最近有两个现象放在一起看，特别值得玩味：

一边是AI IDE飞速迭代，一个熟练使用者配合Cursor、Claude Dev 等，就能覆盖过去一个小开发团队的产能，行业里"代码不值钱""纯开发岗位收缩"的声音不绝于耳；另一边是特斯拉FSD国内买断价超6万元，海外全面转向订阅制后软件业务毛利超过80%，而国内绝大多数车企的高阶智驾都在免费赠送，仿佛软件真的只是硬件的附属品。

两个结论看似矛盾，实则指向同一个正在发生的产业真相：软件的价值从来没有整体贬值，它只是在发生剧烈的迁移——中间执行层正在快速坍缩，产业价值正不可逆地向两端集中。但这个过程不是简单的"中间清空、两端堆积"，而是一个旧中间层坍缩、新中间层生成的动态过程。

一、中间层坍缩：被AI归零的"翻译成本"

我们之所以会产生"软件不值钱"的体感，本质上是看到了"翻译层"的价值崩塌。

过去几十年，软件开发的核心人力成本，始终围绕一件事：把人类的业务意图，翻译成机器可执行的代码。从产品经理写PRD、架构师做设计，到开发编码、测试验证，整个链路本质上都是在做"语义翻译"——把模糊的自然语言需求，逐层拆解成精确、无歧义的机器指令。

AI IDE真正击穿的，恰恰是这个翻译环节。它不是简单替代了初级开发者，而是直接降低了"需求→代码"的转换成本：只要需求足够清晰、规则足够明确，大模型就能以趋近于零的边际成本完成编码、调试、重构工作。

这也解释了为什么国内智驾会陷入"免费内卷"。城市NOA、自动泊车、车道居中这些功能，本质上都是可被清晰枚举的"功能清单"。当供应链方案趋同、基础大模型能力通用化，所有车企都能快速把这些可描述的功能做出来，差异化会迅速消失。当一项功能可以被清晰定义、快速复刻，它就必然会从溢价项变成标配项，最终沦为硬件的免费赠品。

所有可以被自然语言精确形式化的功能，最终都会走向廉价。这不是软件的贬值，是翻译劳动中可形式化部分的价值归零。

但这里有一个容易被忽略的反面：中间层不等于翻译层。AI在消灭旧中间层的同时，正在创造新的中间层——AI编排、模型微调与评测pipeline、RAG系统构建、agent工作流设计。这些能力既不属于"业务语义定义"，也不属于"物理系统闭环"，但它们正在形成新的高价值地带。编译器替代了汇编，框架替代了手写HTTP处理，每次自动化冲击都消灭了旧中间层，也催生了新中间层。这次不同的是速度和规模，不是方向。

二、左峰：壁垒不在"AI做不到"，在"AI不担责"

很多人由此得出"懂业务的产品经理最值钱"的结论，方向正确，但深度不够。

真正的价值极点，不是"梳理业务流"的执行能力，而是将行业隐性知识显性化、将模糊商业痛点结构化的语义定义能力。客户的真实需求从来不是现成的、清晰的。企业内部的流程是混乱的、充满例外的、甚至自相矛盾的；行业的痛点是隐性的、散落在各个环节的、无法直接翻译成系统功能的。普通产品经理做的是"需求转述"——把客户说的话画成原型、写成文档；而高价值的产品工作，是"业务重构"——深入行业本质，把客户说不清、道不明的隐性知识，提炼成一套精确、自洽、可执行的系统规则。

但这里需要纠正一个常见的论证偏差。很多人把左峰的壁垒归结为"AI无法发现真正的问题""AI无法在多个业务目标间做权衡"——这是当前的快照，不是结构性限制。AI辅助需求分析、业务流程建模、trade-off评估的能力正在快速进化，把AI当前的能力边界当作永久壁垒，是危险的。

