AI将差异化重构的8个软件市场
Chris Loy最近发表了一篇题为"工业软件的崛起"的深度文章，提出了关于智能体编程工具将对软件生产的质量和数量产生什么影响的正确问题。他借鉴了杰文斯悖论——一个关于生产成本下降时市场如何变化的经济概念——并展示了与农业、纺织业甚至印刷品市场变化的历史类比。他将此称为"工业"软件，并预期软件产量将增加，而质量将下降。
这是一篇好文章，你应该读一读。但它有一个盲点。
Loy将软件视为一种经历统一转型的单一商品。事实并非如此。软件至少在八个不同的市场中生产，每个市场有不同的约束条件、不同的需求弹性，以及与AI编程实际改变的因素的不同关系。预测"软件"会发生什么，就像预测"交通运输"会发生什么一样——集装箱航运的答案与自行车通勤的答案是不同的。
此外，任何将"工业"作为贬义禁用语的人都应该被赶去跟在骡子后面犁几天地。工业化养活了数十亿人，把他们从繁重的体力劳动中解放出来。对前工业时代手工艺生产的浪漫化，可疑地只在没有大规模实践经验的人群中盛行。
0、杰文斯悖论如何起作用
对于每个软件市场，我们需要问：当前什么在制约生产，智能体编程如何改变这个约束？
如果约束是实现技能，AI帮助很大。如果约束是领域知识，AI帮助较少。如果约束是组织政治或监管审批，AI可能完全没有帮助——甚至可能使情况更糟。
杰文斯悖论——关于资源使用效率的提高可能导致更高总消费量的观察——只在需求有弹性时才适用，这是经济学家的说法，意思是"人们想要更多，谢谢"。当汽车变得更省油时，行驶里程和总燃料消耗增加了，因为人们之前由于成本原因开车远少于他们希望的。但如果需求缺乏弹性，这种情况就不会发生。无论清洁饮用水变得多便宜，你每天也只会喝那么多杯。当需求受到生产成本以外的因素制约时，更便宜的生产不会增加产量。它只是改变了谁获得剩余价值。
有了这个框架，让我们逐一走过这些市场。
1. 企业内部工具
每个运维团队都有一个应该是应用的电子表格。每个部门都有一个"总有一天"的项目，但因为开发人员时间被分配给创收工作而从未被优先处理。有用但不紧急的内部工具积压量巨大且大多不可见——它存在于从未被排期的功能请求中，存在于每个人都在抱怨的变通方案中，存在于从未真正被整合的信息源中。
- 当前约束： 开发人员时间昂贵，通常用于产品优先事项
- AI影响： 积压项目变得可构建
- 杰文斯效应： 强烈。潜在需求巨大且真实
- 质量预期： 分化——快速胜利用氛围编程搞定，关键路径保持严谨
这是"一次性软件"真正有意义的地方。如果运维仪表板坏了，你重新生成它，让机器人在你处理的时候多加几个健康检查和自动诊断。数据导出脚本不需要维护十年，它只需要撑过第二季度营销活动就行。三个人使用的内部工具重新构建比编写文档还快。
这里有趣的动态是政治性的，而非技术性的。IT部门历史上将软件生产作为权力基础来控制。当任何人都能生成可用的工具时，这种控制就会被侵蚀。预期会看到以安全或性能问题为包装的地盘争夺战。
2. 企业产品（SaaS等）
这是相当大比例的专业开发人员工作的地方，也是"工业软件"框架似乎最适用的地方。如果说有哪个市场已经准备好迎接杰文斯式的爆发，那不是竞争压力最大的那个吗？
别急着下结论。
- 当前约束： 竞争、人才获取、上市时间——但市场规模相对固定
- AI影响： 更快的迭代，但竞争对手拥有相同的工具。红皇后竞赛动态
- 杰文斯效应： 弱。CRM软件的市场不会仅仅因为CRM更便宜而增长
