夜雨聆风写出《活着》的余华老师，在镜头前骄傲地宣布自己学会了「本地部署」。而歌手胡彦斌，则在社交媒体上晒出电脑屏幕，配文：「Vibe Coding的都懂这个姿势！修bug在路上……」
评论区里网友神评：「你要的token全拿走，把memory化成空。」
这个画面有一种奇异的错位感。一个是文学大师学AI推理，一个是音乐人用AI写代码。他们跨界跨得理直气壮，跨界跨得上了热搜。
但我盯着这条新闻看了很久，看到的不是「程序员要失业」的焦虑叙事，而是另一个更值得认真聊聊的信号。
一个歌手是怎么「说」出一个APP的
胡彦斌做的APP叫「彦火」，一个面向粉丝的社区平台。
最让人意外的不是这个APP本身，而是他没请外包，没找技术合伙人。他是坐在电脑前，用自然语言向AI描述需求，AI负责写代码。遇到bug，把报错信息贴给AI修复。想加功能，继续用嘴「输出」。他把这个过程比作游戏通关，也像他熟悉的音乐制作——一遍遍打磨，一句句抠细节。
他用的正是OpenAI联合创始人Andrej Karpathy引爆硅谷的编程范式——Vibe Coding。凭感觉写代码。它的核心特征很简单：自然语言即代码，你不需要懂语法或API，直接说「要一个带手机号验证码的登录页」，代码就自动生成。报错了直接甩给AI，告别传统的疯狂搜索。跑通最小可用版本后再做加法，完美契合精益创业的理念。
技术门槛正在从「需要一支昂贵的技术团队」，降维到了「一个人加一台电脑」。
这个变化比我之前以为的来得更快，也更彻底。
全民造应用浪潮：连好莱坞女星都在GitHub狂揽5万星
这股跨界浪潮不止刮到了娱乐圈。
《生化危机》系列的女主扮演者Milla Jovovich，因为苦恼于AI助手总是「记不住」之前的对话，和工程师老友一起用Claude Code搞出了一个名为MemPalace的开源AI长期记忆系统。这个项目在GitHub上狂揽了超过5万颗星，尽管它存在一些工程上的硬伤，团队也公开道了歉，但它的影响力已经足够惊人。
一个动作女星，从自身真实痛点出发，用AI主导了一场前沿的技术实验。
这不是孤例。
70岁的大爷用AI做了一个记账APP来管理退休金。义乌的小商品商家做出了多平台订单同步的库存管理工具。一个中学老师做出了自动识别手写答案并评分的批改助手。一位全职妈妈做出了根据宝宝月龄推荐搭配的辅食APP。
这些具体的、细碎的、无法支撑百万用户的「小痛点」，在过去根本不具备雇佣技术团队开发的商业价值。但现在，技术的权利被下放了。
就像15世纪欧洲的古登堡印刷机。在印刷机发明前，只有10%的人识字，读写是被少数人垄断的特权。而如今，「写软件」正在变得像「发短信」或者「用Word」一样，成为一项彻底民主化的基础技能。
「懂行」才是那个值钱的东西
我看到这篇文章里引用了一句话，来自Claude Code创始人Boris Cherny。
他说：「最好的会计软件，编写者可能甚至不是工程师，而是一位优秀的会计师——因为编码是容易的部分，懂行才是关键。」
这句话戳中了我。
在AI编程工具越来越强大的今天，代码写作正在被大规模替代。一个有业务洞察的人，用自然语言描述清楚需求，AI就能生成一个可以跑起来的软件。真正稀缺的，已经不是写代码的能力，而是知道「要什么」的能力。
你得知道一个粉丝社区需要什么功能，知道什么样的交互体验是好的，知道什么样的功能优先级更高。这些东西不是代码能力，而是行业认知、业务理解、用户共情。
会写代码的人，一抓一大把。但真正懂一个行业、懂一群用户痛点的人，永远是稀缺的。
所以「懂行」比「懂代码」更值钱，这个判断我相信是对的。
但我今天想聊的不是这个
说到这里，大部分文章会停在「程序员要转型做业务专家」这个结论上。话是没错的，但我今天想聊一个更绕不开的问题：
