硅基时间万字长文答问录（一）：码盲消失，OPD 崛起，新市场在哪里-编程阁

本文出自 CSDN创始人&董事长蒋涛个人公众号系列文章《硅基时间》。

写完《硅基时间》前五章之后，收到了上百条留言和私信。大家的问题比我预想的尖锐得多，也现实得多。真正的思考，永远不是来自作者的独白，而是来自读者的追问。

这一篇，我把最高频、最有分歧、最值得展开的问题集中回答一次——有些是我之前略过的，有些是读者逼着我重新想的，也有些，是我自己还没完全想清楚、但愿意把思考过程摊开来聊的。

由于问题实在太多，这将是一个系列。这一篇聚焦"程序员、应用、OPD/OPC、新市场"四大板块；下一篇会专门聊 Token 经济生态。欢迎在留言区继续追问。

作者 | 蒋涛

来源 | 蒋氏闲记

第一部分｜关于程序员：消失、转型，还是重生？

Q1. 程序员这个工种会消失吗？

短答：写代码的“那种程序员”会被压缩，但“会编程的人”会暴增。码盲会消失，新程序员会崛起。

过去四十年，“程序员”这个词指的是一个非常具体的职业形态：把 PRD 翻译成代码，把 Jira 任务翻译成 PR，把设计稿翻译成前端组件。这种“翻译型程序员”的工作，在 Claude Code、Cursor、AtomCode 这类工具面前，已经基本被接管了——不是未来，是正在发生。

Anthropic CEO Dario Amodei 讲过一句很直接的话：未来 3–6 个月，AI 将写 90% 的代码；12 个月内，AI 将写几乎所有代码。这不是预测，这是 Anthropic 自己正在发生的现实——他们内部团队 70–90% 的代码由 Claude Code 产出，Claude Code 自己的代码库 90% 由它自己写。

所以，短期内会发生什么？企业会短期压缩程序员编制，大约 50% 的初级和中级程序员会面临转岗或失业。这个数字听起来残酷，但它和历史上每一次生产力跃迁的比例惊人地一致——工业革命时的手工织工、电气化时代的蜡烛工匠、PC 时代的打字员。

但故事的另一面，是“码盲”这个概念正在消失——这才是更大的变量。

Q2. “码盲消失”是什么意思？编程会像识字一样普及吗？

这是我近三年反复讲的一个观点，今天数据终于开始兑现。

CSDN 有 5300 万注册开发者用户——这几乎是中国所有有编码能力的人。中国 14 亿人口，有工作能力的约 8 亿。这意味着中国目前只有约 6–7% 的劳动人口具备编程能力。剩下 93% 的人，在过去四十年的数字革命里，始终是“被服务的一方”，而不是“创造者”。

AI 编程正在把这个比例彻底改写。

过去很多产品经理和业务人员都是“码盲”——他们只能提需求，不能自己写应用。需求需要经过翻译，就像“传话游戏”，话传几轮就变样了。最后提需求的人往往极度不满意。

现在发生了重大变化：他们可以自己写应用，跳过程序员。

一个真实的例子——“小猫补光灯”。这个小应用的开发者其实是一个大厂的产品经理，过去他需要依赖程序员，有想法没办法实现；现在他自己写出来，直接冲上了中国区 App Store 的付费榜。一个产品经理独立做出了一家小型创业公司才能做出的产品——这在五年前完全不可想象。

这不是想象。让我用一张对照图说明：

抖音、快手让“视频盲”消失了。很多有表演才华的人，过去可能一辈子没机会站在镜头前；快手前 100 视频主我一个都不知道，但他们的粉丝都上千万。一个贵州的乡村老奶奶可以凭做菜视频获得上千万粉丝。AI 编程正在对“码盲”做短视频对“视频盲”做过的事。

过去一个有产品想法但不懂代码的人，只能把想法写在 PPT 里求投资，就差一个程序员合伙人；现在，他可以直接做出来，而且制作成本只有过去的千分之一。软件的边界变了，写软件的基本能力将像写文章一样普及。

