硅基時間萬字長文答問錄（一）：碼盲消失，OPD 崛起，新市場在哪里

本文出自 CSDN創始人&董事長蔣濤個人公眾號系列文章《硅基時間》。

寫完《硅基時間》前五章之后，收到了上百條留言和私信。大家的問題比我預想的尖銳得多，也現實得多。真正的思考，永遠不是來自作者的獨白，而是來自讀者的追問。

這一篇，我把最高頻、最有分歧、最值得展開的問題集中回答一次——有些是我之前略過的，有些是讀者逼著我重新想的，也有些，是我自己還沒完全想清楚、但愿意把思考過程攤開來聊的。

由于問題實在太多，這將是一個系列。這一篇聚焦"程序員、應用、OPD/OPC、新市場"四大板塊；下一篇會專門聊 Token 經濟生態。歡迎在留言區繼續追問。

作者 | 蔣濤

來源 | 蔣氏閑記

第一部分｜關于程序員：消失、轉型，還是重生？

Q1. 程序員這個工種會消失嗎？

短答：寫代碼的“那種程序員”會被壓縮，但“會編程的人”會暴增。碼盲會消失，新程序員會崛起。

過去四十年，“程序員”這個詞指的是一個非常具體的職業形態：把 PRD 翻譯成代碼，把 Jira 任務翻譯成 PR，把設計稿翻譯成前端組件。這種“翻譯型程序員”的工作，在 Claude Code、Cursor、AtomCode 這類工具面前，已經基本被接管了——不是未來，是正在發生。

Anthropic CEO Dario Amodei 講過一句很直接的話：未來 3–6 個月，AI 將寫 90% 的代碼；12 個月內，AI 將寫幾乎所有代碼。這不是預測，這是 Anthropic 自己正在發生的現實——他們內部團隊 70–90% 的代碼由 Claude Code 產出，Claude Code 自己的代碼庫 90% 由它自己寫。

所以，短期內會發生什么？企業會短期壓縮程序員編制，大約 50% 的初級和中級程序員會面臨轉崗或失業。這個數字聽起來殘酷，但它和歷史上每一次生產力躍遷的比例驚人地一致——工業革命時的手工織工、電氣化時代的蠟燭工匠、PC 時代的打字員。

但故事的另一面，是“碼盲”這個概念正在消失——這才是更大的變量。

Q2. “碼盲消失”是什么意思？編程會像識字一樣普及嗎？

這是我近三年反復講的一個觀點，今天數據終于開始兌現。

CSDN 有 5300 萬注冊開發者用戶——這幾乎是中國所有有編碼能力的人。中國 14 億人口，有工作能力的約 8 億。這意味著中國目前只有約 6–7% 的勞動人口具備編程能力。剩下 93% 的人，在過去四十年的數字革命里，始終是“被服務的一方”，而不是“創造者”。

AI 編程正在把這個比例徹底改寫。

過去很多產品經理和業務人員都是“碼盲”——他們只能提需求，不能自己寫應用。需求需要經過翻譯，就像“傳話游戲”，話傳幾輪就變樣了。最后提需求的人往往極度不滿意。

現在發生了重大變化：他們可以自己寫應用，跳過程序員。

一個真實的例子——“小貓補光燈”。這個小應用的開發者其實是一個大廠的產品經理，過去他需要依賴程序員，有想法沒辦法實現；現在他自己寫出來，直接沖上了中國區 App Store 的付費榜。一個產品經理獨立做出了一家小型創業公司才能做出的產品——這在五年前完全不可想象。

這不是想象。讓我用一張對照圖說明：

抖音、快手讓“視頻盲”消失了。很多有表演才華的人，過去可能一輩子沒機會站在鏡頭前；快手前 100 視頻主我一個都不知道，但他們的粉絲都上千萬。一個貴州的鄉村老奶奶可以憑做菜視頻獲得上千萬粉絲。AI 編程正在對“碼盲”做短視頻對“視頻盲”做過的事。

過去一個有產品想法但不懂代碼的人，只能把想法寫在 PPT 里求投資，就差一個程序員合伙人；現在，他可以直接做出來，而且制作成本只有過去的千分之一。軟件的邊界變了，寫軟件的基本能力將像寫文章一樣普及。