- 质量预期： 功能速度优先于正确性的压力增大。"先发布，再修复"更加剧了。作为平衡，由于AI驱动的设计自动化和客户对"苹果般"可用性的渴望，用户体验可能会改善
企业SaaS市场不受构建软件成本的约束。它受客户获取成本、切换成本和企业吸收变化的节奏所制约。这个领域主要的销售动作是"先着陆再扩展"是有原因的。降低生产成本不会扩大市场——它只是加速了现有参与者之间的军备竞赛。
AI编程确实改变的是竞争动态。在位者可以更快迭代，但挑战者也可以。"我们有更多工程师"的护城河变得不那么可防御了。这会导致整合（大公司吸收生产力收益）还是分化（利基玩家变得可行）确实不清楚。更加混乱的是，生产AI模型和工具的公司本身就是某种形式的SaaS玩家，所以这些相同的动态也在那里上演。
3. 个人和爱好者软件
在摄影术发明之前，几乎没有人制作图像。创建图像的唯一方法是绘画，这需要大量的训练、技能，通常还需要精英赞助。摄影术发明之后，每个人都在不断制作图像。快照、家庭相册、自拍——这些都不是"专业"的图像制作，也没有取代专业工作（精英们的墙上仍然挂着画，而不是照片）。这是一个之前不可能存在的新类别。我们完全应该预期智能体编程将创造类似的民主化。
- 当前约束： 技能入门门槛。你需要知道如何编程，并且需要访问所有必要的基础设施来构建和部署你想构建的东西
- AI影响： 门槛崩溃。非程序员为自己制作软件
- 杰文斯效应： 绝对有。这个市场今天几乎不存在；即将爆发
- 质量预期： 无关紧要。如果我的个人脚本坏了，我重新生成它
这就是日常软件——由非程序员为个人使用而制作的软件，没有维护、分享或持久性的期望。它相当于计算领域的购物清单或日记条目。
我需要创建一个自定义的网络爬虫来让我随时了解Arxiv、NBER和其他一些存储库中我感兴趣领域的科学论文吗？可能不需要。但构建一个只花了二十分钟，为什么不呢？我想它是用TypeScript写的，但我可能记错了。在我写这篇文章的时候，我的妻子（可爱的Brenda）正坐在我旁边，让Claude创建一个Python脚本来为她的一本书的再版创建索引和目录，同时她坐在阿鲁巴附近的一艘船上喝着桑格利亚。Brenda有很多很棒的技能和兴趣，从窑烧玻璃到马术到养蜂，但软件开发绝对不是其中之一。
我们还没有好的术语来描述这个。"氛围编程"是一个贬义的、坦率说很糟糕的术语。"提示驱动开发"太过临床化，而且可能很快就不能准确描述软件开发的机制了。但无论我们怎么称呼它，它正在到来，它代表了参与软件创作人群的真正扩展。软件开发的小片段将开始成为人们随手就做的事情。期待类似海盗电台、80年代独立杂志爆发，或嘻哈音乐在脱衣舞俱乐部形成的早期那样的过渡场景，充满新可能性的创作喜悦。
4. 学术和研究软件
我有时自称为"野化学者"，逃离了常春藤覆盖的墙壁，去追求"金钱"、"住在宜居的地方"和"尚可的心理健康"之类的东西。正因如此，我见过足够多的学术软件，知道基准线：它几乎普遍很糟糕。由可悲的研究生编写——他们是生物学或物理学专家，但上学期不得不凑合学了一下Python，好像他们的问题还不够多似的。这些程序的目标是"完成论文"，而不是"其他人会运行这个"。文档就是在截止日期冲刺中幸存下来的任何注释。这是由迫切需要软件但完全不知道什么是高质量软件或如何实现它的人编写的软件。
- 当前约束： 极度劳动受限。研究人员没有受过开发人员的培训或激励；软件只是达到目的的手段
- AI影响： 科学家可以专注于科学，让AI处理质量
- 杰文斯效应： 有。大量未构建的分析工具、模拟、可视化
- 质量预期： 改善，因为基线低得令人尴尬，甚至有辱尊严