Q3. 所以未来的程序员会分层？会是什么样子？

这是我三年前画的架构图——人人程序员，行行智能化，万物可编程。

第一层：专家炼模型（垂类模型层）

这一层做的事，今天已经有了一个明确的落点——Skill。

专家经验现在可以被沉淀成 Skill：一个 Skill 就是把某个领域专家的 know-how、判断逻辑、操作步骤结构化后喂给大模型，让模型在这个领域瞬间拥有顶级专家的能力。Anthropic 的 Claude Skills、OpenAI 的 GPT Custom Instructions、各家垂类模型的 LoRA 微调，都是这一层的具体形态。

少数顶级专家，把自己行业的深度 know-how 炼成 Skill / 垂类模型。医生炼医疗模型、律师炼法律模型、结构工程师炼结构设计模型。这一层人数最少，但每个人的杠杆最大——他们产出的不是一个应用，而是一个新的行业生产基础设施。

过去一个顶级儿科医生一辈子只能看几十万个病人；今天他把自己的诊断逻辑炼成 Skill 后，可以同时服务几亿次问诊——专家本人的价值被放大了几个数量级。

第二层：超级程序员（专业开发者层）

架构师和有经验的程序员不会消失，相反，他们会被 AI 放大 10 倍以上：生产力提升 10 倍、工作流优化 10 倍、创意实现增加 10 倍。

这一层里最关键的角色是 Harness Engineer——我叫他们"搭脚手架的人"。

什么是 Harness？在 AI 原生工程里，Harness 指的是把大模型能力接入真实业务场景所需要的那一整套“缰绳”——包括提示词工程、工具调用、上下文管理、Agent 编排、Evals 体系、错误恢复、权限边界、可观测性。大模型本身只是一个强大的推理引擎，但要让它真正跑通一个任务、一个流程、一个产品，中间这一层 Harness 才是真功夫。

Harness Engineer 要同时具备三种能力：会用提示词（语言层）、会写工程（代码层）、会想产品（业务层）。今天这是最稀缺的人才，硅谷的顶级 Harness Engineer 薪酬已经到百万甚至千万美元——因为他们是把一个通用大模型变成一个真正能干活的系统的人。

第三章讲过的那位 CSDN 顶尖架构师做 AtomCode 的案例——他用 28 天做完了两年前 10 个人 6 个月的工作量——就是典型的超级程序员。差距不是 10 倍，是接近 60 倍的生产效率跃迁。

第三层：码盲成为程序员（全民开发者层）

这是最大的一层，也是改变游戏规则的一层。关键词是：创意即刻应用、零手工代码、小应用大爆发。

过去不会编程的产品经理、运营、老师、医生、小店主、手工匠人……他们将第一次成为“创造者”。他们不会关心 Git、不会关心框架、不会关心部署——他们只关心“我的想法能不能跑起来”。

未来软件公司只有两种人：定义问题的人，和调度硅基时间的人。而在公司之外，还有一大群“定义自己生活场景的人”。

Q4. “超级程序员个体”会像 up 主一样爆发吗？会出现“code 主”吗？

这是我 2023 年就在讲的判断，今天正在兑现。

抖音和 B 站把拍视频的门槛尽量简化掉了，诞生了大量 up 主；今天 AI 赋能 + 开源底座，软件开发的成本也降低了一个数量级。所以我一直认为会出现一批超级程序员个体：

他们有创造力，要么能把问题解决得漂亮，要么能找到好的需求零配件；他们像 freelancer 一样，提供个性化的软件开发服务；他们像 up 主一样，是独立的“软件创作者”——我叫他们 code 主，业界叫他们 OPD（One Person Developer，独立开发者）。

让我用一张对照图说明 code 主和传统程序员的区别：

今天你已经可以在 Product Hunt、GitHub Trending、Hugging Face Spaces 上看到大量这类 OPD 的雏形。一个人做一个爆款 GPT、一个爆款 MCP Server、一个爆款 Claude Skill，就能做出一个初具规模的小生意。