Q3. 所以未來的程序員會分層？會是什么樣子？

這是我三年前畫的架構圖——人人程序員，行行智能化，萬物可編程。

第一層：專家煉模型（垂類模型層）

這一層做的事，今天已經有了一個明確的落點——Skill。

專家經驗現在可以被沉淀成 Skill：一個 Skill 就是把某個領域專家的 know-how、判斷邏輯、操作步驟結構化后喂給大模型，讓模型在這個領域瞬間擁有頂級專家的能力。Anthropic 的 Claude Skills、OpenAI 的 GPT Custom Instructions、各家垂類模型的 LoRA 微調，都是這一層的具體形態。

少數頂級專家，把自己行業的深度 know-how 煉成 Skill / 垂類模型。醫生煉醫療模型、律師煉法律模型、結構工程師煉結構設計模型。這一層人數最少，但每個人的杠桿最大——他們產出的不是一個應用，而是一個新的行業生產基礎設施。

過去一個頂級兒科醫生一輩子只能看幾十萬個病人；今天他把自己的診斷邏輯煉成 Skill 后，可以同時服務幾億次問診——專家本人的價值被放大了幾個數量級。

第二層：超級程序員（專業開發者層）

架構師和有經驗的程序員不會消失，相反，他們會被AI 放大 10 倍以上：生產力提升 10 倍、工作流優化 10 倍、創意實現增加 10 倍。

這一層里最關鍵的角色是Harness Engineer——我叫他們"搭腳手架的人"。

什么是 Harness？在 AI 原生工程里，Harness 指的是把大模型能力接入真實業務場景所需要的那一整套“韁繩”——包括提示詞工程、工具調用、上下文管理、Agent 編排、Evals 體系、錯誤恢復、權限邊界、可觀測性。大模型本身只是一個強大的推理引擎，但要讓它真正跑通一個任務、一個流程、一個產品，中間這一層 Harness 才是真功夫。

Harness Engineer 要同時具備三種能力：會用提示詞（語言層）、會寫工程（代碼層）、會想產品（業務層）。今天這是最稀缺的人才，硅谷的頂級 Harness Engineer 薪酬已經到百萬甚至千萬美元——因為他們是把一個通用大模型變成一個真正能干活的系統的人。

第三章講過的那位——他用 28 天做完了兩年前 10 個人 6 個月的工作量——就是典型的超級程序員。差距不是 10 倍，是接近 60 倍的生產效率躍遷。

第三層：碼盲成為程序員（全民開發者層）

這是最大的一層，也是改變游戲規則的一層。關鍵詞是：創意即刻應用、零手工代碼、小應用大爆發。

過去不會編程的產品經理、運營、老師、醫生、小店主、手工匠人……他們將第一次成為“創造者”。他們不會關心 Git、不會關心框架、不會關心部署——他們只關心“我的想法能不能跑起來”。

未來軟件公司只有兩種人：定義問題的人，和調度硅基時間的人。而在公司之外，還有一大群“定義自己生活場景的人”。

Q4. “超級程序員個體”會像 up 主一樣爆發嗎？會出現“code 主”嗎？

這是我 2023 年就在講的判斷，今天正在兌現。

抖音和 B 站把拍視頻的門檻盡量簡化掉了，誕生了大量 up 主；今天 AI 賦能 + 開源底座，軟件開發的成本也降低了一個數量級。所以我一直認為會出現一批超級程序員個體：

他們有創造力，要么能把問題解決得漂亮，要么能找到好的需求零配件；他們像 freelancer 一樣，提供個性化的軟件開發服務；他們像 up 主一樣，是獨立的“軟件創作者”——我叫他們code 主，業界叫他們OPD（One Person Developer，獨立開發者）。

讓我用一張對照圖說明 code 主和傳統程序員的區別：

今天你已經可以在 Product Hunt、GitHub Trending、Hugging Face Spaces 上看到大量這類 OPD 的雛形。一個人做一個爆款 GPT、一個爆款 MCP Server、一個爆款 Claude Skill，就能做出一個初具規模的小生意。

