AI 不会吃掉软件，但会吃掉别的

去年我连续发了不少生成图片提示词的文章。后来停了。停的理由很简单：一旦你理解了背后的规律，具体的词句就变得无关紧要。一度我以为提示词正在走向消亡。我曾认为它是一种过渡期的技巧，随着模型变强，自然会被淘汰。这个判断是错的。提示词没有变得不重要，它的地位反而变得更基础了，就像地基之于楼房。它撑起了一切。没有最初那些提示词实验，就不会有后来的上下文工程；没有上下文工程，就不会有今天的 Skills、MCP、ACP 等等复杂的能力结构。你可以把它叫做接口，或者，叫做新的语言。问题是，很多人还没学会怎么把话说清楚。最近我在小红书上看到一个帖子：

我完全没看懂。直到看到一位理解能力超群的用户的回应，才明白这是怎么回事。

原 po 的帖子有一种新手困惑，还因为表达不清，又带着越努力越错位的无力感，颇有喜感。但换个场景就不好笑了。如果你在工作中遇到一件真正重要的事，却无法把它表达成一个清晰的问题，那么即使再聪明的工具放在你面前，也帮不了你。今天我们正在经历的转变，可以用一句话概括：AI 开始从“回答问题”走向“完成任务”。它可以调用工具、拆解问题、自主执行。这意味着，你不再需要亲手操作软件。举个例子。以前，一个人想做个网站，需要学前端、学后端、学部署——要花几个月，要啃教程，要在报错里挣扎。现在，他只需要把自己想要的东西说出来。剩下的，AI 去做。软件没有消失，但软件变成了背景，像城市里的水管和电线，你知道它一定在某个地方，但你不用去亲眼看见它，也不用亲手去碰它。Naval Ravikant 说“Software was eaten by AI.”，Elon Musk 只回了一个词：“Yeah”。这段简单对话被看了一亿次，转发了六千多次，评论三千多条。之所以引发巨大反响，是因为它戳到了一个共同的焦虑——如果软件被吃掉了，那坐在电脑前编写软件人怎么办？
但我觉得这个比喻本身有点跑偏。AI 不是在“吃掉”软件。软件还在，它只是下沉了，从一个面向用户的工具，变成了一个面向 AI 的基础设施。人与结果之间，原来有一层软件；现在那层软件还在，只是换了一个使用者。豆瓣上一位身在硅谷公司的用户谈到最近的变化：
从人使用工具完成任务，到人教 AI 工作流程，再到 AI 自己完成任务。这个过程会发展得很快。这是一个已经广泛可见的趋势。于是，许多自媒体给出建议：去做内容，去表达观点，去建立个人 IP——这是 AI 做不到的。这个答案，很可能也是错的。AI 生产内容，比人更快更多，成本接近于零。当每个人都能轻松生成一篇像样的文章，当每张图片都可以在几秒内生成，内容本身还稀缺吗？事实上，在 AI 生成图片真正变得可用之后的一年多时间里，其生成t图片的数量已经超过了过去 150 年人类拍摄的所有照片；到 2024 年底，互联网上 AI 生成内容的规模，已经超过了人类生产的内容。黄金如果多到淹没沙漠，黄金就会变成新的沙子。更糟糕的是，当信息洪水漫过一切，人们甚至会失去筛选的意愿。不是因为没有好东西，而是因为好东西太多，不值得花力气去找。这是悲观的图景，但它不是唯一的图景。另一种可能是：整体水位上升，差距缩小，“平庸”的基准线被大幅抬高。我们可能进入一个平均质量远高于今天、但差异化极其困难的时代——一个“光滑的世界”。

但无论是哪一种图景，有一件事情是确定的：当 AI 可以生成结果，也可以生成内容；当“智力供给函数”被彻底改写，让智力不再稀缺——基于“智力稀缺”所建立的一整套价值体系，都会开始松动。短期内，人们不会立刻找到新的答案。一部分人，会沉迷于方法、体系和框架，在“我还不够好”的焦虑中不断自我优化；另一部分人，则在失去方向后选择退场，用更低成本的刺激填满时间。但这些，都只是过渡。更深层的变化是：这个社会，正在从谁更有智力能力，转向谁更值得被信任。当内容可以被生成，观点可以被模拟，能力可以被外包，真正变得稀缺的，将不再是表达，也不再是产出，而是：谁可以被相信，谁可以被采纳，谁可以为结果负责。