Claude Code之父最新預測：編程被解決后，下一個是什么？

你有沒有想過，"寫代碼"這件事，有一天會變得和"發短信"一樣普通？不是比喻，是字面意思。最近我看了一個訪談，是 Anthropic 的 Boris Cherny 在 Sequoia Capital（紅杉資本）的 AI Ascent 2026 大會上的分享。Boris 是 Claude Code 的創造者，也是整個 AI 編程領域最前沿的人之一。他在訪談里說了很多讓我停下來反復思考的東西。

他說，編程已經被解決了。他說，他在 2026 年一行代碼都沒有手寫過。他說，他現在每天從手機上發出幾十個 PR（Pull Request，代碼合并請求）。他還說，有一天他創了紀錄，一天發了 150 個 PR。

我第一次聽到這些話時，感覺有點像在看科幻小說。但越想越覺得，這不是未來，這是已經在發生的現實。只是大多數人還沒意識到而已。

Claude Code 是怎么來的

Boris 說，Claude Code 其實是"意外"誕生的。2024 年底，他加入了 Anthropic 內部一個叫 Anthropic Labs 的孵化團隊，整個團隊就幾個人，目標是把當時模型的潛力轉化成真實可用的產品。他們做出來的東西，包括 Claude Code、MCP（Model Context Protocol，模型上下文協議），還有 Claude 的桌面端應用。任務完成之后，團隊解散。現在他們又重新聚在一起，做第二輪。

他說，當時他們看到了一個"product overhang"（產品空缺）——模型的能力已經遠超市面上任何產品所能發揮出來的水平。2024 年底，編程領域最先進的產品，是 type-ahead（逐行補全），就是你打開 IDE，按 Tab，每次補全一行代碼。這是 Claude Sonnet 3.5 當時能做到的事情。

但 Boris 他們看到的是：模型已經可以做到更多。不需要逐行補全了，可以直接讓 AI agent 寫完所有代碼。于是他就去做了。

但他也坦誠，Claude Code 一開始根本不好用。前六個月，他自己只用它寫大概 10% 的代碼。發布之后，也沒有爆發式增長。真正的拐點是 Opus 4 發布的那一刻，之后每一個模型版本都帶來一次躍升：4.5、4.6、4.7，一路往上。

我覺得這段歷史特別值得深思。Boris 他們在產品還沒有 PMF（Product-Market Fit，產品市場契合）的時候就開始做，而且明知道六個月內不會有 PMF，因為他們是在為下一代模型做準備。這是一種非常特殊的產品思維：你看到的不是現在的市場，而是模型進化之后會出現的市場。這需要極強的判斷力，也需要極強的耐心。大多數創業公司在這個階段就放棄了。

"編程已經被解決了"，這句話什么意思

這是整個訪談里最震撼我的一個論斷。Boris 說，對他個人來說，編程已經被解決了。他的代碼 100% 由模型來寫，他不再手寫任何一行代碼。

他解釋了為什么 Claude Code 用 TypeScript 和 React 來寫自己的代碼庫。原因很簡單：這兩個是訓練數據里分布最廣的語言和框架，當時模型還沒那么聰明，用"on distribution"（在分布范圍內）的技術棧能讓模型表現更穩定。到今天，模型已經可以學會它沒見過的語言和框架，但那時候技術選型這件事，是影響 AI 輸出質量的關鍵變量。

他也補充說，"編程被解決"這件事不是對所有人都成立的。非常復雜的大型代碼庫、冷門語言、特殊的歷史系統，這些地方模型還沒辦法完全勝任。但他的判斷是：通常等下一個模型就好了。

我自己理解這句話，是這樣的：Boris 說的"編程被解決"，針對的是"寫代碼"這個動作本身。就好像"打字被解決了"——不是說文字創作沒有價值了，而是說打字這個物理動作，不再是瓶頸了。寫代碼的技術門檻，正在以肉眼可見的速度崩塌。剩下的核心問題，變成了你想要構建什么、你理解不理解這個領域、你有沒有判斷力去知道 AI 做的對不對。