Sam Altman 說“第一家一人十億美元的公司一定會出現”——那個人，很可能就是一位頂級 OPD。軟件開發正在經歷自己的“up 主時刻”。

Q5. 那“普通程序員”現在應該做什么？

三條具體建議，排序很重要。

第一，立刻用 Token 提升編碼效能——這是這個時代最大的紅利。

過去兩年，全球大模型公司累計投入超過 1000 億美元，養出了 GPT-5、Claude Opus 4、DeepSeek 這一批能力躍遷的模型，而且還在加速進步。這意味著一件事：作為一個普通開發者，你花 1000 元買 Token，背后調用的是一個上千億美元資本砸出來的生產力引擎。黃仁勛在 GTC 2026 上講：給 50 萬美元的工程師配 25 萬美元的 Token。對普通程序員，哪怕每月拿出工資的 5%（約 1000 元）買 Token，也能換來 5–10 倍的工作產能。

這是你能買到的、ROI 最高的一筆職業生涯投資——本質上是在搭整個 AI 行業的順風車。你自己不需要訓練模型、不需要建數據中心、不需要養算法團隊，你只需要付 Token 的零售價，就能用上別人千億級投入的成果。這個紅利窗口不會永遠存在，先用先得。

第二，從“寫代碼”升級到“編排 Agent 矩陣”——從加法到乘法的切換。

不要再問“怎么讓 AI 幫我寫這段代碼”，開始問“怎么讓 3 個 Agent 并行做 A / B / C 三條路徑，最后我挑一個”。前者是串行思維，一次一件事；后者是并行思維，一次幾件事。前者是加法，后者是乘法。這一步是區分“被 AI 放大的程序員”和“被 AI 替代的程序員”的分水嶺。

第三，把每一次開發都沉淀成“可調用的能力”——蒸餾提效是手段，人升級才是目的。

不要讓經驗只留在你腦子里——要讓它沉淀到提示詞、Agent 配置、Evals 集、工作流模板里。蒸餾的直接收益是效率：一個過去要 2 小時手把手的排障過程，變成一個 30 秒就能跑完的 Agent；一個過去要反復叮囑新人的“坑點清單”，變成一套自動生效的 Evals。

但真正的問題是——蒸餾之后，你的價值在哪里？

答案是：把你從“重復勞動”里解放出來，去做那些“不可被蒸餾”的事。

哪些事不可被蒸餾？三類：定義問題的能力（在一個全新的業務場景里，判斷"到底要解決什么"）、架構審美（在 10 個技術方案里，看出哪個 5 年后還站得住）、對真實世界的理解（知道客戶嘴上說的和心里想的不是一回事、知道這一次的例外不是錯誤而是信號）。

這三類能力 AI 今天學不會，因為它們依賴人在真實世界里的經歷、承擔和判斷。它們沒法靠看更多代碼學會，只能靠做更多有責任的決策長出來。

所以蒸餾自己不是把自己掏空，而是把“昨天的你”變成系統，讓“今天的你”去長“明天的能力”。華為“消滅王牌飛行員”的本質也是這個——不是讓王牌失業，而是讓王牌不再被日常重復拖住，可以去打更高級的仗。一個銷售高手如果每天都在做重復跟進，天花板就是一個銷售；但如果他的經驗被沉淀成系統，讓團隊里 20 個新人都能打出 80 分水準，他才從“一個王牌”變成“一個將軍”。

蒸餾是手段，升級才是目的。程序員和 AI 的關系，不是“你蒸餾了我，我就完了”，而是“你蒸餾了我的昨天，我才有時間成為我的明天”。

第二部分｜關于 AI 應用：為什么還沒爆發？

Q6. 都說 AI 會改變一切，但為什么真正的 AI 應用還沒大規模爆發？

這是過去一年我被問得最多的問題，也是最容易被帶偏的問題。

很多人給出的答案是“模型還不夠聰明”、“生態還不完整”、“用戶習慣沒養成”。這些都對，但都不是根本原因。

根本原因只有一個：Token 太貴。

讓我把賬算給你看。過去我們習慣的互聯網應用，底層成本結構是：一次用戶交互 = 幾毫秒 CPU + 幾 KB 帶寬 ≈ 接近零成本。所以免費、補貼、羊毛是可行的商業模式——邊際成本本來就是零。

但 AI 應用完全不同。一次 GPT-4 級別的復雜交互，可能消耗 5000–50000 個 token，成本在幾分錢到幾毛錢之間。一個中度活躍用戶，一天可能燒掉服務商 1–5 元。對比一下淘寶、微信、抖音的單用戶日成本——不到一分錢。

