AI Agent重塑软件开发：成本下降90%的真相与未来

在人工智能时代，软件开发的成本是否真如传闻所言降低了九成？资深开发者Martin Alderson分享了他的最新洞见：借助AI Agent，人力成本正被大幅压缩，以往需数周乃至数月才能交付的项目，如今仅需数小时或一周即可完成。不仅如此，AI还能高效理解并维护超过三年的老旧代码库，释放出庞大的潜在软件需求，使得小规模团队能够实现以往整个开发团队才能达成的产出。本文深入剖析了成本下降的内在原因、AI工具如何重塑开发模式，以及为何2026年或将成为行业的分水岭。

我在软件开发领域摸爬滚打近二十年，亲历了诸多技术浪潮——SaaS的兴起、移动应用的全面爆发、区块链的狂热炒作，以及那些总是宣称要让程序员失业的低代码工具。

然而，随着代理式编码的崛起，软件开发的经济模式正经历剧烈变革，这一力量将彻底重塑整个行业（甚至影响更广泛的经济领域）。2026年，或许会让许多人猝不及防。

此前，我曾探讨为何现有评测标准可能遗漏了某些关键跃迁，而近期的思考与实践，更让我确信我们正步入一场‘十年一遇’的行业转折点。

软件开发成本的演进

当我刚踏入开发领域时，正值开源运动蓬勃兴起——这标志着定制软件成本首次显著降低。回想当年，SQL Server或Oracle的授权费用令人咋舌，因此我早早转向开源MySQL，借助它构建定制化Web应用，从而避免了每年高达数十万的数据库授权支出。

随后，云计算浪潮席卷而来（尽管其成本效益仍存争议，暂且认为初期确实削减了部分资本支出）。而近些年，我认为软件开发步入了“复杂性时代”。软件工程变得日益复杂——在我看来，很多时候这种复杂性是不必要的。开发者们纷纷投身于人力密集型模式，如测试驱动开发、微服务架构、极度复杂的React前端以及Kubernetes。我甚至认为，过去几年软件开发的成本并未明显降低。

90%成本节约的源泉

2025年初，我对各种AI编码工具都持怀疑态度——现在依然如此。很多平台看起来就是换了皮的低代码工具（比如Loveable、Bolt等），或者是一些带点自动补全增强功能的VS Code衍生版本，用起来感觉一半有用一半烦人。

以公司里一个典型的内部系统项目为例。假设数据模型已经有了雏形，你要做的是构建一个Web应用来管理某个“widget”类的业务对象。

按照过去的流程，你通常需要一个小团队来搭建CI/CD、整理数据访问模式、开发核心服务。然后是大量CRUD页面，再加上一些仪表盘或可视化。最后（理想情况下）还得写一套自动化的单元测试、集成测试、端到端测试，确保质量过关，然后大概一个月后才能上线。

而这还只是“纯劳动力”。每多一个人，沟通成本就往上叠：各种会议、任务管理、Code Review、前后端对接、等待别人解决难题，你真正写代码的时间往往只是全部工时很小的一部分。

用代理式编码的CLI工具，这些流程里几乎所有步骤都能在几小时内完成。我曾让Claude Code花几小时写完一个复杂内部系统的完整单测+集成测试套件（300多条）。这种规模的测试，对我自己，或我认识、尊重的开发者来说，都得花上好几天写。

AI Agent已经非常擅长把业务逻辑规范转成结构清晰、可用性很高的API和服务。

过去一个月的项目，现在一个星期搞定。思考时间差不多，但实现时间直接塌缩。而且团队越小，沟通开销越低，甚至反向验证了“布鲁克斯定律”的镜像效应：沟通成本不再是人越多效率越低，而是人越少效率爆炸提升。一两个开发者突然就能做到过去一个团队才能完成的量。

潜在需求的爆发

乍看之下，这对软件行业似乎是个坏消息，但从经济学的角度并不是这样。

杰文斯悖论（Jevons Paradox）告诉我们，当某种东西的生产成本下降时，我们并不会只是“花更少的钱做同样的量”，而是会做更多。电灯就是典型例子：蜡烛和煤气灯销量掉了，但整个社会的人造光源总量却大幅增加。

这一点，应用到软件开发上，就是供需关系问题：社会对软件有着巨大的“潜在需求”。

几乎每家公司都有几百甚至几千份Excel表格在记录关键业务流程，而这些东西本该做成SaaS。如果一家外包公司报价5万美元来把其中一个做成应用，那只有最核心的项目能立项。但如果成本降到5000美元（找个不错的开发者配合AI工具即可），那就完全是另一个世界——需求会大爆发。

领域知识：开发者最后的壁垒

那么开发者会被淘汰吗？现实没那么简单。

目前，人类仍然非常重要，因为你得“看着AI干活”：审核它的输出、提出建议、避免它走偏。如果完全YOLO式（You Only Live Once）地放任AI写代码，项目很快会乱成一团。但只要有人类的参与，AI能帮你在短时间内构建质量非常高的软件。

掌握这些工具的开发者，会在解决业务问题时变得异常高效。而他们的领域知识与行业理解会成为最大的杠杆：知道什么架构合适、用什么框架、哪些库稳定好用。

再叠加对业务本身的理解，你会真切感受到“传说中的10倍工程师”正在变成现实。同样，业务专家+一个熟练掌握AI工具的开发者这样的组合，将变得非常强大。未来我们可能不再需要“一个业务专家+一整个开发小队”，而是只需要两三个人紧密配合即可。

这种组合让迭代速度快得惊人，软件变得几乎是一次性的：如果方向不对，直接丢掉重来，从经验中学习就行。这需要转变心态，但真正难的是想清楚问题，而不是敲键盘。

拥抱变革，避免措手不及

AI Agent和模型仍在快速进化，而我觉得现有的基准测试（benchmarks）并没有真正反映这一点。比如Opus 4.5似乎能在10–20分钟的长会话中保持较好理解，不会偏离主题。我们才刚刚开始看到数千亿美元资本投入到GB200 GPU上的成果，而我相信更新一代的模型很快就会让这些看起来完全过时。

然而，我遇到过太多抵触这种变化的软件工程师。我听过的反对理由总是雷同：LLM会犯太多错误、它理解不了某个框架、或者根本没节省时间。

这些说法正迅速变得完全不成立，让我想起2007年那些看不起iPhone的桌面工程师们。大家都知道后来发生了什么——网络更快了、手机性能提升、移动操作系统也越来越强大。

我认为，工程师们需要积极拥抱这场变革。这不会一夜之间完成——大企业总体上仍然落后，被繁琐的供应商审批和管理结构困住，这让它们对小型竞争者极度脆弱。

但如果你在一家小公司或团队工作，并且有机会使用这些工具，就应该抓住它。你的工作会发生变化——不过软件开发一直都在变化。只是这一次，变化可能比任何人预料的还要快。2026年即将到来。

我经常听到的一个反对意见是：LLM只适合新项目。我强烈反对这种观点。我花了不少时间去理解三年以上、原作者已离职的旧代码库。AI Agent可以大幅简化这个过程——解释代码功能、定位Bug、提出修复建议。我宁愿接手一个由Agent协助、并有优秀工程师监督完成的代码库，也不愿接手三年前某个水平可疑的承包商写的、没有测试、充满“意大利面式”类和方法的混乱项目。

原文：https://martinalderson.com/posts/has-the-cost-of-software-just-dropped-90-percent/