我在五月辞去了亚马逊的工作，加入了一家名为 Icon 的初创公司。
这是我职业生涯中做过的最佳决定，但理由可能与你想象的不同。

在亚马逊时，我在 Amazon Q Developer 团队，负责构建他们的 AI 编码助手。
你可能会以为，站在亚马逊 AI 开发工具的核心位置一定很令人兴奋，但实际却让我倍感挫败。
在亚马逊泡泡之外的任何人看来，我们在 AI 竞赛中都输得很惨。领导层一直在疲于追赶，因为几乎没有真正的产品愿景。他们总说要像初创公司一样快速行动，但风险容忍度却像 IBM 一样低。

一切都进展得极其缓慢。安全审查、设计文档审查、架构评审委员会……
等我们终于上线一个功能时，像 Cursor 和 Anthropic 这样的公司早就迭代了十个版本。我们会花上几个月时间争论一个功能是否“足够安全”可以发布，而竞争对手却在基于真实用户反馈做每周更新。

让我真正触动的是，亚马逊的产品决策完全由内部 KPI 驱动，而不是用户体验。
最明显的例子就是身份认证。GitHub 登录是开发者工具的标准，因为它能最大程度减少目标用户群体的阻力。但亚马逊坚持让用户必须通过 Builder ID（他们自己的认证系统）。
从内部指标来看，这或许很漂亮（更多 Builder ID 注册数！）。但从用户的角度看，这只是试用产品前的又一道障碍。我亲眼看着潜在用户因此放弃。

我感觉，在亚马逊的限制下，我已经触碰到了自己在 AI 和产品构建上能学到的天花板。
这就是我加入 Icon 的原因。在 Icon，我们的节奏完全不同。那些在亚马逊要审批几个月的功能，我们几天就能上线。

但这还不是最有意思的部分。真正有意思的是观察我的队友们的工作方式。
其中一位已经好几周没碰过实际代码了。他只用简明的英文写设计文档，然后交给 AI 去完成实现。
当需要修复问题时，他修改的不是代码，而是文档。

这让我意识到一个深刻的事实：
我们正生活在一个时代的终结——人类亲手将想法翻译成代码的时代。
再过几年，这项技能的地位就会像今天的“钉马掌”一样——几乎无关紧要。

---

我现在看到的情况

我的队友同时开着六个 Claude Code 终端窗口，每一个都在处理不同的任务或功能。他真的会用 Whispr Flow 一个一个“对话”，而这些终端则并行执行。他一天的大部分时间花在审阅设计文档，以及查看实际 Web 应用中的实时变化。只有在极少数情况下，他才会真正深入代码进行调试。

这个开发者的价值并没有降低。相反，他的价值更高了，因为他能专注于那些真正重要的难题。
我看到他现在大多数时间都在做传统上属于产品经理的事情：与用户沟通、深入理解他们的问题、思考什么才是真正值得构建的。
写代码可能只占他工作的大约 20%，而且这 20% 也主要是理解需求并将其转化为清晰的规范。
过去占据他 80% 时间 的实现工作，如今都交给了机器。

唯一的瓶颈是模型的速度和质量。
但随着每年数十亿美元持续投入到生成式 AI，我们将在 2-5 年 内看到 即时语音到代码的能力，以及接近 零缺陷 的质量。

代码本身已经变成了一种实现细节，就像你家墙皮后面的电线。你知道它存在，你相信它能工作，但除非出问题，否则你不会去想它。而且，越来越多的时候，它并不会出问题。

这一切将彻底改变产品的生产方式，以及谁有资格去制造它们。

---

我看到的分化

我们团队现在正在发生一件有趣的事情，我觉得这可能预示着未来几年整个行业将如何分化。

出现了两个阵营，而差异其实并不在于技能水平或经验，而在于对“编程本质”的根本态度。

一边是我称之为 实验者 的人。他们利用午休时间尝试新的 AI 编码工具，建立从语音命令生成完整功能的工作流，并不断探索最少手动编码也能完成任务的可能性。对传统主义者来说，他们可能显得很懒。他们总是在寻找捷径，总是在问：“AI 能帮我做这个吗？”而不是自己埋头写代码。

但我观察到的一点是：他们并不懒。他们只是遵循了技术发展的一条自然路径。每一次编程上的重大进步，都是为了抽象掉复杂性，让人类可以专注于更高层次的问题。我们经历了机器码 → 汇编 → 高级语言 → 框架 → 库。每一步都让事情“更容易”，每一步都有批评声说开发者变得软弱了。

这些实验者理解一个基本规律：懒惰在技术中取胜。能用更少的努力达到同样结果的人，不仅改善了自己的生活，还往往发现了最终会被所有人采用的道路。

另一边是 守护者。他们坚信对代码的基础理解是不可妥协的。他们能发现低效算法，理解设计模式存在的原因，对底层系统有足够认知，能够解决 AI 工具无法处理的问题。他们把实验者看作是在不稳固基础上构建的“捷径艺术家”。

老实说，他们也没错。当 AI 生成的代码出现细微问题、性能成为瓶颈、或者 AI 没预测到的边缘情况出现时，真正能修复问题的就是守护者。他们拥有实验者通常缺乏的深度理解。

但我认为守护者忽略了一点：世界变化的速度已经超过他们守门的能力。
“够用”的代码门槛在不断降低，而理解用户、构建有价值产品的门槛在不断升高。一个略微低效但下周就能交付的实现，往往比一个完美优化但下个月才能交付的实现更有价值。

