移动互联网时代，最重要的变化是什么？
今天回头看，答案很清楚：它让每个人都拥有了一台随时联网的手机。更抽象地说，移动互联网让“随时随地联网”成为一种基础能力，也由此打开了一个巨大的时代机会。
七牛云就是在那个时代成长起来的公司。我们从移动互联网初期一路走到今天，经历过行业的快速增长，也经历过周期（883436）的切换。对一家技术公司来说，能够穿越周期（883436），本身就是一种能力；但更重要的是，在新的技术周期（883436）到来时，能不能重新理解世界，重新定义自己。
去年，我们给七牛云定下了新的十年战略。
在既有音视频云服务之外，七牛云进入两个新的战场：一个是MaaS，也就是面向AI时代的Token云服务；另一个是灵矽AI，我们希望把它做成智能硬件的基础平台。
这背后的逻辑并不复杂。七牛云在移动互联网时代的使命，是“缩短从想法到产品的距离”。那时候，我们帮助客户更容易地开发App、上线应用、服务用户。到了AI时代，这个使命没有变，只是对象发生了变化：我们希望帮助客户更容易地做AI应用，更容易地落地智能硬件，更容易地把一个想法变成真正可用、可运行、可规模化的产品。
所以，音视频云服务、Token云服务，本质上都是基础设施；灵矽AI，则是我们继续推动“落地更容易”的重要承载。
01
AI时代的终点，是每个人、每个企业都拥有自己的“外挂”
我一直有一个直观的比喻：AI就像一个外挂。
在游戏（881275）里，当有人开始使用外挂，其他人如果不用，就会天然处于劣势。除非你有绝世武功，否则最终大多数人都会选择拿起这个外挂。AI时代也是一样。
这个外挂不仅属于个人，也属于企业。未来，每个人都会有自己的AI工具，每个企业也都会借助AI改造自身的组织能力、产品能力和服务能力。真正重要的是“如何用AI把自己变成更强的人、更强的组织、更强的新物种”。
移动互联网时代，“每个人一台手机”意味着一个巨大的全球市场。但AI时代的机会可能更大，因为每个人不会只有一个AI外挂，而可能会有很多个。一个人可以有写作外挂、编程外挂、设计外挂、销售外挂、管理外挂；一个企业也可以有研发外挂、客服外挂、营销外挂、数据分析外挂、经营决策外挂。
这意味着，AI不是一个简单的工具升级，而是一次生产力结构的迁移。
我认为，从2024年开始，AI真正进入了一个新的产业阶段。在此之前，更多是大模型训练的军备竞赛；从现在开始，更重要的是推理、应用、场景和落地。AI将带来一轮“寒武纪（688256）物种大爆发”，大量过去不存在的新产品、新公司、新组织形态会出现。
这也是为什么今天很多CTO、技术负责人、产品负责人重新燃起创业热情。因为这一轮机会，很可能比移动互联网更大。
02
AI正在成为水电煤一样的基础设施
上一轮AI热潮里，很多AI公司做的是解决方案型AI。比如围绕视觉识别、安防（885423）、金融、零售等行业场景，提供相对明确的行业能力。那一轮AI很重要，但它仍然更像是“行业外挂”或者“场景外挂”。
今天这一轮不一样。
大模型让AI第一次变成了通用型基础设施。它不再只属于某一个行业、某一个场景，而是可以被广泛调用、组合、嵌入到几乎所有业务流程中。
当 AI变成基础设施，它的使用方式也会越来越像水、电、煤，或者像移动互联网时代的流量。企业使用AI，本质上会越来越接近“调用能力”；而Token，就是这个时代非常重要的计量单位。
所以我认为，企业进入AI时代，首先要有一个很重要的认知：Token用得越多，某种程度上越代表企业智能化水平越高。
这句话听起来很直接，但它背后是组织思维方式的变化。如果一个企业不敢用Token，不敢让员工用AI，不敢让产品接入模型，不敢让业务流程被AI改造，那它大概率还停留在旧物种的工作方式里。
当然，这不是说企业应该不计成本地消耗Token。最终所有投入都要回到ROI，都要看Token消耗和业务结果之间的关系。但在AI时代的早期，如果一家企业还没有先进入“AI原生物种”的思考方式，就很难真正理解这一轮变化。
企业要先敢于使用，再学会计量；先进入新范式，再优化成本结构。
03
敢用贵的模型，本质上是敢做高价值的事情
我还有一个判断：企业要敢于用贵的模型。
