2026，写给 AI 创业者的慷慨、残酷、与迷雾

十字路口Crossing十字路口Crossing··0·0

AI 创业进入“最坏”的时代了吗？

🚥

👦🏻 Koji：

我很推荐这篇文章。

它最打动我的地方，是它没有停留在"AI 很厉害"这种表层兴奋里，而是把今天放回到更长的技术史里去看。对创业者来说，这很重要。因为每一次核心能力被快速商品化，机会会变大，竞争也会变得更残酷：做出来更容易了，但"做什么、为谁做、如何被看见"反而变得更重要。

我自己的感受也是，今天这个时代对创业者既慷慨也残酷。慷慨在于，一个人就能做出过去一个团队才能做出的东西；残酷在于，光会做已经不再是优势了。真正重要的，是判断力、产品感、对用户的理解，以及有没有勇气围绕新能力重写旧问题。

这篇文章值得一读。不是因为它给了答案，而是因为它帮我们把问题看得更清楚。

本文的作者是「加元」，AI 创业者，打造过用户量过百万的 Devv.AI，即将发布新产品。

01. 加速的 2026

2026 年 2 月，Andrej Karpathy（前 Tesla AI 总监、OpenAI 创始成员）在 X 上描述了一个非常具体的转折点。

11 月，他的编程工作还是 80% 手写代码、20% 让 agent 处理；到了 12 月，比例完全倒置——80% 用自然语言指挥 agent，20% 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。

DHH（Ruby on Rails 创始人）的反应同样直截了当：

"Biggest and fastest change in the 40 years I've tried to make computers do my bidding. And surprisingly, the most fun too!" （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 AI 领域一线的创业者，过去 3 个月我也重新回到了 builder 模式——平均每天消耗 100M+ token，提交了 1,000 多次 commit：

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。

这些加速不只发生在个人层面。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。这个将 Claude Code 级别的 agent 能力通过 Telegram/Slack 推向大众用户的产品，在 1 月底突然走红。它的成功印证了一个规律：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。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"。

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。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。

（备注：发布这篇文章的时候 OpenClaw 已经超过了 React，成为了 GitHub 上 star 数最高的代码项目）

企业层面的结构性变化。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%。

（值得一提的是，批评者认为 Block 的裁员更多是在纠正疫情期间的过度招聘——公司曾从约 4,000 人暴增至 13,000 人。甚至连 Sam Altman 都承认存在"AI washing"现象。但无论裁员的真实原因是什么，市场选择相信 AI 的叙事，这本身就说明了一些事情。）

这并不是渐进式的效率提升。核心的爆发点在于：

AI Coding（或者更广义的来说是 Agent）的能力已经越过基线并正在被快速商品化（commoditized）——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"。

这篇文章试图回到那些历史时刻的现场，看看当时究竟发生了什么，然后再回到当下，看看它能帮助我们理解什么。

02. 当复制变得免费

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（活字印刷的原理最早由北宋毕昇在约 1040 年发明）。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。

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（scriptoria）在几十年内走向衰亡。1492 年，修道院院长 Johannes Trithemius 撰写了《论抄写员的荣耀》（In Praise of Scribes），试图论证手抄的精神价值。
  • 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（路德利用印刷术大规模传播观点）、科学革命（学术论文可以跨国流通）、民族国家的兴起（方言出版物强化了国族认同）——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。Clayton Christensen 提出过**"利润守恒定律"（Law of Conservation of Attractive Profits，吸引力利润守恒定律）：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**。Ben Thompson 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。"

（图源：Netflix and the Conservation of Attractive Profits by Ben Thompson）

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。

Joel Spolsky 在 2002 年的文章《Strategy Letter V》中将这一逻辑总结为一个战略原则："Commoditize your complement"（商品化你的互补品）——聪明的公司会主动将互补品商品化，以增加对自身核心产品的需求。微软将 PC 硬件商品化以提高操作系统的价值；Netscape 将浏览器免费化以提高服务器的价值。

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。

这种供给端爆炸正在当下重演。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。

03. 当动力变得廉价

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（line shaft）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 Paul David 在 1990 年的著名论文 "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox"（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。

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（TFP）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 Robert Solow 在 1987 年提出的 IT 生产率悖论形成了跨越百年的回响——"You can see the computer age everywhere but in the productivity statistics"（你到处都能看到计算机时代，唯独在生产率统计中看不到）。Erik Brynjolfsson 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。

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。

04. 当门槛坍塌

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。Marc Andreessen 在 "Why Software Is Eating the World"（为什么软件正在吞噬世界）中回忆：2000 年，他的合伙人 Ben Horowitz 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 0.5/GB 到 0.022/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 $20,000）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 Unbundle（解构），再 Re-bundle（重组）。

Jim Barksdale 有一句名言："There are only two ways to make money in business: One is to bundle; the other is to unbundle."（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 unbundle 了教会对知识的垄断，然后出版商 re-bundle 了内容策展和分发。
  • 云计算先 unbundle 了 IT 基础设施，然后 AWS/GCP/Azure re-bundle 成了新的一体化云平台。
  • 新闻业先被博客和社交媒体 unbundle——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 re-bundle 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"。

05. 商品化的规律

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 unbundling 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 re-bundling。

06. 我们现在在哪里

经济学家 Carlota Perez 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（Installation Period）：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（Turning Point）：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（Deployment Period）：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。

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2003-2020s
AI2023-???

