2026：软件的末日、工程师的陨落、平庸的消失
末日之后，才是真正的开始。
末日之后，才是真正的开始。
👩 作者: Shirley
🥷 编辑: Koji
🧑🎨 排版: NCon
2026 年的头一个月，美国软件股经历了一场没有先例的踩踏。
1 月底，微软因云业务指引疲软，次日股价重挫近 12%，连累做企业流程的 ServiceNow、做客户管理的 Salesforce 一同暴跌；
2 月，Anthropic 推出面向企业工作流的 Cowork 及多款配套插件，一家卖了上百年法律数据的老牌公司 Thomson Reuters 单日暴跌近 16%，市值削掉近 1/6。
整个 1 月，标普北美软件指数下跌 15%，是自 2008 年金融危机以来最惨的一个月，而同期半导体指数却在大涨。华尔街将这套交易叫作"做多硬件，做空软件"，并给这场抛售起了个新名字：
SaaSpocalypse——软件末日
恐慌不只在盘面上。之后的几个月，从 Block 到甲骨文，美国科技业已裁撤上万个岗位。
一位干了二十年的资深工程师丢了工作，他清晰地记得 2022 年第一次看到 AI 写代码的那一刻：
我花了五秒钟把所有情绪过了一遍，然后就明白，好吧，我的职业生涯完了。
作为生意：被做空的是 SaaS 中间层
在这场恐慌的背后，有一套被视为"铁律"的商业逻辑正在松动。
过去二十年，软件行业最成功的商业模式叫 SaaS：把企业所需的功能打包成一个操作界面，按月向每个登录用户收取席位费。
Salesforce 管客户关系，Workday 管人力资源，Atlassian 管项目协作，每家公司都是同一套逻辑的变体。界面本身就是产品，也是护城河。
工作流嵌得越深，员工的肌肉记忆积累得越厚，替换一套系统的代价就越高。这种"用习惯了就离不开"的黏性，是过去二十年 SaaS 公司估值飞涨的核心驱动力。
而 AI agent 的出现，正在从根本上动摇这个根基。
今年 4 月，Salesforce CEO Marc Benioff 在 X 上发布了一条措辞平静、却意味深长的帖子：
所有 AI agent 都能通过 API 直接访问 Salesforce Headless 360，无需浏览器。
这家靠"界面"起家的商业帝国，亲手把自己的界面变成了可选项。
这一举动引出了一个更值得深究的问题：如果将一套软件的用户界面剥离、让后台数据库直接暴露，究竟还剩下什么？它与一个普通数据库加一套接口，本质区别何在？
a16z 在《Is software losing its head?》[1]中，给出了一个分析框架：AI agent 要替企业做事，最难的不是写代码，而是搞懂那些从未被写进文档的潜规则。
比如 10 万美元以上的合同要副总裁审批，欧洲业务要先过隐私合规审查，向战略客户的折扣只有在季度末才能绕过财务部门。这些规则，恰恰是 AI 在安全行动前必须掌握的"上下文"。
AI 大幅降低了重建一套系统前 80% 的成本，而剩余的 20%，特殊事项、审批流程、合规要求，仍然是"可用原型"与"真正替代品"之间的分水岭。
于是我们发现，被市场集中做空的，几乎都是价值落在"前 80%"的中间业务：以数据分发为核心的法律信息服务商（Thomson Reuters）、以流程协调见长的项目管理工具（Atlassian），以及标准化程度较高的在线法律服务平台（LegalZoom）…
它们的共同特征，是壁垒恰好集中在最容易被 AI 复制的区域。
而管理财务账目的后台系统、涉及合规审计的数据平台，则属于那难以逾越的"20%"。这"20%"要么关乎法律责任，要么涉及监管合规，没有组织愿意轻易托付给一个可能出错的 AI agent。
此外，这背后有一个更结构性的原因在于转换成本。以 a16z 这张转换成本光谱图为例：
ATS（招聘追踪系统） 服务于一个有边界的流程。候选人入职或被拒后记录基本封存，替换起来麻烦，但可以做到。
CRM（客户关系管理系统） 是销售团队每天读写的系统，管理节奏、审批流程、预测逻辑全部囊括在内。替换意味着迁移活跃的实时数据，同时重建那些从未被写成文档的操作习惯。
