大约每十年，就会迎来一次平台更迭。17 年前，亚马逊在 Amazon Web Services（AWS）旗下发布 S3 和 EC2，掀起了一轮平台更迭。这场变革用“云原生”来概括最为贴切，它从根本上改变了从个人开发者到全球最大型企业在世界范围内构建和交付软件的方式。

如今，AI——尤其是大语言模型（LLM）的进展——正让人感受到新一轮平台更迭的开端。这并非一场“脱离云”的更迭，而是另一个维度的平台更迭，但它同样有潜力从根本上改变我们构建和交付软件的方式。

我将透过云崛起的历史视角来审视 AI 的兴起。与其完整复述云的历史（太无聊了！），我更想提炼出几个思考维度，并以此对比云与 AI，对未来做出一些预测。

即时价值

云早期的成功在于为早期采用者提供了即时价值。对于小型项目而言（起初是这样，后面会再谈），EC2 是获取一台服务器最快、最便宜的方式，而 S3 则是存储和分发静态资源与二进制文件最简单、最可靠的方式。而且一切都提供了易于使用的 HTTP API，开启了工程师自动化与易用性新时代。

最近的 AI 进展也带来了同样的即时价值感。过去难以快速集成的问题，比如情感分析（“这段简介是否冒犯？”），如今已变得轻而易举。通过 Copilot 这类工具进行代码生成，不仅不算糟糕，甚至……还挺不错？而且，是的，一切也都开始提供易于使用的 HTTP API，再次为工程师带来了自动化与易用性的新时代。

即时价值是一个非常好的信号，它能聚集起一批热情高涨、声音很大的早期用户群体。与此同时，即时价值也常常被误认为是持久价值。AI 的初始价值毋庸置疑，尚待观察的是，这种价值究竟能带来多大的影响。

“加密货币”（指 cryptocurrencies，而非 cryptography）对我而言就没能通过这项检验。它没有任何即时的实用价值。爱好者们声称它拥有各种长远的未来价值。或许有，或许没有吧。🤷 我只知道 2010 年有人给我转了一枚比特币，当时我想的是“好，然后呢？”直到现在，13 年过去了，无论其长期潜力如何，我个人始终没能越过那个阶段。

不成熟的开端

早期的云计算还很粗糙，在很大一部分问题上并不实用。长期有效的 IP 地址直到 2008 年才推出，也就是 EC2 发布两年之后。能够可靠保存数据的持久化存储，同样也是在 EC2 发布两年后才出现。在 2009 年 VPC 发布之前的三年里，所有 EC2 实例都运行在共享的公共网络上。类似的例子还有很多。

一项技术是否不实用，不能孤立地评判。只有放在特定语境下，它才显得不实用。因此，尽管缺乏私有网络对于企业软件来说很不实用，但对小型项目和早期创业公司却毫无影响。这使得云计算在其适用的场景中得以快速发展并引发热情。随着 AWS 不断推出新服务，云不再适用的场景也在持续缩小。

随着云逐渐走红并受到热捧，当时一种常见的否定声音是“真正的企业永远用不上它”。而随着云的能力不断增强，这种论调的门槛也在不断后移，比如“世界 500 强永远不会用云”，接着是“受监管的企业永远不会用云”，再到“政府永远用不了云”等等。如今，无论好坏，美国国防的重要环节已经依赖于云。

AI 如今也处在类似的位置。尽管具备即时价值，但附加功能和工具链的缺失让它在许多场景下仍不实用。对某些问题要稳定地得到正确答案非常困难，甚至可能根本做不到。将 LLM 与外部最新知识结合的能力仍处于起步阶段。大量工具缺乏企业级支持，或只是上千家种子期初创公司中的一员，尚未出现明显的胜出者。现在还为时过早。

就像当年对待云一样，我也听到了对这项技术类似的否定：“它永远无法生成大量代码”或“它永远需要人来把关”等等。或许如此，或许并非如此。这些否定本身不能被轻易否定，但仅凭这些，也不足以让人无视一个趋势。

鉴于前文提到的 AI 如今所具备的即时价值，我相信这个问题会像当年云那样自行得到解决。AI 不实用的地方不在于它没有用，而在于难以大规模地集成它或信任它的有用性。这是一个可以解决的问题，而非某种根本性的不可能。

在考虑未来（尚未被证实的）价值时，确实存在一些根本性不可能的问题。举一个极端的例子，围绕通用人工智能（AGI）的热情尚未得到任何验证，而现有的模型对于实现 AGI 来说是不实用的。然而，这类不实用问题基于的是完全未经证实的价值，与我在此所说的“不实用”并非同一定义。

