软件贬值时代：最稀缺的不是代码，而是「客观认知」

当AI让软件沦为耗材，数据和清醒的头脑才是穿越周期的终极壁垒。

作者 | 沈旸

本文由「信息化与数字化」原创首发，数字化企业经授权发布。深度解析AI如何瓦解软件护城河，以及后软件时代真正的稀缺资源。

不久前，Anthropic 一篇技术随笔《How AI helps break the cost barrier to COBOL modernization》引发连锁反应：IBM 当日股价暴跌约13%，创下二十多年最大单日跌幅之一，市值蒸发近300亿美元。这绝非“又一个更强模型”的常规新闻，而是一次结构性的警钟——软件本身，正在发生不可逆的贬值。

更具戏剧性的是，IBM 当年主动砍掉“不性感”的硬科技与重资产，全力押注更轻、更像金融资产的软件服务与咨询——这在过去是正确选择。然而当 AI 把“软件的生产与改造”变成近乎可规模化的自动化工程，这条轻资产路径突然暴露风险：所谓的 Know-How，在 AI 面前似乎没有护城河。

核心洞察

Claude Code 把“COBOL 现代化”——过去极其昂贵、极其耗时的事情——变成了可规模化的自动化工程。COBOL 诞生于上世纪60年代，至今仍支撑着金融、航空、政府等关键系统。维护这些代码的人正在加速退休，而 AI 直接撬动了这根“成本杠杆”。过去靠堆人、堆时间、堆咨询费的暴利生意，根基开始松动。

我们曾默认一个前提：用好软件是企业的核心壁垒。大型企业斥巨资定制专属系统，中小企业望洋兴叹。但今天，代码生成已从“效率提升”走向“供给过剩”：一个人借助 AI，就能在短时间内完成过去小团队数周的工作量。基础功能、通用系统、页面与接口的产出成本急速下探，越来越接近可无限复制的耗材。

当“有没有软件”不再是差距，一个更本质的问题浮出水面：软件不值钱以后，最稀缺的资源是什么？

很多人对 AI 编程仍有疑虑：代码有 bug、逻辑会跑偏、出现“幻觉”。但根因往往不在模型能力，而在于输入——定义不清、边界不明、验收不可判定。只要给出详细的测试样例（例如考勤系统的字段、逻辑规则、界面要求），AI 就能快速用多语言复刻软件。那些所谓的 bug，本质是需求描述的模糊与缺失。

随着训练数据丰富，AI 精度将持续提升。未来只要需求定义清晰，AI 就能承接绝大多数重复性编程，将开发成本压至极致。在 AI 时代，软件工程最尖锐的一句话会越来越常见：没有验收标准的需求，不是需求，是愿望。 AI 解决了“怎么写软件”，而“写什么”“为什么写”的需求定义能力，成为新的核心变量。

过去软件是大企业的专属品：业务稳定、流程固化，长期复用分摊成本。而中小企业业务灵活、需求多变，传统开发的高成本和慢迭代让它们“用不起、用不好”。AI 打破了这一困境——快速迭代、低成本试错，让中小企业无需巨额预算和专业团队，就能快速开发贴合自身业务的软件。

小型电商只需明确需求，几小时内借助 AI 落地商品+订单管理系统，后续新功能也能快速适配。软件已从“奢侈品”沦为基础设施。当所有企业都能轻松拥有软件，竞争焦点便从“有没有”转向“用得好不好”。而决定软件价值的，从来不是软件本身，而是它所承载、处理的数据——这正是稀缺资源的第一个核心指向。

很多人仍将软件视为“效率工具”，却忽略了其核心价值：记录现实业务与行为，转化为可分析的数据，结合历史与外界数据支撑决策。个人层面，购物软件的价值不在于下单，而在于结合偏好、销量、评价推荐商品；旅游软件的价值在于整合实时天气、客流量定制行程。企业层面，生产管理软件的价值在于记录全流程数据，结合市场供应链优化计划。

脱离数据，软件只是空壳。真正有价值的数据必须具备三个特质：客观真实、全量全要素、实时可流动。然而当下，可信、高质量的数据极度稀缺：互联网数据充斥着噪音与虚假信息（刷销量、广告、篡改），企业自身数据不完整、不客观（只记录核心、筛选有利数据），实时数据获取整合难度极大（系统孤岛、外部数据昂贵）。

必须清醒：代码可免费、软件可开源、AI 可免费使用，但干净、真实、完整的高质量数据，永远无法免费获得。当软件门槛被抹平，数据就成为企业的核心差距——拥有高质量数据，才能借助 AI 做出精准决策；缺少数据，再多软件也只是“空有工具，无米下锅”。

数据的稀缺，不在“数量多寡”，而在“结构完备”和“高质量”。以下三类数据，是决策闭环与 AI 输出价值的核心前提：

• 个体个性化数据 —— 回答“我是谁、我想要什么”。预算、偏好、风险承受度，缺少它 AI 只能给出“平均正确”却难以落地的结论。

• 历史与环境数据 —— 回答“我们曾经怎么做、边界在哪里”。企业经验、行业规律、流程惯性，为决策提供可借鉴路径。

• 实时数据 —— 回答“此刻发生了什么、时机在哪里”。将决策从“事后复盘”推向“事中响应、事前预防”。

三者缺一不可：个体数据定方向，历史数据定底盘，实时数据定时机。同时到位，才能实现 AI 时代最稀缺的价值：将软件的“记录功能”转化为“判断能力”，再落地为“有效行动”。软件终将沦为廉价产能，数据成为稀缺“决策证据”。

AI 时代，我们更缺的是客观冷静的人。数据本身中立，但它的价值实现全程依赖人的主观判断——人一旦失去客观，数据就会被扭曲，软件与 AI 反而会成为“放大错误”的工具。

客观之所以难得，是因为人天然带有立场、情绪与偏见。管理者因主观看好某产品，刻意放大正面评价而忽略负面反馈，最终盲目投入亏损；从业者因擅长传统编程，否定 AI 效率优势，固守短板被淘汰。而客观的态度，能让人摆脱情绪与偏见，看清数据本质与全局真相。

AI 就像镜子：输入真实数据，就产出精准建议；输入扭曲数据，只会给出荒谬结论。若给 AI 输入的只有优质客户数据，它就会忽略普通与潜在客户需求；若隐瞒生产损耗数据，AI 制定的计划只会增加成本。

人的核心竞争力，已从“会用工具、会写代码”升级为“能保持客观、能看清全局、能定义标准”。客观不再是性格特质，而是数字化时代让数据发挥价值、让 AI 创造价值的核心能力。

总结：新时代的价值排序早已重构

AI 浪潮让软件褪去“奢侈品”光环，让代码成为耗材，真正的稀缺性正在从“工具”向“内核”跃迁。

• ▸ 代码与软件 —— 可免费获取，最基础的“工具”

• ▸ 可信、客观的全要素数据 —— 驱动价值的“燃料”，稀缺且珍贵

• ▸ 能保持客观、不扭曲认知的人 —— 激活一切的“核心”，最不可替代的终极竞争力

对企业：沉淀高质量数据，培育客观认知；对个人：练就用数据说话、以客观决策的能力。软件会贬值，技术会迭代，但真实的数据、清醒的头脑，永远是穿越变革、持续创造价值的底气。