AI时代，软件成本真能降90%？

tayun

AI 时代，软件开发的成本真的下降了 90% 吗？资深工程师 Martin Alderson 在本文中分享了自己的最新观察结果：AI Agent 正在大幅压缩开发中的人力成本，让原本需要数周甚至数月完成的项目，在几小时或一周内就能交付。同时，AI 不仅能加速新项目开发，还能轻松理解和维护三年以上的老旧代码库。这种变化释放了巨大的潜在软件需求，让小团队也能实现过去整个开发小队才能完成的产出。

这篇文章深入探讨了成本下降背后的原因、AI 工具对开发模式的重塑，以及为什么 2026 年可能成为行业的大转折点。

我做软件开发已经将近 20 年了，见证过不少浪潮——SaaS 的“诞生”、移动应用的全面崛起、区块链的疯狂炒作，以及那些总说要让程序员失业的低代码工具。

但随着代理式编码（Agentic Coding）的出现，软件开发的经济模型正在发生剧变，这股力量将彻底重塑整个行业（甚至会波及更广的经济结构）。2026 年可能会让很多人措手不及。

之前，我也讨论了为什么现有的评测标准可能忽略了某些关键跃迁，而这段时间的思考和亲身经历，更让我确信我们正走进一场“十年一遇”的行业大转折。

软件交付成本

我开始做开发的时候，正好赶上开源开始大规模兴起——而那算是自定义软件开发成本的第一波大幅下降。我还记得，当年用 SQL Server 或 Oracle 的授权费用高得离谱，所以我从一开始就用开源 MySQL，它让你能构建定制化的网络应用，而不用承担动辄五六位数的年度数据库授权费。

后来我们经历了云计算（它是否真的省钱其实还有争议，不过就先假设它在初期确实减少了部分资本支出）。最近几年的特点，我觉得是“复杂性时代”。软件工程变得——在我看来往往是不必要地——复杂了。大家一头扎进对人力要求极高的模式，比如 TDD、微服务、极其复杂的 React 前端，以及 Kubernetes。我甚至觉得过去几年，软件开发的成本几乎没有下降。

然而在我看来，AI Agent 会大幅降低软件开发中的人力成本。

那 90% 的成本节省到底来自哪里？

2025 年初，我对各种 AI 编码工具都持怀疑态度——现在依然如此。很多平台看起来就是换了皮的低代码工具（比如 Loveable、Bolt 等），或者是一些带点自动补全增强功能的 VS Code 衍生版本，用起来感觉一半有用一半烦人。

以公司里一个典型的内部系统项目为例。假设数据模型已经有了雏形，你要做的是构建一个 Web 应用来管理某个“widget”类的业务对象。

按照过去的流程，你通常需要一个小团队来搭建 CI/CD、整理数据访问模式、开发核心服务。然后是大量 CRUD 页面，再加上一些仪表盘或可视化。最后（理想情况下）还得写一套自动化的单元测试、集成测试、端到端测试，确保质量过关，然后大概一个月后才能上线。

而这还只是“纯劳动力”。每多一个人，沟通成本就往上叠：各种会议、任务管理、Code Review、前后端对接、等待别人解决难题，你真正写代码的时间往往只是全部工时很小的一部分。

用代理式编码的 CLI 工具，这些流程里几乎所有步骤都能在几小时内完成。我曾让 Claude Code 花几小时写完一个复杂内部系统的完整单测 + 集成测试套件（300 多条）。这种规模的测试，对我自己，或我认识、尊重的开发者来说，都得花上好几天写。

AI Agent 已经非常擅长把业务逻辑规范转成结构清晰、可用性很高的 API 和服务。

过去一个月的项目，现在一个星期搞定。思考时间差不多，但实现时间直接塌缩。而且团队越小，沟通开销越低，甚至反向验证了“布鲁克斯定律”的镜像效应：沟通成本不再是人越多效率越低，而是人越少效率爆炸提升。一两个开发者突然就能做到过去一个团队才能完成的量。

