AI时代的生产和消费：（1）软件已死？AI正在改变的，不只是软件（上）

人工智能正在挑战软件产业赖以成功的经济基础。但这场变革更深远的意义，或许并不在于软件如何被生产，而在于生产、消费与市场将如何共同演变。

过去半个多世纪，软件一直是现代资本主义经济中最成功的商业模式之一。一家公司可以投入数百万美元开发一套产品，然后以几乎可以忽略不计的成本，将它复制并销售给成千上万甚至数百万客户。与传统制造业不同，软件公司不需要为每增加一个客户就相应增加原材料、生产设备和运输成本。一旦收回最初的开发投资，后续销售便可能带来相当可观的利润。这种独特的经济结构造就了一批全球最有价值的企业，也使软件成为现代商业中最具规模效益的产业之一。

如今，人工智能正在以一种出人意料的方式挑战这一模式。问题并不是软件将不再被需要。恰恰相反，随着 AI 能力不断提高，软件可能比以往任何时候都更加普遍。真正的变化在于，过去相对稀缺、成本高昂的软件开发能力，正在变得越来越容易获得。曾经需要一支程序员团队花费数月才能完成的工作，如今在某些情况下，规模小得多的团队借助 AI 开发工具便能够完成。一些过去足以支撑高额许可费用的应用程序，也可能变得更容易复制、定制或替代。

2026年3月，红杉资本合伙人 Julien Bek 发表了一篇题为《Services: The New Software》的文章，提出了一个引人关注的判断：下一代具有巨大商业价值的科技公司，可能不再主要出售帮助人们完成工作的软件工具，而是直接出售工作完成后的结果。过去，一家企业购买会计软件，再雇用会计人员使用软件完成财务工作；未来，它可能直接购买一项由 AI 支持的会计服务，由系统完成其中相当一部分工作。在这种思路下，AI 的商业机会不仅存在于企业的软件预算之中，更存在于规模大得多的专业服务和人工劳动支出之中。（红杉资本，Julien Bek：《Services: The New Software》，2026年3月。）

这个观点之所以具有吸引力，是因为它确实抓住了技术与劳动关系正在发生的一种重要变化。传统软件向人提供完成工作的能力，而越来越先进的 AI 系统开始能够直接运用这些能力。购买工具与购买工具所产生的结果，两者之间原本清晰的界限正在变得模糊。

然而，这一判断也引出了一个更基本的经济学问题。如果 AI 能够使软件开发和专业服务的成本大幅下降，是否就意味着提供这些产品和服务的企业一定会变得更有价值？假设一项过去需要一万美元才能完成的会计工作，现在只需要一千美元，客户显然获得了巨大的经济利益。但服务提供商可能发现，整个市场的价格也在随着生产成本下降。技术创造的经济价值，并不一定由率先采用技术的企业获得。

这一差别使我们的讨论超出了软件产业本身。技术进步改变的是一个经济体系能够生产什么，以及能够以多低的成本生产；市场需求则决定这些产品和服务能否形成持续的经济价值。两者密切联系，却未必以相同的速度变化。理解它们之间的相互作用，可能比预测下一个被 AI 颠覆的行业更加重要。

软件为什么曾经是一门如此特殊的生意

要理解 AI 正在改变什么，首先需要回顾软件产业为什么能够形成如此成功的商业模式。传统工业生产通常需要随着产量增加而投入更多物质资源。一家汽车工厂如果要将产量提高一倍，就需要更多零部件、能源、劳动力和生产能力。规模经济可以降低每辆汽车的平均成本，但生产下一辆汽车永远不可能真正变得几乎没有成本。

软件具有不同的成本结构。开发第一套复杂软件可能需要大量投资，但将它复制给另一个客户，通常只需要很少的额外成本。我们可以用一个简单的数学模型表示这种关系：

\[ AC(N)=\frac{F}{N}+c \]

其中，\(F\) 是软件开发的固定成本，\(N\) 是客户数量，\(c\) 是服务每增加一个客户所需的边际成本，\(AC(N)\) 则表示平均成本。随着客户数量增加，固定开发成本被分摊到越来越多的用户身上，平均成本逐渐接近边际成本 \(c\)。

这个关系解释了软件产业长期以来的经济吸引力。一套成功的软件产品可以服务不断扩大的市场，而生产成本不必按相同比例增长。企业可以在研发阶段投入大量资金，再通过不断扩大的销售规模收回投资并获得利润。

