AI 垃圾软件遍地，真正有人用的工具在哪里？

正文

一项估计显示，去年 Apple 的 App Store 中可供下载的移动应用数量增长了 30%，但下载量只增长了 3%。

不只是应用。广义的软件，也就是一切由代码构成的东西，突然间都成堆成堆地涌现。借助人工智能，你现在可以用自然语言告诉计算机写代码，它往往能做得相当出色。这些能力几乎每周都在进步。

但你上一次为手机里一款新应用或新游戏惊叹，是什么时候？像 Slack 那样席卷整个行业的应用，或像 Candy Crush 那样占据我们地铁通勤时间的游戏，都到哪里去了？从此以后，就只剩下应用垃圾了吗？AI 杀死了“杀手级应用”吗？

这样下结论很自然，但我认为，我们正在走向一种截然不同的数字革命。我们不该期待一波 AI 制作的软件取代所有现有工具。毕竟，除非不得不换，人们并不喜欢改用新软件。AI 真正的长处，可能是做出许多作用更适度、更具体的新东西，减少那些会在生活中不断累积的小摩擦。

大企业使用 AI 提高生产力的尝试，大部分都失败了。根据麻省理工学院去年发表的一项研究，比例可能高达 95%。老板召集团队，假设是在金融服务公司或咨询公司，让他们使用 AI 改善销售流程或跟踪客户关系，经过大量试错，最后还是没成。考虑到 AI 公司被预期拥有数十亿美元的估值，这一发现相当尴尬，但我与行业内数十人交谈所得的经验，并没有推翻它。人们满怀希望，觉得一个由 AI 驱动的大胆未来就在眼前。他们被吸引着。他们个人常常无时无刻不在使用 AI 工具。但公司内部的尝试就是行不通。

对此，我不责怪程序员，甚至不责怪老板。我责怪那些大 AI 公司。它们太着急了，经常发布新版本模型和工具，却连使用手册或清楚的 YouTube 教程都没有。项目失败时，言下之意仿佛是：人类只需要放下手头其他一切，更用力地给模型写提示词。

但对一个老行业而言，学会这一招并不容易。科技行业总爱表现得仿佛刚从宙斯额头里蹦出来，其实它已经七十多岁了，而且出人意料地固守旧习。AI 工具要完全取代传统软件开发方式，还需要多年。无论大家多么希望这场革命轰轰烈烈，它都才刚刚开始。

驱动科技创新的风险投资，几乎全都涌向了 AI。那些不以 AI 为先的产品，例如老派游戏或任务管理器，看起来就成了危险的投资。为什么要投一个即将消失的文化？如果 AI 让软件既便宜又充裕，数字产品又很容易被复制，那么竞争就会变得艰难。软件曾经是终极的“护城河”，如今却开始像一种普通商品。这也是 App Store 充满缺乏想象力的应用，而非令人振奋的新尝试的另一个原因。

这就触及 AI 编程、乃至 AI 整体的一个根本特点：它特别擅长复现那些外观与体验都像既有事物的东西。它可以制作 PowerPoint 演示文稿；只要有人投入时间、给予指导，甚至可以做出一个简陋的 PowerPoint 本体。但要创造新的、从未有人见过的东西，就需要多得多的时间，有时和 AI 出现之前一样久。

我认为，AI 真正擅长的，是让你接触到过去难以企及的计算机应用领域。你可以用 AI 开发复杂的商业模型、机器学习系统，或在浏览器里运行的高级软件。在大语言模型出现之前，这些都已是再正常不过的事情，只是需要特定技能，往往属于那些薪水极高的软件开发者的专业领域。AI 让你能够边做边学，也让你在途中不那么容易放弃。

我之所以知道这一点，是因为我看到了许多新软件，它们只是在某些方面作出适度改善。图书馆员用 AI 建立更好、更易访问的历史档案；小说家“写出”部分代码，为开源项目作贡献；资金不足的医疗初创公司迅速拼出定制工具，帮助人们应付保险公司。这些东西没有登上大型科技媒体的首页，其中大部分很可能也不会让谁赚到一分钱。它们是极其普通的软件，既不革命，也不具有颠覆性。我觉得，我们正在见证一种文化上的清嗓子：人们在笔记本上涂涂写写，把想法先放出来。

我必须承认，有一阵子，看起来像我这样的软件开发者岗位就要完蛋了。我们怎么斗得过不知疲倦的机器人？但我们的行业正在慢慢意识到，要做真正处于前沿的软件，仍然需要人类共同思考、共同工作，充分发挥各自的技能，磨练各自的手艺。AI 能写出很好的软件，但它也让你很容易把别人的工作做砸，这正是那些项目失败的部分原因。现在人人都能写代码，反而更清楚地显出：很多人为什么不该写。

他们不该写的原因，并非某种精神信条，而是财务现实：手艺能挣钱，而 AI 往往会破坏你对手艺的判断。几个月来，我们看到一篇又一篇报道，说公司鼓励所有技术员工尽可能多地用 AI 写更多代码，也就是“tokenmaxxing”，把 token 用量拉满，即便成本飞涨也在所不惜。如今，管理者正在猛踩刹车。呼吁别再烧钱？那是纪律感重新出现了。

我与人讨论 AI 时，一些最有意思的对话，来自食物银行、小型博物馆这样的组织。它们一直想为服务对象和捐赠者制作简单的定制应用，清理数据，或者开发更聪明的营销工具，只是一直没钱。它们常常对 AI 及其社会成本有真实的疑虑，有时最终决定完全不使用这项技术。但很多组织希望为自己的服务群体带去好的东西，而 AI 让这件事现在看起来更有可能。

未来未必是少数几个巨大应用，运行在少数几个巨大平台上，创造巨额收入；也可能是大量小应用，专门为教会、互助小组、公司部门或垒球队而做。我会喜欢这样的未来：当有人问“AI 本来应该带给我们的那些好软件，在哪里？”，答案是：“到处都是。”

思想框架

文章从应用供给与下载量增长的不匹配切入，先解释企业项目失败、工具指导不足、行业惯性与投资方向如何形成落差，再区分复刻既有软件和真正创新的难度。随后，作者通过档案、开源与医疗工具展示能力门槛降低带来的局部改善，同时强调专业协作和成本纪律仍不可缺。结尾把软件价值从巨大平台转向小组织的实际服务需求，并保留它们对 AI 社会成本的犹疑。