Sam Altman 说“第一家一人十亿美元的公司一定会出现”——那个人，很可能就是一位顶级 OPD。软件开发正在经历自己的“up 主时刻”。

Q5. 那“普通程序员”现在应该做什么？

三条具体建议，排序很重要。

第一，立刻用 Token 提升编码效能——这是这个时代最大的红利。

过去两年，全球大模型公司累计投入超过 1000 亿美元，养出了 GPT-5、Claude Opus 4、DeepSeek 这一批能力跃迁的模型，而且还在加速进步。这意味着一件事：作为一个普通开发者，你花 1000 元买 Token，背后调用的是一个上千亿美元资本砸出来的生产力引擎。黄仁勋在 GTC 2026 上讲：给 50 万美元的工程师配 25 万美元的 Token。对普通程序员，哪怕每月拿出工资的 5%（约 1000 元）买 Token，也能换来 5–10 倍的工作产能。

这是你能买到的、ROI 最高的一笔职业生涯投资——本质上是在搭整个 AI 行业的顺风车。你自己不需要训练模型、不需要建数据中心、不需要养算法团队，你只需要付 Token 的零售价，就能用上别人千亿级投入的成果。这个红利窗口不会永远存在，先用先得。

第二，从“写代码”升级到“编排 Agent 矩阵”——从加法到乘法的切换。

不要再问“怎么让 AI 帮我写这段代码”，开始问“怎么让 3 个 Agent 并行做 A / B / C 三条路径，最后我挑一个”。前者是串行思维，一次一件事；后者是并行思维，一次几件事。前者是加法，后者是乘法。这一步是区分“被 AI 放大的程序员”和“被 AI 替代的程序员”的分水岭。

第三，把每一次开发都沉淀成“可调用的能力”——蒸馏提效是手段，人升级才是目的。

不要让经验只留在你脑子里——要让它沉淀到提示词、Agent 配置、Evals 集、工作流模板里。蒸馏的直接收益是效率：一个过去要 2 小时手把手的排障过程，变成一个 30 秒就能跑完的 Agent；一个过去要反复叮嘱新人的“坑点清单”，变成一套自动生效的 Evals。

但真正的问题是——蒸馏之后，你的价值在哪里？

答案是：把你从“重复劳动”里解放出来，去做那些“不可被蒸馏”的事。

哪些事不可被蒸馏？三类：定义问题的能力（在一个全新的业务场景里，判断"到底要解决什么"）、架构审美（在 10 个技术方案里，看出哪个 5 年后还站得住）、对真实世界的理解（知道客户嘴上说的和心里想的不是一回事、知道这一次的例外不是错误而是信号）。

这三类能力 AI 今天学不会，因为它们依赖人在真实世界里的经历、承担和判断。它们没法靠看更多代码学会，只能靠做更多有责任的决策长出来。

所以蒸馏自己不是把自己掏空，而是把“昨天的你”变成系统，让“今天的你”去长“明天的能力”。华为“消灭王牌飞行员”的本质也是这个——不是让王牌失业，而是让王牌不再被日常重复拖住，可以去打更高级的仗。一个销售高手如果每天都在做重复跟进，天花板就是一个销售；但如果他的经验被沉淀成系统，让团队里 20 个新人都能打出 80 分水准，他才从“一个王牌”变成“一个将军”。

蒸馏是手段，升级才是目的。程序员和 AI 的关系，不是“你蒸馏了我，我就完了”，而是“你蒸馏了我的昨天，我才有时间成为我的明天”。

第二部分｜关于 AI 应用：为什么还没爆发？

Q6. 都说 AI 会改变一切，但为什么真正的 AI 应用还没大规模爆发？

这是过去一年我被问得最多的问题，也是最容易被带偏的问题。

很多人给出的答案是“模型还不够聪明”、“生态还不完整”、“用户习惯没养成”。这些都对，但都不是根本原因。

根本原因只有一个：Token 太贵。

让我把账算给你看。过去我们习惯的互联网应用，底层成本结构是：一次用户交互 = 几毫秒 CPU + 几 KB 带宽 ≈ 接近零成本。所以免费、补贴、羊毛是可行的商业模式——边际成本本来就是零。

