大約每十年，就會出現一次平台轉移。17 年前，Amazon 在 Amazon Web Services（AWS）旗下推出 S3 與 EC2，開啟了一波平台轉移。這波轉移用「雲端原生」來概括最為貼切，它徹底改變了全世界建構與交付軟體的方式，無論是個人開發者還是全球最大的企業皆然。

如今，AI——特別是大型語言模型（LLM）的進展——開始讓人感覺像是另一波平台轉移的開端。這並非脫離雲端的轉移，而是在另一個不同領域中的平台轉移，但它同樣具有徹底改變我們建構與交付軟體方式的潛力。

我將透過雲端崛起的歷史視角來觀察 AI 的興起。與其完整回顧雲端的歷史（無聊！），我會點出幾個思考面向，並以此來比較雲端與 AI，並對未來做出預測。

立即價值

雲端早期的成功，在於為早期採用者帶來了立即價值。對於小型專案而言（起初是如此，稍後會再談），EC2 是取得伺服器最快也最便宜的方式，而 S3 則是儲存與提供靜態資源及二進位檔案最簡單也最可靠的方式。而且所有服務都有易於使用的 HTTP API，開啟了工程師自動化與易用性的新時代。

近期 AI 的發展也有同樣的立即價值感。過去難以快速整合的難題，像是情緒分析（「這段自介是否帶有冒犯性？」），如今已變得輕而易舉。透過Copilot這類工具進行的程式碼生成，不僅不算差，甚至還……算是不錯？還有，所有服務也都開始提供易於使用的 HTTP API，再次為工程師帶來自動化與易用性的新時代。

立即價值是一個非常好的訊號，它能凝聚出一群熱情且聲量很大的早期使用者。但同時，立即價值也經常被誤認為持久價值。AI 初期的價值無庸置疑，尚待觀察的是，這份價值究竟能帶來多大的影響。

「加密貨幣」（指 cryptocurrencies，而非 cryptography 密碼學）在我看來就沒通過這項考驗。它沒有立即的實用價值。愛好者們宣稱它有各種長期的未來價值。或許吧，誰知道呢。🤷 我只知道在 2010 年有人轉給我一枚比特幣，當時我想的是「好，然後呢？」而直到現在，13 年過去了，無論長期潛力如何，我個人始終沒有跨越那個階段。

不實用的開端

早期的雲端運算相當陽春，對許多問題來說並不實用。固定 IP 位址直到 2008 年才推出，也就是 EC2 上線的兩年後。能讓你可靠儲存資料的持久性儲存空間，同樣也是在 EC2 推出兩年後才出現。在 2009 年 VPC 推出之前，每個 EC2 執行個體都位於共享的公開網路上，整整晚了三年。類似的例子不勝枚舉。

一項技術是否不實用，不能孤立地評斷。是否不實用，取決於它所處的脈絡。因此，雖然缺乏私有網路對商業軟體來說是不實用的，但對小型專案與早期新創而言卻無關緊要。這讓雲端運算在它實用的領域中帶來了熱情與成長。隨著 AWS 持續推出新服務，雲端不實用的情境範圍也就不斷縮小。

隨著雲端逐漸受到歡迎並炒起熱度，當時常見的質疑是「真正的企業根本不可能用它。」而隨著雲端能力越來越強，這種標準就不斷後移，像是變成「財星 500 大企業絕不會用雲端」，接著是「受監管的企業絕不會用雲端」，然後是「政府機關絕不可能用它」等等。如今，無論好壞，美國國防體系的重要環節都已仰賴雲端。

AI 如今也處於類似的位置。儘管具備立即價值，但額外功能與工具的缺乏，讓它在許多情境下仍不實用。要針對特定問題穩定地得到正確答案，非常困難，甚至可能是不可能的。將 LLM 與外部、最新的知識整合，目前仍在非常初期的階段。許多工具缺乏企業級支援，或是目前只是上千家種子輪新創之一，尚未出現明確的贏家。現在還太早。

就像當年的雲端一樣，我也聽到對這項技術類似的否定說法：「它永遠無法產生大量的程式碼」或「它永遠都需要有人在回路中把關」等等。或許是吧，也或許不是。這類否定本身不能馬上被否定，但單憑這些，也不足以讓人忽視一股趨勢。

鑑於前面提到的 AI 現今已具備的立即價值，我相信這個問題會像當年雲端那樣自行解決。AI 不實用的部分，並不在於它沒有用，而是在於難以大規模地整合或信任它的有用性。這是一個可以解決的問題，而非某種根本上的不可能性。

在思考未來（尚未被證實的）價值時，確實存在一些根本上是否可能的問題。舉一個極端的例子，圍繞人工通用智慧（AGI）的熱情目前仍極度缺乏實證，而現有的模型對於實現 AGI 來說是不切實際的。然而，這類不實用問題是基於完全未經證實的價值，其對「不實用」的定義，也與我在此描述的不同。

