今天看到一条新闻：Bending Spoons 与 Airtable 达成了收购协议，现金交易金额约为 12.85 亿美元。Airtable 在 2021 年的估值一度高达约 110 亿美元。一次收购当然不能简单证明一个品类的失败，但这个巨大的落差，仍然让我重新思考曾经很流行的「平民开发」。
Airtable 和许多 aPaaS、低代码平台曾经给出过一个很有吸引力的承诺：只要把软件开发变成拖拉拽、配置表单和拼装流程，普通人也能成为开发者。但软件开发真正困难的部分，从来不只是把界面和逻辑搭出来。它还包括理解用户究竟在什么场景下遇到问题，判断需求的边界，处理权限、数据、异常与集成，并在短期交付和长期维护之间作出工程上的平衡。
这些复杂性没有因为代码被隐藏起来而消失，只是从代码转移到了平台配置、数据结构和后续维护里。当一个场景变得足够重要、足够复杂时，专业的软件工程能力往往又会重新出现。
不过，我也需要修正一个过于绝对的判断：每天只有几个人使用的软件，不一定没有价值。一个只有三名薪酬人员操作的系统，可能影响几万名员工能否准确领到工资。真正「薄如纸」的，是那些低频、低风险、容易替代，又没有沉淀数据和业务关系的长尾需求。它们可以有局部的使用价值，却很难自然生长为可持续、可积累的商业价值。
这也是今天的 AI 编程正在面对的问题。AI 让制作一个小产品、小工具变得前所未有地容易，但当所有人都能快速生产这些东西时，「做出来」本身也就不再稀缺。大量一次性的工具可以解决一时的不便，却没有分发、业务嵌入、维护责任和长期演化能力。代码越来越多，单纯生产代码的价值反而越来越薄。
AI 只是帮他把普通人甩得更远了。
在 OpenCode 的这期访谈里，Dax 用 Mitchell Hashimoto 举例：一个原本就极其优秀的程序员，在使用 AI 之后，并不会和普通人站到同一条线上，反而可能把差距进一步拉大。即使 AI 写了 95% 的代码，剩下的 5% 仍然可能是最关键的问题定义、架构设计、边界控制和工程判断。
所以，AI 对优秀工程师更像是乘法器；对缺少判断力的人，它很多时候只是加速器——更快地生产薄弱的「垃圾」，也更快地积累无人愿意维护的代码。真正能把 AI 发挥到极致的人，不是最擅长让它不停生成东西的人，而是知道什么值得做、什么不该做，以及怎样让一个系统长期正确运行的人。
aPaaS 曾经试图普及软件开发，AI 正在进一步普及代码生产，但二者都没有普及软件工程。工具可以降低实现的门槛，却无法替代对真实世界的理解。软件最终的价值，也从来不在于它由多少代码、多少组件组成，而在于它是否进入了一个足够重要的场景，并长期承担了责任。