昨晚，我和极客邦霍太稳、白鲸开源郭炜两个老友直播连线聊 AI 对工程师这个行业的影响，因为过几天我们仨要去硅谷参加 Snowflake Summit，因此聊到：中国，会不会出现一家自己的 Snowflake？
Snowflake 是美国做数据云的代表，一家独立的软件公司，市值大几百亿美金。问题背后的潜台词是：中国能不能长出这种体量的、世界级的独立软件公司？
我的答案有点扫兴：很难。
中国长不出 Snowflake，是有原因的
这不是看不起中国的工程师，恰恰相反，论工程能力和应用创新，我们一点不差。问题出在土壤上。
美国的企业，几十年来养成了为软件付费的习惯——一套好用的工具，该多少钱就多少钱，天经地义。所以一家公司只要产品做得好，就能靠卖软件活得很好，甚至长成 Snowflake 这样的巨头。
中国不一样。互联网把太多东西做成了免费，从国产杀毒软件开始，大家慢慢习惯了软件不要钱。企业愿意为硬件、为人力买单，却很难为一套软件付出应有的价格。再加上大厂往往用免费、甚至倒贴的方式抢市场，中小软件公司的生存空间被挤得很薄。
在这样的土壤里，想长出一家靠卖软件就能撑起几百亿美金市值的独立公司，确实很难。这是现实，不必回避。
但换个角度看，没有包袱，未必是坏事
承认了这一点，可以换个角度往下想。
我想起一件事。美国是信用卡的老家，几十年的信用卡体系成熟到了极致。可正因为太成熟、盘子太大、既得利益太深，美国的移动支付反而起步晚、推进慢，到今天还在用 swipe 卡的方式过日子。
中国呢？信用卡从来没普及开。结果是，我们几乎跳过了信用卡这一代，一步迈进了移动支付——支付宝、微信支付，反而做到了全球领先，进而成就了中国丰富多彩的线上线下一体化的各种业态。
为什么？因为我们没有那个沉重的存量包袱。没有几十年的旧体系要去维护、去迁就，反而能轻装上阵，直接拥抱下一代。
软件这件事，逻辑是一样的。中国的企业软件及 SaaS 时代，确实没能像美国那样充分发展起来。但反过来看，我们也没有背上那套庞大的传统软件存量——没有那么多陈旧的系统要去兼容，没有那么深的旧利益要去迁就。当 AI 这一代到来时，中国反而可能像当年跳过信用卡一样，轻装上阵，直接跨进去。
所以中国不会有 Snowflake，但这未必是坏事。我们大概率不会去复制一个美国式的独立软件巨头，而会长出一种属于自己的、AI 时代的新物种。
中国 AI 的牌，在水面之下
中国 AI 真正的价值，不在那些通用的、人人都能做的 AI 工具上，而在水面之下——那套别的国家很难复制的、全链路工业体系和产业供应链里。
这是中国独有的一张牌。我们有最完整的制造业、最长的产业链、最丰富的真实场景。AI 一旦钻进这些产业的肌理里——落到一条生产线怎么排产、一个供应链怎么调度、一个行业几十年沉淀的经验怎么被机器学会——它创造的价值，远不是一个通用聊天工具能比的。
美国的 AI，可能更擅长做那些漂亮的、通用的、面向全世界的工具。而中国的 AI，最大的机会是沉到产业里去，做那些不性感、但极有价值的事。这条路，恰恰是美国那套土壤长不出来的。
工程师必须往前走，只做一个模块的人最危险
想清楚了这条路，下一个问题自然就来了：走这条路，需要什么样的人？
先说一个现象。这一轮 AI 工具起来后，有意思的是，从大厂出来的那批技术老炮，反而比年轻人更从容。但要说清楚，他们的优势不是懂某个行业，而是有全局的架构能力和全栈视野——AI 把"写代码"这件最具体的事补平之后，能往上看到整个系统、能往前延伸到产品的人，自然比只埋头做某一个模块的人值钱。
所以对今天的工程师来说，最危险的，是把自己锁死在一个具体模块里。未来的工程师，光会写代码远远不够，得有全栈能力，还得往前走一步——懂产品，甚至懂业务。只做单一职能的那种工程师，是这一轮最容易被冲掉的。