ERP（企业资源规划系统） 管的是公司账目、薪资和审计追踪。审计师、会计师和监管机构都是它的直接利益相关方，任何迁移都得把他们一起拉进来。
a16z 把替换 CRM 比作"开胸手术"，替换 ERP 则是"病人在跑马拉松时做开胸手术"。
AI agent 的出现，没有让整条光谱崩塌，但它在抽掉其中一层。
过去那些靠界面习惯和肌肉记忆维持高转换成本的系统，被 AI API 直接绕过去；而沉在底部的数据、权限和合规责任——这些是 AI 不轻易具备的能力——依然牢固。
死在这里的，恰恰是价值大部分集中在上层、底子又没什么合规含量的中间层 SaaS。
但这只解释了"哪些会死、哪些会活"。还有一个更大的问题没有被回答：
如果 AI 正在侵蚀现有软件的根基，软件的总量，究竟会随之萎缩，还是不减反增？
作为产物：软件在液化
如果 SaaS 中间层正在被侵蚀，直觉上软件应该随之变少。科技分析师 Benedict Evans 在今年 5 月的 Spring Final[2] 报告中，把这一矛盾摆成了一道开放题：
AI 到底是替代了软件，还是制造了更多软件？
他将这个问题放进一个红色圆圈，留在页面右侧，没有急于给出答案。
但或许，答案就藏在一个 19 世纪的经济学规律中。
1865 年，英国经济学家威廉·斯坦利·杰文斯注意到一个反常现象：蒸汽机效率越高，英国消耗的煤炭反而越多。效率提升没有让一种资源的消耗减少，而是让它变得更便宜、更易用，继而催生了大批原本根本不存在的工厂和用途，导致总消耗量净增长。这个现象后来被称为杰文斯悖论：
Jevons Paradox，指技术进步提高资源使用效率后，反而因需求扩张导致该资源总消耗量上升，而非下降。
而 Token，正在走同一条路。
下方来自摩根大通的这张 AI 大模型推理成本与性能关系图（2023.3–2025.10），横轴是每百万 Token 的调用成本，纵轴是模型性能得分。
从 2023 年 3 月的 GPT-4，到 2025 年 9 月的 Grok 4，蓝色实线持续向右下角延伸，展示了"更聪明且更便宜"的 AI 大模型主流迭代趋势。
当 GPT-4 刚问世时，每百万 Token 的调用成本高达 37.5 美元；仅仅两年后，GPT-5 High 降至 3.63 美元，其性能得分更是突破了人类博士水平。
两年间，处于性能与成本最优平衡点的主流模型，推理成本下降超过 99%。
但 Token 的总消耗量，不是在下降，而是呈指数级攀升。
OpenClaw 之父 Peter Steinberger 最近在 X 上晒出了他的 API 账单：过去 30 天，他通过 OpenAI API 消耗了 6030 亿个 Token，单月花费超过 130 万美元。
这不是一家大公司内部的集中部署，而是一个个人级别的实验。
于是，杰文斯悖论在 AI 时代有了一个更现代的版本：每一次 Token 价格的下跌，都不只是让现有软件运行得更便宜，而是解锁了一批之前不存在的软件。
在 Vibe Coding 成为现实之前，写一个功能意味着需求文档、架构设计、代码实现、测试部署，每一步都需要有人在场。现在，你用自然语言描述你想要什么，AI 就能把它变出来。
一个在 GitHub 上获得近 5 万颗 star 的开源项目 OpenDesign[3] 就是非常典型的例子。
过去，设计师的工作流围绕 Figma 展开，拖拉拽组件、调整间距、标注切图。Anthropic 在今年 4 月发布 Claude Design，第一次展示了另一种可能：LLM 直接输出可交付的设计产物。
而 Open Design 则比"辅助设计"走得更远。
从视频中可以看到，用户在 Codex 里给出 GitHub 链接，agent 便能自动调用 Open Design、抓取操作路径、渲染前端页面，随后用户只需要在对话框中输入相关提示词，Codex 就能调用相应工作流和插件，自动生成完整的 slides。
这个工作流放在两年前根本不存在。它不是 Figma 的升级版，而是 Token 成本下降后催生出的新产物——从"拖拉拽工具"，转向"agent + context 工作流"。