AI 應用的“地心引力”，比互聯網應用重了 100–1000 倍。

這就是為什么今天所有 AI 產品都在做 To B、做企業級、做訂閱制——因為只有 B 端能覆蓋 Token 成本。C 端的大爆發還沒到，不是因為產品不夠好，是因為成本還沒降到可以做免費增值（freemium）的水平。

Q7. 那 Token 成本還需要下降多少？

我的判斷是：至少再下降 100 倍，C 端 AI 應用才會像互聯網應用一樣大規模爆發。

過去 6 年，同等能力的 token 價格下降了大約 400 倍。但“同等能力”這個前提在變——今天的 GPT-5/Claude Opus 4 級別能力，對應的價格還沒降到“能讓 C 端免費化”的水平。

我的判斷是：當一次復雜 AI 交互的成本降到 0.001 元人民幣以下時，C 端 AI 應用的寒武紀大爆發就會到來。按現在的摩爾速度推算，大約是 2027–2028 年。

但注意一個更深的東西：這個爆發不會像移動互聯網那樣是“先有基礎設施，再有應用”。AI 爆發會是基礎設施和應用層螺旋式下降——每一次 token 降價，會催生一批原本不可能的應用；這批應用會反過來驅動更大規模的算力投資，再把 token 價格壓下去。

關于 Token 經濟的完整五層生態、以及它會如何重塑每一層玩家，我會在下一期答問錄里專門展開。歡迎大家在留言區繼續追問。

Q8. 那現在到底爆發了什么？

現在爆發的不是消費力，是生產力。

生產力工具為什么先爆發？因為它們能明確地用 token 換人工。

一個程序員月薪 2 萬元，企業掏 1000 元 Token 給他——不到工資的 5%，卻能換來 5–10 倍產出。這是企業 CFO 一眼就能算清楚的賬。所以 Claude Code 能 9 個月從 0 做到 25 億 ARR，Cursor 50 個工程師撐起 20 億 ARR——它們賣的不是“軟件”，它們賣的是“硅基時間”。

生產力市場不需要等 Token 降價 100 倍，因為它替代的是每小時 125 元的碳基時間。消費市場必須等，因為它替代的是每小時 0 元的“用戶閑著的時間”。

Q9. 為什么 Coding Plan 類產品在 2025–2026 集中爆發？

表面原因是模型能力到位了（Claude 3.5 Sonnet、Claude 4、GPT-5 的編碼能力質變）。但底層原因更深——編碼同時具備四個罕見條件：

一是結果可驗證：代碼要么跑通要么跑不通，Evals 可以自動化；二是任務可拆解：一個大項目天然可以拆成模塊、函數、測試用例；三是上下文可結構化：git commit、PR、依賴圖、類型系統都是 Agent 可讀的底表；四是ROI 極清晰：替代的是程序員每小時 125 元的碳基時間，Token 成本不到 1/10。

這四個條件同時滿足的行業，編碼是第一個。所以編碼成為 AI 原生生產力爆發的第一個戰場——不是巧合，是必然。

Q10. 下一個“編碼級爆發”會在哪個領域？

第一梯隊（2026–2027）：法律文書（合同審查、盡調、合規）、財務建模（審計、風控、報表）、科學研究（文獻綜述、實驗設計）——都滿足“可驗證、可拆解、可結構化、高 ROI”。

第二梯隊（2027–2028）：醫療診斷輔助（受限于監管）、復雜設計（建筑、工業、芯片）、教育（個性化輔導）。

第三梯隊（2028+）：創意內容——最難，因為“好壞”沒有客觀標準；情感陪伴——最難，因為評價標準本身在變。

一個簡單的判斷公式：一個領域的 AI 化速度，與“結果可驗證程度 × 任務可拆解程度 × 上下文可結構化程度 × ROI 清晰度”成正比。編碼四項全滿分，所以第一個爆。

第三部分｜關于 OpenClaw 龍蝦：下一代軟件的樣子

Q11. OpenClaw（龍蝦）是什么？為什么它那么重要？

OpenClaw 是 2025 年底出現、2026 年 GTC 大會上被黃仁勛親自背書的開源 agentic OS 項目，被 Jensen Huang 稱為“史上最成功的開源項目”。它的 Logo 是一只龍蝦：