軟體特性的演進

平台轉移最典型的特徵，就是迫使軟體特性演進。具備這些特性的軟體，通常會被冠上某個名詞，例如「雲端原生」或「行動優先」。早在 2016 年，我在一場演講中概述了「雲端原生」的特性，將其描述為從靜態思維到動態思維的轉變：

（這並非我在 2016 年使用的同一張投影片。這是後來幾年我們整合進各種 HashiCorp 簡報中的較新版本。）

我的論點是，左欄的軟體屬於「傳統」軟體。傳統軟體雖然可以在雲端環境中執行，但相較於擁抱動態、雲端原生做法且功能相當的軟體，就顯得遜色。對於左欄的軟體供應商而言，他們的產品也更容易被那些打造同類軟體、卻具備右欄特性的新創公司所取代。舉例來說，我常說如果既有廠商當初就適應了雲端原生的世界，Vault 根本就不會出現。

軟體特性轉變帶來衝擊的更早例子，是行動應用程式。我在 2010 年代有機會與一家美國大型銀行的執行長會面。他半開玩笑地問我：「你覺得人們換銀行的第一大原因是什麼？」在我胡亂猜了幾次後，他告訴我：「行動 App 的功能更多。」他藉此說明銀行為何投入鉅資在雲端服務與軟體工程上，而那些投資全都流向了行動裝置功能。較晚適應行動裝置崛起的銀行，流失了更多客戶。

更早的例子則是網頁應用程式。我想這點顯而易見：一個服務如果在網路上找得到，你就更有可能使用它。而你在網路上表現越好的服務，你就越有可能使用。

我預測 AI 也會出現類似的情況。某種足以區分「舊」與「新」的特性將會浮現，而擁抱「新」特性的產品與企業，將對不斷變化的新一代使用者更具吸引力。「舊」軟體不會立刻被淘汰，只是相較於「新」軟體，會變得較不具吸引力，而隨著時間推移，這個差距只會越來越大。

現在要斷言這些特性會是什麼還太早，需要多年的成熟發展才能有把握地釐清。鑑於 LLM 所代表的自然語言介面已經商品化，一個預測是，未來所有軟體至少都需要某種形式的自然語言介面。舉例來說，具備活動生成功能的行事曆應用程式、以語言引導設定的命令列工具、擁有真正能幫上忙的助理的 SaaS 等等。這些如今都已是相對容易解決、且能為使用者帶來實質價值的問題，因此很可能成為對軟體的基本期待。

只要不同產業類別的既有業者能察覺、回應並適應這波轉變，大多數都能安然度過。多數應用程式的核心功能，在疊加 AI 之前，仍是重要且必要的基礎。然而，這波轉變同時也將為新創公司帶來巨大的機會，得以趁著行動遲緩的既有業者尚未跟上時搶占先機。

帶上老朋友一起前行

我認為早期雲端運算之所以能成功，一個非常重要的特性在於它有完整的遷移路徑。你可以在相當程度上——雖然有限，但幅度不小——靠「直接搬遷（lift and shift）」來取得勝利。其他重大的平台轉移，例如容器化也有類似的特性。

後續在雲端之上發展出的演進，例如 Heroku 或更廣義的平台即服務（PaaS），就沒有這個特性。早期的 PaaS 仍然非常受歡迎，但它並未帶來同等程度的平台轉移衝擊，因為它往往難以甚至無法與「舊有」應用程式整合。

換句話說，要求拋棄舊技術的新技術，比那些能設法帶著舊技術一起前進的新技術，更難以擴展到影響整個產業的規模。

近期的 AI 發展讓現有軟體變得更好。是的，它們也為某些類別的軟體帶來了革命性的全新做法，但它們持續讓「舊有」軟體變得更好。

先不論我對它的其他種種抱怨，這也是我從未對 web3 生態系感到驚豔的另一個主要原因。你非得是個 dApp，不然就不是。兩者之間幾乎沒有中間地帶。我知道理論上有些功能可以建在「鏈上」，有些則不必，但整個生態系對外的行銷方式並非如此。

結語

AI 或許正迎來它的「平台轉移」時刻。它與我在早期雲端中所看到的許多正面特質與挑戰如出一轍。

如果這是真的，那我們正處於一場漫長賽局中極早期的階段。如果把 AWS 推出 S3 與 EC2 視為雲端平台轉移的「時間零點」，那麼生態系花了大約十年的時間才趨於成熟，並開始對長期盤踞的「舊有」既有業者造成顯著的衝擊。

不可否認，我覺得圍繞 AI 的熱潮在社會層面的擴散遠比當年的雲端廣泛得多，因此我認為市場成熟所需的時間（如果真的會成熟的話）會更短。但即便如此，我仍預測至少還有數年「機會之窗」敞開的先行者優勢。

至少，我會建議不要完全忽視這一波趨勢。