我职业生涯的大部分时间都在构建基于软件的公司，过去几年深入 AI 领域。人们不断问我，在 AI 辅助软件开发的时代，软件开发者会怎么样。

我不认为有人确切知道答案，包括我自己。但我认为这个问题比大多数分析所暗示的更有趣，而杰文斯悖论——一个 160 年前的经济学谜题——能为它提供一些有用的启示。

1、不断出错的直觉

1865 年，威廉·斯坦利·杰文斯注意到了一些天真的看法认为不可能的事情。英国的蒸汽机效率越来越高，每单位工作消耗的煤炭越来越少。合理的预测：英国会需要更少的煤炭。实际发生的事情：煤炭消费爆发了。效率降低了使用煤炭的有效成本，这拓宽了其应用范围，加深了其采用程度，并增加了总消费量。燃料越便宜，人们找到的用途就越多。

我认为同样的逻辑适用于 AI 编程和开发者就业。乍一看，AI 似乎威胁到了这个职业。如果一个模型能写样板代码、生成测试、解释陌生的 API 并加速调试，那么公司肯定需要更少的程序员。这个结论感觉自然。但它几乎肯定是错的。

机制是这样的。AI 不仅仅是替代开发者。它降低了将想法转化为可工作软件的成本。当生产成本下降时，需求很少会停滞不前。曾经被认为太小而不值得组建团队的项目突然变得可行。被推迟的内部工具变得值得构建。初创公司可以尝试以前需要两倍资金的产品。经济的边界在向外扩展。

核心问题不是 AI 是否能让一个开发者更高效。它显然可以。问题是软件需求是否会以比生产力提升更快的速度扩张。如果是，即使代码生成本身变得不那么劳动密集，总就业人数也能增长。

我认为需求扩张将是巨大的。而且不仅仅因为软件复制成本低。真正的原因是结构性的，这使得软件从根本上不同于煤炭。

2、软件不是煤炭

煤炭有收益递减的特征。你只能把建筑加热到一定程度，让机车跑到一定速度，每个熔炉冶炼一定量的铁。煤炭的应用虽然众多，但受到燃烧物理学的限制。最终煤炭消费趋于平稳并下降，被石油、天然气和可再生能源取代。

但软件有煤炭从未有过的特性，这些特性使悖论更有力而非更弱地适用。

首先，软件是组合性的。每一段新软件都会创建需要更多软件的集成面。一家公司建立了一个客户数据库；现在它需要分析、报告、API 访问、移动视图、合规日志、备份系统和迁移工具。每一层都创造了对下一层的需求。煤炭从未这样过。

其次，软件的分发边际成本接近零，但定制的边际成本接近无限。通用产品免费交付；但真正适合你工作流程的版本需要工程工作。这意味着更便宜的生产不仅仅是让现有软件更便宜。它创造了全新的产品类别：为更小众、更狭窄的用例、更短的生命周期量身定制的软件。

第三，物理世界仍然大量未数字化。想象一家 50 人的制造公司。今天他们可能有一个他们讨厌的 ERP 系统、一些管理车间现场的电子表格、以及一个用于生产调度的白板。想象软件开发成本下降 10 倍。现在构建一个定制工具——读取他们特定 CNC 机器的输出、按操作员和班次跟踪废品率、在质量问题到达客户之前标记质量漂移、自动生成行业认证的合规文档，并与他们特定的会计工作流集成——在经济上变得合理了。这些软件今天不存在，因为经济上不划算。改变经济性，它就会被构建出来。将这个逻辑乘以全国的每家医院、律师事务所、学区、卡车运输公司和农业合作社。那是大量等待存在的软件。

3、谁会繁荣，谁不会

杰文斯悖论是关于总量的，不是关于对称性的。这就是故事的舒适版本破裂的地方。

标准说法是：开发者沿着价值链上行。花更少时间编写常规代码，更多时间决定构建什么、集成系统、验证正确性、设计抽象、将混乱的人类需求转化为计算形式。瓶颈从生产转向判断。

这大致正确，但它掩盖了一些重要的东西：上行的人不一定就是之前拥有那些工作的人。

AI 的"人类沿价值链上行"论点假设价值链有一个稳定的顶端。但它没有。今天的编码助手处理样板代码。明天它们可能处理架构。明年它们可能直接将业务需求转化为系统规范。"独特人类判断"的窗口不是一个固定的窗台。它是一块 AI 不断从下方抬升的脚手架板。

4、乘法，而非替代

最可能的结果不是一个简单的消失或胜利的故事。它是伴随重新分配的乘法。

AI 编程让软件更便宜。更便宜的软件催生更多用途。更多用途需要更多监督、更多适应、更多集成、更多发明。未来的开发者手写的代码行数可能更少，但他们将被要求将软件带到以前从未有过的经济角落。对这项工作的总需求在扩大。而决定性的具体技能在变化，并非每个拥有旧技能的人都会拥有新技能。

效率很少是一个故事的终点。在软件中，就像在煤炭中一样，变得更便宜的东西往往会变得更普及。AI 编程的悖论性结果可能是：机器越擅长生产代码，文明对开发者提出的要求就越多。

这是否是好消息，取决于你是哪种开发者。

原文链接：AI时代，软件开发者的命运 - 汇智网