整理：阿穎
Claude Code 創辦人 Boris Cherny 在紅杉大會上的分享，資訊量非常大，許多觀點我第一次完整聽到。這傢伙確實對 AI 的理解比較到位。
我分享一下自己的總結。
01 代碼不再稀缺
對於大量主流開發場景，手寫代碼這件事，已經開始變成一件低效率的事情。
過去，要交付一個功能時，工程師會坐下來，先想清楚如何實現，然後一行一行地敲出代碼。在這個過程中，工程師最大的價值在於：會不會寫、寫得好不好、寫得快不快。
現在的工作方式不一樣了。
同樣一個功能，工程師所做的事更像是：先把需求講清楚，把這件事拆成幾塊交給 Agent，定一個驗收標準，然後看看 Agent 跑出來的結果對不對，不對就調整提示，讓它再跑一遍。
AI 已經可以處理大部分的 Coding 任務。當然，也並非 100%，仍有很多龐大而複雜的代碼庫、冷門語言或特殊環境，今天的模型表現仍不夠理想。
整體來看，工程師的價值，從會不會寫代碼，變成了會不會拆任務、會不會把目標講清楚、會不會驗收結果、會不會管理 Agent。
這種變化其實非常像工業革命。
在工業革命之前，鐵匠從打鐵、鍛造、拋光到組裝，全套工作都由自己一人完成。手藝好的鐵匠，自然就值錢。
後來生產線出現了。每個工人只負責一道工序，整體的產出卻比手工時代高出幾十倍上百倍。
At this time, the valuable roles in the factory are no longer the craftsmen who can best perform a single process, but those who can design, manage, and ensure the smooth operation of the production line.
工人沒有消失，但工人的角色變了。
軟體工程現在正經歷類似的轉折。程式碼本身已不再是稀缺資源。寫程式這件事，正變得像會使用 PPT 一樣的基本技能。
真正稀缺的，是能否將模糊的需求拆解成清晰的任務，能否從 Agent 提供的幾種方案中挑出最合適的那個，能否讓一群 AI 協同完成一件事。
這件事其實很多老工程師一開始是接受不了的。親手把程式碼寫出來這件事本身，是過去幾十年很多人熱愛這一行的理由。
將這交給機器，對很多人來說，不只是工作方式變了，而是身份認同的一次重塑。
但趨勢就是趨勢。
02 像古登堡印刷機
Coding 正在從一種專業技能，變成一種基礎能力。這件事可以類比 15 世紀歐洲的印刷術。
在印刷術發明之前，整個歐洲只有大約 10% 的人識字。這些人通常受雇於不識字的貴族，專職為他人讀寫。
然後印刷術問世。50 年時間，歐洲出版的書籍數量超過此前一千年的總和，書價下降了 100 倍左右。再經過幾百年的配套（教育體系、經濟結構慢慢跟上），全球識字率才升到今天的 70%。
Boris 認為，AI 對軟體的影響，是一次加速版的印刷術革命。軟體會在幾十年內完全民主化，變成任何人都能駕馭的東西。
最終，做軟體這件事，會像發簡訊一樣自然。
03 什麼能力才是最重要的？
當寫代碼這件事的門檻被 AI 降到極低之後，真正區分一個人能力的，是他的產品感覺，是對一個具體領域的真正理解。
舉個例子。兩個人同時要開發一款面向醫生的產品，一位是編碼速度很快的工程師，另一位是曾在醫院資訊科工作過幾年的人。
過去，工程師更有可能將想法實現出來。
現在情況反過來了。誰都能把 idea 實現出來。這時，真正懂醫院日常作業流程的人反而更值錢，因為他知道哪些功能是醫生真的會用的，哪些只是聽起來有道理。
In other words, after AI levels the playing field for execution, the gap in judgment becomes amplified.
這件事直接改寫了 generalist 這個詞的含義。
過去我們說 generalist，通常指的是一個工程師既能寫 iOS，又能寫 Web，又能寫後端。這種 generalist，本質上還是工程內部的全棧。
未來的 generalist 是跨學科的全棧。
有人同時懂產品、設計和工程。有人同時懂產品、數據科學和工程。這種組合過去幾乎不可能，因為每一項都需要長時間的專門訓練。
But now AI has lowered the entry barrier for each task, allowing one person to span multiple fields while still maintaining professional depth.
