第十四章 · AI：当写软件本身变便宜

第十四章 AI：当写软件本身变便宜

上一章我们停在了一个岔路口。效率时代教会了每家公司算清单位经济学、把现金流看得比故事重，AI 站在门口，一手拿着"再帮你砍一刀成本"的刀，另一手却按着整套规则的开关。这一章，我们就走进这扇门，看清它到底动了什么。

先说结论式的那句话，因为它足够重要，值得放在最前面：

前十三章里，每一次"变便宜"的都是把软件送到你手里的方式——光盘、订阅、云、移动、数据。这一次，变便宜的是"造出软件"这件事本身。

到底什么变便宜了

2022 年底，ChatGPT 出现，普通人第一次能用大白话跟一个程序对话，让它写文章、写代码、答问题。它背后是一类叫 大语言模型 LLM（用海量文本训练出来、能理解和生成语言与代码的 AI 模型，GPT、Claude 都是这一类）的东西。

对我们这本书的主角——上市软件公司——来说，重点不是"AI 好神奇"，而是一件很具体的事：过去要养一队人才能干的活，现在很多能让模型干。写代码、写文案、做客服、做数据分析，这些活的边际成本正在往下掉。一个工程师配上模型，能顶过去几个人；一段以前要排期两周的功能，可能一个下午就出了雏形。

把这件事翻译成前面章节的语言：过去十三章里，软件公司卖的是"帮你把事做了"——帮你管账、管客户、管代码。而现在，"做这些事本身"的边际成本正在塌方。造软件的车间便宜了，那么，靠"造软件很贵、所以做出来就值钱"建立起来的每一条规则，都得重新称一称还剩几斤几两。

下面逐条来看。请注意基调：这些是正在发生、结局未定的事，不是已经盖棺的历史。我会尽量把两边的逻辑都摆清楚，而不是替你选边。

规则一：按用量付费回潮，动摇纯订阅

回忆第 3、11 章的地基：软件复制一份几乎不花钱，边际成本近乎为零。正因如此，"固定月费、随便用"的纯订阅模式才成立——你用一次还是一万次，我的成本差不多，那我按人头收月费最省事、最好算、最容易滚成高毛利。

AI 把这块地基敲了一道裂缝。LLM 每接一次请求，都真实地烧一次算力。模型跑在昂贵的 GPU（一种原本用来渲染游戏画面、后来发现极擅长做 AI 计算的芯片）上，每一次调用都有实打实的电费和硬件折旧。这不再是"复制一份几乎免费"，而是"每答一句话都在花钱"。

于是一个老朋友回来了：按用量计费 usage-based（用多少付多少，正是第 4 章云计算那套逻辑）。在 AI 产品里，你会越来越常看到"按调用次数""按处理的字数（token）"计费，而不是一口价随便用。因为厂商扛不住——你用得越猛，它亏得越多。

这件事往下推，动的是软件公司最看重的那个数字：毛利。SaaS 之所以被市场追捧，很大原因是七八成的高毛利。现在给产品塞进 AI 功能，等于在成本里塞进一块会随用量长大的算力账单。有人正在赌算力会持续变便宜、这块成本终将被摊薄回去；也有人担心，AI 功能会把 SaaS 那套漂亮的高毛利，实实在在往下拉一截。哪一边对，此刻还没有答案。

规则二：护城河从"功能"转向"数据和分发"

这本书从头到尾在讲一件事：护城河一直在迁移。现在它可能又要挪一次窝。

逻辑很直接：如果任何人都能用 AI 快速拼出一个功能相近的产品，那"功能多"就不再是护城河。过去你家产品比对手多三十个功能、多两年积累，这是壁垒。可当做功能这件事本身变便宜，壁垒就漏水了——对手用模型追平你，可能只要几周。

那什么还守得住？答案要回到前面几章去找：

• 专有数据（呼应第 9 章）：别人拿不到的数据。模型再强，也变不出你独家的客户交易记录、行业沉淀。数据喂给模型，才是别人抄不走的那部分。
• 分发渠道和用户关系（呼应第 6 章）：你已经躺在几千万用户的手机里、已经嵌进企业每天必开的那个后台。做出功能是一回事，把功能送到用户面前、让他们习惯用你，是另一回事——而这一步，AI 并没有变便宜。
• 深度嵌入的工作流：当一个软件缠进了报销流程、审批链、合规审计，换掉它的成本高得吓人。代码好写，但把这条流程重新接一遍、重新取得信任，不好办。

所以会出现一个有点反直觉的结果："AI 让做功能变便宜"，反而让"谁手里有独家数据、谁离用户近"更值钱了。越是人人都能造功能，那些造不出来的东西——数据、渠道、信任——就越稀缺、越贵。护城河没有消失，它只是又往里退了一层。

