AI 时代的护城河变了吗？
听完 Claude Code 创始人 Boris Cherny 最近在 Sequoia 的 AI Ascent 大会上分享了他对 AI 编程现状的判断后的三点感触：
护城河的新地图
Boris 借用了策略学家 Hamilton Helmer 的”七种护城河（Seven Powers）”框架来分析 AI 对软件行业的冲击。这个框架把企业可持续竞争优势分成七种：
- 规模经济：规模越大，单位成本越低
- 网络效应：用户越多，产品越有价值
- 反向定位：竞争对手因存量业务的历史包袱，没法跟你打同样的策略
- 切换成本：用户换平台的代价太高，不愿意动
- 品牌：时间和金钱堆出来的认知信任，短期无法复制
- 独占资源：你掌握别人拿不到的资源（专利、牌照、独家数据）
- 流程效力：内部积累的操作流程和执行能力，外部难以复制
Boris 的判断是：AI 会抹平其中两种，切换成本和流程效力，其余五种基本成立。
切换成本消失的逻辑很直接：当模型可以帮你一夜之间把三百个 Salesforce 工作流迁到另一个系统，”我已经用了十年懒得换”的理由就不成立了。
流程效力的消失更有意思。这类护城河靠的是”我们内部积累了一套别人复制不了的操作流程”。但如果 AI 可以目标驱动地把任何流程迭代优化到最优解，那这种优势的积累周期就会大幅缩短。
对照检查：你今天的护城河，究竟是哪一种？
从”咒语”到 harness：下一层要贬值的是它
提示词工程其实有两层：第一层是永远有效的”说人话”，把任务背景、输出格式、预期结果说清楚，这层门槛不会消失；第二层是各种”技巧”，MidJourney 时代的 close-up/medium shot 参数组合、LLM 早期流行的”扮演角色””逐步思考”咒语。
随着模型变强，第二层一直在降门槛。你不再需要背一套生图关键词组合，白话描述效果反而更好；”think step by step” 这类触发器，新模型基本不需要显式提醒了。
Boris 观察到的是更大的一个循环正在发生：下一层要贬值的，是 harness，围绕模型搭起来的那整层脚手架：权限沙箱、提示词注入防护、危险操作确认弹窗。这些存在的理由是”模型还不可靠，需要外部护栏”。随着模型能力继续上升，这些安全措施会被模型自身能力取代，不再需要靠外部约束来保证行为正确。
每一层曾经需要专门技能的工作，都可能被下一层吸收掉。
通才的时代：域知识比代码技能更值钱
Boris：”最适合写会计软件的，已经不是工程师，而是懂业务的会计师。因为他对领域熟得不能再熟，写代码反而是简单的部分。”
我之前也一直觉得 AI 让技能门槛降低之后，通才更值得培养。但”通才”要说清楚是什么意思：不是在每个领域只懂 10-20%，而是能在很多领域做到”半桶水”的 50-60%。更关键的一点是，如果你在某个专业领域已经有了深度，这个深度会帮你在学习新事物时知道该问什么问题。领域专长可以迁移，有了一个深度锚之后再往外扩，效率完全不同。
Boris 的会计师就是这个结构的注释：深度的会计领域知识（不可取代）+ AI 抹平了编码壁垒（工具获得）。写代码变成了简单的部分，理解问题才是护城河。
对 PM 来说这是个利好。我们本来就横跨业务、用户和技术三个维度。问题是能不能把”用模型输出可执行的产品”变成工作习惯，而不只是一个说法。
Boris Cherny 访谈原文：Why Coding Is Solved and What Comes Next，来源：宝玉 @dotey 编译整理