懂行业 + 会 AI 的人最稀缺，可这条路两边都不容易走
但全栈、懂产品，还只是技术人员内部的分化。真正最稀缺的，是另一种人：懂行业，又会用 AI。
因为 AI 要扎进产业，最难的从来不是技术，是那些藏在老师傅脑子里、写不进文档的行业 know-how。谁能把这些 know-how 和 AI 结合起来，谁就握住了这一轮最值钱的东西。
听上去很简单。但你仔细想，这种人能从哪儿来？要么是行业老炮学会用 AI，要么是技术高手沉进一个行业。可这两条路，走起来都拧巴。
行业老炮有 know-how，但他们有几十年成功攒下的惯性思维，有多大意愿去相信 AI？更难的是，他们会不会，以及愿不愿意把自己压箱底的经验、那些当作看家本领的"黑科技"，开放出来、交给 AI？
技术高手会用 AI，但他们有多大意愿跳出舒适区，沉下心去啃一个陌生的行业？就算愿意，又到哪里去找那个肯手把手教他的老师傅？
所以你看，这个逻辑听上去再简单不过——懂行业，加上会用 AI——可真正能走通的，凤毛麟角。不是这种人天生就少，是通向它的每一条路，都布满了反人性的坎。正因为难，才稀缺。
但难，不等于没机会。恰恰相反，正因为难，谁先走通，谁的价值就越大。
笨方法，才是最有效的
前面说的那两个坎——行业老炮不愿开放经验、技术的人沉不进行业——我们的办法是：自己作为一家 AI native 的公司，先 Build 好 AI 基础工具，找到那些愿意拥抱 AI 的企业客户（尤其是一把手的意愿最为重要，需要花大量时间去深度沟通和影响），带着我们的 AI 工具入场，我们的人扎进去，陪着客户，把那些藏在老法师脑子里的“看家本领”，一点一点沉淀到 AI 产品里面去，最终共创出适合这家企业的 AI 产品。成就客户始终放到第一位，当有足够多的帮助客户成功的实战案例，我们在 AI 时代真正的壁垒也就构建起来了。这件事很重、很慢，看着也很笨，但走到今天，我越来越确信，它才是能帮一个行业真正完成 AI 转型的路。
这不只是我们一家的判断。今年五月，Anthropic 和 OpenAI 前后脚成立了专门的企业服务公司，做的都是同一件事——派工程师驻进客户内部，一待几个月，理解业务，在客户现场把 AI 系统一点点建起来。两家最顶尖的模型公司，不约而同地选择把人沉到客户身边去。这恰恰说明：让 AI 落进一个行业，靠的从来不是隔空交付一个模型，是有人愿意扎进去。
把这些放在一起看，我是相对乐观的：中国不会出现下一个 Snowflake，但中国有美国没有的产业纵深，有最丰富的真实场景，中国下一代的 AI 企业会走出完全不同的另一条康庄大道。
另外，AI 让技术平权，让想象力落地的成本降了九成；懂行业、有判断力的人，正变得前所未有地值钱。
这些我都信，也为此兴奋。
最后，有一个担心
昨晚直播连线结束前，我最后留给观众的一个值得思考的问题：
一个技术周期，通常也就十几年。如果这一代最聪明的人，因为 AI 能解决眼前的一切，就不再去碰数学、物理、计算机的底层原理，不再相信那个笨拙的一万小时理论，把"我不会、问 AI 就好"当成天经地义——那么，下一个技术周期的种子，会从哪里长出来？
AI 很强，但它的强，是站在过去几十年所有基础研究的肩膀上。它能把人类已有的知识，重新组合、加速、平权给每一个人。
AI 自己，长不出下一个 Transformer。能长出下一个时代的，永远是那些笨拙地、长期地、近乎固执地钻研过最底层原理的人。
技术平权是这个时代最大的红利。但如果它让我们这一代集体放弃了扎根，那这份红利，可能是借来的——借的是上一代人打下的地基。借来的东西，总有还的一天。
作者：黎科峰博士，数势科技创始人兼 CEO。本文为个人观点。
