最近，科技博主 王自如 用48天时间，通过AI编程工具开发出一款AI应用的案例，引发了不小的讨论。
很多人的第一反应是两个极端：
- 一种是惊叹：一个人 + AI，已经可以替代一个团队？
- 另一种是质疑：这是不是营销包装？代码真的靠谱吗？
但如果你只停留在这两个层面，那基本等于没看懂这件事。这件事真正值得分析的，不是"48天写了多少代码"，而是：
在 AI 时代，一个人的技术产品力，究竟由什么决定？
一、代码，已经不是核心指标了
"20万行代码"是这次传播中的一个高频关键词。但说句直接一点的话：在AI时代，用代码行数衡量能力，本身就是落后的。
原因很简单：
- 大量代码可以由AI生成
- 行数 ≠ 架构复杂度
- 行数甚至可能意味着设计混乱
真正该看的，是：
- 架构是否清晰
- 模块是否解耦
- 是否具备可扩展性
- 系统是否稳定
换句话说：
代码，已经从"能力证明"，退化为"执行过程的副产品"。
二、真正的差距：你在"用AI写代码"，还是在"设计AI系统"？
很多人也在用 ChatGPT、Claude 写代码，但结果差异很大。
核心区别在这里：
低阶用法（大多数人）
- 写函数
- 修 bug
- 做 CRUD
中阶用法
- 生成模块
- 辅助设计 API
- 提升开发效率
高阶用法（关键）
- 设计 Agent 协作流程
- 构建工具链（Tooling）
- 管理上下文和状态
如果从这个角度看，问题就变成： 王自如是在"用AI写代码"，还是在"用AI构建系统"？
这两者的含金量，完全不是一个量级。
三、48天的本质：不是速度，而是"杠杆"
48天做一个App，这件事放在过去是很难成立的。
但在AI时代，它变得"可能"。
原因不是人变强了，而是：
AI提供了前所未有的效率杠杆（Leverage）
这个杠杆体现在：
- 代码生成速度提升
- 学习成本下降
- 跨领域能力被补齐
- 试错成本大幅降低
但这里有个现实你得认清：
工具放大能力，但不会替代能力
也就是说：
- 强的人 → 被AI放大
- 弱的人 → 只是更快地犯错
四、产品力，才是决定上限的东西
技术圈很容易陷入一个误区：过度关注"实现"，忽视"产品"。
但真正决定一个项目成败的，从来不是代码，而是：
是否有真实问题
- 解决什么痛点？
- 用户是谁？
- 使用频率如何？
为什么必须用AI？
- 是刚需，还是噱头？
- AI是否真的提升体验？
是否接近PMF（产品市场匹配）
- 有没有用户愿意持续使用？
- 有没有自然增长？
你可以把问题问得更直接一点：
如果不用AI，这个产品还成立吗？
如果答案是"也可以"，那AI只是包装层。
五、工程完成度：Demo 和 产品之间，差了一个世界
48天可以做出一个Demo，但做出"产品"是另一回事。
常见问题包括：
- 边界条件缺失
- 系统不稳定
- 数据处理粗糙
- 安全性不足
所以你必须区分三个层级：
- Demo级：能跑起来
- 可用级：用户能用
- 商业级：可以规模化
很多AI项目，看起来很炫，其实停留在第一层。
六、真正值得关注的，不是他，而是"范式变化"
如果你把这件事当成"某个人很厉害"，那你错过重点了。
这件事真正说明的是：
软件开发的范式，正在发生变化。
过去：
- 写代码的人最重要
- 经验积累决定上限
现在：
- 设计系统的人更重要
- 认知 + 工具使用能力决定上限
未来的工程师，更像：
系统设计者 + AI调度者，而不是纯粹的编码者
七、结论：这不是神话，但也不是幻觉
我们可以给一个相对理性的判断：
值得肯定的
- 能从 0 到 1 做出产品，本身就超过大多数人。
- AI 工具使用深度，明显高于普通开发者。
需要冷静的
- 代码量不代表工程能力
- 产品是否能持续迭代，才是关键
更重要的判断
这不是"天才案例"，而是 AI 时代新型个体开发者的一个样本。
最后一句话
如果你只是围观这个案例，你会得到一个结论：
"AI很强"
但如果你认真拆解它，你应该得到的是：
"未来我该如何提升自己的技术产品力"
这两者之间的差距，就是普通开发者和真正成长者的差距。