• 寫程式正在從「專家專屬」變成「人人都能做」:就像主機到個人電腦、Excel 讓 PC 第一次有用,Masad 賭軟體工程也走同一條路——Replit 九年的願景就是讓你不必會 coding 也能做軟體。
  • 會寫程式的 Agent 是簡單的部分,難的是它的「棲息地」:沙盒虛擬機、部署、資料庫、認證、密鑰管理、後台任務——這些圍繞 Agent 的基礎設施才是真正卡關的地方。
  • 可靠度的上限不在訓練,在環境回饋:Replit 做了可逆的原子快照檔案系統,讓 Agent 能分叉、平行嘗試多種解法再合併,邊跑邊驗證假設。
  • 應用軟體的價值會趨近於零:當一個 prompt 就能生出任何複雜度的軟體,傳統 SaaS 的利潤會被磨平——他舉了 HR 同事三天自己做出公司在用系統的例子。
  • 角色會從「專業分工」回到「通才創業者」:Replit 把設計、工程、PM 合成同一個人;每個人早上醒來面對的不是 to-do list,是「讓公司更有價值」這個任務。
原始影片:https://www.youtube.com/watch?v=lWmDiDGsLK4

這場我最大的收穫,一句話:當生軟體變得幾乎免費,應用軟體本身的價值會趨近於零,價值會整個移到「會用 Agent 把軟體生出來的通才」身上。 Masad 講到一半丟出「所有應用軟體的價值將接近於零」這句,我停下來重看了三遍——對我這種一直在搞 AI 工作流、想用很少的人撐起很多事的人來說,這比任何 demo 都值得想。

為什麼我這樣看?拆成三點給你。

一、生軟體會變便宜,是因為「人人能寫、Agent 能在真實環境跑」這兩件事都被解掉了

Masad 的類比是電腦史。主機時代用電腦得是專家;個人電腦剛出來像玩具,買台 Mac 玩 MacPaint 沒什麼商業用途——直到 Excel 出現,PC 才第一次真的有用,現在整個世界經濟跑在 PC 上。

軟體工程也是一樣,從只有專家才做的事,變成任何人都能做的事。這就是我們建 Replit 的原因。

但讓「人人能做」真正可行的,不是會寫 code 的 Agent——那是簡單的一半。難的是它身邊的基礎設施,他叫它 Agent 的「棲息地」:雲端沙盒虛擬機(不能在你自己電腦上跑,因為 Agent 真的可能搞砸你的機器)、要能擴展到數百萬使用者、支援各種語言套件,還有部署、資料庫、認證、密鑰管理、後台任務、儲存。你身為工程師會做的每一件事,都得讓 Agent 也能做。他做了快九年、2023 年底把資源全押到 Agent 上,押的就是這一塊。

而棲息地要真的好用,關鍵又在可靠度,可靠度的上限不在訓練在環境。像 o3 這種模型生很多 token 去推理,但它是「靜坐空想」,拿不到環境回饋。Replit 為此做了一個可逆的原子快照檔案系統:每次編輯都是時間裡的一個原子快照,複製檔案系統、開寫入分支都很便宜,Agent 遇到難題能替自己分叉、平行解好幾次再挑最好的合併——他說這能讓可靠度提升兩三倍。三件事疊起來,生軟體的成本才會真的塌下去。

二、成本塌下去之後,價值會從「擁有軟體」整個移到「會生軟體的人」

我的預測是,所有應用軟體的價值將接近於零。

意思是:當任何人用一個 prompt 就能生出任何複雜度的軟體,傳統 SaaS 就沒人賺得到利潤了。他不講時間表(說自己已經放棄預測),但相信幾年內會發生。

最有說服力的是他舉的例子。Replit 一位做 HR 的同事 Kelsey,這輩子沒寫過一行程式,但市面上找不到完全符合需求、又要接 ADP 薪資系統的人事軟體——那種軟體一年要好幾萬美元。她自己花三天做出來,現在全公司在用,好到可以反過來當 SaaS 賣。Masad 說這種替代會從現在的約 15% 一路長到 100%。

價值移走,組織也跟著變。自工業革命以來公司一直在做專業分工,每個人負責一小塊,好讓人「容易被取代」;但當 HR 同時也是工程師、甚至行銷,分工的理由就鬆動了。Replit 自己就把設計、工程、PM 合成同一個人,組織長得更像開源專案而不是傳統層級。

每個人早上醒來,任務不再是寫這封行銷信、優化這顆按鈕,而是讓業務運作、為業務創造價值。

三、但價值不會歸零到「人沒事做」,邊界卡在 AI 的泛化能力

我蠻喜歡他沒把這套說得無所不能。被問到「那人類還剩什麼」,他直說這幾乎是宗教辯論,但他的立場很清楚。

現在的 AI 沒辦法真正泛化到資料分佈之外,凡是 AI 能做的都得在訓練資料裡出現過。

所以真正新穎、真正罕見的案子還是要人——這也正是「通才創業者」沒被自己生的軟體取代的理由:你的價值不在會寫 code,在判斷要生什麼、解 AI 沒見過的題。他也承認軟體工程 Agent 這條賽道已經很擠,建議想做的人從「自己有領域知識、又有熱情」的地方下手,而不是硬擠紅海。這條邊界,剛好框住了前面兩點的價值該往哪裡去。

我自己的 takeaway

第一,「應用軟體趨近於零」給我的直接啟示是:別再湊一堆 SaaS 來跑流程,能自己生的就自己生。我搞的這套 AI 工作流,本質上就是 Kelsey 那個三天系統的放大版——用很少的人、靠 Agent 撐起原本要一個團隊做的事。他講的「通才創業者」,就是我每天在練的東西。

第二,他那句「可靠度的上限在環境回饋,不在訓練」提醒我:能不能讓 Agent 在真實環境裡快速試錯、拿到回饋、自己修正,比調更強的模型還關鍵。回頭看自己的工作流,最不穩的地方剛好都是 Agent 拿不到清楚回饋的那幾步。

想看他完整怎麼講「軟體價值趨近於零」和那段 HR 同事的故事,原片在這:https://www.youtube.com/watch?v=lWmDiDGsLK4