大約每隔 10 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，開啟了一次平台轉移。這場轉移最精簡的概括就是「cloud-native(雲端原生)」，它從根本上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規模最大的全球性企業皆然。

如今，AI——特別是 large language models (LLMs)(大型語言模型) 的進展——正讓人感覺像是另一場平台轉移的開端。這並非一場「脫離雲端」的轉移，而是在不同範疇內的平台轉移，但它同樣具有從根本上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。與其完整重述雲端的歷史（很無聊！），我會點出幾個思考面向，並以這些面向來比較雲端與 AI，進而對未來做出預測。

即時價值

雲端早期的成功，在於為早期採用者提供了即時價值。對於小型專案而言（起初是如此，後面會再談到），EC2 是取得伺服器最快、最便宜的方式，而 S3 則是儲存與提供靜態資源及二進位大型物件最簡單、最可靠的方式。而且一切都有易於使用的 HTTP API，為工程師開啟了自動化與易用性的新時代。

近期的 AI 發展也有同樣的即時價值感受。過去難以快速整合的難題，例如情緒分析（「這段自介是否帶有冒犯性？」），如今已變得輕而易舉。透過 Copilot 等工具進行的程式碼生成，不僅不再糟糕，甚至⋯⋯還算不錯？而且，對了，現在一切也都開始擁有易於使用的 HTTP API，同樣為工程師帶來了自動化與易用性的新時代。

即時價值是一個非常好的徵兆，它能凝聚出一群熱情且聲量很大的早期使用者。同時，即時價值也經常 被誤認為是持久價值。AI 的初始價值無庸置疑，仍有待觀察的是，這份價值究竟會帶來多大的影響。

「Crypto」（指的是 cryptocurrencies(加密貨幣)，而非 cryptography(密碼學)）對我而言就沒通過這項檢驗。它沒有任何即時的實用價值。愛好者聲稱它有各種長期的未來價值。也許有，也許沒有。🤷 我只知道，2010 年有人傳給我一枚 bitcoin，我當時的想法是「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。

不切實際的開端

早期的雲端運算還很陽春，對於很大一部分問題而言並不實用。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，也同樣是在 EC2 推出兩年後才問世。在 2009 年 VPC 推出之前，每一台 EC2 執行個體都位於共享的公開網路上，足足晚了三年。類似的例子不勝枚舉。

一項技術是否不切實際，不能孤立地評斷。某件事只有在特定脈絡下才顯得不切實際。因此，雖然缺乏私有網路在商用軟體的脈絡下是不切實際的，但對於小型專案與早期新創公司來說卻無關緊要。這讓雲端運算在其實用的脈絡中激發了熱情與成長。隨著 AWS 持續推出新服務，雲端顯得不切實際的場景也就不斷縮小。

隨著雲端逐漸受到歡迎並掀起熱潮，當時常見的否定說法是「真正的企業永遠不會用它」。而隨著雲端能力持續提升，標準就不斷被往後挪，例如「財星 500 大企業永遠不會用雲端」，接著是「受監管的企業永遠不會用雲端」，然後是「政府機關永遠無法使用它」等等。如今，無論好壞，美國國防體系的重要環節 已經仰賴雲端。

AI 如今也處於類似的位置。儘管具備即時價值，額外功能與工具的缺乏使其在許多場景下仍不切實際。針對特定問題要穩定取得正確答案非常困難，甚至可能是不可能的。將 LLMs 與外部、最新的知識整合仍處於萌芽階段。許多工具缺乏企業級支援，或目前只是上千家種子期新創中的一家，尚未出現明確的勝出者。現在還很早。

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「它永遠需要有人在迴圈中把關」等等。也許是，也許不是。這種否定本身不能馬上就被否定，但單憑否定也不足以讓人忽視一股趨勢。

鑑於前面提到的 AI 如今所具備的即時價值，我相信這個問題會像當年雲端那樣自行迎刃而解。AI 難以實用的部分不在於它沒有用，而在於大規模整合或信任其有用性很困難。這是一個可解決的問題，而非某種根本上的不可能。