这可能是AI编程最毫无争议地正面的市场。如果代码更加标准化，可重现性就会提高。如果机器人能处理使源代码可访问和可重用的工作，那可能是一个巨大的胜利。研究人员可以探索更多分析变体。可悲的研究生可以专注于科学，而不是调试gplot参数。
一个有趣的问题是这是否有助于还是有害于复制危机。更可重现的代码是好事。但更多的自动化分析意味着更多的研究者自由度，更多的p值操纵，更多的"我一直运行到成功为止"。工具是中立的；激励措施可悲地仍然不是。幸运的话，这可能被能够识别和批评方法论问题的AI所平衡。
5. 游戏和娱乐
游戏已经对程序化生成很熟悉了。Roguelike游戏、程序化关卡、AI驱动的NPC——这个行业几十年来一直在探索"让电脑创建内容"。AI编程只是同样的思路扩展到了代码本身。
- 当前约束： 内容制作成本（美术、写作、音效、关卡设计）与代码一样多
- AI影响： 适用于整个流水线，不仅仅是代码。独立游戏爆发可能
- 杰文斯效应： 强烈。人类对新游戏显然有无限的胃口
- 质量预期： 长尾大规模扩张。更多游戏，大多数平庸但有一些出色的异类
每天有四到八款游戏在Steam上发布。这个数字不太可能下降。
这种模式可能呼应YouTube和音乐制作发生的事情：内容大量增加，少数突破性成功，找到小众受众的长尾作品，以及需要导航的大量无用垃圾。经济学有利于平台所有者（Steam、应用商店）而非个人创作者，除非你能直接建立受众。
游戏的不同之处在于质量以一种特殊的方式重要——游戏需要好玩，这很难用提示词来指定。AI可以为游戏机制生成代码，但"这真的好玩吗？"需要人类判断和迭代。创意瓶颈从实现转移到了设计。
6. 政府和非营利组织
一如既往，这里没有好消息。
- 当前约束： 预算、采购、风险规避、承包商锁定、政治功能失调
- AI影响： 短期内最小。同样的采购结构，同样的风险考量
- 杰文斯效应： 弱。需求缺乏弹性且由政治分配
- 质量预期： 可能不变。约束不是生产成本
政府软件不是因为编程困难才缓慢和昂贵的。它缓慢和昂贵是因为采购规则优化的是审计追踪而非成果，因为承包商被激励按小时计费而不是交付功能，因为风险规避意味着没有人想为一种失败的新方法承担责任。
AI编程对这些毫无改变，除了给风险规避加了一针强心剂。
另一方面，各种研究显示政府软件项目的失败率在50%-80%范围内，所以智能体编程实践也不太可能使情况更糟。
可能改变的是政府内部小型、有积极性的团队的杠杆效应，他们可以使用AI比官方流程允许的更快地构建东西。臭鼬工厂项目。验证概念的原型。新晋"政府CTO"们施加影响力的项目。但这些存在于边缘；核心功能失调是制度性的，而非技术性的。
预测：政府在AI编程转型中落后5-10年，与私营部门形成不断扩大的能力差距。对社会不好，但如果你是那种人，这是不错的稳定的室内工作。
7. 嵌入式、物联网和安全关键系统
乐观到此为止。
医疗设备。航空电子设备。工业控制系统。汽车软件。这些领域有一个共同点：代码可能致人死亡，监管者知道这一点。认证流程的存在正是为了确保人类理解软件做什么并能为它的正确性辩护。
- 当前约束： 认证、测试、责任、长产品生命周期
- AI影响： 潜在负面。监管者不知道如何认证AI生成的代码
- 杰文斯效应： 否。需求主要与物理产品挂钩，而非嵌入式代码经济
- 质量预期： 可能暂时下降，因为加快交付的压力遇到了不可减少的安全要求，而且越来越少的人类获得不依赖AI辅助编程的技能。