Boris 的工作方式，讓我重新定義了"工作"

他分享了自己現在的工作方式。大部分時間，他在手機上工作。打開 Claude app，左側有一個 code tab，里面通常有五到十個 session（會話）在同時跑，每個 session 里有多個 agent（智能體），加起來大概有幾百個。每天晚上還有幾千個 agent 在做更深入的工作。

他最近特別喜歡用的功能叫 `/loop`。原理很簡單：讓 Claude 用 cron（定時任務工具）創建一個定時循環任務，可以每分鐘、每五分鐘、每天運行一次。他現在有幾十個這樣的 loop 在持續運行。比如有一個在監控他的 PR，自動修復 CI（Continuous Integration，持續集成）、自動 rebase；有一個在保持 CI 健康，發現 flaky test（不穩定測試）就自動修復；還有一個每三十分鐘從 Twitter 抓用戶反饋，自動聚類整理。

他說，現在 Anthropic 內部，沒有任何人工編寫的代碼了。所有 SQL 都是模型寫的，所有東西都是模型構建的。更有意思的是，他的 Claude 和同事的 Claude，會通過 Slack 互相通信，在 loop 運行過程中協商解決未知問題。

我第一次聽到這里，愣了一下。這不是"人用 AI 工具提效"，這是"人在管理一支 AI 團隊"。工作的性質變了，不是提速，是質變。你的角色從執行者變成了指揮者，從寫代碼的人變成了定義問題、審核結果、協調 agent 的人。這種轉變，比"提效十倍"這個描述要深刻得多。

未來的團隊長什么樣

Boris 對未來團隊的判斷，我覺得是這次訪談里最務實、也最有參考價值的部分。

他說，未來會有越來越多的 generalist（通才）。但他強調，這個"通才"的定義在擴展。以前說通才工程師，可能是說他既會寫 iOS 也會寫后端；而未來的通才，是真正跨學科的——工程很強，同時設計也很強，或者產品和數據科學也很強。

他舉了 Claude Code 團隊的例子：工程經理、產品經理、設計師、數據科學家、財務、用戶研究員，每一個人都在寫代碼。每個人是某個領域的專家，但現在同時也都會編程。

這個判斷讓我深有共鳴。我一直在說，AI 時代最稀缺的不是"會用 AI 的程序員"，而是"懂業務的全棧執行者"。以前，技術是壁壘，讓很多有想法的人被擋在門外。以后，技術壁壘會越來越低，真正的壁壘是：你有沒有想清楚要做什么，你有沒有足夠深的行業認知，你有沒有判斷力去評估 AI 做出來的東西是否正確。

換句話說，AI 并不是讓技術門檻消失，而是讓門檻的位置移動了。從"會不會寫代碼"，移動到了"懂不懂這個領域"。

SaaS 會死嗎？不會，但很多護城河要消失了

有人問 Boris，當寫代碼的成本降低 10 倍甚至 100 倍，SaaS（Software as a Service，軟件即服務）會不會迎來大崩塌？

Boris 說，他最喜歡這個問題。他的回答引用了 Hamilton Helmer 的"七種商業護城河"理論（Seven Powers）。他認為，AI 的到來會讓某些護城河變弱，讓另一些護城河反而變得更重要。

會變弱的護城河，比如 switching cost（轉換成本）——以前你用了一個工具三年，遷移數據、重新培訓員工的成本太高；但現在模型可以幫你快速遷移，切換成本大幅下降。還有 process power（流程壁壘）——很多 SaaS 公司的護城河其實是復雜的業務流程設計，但 Boris 說，Opus 4.7 已經可以"hill climb anything"，給它一個目標，讓它一直迭代，它就會一直優化，直到做到。這讓純靠流程設計建立壁壘的公司，變得非常脆弱。

而不會被削弱的護城河：network effects（網絡效應）、scale economies（規模經濟）、cornered resources（獨特資源）。這些跟 AI 的關系不大，還是會繼續有效。

