当软件容易被创作，新时代的产品长什么样？｜对谈 Albert

概览

本期围绕 AI Coding 之后的软件行业变化展开：当软件越来越容易被创作，创业公司的价值、产品形态、创作者群体和分发网络都会被重新讨论。对话一开始从 Albert 团队几个月内做出大量内部产品切入，转向 AI 让创业者不断 pivot、模型公司可能吸走大部分价值的焦虑。

核心判断是：生产力软件的价值可能向模型公司集中，而大量小型、个性化、体验型的软件会在底部变得更分散。中型软件公司、传统 SaaS 和依赖旧软件壁垒的产品会更尴尬；相反，能够表达 taste、情绪价值和影响力的小团队或个人创作者，可能成为新的 maker 群体。

后半段重点讨论 Albert 正在做的 maker 社区：它不是简单的工具商店，而是试图解决创作者之间的连接、发现、回应与回响。对话最后又延伸到投资形态变化、one person fund、预测市场、Web3 以及如何把 AI 消耗的 token 更直接地转成经济回报。

分段落总结

[00:20] AI Coding 热潮下的创业焦虑

[事实] Albert 团队过去几个月做了很多新产品，实际参与 coding 的大约五六个人，产品数量已经达到几十个。 [事实] 主持人提到很多创业者一个月前还兴奋，后来又因为模型能力变强而怀疑自己产品价值，不断处于 pivot 状态。 [推测] 本期的出发点是：AI Coding 让产品变容易，也让“什么还值得做”变得更难判断。

[01:31] 价值可能集中到模型公司

[事实] Albert 说现在创业者和成熟公司都感到悲观，很多人认为如果不 all in coding 模型，未来十年可能出局。 [事实] 他认为悲观有道理，因为模型公司创造了绝大多数价值，边角料式的小机会价值有限。 [推测] 对传统应用创业者来说，最大风险不是做不出产品，而是做出的产品没有足够厚的价值层。

[02:34] 小团队杠杆与自用产品

[事实] Albert 同时认为 AI 给小团队带来了很强的生产力杠杆，大家讨论的 OPC 就来自这种背景。 [事实] 他们做出的很多产品并不作为公司产品发布，而是解决内部或个人遇到的小问题。 [事实] 他提到服务市场用户还要处理运营、增长等问题，而服务自己内部问题容易得多。

[04:23] 个性化需求与未来分布

[事实] Albert 说团队内部做出的自用产品会被持续使用，但这些需求非常个性化，比如不同人有不同的文档和版本管理习惯。 [事实] 他认为未来会呈现分布不均：工具爱好者会做很多小工具，一些人会用别人做好的东西，多数人仍会用成熟标准化产品。 [推测] AI 自制软件不会立刻全民化，更可能先在强工具偏好者和 maker 群体中扩散。

[05:41] 基建降低重新做一个产品的成本

[事实] Albert 说团队内部做了很多基建，把后端部署、数据库和公司后端环境接起来，发一个命令基本就能启动项目。 [事实] 他举例说有时晚上九点多想到 idea，当晚就能 coding 完并自己使用。 [事实] 对于拿别人做的 AI 产品来 fork 改用，他说公司目前还没有明显发生，是否需要取决于产品类型。

[07:20] AI Coding 对话记录实验

[事实] Albert 说公司这几个月的积累主要是基建，让每个人更快做产品、实现想法并利用 Coding Agent 提效。 [事实] 他们曾做过一个产品，让用户上传 AI Coding 聊天记录，生成评分和个人页面；发布后市场上出现了很多同类项目。 [事实] 他认为人与 Coding Agent 的对话构成差异，尤其是用户“拒绝什么”能反映其关注技术架构、UI 或产品定义等画像。

[09:43] 生产力爆发与软件“硬件化”

[事实] Albert 认为从去年年底到现在，AI Coding 的智能和生产力持续爆发，没有看到收敛迹象。 [事实] 他提到未来软件可能像硬件一样集中，日常使用的生产力工具可能被少数模型或模型公司产品替代。 [推测] 传统 SaaS、IDE、设计工具等生产力软件，如果只提供通用功能，可能被模型公司的 agent 容器压缩。

[12:38] 哑铃型结构与长尾创作

[事实] Albert 提出一种哑铃型结构：顶部是模型公司拿走大部分价值，底部是分散的 OPC 或两三人、三五人小团队。 [事实] 他认为低成本会让非常小众的需求也能被做出来，即便世界上只有一万人共鸣。 [事实] 他举了竖排写字笔记软件的例子，说明未来软件可能通过审美、情绪和体验产生差异化。

[15:12] 分发、发布器与容器

[事实] Albert 认为未来大概率会有新的分发品牌，但不一定由模型厂商来做。 [事实] 他区分了发布器和容器：模型厂商掌握创作工具，容器可能是操作系统、App、网页或新的消费形态。 [事实] 他认为老内容平台缺少直接消费这些新软件作品的容器，新创作者和新文化可能需要新平台。

