SaaS末日并未到来：AI狂飙下真正危险的是没人懂的代码

市场在喊“SaaS已死”，工程师在疯狂写AI代码，但真正让这期播客炸裂的，是一个反直觉判断：不是软件被取代，而是“没人真正理解的软件”正在变成系统性风险。这里讲清楚哪些是泡沫，哪些才是AI时代的真机会。

SaaS大灭绝？先别急，真正崩的不是软件

播客一开场就点燃情绪：市场在“为软件的终结而恐慌”。AI能写代码、能做Agent、还能自动决策，于是一个耸动叙事开始流行——企业不再需要SaaS了。

但对话里的核心判断很克制：短期内，这种说法被严重夸大。以Salesforce、Samsara这类企业软件为例，它们卖的从来不只是功能，而是稳定性、合规、流程嵌入和组织协同。AI确实提高了效率，但并没有消灭企业对成熟软件的依赖。

真正发生变化的是“软件怎么被生产”。从人写代码，变成模型生成海量代码，而问题恰恰从这里开始。

最被低估的风险：代码暴增，但没人真正看过

播客里最锋利的一句话是关于焦虑的：“如果你能生成海量代码，但没人读它，你根本不知道质量如何。”

Agent和代码生成工具正在制造一种新型脆弱性：代码库体量暴涨，但没有工程师对整体有深度理解。短期看，功能上线更快；长期看，系统像被不断加层的积木，任何一个隐蔽错误都可能放大成灾难。

这也是为什么讨论里反复强调：这是‘open season’级别的问题——测试、验证、注意力分配、代码理解工具，都会成为新机会。AI没有消灭工程复杂度，只是把复杂度从“写代码”转移到了“理解与验证代码”。

小团队的vibe coding，救不了财富100强

一个常见误判来自工程师视角：既然AI让内部工具这么好做，为什么大公司不自己全做？播客直接泼冷水：小型初创公司的vibe coding，完全不能外推到大型企业。

原因很现实：变更管理、安全审计、权限体系、跨部门协作、长期维护。自己重写一个Jira，在小团队里是乐趣；在万人组织里，通常是灾难。

这也是为什么“AI会让所有人自己造软件”的假设站不住脚。大多数组织不缺代码能力，缺的是可持续运行的系统。

AI不是替代工程师，而是在重新分化工程师

播客里一个耐人寻味的观察是：AI是巨大的生产力放大器，但不同工程师的反应完全不同。

一类工程师把AI当倍增器，专注架构、判断和取舍；另一类则在身份层面受到冲击——如果我的价值只是“写代码”，那我是不是被替代了？

这里给出的建议很冷静：“保持小的身份认同。”把自己绑定在某种工具、语言或工艺上，都会在AI时代变成负担。真正长期有价值的，是问题定义、系统思维和审美判断。

Agent、算力与金钱：哪里是真趋势，哪里是演示

关于AI Agent，播客态度明显偏保守。演示很惊艳，但“已经在做重大采购决策”的说法被认为是典型的媒体放大。

相比之下，有几条趋势几乎没有争议：AI实验室的收入增长速度前所未有；推理需求爆炸，催生了庞大的推理云；Token价格持续下探，改变了应用经济模型。

还有一个有意思的对比：人脑极其高效，而GPU极其耗电。这意味着，未来几年推理基础设施会继续疯狂扩张，也会逼着行业寻找更高效的路径。

总结

这期播客真正的价值，不在于预言“谁会死”，而在于提醒风险转移到了哪里。AI不会立刻终结SaaS，但会放大组织中“无人理解系统”的隐患。对从业者来说，行动建议很清晰：把时间从纯写代码，转向理解、验证、架构与判断；对创业者而言，新的机会不在再造一个应用，而在解决AI带来的脆弱性。思考一个问题：当代码不再稀缺，什么才是你不可替代的部分？

关键词： SaaS， AI代码生成， AI Agent， 推理云， 工程生产力

事实核查备注： 需要核查：1）播客中关于AI实验室收入从数十亿到数百亿的具体表述；2）Token价格下降的量级与时间；3）关于推理云和算力增长的具体数据；4）引用的Salesforce、Samsara是否仅作为示例而非数据论证。