软件行业的“白痴指数”和AI记忆系统 (上)

马斯克做商业火箭的决定有一逻辑支撑：他发现火箭的物料成本占到最终价格的10%都不到。这90%的空间就是白痴指数。

白痴指数越高，意味着这部分利润越不透明，越值得去被颠覆。

在 AI Agents 成熟的时代，软件行业的白痴指数在急剧变高。

软件本质上就是一个用户界面+数据库CRUD。在21世纪的最初20年里，中心化软件成就了很多巨大的互联网公司。原因是对于单个用户来讲，自己不会写软件自己用。就算自己写了，部署和运维的成本也是很高的。而且对一些内容公司来讲，中心化意味着有网络效应：一个用户的数据对其他的用户会产生价值。中心化的开发、部署、运维，其实就是规模化降低了成本。和初级经济学里面讲到固定成本摊薄、边际成本下降是一个道理。

但是2020年之后，软件世界在发生哪些变化？

1. 算力成本不断在降低。

今天的一台 MacBook Pro 比三十年前的一台服务器还要强好几倍。芯片还会不断变强。今天你觉得256G的内存可能是个极其奢华的服务器级配置，但是二十年后可能人人手里的手机就有 256G 内存。1996年的一台个人电脑的 RAM 是多少？16 MB。现在一张用 iPhone 拍的1200万像素的照片就有 25MB。不要觉得不可能，这是非常明确的事情。

2. 服务器部署和运维成本不断在下降。

我最近开发的项目用了一个叫 Railway 的持续部署平台。有免费额度可以用，我花钱买了一个月 5 刀（人民币35，一杯星巴克的钱）。它是用多少扣多少。如果我在腾讯云或者 AWS 买服务器，即使只买 VPS，一个月也要100多，而且还要自己搞部署环境等等。Railway 直接跟踪 github，代码一提交，就自动部署新版本。无比丝滑。就在今天，Railway 宣布完成了 1亿美元的 B 轮融资。它的口号是“人人都是开发者，Railyway 给开发者减负”。想想看30年前要部署一个服务有多复杂？甚至要自己买硬件、搭服务器。现在 VPS、NAS 这些行业的热度越来越高，就是非常明显的趋势。

3. 代码门槛被消灭了

其实让普通人对自己写软件自己用，最望而却步的是写代码这一关。写代码是一项手艺活儿，就像木匠。不经过训练，不掌握细节，根本无法上手；即使上手，做出来的东西也没办法用。但是 LLM 把这个门槛彻底摧毁了。代码本质上就是一套和芯片沟通的符号系统，LLM 干的就是符号生成的活儿。（语言也是一种符号系统）2025年12月 Claude 4.5 Opus 问世后 + Claude Code 代码 agent 就宣告了人手写代码的手艺活儿，会很快消失。就和机床出来了，替代了手工艺人，没人再去手搓了一个道理。

这些变化引发了一些大家都看到的现象：人人都在 vibe coding；不懂代码的文科生也能写代码了；几个小时做了一个什么app……这是原本做不到自己写软件的人，在AI变革黎明的狂喜。

普通人都能自己轻松写软件解决自己的需求了，那么传统软件行业的“白痴指数”就变得很高了！让我来举两个例子：

1. Pencil 杀死 Figma

Pencil 最新的利用 Agent 直接生成设计稿，可以理解为 Claude Code for UI design.（是一家 YC 的公司做的产品，刚上线2天）这软件唯一的壁垒就是 agent 的编排逻辑，其余的不花钱。那谁还愿意为了一个不复杂的设计需求去找设计师？（我找过设计师，体验很差：审美对齐、设计能力、收费贵、工期长……）