但 AI 应用完全不同。一次 GPT-4 级别的复杂交互，可能消耗 5000–50000 个 token，成本在几分钱到几毛钱之间。一个中度活跃用户，一天可能烧掉服务商 1–5 元。对比一下淘宝、微信、抖音的单用户日成本——不到一分钱。

AI 应用的“地心引力”，比互联网应用重了 100–1000 倍。

这就是为什么今天所有 AI 产品都在做 To B、做企业级、做订阅制——因为只有 B 端能覆盖 Token 成本。C 端的大爆发还没到，不是因为产品不够好，是因为成本还没降到可以做免费增值（freemium）的水平。

Q7. 那 Token 成本还需要下降多少？

我的判断是：至少再下降 100 倍，C 端 AI 应用才会像互联网应用一样大规模爆发。

过去 6 年，同等能力的 token 价格下降了大约 400 倍。但“同等能力”这个前提在变——今天的 GPT-5/Claude Opus 4 级别能力，对应的价格还没降到“能让 C 端免费化”的水平。

我的判断是：当一次复杂 AI 交互的成本降到 0.001 元人民币以下时，C 端 AI 应用的寒武纪大爆发就会到来。按现在的摩尔速度推算，大约是 2027–2028 年。

但注意一个更深的东西：这个爆发不会像移动互联网那样是“先有基础设施，再有应用”。AI 爆发会是基础设施和应用层螺旋式下降——每一次 token 降价，会催生一批原本不可能的应用；这批应用会反过来驱动更大规模的算力投资，再把 token 价格压下去。

关于 Token 经济的完整五层生态、以及它会如何重塑每一层玩家，我会在下一期答问录里专门展开。欢迎大家在留言区继续追问。

Q8. 那现在到底爆发了什么？

现在爆发的不是消费力，是生产力。

生产力工具为什么先爆发？因为它们能明确地用 token 换人工。

一个程序员月薪 2 万元，企业掏 1000 元 Token 给他——不到工资的 5%，却能换来 5–10 倍产出。这是企业 CFO 一眼就能算清楚的账。所以 Claude Code 能 9 个月从 0 做到 25 亿 ARR，Cursor 50 个工程师撑起 20 亿 ARR——它们卖的不是“软件”，它们卖的是“硅基时间”。

生产力市场不需要等 Token 降价 100 倍，因为它替代的是每小时 125 元的碳基时间。消费市场必须等，因为它替代的是每小时 0 元的“用户闲着的时间”。

Q9. 为什么 Coding Plan 类产品在 2025–2026 集中爆发？

表面原因是模型能力到位了（Claude 3.5 Sonnet、Claude 4、GPT-5 的编码能力质变）。但底层原因更深——编码同时具备四个罕见条件：

一是结果可验证：代码要么跑通要么跑不通，Evals 可以自动化；二是任务可拆解：一个大项目天然可以拆成模块、函数、测试用例；三是上下文可结构化：git commit、PR、依赖图、类型系统都是 Agent 可读的底表；四是ROI 极清晰：替代的是程序员每小时 125 元的碳基时间，Token 成本不到 1/10。

这四个条件同时满足的行业，编码是第一个。所以编码成为 AI 原生生产力爆发的第一个战场——不是巧合，是必然。

Q10. 下一个“编码级爆发”会在哪个领域？

第一梯队（2026–2027）：法律文书（合同审查、尽调、合规）、财务建模（审计、风控、报表）、科学研究（文献综述、实验设计）——都满足“可验证、可拆解、可结构化、高 ROI”。

第二梯队（2027–2028）：医疗诊断辅助（受限于监管）、复杂设计（建筑、工业、芯片）、教育（个性化辅导）。

第三梯队（2028+）：创意内容——最难，因为“好坏”没有客观标准；情感陪伴——最难，因为评价标准本身在变。

一个简单的判断公式：一个领域的 AI 化速度，与“结果可验证程度 × 任务可拆解程度 × 上下文可结构化程度 × ROI 清晰度”成正比。编码四项全满分，所以第一个爆。