——所以圈內都叫"龍蝦"。

Logo 不重要。它真正的意義是：它讓所有人第一次看清楚，下一代軟件的形態到底長什么樣。

過去四十年，“軟件”的形態是：按鈕 + 表單 + 菜單 + 數據庫。你打開 Excel，看到的是單元格；你打開 Word，看到的是文檔；你打開 SAP，看到的是一堆表單。用戶的“工作”，就是在這些 UI 元素上來回點擊、填表、保存。

龍蝦完全顛覆了這種形態：

這個區分至關重要：

一句話：龍蝦展示了從“用戶操作軟件”到“用戶給意圖，軟件調度自己”的根本轉變。

Q12. 這種轉變意味著什么？

意味著過去所有的收費軟件，都可以被重新寫一遍。

想象一下：過去的 CRM 是幾百個字段的表單，銷售花 1/3 時間填表——龍蝦時代的 CRM，銷售只需說“華明客戶剛才提到 ROI 問題”，系統自動更新 15 個字段、觸發預警、生成跟進建議。過去的 Excel 你要學習數百個函數——龍蝦時代的 Excel 你說“按區域分組算同比增長，標紅下滑超過 10% 的”，它就做完了。

過去的 SaaS 市場大約是 3000 億美元。如果全部按龍蝦范式重寫，這 3000 億市場的每一塊都要重新被競爭。這就是 a16z、YC、紅杉今天在瘋狂掃射的賽道——他們不是在找“下一個 Salesforce”，他們是在找“Salesforce 的繼任者”。

Q13. 我舉一個最具體的例子——股民軟件會怎么被重寫？

這是最近被問最多的場景之一。中國有 2.3 億股民，對應的軟件是雪球、大智慧、同花順、東方財富，再加上券商自己的 App——這是一個存量千億、增量巨大的賽道。

舊版本：股民是“信息消費者”，軟件是“信息展示器”

一個典型股民一天要做什么？打開大智慧看 K 線、刷雪球看大 V 發帖、點開同花順查公告、去財經網站看研報、打開微信群聽小道消息、最后在券商 App 下單。6 個軟件、20 次切換、3 小時信息碎片，最后做出一個“跟感覺走”的決策。

雪球的“股票討論區”今天已經 11 年了，本質是一個把貼吧搬到股票上下文的產品。大智慧的 L2 行情也是 20 年前的范式——給你更多數據、更快數據，讓你自己判斷。

這套范式問題在哪里？把判斷成本全部壓在用戶身上。一個 50 歲的股民，他根本處理不過來 3000 只股票 × 200 條新聞 × 50 份研報 × 100 個大 V 的實時信息流。

龍蝦版本：股民是“意圖表達者”，Agent 是“投研分析師 + 交易員”

同一個股民打開新的產品，界面上只有一個對話框。他說：“我手里有 50 萬，想找 3 只適合持有 6 個月的新能源標的，不要炒作概念股，要基本面扎實、估值合理的。今晚給我一份報告。”

系統在后臺做什么？基本面 Agent 掃描 A 股全部新能源標的（約 200 只），按 ROE/負債率/現金流篩選；新聞 Agent 讀完過去 30 天全部相關研報、公告、行業報告；技術面 Agent 分析 K 線、成交量、資金流；競品 Agent 對比國際同行估值水平；最后由 Orchestrator Agent 匯總，生成 3 只推薦 + 完整邏輯鏈 + 風險提示。

早上用戶醒來，看到一份比中信證券研究員寫得還扎實的報告——因為背后跑了 20 個 Agent 并行、消耗 50 元 Token。

這件事對存量玩家意味著什么？

雪球：它今天的核心資產是“大 V 的內容 + 社區討論”。但如果 Agent 能做得比 99% 的大 V 還好，社區的價值會急劇下降，它必須重寫。大智慧 / 同花順：它們的核心是“行情數據 + 技術指標”。但數據本身會越來越不值錢，值錢的是“在數據上做判斷的能力”——這恰好是 Agent 的強項。券商 App：交易通道會繼續存在，但“選股 + 擇時”這一層的心智會被徹底拿走。