一个设计师一套UI做两周（算快的），收费一个页面1000（不算贵），而且交付标准不是老板满意，而是他做完了就算数。而且设计审美差，和老板脑子里想要的一流设计差距极大。用 Agent 做设计？30分钟，一分钱不花，哪里不好了直接打字要求，立马言出法随。而且有现成的流行风格和设计范式可以直接拿来给 agent 生成的时候自动参考。这不是抢饭碗了，这是把设计师（非顶尖设计师）的饭碗都砸烂了呀。谁还会愿意给 figma 交每月 35 美元/每个人的高级账号付费？只为了能一键生成前端代码？Agent 秒出前端代码，零差错，一分钱不花。

2. Claude Code + Obsidian 杀死 Notion.

Claude Code 直接能 access 本地所有的 md 文件，直接想干什么干什么：续写、总结、抽取、搜索、联想、整理……不花钱，为什么还要花那个冤枉钱付每月 10 美元去用 Notion AI？只为了在你写作的时候能帮你续写？Notion 的 Block-note 编辑器UI体验很好看，但是 UI 已经不重要了。我问你，如果AI能帮你10分钟写出一篇完美的博士论文，你还会在乎它的排版吗？会在乎它是用 word 还是 txt 纯文本？这些都不再重要了。

用户界面、中心化存储、开发门槛、运维部署……这些就是传统软件公司的利润来源。而当 AI 能够帮每个普通人都接近零成本地去专业级地完成这些事情的时候，这些传统的软件做法，就变成火箭价格中的那 90% 的“白痴指数”溢价。

顺便说一句，唯一还有些壁垒的是网络及内容。但是区块链也基本在解决这个问题。X (twitter) 也在慢慢变得更加开放：做好服务、做好分发。而不像国内微信、小红书、抖音、微博等等一个一个都是关起门来做，生怕丢了自己的内容护城河，吃相十分猥琐。

那么新的问题来了：后 AI 时代的软件应该做什么样的软件呢？

我觉得关键就只有 2 点：

1. Open Data Accessibility to AI

让用户的数据极其方便地能被各种内外部 Agents 用起来

2. Manage Data to Empower Agents to Do More

革新对于数据的管理，让接入使用这些数据的 Agents 能够被用得更好、更强

解释一下：

第一点，典型的例子就是 Obsidian. 别忘了它就是一个简单到不能再简单的 markdown 编辑器啊。为什么成了AI开发时代先拔头筹的用户数据处理中心？就是因为 markdown 既对人来说好读、好写，又对 AI 来说能用、好理解。（顺便提一嘴：原本 markdown 的发明者就是对了对抗 html 这类 markup 标注语言而发明的 markdown 格式）所以现在开发者就是一个 Obsidian 写文档、写给AI要干的活儿，然后再开几个终端指挥AI干活儿。

我觉得 Markdown 就是“人-AI 交互界面”的第一个原始形态。这个形态一定会进化。

不让用户自己掌控自己的数据，不让其他 agent 接入进来的软件生态，一定会消亡。因为这两者（数据和处理）已经解耦了。用户想要让 agent 帮自己做事情，你不让用户去碰数据，那么用户就不来用你了，不把数据放在你这里了。

比如，微信。用户想要让 AI 帮自己整理总结消息，微信偏不让，还反手把做这类工具的开源作者都给告了。那么很快，只要有一款通信软件，能够做到用户数据让用户自己掌控，而且可以让用户自由选择接入agents（比如 Claude code）去帮自己做自己任何想做的事情。那么就没有人会想用微信了。

事实上，最近有个明星创业公司，种子轮就融了4.8亿美元，叫 Humans&，好像就是要做这样的事情。

我还看到一些公司在做 all-in-one 的 platform，用工程能力暴力去解决信息同步的问题。能够做到在它一个app里面，把 email、聊天记录、工作文档等等都接入，然后就声称在给用户提供 AI 能力的时候就能够有更丰富的上下文。我觉得这有点天真。只要数据来源的平台开放接口，那么接 Claude Code 不就直接一句话的事儿？还要你来帮我统一散落的上下文？为什么还要多用一个平台，多交一份钱？