在考慮未來（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 artificial general intelligence (AGI)(通用人工智慧) 的熱情尚未得到證實，而現有的模型對於 AGI 而言是不切實際的。然而，這類難以實用的問題是基於完全未被證實的價值，其「難以實用」的定義也與我在此描述的不同。

軟體特性的演進

平台轉移的標誌性特徵，就是迫使軟體特性發生演進。具備這些特性的軟體，通常會被冠上某個詞彙，例如「cloud-native」或「mobile-first(行動優先)」。早在 2016 年，我曾發表一場演講，在其中將「cloud-native」的特性概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。這是我們在後續幾年整合到各種 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。傳統軟體可以在雲端環境中執行，但相較於擁抱動態、cloud-native 作法的同功能軟體，則顯得遜色。對於左欄的軟體供應商而言，他們的產品也更容易被那些以右欄特性打造相同軟體的新創公司所取代。舉例來說，我經常主張，如果既有業者當時就已適應 cloud-native 的世界，Vault 就不會出現。

軟體特性轉變帶來影響的更早例子是行動應用程式。我在 2010 年代有機會與一家大型美國銀行的執行長會面。他半開玩笑地問我：「你覺得人們更換銀行往來的主要原因是什麼？」在我幾次猜錯之後，他告訴我：「是行動應用程式裡有更多功能。」他藉此說明銀行為何投入如此多資金在雲端服務與軟體工程上，而這些投入全都流向了行動功能。那些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。我想這一點顯而易見：服務若出現在網路上，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。某種特性將會浮現，用以區分「舊」與「新」，而擁抱「新」特性的產品與企業，將對不斷更迭的世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，吸引力會較低，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，需要經過多年的成熟發展才能有把握地歸納出來。有鑑於 LLMs 所代表的自然語言介面的商品化，一個可預期的方向是，所有軟體至少都需要某種形式的自然語言介面。例如，具備活動自動產生的行事曆應用程式、可用語言引導設定的命令列工具、真正能提供幫助的 SaaS 助理等。這些如今都是相對容易解決且能為使用者帶來良好價值的問題，因此很可能成為對軟體的基本期待。

只要不同產業類別中的既有業者能夠意識到、回應並適應這場轉移，大多數都將安然無恙。多數應用程式的核心功能，在以 AI 加以強化之前，仍然是重要且必要的基礎。然而，這場轉移也將為能夠把握既有業者行動遲緩之機的新興創業公司，帶來巨大的機會。

帶上老朋友一起前進

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提供了遷移路徑。你可以在相當程度上靠「lift and shift」取得勝利。其他重大的平台轉移，例如 containerization(容器化) 也有類似的特性。

建立在雲端之上的後續演進，例如 Heroku 或更廣義的 platform as a service (PaaS)(平台即服務)，就沒有這項特性。早期的 PaaS 仍然非常受歡迎，但由於往往難以或無法與「舊有」應用程式整合，它並未帶來同等程度的平台轉移影響。

換句話說，要求拋棄舊技術的新技術，比起能帶著舊技術一起前進的新技術，更難以擴展到全產業的影響力。

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一些革命性的新詮釋，但它們仍持續讓「舊有」軟體變得更好。

先不談我對它的其他種種抱怨，這也是我從未對 web3 生態系感到驚艷的另一個主要原因。你要不是 dApp(去中心化應用程式)，要不就不是，幾乎沒有中間地帶。我知道理論上某些功能可以建構在「鏈上」，而其他功能則不必，但整體而言，那個生態系的行銷方式並非如此。

結論

AI 可能正迎來它的「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有諸多相似之處。

如果這是真的，我們正處於一場漫長賽局的極早期階段。如果以 AWS 推出 S3 與 EC2 作為雲端平台轉移的「時間零點」，那麼生態系要成熟、讓長期的「舊有」既有業者開始被大幅顛覆，還需要再花上大約十年的時間。

不可否認，我覺得圍繞 AI 的炒作在社會層面的波及範圍遠比雲端廣泛，因此我認為市場成熟的時間軸（如果真的形成市場的話）會更短。但即便如此，我仍預測至少還有數年「機會之窗」可供先行者把握。

至少，我會建議不要完全忽視這一次的浪潮。