4642 位用户此时在线
- 本站自动实时分享网络热点
- 24小时实时更新
- 所有言论不代表本站态度
- 欢迎对信息踊跃评论评分
- 评分越高，信息越新，排列越靠前
像 Claude Code、Codex 这样的“AI Coding Agent”，能交付高质量代码，这已经不是新鲜事，但这给软件开发带来的真正改变是什么呢？
硅谷顶尖风投 a16z 最近发了一篇文章：《价值万亿的 AI 软件开发新“战局”（The Trillion Dollar AI Software Development Stack）》，文章的重点不是 AI
IT技术
(
twitter.com
)
像 Claude Code、Codex 这样的“AI Coding Agent”，能交付高质量代码，这已经不是新鲜事，但这给软件开发带来的真正改变是什么呢？
硅谷顶尖风投 a16z 最近发了一篇文章：《价值万亿的 AI 软件开发新“战局”（The Trillion Dollar AI Software Development Stack）》，文章的重点不是 AI 会不会写代码，也不是它会不会抢走程序员的饭碗。真正的重点是，AI 正在把“软件开发”这件事，从一个“手艺活”彻底重塑为一个全新的、价值万亿美金的“工业体系”。
为什么是“万亿美金”？我们来算一笔账。
全球大概有 3000 万名软件开发者。假设每人每年创造 10 万美金的经济价值（这在美国算保守了），那整个软件开发业的经济贡献就是 3 万亿美金。
去年的时候，像 Copilot 这样的 AI 助手，就已经能给程序员带来大概 20% 的效率提升。
但这只是开胃菜。a16z 估计，一套“顶配”的 AI 开发系统，至少能让开发效率翻倍。这意味着什么？这意味着每年能凭空多创造出 3 万亿美金的价值。这是个什么概念？这相当于法国全年的 GDP。
这就是为什么资本会如此疯狂，为什么这个领域被称为“战国时代”。
那么，这个价值万亿的“新工业体系”到底长什么样？a16z 给出的这张流程图（图1 ）就是答案。
这张图的核心，不再是“人去写代码”，而是 AI 全面参与的“计划 -> 编码 -> 审查”新循环。
第一步：AI 帮你“想清楚”（计划与架构）
过去，我们以为 AI 编程是这样的：你对它说“给我写个登录函数”，它给你一段代码，你复制粘贴。
在新的工作流里，AI 从项目最最开始的“产品经理（PM）”和“架构师”阶段就介入了。
你给 AI 一个模糊的需求（比如“我想做个用户反馈系统”），AI 的第一反应不是写代码，而是反过来向你提问：
- “用户反馈需要打分吗？”
- “需要上传图片吗？”
- “数据要存在哪里？”
- “需要和哪些系统打通？API 密钥是什么？”
它会帮你把一个模糊的想法，拆解成一份详细的规格说明书（Spec）。这份说明书既是给人类看的，也是后续 AI 自己写代码的指南。
最有意思的是，我们开始为 AI 编写“AI 专属的说明书”（比如 .cursor/rules、Agents .md、Claude .md）。什么意思？就是你告诉 AI：“我们公司的代码规范是这样的”、“这个模块的安全级别最高，不许调用第三方库”、“日志必须这样打印”……
我们正在创造第一批纯粹为 AI 而不是为人类设计的知识库。你不再是手把手教一个新员工，你是直接把“公司手册”和“最佳实践”灌输给 AI。
第二步：AI 负责“动手干”（编码与审查）
这才是我们传统理解的“写代码”环节，但它也已经面目全非了。它分化成了好几种模式：
- 聊天式编辑：这就像你旁边坐了个结对编程的伙伴，你在 IDE（编程软件）里一边打字聊天，它一边帮你实时修改和创建文件。
- 后台智能体（Agent）：Codex Claude、Claude Web 现在已经做的比较成熟了。你给它一个完整的任务（比如“修复这个 bug”或“开发这个新功能”），它就自己去后台吭哧吭哧干活了。它会自己写代码、自己运行测试、自己改 bug，几个小时后，它直接给你提交一个“Pull Request”（代码合并请求），说：“老板，活干完了，请审阅。”
- AI 应用构建器：你用大白话描述，或者画个草图，它直接“duang”一下给你生成一个功能完整的应用程序。目前这主要用于做原型设计，但离“直接上线”也不远了。
