周末一个 AI 公司的 CEO 来拜访我，他在 AI 领域创业 10 年，但是如今最大的愿望居然是“公司被收购，不求赚钱，只求没有负债”。
谈到经营的困难，他说：现在 AI 产品有一个特点，就是甲方自己很容易用 Dify 研发 AI 应用，虽然效果只有 80 分，但毕竟免费。
这可能说明了一点，那就是：AI Agent 的研发门槛，相比于传统软件，大大的降低了。
在传统软件时代，存在大量的页面和流程，必须通过非常复杂的代码来实现。
而且，不同行业、不同企业存在大量个性化需求，如果全部用代码去实现，那基本上就变成定制项目，根本不赚钱。
为了满足这种需求，就必须增加配置能力，这就进一步了提升软件的复杂度。
比如，进销存软件七色米，虽然是面向小微企业的 SaaS 产品，配置能力仍然非常强大。
图片来源：七色米
当然也可以通过 PaaS 平台来满足大部分个性化需求，避免复杂的系统配置。
但一个成熟的 PaaS，研发资金至少需要几个亿，还要投入多年时间持续打磨，一般的软件公司根本负担不起。
以上种种，都意味着一点：在传统软件时代，研发壁垒还是很高的。如果没有雄厚的资金支持，后来者很难赶超成熟软件公司。
但是，进入 Agent 时代以后，软件架构发生了颠覆性的变化，真正的核心技术就只有“通用大语言模型”，与此同时，大部分复杂的页面和流程都消失了，以前的研发壁垒被彻底瓦解。
比如，海纳的 AI 面试，基于大模型技术打造，80% 都是对话界面，传统页面几乎消失。
当然“流程”仍然存在，但不是通过代码实现，而是配置提示词即可。
截图来源：轻流 AI
这就意味着，研发一款Agent 产品，80% 都是写提示词和整理知识库，只涉及很少的代码。
而写提示词和整理知识库，毕竟都是自然语言，“研发”周期只有以前的几分之一，而且产品经理自己就可以完成。
比如，一位 CEO 就告诉我：他们刚切入一个新的行业，涉及大量个性化需求，但是只用了 2 天时间，产品经理就完成 Agent的调整。
满足个性化需求的效率是传统软件的好几倍。
从好的一面来看，AI 产品的研发成本大大的降低了；但是，从不好的一面来看，AI 产品的抄袭难度，也大大的降低了。
毕竟核心技术就只剩“大语言模型”，这对于所有软件公司来说，都是平等的。
你可能会说，原创具有先发优势，抄袭的永远都是二流。
这个道理肯定没错，但关键在于，对于中国企业来说，只要足够便宜，二流软件也没什么不好。
结果就是，一旦某个 Agent 的商业模式跑通了，一大堆模仿者就会光速出现，最终大家都陷入亏损。
比如，一个粉丝所在的 AI 公司已经实现了规模化营收，逼近盈利。但是从去年开始，一大堆模仿者突然出现，虽然产品质量不如他们，但是价格却低很多。
结果他们的盈利计划不得不推迟，盈利前景迷茫。
其实，早在一年前，我就说过：AIGC救不了中国软件，AI 甚至救不了它自己。
如今再看当时的文章，居然和当下的现状完全吻合。
