上周和跟之前的同事聊天，他们公司是做软件外包，公司和个人大家都很焦虑，最近因为社保政策导致成本上升20%左右，这块业务越来越没有空间。大家也聊到AI开发这个事，去年公司是让大家尝试，现在是大家必须用AI开发。
最近这一年，整个行业，特别是程序员群体都在经历一种奇怪的心理震荡。一边是 AI 编程工具越来越强——代码生成、单元测试、Bug 排查，样样都能干；另一边是“程序员即将失业”的论调越来越响。逻辑似乎很通顺：软件开发等于写代码，AI 能写代码，所以软件开发不再需要专业门槛，程序员这个职业迟早消失。公众号，视频上也有各种宣传软件日抛的概念。个人的看法是：AI 降低了软件开发的专业感，但并没有降低软件的专业性。真正在发生的，不是“AI 让软件生产消失”，而是 AI 把软件行业从“以代码生产为中心”推向了“以系统构建、运行与演化为中心”。过去，这个行业最稀缺的是编码能力。往后，最稀缺的会变成对复杂系统的建模能力、架构能力、运行能力、治理能力和演化能力。一、写代码和建系统，是两件完全不同的事
以前学编程的人脑子里都有一条清晰的因果链：不会编程就写不了代码，写不了代码就做不出软件。AI 出现以后，这条链断掉了。自然语言经过 AI 处理可以直接变成代码，再生成一个能跑的原型。现在确实有很多没有计算机背景的产品经理或个人，花一个下午就搭出了一个像模像样的数据看板，做个网站，搞个小应用，搞个游戏。这种体验很顺滑，顺滑到给人一种错觉：原来软件开发就这么简单。但这个感觉把两件事搅在了一起。一件叫软件生产——把意图翻译成计算机能执行的语法符号。另一件叫软件工程——在一堆约束条件（性能、成本、安全、并发、可扩展性、可用性）下，构建一个复杂系统并让它长期稳定运行。AI 确实把第一件事的门槛打下来了。但它对第二件事的影响恰恰相反——门槛不仅没降，反而更高了。原因不复杂：AI 越能让代码生成趋近于零成本，市面上就会涌现出越多软件，这些软件之间互相调用、互相依赖、互相冲突，整个系统的总复杂度呈指数级往上翻。而治理这种复杂度，需要的恰恰是更深厚的工程功底。所以有一个反直觉的判断值得先说在前面：写软件越来越容易，但做好软件越来越难。二、过去三十年，代码是硬通货
要理解现在发生的事，得先看清楚过去三十年软件行业到底在靠什么赚钱。简单说，就是以代码为中心。一家软件公司的核心资产就是三样东西：程序员团队、Git 代码库、技术栈。业务需求过来，产品经理写 PRD，架构师画设计图，程序员一行一行手写代码，测试、编译、部署。在这个过程中，代码是整个行业最高的一堵墙。人的脑子能记住的语法规则、数据结构、API 调用方式都是有限的，整个行业八成以上的工时都耗在了“手工打造语法符号”上。所以过去软件行业本质上是一个以个人编码能力为核心生产力的行业。代码贵，供给就少；供给少，会写代码的人就值钱。AI 带来的最根本的冲击，不是让程序员少敲几下键盘，而是代码的边际生产成本正在急剧下降。代码正在从一种核心资产，变成一种大模型可以大量生成的中间产物。就像编译器出现以后，没人再手写汇编了——AI 大模型现在正在把人类从 Java、Python、C++ 的语法绑定里解放出来。代码本身不再稀缺了，稀缺的东西正在往上游转移。三、系统的复杂度，AI 消除不了