左峰真正的结构性壁垒，不在于"AI做不到"，而在于"AI不担责"。

业务定义权的核心价值，不在于定义本身有多精妙，而在于有人愿意为错误的定义承担商业后果。AI可以辅助定义，可以生成方案，可以列出利弊权衡，但它无法承担定义错误带来的损失——客户不会起诉一个模型，合作伙伴不会向一个算法追责。只要商业决策需要责任主体，只要错误定义的代价需要有人兜底，"愿意且能够承担定义后果"本身就是一种不可被技术进步消解的壁垒。

三、右峰：物理世界的壁垒，不是一个峰，是三种机制的合集

如果说左峰回答了"为什么懂业务更值钱"，那特斯拉FSD的高溢价则指向了价值的另一极：与物理世界深度绑定的系统级能力。但如果把所有"绑定硬件"的软件都归入同一个峰，就会掩盖它们截然不同的壁垒机制。

第一种是数据闭环型壁垒。FSD的核心价值不在那几百万行代码里，而在几千万台车辆跑出来的百亿公里真实数据、自研超算集群、整车电子电气架构与工程化验证体系。这是一套"硬件感知-数据采集-模型训练-部署验证-数据回流"的完整闭环。AI越强，对数据规模和算力的要求越高，头部效应越明显。这种壁垒会随AI发展持续强化。

第二种是生态锁定型壁垒。核心数据库、操作系统的壁垒不是"物理世界交互"，而是几十年的工程打磨积累的兼容性、数以万计的适配应用、庞大的开发者社区和迁移成本。用户不换不是因为替代品技术不行，是因为迁移代价太大。这种壁垒与AI无关，与网络效应有关。

第三种是领域知识沉淀型壁垒。工业软件（CAD/EDA/CAE）的壁垒是行业Know-how的深度嵌入、标准话语权、以及与具体工艺流程的深度耦合。它既不是数据闭环，也不是生态锁定，而是行业认知资产的工程化沉淀。

把这三种性质完全不同的壁垒打包成一个"右峰"，表面上宏大，实际上削弱了对每个领域具体机制的分析。

回到特斯拉的案例，还需补一个关键事实：FSD能卖6.4万，国内智驾免费，原因不只是"数据闭环能力差异"。国内新能源车企数量远超美国，同质化竞争逼迫免费策略；消费者已形成"智驾应免费"的心智预期；L3+责任划分未清晰，收费意味着更高法律风险。这些是竞争格局和商业模式选择的结果，不全是技术能力的差距。把多因素结果单归因到"闭环能力"上，论证会失真。一旦某家国内车企跑通闭环、体验拉开代差，收费的天花板才会真正打开——但这个"一旦"何时到来，取决于数据闭环之外的竞争变量。

四、判断标准：你的能力是否可以被精确描述

从价值迁移的视角看，与其笼统地说"平庸不值钱"——这句话几乎是同义反复，因为"平庸"的定义本身就是"不在峰值"——不如给出一个可操作的判断标准：

一个岗位、一个产品、一种能力是否会面临价值坍缩，取决于它的核心价值是否可以被自然语言精确形式化。

如果可以——它的边际成本会被AI拉到趋近于零，价值必然稀释。不管你做的是开发、测试、还是需求转述型产品经理，只要你的核心产出可以被清晰描述、快速复刻，你就站在坍缩区。

如果不可以——进一步判断：你的不可形式化能力，来自于认知深度（行业隐性知识的结构化能力），还是来自于系统积累（数据闭环、生态锁定、工程沉淀）？前者走向左峰，后者走向右峰。

还有一种可能容易被忽略：你的能力来自于"承担责任的意愿"。AI可以定义需求，但不能为错误的定义买单；AI可以生成方案，但不能为失败的决策担责。在需要责任锚定的环节——合规审查、架构决策、商业判断——"愿意且能够承担后果"本身就是不可替代的价值。

对所有从业者而言，关键不是"转产品还是守技术"，而是搞清楚自己站在价值迁移地图的哪个位置。在坍缩区的，要么向左走（扎进行业深处，做定义问题的人），要么向右走（往系统深处走，做架构、做闭环、做软硬结合），要么找到AI正在创造的、尚未被定义清楚的新中间层。

价值没有消失，它从旧中间层散开，一部分向两端聚集，一部分正在形成新的中间地带。