本文是《AI推土机时代》系列的第一篇，AI已经在毁灭旧行业了。

只是万万没想到，首当其冲的居然是码农兄弟。研发出来的大杀器，先铡了自己，仿佛要体验路易十六的人生。

自此以后，ERP、信创、专业设计等软件，再无真正的投资价值。

与硬件相比，软件的竞争力在哪里？

构造出一种难以复制的复杂性之后，以极低成本来收取租金。

这句话有点难，从财务层面更容易理解：

研发完成后，软件几乎没有生产成本；硬件不行。万世收租的行业，谁不喜欢？

“难以复制的复杂性”就是软件的护城河。

当下，AI代码已经可以迅速复制这种复杂性，所以软件的护城河：卒。

这么大的事，可不是我哗众取宠、信口开河，是梁文峰说的。

下图源自可怜的作者周五被盾的文章《梁xx谈话：产业链在毁灭并新生，英伟达真成老登了》。

我只是吐槽了一下，有人拿两个月前的谈话来炒作舆论。被盾是不是证明我说对了？区区被盾，难道我就怕了吗?

是的，惹不起就算了。~(>_<)~

他们都看不起我，偏偏我也不争气。

零、从CUDA说起

软件行业的旧护城河并非被新技术绕过，而是被AI从内部重写了知识的生成与复制成本。

CUDA的壁垒从来不是编译器和API，而是过去十五年沉淀在全球顶尖工程师脑中的隐性知识：特定架构下的tile size选取、warp排布的避障直觉、内存访问pattern的微调手感。

这些从未被论文附录或官方手册完全捕获的活经验，正被大语言模型逐条显性化为权重中的可复制逻辑。

当TileLang这类高级编译层叠加AI生成能力，旧有的编程入口被降格为输出目标，开发者不再需要为英伟达或华为重学一套暗语。

将梁文锋将的逻辑延展至整个科技版图：

Oracle的DBA调参、AWS的API调用链、Adobe的快捷键肌肉记忆，本质上都是同一种“构造复杂性，然后零成本收取租金”的商业模型。

当AI将学习成本逼近零时，租金基础便瓦解了。

但由此腾出的空间并非均衡，而是将竞争焦点推向物理层（制程、能耗）与制度层（实时数据飞轮）。

产业终局从“赢家通吃”收敛为“多极共生”，基模剩三四家，合理利润率下移，编译器与硬件调优掌握新定价权。

基于此既定趋势，以下跳出具体标的，对三类典型软件业态作独立解剖：

一、企业级管理软件（SAP、Oracle 等）

1、软件特点

本质是将特定行业的管理流程（财务、供应链、HR）硬化为代码。

其护城河不在于代码优美，而在于业务流程与组织权力的深度耦合——顾问团队花了二十年教企业做账，实则是把大企业的管理范式强加为行业标准。

其隐性知识藏在异常处理、合规配置和报表定制里，是一种官僚制的数字化化身。

2、被替代的未来

AI将直接理解自然语言描述的经营规则，绕过GUI界面，自动生成适配底层数据库的CRUD逻辑和审计轨迹。企业不再需要购买“套装软件”，而是购买一个能随时生成专属ERP的AI编排层。旧的实施顾问会像当年的打字员一样被边缘化，因为“学会用SAP”的肌肉记忆不再有价值，有价值的是“搞清楚自己要什么规则”——而这回到了古典经济学中的企业家判断力本身。

二、开发者基础设施与云平台（AWS/Azure 及各类中间件）

1、软件特点

其护城河是API的独占调用权与运维的知识诅咒。比如，知道如何调优RDS连接池、如何在Kubernetes里避免内存抖动，这些手感构成了云厂商的定价权。

本质上，这是利用底层硬件的复杂性（网络延迟、存储IOPS）制造上层黑箱，让开发者产生路径依赖。

2、被替代的未来

当AI能根据实时负载自动生成最优的云资源编排脚本，并能跨云翻译API调用时，云厂商的粘性会急剧下降。

基础设施将真正退化为水电，而新的定价权将上移到“定义工作负载意图”的层面。

这并非消灭垄断，而是将垄断从“软件层”推向“编译层与算力层”。

正如材料中梁文锋提到TileLang，如果AI能生成针对不同芯片的优化kernel，那么硬件本身的物理性能（制程、功耗）将成为唯一硬约束。

说到底，物质生产力最终决定上层建筑。

三、专业创意与设计软件（Adobe、Autodesk 及EDA 工具）

1、软件特点

这类软件将物理规律（光影、应力、电磁）与审美直觉封装成交互动作（快捷键、滑块、图层）。

其租金来自于“人机磨合”的时间成本，设计师花几年练出的手速，本质是对软件操作逻辑的动物性适应。

2、被替代的未来

自然语言生成3D模型、AI根据约束条件自动布局电路，将使得操作技能彻底商品化。

这里的“替代”不等于“消灭行业”，而是释放了人类注意力。

未来的壁垒将后撤到物理实体世界的验证环节：比如AI生成芯片版图后，流片成功率的反馈周期（几个月）依然是无法逾越的根本不确定性。因此，这类旧软件会被降维成输出目标，而真正的竞争将围绕仿真模拟的精度与物理实体的良率展开。

四、矛盾论

如果用矛盾论来进行更高层次的分析，旧矛盾（学习成本高）被AI解决后，新矛盾必然在更高阶涌现。

本文说软件的租金收不动了，但不意味着利润消失，而是利润从“符号操作”向“物理操作”与“社会信任”转移。

1、物理层新壁垒

英伟达若失去CUDA租金，必然会加固硬件设计、封装互联、供应链产能的壁垒。

老黄说“每个人都是程序员”，潜台词是“每个人都是算力消耗者”——硬件代工厂（台积电）和能源网络（电力供应）将成为终极收租者。

2、社会层新壁垒

大模型的权重本身可能开源，但高质量、实时、私有的交互数据流将构成新的制度性权力。

拥有庞大C端真实交互场景的机构，哪怕不做基模，将凭借数据飞轮形成“软性的、非编码的”护城河，这更接近于制度经济学中的非正式约束。

最后

最后，我要反思一下本文的逻辑，避免被“AI消解复杂性”的叙事迷惑。

复杂性不会消失，只会向物理实体和时间维度迁移。

软件租金的消散，迫使资本撤离虚拟资产的短期套利，重新逼视漫长的研发周期（如先进制程）和棘手的物理定律（如散热与良率）。

这恰恰印证了古典政治经济学的洞见：真正的价值最终锚定在对自然界的改造效率上，而非对代码符号的排列组合。

对于本文的研究而言，此刻最需警惕的并非英伟达的衰落，而是高估AI替代软件的速度，低估人类组织惯性（路径依赖）与物理反馈周期的滞后性。

旧护城河的水虽在退，但河床裸露后的沼泽，可能比深水区更易让人深陷。