AI编程这么强，是不是真的可以替代软件工程师了？
我的答案是否定的。不是因为代码能力有多难被替代，而是因为AI编程本身有一个被很多人忽视的边界问题。
我干了二十年的信息化，做过开发，带过团队，后来做医疗行业的AI转型落地。见过太多的情况是，一个需求丢给AI，AI哗哗写出一千行代码，看起来像那么回事，跑起来却到处是坑。边界情况没考虑到，系统架构是混乱的，扩展性是没有的，数据一致性是存疑的。
AI写代码是快的，但写对代码是慢的。写对一段代码是快的，让一整个系统在真实业务环境里稳定运行是慢的。
这不是AI的问题。AI在单点任务上已经强到没话说。但软件的复杂度不只是代码量的复杂度，它是业务边界、异常处理、并发安全、可扩展性、可维护性的综合体。这些东西需要一个人在真实业务场景里反复打磨、反复踩坑、反复修正，才能慢慢建立起来。
AI可以帮你写一段代码，但它没办法帮你建立一个复杂系统的全局视角。
失控的AI，需要工程思维来驾驭
我看到过太多这样的例子。
一个人用Vibe Coding模式开发了一个内部工具，最开始跑通了，很兴奋。然后用户量从10个人增长到100个人，系统开始频繁崩溃。去找AI修bug，AI说这里加个缓存，那里加个队列。照做了，短暂稳定了一段时间。然后用户量到1000，系统彻底崩了。这时候才发现，整个架构从一开始就是有问题的，小修小补根本解决不了根本问题。
问题出在哪里。
问题出在最开始的时候，没有一个人有能力、有经验来判断这个系统应该用什么样的架构来承接业务的增长。AI也不知道，因为它只处理你提的需求，而你不具备判断「这个需求背后还有哪些我没看到的风险」的能力。
这就是我说的「边界失控」。
AI编程能力再强，它也是一个被需求驱动的工具。你提不出你认知之外的需求，你看不到你经验之外的盲区。如果一个人对软件工程没有足够的理解，他用AI开发出来的软件的上限，就是他自身认知的上限。而这个上限，通常比他以为的要低得多。
所以我自己的判断是，AI编程极大降低了做软件的下限，但真正决定一个系统高度的，还是那些资深工程师。他们懂业务边界，懂系统架构，懂什么时候该加缓存，什么时候该做异步，什么时候该重构。他们是那个帮AI踩刹车的人。
对于个人工具、小型应用、Vibe Coding模式完全可以搞定。但对于复杂系统、核心业务系统，我还是建议让资深工程师来承担，而且是要具备AI驾驭能力的那种资深工程师。
单纯的代码能力不够了，但单纯的业务理解也不够。你得两样都有，或者两样都有的人在你的团队里。
每个人都可以是创造者，但创造的质量参差不齐
回到胡彦斌。
他用一个月做出了彦火，这个事本身是值得尊重的。他没有技术背景，却能用AI工具把想法落地，这本身就是一种能力。
但我也在想，如果他要做的是一个日活百万的粉丝社区，是一个需要支付、对接第三方服务、处理高并发的复杂系统，事情还会这么简单吗。
AI是强大的杠杆，但它放大的不是一个人的全部能力，它放大的是一个人的认知边界和判断力。
你懂多少，AI就能帮你做多少。你不懂的，AI也帮不了你，甚至会在你看不见的地方挖坑。
这不是唱反调。这是我看到很多团队在AI转型过程中踩过的坑，回过头来总结的结论。
结尾
胡彦斌用一个月「说」出一个APP，向我们展示了创作工具民主化的终极形态。
就像曾经制作音乐需要百万级的录音棚，如今一台装有Logic Pro的电脑就能搞定全流程一样。Vibe Coding，就是应用开发领域的「Logic Pro」。
它让每个人都可以是创造者。
但「可以」和有质量，是两回事。
真正能走远的创造，靠的不只是工具的强大，还有一个人对业务的理解、对工程边界的敬畏、对系统稳定性的追求。
工具民主化了，能力不平等。
这是AI时代最真实的课题。