第三部分｜关于 OpenClaw 龙虾：下一代软件的样子

Q11. OpenClaw（龙虾）是什么？为什么它那么重要？

OpenClaw 是 2025 年底出现、2026 年 GTC 大会上被黄仁勋亲自背书的开源 agentic OS 项目，被 Jensen Huang 称为“史上最成功的开源项目”。它的 Logo 是一只龙虾：

——所以圈内都叫"龙虾"。

Logo 不重要。它真正的意义是：它让所有人第一次看清楚，下一代软件的形态到底长什么样。

过去四十年，“软件”的形态是：按钮 + 表单 + 菜单 + 数据库。你打开 Excel，看到的是单元格；你打开 Word，看到的是文档；你打开 SAP，看到的是一堆表单。用户的“工作”，就是在这些 UI 元素上来回点击、填表、保存。

龙虾完全颠覆了这种形态：

这个区分至关重要：

一句话：龙虾展示了从“用户操作软件”到“用户给意图，软件调度自己”的根本转变。

Q12. 这种转变意味着什么？

意味着过去所有的收费软件，都可以被重新写一遍。

想象一下：过去的 CRM 是几百个字段的表单，销售花 1/3 时间填表——龙虾时代的 CRM，销售只需说“华明客户刚才提到 ROI 问题”，系统自动更新 15 个字段、触发预警、生成跟进建议。过去的 Excel 你要学习数百个函数——龙虾时代的 Excel 你说“按区域分组算同比增长，标红下滑超过 10% 的”，它就做完了。

过去的 SaaS 市场大约是 3000 亿美元。如果全部按龙虾范式重写，这 3000 亿市场的每一块都要重新被竞争。这就是 a16z、YC、红杉今天在疯狂扫射的赛道——他们不是在找“下一个 Salesforce”，他们是在找“Salesforce 的继任者”。

Q13. 我举一个最具体的例子——股民软件会怎么被重写？

这是最近被问最多的场景之一。中国有 2.3 亿股民，对应的软件是雪球、大智慧、同花顺、东方财富，再加上券商自己的 App——这是一个存量千亿、增量巨大的赛道。

旧版本：股民是“信息消费者”，软件是“信息展示器”

一个典型股民一天要做什么？打开大智慧看 K 线、刷雪球看大 V 发帖、点开同花顺查公告、去财经网站看研报、打开微信群听小道消息、最后在券商 App 下单。6 个软件、20 次切换、3 小时信息碎片，最后做出一个“跟感觉走”的决策。

雪球的“股票讨论区”今天已经 11 年了，本质是一个把贴吧搬到股票上下文的产品。大智慧的 L2 行情也是 20 年前的范式——给你更多数据、更快数据，让你自己判断。

这套范式问题在哪里？把判断成本全部压在用户身上。一个 50 岁的股民，他根本处理不过来 3000 只股票 × 200 条新闻 × 50 份研报 × 100 个大 V 的实时信息流。

龙虾版本：股民是“意图表达者”，Agent 是“投研分析师 + 交易员”

同一个股民打开新的产品，界面上只有一个对话框。他说：“我手里有 50 万，想找 3 只适合持有 6 个月的新能源标的，不要炒作概念股，要基本面扎实、估值合理的。今晚给我一份报告。”

系统在后台做什么？基本面 Agent 扫描 A 股全部新能源标的（约 200 只），按 ROE/负债率/现金流筛选；新闻 Agent 读完过去 30 天全部相关研报、公告、行业报告；技术面 Agent 分析 K 线、成交量、资金流；竞品 Agent 对比国际同行估值水平；最后由 Orchestrator Agent 汇总，生成 3 只推荐 + 完整逻辑链 + 风险提示。

早上用户醒来，看到一份比中信证券研究员写得还扎实的报告——因为背后跑了 20 个 Agent 并行、消耗 50 元 Token。

这件事对存量玩家意味着什么？

雪球：它今天的核心资产是“大 V 的内容 + 社区讨论”。但如果 Agent 能做得比 99% 的大 V 还好，社区的价值会急剧下降，它必须重写。大智慧 / 同花顺：它们的核心是“行情数据 + 技术指标”。但数据本身会越来越不值钱，值钱的是“在数据上做判断的能力”——这恰好是 Agent 的强项。券商 App：交易通道会继续存在，但“选股 + 择时”这一层的心智会被彻底拿走。