软件特性的演进

平台更迭的标志性特征，就是迫使软件特性发生演进。具备这些特性的软件通常会被冠以某个标签，比如“云原生”或“移动优先”。早在 2016 年，我曾做过一次演讲，将“云原生”的特性概括为从静态思维向动态思维的转变：

（这并非我 2016 年使用的原版幻灯片。这是后来我们整合到各类 HashiCorp 演示文稿中的更新版本。）

我的观点是，左栏中的软件属于“传统”软件。传统软件可以在云环境中运行，但在功能相当的情况下，它不如拥抱动态、云原生方式的软件。对于左栏中的软件厂商而言，它们的产品也更容易被那些用右栏特性重做同类软件的新兴初创公司所取代。举个例子，我常说，如果当时的既有厂商早早适应了云原生世界，Vault 根本就不会出现。

软件特性转变带来影响的更早例子是移动应用。2010 年代，我有机会与一家美国大型银行的 CEO 会面。他意味深长地问我：“你觉得人们换银行的首要原因是什么？”在我几次猜错后，他告诉我：“移动应用的功能更多。”他借此解释银行为何要在云服务和软件工程上投入巨资，而这些投入全都指向了移动功能。那些更晚适应移动设备崛起的银行，流失了更多客户。

还有一个更早的例子是网页应用。我想这个就很明显了：如果一项服务出现在网上，你就更有可能去使用它。而你在网上体验更好的服务，就更有可能持续使用它。

我预测，AI 也会出现类似的情况。某种能够区分“旧”与“新”的特性将会显现，而拥抱“新”特性的产品和企业，将对不断变化的新一代用户更具吸引力。“旧”软件不会立刻被淘汰，只是在与“新”软件的对比中显得吸引力不足，而随着时间推移，这一差距只会越来越大。

现在要断言这些特性会是什么还为时过早，需要多年的成熟才能清晰地显现。鉴于 LLM 所代表的自然语言界面的商品化，一个预测是，所有软件至少都需要某种形式的自然语言界面。例如，能够自动生成日程的日历应用、通过自然语言引导配置的命令行工具、配备真正有用助手的 SaaS 等等。这些如今都已是相对容易解决、且能为用户带来切实价值的问题，因此它们或许会成为软件的基本预期。

只要不同行业中的既有企业能够认识到、应对并适应这一转变，大多数都不会有问题。在用 AI 加持之前，大多数应用的核心功能依然是重要且必要的基础。不过，这一转变也将为新兴创业公司超越行动迟缓的既有企业提供巨大机会。

带上老朋友一起走

我认为早期云计算得以成功的一个非常重要的特性，是它拥有清晰的迁移路径。你可以在相当程度上——虽有局限，但规模可观——通过“直接迁移（lift and shift）”走向成功。其他重大的平台变革，比如容器化也有类似的特性。

而构建于云之上的后续演进，例如 Heroku 或更广义上的平台即服务（PaaS），则不具备这一特性。早期的 PaaS 依然很受欢迎，但由于往往难以甚至无法与“遗留”应用集成，它并未带来同等程度的平台更迭影响。

换句话说，要求抛弃旧技术的新技术，比那些能够兼顾并带动旧技术的新技术，更难扩展到全行业的影响力。

最近的 AI 进展让现有软件变得更好。诚然，它们也为某些类别的软件带来了革命性的新思路，但它们仍在持续让“遗留”软件变得更好。

暂且不谈我对它的其他种种不满，这也是我一直对 web3 生态不感冒的另一个重要原因。要么你是一个 去中心化应用（dApp），要么就不是，中间几乎没有地带。我知道理论上可以部分功能“上链”而另一部分不上链，但整个生态的对外宣传并非如此。

结语

AI 或许正迎来它的“平台更迭”时刻。它与我当年在早期云中所看到的许多积极特质和挑战如出一辙。

如果这一判断成立，那么我们正处在一场漫长博弈的最初阶段。如果以 AWS 发布 S3 和 EC2 作为云平台更迭的“零点”，那么生态走向成熟、长期占据主导的“遗留”巨头开始被显著颠覆，又花了大约十年时间。

诚然，我感觉围绕 AI 的热度在社会层面的波及范围远比当年的云要广，因此我认为市场走向成熟（如果真的会成熟）所需的时间会更短。但即便如此，我预计至少在未来数年内，仍将存在“窗口敞开”的先发机会。

至少，我会提醒大家不要完全无视这一次的浪潮。