如果一个业务场景不敢用更好的模型，很多时候说明这件事本身的价值不够高，或者企业还没有找到足够重要的AI场景。真正值得被AI改造的事情，应该能够承载更高质量模型带来的成本。
当然，贵不是目的，效果才是目的。贵模型也不意味着一定正确、一定适合、一定有ROI。但企业需要重新建立一种判断：不要只从“省成本”的角度看AI，而要从“提升组织能力”和“创造新价值”的角度看AI。
如果AI能让一个业务流程效率倍增，能让一个产品迭代速度显著加快，能让一个团队从过去做不到变成现在做得到，那么它就不应该只被当作成本项，而应该被看作能力项。
这也是AI基础设施公司的价值所在。
我们要解决的不是“某一次调用便宜一点”这么简单的问题，而是让企业更稳定、更安全、更可控、更高效地获得AI能力，让AI真正进入业务系统、产品系统和组织系统。
04
大模型不会吃掉所有行业，它会成就每一个行业
今天有一种比较悲观的观点：未来所有公司都会变成给大模型公司打工的公司，因为每一层应用的努力，最终都会被底层模型吸收。
我不认同这个判断。
如果大模型真的会吃掉所有东西，那连大模型公司本身也没有长期生存空间。因为任何能力都会继续被下一层、更底层的能力吸收。这显然不是一个成立的商业逻辑。
大模型更像大脑，更像外挂，更像基础设施。它会成就每一个行业，而不是替代每一个行业。
今天我们之所以觉得大模型好像正在“吃掉一切”，是因为AI的大规模落地还处在非常早期的阶段。就像2007年iPhone发布之后，移动互联网并不是立刻进入全面爆发。真正的大规模繁荣，大概是在几年之后才发生的。
AI 也是一样。现在我们还处在新物种爆发的早期。大量团队还在探索：AI到底应该用来改造营销，还是改造研发？是改造客服，还是改造产品？是做一个AI应用，还是把原来的产品变成AI原生产品？
这些答案都还没有完全展开。
但有一点我认为是确定的：如果一家企业没有真正因为AI实现效率倍增，它就还没有真正进入AI时代。
05
AI Coding的关键是软件工程如何重构？
今天，AI Coding是最容易被感知到的AI应用之一。很多人已经明显感受到，写代码的效率变快了，而且不是一点点变快。
但是，写代码效率提升，不等于软件工程效率提升；开发效率提升，也不等于产品发布效率提升。
这是我认为很多企业接下来必须认真面对的问题。
过去，我们衡量软件工程成本时，经常会用人月来计算。一个产品10个人做一年，理想情况下，20个人可能做半年，40个人可能做一个季度。
虽然现实中会有沟通损耗、架构复杂度和管理成本，但本质上，人月一直是软件工程里一个很核心的度量单位。
AI 时代，这个逻辑开始动摇。
如果AI能显著提升开发效率，那么“开发人力”就不再是最稀缺的资源。以前只有大公司才能轻易组织起庞大的研发资源，今天，一个小团队也可能借助AI获得过去难以想象的开发能力。
这意味着，软件工程的基础命题变了。
当写代码不再是最慢的环节，企业真正需要重新思考的是：产品设计能不能更快？架构设计能不能更快？测试验证能不能更快？协作链路能不能更短？发布节奏能不能真正提升？
如果只是代码写得更快，但需求仍然模糊、产品仍然靠静态原型沟通、架构仍然混乱、测试仍然薄弱、发布仍然缓慢，那么AI带来的只是局部提效，而不是系统性提效。
真正的AI Coding，不应该停留在“让程序员更快写代码”，而应该推动整个软件工程体系重新组织。
06
产品经理的交付物，也会从静态原型走向live demo
在 AI时代，我认为产品设计的交付物也会发生变化。
过去很多产品经理交付的是静态原型图。它有价值，但也有天然局限。静态原型经常表达不清楚交互、状态、边界条件和真实体验。不同角色看到同一个原型，理解可能是不一样的。
软件工程最追求的是什么？是无歧义的共识。
所谓无歧义，就是团队看到同一个东西，理解是一致的，讨论是基于同一个事实对象展开的。只有这样，协作效率才会高。
从这个角度看，产品设计最好的表达方式，不应该只是静态原型，而应该是live demo。哪怕底层代码并不优雅，哪怕它还不是最终工程实现，只要它能真实呈现产品体验，就能让团队更早形成共识，更快发现问题，更准确地推进工程落地。
AI 让这件事变得可行。
过去，很多产品经理不写代码，也没有能力做可运行demo。但今天，AI正在降低这道门槛。产品、架构、研发之间的边界会被重新牵引，产品经理的能力模型也会被重新定义。