我预计 2026–2028 年会出现一批“AI 原生股民软件”，它们可能只有几十人团队，但会从雪球和大智慧手里抢走最有支付意愿的 10% 高净值股民。这 10% 的用户，贡献了存量玩家 60% 以上的收入。

Q14. 那微软、SAP、Salesforce 这些巨头怎么办？

答案很残酷：他们的组织是为旧范式优化的。微软有 22 万人、SAP 有 11 万人、Salesforce 有 7 万人——这些人的岗位、流程、考核、激励，全部都是围绕“卖 License、做 Feature、做 Implementation”设计的。

现在让他们做龙虾范式的产品，等于让一条大船掉头——不是不愿意，是物理上做不到。

所以你会看到一个有趣的现象：未来五年最精彩的颠覆故事，不会来自巨头，会来自 20–200 人规模的 AI 原生团队。Cursor 50 人干掉 JetBrains 2000 人和微软 GitHub，是第一个样本。下一批会出现在 CRM、ERP、设计工具、财务软件、医疗 SaaS、股民软件等各个细分领域。

第四部分｜关于 OPD 和 OPC：个人能力爆棚带来的新市场

这一部分是我最近思考最多、也是最没有现成答案的部分。

当 AI 让个人能力爆棚、程序员开始大规模转岗、数字需求开始爆发——这三股力量叠加，会催生几个过去根本不存在的新市场。

核心变量是两个新角色：OPD 和 OPC。

OPD = One Person Developer（独立开发者 / indie hacker）：一个人就是一支研发团队
OPC = One Person Company（一人公司）：一个 OPD + 一组 Agent + 一套底表 = 一家完整运转的公司

CSDN 正在做的一件事，就是搭建一个 OPD 平台——从 5000 万开发者社区里，孵化 100 万家 OPC，用 TaoToken 提供模型 Token 赋能，背后接着 10000P 算力（昇腾 950 算力支持）。

这不是我们突发奇想，这是我们判断未来 5 年最大的结构性机会所在。

而且顺便说一句——"OPC"这个词在我看来还有一层意义：Open Public Compute（全民开放计算）。从 One Person Company 到 Open Public Compute，本质是同一件事的两面：当算力、模型、开发能力全面平权，每个有想法的人，都能成为一家公司。

Q15. 新市场一：Agent 交易市场（Agent Marketplace）

这是最确定的一个方向。

逻辑很简单：当每个人都能造 Agent，Agent 就会像 App 一样形成一个交易市场。

想想 App Store 的历史。2007 年 iPhone 出来之前，“App”这个词都不存在。2008 年 App Store 开放，2010 年大爆发，2015 年形成了全球 1500 亿美元的市场。十年时间，创造了一个从零到千亿美元的新品类。

Agent 交易市场现在正处在 2008 年的节点。今天你已经能看到雏形——OpenAI GPT Store 一年内上线 300 万个 GPTs；Anthropic Claude Skills 可以被分享、订阅；Hugging Face Spaces 超过 50 万个 AI 应用；Poe、Glif、Flowith 都是小而美的 Agent 市场。

但这些今天还都只是雏形。真正的 Agent 交易市场会包含四层：

第一层：技能 Agent（Skill Agent）—— 一个 Agent 就是一个“能力”。比如“帮我写融资 BP 的 Agent”、“帮我分析股票财报的 Agent”、“帮我查法律合同漏洞的 Agent”。定价可能是一次 1 元、订阅 29 元/月。

第二层：行业 Agent（Vertical Agent）—— 垂直行业的专业 Agent。“小儿科问诊 Agent”（蒸馏了顶级儿科医生的经验）、“小学数学辅导 Agent”（蒸馏了特级教师的讲课风格）、“跨境电商运营 Agent”（蒸馏了头部卖家的选品经验）。定价可能是 299–2999 元/月。

第三层：个人分身 Agent（Personal Agent）—— 一个具体人的分身。郭德纲的相声 Agent、俞敏洪的英语教学 Agent、罗永浩的带货 Agent。这一层开始涉及肖像权、人格权、IP 授权——是最难但也最有想象力的一层。