他說的第二個判斷，我覺得更重要：未來十年，會有 10 倍于現在數量的初創公司出現，去顛覆各個領域。原因很簡單：一個小團隊，現在可以用 AI 構建出跟大公司相當水平的產品，而大公司反而要面對內部阻力，需要改變流程、重新培訓員工、克服組織惰性。初創公司沒有這些包袱，可以從第一天起就 AI-native（AI 原生）地去構建。

我對這個判斷非常認同。我們正處在一個"小公司窗口期"里。大公司的效率優勢在縮水，初創公司的劣勢也在縮水，兩者之間的差距正在快速壓縮。這個窗口不會永遠開著，因為大公司遲早也會完成轉型。但現在，是進攻的最好時機。

編程，會像識字一樣普及

這是 Boris 說的最有歷史感的一段話，我聽完之后想了很久。

有人問他：編程會不會變成像 Microsoft Office 一樣人人都會的技能？他說，不止如此，會更進一步——會像發短信一樣普及。

然后他打了一個歷史比方，我覺得非常貼切。1400 年代，歐洲印刷機發明之前，只有 10% 的歐洲人識字。這些人受雇于國王和貴族，專門負責讀寫，因為這是一門專業技能，普通人不會。印刷機發明之后，出版成本下降了一百倍，書開始大規模普及。接下來幾百年，全球識字率從 10% 上升到 70%�，F在，我們所有人都能讀寫，沒有人需要專門的"閱讀寫作學位"才能識字，盡管仍然有職業作家這個行當。

Boris 說，軟件正在經歷同樣的事情。寫代碼這件事，正在從一門需要專業訓練才能掌握的技能，變成人人都能做的基礎能力。而這一次，速度會比印刷機時代快得多。

他還說了一個讓我覺得非常對的點：在這個新世界里，最適合寫會計軟件的人，不是工程師，而是一個非常厲害的會計。因為難的是懂會計，不是會寫代碼。

我深度認同這個判斷。我在出海領域工作了很多年，經常遇到一種場景：某個行業里做得很好的從業者，心里有非常清晰的工具需求，但因為不懂技術，這個想法永遠停留在腦子里。AI 的到來，其實是在解放這些人。真正的生產力，來自于深度的行業認知，而不是技術能力本身。

Anthropic 內部和外部，差距在哪里

有人問了一個很好的問題：Anthropic 內部工程師的工作方式，領先外部多少？是三個月？還是六個月？

Boris 的回答很誠實。他說，在模型層面，沒什么差距，因為 Anthropic 本身就是在做平臺，他們用的模型版本和外部用戶差不多。真正的差距，在于組織流程和工作方式。

Anthropic 內部，Claude 被用在所有事情上。工程師的 Claude 在 loop 里運行代碼，同時會通過 Slack 和其他工程師的 Claude 溝通，協商解決代碼里的未知問題。整個公司沒有手工寫的代碼，所有 SQL 都是模型寫的。他說，這種組織級別的流程改造，才是真正領先的地方，而不是技術本身。

這一點讓我想到一個更宏觀的問題：AI 能力的釋放，往往不是被技術限制的，而是被組織結構和工作流程限制的。工具在那里，但大多數公司還在用舊的工作方式去套新的工具。這就像印刷機發明了，但大家還在按照手抄書的方式來組織出版業一樣。

對于初創公司來說，這其實是一個巨大的優勢。沒有歷史包袱，可以從第一天就按照 AI 原生的方式來構建組織和流程。而大公司要完成同樣的轉型，需要說服每一個中間層、重新設計每一個流程，面對的阻力是指數級的。

MCP 是連接 AI 和工具世界的基礎設施

Boris 在訪談中多次提到 MCP，我覺得有必要單獨解釋一下為什么這個東西很重要。

MCP（Model Context Protocol）是 Anthropic 提出的一個標準協議，讓 AI 模型可以以統一的方式連接各種外部工具和數據源。就像 USB 讓各種設備可以連接電腦一樣，MCP 讓 AI 可以統一接入 Salesforce、Google Docs、GitHub、Slack 等任何工具。

