当代码被商品化你的护城河在哪里2026年2月前Tesla AI总监、OpenAI创始成员Andrej Karpathy在X上分享了一个个人观察11月他的编程工作还是80%手写代码、20%让AI agent处理到了12月比例完全倒置——80%用自然语言指挥agent20%自己做编辑和收尾。他提到最近用自然语言给AI agent下达了一连串任务登录远程服务器、配置SSH密钥、安装和测试模型、搭建Web UI、配置系统服务、编写文档。Agent在30分钟内全部自主完成过程中遇到多个问题并自行解决。仅仅三个月前同样的事情还需要花掉一整个周末。DHHRuby on Rails创始人的反应同样直截了当“使唤计算机40年了这是最大、最快的一次变化——而且出人意料也是最有趣的。”作为一名关注AI领域的观察者我每天也在消耗超过100M token提交大量代码。这种加速是真实的现在1个人一周的工作量可能超过过去一个团队几个月的输出。但这股加速背后隐藏着一个更深层的结构性问题当编程能力被快速商品化创业者引以为傲的“技术壁垒”正在蒸发而新的价值节点正在悄然形成。这篇文章试图回到那些历史时刻的现场——印刷术、电力、云计算——看看当某种核心能力变得廉价时究竟发生了什么然后再回到当下帮助创业者看清我们究竟站在哪里以及该往何处去。一、加速的2026编程能力的临界点2026年刚过去的两个多月整个技术世界似乎进入了一个加速期。OpenClaw的爆发印证了一个规律爆火 体验民主化——把小众用户已有的体验推广到更大的用户群。这个将Claude Code级别的agent能力通过Telegram/Slack推向大众的产品在1月底突然走红。统一入口、持久化记忆、Skills组合形成飞轮让非技术用户第一次感受到“AI真的能帮我做事”。发布这篇文章的时候OpenClaw已经超过了React成为GitHub上star数最高的代码项目。Coding Agent的能力正在越过临界点。Claude Code、Codex等工具已经能够在中等复杂度的代码库十万行级别中独立完成任务人工介入降到最低限度。这不是渐进式的改进——当AI从“辅助写代码”变成“主导写代码”时整个开发流程的逻辑都变了。Long-horizon Agent的突破同样令人震惊。Sequoia在1月发布了一篇标题直白的文章“This is AGI”。他们的定义不是某个benchmark分数而是一个功能性判断AI agent现在能够自主工作数小时犯错并修正错误持续迭代直到完成任务。METR的数据显示agent能处理的任务复杂度大约每7个月翻一倍。Sequoia在文章中基于这一趋势外推2028年它们能独立完成相当于人类专家一整天工作量的复杂任务2034年是一整年2037年是一百年。企业层面的结构性变化也在发生。2月26日Block创始人Jack Dorsey宣布将公司从10,000人裁至不到6,000人——砍掉超过40%。他把裁员归因于AI“intelligence tools... are enabling a new way of working which fundamentally changes what it means to build and run a company.”市场的反应直截了当股价当天暴涨20%。尽管有批评者认为Block的裁员更多是在纠正疫情期间的过度招聘但市场选择相信AI的叙事这本身就说明了一些事情。核心的爆发点在于AI Coding或者更广义的Agent的能力已经越过基线并正在被快速商品化——编程不再是一种需要多年训练才能获得的稀缺能力而是一种可以按需获取的、接近零边际成本的资源。但在这股加速中有一件事让我想停下来想清楚这不是第一次发生。历史上每当某种曾经高门槛的能力突然变得廉价且可大规模获取时都会引发一系列可预测的结构性变化——旧职业衰落、新职业诞生、价值链重组、权力节点迁移。历史不会告诉我们“该做什么”但至少能告诉我们“什么是错的”。二、历史的镜鉴当能力被商品化1. 印刷术复制变得免费在古登堡之前欧洲的每一本书都需要修道院抄写员用手一个字一个字地抄写。一本《圣经》的手抄本价格相当于一个文员三年的工资。整个欧洲的书籍总量大约只有3万册。知识的“复制”是一种被教会和少数精英垄断的昂贵能力。