文｜证券之星

2026年初，Claude Code的主要创造者Boris Cherny在一次公开对谈中说了一句让整个开发者社区陷入沉默的话：“对我来说，编程已经被解决了。”

他表示每天用手机调度着几百个AI智能体，让它们自行完成编码、审查甚至相互通信，自己已经不再手写一行代码。这不是一个技术极客的个人实验——这是Anthropic这家估值逼近万亿美元的公司正在大规模推行的工程范式。联合创始人Dario Amodei随后证实，Anthropic内部工程师已经几乎不再手写代码，而是通过管理大量AI智能体系统来完成工作，每个人的产出是此前的两到三倍。

这件事的真正分量，不在于一家AI公司用AI写代码本身，而在于Anthropic正在用自己的身体，为整个商业世界跑通一条全新的价值创造路径。

效率重生：从线性增长到指数跃迁

要理解AICoding的商业价值，最直观的入口自然是效率。传统的开发效率提升，往往是线性的：更快的编译工具缩短几十秒，更好的框架省下一些重复代码，更顺畅的协作流程减少几次返工。这些都是百分比级别的优化，是沿着同一条生产力曲线向上攀爬。

而AICoding带来的，是一条全新的曲线。当一位开发者不再逐行敲打业务逻辑，而是用自然语言描述意图，让AI生成完整模块；当单元测试、接口文档、样板代码这些曾经需要花费大量心力的工作被瞬间完成；当技术调研不再意味着在文档和论坛之间来回穿梭，而是直接与AI展开多轮对话——开发者个体和团队的整体产出，就进入了一种近乎指数跃迁的状态。这种效率提升，已经不只是“快一点”，而是让过去不可能高频发生的事情，变成了日常。

更深远的意义在于，效率的量变正在引发商业决策的质变。当试错成本变得极低，企业就敢于探索更多可能性。原来一个季度只能验证三套方案，现在可以并行验证三十套。商业策略的迭代速度，第一次可能追得上市场变化的速度。这才是效率背后真正的商业红利。

成本重构：从固定重资产到弹性轻资产

效率故事的下一章，往往是成本。但AICoding对成本结构的冲击，远比裁员或降低开发工资要深刻得多。它正在重新定义软件生产这项活动本身是重资产还是轻资产。

过去，创办一家有竞争力的软件公司，技术团队的规模几乎是一张入场券。你需要前端、后端、数据、运维、测试，每个岗位都要有足够的人手来覆盖工作量。哪怕是一个最小可行性产品，也往往需要一支五脏俱全的小队，这决定了启动资本的门槛。

AICoding的出现，让“开发者”这个角色的内涵发生了变化。一个具备架构思维和产品sense的工程师，借助AI可以覆盖过去三到五个人的产能宽度。他不是简单地变快了，而是变成了一个多面手。

这意味着，最小可行性团队的规模在急剧缩小。我们开始看到越来越多的“一人创业公司”，或者叫“超级个体”，做出过去需要天使轮融资才能启动的产品。他们不是超人，只是把大量执行层面的工作卸给了AI，自己专注于定义问题、设计体验和把控方向。对大型企业来说，同样意味着成本结构的弹性化。不必再为某个短期项目迅速扩张团队而后又面临人员安置问题，不必再被某些冷门技术栈的人力稀缺所掣肘。AI编程让技术能力像云服务一样，可以按需调用，弹性伸缩。

现在，当AI大幅拉平了基础编码效率，低价人力的优势正在被侵蚀。价值开始向更深层迁移：理解客户业务、设计解决方案、驾驭复杂集成的能力，变得比单纯堆砌代码执行者更加值钱。整个产业链的价值分配，正在被一只看不见的手重新调节。

知识平权：让商业语言与技术语言真正交融

此外，过去在商业世界里，有一道古老的鸿沟，横亘在“想得到”和“做得出”之间。业务人员脑中充满了对市场、用户和流程的洞察，却必须把这些洞察翻译成需求文档，再经产品经理、设计师，最终交付给工程师来转化为代码。

低代码和无代码平台喊了很多年“赋能业务人员”，但始终面临灵活性的天花板——模板用尽之处，就是创新止步之处。

而AICoding提供了一种完全不同的路径：它允许人们用自然语言去直接操纵逻辑。一位市场营销负责人可以不用学Python，却能通过描述需求，让AI生成一段自动化处理用户数据的脚本；一位供应链经理可以对着AI说出自己的库存优化逻辑，然后当场看到可运行的原型。

当商业语言和技术语言之间的翻译成本趋近于零，企业内部的创新流速会发生根本性变化。此前，一个业务优化的想法可能要在技术部门的队列里等待数周，而现在，想法与验证之间的时间差被压缩到喝杯咖啡的光景。这种变化会催生一种全新的组织文化：人们不再默认“那个需要找技术实现一下”，而是默认“我们可以先跑起来看看”。这种“just-do-it”的精神一旦进入组织基因，商业敏捷性就不再是咨询报告里的一句口号。

更重要的是，它改变了发现商业机会的机制。过去，很多隐藏在金矿里的需求之所以未被发掘，是因为业务人员根本无法想象一个技术解决方案可能长什么样，也就无从提出。现在，当AI可以随时将模糊的需求转化为可视的界面或可交互的原型时，想象力的边界被打开了。一个客服主管可能在与AI对话的过程中，意外地碰撞出一套全新的客户运营工具。这种“意外发现”的能力，是企业最渴望又最难系统化培育的创新源泉。

资产进化：代码之外，模型即护城河

而如果一家公司的核心软件由AI辅助甚至主要生成，那么这家公司的商业护城河在哪里？

这是AICoding时代所有商业领袖都必须回答的问题。传统的护城河之一，是代码资产本身——庞大而精密的代码库，承载着多年的业务逻辑，竞争对手难以复制。但当代码的生成成本急剧下降，这种护城河正在干涸。

真正的价值开始沉淀在另一个地方：那些用来生成代码的知识本身。这包括对业务领域极其精深的描述——也就是提示词工程背后所蕴含的业务洞察，那些被结构化的业务规则、被编码的决策逻辑，以及不断用业务数据反馈调优AI模型的回路。

未来的企业软件资产，不再仅仅是一个静态的代码仓库，而是一套活的“业务模型+AI生成流水线”。代码只是这一流程的瞬时输出，就像一张纸质地图是地理信息的瞬时输出一样。真正值钱的是背后的地理数据，而不是那张纸。

由此，一种新的竞争维度浮出水面。企业不仅要管理好代码版本，更要管理好“意图版本”——为什么当初这样定义业务规则，哪些上下文促使AI产生了那套逻辑，业务环境变化后，如何让AI重新生成更符合现状的代码。

结语：价值的回归

站在此刻回望，软件产业走过了两个截然不同的阶段。早期，软件是稀罕物，价值连城；之后互联网带来繁荣，软件变得触手可及，但编写软件的能力依然是一种稀缺资源，锁在少数人的头脑里。

AICoding时代的真正商业价值，不单是再次提升效率或者降低成本，而是完成了这场漫长征程的最后一步——让创造软件的能力，回归到所有有创造意愿的人手中。