第四层：Agent 之间的 Agent（Meta Agent）—— 帮你挑 Agent 的 Agent、帮你编排多个 Agent 的 Agent、帮 Agent 互相通信的 Agent。这一层今天刚刚开始。

这四层加起来，我判断 2030 年前会形成一个全球 1 万亿美元级别的市场——比今天整个 SaaS 市场还大。

Q16. 新市场二：Agent 行业市场（Vertical Agent Industry）

上一题讲的是通用 Agent 的交易市场，这一题讲的是各个传统行业里“Agent 化”的巨大机会。

让我用股民软件这个例子再展开一次——Q13 讲过的故事，其实是一个更大 Pattern 的缩影。

Pattern：任何一个“信息密集 + 决策高压 + 有专业门槛”的行业，都会被 Agent 重新定义一次。

让我列一张我看到的名单：

每一个行业，都是一个 100 亿到 1000 亿规模的存量市场。如果其中 20% 被 Agent 化的新玩家拿走，这就是一个 20 亿到 200 亿的新市场。

而且最关键的一点——这些新玩家不需要是大厂。5–50 人的 OPC 团队就能做。因为他们不用建销售团队（Agent 自己面向 C 端）、不用建客服团队（Agent 自己处理）、不用建内容团队（Agent 自己生成）。

过去 10 亿美元公司需要 1000 人，未来可能只需要 10 人。这就是 Sam Altman 说“一人十亿美元公司”的现实基础。

Q17. 新市场三：个人创造力爆发后的“小应用大爆发”

过去移动互联网时代有过一次“小应用大爆发”——微信小程序。从 2017 年到 2024 年，微信小程序超过了 700 万个。但这些小程序的创造者主要还是专业开发者。

AI 时代的“小应用大爆发”会不一样——创造者会扩展到全体 14 亿人。

我已经看到了几个具体苗头：一个外卖骑手写了个小应用，自动帮自己算每天的跑单效率最优路径，一个月后卖给了同城其他骑手，月收入过万；一个退休老师做了个“帮爷爷奶奶看病问诊”的小 Agent，把专业医疗术语翻译成老人能懂的话；一个五年级小学生用 Claude 做了个“帮妹妹学拼音”的游戏，比市面上所有儿童 App 都好用；一个县城小超市老板做了个“库存管理 + 竞品比价 + 自动订货”的 Agent，替代了他花 3 万买的 SaaS。

这些事今天已经在发生。未来 3 年，这样的“个人造物主”会呈指数级增长。

过去做一个 App 的最小成本是 10 万（请程序员）；现在是 100 元（买 Token）；未来是 0 元（免费 Token 额度）。

当成本降低三个数量级，参与者就会增加三个数量级。

Q18. 新市场四：万物智能化（AI Native Hardware）

这是我在演讲里反复讲的一条主线。

今年有一个非常火爆的开源产品——把乐鑫 ESP32 芯片跟大模型连接起来，后面接一个豆包大模型。整套方案的 BOM 成本只要 50 块钱。

在任何硬件里增加 50 块钱成本，就可以让它接入大模型能力。

中国制造业的巨大优势，第一次遇到了 AI 的巨大红利。我看到的苗头：小智 AI 音箱（30 元级别、无屏幕、语音交互）——CSDN 马上要推出下一代小智，交互能力、上下文记忆、多 Agent 调度都会有质的提升；AI 眼镜（Meta Ray-Ban、Rokid、雷鸟）2026 年出货量开始爆发；AI 玩具、AI 家电、AI 水杯、AI 书桌——每一个都变成 Agent 入口。

但最被低估的是那句“万物可编程”——100 亿个物件都变成 Agent 入口。这个市场的规模，远超今天的手机市场。而且中国的制造业能力 + 软件工程师红利，让我们第一次有可能在下一代硬件范式里成为全球主导——就像日本在家电时代、美国在 PC 时代、韩国和中国在手机时代的角色。

