当软件像自来水一样流出来--能力越便宜,需求越汹涌

当软件像自来水一样流出来——这个系列的收官

价值上移、能力炸裂、便宜开源——前五篇我们一路走来，其实都在指向同一件事：可用的智能，正在像拧开水龙头一样源源不断地流出来。这是收官篇。当水龙头真的拧开了，最该想清楚的，反而是那个最朴素的问题：然后呢？

先把前面这条线快速收一下。第一篇说，工作从"写 prompt"挪到了"写 loop"；第二篇，模型强到"只活三天"；第三篇，能力便宜到"开源给所有人"；第四、五篇，我们聊了怎么"验"、怎么"带一支 AI 小队"。把它们叠在一起，一个画面就浮出来了。

一、一句话起头

AI 研究者 Andrej Karpathy 用过一个特别传神的说法。他说：当能用的软件开始像拧开水龙头一样源源不断地流出来，他反而感到自己对软件的需求在猛涨。

这背后，是一条很老的经济学规律。

十九世纪，经济学家杰文斯发现了一件反直觉的事：蒸汽机用煤的效率提高了，煤的消耗不降反升——因为用得起的人和场景，一下子多了起来。

这就是杰文斯悖论：当一样东西变得更便宜、更好用，总需求往往不是减少，而是爆炸式增长。

今天的 AI 正在原样重演这一幕。当一个前沿模型可以开源下载、还只要零头的价钱（比如同档容量约 1/6 的定价），"用 AI"这件事的门槛被一脚踏平。于是原本"不敢想"的用法——给每封邮件配个助手、给每个小工具配段代码、给每件杂事配个 agent——会突然变得理所当然。

水龙头拧开后，大家不是少用水，而是开始到处用水。

退一步看整条线，会发现它一直在说同一件事——价值在系统性地上移。

第一篇：从"自己把事做完"，到"设计一个能把事做完的 loop"。第二、三篇：能力本身在飞涨、又在变便宜，"做得出来"越来越不稀缺。第四、五篇：于是稀缺的东西浮上来了——会定义"什么算对"（验证），会"带一支队伍把事做成"（编排）。

一句话：当"动手做"越来越不值钱，"想清楚要什么、并搭出一套能反复把事做对的系统"，就越来越值钱。

如果你不写代码，这条线是不是就跟你无关？恰恰相反，它说的是一个对所有人都成立的转变。

亲手写一封邮件、做一版报表、跑一遍流程——这是"坐在 loop 里"，这部分的价值会越来越快地被抹平。而想清楚这件事的目标是什么、什么算合格、哪一步要有个能说"不"的关卡、跑偏了怎么自动停——这是"写 loop"，这部分会越来越值钱。

水龙头流出来的是水，但决定拿这些水去浇什么、怎么浇、浇到什么程度算好的，依然是人。

收官之前，得泼一盆温柔的冷水。

时间线上的热闹，和地上的收据，往往差着一截。Gartner 把 agentic AI 放在了"期望膨胀的顶点"，真正把它用到生产里的组织，大约只有 17%。最强的模型可能上线三天就被按下暂停键，没有护栏的自动化也可能烧出天价账单。

所以这条线真正的成熟，不是"全都交给 AI"，而是学会一边用它的力，一边给它装上刹车：把意图钉死，给它一个会说"不"的东西，给它能停下来的边界。

把整个系列收成一句话——

工具变了，能力炸了，价钱塌了，方法也清楚了。水龙头，已经实实在在地拧开在你面前。

剩下的问题，技术替你回答不了，只能你自己回答：你打算拿这股水，去做一件什么样的事？

谢谢你读到这里。这个系列到这儿就收官了——但属于你的那个 loop，才刚刚开始。

本文涉及的引述与数据（Karpathy 的"水龙头"比喻、杰文斯悖论、约 1/6 定价、Gartner 17% 等）均来自 2026 年公开资料与本系列前文，引用前请以原始出处为准。