我預計 2026–2028 年會出現一批“AI 原生股民軟件”，它們可能只有幾十人團隊，但會從雪球和大智慧手里搶走最有支付意愿的 10% 高凈值股民。這 10% 的用戶，貢獻了存量玩家 60% 以上的收入。

Q14. 那微軟、SAP、Salesforce 這些巨頭怎么辦？

答案很殘酷：他們的組織是為舊范式優化的。微軟有 22 萬人、SAP 有 11 萬人、Salesforce 有 7 萬人——這些人的崗位、流程、考核、激勵，全部都是圍繞“賣 License、做 Feature、做 Implementation”設計的。

現在讓他們做龍蝦范式的產品，等于讓一條大船掉頭——不是不愿意，是物理上做不到。

所以你會看到一個有趣的現象：未來五年最精彩的顛覆故事，不會來自巨頭，會來自 20–200 人規模的 AI 原生團隊。Cursor 50 人干掉 JetBrains 2000 人和微軟 GitHub，是第一個樣本。下一批會出現在 CRM、ERP、設計工具、財務軟件、醫療 SaaS、股民軟件等各個細分領域。

第四部分｜關于 OPD 和 OPC：個人能力爆棚帶來的新市場

這一部分是我最近思考最多、也是最沒有現成答案的部分。

當 AI 讓個人能力爆棚、程序員開始大規模轉崗、數字需求開始爆發——這三股力量疊加，會催生幾個過去根本不存在的新市場。

核心變量是兩個新角色：OPD和OPC。

• OPD = One Person Developer（獨立開發者 / indie hacker）：一個人就是一支研發團隊

• OPC = One Person Company（一人公司）：一個 OPD + 一組 Agent + 一套底表 = 一家完整運轉的公司

CSDN 正在做的一件事，就是搭建一個 OPD 平臺——從 5000 萬開發者社區里，孵化 100 萬家 OPC，用 TaoToken 提供模型 Token 賦能，背后接著 10000P 算力（昇騰 950 算力支持）。

這不是我們突發奇想，這是我們判斷未來 5 年最大的結構性機會所在。

而且順便說一句——"OPC"這個詞在我看來還有一層意義：Open Public Compute（全民開放計算）。從 One Person Company 到 Open Public Compute，本質是同一件事的兩面：當算力、模型、開發能力全面平權，每個有想法的人，都能成為一家公司。

Q15. 新市場一：Agent 交易市場（Agent Marketplace）

這是最確定的一個方向。

邏輯很簡單：當每個人都能造 Agent，Agent 就會像 App 一樣形成一個交易市場。

想想 App Store 的歷史。2007 年 iPhone 出來之前，“App”這個詞都不存在。2008 年 App Store 開放，2010 年大爆發，2015 年形成了全球 1500 億美元的市場。十年時間，創造了一個從零到千億美元的新品類。

Agent 交易市場現在正處在 2008 年的節點。今天你已經能看到雛形——OpenAI GPT Store 一年內上線 300 萬個 GPTs；Anthropic Claude Skills 可以被分享、訂閱；Hugging Face Spaces 超過 50 萬個 AI 應用；Poe、Glif、Flowith 都是小而美的 Agent 市場。

但這些今天還都只是雛形。真正的 Agent 交易市場會包含四層：

第一層：技能 Agent（Skill Agent）—— 一個 Agent 就是一個“能力”。比如“幫我寫融資 BP 的 Agent”、“幫我分析股票財報的 Agent”、“幫我查法律合同漏洞的 Agent”。定價可能是一次 1 元、訂閱 29 元/月。

第二層：行業 Agent（Vertical Agent）—— 垂直行業的專業 Agent。“小兒科問診 Agent”（蒸餾了頂級兒科醫生的經驗）、“小學數學輔導 Agent”（蒸餾了特級教師的講課風格）、“跨境電商運營 Agent”（蒸餾了頭部賣家的選品經驗）。定價可能是 299–2999 元/月。

第三層：個人分身 Agent（Personal Agent）—— 一個具體人的分身。郭德綱的相聲 Agent、俞敏洪的英語教學 Agent、羅永浩的帶貨 Agent。這一層開始涉及肖像權、人格權、IP 授權——是最難但也最有想象力的一層。

第四層：Agent 之間的 Agent（Meta Agent）—— 幫你挑 Agent 的 Agent、幫你編排多個 Agent 的 Agent、幫 Agent 互相通信的 Agent。這一層今天剛剛開始。