OpenDesign 不是孤例，它能跑起来，靠的不只是 Token 变便宜，更是因为软件正在从固定形态的产品，变成按需生成的介质。
而介质需要管道。 一旦软件变成介质，它需要的就不只是模型，而是一整套新的基础设施：协议负责连接，支付负责结算，分发负责安装能力。
a16z 在《Big Ideas 2026[4]》中把这种变化概括为一句话：
软件设计的优化目标，正在从"视觉层级"转向"机器可读"。
协议层：MCP 正在成为新的 USB 接口
MCP（Model Context Protocol，模型上下文协议）由 Anthropic 在 2024 年底推出。它要解决一个看似简单的问题：让 AI 知道如何与外部软件对话。
在 MCP 之前，每让 AI 接入一个新工具，都要单独写一套适配代码。Claude 调用 Slack 是一套，调用 GitHub 是另一套，调用公司内部系统又是第三套。
MCP 则把这件事标准化：任何应用只要做一次 MCP server，所有支持 MCP 的 AI（Claude、ChatGPT、Cursor、Copilot 等）就能直接调用它。也因此，它常被比作 "agent 时代的 USB 接口"——一种通用的连接标准。
Digital Applied 的数据显示，截至 2026 年 5 月，41% 的企业软件团队在生产环境中部署了 MCP agent；GitHub 上带 mcp-server topic 的代码库已达 15,926 个，月下载量突破 9700 万次。
2025 年 12 月，Anthropic 把 MCP 捐给了 Linux 基金会下属的 Agentic AI Foundation。今天，MCP 已经从一家公司的产品变成了全行业的公共基础设施。
支付层：90 天大战，与冷下来的真相
2025 年下半年，全球支付巨头开始密集布局 AI agent 支付：Coinbase 先行推出 x402，Google 在 9 月发布 AP2 并集结 60 多位合作伙伴，Visa 与 PayPal 则先后在 10 月官宣 TAP 和 Agent Ready。
它们要解决的是同一个问题：agent 需要的是一套机器原生（machine native）的支付形式，即时、按次、不依赖人类审批。 在这套思路里跑得最早、也最具想象力的，是 x402。
x402 复活了互联网早期协议里那个一直闲置的 HTTP 402（Payment Required）状态码，让 agent 用稳定币就能按次付费、调用任何开放 API。以 x402 官方协议说明中的这张对比图为例：
左边是在传统支付链路里需要完成的五步：开户、KYC、买订阅、管理 API key、付款；右边是 agent 在 x402 中完成的三步：发出请求、用稳定币结算、拿到访问权。
差的不只是步骤数，而是底层假设。前者默认每一步都需要有人审批，而后者默认机器自主决策、即时结算。截至今年 4 月，x402 累计交易 1.7 亿笔、GMV 5060 万美元。
但如果把镜头拉近，故事并没有想象中那么乐观。
x402 真实的链上日交易量从 2025 年 11 月的 380 万美元，回落至 2026 年 5 月约 2.8 万美元。日交易量曲线，更像很多 meme 币常见的"短暂爆发 + 长尾衰减"形态。
更说明问题的是下图中这条绿线，刷量交易（Gamed Transactions）占比长期维持在 40%-80% 之间。 换句话说，看上去还在跑的那部分，至少一半不是真实的机器经济。
支付通道搭起来了，但真实需求远没有跟上。
分发层：agent 时代的 npm
如果说协议解决"怎么说话"，支付解决"怎么算钱"，那么分发层要解决的是"agent 怎么拿到能力"。
Browserbase 是一个具体的例证。这家做 agent 无头浏览器（B 轮融资 4000 万美元、估值 3 亿美元）的公司，最近推出了 browse.sh[5]，一个面向 agent 的浏览器 skill 市场。
