AI时代从垂直深耕到水平扩张：开发者思维转变指南

恐惧还是兴奋？AI时代开发者的十字路口

过去几年，尤其是最近几个月，软件开发的方式发生了根本性变化。很多工程师看到AI工具的强大后，第一反应是恐惧——曾经需要数百小时的工作，现在可能15小时、10小时甚至更少就能完成。这是否意味着开发者没事可做了？

知名开发者Theo在CascadiaJS大会上给出了一个截然不同的答案：不是做得更少，而是做得更多、做得更大。 这不是一个关于具体工具的讨论，而是关于思维方式的根本转变——我们该如何重新思考「什么值得被构建」。

历史的镜子：云计算革命带来的启示

要理解AI对软件行业的影响，最好的参照物是云计算的崛起。

在云计算出现之前，构建软件是一件极其资本密集的事情。你需要预测流量、购买和配置物理服务器。如果预测偏低，服务器会崩溃；如果预测偏高，你就浪费了大量资金。这意味着实验天然就是昂贵的——尝试新想法的风险高得吓人。

要理解这种昂贵到什么程度，需要回到云计算之前的世界。在2006年AWS推出EC2（Elastic Compute Cloud）之前，企业需要进行「容量规划」（Capacity Planning）——提前数月甚至数年预估峰值流量，然后一次性采购服务器硬件。这不仅涉及数十万美元的前期投入，还需要专业的数据中心运维团队处理散热、供电、网络布线等物理层问题。一个创业公司仅仅为了验证一个想法，可能就需要先烧掉几十万美元搭建基础设施。

云计算改变了一切。你可以从小规模开始，按需扩展。AWS、Azure、GCP等云平台引入的「弹性伸缩」（Auto Scaling）和「按使用量付费」（Pay-as-you-go）模式，将创业公司的基础设施启动成本从数十万美元降至几美元。不再需要顶级基础设施工程师就能尝试一个新想法。Amazon级别的规模，突然对没有Amazon级别团队和购买力的人也变得触手可及。

结果呢？从Slack到Salesforce，无数在「不能轻松按需扩展」时代根本不可能存在的软件产品涌现出来。云计算没有消灭工程师的工作，反而创造了一个全新的软件生态。

AI就是新的云计算：人力成本的颠覆

现在，把「服务器」换成「工程师」，同样的逻辑再走一遍。

在AI工具出现之前，构建软件同样是资本密集型的——你需要雇佣足够多的工程师。你必须预测未来：如果iOS应用比Android应用更受欢迎，但你为两个平台各雇了四人团队，怎么办？如果用户只喜欢网页版而没人用移动端，那些工程师怎么安排？

Theo坦诚地分享了一个很少有人谈论的痛点：实验的社会成本。雇人去构建一个东西，他们做得完美无缺，但最终发现方向错了——然后不得不裁员。这种经历让人对大胆尝试望而却步，因为赌注失败时，受伤的是真实的人。

而现在，AI工具让这个等式彻底改变了。你可以用更小的团队构建Amazon级别的软件，实验的成本大幅降低。这意味着：

• 项目规划方式需要重新思考
• 团队结构和招聘模式需要重新设计
• 什么值得构建、什么不值得构建的判断标准需要重新校准

Salesforce悖论：挑战巨头为何突然变得可行

Theo用Salesforce举了一个极具说服力的例子来说明AI时代的竞争格局变化。

Salesforce作为全球最大的CRM（客户关系管理）平台，其产品策略深刻体现了企业软件的「功能长尾」现象。这与Chris Anderson提出的「长尾理论」高度吻合——少数核心功能满足大多数用户，但海量的边缘功能各自服务于极小比例的客户。如果把这些功能按使用率排列，你会发现一个有趣的分布：有一小部分核心功能是所有客户都需要的（认证、邮件通知等），另一部分是大公司需要但并非人人必备的，而大约70%的功能可能只有不到1%的用户在使用。

但问题在于：如果你是一个Salesforce的竞争者，潜在客户需要12个功能，你已经支持了其中10个，而且这10个做得更好——但缺少的那2个就足以让他们不会迁移过来。这种功能分布形成了强大的「转换成本」（Switching Cost）和「平台锁定效应」（Vendor Lock-in）：企业在Salesforce上积累的自定义工作流、Apex代码、第三方集成和历史数据，使得迁移到竞品的实际成本远超软件本身的订阅费用。这也是为什么Salesforce能维持高达75%以上的毛利率——客户即使不满意，也很难离开。

过去，解决这个问题只有两条路：

1. 构建复杂的扩展架构，让客户自己解决（他们不会为一个未验证的产品费这个劲）
2. 雇一个庞大团队试图覆盖所有功能（这是自杀式任务，钱烧完之前根本做不完）

这就是为什么过去20年，创业公司的标准策略是选一个垂直领域，做到极致——就像Vercel在全栈Web托管这个垂直领域击败了AWS一样。Vercel的成功是「垂直颠覆」策略的经典案例：AWS提供的是通用基础设施——EC2、S3、Lambda等数百个服务组件，开发者需要自行组装；而Vercel则专注于全栈Web应用这一个场景，围绕Next.js框架构建了从开发到部署的完整体验，包括自动化的CI/CD流水线、边缘网络（Edge Network）分发、Serverless Functions、增量静态再生（ISR）等。这种策略在创业领域被称为「解绑」（Unbundling）——从巨头的庞大产品矩阵中抽取一个垂直切面，用10倍更好的体验重新定义它。