这里有一个很容易被忽略的细节。AI 可以在十分钟内帮一个小白生成一个看起来功能完备的 CRM 系统或者智能体 Demo。但从 Demo 到真正能用的企业级系统，中间的距离不仅没有缩短，反而在拉长。为什么？因为现实世界的复杂性不会因为 AI 的出现就自动消失。一个真实商业环境里跑的软件，得面对高并发下的事务一致性怎么保证，分布式系统里状态同步怎么处理，第三方 API 宕机了系统怎么优雅降级，越权漏洞和注入攻击怎么防，数据隐私合规怎么满足，偶发性异常怎么追溯调用链路，新旧业务规则重叠的时候怎么在不停机的情况下完成数据迁移和架构演进。AI 可以轻松帮你写一万行代码，但它没法替你解决任何一项物理世界和商业世界固有的复杂性。而且，当写代码变得极其便宜之后，一个连锁反应就启动了：软件构建门槛降下来，软件供给量爆发，不同软件之间开始大量交叉集成，整个系统的总复杂度指数级上升。以前要操心的是一个系统的内部逻辑，以后要操心的是几十个系统搅在一起的耦合关系。这才是真正考验功夫的地方。四、从写代码的人，变成画蓝图的人
当 AI 随时能吐出代码块的时候，软件工程师的核心能力正在从“会写”变成“会想”。以前衡量一个好程序员的标尺，是看他对某门语言的语法特性熟不熟、内存管理遛不遛、设计模式用得巧不巧。往后，这些技能的相对价值会持续下降。取而代之的是一套完全不同的问题域：系统里应该有哪些核心实体？它们之间的生命周期和绑定关系是怎样的？哪些是应该持久化的状态，哪些只是瞬间发生的事件？系统的边界画在哪里？哪些能力对外暴露、谁有权限调用、某个模块挂了怎么隔离不让它拖垮整个系统？API 契约和领域模型要怎么设计，才能扛住未来三年的业务变化？这些东西，AI 目前还帮不上太多忙。因为它需要的不是写出正确代码的能力，而是对业务和系统进行抽象建模的能力。软件工程师的角色变化，用一句话说就是：从搬砖写代码的执行者，变成了画蓝图、定规约的系统建筑师。随着 AI 智能体（Agent）和自适应系统越来越多地进入软件架构，专业性正在经历第二次转移——从静态架构，转移到动态运行时。传统软件的逻辑是：用户点击，UI 响应，执行预置逻辑，更新数据库，返回结果。系统本质上是一个被动的响应器，一切行为都在编译期就定好了。但 AI 原生的软件不太一样。它自己会感知事件、分析上下文、做推理、调度工具、执行动作、完成状态迁移。它是有持续目标和记忆的主动系统，不是等着人点的工具。当软件系统里塞满了能自主推理、自己选工具、甚至自己生成子步骤的 AI 智能体时，以前那种静态的架构设计图已经兜不住系统的复杂性了。你没法靠一张 UML 图保证一个包含非确定性元件的系统在运行时的行为是安全可控的。软件工程最难的那道题，从“怎么把系统搭出来”，彻底变成了“怎么让系统在运行中始终正确、安全、可控”。五、从应用时代，进入运行时时代
过去三十年，我们习惯把软件理解为一个一个的应用。一个应用就是一堆功能的集合体，最小单元是函数和方法，流程是写死的工作流，数据老老实实躺在静态数据库表里，交互主体是人，入口是图形界面，核心是代码和业务逻辑。往后看，软件的最小单元将不再是函数，而是系统能力——一个可以被调度、被组合、被替换的独立功能模块。流程不再是提前画好的固定路线，而是系统根据当前状态和上下文动态编排出来的路径。数据不再安安静静地躺在表里，而是变成持续流动的上下文和运行时状态。交互主体也不再只是人，而是人、AI 智能体、物理机器人混在一起协同。入口从图形界面变成了意图接口、API 调用和事件触发。系统的核心从代码逻辑变成了治理、约束、记忆和状态引擎。“应用”这个概念本身正在被解构。软件不再是那个堆满功能的大块头，它变成了一个由状态引擎、能力池和推理引擎拼起来的动态自治环境。这个变化传导到行业层面，已经催生了三种看得见的结构性变化。第一个是生产成本急速下降，供给量爆发。编码、测试、文档、原型生成的成本成倍往下掉，软件产品的供给量指数级往上走。基础的增删改查工具、管理后台、简单小程序，边际价值已经在迅速归零。第二个是同质化加剧，代码资产在贬值。过去企业攒了很多年的通用代码库和基础框架，在大模型面前不再构成有效壁垒。