——从 levelsio 的转向看 AI 时代的护城河
Pieter Levels（网名 levelsio）曾是“一人创业”的标志性人物：少融资、少雇人、快速上线，用真实付款检验需求。如今，他却宣布“软件已死”，并开始寻找数据、社区、分发与实体世界中的护城河。
这不是一个创业者突然否定自己的职业，而是他发现：帮助自己突破门槛的工具，也在消除别人购买自己产品的理由。
但从“代码越来越便宜”推到“软件产业失去价值”，中间仍隔着一整套商业逻辑。
一、过去相信快速执行，现在担心执行不再稀缺
2024 年接受 Lex Fridman 访谈时，Levels 的方法很清楚：自己设计、开发和发布，大约两周做出产品；判断需求，要看用户是否掏出信用卡。他讨论 Photo AI 时，已经在解决模型输出质量、图像筛查等具体问题。彼时的核心命题是：个人可以借助技术，把想法迅速变成收费服务。访谈原文
到了 2026 年 7 月，他开始强调另一面：AI 同时提高所有竞争者的产品质量，自己的改进未必带来相对优势。他转述了一个案例：开发者觉得产品进步巨大，收入却下降；一位喜欢该产品的客户，干脆用 AI 为自己做了替代品。
这只是他转述的个案，不能代表市场整体，却揭示了一种新的竞争关系：你的竞争者除了同行，还有客户自己的 AI。Levels 的案例与判断
10 月 11 日，他进一步提出“个人软件时代”：用户按需生成工具，而不再购买现成应用。16 日，他公开列出转向计划，围绕专有数据、社区、受众与实体产品寻找壁垒。个人软件论、转向计划
所以，他的变化并非从“相信 AI”转为“不相信 AI”，而是从关注生产力，转向关注价值分配：开发者效率提高后，新增收益究竟归开发者、用户，还是模型平台？
二、争论的关键，是大家说的“软件”不同
围绕这轮言论，支持者认为：用户需要的往往只是庞大产品中的几个功能。过去自己开发太麻烦，只能订阅；如今生成一个够用的版本，可能更划算。
反对者强调：企业购买的还有持续维护、系统集成、权限管理和责任承担。Arvid Kahl 的回应被概括为“信任无法靠 vibe coding 生成”；另一些人则批评，技术创业者高估了普通用户自行维护软件的意愿。
这批具体回应可见于一篇附原帖链接的争论整理；部分 X 原帖本次无法直接读取，因此这里采用转述，不能把它视为行业共识。争论与原帖索引
双方其实各自抓住了半个事实。
支持者讨论的是“完成一次任务的工具”，反对者讨论的是“长期运行的服务”。生成一个报销表单，与承担一家企业报销系统的运行责任，成本结构截然不同。
但反对者也不能只靠“企业很复杂”自我安慰。复杂性有一部分来自必要约束，另一部分来自历史包袱。AI 会持续压低后者的价格。今天需要专业团队的工作，明天可能只需要成熟工具加少量审核。
真正的问题不是软件会不会消失，而是：客户还愿意为什么支付持续费用？
三、Levels 的转向，本身就是最有价值的案例
他准备向企业出售 Nomads 城市数据 API，公开报价为每年 2,490—9,990 美元；同时降低社区进入门槛，希望扩大成员网络。这些是他披露的经营安排，不能据此认定转型已经成功。经营计划原文
不过，其逻辑值得重视：城市页面可以复制，真实成员访问、评价与互动形成的持续信息流，更难复制。他正尝试让社区负责积累，让数据服务负责变现。
这也揭示了“数据护城河”的条件。拥有一堆文件，不等于拥有壁垒。数据必须来源可靠、允许使用、持续更新，并能改善客户决策。公开信息的简单汇编，可能同样被 AI 商品化。
他的个人影响力则构成另一种优势：新产品上线时，他已经拥有受众。普通创业者复制了代码，却复制不了获得第一批用户的条件。因此，名人的成功案例必须拆成两张账：一张是开发成本，另一张是获客成本。
四、未来的护城河，在难以生成的关系与责任里
以下是由这些案例推导出的判断，而非已经确定的产业结局。
第一，持续接触真实世界的能力。模型能够生成分析，却不能凭空获得最新交易、设备状态、可靠评价和客户反馈。真正的优势，是合法、稳定地获取这些信息，并形成纠错机制。
第二，嵌入业务协作的能力。一个界面容易重做；多个部门围绕同一记录完成审核、交接与追责，更难替换。但这应来自协作价值，而非人为制造迁移障碍。
第三，可验证地承担结果的能力。“能生成”与“可交付”之间，还需要检查、监测、恢复和服务。信任并不神秘：它是一次次承诺得到兑现，并有证据可查。
第四，直接触达客户的能力。当产品供给激增，被发现和被选择会更难。品牌、社区、长期客户关系因而更重要。不过，租来的平台流量仍可能被平台重新定价。
这几类优势可以相互加强，却没有哪一种永久安全。数据会过时，社区会衰退，品牌会失信，流程也会被重构。
五、创业方案：让生成更便宜，让交付更值钱
对小团队，最实际的策略不是寻找一个“AI 永远做不了”的功能，而是建立三个连续环节。
先选一个明确、重复、有人付费的任务。例如，面向设备维修商，把现场记录转成客户可验收的维修报告。先确认谁使用、谁付款、错误由谁承担，再决定做多少功能。
接着，用 AI 压低实现成本，把人的精力投向难点：接入真实记录、核对设备信息、保留修改依据、处理异常。评价产品，要看报告是否减少返工、加快验收，而非生成速度有多惊人。
最后，让每次服务积累可复用资产：经过授权的故障案例、客户认可的检查规则、稳定的交付流程。收费也可围绕服务量、持续保障或可验收成果设计，而非只为一个页面收月租。
判断项目是否值得继续，可以问一句：如果竞争者明天复制了全部界面和功能，客户为什么还留下？如果回答只有“我们开发得更快”，就应尽早补课。
Levels 的警报有价值，因为他把开发成本下降带来的商业后果说得足够尖锐；他的结论也有边界，因为个人工具的替代经验，不能直接代表整个软件产业。
AI 正在削弱“我能把它做出来”的溢价。下一阶段更有价值的承诺是：我能持续获得可靠信息，组织必要协作，并对交付结果负责。
软件会越来越容易生成，值得长期付费的服务仍需认真建立。
资料截至 2026 年 10 月 29 日。
发表评论