AI Coding 的供给侧爆炸：需求侧何时跟上？
AI Coding 的供给侧爆炸：需求侧何时跟上？ #
当 AI 让写代码的速度提升 10 倍，真正稀缺的不再是代码，而是"知道该写什么代码"的人。
一、一个宏观框架：供给侧爆炸与需求侧爆炸 #
我们先用一个经济学的视角来看当前的 AI 浪潮。
供给侧爆炸指的是生产能力在短时间内急剧提升。AI Coding 就是典型的供给侧爆炸——一个程序员借助 Cursor、Copilot、Claude Code，产出速度可能是过去的 5 倍甚至 10 倍。
但经济学告诉我们：如果供给疯狂增长，而需求没有同步跟上，结果就是通缩螺旋——代码越来越便宜，程序员越来越卷，利润越来越薄。
所以核心问题是：需求侧怎么才能也"爆炸"，带来新的平衡？
二、AI Coding 的需求侧，有五条"爆炸"路径 #
路径 1：让"能提需求的人"爆炸（Democratization） #
以前，只有专业产品经理 + 程序员才能做出软件。现在如果能让每个业务员、每个老师、每个小店主都能把自己的需求变成软件，需求侧就会指数级扩张。
关键转变：
- 从"程序员写代码" → “业务人员直接驱动 AI 生成工具”
- 需求的表达形式从 PRD、设计稿 → 自然语言对话
但瓶颈在于：大多数人并不知道自己真正需要什么，更说不清楚。AI 降低了"实现"门槛，但没有降低"想清楚"门槛。需求侧爆炸的前提是**“会提好问题的人"爆炸**。
路径 2：让软件从"项目"变成"流体”（需求形态重构） #
传统软件需求是一次性的：“我要一个 App/网站/系统”。但 AI Coding 让软件可以变成持续生成、即时响应、个人定制的形态。
新需求场景：
- 一次性工具：“帮我写一个脚本处理这个 Excel，用完即走”
- 千人千面：每个用户用的不是同一套 SaaS，而是 AI 实时根据他的场景生成的专属界面
- 对话即软件：不需要打开 App，跟 AI 说"帮我订机票并同步给团队"，后台自动生成临时工作流
这意味着：需求从"大块的、确定性的"变成"碎片的、涌现式的"。总量会远超过去。
路径 3：新领域被"软件化"（跨域需求释放） #
代码便宜了以后，很多以前不值得写软件的领域，现在变得值得了。
- 一个小农场主以前不会花 10 万定制管理系统，但现在可以用 AI 花 10 分钟生成一个
- 生物学家可以用自然语言生成数据分析管道，而不必等 IT 部门排期
- 个人生活中的琐事（家庭账单、旅行规划、孩子学习计划）都能被"软件化"
长尾需求的总量可能远大于头部 SaaS 市场。
路径 4：配套需求的"次生爆炸" #
代码生成快了，但验证、测试、安全、合规、维护的需求会爆炸。
- AI 生成代码的质量问题：谁来验证这些代码没有漏洞？（测试需求↑）
- 系统复杂度爆炸：当每个人都有自己定制的"小软件"，谁来保证它们能互联互通？（集成需求↑）
- 安全与合规：代码产出越快，攻击面越大（安全需求↑）
这有点像汽车普及后，修车、保险、公路、加油站的需求爆炸。供给侧创新会拉动周边需求。
路径 5：从"写代码"转向"定义问题"（价值捕获转移） #
当实现变得廉价，稀缺性会转移到需求侧的上游——谁能定义真正有价值的问题，谁就能捕获价值。
- 产品经理、领域专家、创意人员的价值上升
- 程序员如果只会"写代码"，价值会被压缩；但如果能用代码解决独特问题，价值反而上升
需求侧爆炸的另一种形式：不是"需要更多代码"，而是"愿意为解决对的问题支付更高溢价"。
三、对程序员的启示：月薪 55k 之后，怎么更高薪？ #
如果你是一位擅长 AI 应用开发和模型训练的程序员，当前环境下想更高薪，核心认知是：
