最近这段时间，感觉有点像是过清明节，隔三差五就有人跳出来，一会儿说，设计师死了，产品经理死了，前端工程师死了，一会儿说，SaaS 没了，软件也要消亡了。
这种焦虑，每隔一段时间就会冒出来一轮。我认可 AI 对很多工作有冲击，但这种非此即彼的渲染让人有些厌烦，就像一看到退潮，就开始断言大海要消失了那样。
拒绝做二元生物吧……
退潮本身是存在的，毕竟 Agent 和 AI Coding 对软件的冲击是实打实的。我自己也想搞清楚，浪潮退去之后，哪些东西是真的在消失、被替代，又或者，只是换一种形态活着。
软件正在被解构
需求还是原来的需求，但软件的形态，可以不再是我们熟悉的那个样子了。
最轻的是脚本。它甚至都不需要界面，不需要打包，就是一段能跑起来的逻辑。原来，写脚本是工程师的事，现在 AI 能即时生成一次性脚本，那些功能单一的小工具，很容易慢慢被解构。
再往上走一层，是 Skills（技能），其实更像某项专业能力的标准化打包。以前审查一段代码有没有安全漏洞，需要专门的工具，需要懂这件事的人。现在这项能力可以被封装成一个 Skill，大模型在生成代码的同时就能直接调用。
解构还有另一条路，走的是 Agent。
这里有两种方向：一种是新生的，产品从一开始就是 Agent 的形态，有记忆，有目标，主动执行，不依附于任何传统软件的壳，比如活在终端里的 Claude Code。
另一种是演化的，已有的软件持续吸收模型能力，慢慢从被动响应变成主动协调，就像 Notion 的持续演进。在以往，销售团队要定期手动整理客户跟进状态，假以时日，一个 Agent 可以持续访问 CRM 里的数据，发现线索有异动时主动推送提醒，不再需要有人专门去问它，这些是完全可以搭建出来的。
无论是新生的还是演化的，最终都在逼近同一个问题：软件里作为封闭产品的那层壳，是不是还需要存在？
代码变便宜了
这应该是 AI Coding 带来的最直接冲击了。
有一段时间没有特别搞清楚，AI 生成代码，到底和「软件消亡」之间是什么关系。写代码的成本降低了，然后呢？
慢慢想清楚之后，我觉得它改变的不是「软件存不存在」，而是「写软件这件事本身」。
AI 之前，写代码是一件工程建设的事，你得有一批人，有工具链，有流程。现在它更像意图表达，你把逻辑和边界描述清楚，代码是副产物。当你能把需求写得足够严谨，自然语言本身就成了最高级的编程语言。
生产代码的成本对软件市场的影响是双向的，需求侧和供给侧都会变。如果构建单点工具的代码成本无限趋近于零，单纯依靠功能壁垒的 SaaS 会失去定价权。
以前我们用软件的方式，更像买家具，挑一款放在家里，长期用。现在有些需求开始变得像叫外卖，为了今天的一批特殊数据，花十分钟生成一个小工具，解决完就丢掉。我现在在本地压缩图片，直接依赖一句话表达，然后 Claude Code 就会调用相关的脚本完成这一切，并自动重命名。
供给侧的变化同样在发生。一个服务某个小众职业的专用工具，或者完全贴合某个人工作流的「私人软件」，用户群太小，养不活一个团队，根本没人愿意碰。单人开发者如今花几天就能做出来，还能持续迭代。或许，那些因为「不够大」而长期被忽视的需求，第一次有了被好好满足的机会。
哪些软件会先消失？
我有一句暴论，那些越容易精准被自然语言清楚的东西，就越容易被 AI 替代。
所以我能想到的第一类：那些核心价值只是「帮你完成某个具体动作」的工具，比如，格式转换、截图标注、文件压缩。这些事情，现在一段提示词加几行临时代码就能做完。它们消失的原因，不只是「被替代」这么简单，而是它们所解决的问题，本来就是显性知识。
还有一类软件也容易被冲掉：软件里没有「只属于你的东西」。用完就可以换掉，迁移成本基本为零。这不是说它们功能简单，有些此类软件的复杂度相当高，但复杂度本身已不构成壁垒。当 AI coding 能力持续成长，复刻一套功能的成本会越来越低，没有用户数据积累、没有关系沉淀的软件，最终都难逃被更便宜的替代品清洗掉。而越用越积累的东西，记录、历史、关系，反而越来越难离开。
而顺着「关系」往下看，第三类容易被洗牌的，应该是缺乏网络效应的软件。如果一个工具里没有协作、没有社区、没有多人互动，那它本质上只是个单机应用。用户与用户之间没有连接，既没有自己留下来的理由，也没有拉别人进来的动力。当 AI 能够低成本复刻这类功能时，这种缺乏人际粘性的单机工具，天然更容易被一次性替代品取代。
不过，反过来想，什么样的工作最难被 AI 替代？
应该是那些连从业者自己也说不清是怎么做判断的。辅助医生诊断（据说这个也悬），帮律师梳理案情，支撑设计师在无数微小决策里打磨出一种感受，这些都藏着大量隐性知识，不是一两句提示词能拆解的。
还有一类不一样，不是说不清，而是说不完。报税这件事看起来有章可循，但税法每年都在变，各地规则不同，还有一大堆政策解读上的灰色地带。这类软件的护城河，不是功能有多复杂，而是背后的知识本身在持续更新，而且对情境的依赖极高，稍一偏差就会出错。
工具和产品是两码事
混淆工具和产品，由来已久。
但工具和产品完全是两码事，工具是为了解决此刻的问题，用完即丢。而产品算是一场漫长的陪伴，随需求、市场和技术环境不断演进，它需要在时间里沉淀下来一些带不走的东西：
- 习惯的养成：在一次次交互中，产品越来越嵌入用户的工作方式。
- 资产的积累：口碑、社区、服务，以及在特定场景里建立的信任。
这些东西，即使底层代码被别人全盘复制，也根本带不走。
所以，最近反复在念叨，Demo 是 Demo，产品是产品。
AI Coding 确实降低了「从零到跑起来」的成本，这反而让人容易产生一种错觉，以为做产品变得很简单，做个 Demo 就上线了。但只要沿着时间线往后推演就会发现，真正的挑战全在后面：
- 当系统进行到第 N 次迭代时，还能不能保持可理解性？
- 当用户规模爆发后，数据和体验还能不能保持一致性？
退潮之后，大海还是在的
软件不会消亡，消亡的应该是某种做软件的方式，以及某种靠软件赚钱的逻辑。那些靠功能堆砌维系竞争优势的产品，那些没有数据积累、没有关系网络、没有隐性判断力的工具，或早或晚地正在失去存在的理由。这不算悲剧，只是一次加速的淘汰吧。
真正能活下来的，依然是那些在使用过程中持续生长的东西，越用越难离开，越用越难复制。它们不一定叫「软件」，也不一定长成我们熟悉的样子，但它们解决的问题是真实的，积累的东西是独特的，嵌入的场景是深入的。