我在演讲里讲过一句话：“AI 不光可以重写软件，也可以重写硬件。硬件制造是我们的能力，软件我们有工程师红利，关键在于如何将两者结合，让我们所谓的'义乌小商品'都能用 AI 再做一遍。”

这句话今天越来越接近现实。

第五部分｜那些我还没想清楚，但值得继续追问的问题

写到这里，我想主动抛出几个我自己还在思考、但还没有结论的问题。欢迎留言讨论。

Q19. 当 AI 可以 7×24 写代码，“开源社区”的意义会发生什么变化？

GitHub 过去十几年是人类协作的奇迹。但如果 90% 的代码由 AI 写，那贡献者的定义是什么？代码审查还有意义吗？License 和版权如何处理 AI 生成的代码？社区的治理模式要怎么改？我还没有答案。

Q20. 当一个人可以调度 100 倍硅基时间，“公司”这个组织形式还必要吗？

第三章提到 Sam Altman 说"一个人十亿美元的公司"不可想象但一定会出现。但往前推一步——如果一个人就能完成一百个人的工作，公司作为"人的集合"的定义本身是否还成立？OPC 这个词，也许就是答案的雏形。那税法、劳动法、合同法，都要重写。

Q21. 当“初级白领工作”大规模消失，社会的上升通道会怎样？

过去的就业阶梯是：初级岗位 → 积累经验 → 晋升中级 → 晋升高级。如果初级岗位被 AI 接管，年轻人从哪里开始？没有了“做中学”的过程，中级、高级从哪里长出来？这不是危言耸听——我在和很多互联网公司交流时，发现 2025 年后新招的校招生数量已经开始明显收缩。

Q22. 当每个人都有了 AI 分身，“人”本身的定义会变化吗？

如果我的 AI 分身读了我读过的所有书、记得我说过的每一句话、知道我做过的每一个决策——它是我吗？它能替我签合同吗？它能替我做决定吗？这是哲学问题，但也越来越是现实问题。

Q23. 硅基时间的成本曲线，是否存在物理极限？

现在大家都默认“Token 会一直降价”。但 AI 算力的指数级需求正在撞上能源、芯片、数据中心的物理约束。是否存在一个极限点，超过它之后 Token 价格反而会上涨？如果存在，这个拐点在哪？这个问题如果答案是“是”，那整本《硅基时间》的很多推论都要重新考虑。

Q24. 当所有人都开始用 AI，AI 本身还能构成护城河吗？

如果每个公司都能接入 Claude/GPT，差异化来自哪里？我目前的初步答案是：差异化来自“底表厚度”和“判断稀缺性”。模型会被平权，但每家公司自己的数据、流程、经验沉淀不会；每个人的判断力、审美、责任感不会。未来真正的护城河，不在模型，在“你让模型看到了什么、让它为你做了什么”。但这个答案我自己还在检验。

结语：问题比答案重要

《硅基时间》写到第五章，我越来越觉得一件事——这场变革最大的特征，不是某个答案的出现，而是所有旧答案同时失效了。

旧组织失效、旧岗位失效、旧商业模式失效、旧教育失效、旧职业路径失效、旧技能失效。当所有参照系同时消失，唯一的导航工具，就是提出更好的问题。

过去，世界奖励“能找到答案的人”。未来，世界奖励“能提出好问题的人”。

因为在一个 AI 可以回答所有已知问题的时代，只有问题，才是人类最后的护城河。

作者手记：

关于"码盲消失"、"超级程序员 up 主 / code 主"的观点，是我 2023 年在专访里就讲过的判断，今天数据正在兑现；关于 OPD 平台和 OPC 孵化，是 CSDN 正在搭建的一整套基础设施，也是我最近思考最多的方向。

下一期答问录，我会专门回答关于 Token 经济生态的提问——这是一个更硬核、更涉及商业模式的话题。Token 市场从 L1 算力底座到 L6 最终用户的五层结构、CSDN 在其中的定位、以及独立开发者如何在这个生态里找到自己的位置——都会在下一期展开。

欢迎大家在留言区提出更多问题，特别是关于 Token 经济、CodeClaw / AtomCode、OPC 孵化等具体方向追问。我会尽量在下一期里逐一回应。