潜在需求的释放

乍看之下，这对软件行业似乎是个坏消息，但从经济学的角度并不是这样。

杰文斯悖论（Jevons Paradox）告诉我们，当某种东西的生产成本下降时，我们并不会只是“花更少的钱做同样的量”，而是会做更多。电灯就是典型例子：蜡烛和煤气灯销量掉了，但整个社会的人造光源总量却大幅增加。

这一点，应用到软件开发上，就是供需关系问题：社会对软件有着巨大的“潜在需求”。

几乎每家公司都有几百甚至几千份 Excel 表格在记录关键业务流程，而这些东西本该做成 SaaS。如果一家外包公司报价 5 万美元来把其中一个做成应用，那只有最核心的项目能立项。但如果成本降到 5000 美元（找个不错的开发者配合 AI 工具即可），那就完全是另一个世界——需求会大爆发。

唯一的护城河：领域知识

那么开发者会被淘汰吗？现实没那么简单。

目前，人类仍然非常重要，因为你得“看着 AI 干活”：审核它的输出、提出建议、避免它走偏。如果完全 YOLO 式（You Only Live Once）地放任 AI 写代码，项目很快会乱成一团。但只要有人类的参与，AI 能帮你在短时间内构建质量非常高的软件。

掌握这些工具的开发者，会在解决业务问题时变得异常高效。而他们的领域知识与行业理解会成为最大的杠杆：知道什么架构合适、用什么框架、哪些库稳定好用。

再叠加对业务本身的理解，你会真切感受到“传说中的 10 倍工程师”正在变成现实。同样，业务专家 + 一个熟练掌握 AI 工具的开发者这样的组合，将变得非常强大。未来我们可能不再需要“一个业务专家 + 一整个开发小队”，而是只需要两三个人紧密配合即可。

这种组合让迭代速度快得惊人，软件变得几乎是一次性的：如果方向不对，直接丢掉重来，从经验中学习就行。这需要转变心态，但真正难的是想清楚问题，而不是敲键盘。

不要措手不及

AI Agent 和模型仍在快速进化，而我觉得现有的基准测试（benchmarks）并没有真正反映这一点。比如 Opus 4.5 似乎能在 10–20 分钟的长会话中保持较好理解，不会偏离主题。我们才刚刚开始看到数千亿美元资本投入到 GB200 GPU 上的成果，而我相信更新一代的模型很快就会让这些看起来完全过时。

然而，我遇到过太多抵触这种变化的软件工程师。我听过的反对理由总是雷同：LLM 会犯太多错误、它理解不了某个框架、或者根本没节省时间。

这些说法正迅速变得完全不成立，让我想起 2007 年那些看不起 iPhone 的桌面工程师们。大家都知道后来发生了什么——网络更快了、手机性能提升、移动操作系统也越来越强大。

我认为，工程师们需要积极拥抱这场变革。这不会一夜之间完成——大企业总体上仍然落后，被繁琐的供应商审批和管理结构困住，这让它们对小型竞争者极度脆弱。

但如果你在一家小公司或团队工作，并且有机会使用这些工具，就应该抓住它。你的工作会发生变化——不过软件开发一直都在变化。只是这一次，变化可能比任何人预料的还要快。2026 年即将到来。

我经常听到的一个反对意见是：LLM 只适合新项目。我强烈反对这种观点。我花了不少时间去理解三年以上、原作者已离职的旧代码库。AI Agent 可以大幅简化这个过程——解释代码功能、定位 Bug、提出修复建议。我宁愿接手一个由 Agent 协助、并有优秀工程师监督完成的代码库，也不愿接手三年前某个水平可疑的承包商写的、没有测试、充满“意大利面式”类和方法的混乱项目。

原文：https://martinalderson.com/posts/has-the-cost-of-software-just-dropped-90-percent/


来源：36kr