這四層加起來，我判斷 2030 年前會形成一個全球 1 萬億美元級別的市場——比今天整個 SaaS 市場還大。

Q16. 新市場二：Agent 行業市場（Vertical Agent Industry）

上一題講的是通用 Agent 的交易市場，這一題講的是各個傳統行業里“Agent 化”的巨大機會。

讓我用股民軟件這個例子再展開一次——Q13 講過的故事，其實是一個更大 Pattern 的縮影。

Pattern：任何一個“信息密集 + 決策高壓 + 有專業門檻”的行業，都會被 Agent 重新定義一次。

讓我列一張我看到的名單：

每一個行業，都是一個 100 億到 1000 億規模的存量市場。如果其中 20% 被 Agent 化的新玩家拿走，這就是一個 20 億到 200 億的新市場。

而且最關鍵的一點——這些新玩家不需要是大廠。5–50 人的 OPC 團隊就能做。因為他們不用建銷售團隊（Agent 自己面向 C 端）、不用建客服團隊（Agent 自己處理）、不用建內容團隊（Agent 自己生成）。

過去 10 億美元公司需要 1000 人，未來可能只需要 10 人。這就是 Sam Altman 說“一人十億美元公司”的現實基礎。

Q17. 新市場三：個人創造力爆發后的“小應用大爆發”

過去移動互聯網時代有過一次“小應用大爆發”——微信小程序。從 2017 年到 2024 年，微信小程序超過了 700 萬個。但這些小程序的創造者主要還是專業開發者。

AI 時代的“小應用大爆發”會不一樣——創造者會擴展到全體 14 億人。

我已經看到了幾個具體苗頭：一個外賣騎手寫了個小應用，自動幫自己算每天的跑單效率最優路徑，一個月后賣給了同城其他騎手，月收入過萬；一個退休老師做了個“幫爺爺奶奶看病問診”的小 Agent，把專業醫療術語翻譯成老人能懂的話；一個五年級小學生用 Claude 做了個“幫妹妹學拼音”的游戲，比市面上所有兒童 App 都好用；一個縣城小超市老板做了個“庫存管理 + 競品比價 + 自動訂貨”的 Agent，替代了他花 3 萬買的 SaaS。

這些事今天已經在發生。未來 3 年，這樣的“個人造物主”會呈指數級增長。

過去做一個 App 的最小成本是 10 萬（請程序員）；現在是 100 元（買 Token）；未來是 0 元（免費 Token 額度）。

當成本降低三個數量級，參與者就會增加三個數量級。

Q18. 新市場四：萬物智能化（AI Native Hardware）

這是我在演講里反復講的一條主線。

今年有一個非常火爆的開源產品——把樂鑫 ESP32 芯片跟大模型連接起來，后面接一個豆包大模型。整套方案的 BOM 成本只要 50 塊錢。

在任何硬件里增加 50 塊錢成本，就可以讓它接入大模型能力。

中國制造業的巨大優勢，第一次遇到了 AI 的巨大紅利。我看到的苗頭：小智 AI 音箱（30 元級別、無屏幕、語音交互）——CSDN 馬上要推出下一代小智，交互能力、上下文記憶、多 Agent 調度都會有質的提升；AI 眼鏡（Meta Ray-Ban、Rokid、雷鳥）2026 年出貨量開始爆發；AI 玩具、AI 家電、AI 水杯、AI 書桌——每一個都變成 Agent 入口。

但最被低估的是那句“萬物可編程”——100 億個物件都變成 Agent 入口。這個市場的規模，遠超今天的手機市場。而且中國的制造業能力 + 軟件工程師紅利，讓我們第一次有可能在下一代硬件范式里成為全球主導——就像日本在家電時代、美國在 PC 時代、韓國和中國在手機時代的角色。

我在演講里講過一句話：“AI 不光可以重寫軟件，也可以重寫硬件。硬件制造是我們的能力，軟件我們有工程師紅利，關鍵在于如何將兩者結合，讓我們所謂的'義烏小商品'都能用 AI 再做一遍。”

