夜雨聆风在这个人人都能口喷写代码的时代，之前的软件服务商该何去何从？普通人和小微企业又有什么机会？
以前，许多小商户甚至中小企业，因为软件团队成本太高，对自己开发一套系统或者软件服务望而却步，只能选择把数据托管到软件服务商的数据库里，或者花更高的成本购买私有化部署和后续维护服务。
但现在不同了。
AI 让软件开发成本开始直线下滑。
我们公司就是一个很好的例子。
以前一年大概要花 15 万左右的软件服务费用，包括项目管理工具、 CRM 、 ERP 等各种系统。
而现在，只需要一个产品负责人、一套 Vibe Coding 工具，再加一个开发，两个月内就能上线稳定运行。平均下来，一个系统的上线周期大概在 2 周左右，而且这还是从日常工作里抽调出来做的临时任务，对公司来说几乎约等于零额外成本。
上图是我们之前用的项目管理工具 Tappd (相当之难用)
而这是我们产品两个星期利用 AI 开发完并正式投入使用的项目管理系统, 有些粗糙但完全够用, 并且把之前所有的数据全都无痛迁移了过来, 甚至打通了企微的生态, 利用企微应用做状态通知提醒;
或许又有人会说：
“Token 成本还不够发工资的！（狗头）”
“笑死，上线出 Bug 结果没人会修！”
“AI 开发完我还得花几倍时间去改！”
其实总结下来，无非就三个问题：
一个是钱的问题。
一个是时间成本的问题。
另一个是可维护性和可用性的问题。
我们先来看第一个。
钱的问题
说实话，我觉得这是最不需要担心的。
我们就按现在最贵的 Claude Opus、GPT来算。
我们公司开的额度是 100 美元一个月，换算成人民币也就六七百块钱。
按照我们的使用情况来看，这个额度跑 2-3 个中型项目完全没什么问题。
另外这里可能还有一个误区。
很多人会问：
为什么不用国产的？一个月 60 块不是更便宜吗？
这里面的逻辑其实是：
很多时候，越贵反而越便宜。
模型不像招人。
人会包装自己、会吹牛、会抬高身价，所以贵的不一定好。
但模型不同。
模型贵，通常意味着智能程度更高。
单位时间内解决的问题更多，完成的任务更多，返工次数更少。
效率直接拉满。
当你把这点成本和需要养活的团队，或者动辄几万几十万的软件定制费用放在一起比较的时候，答案其实已经很明显了。
时间成本的问题
再来看第二个问题。
原本一个人可能只负责流程中的一个环节。
现在，一个人已经能完成过去一整个团队的大部分工作。
以前产品经理可能就是写需求、跟进开发进度。
现在 Claude Code 直接多开并行任务。
使用 /init 读代码。
使用 /goal 设定目标。
使用 /loop 自动循环执行任务。
然后让 AI 自己跑几个小时，再回来验收成果。
过去一个月的开发周期，现在很多时候 1-2 天就能完成。
所以如果现在还有人在说：
“AI 开发完我还得花几倍时间去改。”
那我只能说：
用用好的吧。
可维护性的问题
最后一个问题。
AI 干出来的东西，到底好不好维护？
这个问题我一开始也有疑问。
直到有一次我把代码源文件拿给开发同事看。
他说：
“比人写的规范工整。”
是的。
所有注释、命名、格式都清清楚楚。
反而没有以前那种离开某个程序员，就担心系统没人能接手的风险。
而且 AI 还能 24 小时监控日志。
发现问题直接修复。
小问题自己改。
大问题通知你审核。
没错，我们甚至把 Claude Code 直接部署在生产服务器上。
接上 DeepSeek V4 Pro 或者其他能力足够强的模型。
写好项目规范、约束条件和权限边界。
或者换个说法：
其实就是在不断完善 Harness Engineering 。
经过调教后的国产模型，搭配 Claude Code 和成熟的 Harness Engineering 运行框架，对于处理日志异常、自测发现的问题或者常见 Bug 来说，已经绰绰有余。
如果有些问题它处理不了，也可以自主调用工具，在办公软件上通知你。
小问题直接改。
大问题来审核。
我觉得这才是真正解放生产力的工作方式。
另外，现在很多模型的上下文都已经突破 100 万 Token 。
再加上上下文管理工程。
对于 AI 来说，连续跨文件、跨模块甚至跨仓库读代码已经不是什么难事。
所以那些说看不懂 AI 代码的人。
排除编码能力本身的问题，其实完全可以让 AI 帮你读代码。
很多时候，它读得比你快，也解释得比你清楚。
软件服务商该怎么办？
所以问题来了。
当越来越多的小微企业都能在内部定制一套完全符合自己业务流程的系统。
当越来越多的普通人都能把自己的创意和想法直接变成产品。
软件服务商应该怎么转变？
我自己的答案很简单。
软件服务商大概率会向 Forward Deployed Engineer （ FDE ，前沿部署工程师）转变。
直接驻场在客户公司里。
理解业务。
梳理流程。
把业务需求直接转换成验收可用的服务和产品。
过去卖的是软件。
未来卖的可能是“把业务快速变成软件”的能力。
而对于普通人来说也是一样。
通过 AI 快速学习 AI 。
不要再迷信各种所谓的培训班了。
AI 时代最好的学习方式就是实战。
在真实问题里学。
在真实项目里学。
在不断交付和踩坑里学。
这些经验，远比课程里的知识牢固得多。
不要再被各种机构和贩卖焦虑的文章干扰。
最好的老师，永远是真实的问题本身。
最后
很多人以为， AI 时代最大的变化是程序员写代码更快了。
但我认为并不是。
真正的变化是：
软件第一次开始像语言一样被创造。
过去，人和机器之间隔着代码。
未来，人和机器之间只剩下需求。
当一个想法从诞生到落地，不再需要庞大的组织、漫长的开发周期和高昂的试错成本时，生产力的边界就被重新定义了。
而每一次生产力边界被打破的时候，最大的机会，往往都不属于旧时代的巨头，而属于最先适应新时代的人。
因为未来最重要的能力，可能不再是会不会写代码。
而是你能不能把自己的想法清晰地表达出来，并借助 AI 把它变成现实。
如果觉得这篇对你有点用， 麻烦点个关注或者点个赞， 真的会给我很大的鼓励， 也是我继续写下去的动力。
我想做的， 就是把自己摸索 AI 的过程一点点写出来， 让技术离普通人再近一点。
下篇见。