从垂直深耕到水平扩张：软件开发的新范式

但AI改变了这个等式。Theo提出了一个大胆的观点：

构建一个「在每个类别都能用但都不完美」的水平解决方案，突然比以前有意义得多了。

关键洞察在于：如果你能覆盖足够宽的功能范围，同时架构设计得当，让用户可以在需要的地方自行深入——那么「广而浅」的策略突然变得可行了。过去这种策略会失败，因为你根本没有足够的工程资源去覆盖那么宽的范围。现在，AI让这个成本降到了可承受的水平。

这种转变背后有清晰的经济学原理。在传统模式下，每增加一个功能模块需要招聘专门的工程师、进行代码审查、编写测试、维护文档——边际成本几乎是线性的。AI工具将这条成本曲线压平：第11个功能模块的开发成本可能只有第1个的十分之一，因为AI可以复用模式、自动生成样板代码和测试。这与经济学中的「规模经济」类似，但驱动力不是生产规模的扩大，而是单位生产成本的技术性压缩。当边际成本足够低时，覆盖更宽的功能范围在商业上就变得合理，即使每个功能的深度不如专注型竞品。

这种从垂直深耕到水平扩张的转变，本质上是AI降低了软件开发边际成本后的必然结果。

Lakebed实验：一次煮沸海洋的大胆尝试

Theo用自己正在构建的产品Lakebed来具体说明这种思维如何落地。

Lakebed的定位很有趣——「为烂应用打造的烂云」。听起来像是自嘲，但背后的逻辑很深刻。

问题的起点是：AI让构建一个应用从30-40小时缩短到了30分钟，但部署仍然需要3小时。认证、数据库配置、环境设置、各种Token——这些「胶水层」的工作量没有变，却从原来不到十分之一的时间占比，变成了整个流程的瓶颈。

所谓「胶水层」（Glue Layer），是现代软件开发中一个被严重低估的成本中心。当开发者使用多个独立的SaaS服务（如Auth0做认证、Supabase做数据库、Vercel做部署、Stripe做支付）时，让这些服务协同工作所需的配置、适配和调试工作往往占据了总开发时间的30%-50%。每个服务都有自己的SDK、配置格式、环境变量命名规范和错误处理模式。OAuth 2.0认证流程就是一个典型例子——虽然协议本身是标准化的，但在不同框架和平台间正确实现回调URL、Token刷新、会话管理等细节，仍然是开发者最常遇到的挫折来源之一。AI缩短了业务逻辑的编写时间，却让这些集成工作的相对占比急剧上升，成为新的瓶颈。

Theo最初的思路是构建「胶水解决方案」——比如他做的Shoe（一个Google Auth代理，让认证变成两行代码），以及更早的UploadThing（简化文件上传）。但他很快意识到，每修好一层胶水，下一层又出问题了。他一直活在不同垂直服务之间的缝隙里，因为这些服务从来不是为了互相集成而设计的。

于是他做了一个疯狂的决定：不再修补缝隙，而是重新发明一切。

• 自己的框架
• 自己的运行时
• 自己的云平台
• 自己的打包器（甚至不需要文件系统就能打包）
• 自己的数据库原语

代码本身就是部署指令。在演示中，他用Cursor Agent在大约8分钟内从零构建并部署了10个应用——待办事项、投票系统、食谱管理等，全部带有Google一键登录和实时同步。Cursor是基于VS Code构建的AI原生代码编辑器，其Agent模式代表了AI辅助开发的最新范式。与传统的代码补全（如GitHub Copilot的Tab补全）不同，Agent模式允许开发者用自然语言描述意图，AI会自主规划执行步骤、创建和修改多个文件、运行终端命令、读取错误日志并自动修复——本质上是一个能操作整个开发环境的自主代理。这种模式将开发者的角色从「逐行编写代码」转变为「描述意图并审查结果」，类似于从手动驾驶切换到监督自动驾驶。

核心启示：推到你撞墙为止

Theo坦言，构建Lakebed的初衷不是为了发布一个成功产品，而是为了找到墙在哪里——在什么地方，「煮沸整个海洋」的策略会崩溃？

令他震惊的是：墙一直没有出现。 他走得越远，这个项目就越真实、越可行。

这正是他想传达的核心信息：

开发者们仍在用AI工具来自动化他们以前做的工作，而没有意识到AI其实启用了完全不同类型的工作。

如果你没有在尝试那些「以前不可能做到」的事情，你就没有真正发挥这些工具的能力。找到你脑海中那个「听起来不应该可能」的想法，然后一直推进，直到撞墙。你会惊讶于那面墙有多远。

总结：不是写更少的代码，而是构建更大的系统

这篇文章的核心不是关于某个具体工具或产品，而是关于一种思维方式的转变。就像云计算没有消灭工程师，而是创造了全新的软件品类一样，AI不会消灭开发者，而是让我们能够构建以前根本不敢想的东西。

关键不是「用AI写更少的代码」，而是「用AI构建更大的系统」。从垂直深耕到水平扩张，从修补缝隙到重新发明，这可能是我们这个时代最重要的思维转变。

核心要点