[17:47] 软件作品的消费性问题

[事实] 主持人质疑小产品的可消费比例可能不如视频，且 App Store 里多数应用最后没人用。 [事实] Albert 认为如果用 Coding 能力把视频、互动和多模态体验结合起来，软件作品的消费价值不一定弱于视频。 [事实] 他承认作品会符合分布规律，但新工具会催生更适合新媒介的新创作者。

[22:10] 从使用价值到情绪价值

[事实] 主持人认为从纯使用价值看，大多数人的日常需求有限，情绪价值和内容属性可能更重要。 [事实] Albert 说自己做很多不发布的产品，本身也是为了情绪价值；生产力通常来自岗位价值，而个人生活里还有意义感和体验需求。 [事实] 对话中提到桌面装饰、睡眠相关地图、世界各地走路视频、古诗与地理位置结合的产品等例子。

[26:24] 变现压力与低成本创造

[事实] 主持人提出很多人分享 skills 和小产品但不能变现的问题。 [事实] Albert 认为个体不一定需要变现，因为成本很低；公司则因为股东、员工和增长责任必须考虑变现。 [推测] 当创作成本足够低，个人软件创作可能更像兴趣表达，而不是必须公司化的商业项目。

[27:35] Maker 人群与 impact model

[事实] Albert 说他们曾在 2023 年比较悲观，后来先实现盈利，再重新思考这个时代需要什么。 [事实] 他把新的目标人群称为 maker、designer，认为 AI Coding 抹平了他们与顶级程序员之间的一部分距离。 [事实] 他认为小型公司和创作者可能从 business model 转向 impact model，通过 taste、审美、意义感和影响力创造价值。

[30:08] Maker 社区的“回应、回响、回报”

[事实] Albert 说他们正在做的是 maker 社区，核心价值是连接，并希望创造回应、回响和回报。 [事实] 他解释回应是被人理，回响是被在意的人认可，回报是赚钱；他们更关注回响。 [事实] 他用内部协作举例：设计师帮忙重构页面，工程同事帮忙处理后端和 debug，希望这种连接能开放化、网络化。

[33:13] 产品状态与目标边界

[事实] Albert 说这个产品比较认真地做了大约一个月，约 8 个人参与，并围绕媒介形态和连接方式改过很多版。 [事实] 目标用户不是所有用 AI Coding 工作的人，而是喜欢创造本身的人。 [推测] 这个产品不追求短视频那样的普遍性，而是押注一小群创作者通过影响力逐步扩大文化和网络。

[37:13] 软件行业可能更像文化产业

[事实] 对话讨论到如果未来没有那么多中心化公司，一级市场和投资回报形式可能变化。 [事实] Albert 认为软件行业可能越来越像泡泡玛特和文化行业，中型公司减少，小型、分散、有现金流的项目增多。 [事实] 他们讨论到早期发现创作者、给钱帮助发展、再按收入分成，类似 cash flow based 的投资形态。

[39:16] Token 到钱、OPF 与交易市场

[事实] Albert 提出生产力的目标最终还是赚钱，因此交易市场提供了从 token 到经济价值的更短路径。 [事实] 他设想 one person fund：一个人用 Coding Agent 做交易策略，在预测市场或 crypto 市场里获得回报。 [事实] 对话提到 Polymarket、天气套利、策略平台 ORA，以及用 AI 分析 Reddit、推特和股票信息。 [推测] 相比很多尚未变现的 AI Coding 产品，交易市场被讨论为商业回报更直接但风险也更集中的方向。

[44:16] 最终落点：连接、基建与发现

[事实] Albert 不愿说自己 all in OPC，但认为连接价值很高，当前存在明显连接问题。 [事实] 他表示即使自己的形态不对，只要启发别人创造价值也可以接受。 [事实] 除社区连接外，他们还计划提供一键部署、后端服务、增长和发现能力，让创作者更容易被目标用户看到。

播客点评/总结

[推测] 这期的价值在于，它没有停留在“AI Coding 让开发更快”的表层，而是把问题推进到产业结构、产品形态、创作者身份和分发网络。尤其是“模型公司拿走普遍性价值，小团队创造特殊性价值”的框架，很适合用来理解当下软件创业的焦虑。

[推测] 亮点是案例密度高：从内部文档工具、AI Coding 聊天记录画像、竖排笔记、睡眠地图、古诗地图，到 maker 社区和预测市场，讨论一直贴着真实产品经验走。局限是很多判断仍处于趋势推演阶段，比如中型公司是否消失、OPF 是否兴起、maker 社区能否形成新平台，都还没有被转录稿中的结果验证。

[推测] 这期适合 AI 创业者、独立开发者、产品经理、投资人和关注软件分发变化的人听；如果只想获得明确的产品方法论，可能会觉得讨论偏宏观和发散。但如果正在思考“AI 时代什么软件还值得做”，这期提供了不少可继续拆解的判断框架。