未来优秀的产品人才，不能只会画原型、写需求文档，而要更接近“能够把想法变成可运行表达”的人。
07
AI Coding不是L5自动驾驶，更像自动挡
当然，我们不能神化AI Coding。
AI 很强，但它并不总是聪明。很多时候，如果你给它一个很大的、很模糊的任务，它给出的结果并不好。软件工程并不是一句话生成一个复杂工程，然后直接交付用户。
工程真正需要的是拆解，是小步迭代，是清晰的问题定义，是持续验证。
我自己在使用AI做编译器、做架构设计、写代码的过程中，也经常看到AI犯错。它可能会给出不好的第一版方案，也可能会在逻辑上出问题，甚至会写出刚好能通过但并不能真正覆盖问题的测试。
这说明什么？
说明AI的能力很大程度上依赖评估函数。在哪些领域评估函数明确，AI通常表现就更好；哪些领域评估函数不清楚，AI就更容易出错。
所以，我一直建议团队：做AI Coding，一定要重视单元测试。
单元测试本质上就是评估函数。测试覆盖越充分，AI写出来的代码就越容易被验证，团队也越能放心地使用AI。对于很多老项目，我甚至建议第一步先用AI补单元测试覆盖率，把评估体系建立起来，再进入更深入的AI Coding。
如果用自动驾驶来类比，今天的AI Coding不是L5级别的全自动驾驶，而更像自动挡。它能显著减轻负担，提高效率，但真正负责方向、质量和结果的，仍然是人。
这也是为什么我认为，AI Coding会带来更大的工程挑战。如果没有架构能力、测试体系和工程治理，AI生成代码越快，系统失控也可能越快。
08
程序员不会被AI淘汰，但会被拿起AI的工程师淘汰
有些开发者担心AI会让自己失业。
我的判断是：让你失业的不是AI，而是那些拿起AI的工程师。
每一次技术浪潮都会带来类似的焦虑。移动互联网让人可以随时随地连接世界，今天我们已经离不开手机。AI也是一种新的外挂，而且它是不可逆的。
未来5到10年，几乎所有人都会离不开AI。拒绝AI没有意义，真正重要的是学会驾驭它。
对开发者来说，AI是一次职业能力结构的重组。
未来更重要的能力，不只是会不会写某一段代码，而是能不能定义问题、拆解系统、设计架构、验证结果、对产品负责。
也就是说，开发者要从“代码生产者”走向“产品与系统的建设者”。
09
从程序员到X Engineer：软件工程岗位正在被重新定义
七牛云已经连续多年做1024实训，去年我们把它升级为一个新的品牌：X Engineer。
这个变化背后，是我们对AI时代软件工程迁移的判断。
在七牛云内部，我们已经不再把传统意义上的“程序员”作为唯一岗位定义。我们更希望把产品、架构和研发三种能力合在一起，称为“产品架构师”，也可以叫X Engineer。
这不是简单改一个岗位名字，而是因为AI时代对工程人才提出了新的要求。
过去，一个人可以主要负责写代码；未来，一个优秀的工程人才需要更理解产品、更理解架构，也更理解AI如何参与软件工程。他要能够把业务想法拆成产品方案，把产品方案变成工程架构，把工程架构变成可运行系统，并且借助AI提升整个过程的效率。
AI 不是替代人，而是把人的能力边界向前推了一大步。
但前提是，人必须升级自己的角色。
结语
AI时代，企业必须成为新物种
AI 不是一个短期热点，也不是一个单点工具。它是一次基础设施级别的变化，也是一场组织能力的重构。
对企业来说，需要回答几个更具体的问题：
我们有没有让AI真正进入业务流程？
我们有没有让AI改造产品形态？
我们有没有让Token成为组织智能化水平的一部分？
我们有没有让研发效率提升转化为软件工程效率提升？
我们有没有重新定义人才、岗位和协作方式？
移动互联网时代，七牛云做的是帮助客户更容易地把想法变成产品。AI时代，我们依然在做同一件事，只是这个“产品”正在变得更加智能，也更加复杂。
未来十年，AI会像水电煤一样成为基础设施，也会像外挂一样改变每个人、每个企业的能力边界。真正的机会属于那些敢于进入新物种思维、敢于重构自身、敢于把AI变成组织能力的企业。
这也是七牛云在新十年要继续回答的问题：如何继续缩短从想法到产品的距离，如何让AI应用和智能硬件的落地变得更简单，如何帮助更多企业在AI时代成为真正的新物种。