1440年前后古登堡在欧洲独立发展出一套实用的金属活字印刷系统。到1455年第一本古登堡《圣经》印刷完成。此后书籍价格以每年约2.4%的速度持续下降长达百余年到1500年已下降了三分之二。一个关键的竞争动态是当一个新的印刷商进入某个城市市场时当地书价会立即下降约25%。到1480年欧洲已有110个城市拥有印刷机到1500年这个数字超过236个书籍总量从3万册暴增到1,000-2,000万册。图片书籍价格下降与数量增长示意图展示供给爆炸与价格下降的同步关系供给端发生了爆炸。但爆炸的后果远不止“书变多了”旧职业的衰落抄写员的需求急剧萎缩修道院的抄经室在几十年内走向衰亡。新职业的诞生印刷术催生了一整个新的产业链——排版工、校对员、装订工、插画师、出版商、书商。这些职业在古登堡之前根本不存在。供给过剩与质量参差大量低质量印刷物涌现——宗教小册子、预言书、色情读物。不可预见的二阶效应宗教改革、科学革命、民族国家的兴起——这些都不是古登堡能够预见的。这个故事揭示了一个反复出现的规律。克莱顿·克里斯坦森提出过“利润守恒定律”当价值链的某一层被商品化、利润消失时相邻层会出现新的专有产品来捕获利润。本·汤普森在分析Netflix时将这一逻辑表述得更直白“打破原有的整合系统——商品化并模块化它——会摧毁现有企业的价值同时让新进入者在价值链的不同部分进行整合并捕获新价值。”图片利润守恒定律示意图展示价值从被商品化的层迁移到相邻层价值不会凭空消失它只是迁移了。“复制”能力被商品化后价值从“抄写”迁移到“内容创作”和“策展/发行”。出版商——而非印刷工——成为了新的权力节点。商品化还有一个常被忽视的结构性后果当供给端爆炸时需求端注意力、预算、时间并不会同比例增长。结果是极端的幂律分布——头部极少数赢家获得绝大部分价值长尾的大量产出几乎没有被看到。印刷术之后50年欧洲书籍从3万册增到2,000万册但流传至今的经典只是其中极小的一部分。在供给过剩的世界里注意力本身成了最稀缺的资源。2. 电力动力变得廉价19世纪末工厂的动力来源是蒸汽机或水车。整个工厂的布局围绕一根巨大的中央传动轴设计蒸汽机在地下室转动主轴主轴通过皮带驱动每一层楼的机器。工厂必须建成狭长的多层建筑所有机器必须紧密排列在传动轴附近。建造一座工厂需要巨额资本——不仅要买机器还要自建动力系统。电力改变了这一切。电网让任何工厂都可以“即插即用”获得动力无需自建蒸汽机。1899年电动机仅占美国制造业总动力的5%到1909年为23%到1929年已达77%。这个转变分三个阶段先是用大型电动机替换蒸汽机驱动原有的传动轴然后将机器分组每组用一台较小的电动机驱动最终传动轴被彻底废除每台机器配备自己的独立电动机。但这里有一个极其重要的教训。经济学家保罗·戴维在1990年的著名论文《发电机与计算机现代生产率悖论的历史视角》中指出从电力商业化1881年纽约和伦敦建成发电站到产生经济层面可度量的生产率提升1920年代中间存在长达约40年的时滞。一个1900年的观察者几乎找不到证据表明“电力革命”正在使商业更高效。图片电力普及率与生产率增长关系图展示40年时滞为什么因为早期的工厂只是把蒸汽机换成了电动机其他一切不变——布局不变、流程不变、组织方式不变。他们在用新工具做旧事。真正的生产率爆发发生在1920年代——制造业全要素生产率年增长率高达约5%占整个经济体TFP增长的84%——当新一代工厂完全围绕电力的特性重新设计时单层建筑取代了多层建筑机器可以按照工艺流程而非动力传输来布局工厂变得更明亮、更安全。这最终催生了福特的流水线。福特的工厂不是“用电力驱动的旧工厂”而是“围绕电力特性设计的全新生产系统”。这和罗伯特·索洛在1987年提出的IT生产率悖论形成了跨越百年的回响——“你到处都能看到计算机时代唯独在生产率统计中看不到”。埃里克·布林约尔松在1993年的研究中证实尽管1970-1980年代美国计算能力增长了百倍劳动生产率年增速却从1960年代的3%以上下降到了约1%。只有当技术投资伴随着互补性的组织变革时生产率才会提升——和电力的故事如出一辙。同样的悖论正在AI coding领域重演。METR在2025年进行的一项严格随机对照实验发现当16名有经验的开源开发者在自己熟悉的项目平均维护了5年上使用AI工具时完成任务的时间反而慢了19%——而实验前这些开发者预期会快24%。