Claude Code 團隊就是如此。工程經理、PM、設計師、數據科學家、財務、用戶研究，每個人都在寫代碼。
設計師可以自行運行互動原型以向團隊展示，不再僅僅是出圖並等待工程師實現。
財務人員可以自行搭建分析工具，運行公司內複雜的財務模型，無需再排隊等候 BI 團隊。用戶研究的同事也開始自行運行數據，將過去需要數據團隊配合的部分工作接手過來。
每個人的專業深度都仍在。但在 AI 協助下，寫程式這件事變成了大家共用的語言。
04 The moat of SaaS is crumbling
過去十幾年，SaaS 行業有幾條幾乎被當成公理的共識。
第一點是轉換成本。一家公司一旦使用了你的系統，裡面就會逐漸累積數年甚至十幾年的數據、配置、欄位和權限關係。
想搬到另一個系統，單是把這些東西原封不動地遷出再遷入，就足以讓人頭痛到不想動。
第二條是工作流鎖定。員工的日常操作、跨部門協作、審批節點，全部都是繞著這個 SaaS 長出來的。
更換系統不只是搬移數據，而是將公司過去幾年累積的肌肉記憶徹底推倒重來。
這兩條加起來，構成了過去 SaaS 行業最深的護城河。但有了足夠強的模型之後，事情的邏輯開始變化。
先看切換成本這一邊。過去想從一個 SaaS 切到另一個，光是把欄位對齊、把資料結構複刻一遍，就夠工程團隊加班好幾個月。
現在直接把兩邊的介面和資料結構丟給模型，讓它自己理清映射關係，一點一點往最佳解爬升。原本要幾個月的事情，可能幾天就能跑出一個可用的版本。
再看看工作流鎖定這一方面，就更有意思了。過去工作流之所以能鎖住客戶，是因為這些流程本身複雜、隱性且依賴人。
員工腦子裡那套誰找誰審批、什麼時候卡在哪一步的默契，無法直接搬走。
但 Opus 4.7 這類模型最擅長的，恰恰就是把一個複雜流程讀懂、拆開、在新環境裡重新搭起來。甚至重新搭出來的版本，可能比原來還順。
因此，過去依靠數據沉澱和流程沉澱建立起來的護城河，正在瓦解。
對從事 SaaS 的人來說，這可能是一個壞消息。但對所有使用 SaaS 的客戶，以及正在準備開發新一代 SaaS 的團隊來說，這是一個真正的機會窗口。
05 創業者最好的時代
未來 10 年裡真正顛覆行業的創業公司，可能會比過去 10 年多 10 倍。
原因其實並不複雜。
小團隊可以利用 AI 製作出與大公司同等甚至更優秀的產品。反之，大公司若想真正運用 AI，反而會成為負資產。
怎麼說呢？
一家擁有十幾年歷史的公司，已建立了一整套自身的業務流程、崗位分工、協作習慣、培訓體系和 KPI 考核。這些東西過去是資產，是壁壘。
但要真正將 AI 嵌入，意味著所有這些都必須被重新審視：業務流程需重構，所有員工需重新培訓，每前進一步都會遇到巨大的內部阻力，需協調 N 個部門、N 層審批。
而一個三人初創團隊，從第一天起就把 AI 當成預設底座。他們沒有歷史包袱要拆，沒有習慣要改，沒有人需要被說服。今天討論清楚，明天跑出 Demo，後天就能上線讓用戶用上。
這種速度差異，AI 之前其實也存在。初創公司對大公司本來就有速度優勢。但 AI 把這個差距放大了很多倍。
為什麼？
因為 AI 越強，一個人在單位時間裡能撬動的槓桿就越大。一個真正用好 AI 的小團隊，今天的產出可能相當於過去十個人，明天可能相當於過去三十個人。
但大公司的組織重量並未變輕，反而因為要消化 AI 這件事，變得更重。AI 越強，小團隊的加速度，和大公司的拖拽力之間的剪刀差，就被拉得越大。
這就是 Boris 所說的負資產。不是大公司沒錢、沒人、沒意願，而是它們身上那些過去賺錢的肌肉，今天恰好卡在了 AI 真正發揮價值的路上。
06 MCP不會死
MCP 不會死。
Skill 火了之後，很多人覺得 MCP 不需要了。OpenClaw 創始人也是類似的觀點。
但 Boris 不這麼看。他覺得 MCP 會成為 AI 時代的軟體連接層。
過去互聯網的軟件連接方式是 API。
但 API 的核心問題在於，它是為工程師設計的。要使用一個 API，得先翻閱文件、申請 Token、寫代碼、對齊欄位、處理異常。說白了，API 是寫給人類開發者的。
MCP 不一樣。它讓模型可以直接接進來用，模型自己讀懂就能調，中間不需要一個程式設計師替它翻譯。
所以 Boris 把 API 稱為 Human Developer Interface，把 MCP 稱為 Model Interface Protocol。一個是給人用的，一個是給模型用的。
這其實跟當年很像。移動互聯網時代，默認所有服務都要 API 化。AI 時代，默認所有服務都要 MCP 化。
07 電腦使用依然重要
很多人現在談論 Computer Use，會覺得這個方向可能並不 work。
理由也很合理：太耗 Token，跑得慢，還不穩定。看上去更像一個炫技 Demo，離真正能用還有距離。
但 Boris 看到的層面完全不一樣。
他真正看重的是，Computer Use 解決了 AI 落地最大的一個痛點：現實世界裡，有大量系統既沒有 API，也沒有 MCP。
尤其是企業世界。
真正進過公司就知道，裡面大量核心系統都很老。ERP、OA、財務系統、內部審批、供應鏈後台、各種定製系統。很多沒開放接口，沒文檔，沒自動化能力。它們就在那裡，每天被無數員工手動操作著。
那為什麼不直接為它們建立 API 呢？
因為做不動了。開發這些系統的供應商可能已經不存在了。IT 部門沒有動力也沒有預算去重構。
業務部門更不可能停下來等半年一年。這些系統永遠不會等到一個完美的 API 來拯救自己。
在短期內，各大模型應該還會繼續提升自己的 Computer Use 能力。