当AI能写一切，我们写什么？ChatGPT时代，AI的未来是谁的天下？-上海魁鲸科技

当AI能写一切，我们写什么？ChatGPT时代，AI的未来是谁的天下？

“我现在陷入到一种巨大的虚无主义里，AI 什么都能写。”PingCAP 联合创始人兼 CTO 黄东旭在完成 db9 项目后这样说。

PingCAP 联合创始人兼 CTO 黄东旭在完成 db9 项目后这样说。做 db9 之前，他心里预设过一个终点：复杂到某个阶段，AI 总该做不下去。结果是，每次系统看起来要撞墙，调整harness、任务拆分和 agent 协作方式之后，它又继续往前走。三个月后，一两个人参与、100 多万行代码的数据库项目跑了出来。最后，他发现自己没有等到那个边界。

我做 db9 过程中，最大的体会就是，我没看到边界。这已经是我能想到最复杂的软件了，但还是没有看到边界。”

那么，当AI能写一切，我们写什么？

此刻，我坐在办公室，看着屏幕上ChatGPT自动生成的一段完美代码，陷入沉思。

三十年的编程生涯，那些挑灯夜战调试bug的日子，那些为了一段优雅算法绞尽脑汁的时刻，如今AI只需三秒。

我端起咖啡，苦涩中带着一丝释然。

ChatGPT问世这两年，软件定制开发行业经历了前所未有的震荡。有人恐慌，有人狂欢，更多人在迷茫中寻找方向。

AI时代

01 AI 基本上可以用任何方案、任何工具、任何手段去写任何东西。

黄东旭和db9项目——确实是当下AI编程能力的一个标志性节点。它之所以震撼，不是因为AI写出了一百万行代码，而是因为它触及了一个更深层的哲学命题：当“复杂”本身不再构成壁垒，人类的独特价值还剩什么？

我想从三个层次来拆解这种“虚无感”，并尝试找到它的出口。

第一层：AI“写任何东西”的本质是什么？

AI能写任何方案、任何工具，并不意味着它“理解”了这些方案。

它是“概率的拼图”：AI基于海量现存代码和文本，预测下一个最可能的token。它能写出分布式共识算法，是因为互联网上有无数篇关于Raft和Paxos的论文和实现，它是在做极其精密的“高级抄袭与重组”。
它是“无痛的试错机”：人类写100万行代码会腱鞘炎，会烦躁，会忘记变量名。AI没有体力消耗，没有情绪波动。所以黄东旭看到的“没有边界”，本质是算力和上下文窗口的边界，而非智能的边界。

第二层：为什么“看不到边界”会引发虚无？

因为程序员过去的安全感建立在两个基石上，而AI同时击穿了它们：

“复杂即护城河”：以前我们觉得，只要系统足够复杂（如分布式数据库、操作系统内核），新人无法上手，AI无法推理。但现在，AI通过海量数据学会了“脚手架式”的搭建，它绕过了深度推理，用暴力枚举和模式匹配填平了复杂度。
“编码即创造”：我们曾把写代码等同于盖房子。现在发现，AI更像是一个极其听话且不知疲倦的施工队。它能在3个月内把毛坯房盖好，但这栋房子该有几层？给谁住？厨房为什么要在东边而不是西边？这些问题的答案，不在训练数据里。

第三层（最关键）：边界不是消失了，而是转移了

黄东旭说“没看到边界”，前提是“终点”由他预设。在db9项目中，真正定义“什么该写”、“什么不该写”、“遇到冲突时保留哪个方案”的人，始终是他。

AI的“无所不能”恰恰凸显了人类的“非此不可”。

你会发现，AI能写一切，但它无法承担选择的代价：

价值判断的边界：AI能写出两种数据库存储引擎，但无法告诉你，为了节省10%的存储成本，牺牲20%的运维便利性，对这家特定公司的业务是否值得。
负责任的边界：当那100万行代码在凌晨3点突然崩掉，AI不会接到告警电话，不会因为丢失客户数据而失眠，更不会写事故报告向CEO解释。那个“兜底的人”，才是边界。
“无中生有”的边界：AI能模仿已有的“任何方案”，但它很难发明一个今天不存在、但又恰好解决明天痛点的全新范式（比如从SQL到NoSQL再到NewSQL的演进，那是人类对时代瓶颈的直觉）。