更大规模的调查显示75%的工程师在使用AI工具但大多数组织看不到可衡量的绩效提升。原因是什么AI加速了代码生成这一个环节却在代码审查、集成、测试等环节制造了新的瓶颈——就像在流水线上只加速一台机器你得到的不是更快的工厂而是更大的堆积。图片METR实验结果图显示AI在熟悉项目上反而导致效率下降但这并不意味着AI coding没有价值。关键在于谁在用和怎么用。Karpathy的例子——一个周末的项目压缩到30分钟——恰恰说明当使用者本身有足够的系统架构能力和判断力时AI是一个巨大的杠杆。METR实验中的开发者在“熟悉的项目”上变慢可能正是因为旧的工作流程没有为AI优化。真正的效率提升需要围绕AI的特性重新设计整个工作方式——和电力的故事一样。3. 云计算服务器变得像水电一样在AWS之前做一个互联网服务需要购买服务器、租用机房、雇运维团队。马克·安德森在《为什么软件正在吞噬世界》中回忆2000年他的合伙人本·霍洛维茨担任Loudcloud CEO时一个客户运行一个基本互联网应用的成本约为每月15万美元。2006年AWS推出S3和EC2。到2011年同样的应用在AWS上运行只需约每月1,500美元——成本下降了100倍。AWS在2006年至2014年间进行了超过60次降价S3存储成本在12年间累计下降了86%从0.15美元/GB到0.022美元/GB。门槛的坍塌引发了创业爆炸。启动一家互联网公司的资本门槛从百万级降到了几千美元。Y Combinator之所以能在2005年成立并以极少的种子资金最初仅约2万美元支持创业者正是因为基础设施成本的剧变。Instagram被Facebook以10亿美元收购时只有13名员工。Airbnb、Dropbox、Stripe这些公司之所以能存在是因为它们不需要自己建数据中心。SaaS市场从2015年的314亿美元增长到2024年的2,500亿美元以上仅美国就有超过16,500家SaaS公司。但每个垂直领域最终收敛到2-3家赢家——又一次幂律分布和印刷术之后的供给爆炸遵循着同样的规律。价值从“有服务器”迁移到“有用户”再到“有数据飞轮”和“有网络效应”。这种供给端的爆炸还伴随着一个反复出现的周期先解构再重组。吉姆·巴克斯代尔有一句名言“商业中只有两种赚钱方式一种是打包另一种是拆包。”当某种能力变得廉价原来的一体化解决方案被拆散成更小的、专注的产品。但当碎片化到达极端时新的整合者会出现将这些碎片重新组合成一种新的一体化体验。这个循环在历史中一再上演印刷术先解构了教会对知识的垄断然后出版商重组了内容策展和分发。云计算先解构了IT基础设施然后AWS/GCP/Azure重组成了新的一体化云平台。新闻业先被博客和社交媒体解构——记者可以绕过报社直接发布读者可以单篇阅读而非订阅整份报纸。然后Substack和付费Newsletter重组了独立写作作者获得直接的订阅关系读者获得策展过的内容包。价值从“拥有印刷机”迁移到“拥有读者信任”。三、商品化的规律价值迁移与幂律分布三个跨越数百年的故事——印刷机、电动机、云服务器——遵循着相同的规律被商品化的层价值迁移到的层抄写内容创作 出版工厂动力生产流程设计服务器基础设施应用层体验 网络效应代码编写问题定义、产品判断、用户获取AI正在商品化coding但没有商品化“解决什么问题”。当“如何实现”不再是瓶颈“实现什么”和“为谁实现”成为可能的差异化因素。同样的幂律分布正在AI agent赛道重现无数复制品涌现但马太效应极强——不是因为后来者做得差而是因为在供给过剩的世界里注意力本身成了最稀缺的资源。用AI加速构建过去形态的SaaS产品——“AI帮你更快地做一个CRM”——本质上就是把蒸汽机换成电动机防御力极低。围绕“代码生产零边际成本”这一新现实重新设计产品形态才是真正的机会。而AI coding领域正处于解构阶段标准化工具的价值正在降低长尾的、个性化定制的工具价值在提高。但历史告诉我们这之后必然会有重组。四、我们现在在哪里——安装期的迷雾经济学家卡洛塔·佩雷斯提出了一个有影响力的框架描述每一次技术革命都经历两个大阶段安装期新技术进入市场基础设施被建设金融资本大量涌入催生投机泡沫。