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：“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-1920s	1929大萧条	1930s-1960s
互联网/IT	1990s	2000互联网泡沫	2003-2020s
AI	2023-?	?	?

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。