任何 agent 用一条命令，就能装上"在 Amazon 搜商品"、"在 Airbnb 订房"、"在 OpenTable 定座位"这类预制 skill。
以"在亚马逊上做竞品分析"为例。可以看到，只需要打开 Codex 输入
npm i -g browse、
browse skills add amazon.com/search-products-5170mf 命令行和相应 prompt，Codex 就能自动完成检索、选品和深度调研：
就像 npm 当年统一了代码包的分发，Browserbase 们想做的是 agent 能力的分发。
除了 browse.sh，还有 Vercel 出品的 skills.sh[6]、囊括 17.7 万条技能的 agentskill.sh[7]，都在把 agent skills 封装成可检索、可安装、可分发的市场形态。
这一切并不陌生。20 年前互联网刚起来的时候，我们需要 DNS 来定位网站、Stripe 来收钱、OAuth 来做登录、AWS 来跑服务器，整套基础设施是为了让网页能运转。
agent 时代正在压缩重演同一件事，协议、支付、分发，全部要为一种新的"用户"（agent）重新搭一遍。基础设施不仅在被新增，更在底层逻辑上被重写。
Noah Smith 在《极客的陨落[8]》里用一句话描述了上述转变：
软件不再是匠人的作品，而是一种可以按需生成的介质。
但从"可随意生成"到"真实部署"之间，并非没有阻力。把软件接入真实的业务管道，仍然需要大量人工，去理解业务逻辑、打通数据权限、处理合规边界。
而那个曾经以"造软件"为职业身份的人，又去了哪里？
作为职业身份：极客在蒸发
经济史学家罗伯特·艾伦在研究工业革命时注意到一个反常的历史节点：
动力织布机并非诞生于手工织布业最衰落的年代，恰恰相反，它进入商业化的时机，是手工织布工工资最高的那几年。
18 世纪 80 年代，工厂纺纱效率大幅提升，对织布工需求的增加，带来了工资飙升。正是在这段黄金时期，即便效率并不算高的早期织布机原型，也因为替代昂贵劳动力，而被推进了市场。动力织布机成熟之后，手工织布工的收入断崖式下降。
软件工程师的故事，在结构上几乎如出一辙。
2011 年，硅谷教父马克·安德森在《华尔街日报》写下那句著名的断言："软件正在吞噬世界"。随后十年，这句话被当作时代的通行证反复引用。
非营利组织 Code.org 从比尔盖茨夫妇手中筹集了 1200 万美元，教贫困儿童编程；奥巴马政府推行"全民计算机科学计划"，将写代码列为"实现经济机会和社会流动性所必需的新基础技能"；
2020 年美国总统大选前夕，拜登因告诉一群挣扎中的矿工"应该花时间编程，而不是钻进肮脏的矿井"，而走红网络。
人们也做出了回应。从 2009 年到 2024 年，计算机科学专业的应届毕业生人数从不足 7 万人激增至超过 25 万人；就业市场上，开发人员的基本工资中位数在同期增长了 24%，达到美国工资中位数的两倍以上。
"学编程"成为一代人被反复灌输的人生建议。
然而好景不长，AI 的出现正在吞噬软件工程师的入门级岗位。
据斯坦福大学 HAI 研究中心发布的《2026 AI 指数报告》显示，在商业应用层面，AI 为软件开发带来 26% 生产力提升，同时也引发了明显的就业挤压：自 2024 年以来，美国 22 至 25 岁初级开发人员的就业率下降了近 20%，而资深开发者的数量则持续增加。
就连 X 平台产品负责人 Nikita Bier 也忍不住发帖调侃：
我们距离一个没有设计师、没有工程师，只有第三种神秘角色的世界，只剩几个礼拜了。
Stack Overflow 的流量下滑，是这场变化最安静的注脚。
这个曾经汇聚了全球工程师经验的问答社区，如今更像一座"上古时期的博物馆"。
如果单看社区活跃度（新问题数），截至 2025 年末，其水平已较 2020 年疫情时期的峰值下降超过 90%。传统问答社区不再是默认入口，工程师们能从 AI 那里直接获取答案。
Noah Smith 援引经济史学家布拉德·德隆的说法，将这个社区称为"工程实践共同体"：
它就这样悄悄解散了，没有宣布，没有仪式…