如果一家公司最核心的竞争优势仅仅是“写过某种特定业务的代码”，那它的护城河正在被迅速填平。第三个是 SaaS 的商业模式正在被撬动。传统 SaaS 按人头账号收订阅费，这个模式的前提是使用软件的主体是人。但当软件的消费者越来越多地变成 7×24 小时不间断运行的 AI 智能体时，按人头收费的逻辑就不成立了。SaaS 产品将不得不从“卖工具界面”彻底转向“卖最终业务结果”，按成果定价。交互方式也在变。传统软件要求人去适应它——学菜单、记路径、逐级点击。而在运行时时代，交互入口正从复杂的图形界面变成意图接口。你不需要登录 CRM 去填表单、走审批流、选状态下拉框，只需要说一句话：“把客户 A 从流失风险状态恢复到正常续费状态。”剩下的——识别客户当前上下文和风险评分、拉取历史合同、唤起客服智能体发送针对性的关怀策略、触发优惠券系统生成专属折扣、更新状态、生成审计日志——全由系统在后台自动调度完成。这不再是传统的应用交互，这是状态驱动的运行时协作。六、未来软件公司的五个层次和三种活法
当代码被大规模商品化之后，真正能建立壁垒的东西会沉淀到五个层次上。最底层是领域深耕。对某个行业的物理环境和商业运行逻辑有深入骨髓的理解——高端制造的工艺流程、复杂金融衍生品的结算规则、医疗行业的合规体系。这些知识 AI 没法凭空生成，只能靠人在行业里长期泡出来。往上一层是系统建模。把领域知识抽象成精准的对象、状态、事件和约束关系。这一步是从“懂业务”跨到“能建系统”的关键。再往上是运行引擎。搭建一套高可靠性、高安全性、可观测的自适应运行环境。这是让软件真正“活起来”的基础设施。接着是异构执行。打破软件和物理环境的边界，在同一套调度体系下协同人类、AI 智能体、传统软件和物理机器人。最顶层是自我演化。系统能在持续运行中收集反馈，在安全边界内自动升级规则和模型，而不是每次都要推倒重来。基于在这五个层次上投入的深度不同，未来的软件公司大致会分化成三类。第一类是代码生成型公司，做代码辅助、自动化测试生成这类提效工具。竞争会很激烈，因为底层大模型的能力在不断往上集成，随时可能直接覆盖掉它们的功能。同质化和价格战很难避免。第二类是场景应用型公司，聚焦垂直场景，比如 AI 财税、AI 法务审核、AI 研发管理。能不能活好，取决于对特定领域的理解有多深，以及能不能从“提效工具”快速变成“闭环结果交付者”。客户买单的不是工具，是结果。第三类是运行时基础设施公司。它们做的是 AI 时代的“操作系统级”基础设施，解决智能体怎么长期稳定运行、状态怎么管理、安全约束怎么硬化、异构系统怎么协同这些底层工程问题。这类公司处在价值链的顶端，是未来最有可能长出新一代平台的地方。回顾计算行业的演进，每一次底层计算方式的转移都伴随着基础设施的重构。PC 时代，操作系统管的是 CPU、内存和硬盘，Windows 和 Linux 是软件运行的底座。移动时代，操作系统管的是传感器和移动网络，iOS 和 Android 成了底座。云原生时代，操作系统管的是分布式集群和容器，Kubernetes 和云基础设施成了底座。到了 AI 时代，操作系统的内涵正在升级为企业级运行时。在新的技术栈里，最下面是云计算和算力芯片，往上是基础大模型和推理引擎，再往上是能力调度和智能体运行时，最上面是企业运行系统，直接对接物理环境和企业业务。企业级运行时将成为企业运行的数字中枢，承载战略意图的编译、能力的实时调度、状态的无缝跃迁和全流程的安全治理。七、程序员不会消失，但“写代码的手艺”正在贬值