这个阶段的特征是混乱、实验、过度投资。转折点泡沫破裂衰退来临制度性框架开始调整以适应新技术。部署期技术被广泛采纳到主流社会如果制度安排得当可以进入“黄金时代”——技术的全部潜力被释放。图片佩雷斯的技术革命阶段图显示安装期、转折点、部署期技术革命安装期转折点部署期铁路1830s-1840s铁路狂热1847铁路泡沫破裂1850s-1870s电力/重工业1880s-1920s1929大萧条1930s-1960s互联网/IT1990s2000互联网泡沫2003-2020sAI2023-???如果佩雷斯的框架成立AI目前正处于安装期的早期——大量资本涌入、实验室遍地开花、共识赛道极度拥挤。这个阶段的特征恰恰是我们看到的景象供给过剩、大量复制品、马太效应极强。安装期的后半段通常会出现投机泡沫。泡沫破裂之后才会进入真正的“部署期”——此时基础设施已经成熟制度性框架已经适应技术的全部潜力才开始被释放。根据这个框架最大的价值创造通常发生在部署期而非安装期。供给端的爆炸正在当下重演。a16z的数据显示2025年12月iOS新应用发布量同比增长60%过去12个月累计增长24%——他们将这一现象归因于agentic coding也叫“vibe coding”的兴起。这和2008年iPhone SDK发布后的app爆发如出一辙当创造门槛骤降时供给端总会爆炸。图片a16z的应用发布量增长图展示供给爆炸但供给爆炸的同时我们也看到了生产率悖论。METR的研究表明单纯引入AI而不改变工作流程反而可能导致效率下降。这提醒我们真正的变革不是用新工具做旧事而是围绕新工具重做一切。五、地狱模式里的生存策略如果前面的分析是对的那么对于创业者来说这既是最好的时代也是最残酷的时代。好的一面显而易见构建产品的门槛从未如此之低。一个人、一个周末、几百美元的API费用就能做出过去需要一个团队几个月才能完成的东西。想法到原型的距离被压缩到了极限。“能不能做出来”不再是问题。但这正是地狱模式的起点当每个人都能快速构建产品时“做出来”本身就不再是竞争优势。你能用一个周末做出来的东西别人也能。你今天的创新明天就会被复制。这导致了几个残酷的现实1. 竞争烈度指数级上升。每个赛道都挤满了人。因为进入门槛低了所以进入的人多了因为迭代速度快了所以每个人都在疯狂发布。你不再是和几个竞争对手赛跑而是和整个互联网上能想到同样点子的人赛跑。2. 注意力成为终极瓶颈。在供给过剩的世界里被看到比做出来更难。Product Hunt每天有几十个新产品发布X上每小时都有人在演示新的AI工具。获取用户注意力的成本——无论是付费获客还是内容营销——正在快速上升而产品本身的差异化却在下降。3. 赢家通吃的马太效应极强。历史告诉我们每次供给端爆炸之后价值都会向头部极度集中。这意味着中等水平的成功可能会消失。要么成为赛道的头部玩家要么在长尾中艰难求生。4. 护城河正在坍塌。传统软件公司的护城河——技术复杂度、工程团队规模、多年积累的代码库——在AI面前变得脆弱。Nicolas Bustamante分析了垂直软件的十大护城河在LLM时代的命运五道正在坍塌习得型界面、定制业务逻辑、公开数据访问、稀缺人才、捆绑销售五道依然坚固专有数据、监管合规、网络效应、交易嵌入、记录系统地位。关键洞察是被摧毁的恰恰是那些曾经阻止竞争者进入的护城河。图片护城河分析图显示哪些在坍塌哪些依然坚固简单说如果你的优势在于“怎么做”你正在被商品化如果你的优势在于“有什么”数据、用户、合规资质你反而更安全了。那么在这个地狱模式里什么样的策略可能是有效的策略一不要用AI做旧事用AI更快地做一个传统SaaS本质上就是把蒸汽机换成电动机。你需要问的问题是如果代码生产成本为零什么产品形态是之前不可能存在的文章提出了几种可能性一次性软件为一个特定场景、一个特定用户构建的定制工具用完即弃。自适应软件根据用户行为实时生成和修改自己代码的应用。超长尾软件为每一个细分到不可思议的需求构建专属产品。当然短期内“用AI更快做旧事”确实存在套利窗口——在竞争对手还没反应过来之前你可以用更低的成本、更快的速度抢占市场。但这个窗口会迅速关闭因为你能做的别人也能做。策略二护城河要建在代码之外如果代码本身不再是壁垒那么壁垒只能来自独特的数据资产你拥有别人没有的数据且这些数据难以被复制或购买。