UI 已经不再重要了。为什么？因为大部分工作都是 agent 来做了，用户关心的是结果好不好。软件长得好看其实是对过去软件本身很难用、要用户自己去付出大量时间去使用和交互，所产生的心理伤害的补偿。

用户数据对 agent 的接入友好性（accessibility to AI），是第一位的！

第二点：革新对于数据的管理，让接入使用这些数据的 Agents 能够被用得更好、更强。

如果说第一点结论看起来像是杀死了软件行业的价值创造，让软件变成了用户的数据容器。那么我觉得第二点才是后 AI 时代的软件要聚焦创造的价值。这个价值和传统软件赚取“白痴指数”空间里的利润所提供的价值完全不一样。

是什么价值呢？让 agent 更加好用、更强的价值。

举例：12月 Claude Code 火起来的，现在 1 月份我已经看到近10款“并行 agent 管理软件”。就是说原本你用 Claude Code 就是开一个终端窗口，想要同时用10个，你就要开10个窗口。那么用户就要处理一些让人很心烦的事情：

终端窗口的文字编辑无法全选，编辑体验很反人类
用一个库里开并行 agent 要自己手动去 worktree 管理
聊天的记录随着终端关掉就关掉了，没有保存
agent 的消耗用量监控没有办法统一
每个 agent 处于什么状态还要自己人工监控，需要一直盯着屏幕
……

这时候一个统一管理并行 agents 的友好用户界面就有很大的价值了。非常多的公司和团队都做了这样的产品：独立开发者、YC公司pivot、甚至 craft 这个笔记软件也做了一个，还免费开源了。

未来多 agents 复杂编排的产品形态一定会很快出来。就像最近大家把 Claude Code 困在一个 ralph 循环中，这样就让 agent 不达目的不休息，继续放大了 agent 的能力。

并行、协同工作的 agents 越来越多，工作上下文越来越复杂，这个时候最急需的价值就是：对于复杂多 agents 的管理。

而我认为，这并不是简单数据管理。为什么？

因为受限于上下文窗口的限制，其实目前的 agent 对于处理任务的复杂性是有一定的上限的。虽然通过 agents 的编排设计提升了天花板（比如 subagent 的设计、主对话线程+plan mode等等），但是用户的需求只会越来越复杂。今天用户要求 agent 做到了“帮我整理一下下载文件夹的内容并分类”就感觉很神奇、很心满意足了。一年后，用户的日常要求可能就会变成“帮我直接从一个idea到完整产品上线全流程”、“帮我审查下属的全年工作，并制定明年的战略规划及下属的工作目标”这样的超级复杂度。

这时候，

怎么去保存每个 agent 的工作记录、
怎么让 agents 之间有效地共享记忆、
怎么针对用户已经说过的话、做过的事情进行持续学习，有效抽象，做到更懂用户，不需要用户再反复提供上下文、反复接入中间过程的监控和小决策，
怎么让用户和软件交互的摩擦成本更加小、传递更多上下文，
……

就是能让 agents 越来越好用、能力越长越大的关键了！

这其中，我个人非常重视“人与AI共同记忆”的价值。在学术前沿的说法是“持续学习“ （continual learning）。但是我并不认为这仅限于模型架构层的革新，甚至可能架构层的更新不能根本性解决这个问题，更不用提在实际场景中应用了。

我相信，在应用场景的对“co-memory”革新，和在甚至更底层的追求创造”人工智能“的道路上（具身感知、优化 Transformer 的新架构等）的颠覆性革新，我相信会是之后AI发展的主旋律。这部分我放在下半部分（下一篇文章）里讲。

Agent 的成熟实践带来的软件行业急剧增长的“白痴指数”，提醒我们，陈旧的软件价值观念是时候该变变了。老产品很可能会被杀死，而长出来的新产品不会只是替代，而是会给用户带来更加激动人心的AI能力。