聊到这里，可以正面回答那个让很多人睡不着的问题了：程序员到底会不会失业？纯粹的技术搬运工——就是那种主要做简单增删改查、机械复制 API 调用的岗位——确实在被替代的路上。但整个软件工程的人才价值链，正在发生一次大规模的分化，而不是萎缩。至少能看到六个明显的方向。AI 软件构建师，善用 AI 工具链快速出原型和验证方案，重心在业务快速试错上。系统架构师，专注大型复杂系统的对象建模、解耦设计和接口契约制定。运行时工程师，钻进智能体运行环境、分布式状态一致性、高并发治理和自愈机制这些深水区。AI 基础设施工程师，专攻大模型推理加速、向量检索、智能体调度框架的底层优化。领域建模工程师，把特定行业的纵深知识翻译成精准的系统领域模型。企业架构师，把企业战略转化成运行时规则，治理人机协同流程。总之一句话：淘汰的是写代码的手艺，升值的是定义问题、设计系统、治理复杂性的能力。八、终极的稀缺品
当代码生产无限趋近于零成本之后，软件工程面对的那道核心问题彻底变了。以前问的是“你能不能把它造出来”，以后问的是“它能正确、安全地运行并且持续进化吗”。第一是正确性。大模型输出是非确定性的，怎么确保存储和状态更新百分之百准确？第二是可靠性。网络抖动、模型幻觉、第三方服务宕机，系统怎么维持高可用？第三是治理与安全。怎么确保智能体的动作不越权、不泄露隐私、不造成不可逆的后果？第四是安全进化。系统规则开始自我迭代的时候，怎么保证不破坏历史的兼容性和业务的基线？软件工程这门学科，在 AI 时代回到了它本来该在的位置上。它从来不是一门关于“生产”的学问，而是一门关于“复杂性治理与确定性保障”的学问。AI 只是让这个本质变得更难回避了。九、软件角色的升维
把时间轴拉长，过去半个世纪软件在人类社会里扮演的角色一直在往上升。最开始是记录——把业务事实记下来，ERP、CRM 干的就是这件事。然后是分析和理解，大数据和 BI 报表的时代。再往后是参与决策，AI 开始做局部推理和判断。接着是自主执行复杂动作。然后是直接运行物理和商业现实——生产线的调度、供应链的流转、电力的分配。最终的方向是驱动系统自我进化。这条轨迹和企业信息化、数字化的演进路线是重合的，最终都汇到了一个方向上——企业动力学（Enterprise Runtime Dynamics，ERD）。IT 时代记录历史，DT 时代分析关联，AI 时代理解意图并参与推理，Runtime 时代实时控制和运行企业业务流，ERD 时代建立企业级的自治运行环境，让企业像生命体一样实现状态跃迁和自我演进。三个问题把这条脉络串了起来。过去问的是“怎么把业务数字化”——那是记录时代的思路。现在问的是“怎么让 AI 参与业务”——那是提效时代的思路。往后要问的是“怎么让软件系统本身成为企业持续运行和进化的数字生命体”——这才是运行时的思路。结语
AI 终结的，是把“敲语法符号”当成核心壁垒的那个旧时代。AI 开启的，是把“系统架构、运行时治理、持续演化”推向极致的新阶段。代码趋近于零成本了，但现实世界的复杂性一点没少。恰恰相反，软件供给越充沛，互相之间的缠绕就越复杂，需要治理的东西就越多。软件工程不是在走向终结，而是在经历从业以来最深刻的一次能力升维。以后我们看到的软件，大概不会再是躺在磁盘里的静态代码，也不会是等着人点来点去的孤立应用。它会更像是一个穿透数字和物理环境、自己感知、自己判断、安全运行、持续进化的自治系统。而在这场变化里，真正说了算的，永远是人——人对现实环境的理解有多深，对复杂系统的建模有多准，对运行机制的设计有多巧，对系统往哪走的方向感有多稳。软件工程从来没有变过。它一直是一门关于“确定性”的手艺。只不过这一次，我们要在不确定性的汪洋里，把确定性建出来。回头开头，我跟同事分享了我个人的理解，过去三十年，行业做了面向记录的ERP，未来三十年市场会更大，是面向运行的ERP；过去三十年行业在做面向人用的ERP，未来三十年是面向AI使用的ERP。
夜雨聆风