软件即服务（SaaS）进一步发展了这一商业模式。客户不再一次性购买永久许可证，而是按月或按年支付订阅费，通常根据使用软件的员工数量计费。软件公司因此获得相对稳定的经常性收入，客户则能够持续获得软件更新、维护和云服务。这种安排之所以合理，很大程度上是因为软件主要围绕人的操作设计。员工需要账户、界面、权限和各种功能，才能利用软件完成工作。

AI 正在同时改变这一模式的两个基础。一方面，它降低了某些软件的开发难度，使固定开发成本 \(F\) 有可能大幅下降；另一方面，AI Agent 可以代替人完成越来越多的软件操作，使员工人数与软件使用量之间的传统关系不再稳定。

假设一家企业原来有一千名员工使用某套订阅软件。随着 AI 的应用，三百名员工加上一批自动化智能体便能够完成原来相同的工作，那么企业可能不再需要一千个人工用户账户。如果软件供应商仍然严格按照员工席位收费，即使技术提高了客户的生产效率，自己的收入也可能下降。

不过，这并不意味着订阅软件必然走向终结。供应商完全可以根据交易次数、计算资源、自动完成的任务数量、业务结果，或者这些指标的组合重新设计收费方式。真正受到挑战的，并不是软件具有经济价值这一事实，而是过去软件用户数量、工作量和企业收入之间相对稳定的关系。

还有一个经常被忽略的问题：AI 降低编程成本，并不等于软件的全部成本都会同比例下降。编写代码只是建立和维护可靠软件系统的一部分。与既有系统集成、数据迁移、网络安全、法规遵从、测试、维护以及员工培训，都可能占据软件生命周期成本的相当大一部分。AI 可以帮助降低其中某些成本，却不会自动消除这些工作。

事实上，如果 AI 使每个部门都能够轻易生成自己的应用程序，企业可能面临另一种新的困难：软件数量迅速增加，却越来越难以协调、维护和管理。届时，真正稀缺的可能不再是编写代码的能力，而是将大量软件组织成可靠系统的能力。

因此，与其说软件正在消失，不如说软件产业内部的经济价值正在重新分配。某些应用功能可能逐渐成为廉价的标准化商品，而系统架构、数据治理、安全、可靠性以及责任管理的重要性反而可能上升。

当专业服务开始具有软件的经济特征

红杉文章更具雄心的部分，是对专业服务产业未来的判断。长期以来，软件与专业服务受到不同的经济约束。软件公司可以将同一套产品分发给数千名客户，而不必按比例增加开发人员；专业服务公司则通常需要随着客户数量增加而增加员工。一家会计事务所如果客户增加一倍，往往需要雇用更多会计人员；一家咨询公司如果承接更多项目，也通常需要更多顾问。

AI 可能削弱服务规模与人力投入之间的这种联系。能力足够强的系统可以处理文件、提取信息、编制报表、分析交易和协调日常业务流程。人类专业人员仍然可能需要负责监督、异常处理、专业解释以及法律责任，但完成每项工作所需要的人类劳动可以明显减少。

这意味着，某些专业服务可能开始获得过去主要属于软件产业的规模经济。一家公司可以开发一套 AI 服务系统，处理数千份发票、审查大量合同或者编制标准化报告，而不必随着业务量增加而同比例扩大员工队伍。

其中确实存在巨大的商业机会。但我们不能因此假设，过去用于购买人工服务的每一美元，未来都会变成 AI 企业的一美元收入。

假设一家企业目前每年花费十二万美元完成某项会计工作。现在，一家 AI 服务公司发现，只需要两万美元便能够提供质量相当、责任明确且风险可控的服务。客户因此每年节省十万美元，但新服务商并不会自动获得原来的十二万美元市场收入。随着竞争加剧，价格还可能进一步接近新的生产成本，大部分经济收益最终留在客户手中。

这里必须区分两个概念：现有经济活动的成本，以及改变这种活动的技术未来能够获得多少收入。前者反映社会目前为某项工作支付了多少资源，后者则取决于价格、竞争、需求和企业获取经济价值的能力。

因此，一个规模庞大的传统服务市场，并不能直接用来衡量 AI 的未来商业市场。新市场可能因为价格大幅下降而缩小，也可能因为更多消费者能够负担这些服务而扩大。究竟出现哪一种结果，取决于需求如何回应生产成本的变化。

这就使讨论不得不从生产转向消费。

（未完待续）

我的其它文章