规则三：SaaS 会不会被自己写的代码吃掉

这是眼下最激烈的一场争论，值得把两边的逻辑都摆开。

一种极端说法是"SaaS 已死"。它的逻辑是这样：SaaS 的本质，是有人提前把一个软件写好，你按月租来用。可如果 AI 能按需、现场生成软件——你要什么功能，当场生成一个给你——那还需要买一个个现成的、固定的 SaaS 吗？为什么要为别人预先写好的功能付月费，而不是让模型即时给我造一个正好合身的？照这个逻辑，一大批"就是一个数据库加几个表单"的中小 SaaS，最危险。

另一种声音要冷静得多，它提醒你：软件的价值，从来就不只是"那段代码"。

• 代码背后有数据——多年积累的、干净的、结构化的业务数据，不会因为代码好写就自动出现。
• 有集成——和上下游几十个系统对接好的管道，现场生成的代码接不上。
• 有合规——过了审计、符合监管、扛得住法务的那套东西，不是即兴生成能保证的。
• 有可靠性和责任承担——出了事有人负责、有 SLA、半夜宕机有人接电话。你敢把工资发放交给一段"刚刚现场生成、没人担保"的代码吗？

我不替你选边。把两边的逻辑摆清楚，你自己判断：这更像"整个品类被淘汰"，还是"最薄的那一层被吃掉、有数据有信任的那层反而更稳"。大概率不是非黑即白——某些薄 SaaS 会被现场生成取代，某些重 SaaS 会因为 AI 而更深地扎进客户。真正的问题不是"SaaS 死没死"，而是"你这个 SaaS，除了那段代码，还剩下什么别人夺不走的"。

规则四：谁吃到这一波、谁被威胁

第 8 章讲过一条老规律：淘金热里最稳的生意是卖铲子。AI 时代的铲子是谁？

1. 算力/GPU：所有 AI 都得在芯片上跑，不管上层谁输谁赢，算力都在收钱。这是最底、最硬的一层铲子。
2. 基础模型：训出 GPT、Claude 这类底座模型的厂商。别人的 AI 功能，很多是调它们的模型接口——它们卖的是"智能"本身。
3. AI 开发工具：帮工程师用好 AI 的那层工具——代码助手、模型编排、评测监控。淘金的人多了，卖工具的跟着赚。

但铲子这个比喻有个陷阱，得点破：并不是所有站在 AI 边上的公司都在卖铲子，很多只是在别人的铲子外面套了层壳。

这就是眼下最大的隐忧，业内叫 套壳 wrapper（只是在别人的大模型外面包一层薄薄的界面，自己没有独家的东西）。你做了个漂亮的对话框，后面接的是别家的模型——问题来了：

• 模型厂商随时可能自己往上做一层，把你这层壳顺手覆盖掉；
• 下一个套壳者可能做得更漂亮、更便宜，而你没有任何拦得住他的东西；
• 你把"智能"这个核心外包给了别人，等于把命门交了出去，模型一涨价、一改规则，你就被动。

注意，这恰好又绕回了规则二。套壳危险，不是因为"套壳"这个动作本身，而是因为它往往什么护城河都没有——没有独家数据、没有分发、没有嵌进工作流。反过来，如果一层"壳"背后压着别人拿不到的数据、已经触达的用户、缠进业务的工作流，那它就不只是壳，它是有护城河的产品，只是恰好用了 AI 而已。区别不在于用不用模型，而在于除了模型，你还有没有别人夺不走的东西。

为什么这一档冲击可能更大

把这四条规则合起来看，你会发现 AI 这一档和前面几次的区别。

光盘变订阅、订阅变云、云变移动、移动变数据——前面每一次，变便宜的都是"把软件送到用户手里"这件事，动的主要是分发和交付。而这一次，变便宜的是"造出软件"这件事，位置更靠上游。

正因为它踩在更上游，所以它一次踩中了三条线：成本（算力烧钱，规则一）、护城河（功能不再稀缺，规则二）、收入模式（纯订阅松动、SaaS 边界被质疑，规则一和三）。前面几次"变便宜"，大多先冲击其中一条，再慢慢传导到别处；AI 这一次，三条线几乎同时开始晃。这是它可能量级不同的原因。

站在岔路口

请把这一章当成一张"进行中"的地图，而不是一份判决书。到 2026 年的此刻，没人真的知道：算力会不会一路便宜下去、把毛利救回来；纯订阅会退到什么程度、按用量计费会占多大盘子；哪些 SaaS 会被现场生成吃掉、哪些会因 AI 扎得更深；今天风光的套壳里，哪些会长出真护城河、哪些会在下一个季度消失。有人赌算力会救毛利，有人赌毛利回不来了；有人赌 SaaS 已死，有人赌它换个活法继续长——这些赌注都还没开盘。

但有一件事是清楚的：走到这里，我们已经数完了整整六次"变便宜"——光盘、订阅、云、移动、数据，再到这一次的 AI。它们摆在一起，隔着二十多年，样子却越来越像。

它们像不像同一件事，在反复上演？如果真是同一件事，那么能不能从这六次里，提炼出一条共同的规律——一副眼镜，让我们不只看懂已经发生的，还能自己往前推演下一次？

这，就是最后一章要做的事。