夜雨聆风Dario Amodei 在 WSJ 的一场达沃斯现场访谈里，讲了一个很重的判断。
先交代一下这段访谈的分量。
Dario Amodei 是 Anthropic 的联合创始人兼 CEO。Anthropic 就是 Claude 背后的 AI 公司，也是目前全球一线大模型公司之一。
WSJ 是 The Wall Street Journal，也就是美国《华尔街日报》。它不是科技自媒体，也不是普通播客，而是美国最有影响力的商业和金融媒体之一，1889 年创刊，长期面向全球商业、金融和政策圈读者。
这场访谈发生在 Davos 世界经济论坛期间，由 WSJ 总编辑 Emma Tucker 主持。
所以这段话值得认真看，不只是因为 Dario 是 Claude 背后的 CEO，也因为他说话的场合，本来就是给企业、投资人和政策制定者听的。
这句话单独看，已经很吓人。
但真正值得警惕的，是他后面那层意思：
很多人现在还在讨论：
AI 会不会泡沫？ 大模型是不是到头了？ 程序员会不会失业？ 企业要不要买 AI 工具？
但 Dario 的视角更直接。
他看到的是一条持续上升的能力曲线
媒体和公众的情绪会来回摆动：
今天说 AI 改变一切，明天说 AI 泡沫破裂。
但模型能力本身在持续前进。
他用了一个说法：
也就是模型每隔几个月就变得更强。
不是每次都轰轰烈烈，但整体方向很清楚：
AI 能做的知识工作越来越多。
软件为什么会变得接近免费？
Dario 举了一个 Anthropic 内部的例子。
他们发布了 Claude Co-work。这是一种面向非编码工作的 Claude Code。
他说，这个东西几乎完全由 Claude Opus 在一周半内完成。
更关键的是，他提到 Anthropic 内部一些工程负责人已经告诉他：
这句话对技术人员很刺耳。
但它不是科幻。
过去一个软件要上线，需要产品经理、设计师、前端、后端、测试、运维一起配合。一个功能要排期，一个系统要开发，一个内部工具要申请资源。
所以软件很贵。贵的不只是代码本身，而是组织协作成本。
但如果 AI 能把需求理解、代码生成、测试、调试、重构都压缩到很短时间，软件的经济学就会变。
以前做一个小工具不值得，因为开发成本太高。以后可能变成：
这就是"软件免费化"的真正含义。
不是 SaaS 公司突然都不收费。而是企业内部大量原本"不值得开发"的小工具、小系统、小流程，都会变得值得做。
因为边际开发成本会快速下降。
这对中小企业意味着什么？
很多中小企业过去很难做数字化。
不是因为老板不知道要提效。
而是因为做系统太贵。
一个 CRM、一个知识库、一个工单系统、一个数据看板、一个内部审批流程，都要花钱、找人、沟通、维护。最后很多企业只能靠 Excel、微信群、人工记忆和老员工经验撑着。
但如果软件越来越便宜，第一波机会会落到哪里？
不是落到"买最贵模型"的公司。
而是落到最先把重复流程拆清楚的公司。
因为 AI 不会凭空知道你公司怎么运转。它需要你告诉它：
哪些流程每天都在重复 哪些资料可以提供 哪些结果需要人工确认 哪些动作不能自动执行 什么叫做"做得还不错" 什么情况下应该停止
中小企业接下来真正的差距，不是有没有 AI 工具。
而是有没有能力把自己的业务流程讲清楚、写下来、交给 AI 执行一部分。
软件免费以后，公司的护城河会变
过去很多公司会觉得：
但如果软件越来越便宜，这种护城河会变弱。因为别人也能很快做一个类似的软件。
那未来公司的护城河是什么？
可能会变成这几件事：
你是否拥有真实业务场景 你是否有高质量数据和历史资料 你是否能把流程标准化 你是否理解客户真正痛点 你是否有一线反馈闭环 你是否能把 AI 接进业务流程，而不是停在演示
这对中小企业是机会。
因为大公司有更多资源，但也有更多流程、审批、部门墙和历史包袱。
小公司如果老板亲自参与，业务流程清楚，资料能拿出来，反而可能更快跑通第一个 AI 场景。
但真正危险的是职业冲击
Dario 在访谈里讲了一个非常反常识的组合：
这和我们过去的经验不一样。
过去我们通常认为：经济高速增长，就业机会也会多。
但 AI 可能打破这个关系。
因为这一次被替代的不是单一体力劳动，也不是某个行业。它正在进入知识工作本身：
写代码、写文档、做研究 做分析、做客服、做销售材料 做运营内容、做财务和法务初稿 做项目管理和报告
这些岗位过去是很多白领职业的基础。
如果 AI 能承担其中 50%、70%、甚至 90% 的工作量，职业结构一定会变化。
最麻烦的是，大多数人还没有准备。
很多技术人员还在用旧问题安慰自己：
这句话现在仍然部分成立。
但问题是，AI 不需要一下子 100% 替代你。
只要它能把一个团队 70% 的常规开发工作做掉，组织就会重新计算需要多少人。
以前一个项目需要 5 个开发。以后可能只需要 1 个懂业务、懂架构、会审 AI 代码的人。
这个变化已经足够大。
技术人员应该警惕什么？
技术人员最危险的误判，是把自己定义成"写代码的人"。
