AI编程的几点思考

一、写什么更重要

AI正在把写代码的边际成本压到接近零。它的含义不是"程序员要失业了"，而是代码本身不再构成任何竞争壁垒。过去，一个团队能把产品做出来，这件事本身就是一种能力证明。现在，"做出来"正在变成默认项。

当生产成本趋近于零时，价值必然向上游转移。这是经济学的基本规律，不因技术浪潮而改变。写代码的价值在下降，但决定写什么代码的价值在上升。需求定义、架构判断、商业决策——这些高度依赖经验、判断力和对业务的深度理解的环节，正在成为真正的稀缺资源。

这个趋势的终局是什么？最稀缺的能力不是"怎么做"，而是"做什么"。技术实现能力从核心竞争力退化为基础设施，就像今天没有人会把"会用电"当作企业的核心优势一样。

二、软件的总需求不会激增

很多人有一个直觉：开发成本下降了，软件项目应该会爆发式增长。这个直觉是错的。

软件行业的瓶颈从来不在开发成本。瓶颈在商业模式、市场进入策略、变现能力和组织执行力。一个项目不启动，通常不是因为"找不到程序员"，而是因为想不清楚商业模式，或者团队没有能力把产品推向市场。AI不解决这些问题。

历史反复证明了一件事：代码从来不是稀缺品。每当一个应用火了，几周之内就会出现大量竞品。社交、短视频、直播、社区团购、共享单车——每一波浪潮都伴随着数十甚至上百个功能高度相似的产品蜂拥而至。它们死掉，不是因为代码写得不好，而是因为在执行和商业模式上没有胜出。"做出来"从来不是难点，"做成了"才是。

AI只是进一步压低了这个本就不高的门槛。开发成本归零的直接后果不是项目爆发，而是竞争更加残酷，淘汰更加迅速。代码不是护城河，从来都不是。

三、SaaS不会被替代

有一种流行的说法：AI让每个人都能写代码了，那谁还需要买SaaS？自己搭一个不就行了？

这种想法低估了软件系统背后的隐形复杂度。

以最常见的请假系统为例——还有什么比请假更简单的需求？但真正做过的人都知道，这背后是一个深不见底的需求泥潭。年假、病假、事假、调休的额度规则各不相同；审批链随组织架构变动而变化；跨年假期怎么结转？员工转岗后审批人怎么切换？请半天假和调休半天的扣减逻辑一样吗？各地劳动法对带薪假的规定不同怎么处理？一个"简单"的请假系统，做到最后会变成一个人事规则引擎。

这些问题不是技术问题，是需求复杂度问题。你买一个SaaS，买的不是那几万行代码，而是别人替你踩过的坑——无数次的试错、无数个边界情况的处理、无数轮与真实用户的磨合。

AI能帮你在一天之内搭出一个原型。但原型到可用产品之间的距离，恰恰就是复杂度本身。这个距离不会因为AI而缩短，因为复杂度不来自编码，而来自现实世界的混乱。

所以，企业"自建还是采购"的决策逻辑，不会因为AI而发生本质改变。在大多数场景下，买依然比建更理性。

四、码农的生存空间被挤压

AI对程序员群体的冲击不是均匀的。受损最重的是普通程序员——也就是绝大多数程序员。

这个群体的典型画像是：能熟练地完成明确定义的开发任务，但不具备独立做架构决策或定义产品方向的能力。他们的价值建立在"手速"和"经验套路"之上，而这恰恰是AI最容易替代的部分。

单人产出大幅提升，完成同样规模的项目所需人数自然下降，程序员的总需求会减少，这一点不需要回避。但优秀的人不仅不会被淘汰，反而会迎来一个加速成长的窗口期。AI本质上是一个无限耐心、随时可用的高级助手，它让一个有判断力的人可以用极高的产出密度来换取经验积累。过去需要在大公司搬三年砖才能建立的系统认知，现在一个聪明人配合AI可能几个月就能走完。但代码品味和工程审美的培养没有捷径，这不是AI能加速的部分。

传统的程序员成长路径是：初级→中级→高级→架构师，每一步都需要大量重复劳动来积累经验。AI正在让这条路径坍缩。有天赋和判断力的人可以跳过中间的低效环节，直接进化为架构者和决策者。代价是，那些停留在中间环节的人，失去了存在的理由。