强大的用户关系用户信任你形成了习惯迁移成本高。难以复制的分发渠道你掌握了一个独特的流量入口或者建立了强大的社区。品牌和信任在某个领域你的品牌代表了质量和可靠性。监管合规资质某些行业需要牌照、认证这些是AI无法替代的。策略三方向比速度更重要在一个人人都能快速执行的世界里判断力——知道该做什么、为谁做——成为真正的差异化因素。慢下来思考正确的问题可能比快速执行错误的答案更有价值。Karpathy之所以能用AI在30分钟内完成过去一个周末的工作是因为他有能力将复杂任务拆解成清晰的指令并且在agent遇到问题时能判断如何修正。这种系统架构能力和判断力正是未来程序员的核心价值。策略四拥抱解构寻找重组的机会当前我们正处于解构阶段——标准化工具被拆散长尾个性化工具涌现。但如果历史的模式成立这些碎片化的长尾工具最终会需要一个新的整合层。它可能是一个让AI生成的一次性工具可以被发现和复用的“应用商店”可能是一个让用户将多个长尾工具像乐高一样组装的“组合式平台”也可能是一个将生成、运行和管理代码的能力作为底层原语的“AI原生操作系统”。问自己这些碎片化的工具最终需要什么样的整合层谁来提供策略五耐心与韧性——电力的四十年教训我们现在对AI的使用方式——让它更快地写出传统形态的软件——很可能只是“用电动机替换蒸汽机”阶段。真正的“流水线时刻”——围绕AI能力的特性重新设计整个软件范式——可能还需要数年甚至更长时间才会到来。但当它到来时它可能催生出此前不可能存在的全新产品形态。但有一点需要注意AI的发展速度远超电力时代。电力革命的40年时滞部分源于物理基础设施的建设周期——电网、工厂、培训工人都需要时间。而AI的“基础设施”是软件和算力迭代周期以月计算。麦肯锡2025年的调查发现那些在采用AI之前就重新设计了端到端工作流的组织获得显著财务回报的可能性是其他组织的近三倍。这暗示着“流水线时刻”不会等40年它可能就在未来几年。六、不破不立——新玩家的入场券历史上每一次重大的商品化都伴随着一种特殊的痛苦那些在旧秩序中积累了优势的人发现自己的优势正在蒸发。抄写员花了十年练就的字迹在印刷机面前一文不值。工厂主花巨资建造的传动轴系统在电力时代成了负担。程序员花了多年积累的编码技能正在被AI以月为单位追平。但“不破不立”的另一面是旧优势的消失也意味着旧壁垒的消失。那些曾经因为没有资源、没有团队、没有工程能力而被排斥在外的人现在可以参与竞争了。那些曾经需要数百人、数千万美元才能做的事情现在一个人、一个周末就可以开始。这是为什么说我们站在变革的开端。不是因为AI会取代所有人的工作——历史告诉我们技术很少直接“消灭”职业它更多是重新定义职业的内涵。程序员不会消失但“程序员”的定义会改变。就像抄写员没有在一夜之间消失——即使在印刷术发明几十年后手抄本仍然在被委托制作——也像蒸汽动力工厂在电力普及后并未立刻消失。但竞争的差异化因素会从“能不能写代码”变成“系统设计和架构判断”。而是因为当一种核心能力被商品化时整个价值链都会重组。而价值链重组的时刻恰恰是新玩家入场、新规则被书写的时刻。古登堡不知道印刷术会催生宗教改革。福特不知道流水线会重塑中产阶级。2006年AWS刚推出时没有人能预见到Airbnb和Stripe这样的公司会因此成为可能。同样我们今天也不知道当coding被彻底商品化之后会涌现出什么样的新产品形态、新商业模式、新的价值创造方式。但有一件事是确定的那些最先理解新规则、最先围绕新能力重新设计自己的人——无论是个人、团队还是公司——将在新秩序中占据先机。不破不立。结语2026年AI创业者的世界既慷慨又残酷。慷慨在于工具前所未有的强大一个人就能顶一支队伍残酷在于当每个人都能做到这一点时你必须找到更深层次的差异化。回顾印刷术、电力、云计算的历史我们看到一个清晰的模式当底层能力被商品化价值就会向上迁移——从“如何做”迁移到“做什么”和“为谁做”。在AI商品化代码的今天真正的机会不在于写得更快而在于想得更深。也许未来的赢家不是那些最会使用AI的人而是那些最理解用户问题、最能定义新范式的人。他们不一定写代码最快但他们知道该写什么以及为什么写。在这个加速的时代停下来思考可能比盲目奔跑更重要。因为方向一旦错了跑得越快离目标越远。愿我们都能在迷雾中找到属于自己的那束光。