"解释这是如何工作的"已经是安全关键领域的硬性要求。AI生成的代码使这更难满足。LLM输出的黑箱本质与认证要求的透明性根本对立。
这是"谁维护没人理解的软件"这个问题最危险的领域。一个氛围编程的内部仪表板可以优雅地失败。一个氛围编程的心脏起搏器不行。
我的预测：安全关键软件将是最后广泛采用AI编程的领域之一，将需要尚不存在的新认证框架。这里唯一的希望之光是，高级形式化方法有朝一日可能被LLM自动化，使智能体工具能够产生数学上可证明正确的代码。
8. 初创公司和最小可行产品
最后，是速度最重要而长期思考最不重要的领域。
- 当前约束： 时间、创始人技术能力、资金跑道、迭代速度
- AI影响： 非技术创始人可以制作原型。技术创始人行动更快。团队可以更小（小到单个开发者的极限）且更灵活
- 杰文斯效应： 有。更低的门槛意味着更多尝试
- 质量预期： 更低的底线，但这没关系——MVP本来就应该是勉强能用的，"M"就是这个意思
这可能是智能体编程发展最快的领域。即使在Claude Code遥远的早期，嗯，七月的时候，通过YCombinator训练营的初创公司中已有25%使用智能体工具生产超过95%的代码。
有趣的问题是这对技术联合创始人的价值有什么影响。历史上，非技术创始人需要技术合伙人来构建任何东西。如果AI编程让非技术创始人独立制作原型，技术联合创始人是否变得不那么必要？还是评估AI产出的能力——知道生成的代码何时有微妙错误——成为新的稀缺技能？
我倾向于后者。能够看着AI生成的代码说"这在规模上会崩溃"或"这有一个安全漏洞"的人比以往任何时候都更有价值。判断层不会被自动化取代。预期相当数量的资深工程师会追逐"兼职CTO"的副业（我自己也考虑过）。
9、那么杰文斯效应到底适用于哪里？
让我们精确一点。杰文斯悖论需要有弹性的需求——当东西变便宜时人们想要更多。回顾我们的八个市场：
强杰文斯效应：
- 企业内部工具（巨大的潜在积压）
- 个人/爱好者（全新的市场）
- 游戏/娱乐（无限的胃口）
- 学术研究（大量未构建的工具）
- 初创公司/MVP（更低门槛=更多尝试）
弱或无杰文斯效应：
- 企业SaaS（市场规模受需求约束，而非供给约束）
- 政府/非营利（制度功能失调是绑定约束）
- 安全关键（监管和物理约束占主导）
"工业软件"叙事隐含地假设第一类占主导。但事实并非如此。大量经济上重要的软件存在于第二类中，AI编程改变了东西如何被构建，而没有改变多少东西被构建或以什么质量。
10、对从业者意味着什么
如果你是嵌入式系统工程师，你的世界并没有Twitter暗示的那么快地变化。如果你在构建企业SaaS，你在一场每个人都拿到相同武器的军备竞赛中。如果你是研究人员，这可能是几十年来发生在你工作流程上的最好的事情。
战略问题不是"AI如何改变软件？"而是"我在哪个市场，它的具体动态是什么？"生产成本的变化将导致谁从软件中赚钱的巨大变化，可能的答案很可能包括"明显更少的专业软件工程师"。
11、结尾的问题
Loy问："谁维护没有人拥有的软件？"
这是一个好问题，但不完整。更完整的版本是："在哪些市场中维护很重要，在哪些市场中我们可以承受甚至欢迎一次性？"
对于日常软件，一次性是一个特性。对于安全关键系统，它是可怕的。答案不是统一的，因为问题本身就不是统一的。
工业化不是一件事。它的软件等价物也不是。
原文链接: Eight Software Markets That AI Will Transform Differently
汇智网翻译整理，转载请标明出处