- AI 代码审查员：AI 不仅自己写代码，它还反过来审查人类写的代码。它会像个资深架构师一样，在 GitHub 上评论：“你这里写得有安全漏洞”、“这个逻辑不严谨”、“不符合公司规范，打回重写”。
这里有个特别有意思的改变：Git（版本控制系统）的意义变了。
以前，我们用 Git 关心的是“代码如何被修改”（比如“张三在第 10 行加了个
if”）。但如果整个文件都是 AI 一键生成的，这个“如何”就没意义了。未来我们关心的是“代码为什么被修改”（AI 是根据哪个提示词生成的？）以及“它能跑吗”（AI 的测试结果如何？）。
第三步：AI 成为“后勤保障”（QA 与文档）
代码写完，测试和文档这两件苦差事，AI 也全包了。
- AI QA（质量保证）：AI 扮演一个“自主的 QA 工程师”。它会像真人一样去“爬”你的应用，点一点这个、试一试那个，自动生成测试用例、报告 bug，甚至还附上建议的修复代码。a16z 提到一个极端情况：未来，AI 写的代码可能成为一个“黑盒”，人类根本看不懂，但这没关系，只要 AI QA 说它能通过所有测试，那它就是对的。
- AI 写文档：无论是给用户看的产品说明书、给其他程序员看的 API 文档，还是给老板和法务看的合规性报告，AI 都能自动生成，而且保持实时更新。
第四步：给 AI 的“工具箱”（智能体工具）
这可能是最“硬核”的一层，也是很多人没想到的：我们不止在开发“给人类用的 AI 工具”，我们还在开发“给 AI 用的 AI 工具”。
AI Agent 要是想干活，它也需要“工具”：
- 代码搜索引擎（Sourcegraph）：一个公司动辄上亿行代码，AI 不可能每次都把所有代码读一遍。它需要一个“代码专用搜索引擎”，在 0.1 秒内找到它需要参考的几个关键函数。
- 文档检索引擎：同理，AI 需要“外挂知识库”来查询第三方 API 怎么用。
- 代码沙箱（E2B）：这是最关键的。AI 写完代码总得跑跑试试吧？但你敢让它在你的电脑上“瞎跑”吗？万一它产生幻觉，rm -rf / 把你电脑删光了怎么办？“沙箱”就是给 AI 提供的一个安全的、隔离的“模拟器”，让 AI 可以在里面随便折腾、运行、测试，就算玩“炸”了，也不会影响真实环境。
a16z 在文章最后也回答了几个大家最关心的问题：
1. 3000 万程序员要失业了吗？
a16z 的回答是：“当然不。”
他们认为“AI 取代程序员”是个“荒谬的叙事”。历史告诉我们，技术进步最终会把蛋糕做大。目前他们看到的真实数据是：那些最懂 AI 的企业，反而在加速招聘程序员。因为他们突然发现，以前要 100 人年才能做的项目，现在 10 个人就能启动了，那为什么不多开几个项目呢？
2. 那程序员的工作会变吗？
会，而且是巨变。
大学里教的那些传统“软件开发”课程，可以说一夜之间就成了“老古董”。
但有两样东西不会过时：算法和架构。因为 AI 经常会“挖坑把自己埋了”，你需要有扎实的基本功，才能把它从坑里“拽出来”。你的角色，从“砌墙的工人”变成了“指挥挖掘机和吊车的工头”。
3. 代码最终会消失吗？
也不会。
有人（比如 AI 大神 Andrej Karpathy）畅想，未来不需要代码了，LLM 直接执行我们的“意图”就行。
a16z 认为这不现实。为什么？因为代码的效率高到变态。
一个现代 GPU 执行一次 16 位整数加法，需要 10 的-14 次方秒。而一个 LLM 哪怕只生成一个 token（单词），也需要 10 的-3 次方秒。
两者之间是 1000 亿倍的效率差距。
所以，代码作为“意图”的最高效、最精确的“编译结果”，在很长很长时间内，都是不可替代的。
AI 对软件开发的革命，不是“工具革命”，而是“工业革命”。它不是在造一把“更好的锤子”，它是在造一整条“自动化生产线”，而且这条生产线还需要“给生产线用的工具”。
这是一个“技术超级周期”（technology supercycle）的开端。在这样的浪潮中，旧的霸主（比如微软、Meta）会很难受，因为船太大、掉头慢。而新的创业公司有绝佳的机会，因为整个游戏规则都变了。
对于我们每个从业者和爱好者来说，最好的消息是：一个充满无限可能的新大陆刚刚被发现，而我们正站在滩头阵地上。
原文地址：https://t.co/3XQK2To5sV
翻译：https://t.co/oMoCAw1vDp
点击图片查看原图