大模型会吞噬一切吗？百姓网创始人谈AI边界与软件替代逻辑

作者：百姓网创始人 王建硕

很多人会说“大模型就是一切”，我并不是完全相信。

每次听到“吞噬一切”这种说法，我总觉得这是因为我们对未来的理解还没到那一步，才会随口抛出这么宏大的判断。否则，怎么可能有一件事物能把一切都吞掉？互联网喊了这么多年“吞噬一切”，现在真的吞完了吗？到底是大模型在吞，还是互联网在吞？如果两者都在吞，那岂不是什么都不剩了？

所以我更愿意换一种说法：它是非常重要的基础设施。没有这个基础，整个世界都无法发展，就像互联网离不开底层骨干网，就像电力离不开发电厂。这一点我可以接受。

但基础设施一旦就位，真正精彩的部分才刚刚开始。

以电力为例。电被发明后，人们看到的第一个应用是什么？是灯泡。爱迪生点亮了第一盏灯，然后它就一路亮下去。如果世界止步于此，只有一盏灯泡，我完全可以说：发电厂是这个世界的核心，电力吞噬一切。

但事实并非如此。后来有了发动机驱动机器；你会发现，一旦“电”这个底层存在，无数电器就会冒出来使用它。洗衣机用来洗衣服，电视机用来看节目，吸尘器用来吸尘，这些都是电的应用。没有电，这些东西都不存在。但你要说“电吞噬一切”，我不相信。

大模型也是一样。它提供的是基础智能。但这种智能必须被放进一个具体的、面向场景的“机器”或“设备”里，才能运转并真正改变世界。

Claude Code用来写代码，Claude Design用来做设计，VoiceDrop用来写文章。它们都是大模型，但被放在不同的设备里，解决完全不同的问题。

只有电和水，没有洗衣机，衣服还是洗不了。想象一下，发电厂发出巨量电力，很厉害，然后呢？没有洗衣机，那堆电自己能洗衣服吗？

智能再好，世界上大多数事情也需要多种元素结合才能运转。就像洗衣机需要把电、水甚至滚筒结合起来；大模型可能会在软件领域替代很多东西，但世界需要的恰恰是那些需要多种元素配合的应用，而不是单一元素。

举个当下的例子。现在有了大模型，但光有大模型还不够；需要在上面加一层叫Harness的东西——这层是最近才出现的——用来与代码建立关系，最终形成真正可用的东西。单一大模型写不了代码。当然，Claude Code的核心说实话，我用五十多行就能写出来；再长一点就加几行，它就能跑程序。但你必须看到：没有这层外壳，大模型本身仍然不太好用——也就是说，大模型的智能如果不与操作系统提供的代码执行能力结合，既不经济，有时甚至不可能实现。

这层接口的核心价值，是帮我们把智能——就像电和水一样——放进具体的应用场景，转化为能解决特定问题的机器。

说到这里，我当然也不是完全不认同“吞噬一切”背后的逻辑。

它主要指的是现有的软件。到目前为止，我们堆叠了很厚的一层软件——由大量规则、表单、按钮和工作流拼凑起来的东西，非常多。大量的筛选器、固定模板、一堆后台操作、许多SaaS检测功能。还有各种我们以前叫做“M”的东西，不管是CRM还是HIS（医院信息系统），都是各种所谓的“系统”“软件”之类，一大堆。

在这一层，我相信大语言模型确实会吞掉不少。

为什么？因为这些原有软件系统是基于计算机可执行的明确指令，被固化下来反复执行的——这就是我们所说的软件。而这正是大语言模型最擅长的。

然而。

在这一层里，除了软件，还有很多别的东西。客户信息。执行能力——比如你订机票时，真正把飞机和人从一个地方运到另一个地方的能力。还有信任。物理世界的很多东西。我认为这些不会被吞掉。

吞掉那一层之后，它反而打开了更大的空间——之上的新型软件。

新型软件一定会有更流畅的界面；它们可能不需要像过去那样固化那么多规则。一旦这些规则交给AI，想想看：以前做出一个像Salesforce这样的CRM已经是人类努力的巅峰了。但如果这部分变得相对容易解决，接下来大家会做的就是在其上释放更多想象力与可能性——而那部分，恰恰是我们还没看到的。

我们常犯的错误就在这里。当一项新技术到来，因为我们看不到前方更宽阔的路，只能盯着眼前这一块。一叶障目，不见泰山。

别说这种趋势判断了。我还记得2004年，一帮朋友聚在一起抱怨说不可能有公司比新浪、搜狐、网易更大，说互联网快到头了，它们会垄断一切。但才过了几年？世界天翻地覆。我们应该为当时的短视感到汗颜。

所以我的立场是：大模型重要吗？重要，它是基础，是近期最大的焦点。但一旦它稳定下来，能够持续提供某种能力，就需要上面各种各样的机器和设备来解决具体问题。那厚厚的一层——怎么用它、用在哪——将是这波趋势第二波的主流。

“吞噬一切”这个说法太不精确。这世界上有什么东西、什么社会形态、什么技术，是真正吞噬了一切的？

在被它吞噬的地方找到机会——那才是真正重要的。

核心判断：大模型替代软件的边界在哪

从百姓网创始人的视角看，大语言模型对传统软件的冲击将集中在“明确指令+固化流程”这一层。CRM、HIS、各类表单与审批流系统，本质上都是把规则写成代码后反复执行，这与大模型的能力高度重叠。但在软件层之外，物理世界的运力、面对面的信任关系、线下执行环节，短期内仍无法被基础智能直接替代。

创业者视角：第二波机会在“智能机器”层

王建硕认为，当大模型成为稳定的基础设施后，真正的商业价值将出现在“如何把智能装进具体设备”这一层。就像电力时代的发明家不是在发电厂竞争，而是在灯泡、洗衣机、电动机上创新一样，AI时代的创业者需要关注的是垂直场景里的Harness层——即连接大模型与代码执行、真实业务动作的接口与载体。