纯技术能力正在快速贬值，但"技术 + 领域 + 商业化"的组合正在快速升值。
更高薪的三条路径 #
路径 A：成为"AI 落地专家" 不要只做"做模型的"，要做"帮公司用 AI 赚钱/省钱的"。主动参与业务指标复盘，把你的技术产出和业务结果绑死。推荐算法（电商/广告/内容）> 客服/内部效率工具。
路径 B：深耕一个垂直领域 选一个高客单价、数字化程度低的行业（金融合规、医药研发、法律合同审查），花 6-12 个月成为"懂这个领域里 AI 能干什么"的人。你不是要跟领域专家比知识深度，而是要成为**“翻译者”**。
路径 C：用 AI 原生工作流实现效率降维 用 AI 把个人产出 10 倍放大，然后拿结果议价。别人写功能要一周，你用 AI + 自动化一天搞定。把效率优势转化为"我能一个人顶一个小团队"。
四、创业机会在哪里？ #
结合"需求侧爆炸"的五条路径，对技术背景创业者最友好的方向：
🥇 机会 1：AI 代码的"次生需求"（测试/安全/审核） #
你懂模型训练，这个方向技术壁垒高、需求明确、企业付费意愿强。
- AI 生成代码的安全审计（检测漏洞、后门）
- AI 代码的自动化测试生成
- 企业内部 AI Coding 合规平台
商业模式：SaaS 订阅 or 私有化部署，客单价 10-50 万/年。
🥈 机会 2：垂直行业的"AI 软件化" #
选一个高客单价、数字化程度低的行业，做"行业专属 AI 工具"。
| 行业 | 切入点 |
|---|---|
| 制造业 | 视觉模型 + 边缘部署，自动质检 |
| 法律 | 领域模型 Fine-tune，秒级合同审查 |
| 医药 | 垂直科研助手 |
| 外贸 | 端到端 AI 运营助手 |
关键：不要做大而全，做窄到只有 1000 个客户、但每人愿意付 5 万/年的产品。
🥉 机会 3：让"业务人员直接提需求"的中间层 #
不是"再做一个 Cursor"，而是：
- 企业内部低代码 + AI 平台
- 垂直场景的"自然语言转应用"
难点：这类产品技术只占 30%，销售和客户成功占 70%。
五、产品经理的岗位会变多吗？ #
总量会结构性增加，但会"换一拨人"。
哪类 PM 会减少甚至消失？ #
- 需求翻译官（PRD 写手）：AI 可以直接把一句话需求生成原型和代码，写详细 PRD 的价值暴跌
- 纯功能型 PM：只会"竞品有的我也要有"，AI 比人做得更好
- 不懂技术的"业务 PM"：AI 让技术实现极度灵活，不懂技术边界就提不出好需求
哪类 PM 会爆发式增长？ #
1. AI Native 产品经理 不是"在传统产品里加了个 AI 功能"，而是"因为 AI 存在，产品形态被重新定义"。需要深刻理解 LLM/Agent 的能力边界和幻觉问题，能设计"人机协作"的交互模式。
2. 垂直领域专家型 PM AI 让"做一个产品的技术成本"趋近于零，稀缺性转移到了"懂某个行业 Know-How"。用领域知识去过滤和定义"AI 能解决的真正有价值的问题"。
3. 商业化/增长型 PM AI 产品技术很酷，但不知道怎么收钱。能设计出"用户爽 + 企业赚 + 成本 cover 住"的商业模式的人极其稀缺。
4. 数据/策略型 PM AI 产品的竞争最终是数据质量的竞争。谁定义"什么是好的训练数据"？谁设计"数据飞轮"？
六、一句话总结 #
不要和 AI 比谁写代码更快，要去做那个"告诉 AI 该写什么代码、写给谁用、怎么赚钱"的人。
供给侧爆炸已经发生了，需求侧的爆炸还在酝酿。对个体而言，最大的红利不属于"写代码最快的人"，而属于最早看懂"需求在哪里爆炸"并卡好位置的人。
本文源于一次关于 AI 时代供需平衡的讨论，记录当下的思考，留待未来验证。