AI 能写代码，但它造不出软件
最近，我收到越来越多的消息：陌生人发来一坨 AI 生成的代码，配上一句"能帮我把它变成产品吗？"。
发信人往往是律师、销售、医生，甚至是咖啡店老板。他们没有写过一行生产代码，却用最新的 AI 工具在周末拼出了一个能跑的 demo。界面亮眼、交互顺畅、功能看似齐全------至少在本地机器上点两下是这样的。 然后，他们卡住了。卡在"上线"两个字上。 于是他们开始满世界找技术合伙人、CTO、外包团队，愿意用股权、现金、分成换取一个承诺：把这个玩具变成生意。
这让我反复问自己一个问题------ 如果 AI 真的能取代软件工程师，为什么这些人还需要我们？
代码 ≠ 软件
写代码从来不是软件工程里最难的部分。 把一个明确定义的小任务拆成函数、补全语法、跑通单元测试------今天的 AI 已经炉火纯青。你给它一个 user story，它能吐出结构清晰、类型标注、测试覆盖的代码，速度比大多数 junior 快十倍。
但软件不是代码的堆叠。 软件是一座城市：
- 有下水道（错误处理、日志、监控）
- 有供电系统（部署、扩容、降级）
- 有消防通道（安全、合规、审计）
- 有城市规划（架构、分层、演进路径）
AI 能给你盖一栋漂亮的别墅模型，3D 渲染、灯光效果、VR 漫游一应俱全。
可它不会告诉你：
- 这栋楼的地基能不能扛台风？
- 消防通道够不够宽？
- 十年后要加装电梯，墙体要不要留洞？
那些找上门的人，拿来的正是这种"模型房"。
运行在 localhost:3000，依赖本地 SQLite，硬编码 API key，错误直接 console.log。 它能演示，却经不起风吹雨打。
复杂度的管理是人的专属 软件工程的核心不是"写"，而是"管"。
管理的是复杂度。
一个生产系统往往由几百个"简单"模块组成。单独看，每个模块都平平无奇：
- 用户登录
- 订单支付
- 库存扣减
- 消息推送 但要把它们同时跑起来，还要满足：
- 99.99% 可用性
- 峰值 10 万 QPS
- 数据最终一致
- 支持多地区部署
- 能平滑升级不掉单
- 出错能秒级回滚
- 成本控制在预算内 这就是几百个"简单"同时成立的约束条件。
AI 能解决其中一个，却无法同时满足全部------因为它没有"整体观"。
它不知道：
- 这个缓存失效策略在双十一会雪崩
- 这个数据库索引在数据倾斜时会锁表
- 这个第三方 SDK 在 iOS 18 上会闪退 这些知识不在训练数据里，而在无数次深夜排障的肌肉记忆里。
AI 是超级实习生，不是建筑师 把 AI 想象成一个顶尖的实习生：
- 学得快、码得快、文档写得漂亮
- 但没有 product sense
- 没有 cost awareness
- 没有 risk radar
你让它实现"用户上传头像"，它会给你一个完美封装的函数。 但它不会问：
图片要不要压缩？存储用 S3 还是 CDN？ 热点怎么做？ 违规内容怎么审核？ GDPR 合规怎么落地？
这些问题不是"代码问题"，而是"系统问题"。
它们分布在产品、运维、安全、财务、法务的交界处。 AI 没有跨部门的上下文，也没有权衡利弊的动机。
门槛没有降低，只是前移了 AI 把"写代码"的门槛拉低到几乎为零， 但把"定义问题"的门槛拉高了十倍。
过去，想法 → 代码 的链路被技术能力卡住。
现在，想法 → demo 只需一个 weekend。 但 demo → 产品 的链路，依然被复杂度管理卡住。
那些非技术创始人用 AI 跳过了第一道关卡， 却撞上了第二道更高、更硬的墙。 他们需要的不是"会写代码的人"， 而是"能把复杂度翻译成可持续系统的人"。
未来的分水岭 AI 不会取代软件工程师， 但会重新定义软件工程师。
未来的顶尖工程师不是写最多代码的人， 而是：
- 最懂业务，能把模糊需求翻译成可验证的约束
- 最懂系统，能在数百个维度上做最优权衡
- 最懂演进，能设计出"十年不重写"的架构 AI 会成为他们的超级杠杆：
- 自动生成 boilerplate -
- 智能重构 legacy 码 -
- 实时建议最佳实践 但杠杆再长， 方向盘还是握在人手里。
工具在进化，护城河在升级 AI 能写代码，却造不出软件。
AI 能写代码，
但软件是人驯服复杂度的艺术。
这条鸿沟，短期无解。
这条护城河，正在加固。
所以，下次有人拿着 AI demo 找你说"就差上线了"， 你可以微笑点头： "对，就差一座城市。"