如果你的核心价值只是：
我会写接口 我会写页面 我会改 Bug 我会把需求翻译成代码
那这部分价值会被快速压缩。
因为 AI 最擅长的，就是把明确需求变成可运行代码。
但技术人员并不是没有机会。相反，机会会转移到更上游和更下游。
上游是：
判断需求是否成立 把业务问题拆成可执行任务 设计系统边界 定义数据结构和状态流转 判断哪些地方必须人工确认 设计验收指标
下游是：
审查 AI 生成的代码 识别安全风险 控制技术债 维护长期架构一致性 把系统接入真实业务流程 确保上线后可观测、可回滚、可追责 
这也是为什么技术人员要尽快从"执行者"升级成"AI 工程编排者"。
你要能指挥 AI 做事，也要能判断 AI 做出来的东西能不能进生产。
中小企业现在最该做什么？
如果你是老板，不要先急着问：
用哪个模型？ 买哪个 AI 工具？ 要不要私有化部署？ 要不要做 Agent？
这些都太后面了。
你现在最该做的是盘点 5 件事。
不要找最酷的场景。找最烦、最重复、最耗人的场景。比如：
每个新项目都要梳理历史资料 每次上新都要做竞品分析 每天都要回答重复客服问题 每周都要汇总项目进度
AI 第一刀应该切在重复劳动上。
如果没有资料，先不要急着上系统。先问：
有没有历史文档？有没有工单？有没有聊天记录？ 有没有表格？有没有客户问答？有没有标准答案？ 能不能脱敏？
AI 很强，但它不能凭空理解你公司的业务经验。你的资料越混乱，AI 越容易胡说。
第一期不要追求全自动。先让 AI 出初稿，人来确认。比如：
AI 写课后反馈，老师确认 AI 生成卖点，运营确认 AI 提取测试点，测试负责人确认 AI 总结客服问题，客服主管确认
这不是保守。这是把风险关进笼子里。
不要用"提升效率"这种大词做目标。第一期 PoC 要能验收。比如：
原来 3 小时，现在能不能 1 小时 原来人工整理 100 条，现在 AI 能不能生成 70 条可用初稿 原来查资料 10 分钟，现在能不能 30 秒给出可追溯答案
没有验收指标，就很容易变成老板觉得不错、员工不用、项目不了了之。
哪些数据不能上传？哪些客户信息必须脱敏？ 哪些结果不能直接发给客户？ 哪些系统不能让 AI 直接操作？ 哪些动作必须人工审批？
这些都要先定。因为 AI 能做，不代表它应该做。
个人现在最该做什么？
如果你是技术人员，或者个人创业者，也可以用同样的逻辑。
你不需要先做一个大产品。你要先建立自己的 AI 工作流。至少有三个。
1. 研究工作流 用 AI 帮你持续研究行业、客户、对标和机会。但每次都要让 AI 做反方：这个判断哪里可能错？ |
2. 生产工作流 把你的核心产出固定下来。比如写文章，就固定：选题 → 大纲 → 初稿 → 案例 → 标题 → 发布 → 复盘。 不要每次都从零开始问 AI。要把你的标准、语气、结构、案例库、标题规则沉淀下来。 |
3. 销售工作流 如果你想靠专业能力变现，就不要只发内容。要记录：谁咨询过、他是什么行业、他的问题是什么、有没有预算、下一步该跟进什么、哪些内容打动了他。 很多个人 IP 做不起来，不是因为不会写内容。而是因为内容、线索、产品、复盘没有连成一个流程。 |
最后
Dario 这次访谈里最重要的提醒，不是"软件会免费"。
而是：
对中小企业来说，软件免费不是自动利好。因为工具便宜了，竞争对手也能用。
真正的差距会变成：
谁更懂自己的业务流程 谁有更好的资料沉淀 谁能更快把 AI 接进真实工作 谁能定义清楚验收和边界 谁能让人和 AI 形成稳定协作
对技术人员来说，代码变便宜也不是世界末日。但它会逼你回答一个问题：
答案不会是"更快地写代码"。
而是：
更准确地判断问题，更清楚地设计系统，更负责任地把 AI 产物放进真实业务。
AI 让构建变快了。也让做错东西变快了。
接下来真正重要的，不是谁最快上 AI。
而是谁能先判断：什么值得做，什么不该做，什么必须有人负责。
如果这篇文章对你有启发，也欢迎点赞、关注、转发，帮我一键三连。
后面我会继续拆解：软件公司、程序员和中小企业，如何在 AI 时代重新找到自己的价值点。
参考来源
WSJ 访谈：Watch: Anthropic CEO Dario Amodei From World Economic Forumyoutube.com/watch?v=K7F6ohcBJus
Stanford Digital Economy Lab: Dario Amodei, CEO and Co-Founder, Anthropicdigitaleconomy.stanford.edu
Anthropic 官网：Companyanthropic.com/company
Britannica: The Wall Street Journalbritannica.com
Claude Blog: The founder's playbookclaude.com/blog/the-founders-playbook
