为如此，今天市面上大多数“AI + 表格”的产品，虽然有价值，但还没有打到最深的地方。它们做的主要还是一件事：给旧一代表格工具，加一个 AI 助手。帮你写公式，解释公式，做筛选，找异常，生成图表，这些当然都有用，而且会越来越有用。但这条路有一个很明显的边界：它默认的还是旧世界。
默认还是人打开文件，人理解字段，人知道哪张 sheet 在哪，人决定从哪一个cell 开始填，人写公式，人检查结果。AI 只是来帮忙。它提高了效率，但没有改变工作的基本结构。
可真正大的机会，可能不在“怎么让人更高效地操作 cell”，而在于能不能把“围绕 cell工作”这件事本身改掉。
这一点其实很关键。传统表格工具的中心是 cell，所以人的注意力也被训练成围着cell 打转：这一格填什么，那一列怎么拖，这个公式对不对，那两张表能不能连得上。可企业里的经营问题，真正关心的从来不是某一个cell，而是目标、指标、规则和流程。老板不会问你某个单元格填了什么，老板问的是为什么这个月利润率下来了；销售负责人不会关心你公式有没有写漂亮，他关心的是为什么线索很多、成交却没起来；财务也不会因为你表做得整齐就满意，他要的是预算能不能跑准，异常能不能被及时发现。
所以，下一代工具如果还是把 cell 当中心，它再聪明，很多时候也只是一个更强的助手。可如果它开始把目标、指标、规则和流程当中心，事情就变了。那时做表这件事，就不再只是输入、复制、拖拽、写公式，而更像是先把问题说清楚：我要看什么，我按什么口径看，我希望系统怎么联动，我看到异常之后下一步要触发什么动作。到了这一步，系统接手的就不只是表格操作，而是结构化工作本身。
这也是为什么表格这件事，难点从来不在公式本身。公式只是表面，真正难的是你到底知不知道这个数字是什么意思，能不能拿来做决定。同样是一个500，它到底是 500 元，500 单，500 个客户，还是 500万库存？同样是一张订单表，一行代表的是一笔订单，还是某个客户在某一天的汇总？同样是利润率下滑，到底是价格问题、渠道问题、库存问题，还是供应链出了问题？这些问题如果搞不清楚，表做得再漂亮也没用。
所以说到底，你要处理的并不是一个文件，而是一套持续变化的经营现实。销售在变，库存在变，回款在变，成本在变，预测也在变。问题不是能不能把这些数字摆进表里，而是系统能不能跟着这些变化，持续地算，持续地解释，持续地把动作往下推。只有到了这一步，表格才不只是表格，而开始变成企业真正的操作界面。
其实市场已经在往这个方向走了，只是还没有走到终局。
第一种路数，是最容易理解的，就是 Excel加 Copilot、Google Sheets 加Gemini。它们把 AI 放进现有表格里，让你更快地写公式、做分析、画图、创建表格。这条路一定会很大，因为入口最强，用户也最熟。
第二种路数，是像Rows 这样，把表格往 AI 分析工作台的方向推，弱化公式和菜单，强化“直接提问、直接分析”。
第三种路数，是像 Airtable 这样，把表和 agent、工作流、应用搭建连起来，往更完整的业务系统走。方向都对，而且都说明一件事：大家已经意识到，AI 如果要真正进入企业，不可能只停留在聊天框里。
但即便如此，我对真正的下一代产品，还是有很强的期待。
因为今天这些产品，大多还是从旧工具往前长：要么是在 Excel、Sheets 上加 AI，要么是在数据库式表格上加 agent，要么是在工作流里接一层智能分析。它们会很有用，也会跑出大公司和大产品。但我真正期待的，还是一个从底层产品思想上就重新设计出来的modeling 工具。不是先有表格，再加 AI；而是从一开始就假设AI 会参与理解、计算、联动和推动动作，然后据此重写这个界面、这个交互和这套工作方法。
如果那样的产品真的出来，它改变的可能就不只是做表格的效率，而是整套白领工作的组织方式。
从这个角度回头看，From Coding to Modeling 不是一句好听的话，而更像是一个正在慢慢变清楚的方向。前一阶段，AI 主要在帮人做软件。下一阶段，AI 很可能会更多地帮人做经营。
而经营这件事，很多时候并不发生在聊天框里。它发生在表格里，发生在报表里，发生在看板里，发生在一个数字变了以后，系统能不能立刻顺着往下查，给出解释，找到原因，再把下一步动作接上。
如果真是这样，那么 AI 编码之后，下一个超级风口可能确实不是别的，就是表格。或者更准确一点，是表格背后的建模能力。
推荐阅读
点击标题阅读