如果 Perez 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**。**

07. 可能发生什么

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"。

这里有一个重要的区分：技术替代的是"任务"，而不是"人"。那些可以被拆解成明确步骤的工作——无论是认知性的（如数据录入）还是体力性的（如流水线装配）——会被技术替代；而那些需要判断力、创造力、复杂沟通的工作，反而会被技术放大。结果是：高端技能更值钱，中端技能被商品化，从业者被挤向两端。

同样，程序员的价值将从"能写代码"这一越来越常规化的任务，迁移到系统架构判断力、产品直觉、品味，以及复杂系统的调试与整合——这些仍然是非常规任务。

最大的受益者不是"用 AI 写代码最快的人"。历史上每次商品化，最大的受益者往往不是执行更快的人，而是重新定义了游戏规则的人。古登堡不是最大赢家，出版商和作者是。电力公司不是最大赢家，福特是。AWS 当然是赢家，但 Airbnb 和 Stripe 同样是——它们利用被商品化的基础设施，创造了此前不可能存在的商业模式。当 coding 被商品化后，赢家可能不是"用 AI 写代码最快的人"，而是那些利用零边际成本的代码生产能力，去重新定义产品形态、分发方式、或价值捕获模式的人。

Unbundling 之后，Re-bundling 的机会正在酝酿。 当前我们正处于 unbundling 阶段——标准化工具被拆散，长尾个性化工具涌现（参考最近的 SaaS vs 个性化 Agent 的变化）。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"。

而电力的四十年教训提醒我们保持耐心。 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：

  • 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。

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。McKinsey 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。

08. 这是创业最坏的时代

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：

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。

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。

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。

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。

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。

09. 在地狱模式里生存

那么，在这个地狱模式里，什么样的策略可能是有效的？

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？一次性软件？自适应软件？超个性化体验？

（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。）

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、强大的用户关系、难以复制的分发渠道、或者品牌和社区。

速度仍然重要，但方向比速度更重要。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。

拥抱 unbundling，同时寻找 re-bundling 的机会。当前是 unbundling 阶段——长尾工具涌现，标准化产品被拆散。但历史告诉我们，re-bundling 必然到来。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？

接受这是一场持久战。安装期的混乱可能还要持续数年。这不是一个"快速找到 PMF 然后规模化"的时代，而是一个需要不断适应、不断重新定义自己的时代。耐心和韧性可能比任何单一技能都重要。

10. 不破不立

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。

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。

参考文献

  1. Autor, D.H., Levy, F., & Murnane, R.J. (2003). "The Skill Content of Recent Technological Change: An Empirical Exploration." The Quarterly Journal of Economics, 118(4), 1279-1333. https://doi.org/10.1162/003355303322552801
  2. Brynjolfsson, E. (1993). "The Productivity Paradox of Information Technology." Communications of the ACM, 36(12), 66-77.
  3. Christensen, C. & Raynor, M. (2003). The Innovator's Solution: Creating and Sustaining Successful Growth. Harvard Business School Press.
  4. David, P.A. (1990). "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox." American Economic Review, 80(2), 355-361.
  5. Dittmar, J. (2011). "Information Technology and Economic Change: The Impact of The Printing Press." The Quarterly Journal of Economics, 126(3), 1133-1172.
  6. Dittmar, J. & Seabold, S. (2019). "New Media and Competition: Printing and Europe's Transformation after Gutenberg." CEP Discussion Paper No. 1600.
  7. Perez, C. (2002). Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages. Edward Elgar Publishing.
  8. Solow, R. (1987). "We'd better watch out." New York Times Book Review, July 12, p.36.
  9. Andreessen, M. (2011). "Why Software Is Eating the World." Wall Street Journal. https://a16z.com/why-software-is-eating-the-world/
  10. Bustamante, N. (2026). "The Crumbling Workflow Moat." https://www.nicolasbustamante.com/p/the-crumbling-workflow-moat-aggregation
  11. Grady, P. & Huang, S. (2026). "2026: This is AGI." Sequoia Capital. https://sequoiacap.com/article/2026-this-is-agi/
  12. Spolsky, J. (2002). "Strategy Letter V." https://www.joelonsoftware.com/2002/06/12/strategy-letter-v/
  13. Thompson, B. (2015). "Netflix and the Conservation of Attractive Profits." Stratechery. https://stratechery.com/2015/netflix-and-the-conservation-of-attractive-profits/
  14. a16z. (2025). "Charts of the Week: The Almighty Consumer." https://www.a16z.news/p/charts-of-the-week-the-almighty-consumer
  15. McKinsey & Company. (2025). "The State of AI 2025." https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  16. METR. (2025). "Measuring AI Ability to Complete Long Tasks." https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
  17. METR. (2025). "Early 2025 AI Experienced OS Dev Study." https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
  18. Buringh, E. & Van Zanden, J.L. (2009). "Charting the 'Rise of the West': Manuscripts and Printed Books in Europe." The Journal of Economic History, 69(2), 409-445.
  19. CBO. (2013). "Total Factor Productivity Growth in Historical Perspective." Working Paper 2013-01.
  20. AWS. (2006-2018). S3 定价历史数据.
  21. Y Combinator 创立历史 (2005). https://paulgraham.com/ycstart.html