编码是AI真正赚钱的地方，接下来会是什么？

软件是AI转化为真实、大规模经济价值的第一个领域。接下来这种价值会扩散到哪里，以及谁真正能从中获利，是业界尚未解决的问题。本文基于播客主Dwarkesh Patel提出的“可研磨性”概念，并对照经济学家、投资者和建设者的不同观点，绘制了一幅路线图。

为什么编码首先被攻破？这是几乎所有人都认同的一点。Patel近期最犀利的观点是，仅仅“可验证”并不能解释AI为何在编码上进步最快。一项任务还必须“可研磨”：能够并行运行数千次尝试，并在廉价、可重放的模拟器中保留有效结果。软件是罕见的兼具两者的领域。代码要么通过测试，要么不通过，你可以让一千个智能体同时攻击同一个漏洞。对比现实世界，Patel写道：“你不能让一千个智能体同时在亚马逊上尝试相同的结账流程，因为Andy Jassy会发现并封杀你的机器人。”

投资者也从资金角度得出了相同的结论。风投公司Bessemer将强化学习描述为新兴的独立层：“RL将AI扎根于经验：环境构建、RL即服务、平台基础设施正成为独立的堆栈。”AI写作者Rohan Paul在总结500多篇关于智能体RL的论文时，指出了其局限性：“常见的LLM训练只对单次答案给予奖励，然后停止学习。”这正是为什么像编码这样的一次性可验证任务先于混乱的多步骤任务被攻克。

软件工程师的工作并未消失，而是转向了验证。Rohan Paul在总结《Futurism》的一篇文章时写道：“从创造到验证。软件工程师现在面临更困难的工作：管理他们未编写的代码。”开发者社区对此意见不一。有影响力的工程师swyx放大了一个故意引发争议的观点：到2026年，AI工程师是否还应该“阅读代码”？MIT劳动经济学家David Autor完全否定了软件工作岗位崩溃的说法，认为过去的计算浪潮淘汰了特定任务，但提升了判断力、专业知识和信任的价值。一个折中的预测是：编码需求从编写转向审查、架构设计和验证，杠杆作用转向最擅长指导和检查机器输出的人。

接下来会是什么？通过相同的过滤器（可验证且可研磨）评估每项任务，再加上物理学家Adam Brown提出的“分支系数”概念，即需要多少真实世界实验来修剪可能的答案树。简单来说，右下象限先被攻克，左上象限则停滞不前。这给出了编码之后的大致顺序：形式数学现在已与编码同步；符号性案头工作（SQL、数据分析、电子表格和财务建模）在近期；优化、物流、形式验证、芯片设计部分在近期到中期；低分支理论科学（理论物理、理论CS）在中长期；具有不完美模拟器的领域（蛋白质和分子设计、机器人）较慢；现实世界智能体、经营企业、诉讼、交易、选举则停滞不前。这个顺序并非仅由任务本身决定。“下一个被攻破的领域”实际上取决于“谁为它构建了良好的模拟环境。”

关于钱究竟会流向哪里，各方意见不一。Patel提出一个悖论：如果模型自动化了一份价值20万美元的工作，其价值“既远超又远不及”这个数字，因为竞争可能将复制品的价格压低至“GPU和能源成本”，尽管创造的总价值激增。几乎所有人都同意模型层是被挤压的中间层，但他们对谁保留剩余价值意见不同。股权研究公司Pequity Research估计，应用层在AI收入中的份额在过去一年上升，而模型层下降。有广泛传播的文章认为赢家是低利润运营者，而非软件富有的公司。悲观看空者则认为目前还没有人赢利：模型正“亏损”销售，护城河比定价更薄。

怀疑论者持谨慎态度。在2026年6月28日的《华尔街日报》文章《AI就业末日来了？三位经济学家各执己见》中，MIT的David Autor是条件乐观派，弗吉尼亚大学的Anton Korinek是忧虑派，MIT的Daron Acemoglu是耐心怀疑派。独立预测者Gary Marcus认为不到10%的劳动力会被AI取代，可能不到5%。即使像Citadel的Ken Griffin这样的乐观者也将其视为时机问题：白领岗位被取代是“真实的，而且正在快速到来”，但政治反弹就在下一个周期。

这一切之下，Patel认为制约经济的核心能力是持续学习。今天的模型在训练后就被冻结，无法通过实践在你的特定岗位上变得更好。他将“AI只是需要时间扩散”的解释称为“应对”这种缺失能力的借口，并指出编码是价值已经落地的显著例外。如果他正确，编码将在比“智能体包揽一切”叙事所假设的更长时间内保持孤独的高峰。

需要关注的五个信号：RL环境初创公司（下一个领域被攻破的领先指标）；顶级模型之间质量差距的大小和持久性（决定AI是从薄利商品转变为定价权业务的关键）；价值层最终落脚何处（应用、基础设施还是低利润运营者）；Griffin提到的政治时机窗口（它限制了部署速度，无论能力如何）；以及工作中学习的第一个可信迹象（价值池终于超越软件的时刻）。

（本文基于Bargo Research的原始研究，引用来源包括Dwarkesh Patel、Bessemer、Rohan Paul、Pequity Research、《华尔街日报》、Gary Marcus、Ken Griffin和Ethan Mollick。）