五、Code Review更加重要

有一种说法：AI时代代码产出量暴增，Review根本审不过来，所以Code Review不再重要了。这个判断完全站不住脚。

总需求没变，总代码量也不会变太多。AI提高的是编写速度，不是系统的规模和复杂度。你不会因为打字更快就把一篇文章写得更长。恰恰相反，花在写代码上的时间少了，意味着可以把更多时间投入到Review上。

代码不是一个静态的产物，而是一个生命体——它会被阅读、被修改、被扩展、被别人接手。Review是保持代码生命力的核心手段：确保可读性、维护一致性、传递设计意图、管理复杂度、控制技术债务的积累。

而Review的质量，取决于审查者的代码品味。什么是好的命名，什么是合理的抽象层次，哪些复杂度是必要的、哪些是过度设计——这些判断靠的是长期积累形成的审美直觉。AI能写出"能跑"的代码，但从"能跑"到"优雅"的距离，只有有品味的人才能把控。

AI让写代码变快了，但没有让代码变得不需要被理解。放弃Review，等于放弃了对系统的掌控力。

六、技术平权

对非技术人员而言，AI编程的最大意义不是"人人都能创业做产品"——虽然这确实在发生——而是一个更安静但更深远的变化：代码正在变成像Excel一样的通用工具。

大量白领的日常工作中，存在着可以用几十行脚本解决的低效环节：手动整理数据、重复性的文件处理、跨系统的信息搬运。过去，这些需求够不上"请一个程序员来做"的门槛，也不值得立一个项目。它们就这样以低效的方式存在着，日复一日地消耗着人的时间和精力。

AI填补了这个空白。你不需要成为程序员，只需要能描述清楚你的问题，AI就能帮你写出解决方案。这不只是降低了创业门槛，这是个人效能的长尾释放——无数个过去被忽略的、零散的、"不值得开发"的效率改进点，现在都可以被低成本地解决了。

这种变化的影响可能比任何一个明星AI应用都大。它不会上头条，但它会真实地改变数千万人的日常工作方式。

七、计算机专业将消亡

当AI把编程的门槛拉到接近自然语言时，围绕"学会写代码"建立的整套教育体系将失去存在的根基。

花四年时间学习语法、数据结构、操作系统原理，目的是找一份编程工作——这个投入产出比会彻底崩塌。这和打字员、电报员的消亡是同一个逻辑：当技能本身被工具吞噬，围绕这个技能建立的教育体系必然瓦解。

但计算思维不会消失。抽象、建模、分层、状态管理——这些思维方式的价值不依赖于手写代码的能力。它们会像数学和统计一样，从独立专业退化为其他学科的基础工具课。未来不会有"计算机专业"，但每个专业的人都会具备基本的计算思维。而编程天然适合自学——写完就能跑，对错立刻可见，AI进一步缩短了这个循环。

最终的分化不会发生在编程能力上，而会发生在领域知识上。当所有人都能编程时，编程本身就不再是竞争优势。懂金融的人用AI自动化交易流程，懂供应链的人用AI优化物流，懂医学的人用AI处理临床数据。编程从"专业"退化为"素养"，价值回归到你用它解决什么领域的问题。稀缺性永远不在工具本身，而在知道拿工具做什么。

结语：复杂度不会消失

回到最根本的问题：编程到底是什么？

很多人把编程理解为"写代码"，所以当AI能写代码时，他们自然得出结论：编程被替代了。但这是对编程最浅层的理解。

编程本质上是一门复杂度管理的艺术。把模糊的需求翻译成精确的规则，在无数互相矛盾的约束条件中找到平衡，把一个庞大的系统拆解成人脑可以理解和维护的模块，在不确定性中做出当下最合理的取舍——这才是编程真正在做的事情。写代码只是这个过程的最终输出，就像建筑师的工作不是砌砖一样。

AI消灭的是砌砖的成本，不是复杂度本身。复杂度来自现实世界——来自业务规则的模糊与矛盾，来自用户行为的不可预测，来自系统规模增长后涌现的非线性问题。这些东西不会因为代码写得更快而变简单，就像盖楼不会因为砌砖更快而不需要结构设计一样。

AI改变的是谁来处理复杂度、用什么方式处理复杂度，但不会改变复杂度存在这个基本事实。理解这一点，就不会在AI面前恐慌，也不会对AI抱有不切实际的幻想。