我观察这两个群体处理同样问题，非常有趣。
实验者上线更快、迭代更多，最终产品往往更受用户欢迎（即使守护者看到底层代码会皱眉）。
守护者构建更稳健、可维护的系统，但有时过度追求实现的完美，错过了了解用户真实需求的机会。

两种方法都不是完全正确，但我预测从长期来看，实验者更可能获胜。技术趋势总是向便利性和抽象发展。工具越来越好，AI 越来越聪明，而今天看起来像“作弊”的捷径，明天就会成为标准实践。

实验者并不是在偷懒，他们是在适应一个瓶颈不再是代码质量，而是其他一切的世界。

---

大规模商品化

整个游戏规则正在从“我们能做这个吗？”转变为“我们应该做这个吗？”以及“我们如何让人们使用它？”

任何人都可以学会制作巧克力。原料已经商品化，生产工艺早已成熟。你甚至可以在亚马逊上买到巧克力制作设备，明天就能开一家品牌。

但看看谁在巧克力行业赢得了市场：并不是那些拥有最先进生产工艺的人，而是 Hershey’s、Cadbury、Lindt。这些品牌几十年前就弄清楚了分销、营销和消费者心理。产品质量重要，但只是基础。真正关键的是人们是否知道你的品牌，并且信任它到愿意购买。

软件正在朝着完全相同的方向发展。软件产品与消费品之间的差距每个月都在缩小。竞争点不再是纯粹的功能，而是品牌、分销以及对消费者心理的理解。

我已经能想象（并且我敢打赌有人现在就在做）一种 AI，它能从一个 URL 克隆任何应用。你把竞争对手的网站或应用商店链接喂给它，它几分钟内就能生成一个功能上完全相同的产品。
当这种情况发生时——而且很快就会发生——产品本身将完全商品化。成功将完全取决于你是否能比原产品做得更好的营销和分销。

---

真正存活下来的能力

当技术实现被商品化之后，有三样东西会变得极其宝贵：

第一：真正理解人们需要什么
不是调查或焦点小组里他们说的需求，而是他们每天实际会使用并愿意为之付费的东西。
这比听起来要难得多。我见过许多才华横溢的产品经理不断在这方面出错。
你需要与用户交流，观察他们的实际行为，理解表述偏好与真实偏好之间的差距。这既是心理学，也是人类学，还需要商业直觉。

第二：知道该构建什么、不该构建什么
这既是品味，也是一种战略。
需要判断哪些功能能创造真正价值，哪些只会增加复杂度。
识别产品什么时候“够好”，什么时候还需要打磨。
分辨哪些功能用户只会尝试一次，哪些功能会成为他们每天使用的工具。
大多数人这方面做得很差：要么把每个人提出的想法都做出来，要么因为无法决定重要性而什么都不做。

第三：让产品接触到正确的人，并让他们在意
包括分销和营销，也包括定位、时机把握以及理解客户心理。
建立信任和品牌认知，创造口碑传播，理解人们如何发现新产品，以及是什么驱动他们从现有解决方案转向新产品。

这些技能是无法被自动化取代的。
事实上，随着技术实现被商品化，它们的价值只会更高。
因为当每个人都能构建软件时，真正的赢家是那些理解人性的团队和个人。

---

如果你刚起步，这意味着什么

如果你今天正在学习编程，请不要停止。但也不要把编程当作你唯一的技能。能在这个新世界中茁壮成长的开发者，将是那些既理解技术，又理解用户、市场和商业模式的人。

花时间与软件使用者交流——不是其他开发者，而是真正的用户。了解他们对现有产品的痛点。理解他们如何发现新工具，以及是什么让他们愿意采用新工具。

研究你关心行业中的成功产品。不仅研究它们的功能，还要研究它们的市场策略。它们是如何获得第一千名用户的？它们如何留住客户？是什么让人们愿意推荐给朋友？

练习用简单的方式沟通复杂想法。在一个 AI 辅助的世界里，最有价值的技能可能就是把模糊的人类问题转化为清晰、可实现的规格说明。

---

如果你已经在构建

如果你已经是开发者或创业者，记住：你的技术实现很快就会被任何掌握优秀 AI 工具的人复制。你的竞争优势需要依赖其他方面。

• 更深入的用户理解
• 更强的分销渠道
• 更清晰的市场定位
• 更快的学习迭代
• 对该构建内容的更高品味
• 在无法自动化的部分执行更出色：与客户沟通、理解问题、基于反馈迭代

趁现在还有时间，开始做这种转变。如果你是高级开发者，多花时间和产品团队合作。参与用户访谈。理解真正重要的业务指标。弄清楚为什么某些功能被优先开发，而其他功能没有。

如果你带团队，不要只因为编程技能而招聘。寻找能够从整体上思考系统、能与非技术相关者清晰沟通、对用户体验有强烈见解的人。能够将技术可能性与商业需求结合起来的开发者，才会在未来脱颖而出。

这种转变已经在发生。问题是，你会主动适应，还是在现有技能变得不再重要时措手不及。

---

最后一代

我们是最后一代手动将想法转化为代码的人。我们的孩子会描述他们想要的东西，然后看着它出现在屏幕上，就像我们现在向搜索引擎描述需求然后获取结果一样。

他们会像我们评价那些在电子表格出现之前手动计算账簿的人一样评价我们。工艺值得敬佩，但最终是为已经被更好工具解决的问题付出了不必要的努力。

问题不在于这个未来是否会到来。从流入 AI 开发的资金和人才来看，它是不可避免的。问题是，当它到来时，你是否准备好了，你是否在处理那些在这个世界中真正重要的产品开发部分。

那些一直以来真正重要的部分：理解人、构建他们想要的东西、把这些东西呈现在他们面前。其他的一切，不过是实现细节。