這句話今天越來越接近現實。

第五部分｜那些我還沒想清楚，但值得繼續追問的問題

寫到這里，我想主動拋出幾個我自己還在思考、但還沒有結論的問題。歡迎留言討論。

Q19. 當 AI 可以 7×24 寫代碼，“開源社區”的意義會發生什么變化？

GitHub 過去十幾年是人類協作的奇跡。但如果 90% 的代碼由 AI 寫，那貢獻者的定義是什么？代碼審查還有意義嗎？License 和版權如何處理 AI 生成的代碼？社區的治理模式要怎么改？我還沒有答案。

Q20. 當一個人可以調度 100 倍硅基時間，“公司”這個組織形式還必要嗎？

第三章提到 Sam Altman 說"一個人十億美元的公司"不可想象但一定會出現。但往前推一步——如果一個人就能完成一百個人的工作，公司作為"人的集合"的定義本身是否還成立？OPC 這個詞，也許就是答案的雛形。那稅法、勞動法、合同法，都要重寫。

Q21. 當“初級白領工作”大規模消失，社會的上升通道會怎樣？

過去的就業階梯是：初級崗位 → 積累經驗 → 晉升中級 → 晉升高級。如果初級崗位被 AI 接管，年輕人從哪里開始？沒有了“做中學”的過程，中級、高級從哪里長出來？這不是危言聳聽——我在和很多互聯網公司交流時，發現 2025 年后新招的校招生數量已經開始明顯收縮。

Q22. 當每個人都有了 AI 分身，“人”本身的定義會變化嗎？

如果我的 AI 分身讀了我讀過的所有書、記得我說過的每一句話、知道我做過的每一個決策——它是我嗎？它能替我簽合同嗎？它能替我做決定嗎？這是哲學問題，但也越來越是現實問題。

Q23. 硅基時間的成本曲線，是否存在物理極限？

現在大家都默認“Token 會一直降價”。但 AI 算力的指數級需求正在撞上能源、芯片、數據中心的物理約束。是否存在一個極限點，超過它之后 Token 價格反而會上漲？如果存在，這個拐點在哪？這個問題如果答案是“是”，那整本《硅基時間》的很多推論都要重新考慮。

Q24. 當所有人都開始用 AI，AI 本身還能構成護城河嗎？

如果每個公司都能接入 Claude/GPT，差異化來自哪里？我目前的初步答案是：差異化來自“底表厚度”和“判斷稀缺性”。模型會被平權，但每家公司自己的數據、流程、經驗沉淀不會；每個人的判斷力、審美、責任感不會。未來真正的護城河，不在模型，在“你讓模型看到了什么、讓它為你做了什么”。但這個答案我自己還在檢驗。

結語：問題比答案重要

《硅基時間》寫到第五章，我越來越覺得一件事——這場變革最大的特征，不是某個答案的出現，而是所有舊答案同時失效了。

舊組織失效、舊崗位失效、舊商業模式失效、舊教育失效、舊職業路徑失效、舊技能失效。當所有參照系同時消失，唯一的導航工具，就是提出更好的問題。

過去，世界獎勵“能找到答案的人”。 未來，世界獎勵“能提出好問題的人”。

因為在一個 AI 可以回答所有已知問題的時代，只有問題，才是人類最后的護城河。

作者手記：

關于"碼盲消失"、"超級程序員 up 主 / code 主"的觀點，是我 2023 年在專訪里就講過的判斷，今天數據正在兌現；關于 OPD 平臺和 OPC 孵化，是 CSDN 正在搭建的一整套基礎設施，也是我最近思考最多的方向。

下一期答問錄，我會專門回答關于 Token 經濟生態的提問——這是一個更硬核、更涉及商業模式的話題。Token 市場從 L1 算力底座到 L6 最終用戶的五層結構、CSDN 在其中的定位、以及獨立開發者如何在這個生態里找到自己的位置——都會在下一期展開。

歡迎大家在留言區提出更多問題，特別是關于 Token 經濟、CodeClaw / AtomCode、OPC 孵化等具體方向追問。我會盡量在下一期里逐一回應。

一個人可以走得很快，但一群人能走得更遠。
加入 AI DSpace（AI 開發者空間站），終結你的技術焦慮。
在這里：
* 匯聚： 全球實戰派開發者。
* 共創： 尋找你的技術合伙人。
* 進化： 從跟隨者到弄潮兒。
進站——開啟你的 AI 進階之旅！+ 群二維碼