但社群的瓦解，不等于那批人的消失。真正消失的，是平庸的空间。
硅谷投资人纳瓦尔对此说得很直接：没有人想要第二名。当 AI 已经能以极低的成本覆盖软件开发 80% 的工作，平庸的应用只会无人问津，平庸的工程师只会加速出局。
软件工程师仍然是这个星球上最具杠杆效应的人群之一，但前提是他们知道自己的优势在哪里。AI 生成的代码会有漏洞，会有架构缺陷，而知道问题出在哪里、为什么出错，需要的不是更快的生成速度，而是更深的理解。
于是 Nikita Bier 口中那个"第三种神秘角色"，轮廓开始变得清晰起来。
这个角色已经有了一个新名字：FDE，前沿部署工程师（Forward Deployed Engineer）。
这个职位最初起源于 Palantir。2010 年，他们的工程师常驻阿富汗特种部队，白天随队收集反馈，晚上写代码发布更新。软件必须在它要运行的环境里被构建。今天这个逻辑依然成立，只是战场换成了企业。
以 Anthropic 对这个职位的描述为例：FDE 需要嵌入客户组织内部，与客户合作构建 AI 应用，交付 MCP 服务器、子 agent 和 agent skill，同时把客户现场的问题反馈给产品和工程团队。
这个角色对能力的要求并不像传统软件工程师那样单一，而是要求三种能力的交集——工程（Engineering）、产品（Product）和客户（Customer）。
大多数工程师只具备其中一到两项，FDE 需要三项同时运转。
因此，这个角色不再只是传统意义上的工程师，但他必须懂 Systems Thinking：知道系统的状态由谁维护，知道反馈从哪里来，知道删掉一个组件会引爆什么。
在一个 AI 大概率正确、偶尔离谱的概率世界里，他就是那个管弦乐指挥家。
开篇那位被裁的工程师不会回到他二十年前的样子，但他也不必。
当软件成为流动的介质，人的价值就从"写代码"迁移到了"懂系统"，从"匠人"变成了"指挥"。
软件没有死，它只是从产品变成了介质。极客也没有消失，他们只是从写代码的人，变成了让系统真正运转起来的人。
十字路口正在寻找独立撰稿人，撰写 AI 产品和模型评测。
如果你写过类似文章：《实测 PixVerse C1》、《实测 LibTV》，请联系 zeo0811@gmail.com ，邮件内容请包括：① 个人介绍、② 你写过的 AI 评测文章。
我们会提供有竞争力的稿酬。期待与你一起观察与记录 AI 时代 🎪
参考资料
[1]《Is software losing its head?》：https://a16z.com/is-software-losing-its-head/
**[2]**Spring Final：https://static1.squarespace.com/static/50363cf324ac8e905e7df861/t/6a0af5d0484fbf5fe9a7743e/1779103184855/2026-Spring-AI.pdf
**[3]**OpenDesign：https://github.com/nexu-io/open-design
**[4]**Big Ideas 2026：https://a16z.com/newsletter/big-ideas-2026-part-1/
**[5]**browse.sh：http://browse.sh/
**[6]**skills.sh：http://skills.sh/
**[7]**agentskill.sh：http://agentskill.sh/
**[10]**https://browse.sh/：https://browse.sh/
**[11]**agentskill.sh：https://agentskill.sh/
**[12]**https://www.x402.org/：https://www.x402.org/
**[13]**https://en.wikipedia.org/wiki/Jevons_paradox：https://en.wikipedia.org/wiki/Jevons_paradox