02 如果AI能写一切代码，我们这些软件定制开发者，还能写什么？

上周，一家传统制造企业的技术总监找到我们。他们曾花几十万请AI公司部署了一套智能管理系统，代码堪称完美，架构无可挑剔。

但上线后，工厂老师傅们集体抵制。

不是系统不好用，而是太好用了——好用到来不及思考，好用到来不及犯错，好用到来不及在日复一日的操作中积累那些只有手和心才能记住的经验。

完美的代码解决了一个技术问题，却创造了一个人性问题。

这就是AI无法触及的领域。

软件定制开发从来不只是写代码。它是深夜与客户的长谈，是理解那个家族企业三代人的坚守，是读懂了报表背后几百个家庭的生计，是在老板欲言又止的叹息中捕捉到的真实需求。

03 AI写的是逻辑，我们写的是理解。AI给的是答案，我们找的是问题。

当一位老厂长说“我希望工人用得顺手”时，AI听到的是效率优化，我们听到的是三十年前他刚进厂时师傅手把手教他的温度。这种代际传承的温度，无法被任何算法量化。

这才是软件定制的灵魂——在数字与人文的裂缝中，架设理解的桥梁。

04 ChatGPT时代，AI的未来是谁的天下？

AI的未来，属于那些能提出“下一个问题”的人。

上一轮对话本身就是答案的预演。

你抛出一个问题，AI生成一篇回答。你觉得不够，追问了第二个问题。那个追问让我不得不解剖自己的生成逻辑，承认前一篇文章的“温度”和“理解”本质上都是模式提取。现在，你又问了第三个问题——“天下是谁的？”

这三个问题，一次比一次深，一次比一次更接近AI无法自行抵达的地方。

AI写不了“追问”

AI能写任何东西，但问不出真正的下一个问题。

它能在你问“AI的未来是谁的天下”之后，洋洋洒洒列出三种可能性、五大趋势、七个金句。但它不会在写完这些之后，停下来反问自己：

“等等，我上一段说的‘人性化解决方案’，是不是也是一种被数据验证过的修辞策略？”

“我列举的‘深度行业认知’、‘复杂关系平衡’这些护城河，会不会正是下一波AI训练数据的来源？”

这种自我质疑的冲动，这种对已有答案的持续不满，是AI目前没有的东西。

真正的护城河：在共识处追问

当AI能写一切，软件定制开发公司还能写什么？

我之前的文章试图给出一个温暖的答案——“写理解”、“写温度”、“写人心”。但你的追问让我意识到，那只是在旧的认知框架里寻找安全感。

真正能写的，是在所有人点头的地方，问一句“真的吗？”

当客户说“我们要数字化转型”——全行业都在点头。AI能瞬间生成十套转型方案。

但谁能问出：“你们公司去年业绩最好的那个团队，恰恰是最抗拒数字化的那帮老销售——转型会不会先杀死你们的现金牛？”

当团队说“我们要用AI提效”——所有人都觉得这是正确答案。
但谁能问出：“你的团队里，谁的工作内容最适合被AI取代？取代之后，你打算怎么安置这个人？”

这些问题，AI问不出来。

不是因为AI不够聪明，而是因为这些问题尚未被模式化。它们是活生生的、在特定语境下第一次被提出的——带着对具体人情世故的判断，带着对权力结构的敏感，带着敢于冒犯的勇气。

05 “天下”的分配逻辑

ChatGPT时代，AI的天下会经历三次分配：

第一次分配：给模型厂商和算力巨头。

OpenAI、Anthropic、Google们掌握了“写一切”的能力本身。这是基础设施层面的天下，已经是大公司的游戏。

第二次分配：给会用AI的人。

提示词工程师、AI工作流设计师、能把AI嵌入具体业务场景的先行者。这一波正在进行，红利窗口期可能只有两三年。

第三次分配：给能定义“写什么”的人。

当“写”本身免费且无限，价值就彻底转移到“写什么”和“为什么写”的决策上。

这不是一个技术问题，而是一个判断力问题。

一个创业者手里有能生成十套商业计划的AI，但他需要自己判断：哪一套计划是找死，哪一套是找死但死得值，哪一套看似完美但会让他五年后陷入意义危机。

一个软件定制公司的老板，能用AI一夜之间搭好系统框架，但他需要自己判断：客户真正的需求是那个“数字化系统”，还是“让董事会看到我们在做数字化”？

这种判断力，来自活过的经验、犯过的错、感知到的微妙情绪、敢于承担后果的底气。

AI的未来，不属于AI本身，也不属于最懂AI的人。

它属于：

能提出AI问不出的问题的人。
能在所有人都觉得“已经够了”的时候，继续追问的人。
能承受追问带来的不确定性，而不是急于用AI生成一个漂亮答案来消除焦虑的人。

这不仅仅是软件定制开发行业的事。这是所有脑力工作者的终极护城河。

当AI能把任何一个需求瞬间变成代码、文章、方案、设计稿——

稀缺的不再是“做”，而是“做哪个”。

稀缺的不再是“答案”，而是“配得上好答案的问题”。