Boris 說，對于 knowledge work（知識工作）的 agent 化，MCP 就是答案。不管是 Claude Code、Claude CLI 還是 Co-work，連上各種 MCP connector 之后，AI 就能訪問這些工具里的數據和能力。對于還沒有 MCP 的工具，computer use（計算機視覺操控）可以作為兜底方案——雖然慢，但能用。

我的理解是：MCP 正在做的事情，是在 AI 和真實工作環境之間搭一座橋。以前的 AI 工具，往往是孤立的，需要手動復制粘貼信息進來，再把結果復制粘貼出去。MCP 讓這個流程變成了自動的、流暢的。這不是一個小改進，這是 AI 從"輔助工具"進化成"工作主體"的關鍵一步。

而且他有一句話我覺得說到了本質：對模型來說，不管是 MCP、API 還是其他接口，都只是 tokens（詞元）。模型不在乎連接方式，它只需要能訪問到信息和執行能力。這意味著，只要信息能被結構化地傳遞給模型，模型就能用上它。這個視角，對于我們思考如何構建 AI 產品非常有用。

我的深度思考：這一切對我們意味著什么

聽完這個訪談，我想到最多的一個問題是：在這個新世界里，什么才是真正有價值的？

Boris 說編程被解決了。我認同。但我想補充一點：編程被解決了，不代表軟件產品變得不重要了，恰恰相反，軟件會變得更多、更便宜、更專業化。因為以前很多有價值的軟件，因為開發成本太高而從來沒有被做出來�，F在，這個成本在快速下降。會有大量"垂直場景的專用工具"被做出來，它們的受眾可能只有幾千人，但對這幾千人來說無比重要。

我在出海領域工作，經常遇到一個痛點：跨境電商、SaaS 出海、內容出海，每個環節都有大量重復性的工作流，但專門針對這些場景的好工具，一直都很少。原因很簡單，市場太小，開發成本太高，ROI 跑不通。但現在，當開發成本下降 100 倍，這個邏輯就變了。很多之前沒有商業價值的工具，現在可以做了。

這讓我想到另一個更深層的問題：未來的產品競爭，核心在哪里？

Boris 提到了網絡效應、規模經濟、獨特資源這些不會被 AI 削弱的護城河。我覺得還有一個他沒有明說，但整個訪談都在暗示的東西：領域知識的深度。

當代碼可以自動生成，當流程可以自動優化，最難被替代的，是對某個具體領域的深刻理解。你知道用戶真正的痛點在哪里，你知道這個行業的潛規則，你知道哪些功能表面上重要但其實沒人用，你知道最后那 20% 的細節決定產品好不好用。這些，是模型短期內學不會的。

所以我得出了一個結論：AI 時代的產品競爭，表面上是誰用 AI 用得更好，底層是誰對自己的用戶理解得更深。工具變了，這個底層邏輯沒變。

另外一個我很認同 Boris 說的點，是關于初創公司的機會。他說，未來十年，初創公司的數量會增長 10 倍。大公司面臨的轉型阻力，是初創公司的天然優勢。我在國內見過很多創業者，因為技術門檻而放棄了好想法。以后，這個理由會越來越站不住腳。想法本身的質量，會越來越決定一個公司能不能做起來。

最后，我想引用 Boris 說的那個印刷機的比方，再延伸一步。印刷機普及了文字，帶來了文藝復興、啟蒙運動、工業革命。不是因為印刷機直接推動了這些，而是因為知識開始大范圍流動，更多的人可以站在前人的肩膀上思考和創造。AI 普及編程，可能也會帶來類似的效應：當更多有深刻行業認知的人可以直接構建工具和產品，整個社會的創新速度會加快。真正的突破，往往來自那些既深刻理解問題、又有能力去實現解決方案的人。AI，正在讓這樣的人從少數變成多數。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產品創業方向，你知道嗎

速度將成為AI時代唯一的護城河

a16z重磅預測：Vibe coding贏者通吃？錯了，垂直專業化才是未來