三线城市的软件公司，在AI时代如何活下去？

老张坐在办公室里，翻看着公司上半年的财务报表。

收入下滑了两成，利润几乎为零。他把报表翻来覆去看了好几遍，好像多看一遍数字就会变似的。他在这间办公室坐了十几年，墙上挂着公司刚成立时拍的照片。那时候他才三十出头，带着几个程序员挤在一间租来的小办公室里，靠给本地政府做政务系统起家。那时候没人知道什么叫“AI”，能做一个OA系统就是高科技。他和他的团队用了很多年，给市里好几个局做了信息化平台，给本地几家最大的民营企业做了ERP。公司从五六个人做到二十个人，在三线城市算是站稳了。

但现在他发现自己干了十几年的生意，突然不知道还能不能活下去。

变化不是一夜之间发生的，但意识到的时候已经晚了。前年公司接了四个项目，去年两个，今年到现在一个都没有。去年年底，本地一家做了快十年信息化系统运维的软件公司，被客户通知不再续约。原因是某大厂的企业协作平台一次版本更新，把他们做的系统功能全部内置了。老张去医院体检时碰见那家公司的老板，对方说已经把公司关了。这件事让老张好几天没睡好。

他想起了几个月前的事。一个合作了好几年的老客户，合作项目是给某区政府做的那个政务系统，续签运维合同时，把价格砍了三分之一。对方信息中心主任跟他说：“不是我们不想给，是实在没预算。你们要是能用AI把运维成本降下来，或许还能维持。”

老张听懂了。不是不要系统了，是维护不起了。

这个困境不只他一个人面对。行业内几个头部公司的数据更直观：上市公司数字政通连续两年亏损近8亿元；即便是新点软件这类2024年仍盈利2亿元的行业企业，2025年净利润也大幅下滑82%，营收萎缩14%。盈利企业在收缩，亏损企业在流血，整个行业的水位都在下降。行业头部企业尚且如此，三线城市的二十人公司更不用说了。

客户没钱了，这是老张面临的第一个问题。第二个问题更致命：AI来了。

老张的公司过去十几年的核心价值很简单：能写代码。但AI几秒钟就能生成一个功能模块，几小时就能搭出一个完整的表单系统。他最近发现，一个客户要做的信息录入系统，他用AI编程助手几小时就搭出来了，而过去这个活要一个程序员写几天。他盯着屏幕上AI生成的代码看了很久，忽然意识到一个问题：如果他自己都能用AI几小时做完，客户为什么还要花几万块找他做？

但这还不是最让他不安的，最让他不安的是，外部冲击正在往公司内部传导。他公司里几个年轻人已经开始偷偷用AI编程工具，效率提高了很多。但几个老员工不愿意学，有的觉得“那东西不靠谱”，有的觉得“用AI是偷懒”，还有的试了几次没学会干脆放弃了。团队内部出现了分裂：用AI的人嫌老员工效率低，老员工嫌年轻人“走捷径”。

老张夹在中间。他知道老员工的经验是公司最值钱的资产，他们在这座城市服务了十几年，知道每个客户的特殊需求，知道每个系统的历史遗留问题。但他也知道，年轻人用的那些AI工具，确实能把效率翻好几倍。他想，如果能招几个既懂AI又懂业务的人进来，或许能把这股裂痕弥合起来。但招不到。稍微有点AI技术底子的人才，都被一线城市的公司抢走了，三线城市连招个会用大模型API的应届生都困难。

老张开始琢磨一个他以前从没认真想过的问题：AI来了，三线城市的软件公司，还能不能活下去？如果能，怎么活？

他不是没有想过转型。但他认识的同行里，转型失败的比成功的多。有的公司看到AI火了，就把业务从“定制开发”变成了“AI开发”，换了个技术栈，还是接项目、堆人头、熬交付，最后发现利润一点没增加。有的公司投入大笔资金自研行业大模型，结果钱烧光了，公司也烧没了。老张不想成为下一个。

他需要找到一条路。不是为了变成巨头，只是为了活下来。

窗外，街灯亮了。他把报表放进抽屉，打开电脑，开始搜一个他以前没搜过的词：中小软件公司AI转型。

搜索结果不多，但有一条让他看了很久。青海一家小软件公司，专注给中小企业做政策服务。这个领域太窄了，窄到大厂根本看不上。这家公司用AI算法自动解析政府文件、生成申报材料，成了全国首个为这个细分领域打造AI算法的企业。

老张盯着这条新闻看了很久。他不是在想这家公司有多厉害，他是在想，他们做的事，本质上是什么？不是技术有多牛，是他们知道本地企业需要什么政策、申报流程有哪些隐形门槛、什么样的申报材料能过审。这些认知，通用大模型没有。阿里、腾讯、华为的AI大模型，能写诗、能画画、能通过律师资格考试，但它们不知道他的公司服务了十几年的这些本地政策和业务流程到底有多少个具体的卡点。这些认知，在他脑子里，在他的老员工的脑子里，在这十几年积累的所有项目文档和失败教训里。

这大概就是他能做的事情。

他打开一个空白文档，在第一行写下：“我们能做什么？”

光标闪烁。窗外的街灯已经完全亮了。他还没答案，但他开始想这个问题了。

一

老张开始认真想一个问题：他的公司是怎么走到今天这一步的。

他在这行干了十五年，经历过好时候。2010年前后，政府信息化建设铺开，OA系统、审批平台、数据共享交换，每个局委办都在上系统。那时候项目多得接不过来，一个几十万的小系统，几个程序员写两三个月就能交付，毛利可观。老张的公司就是那时候起来的。但最近几年，情况变了。他翻出了公司这几年的项目记录，把前年的、去年的、今年的列在一起看了一遍。数字摆在那里：前年四个项目，去年两个，今年到现在零个。

不是他不努力，是整个盘子在缩。

他在一个行业交流群里看到过一组数据：2024年全国IT政府采购规模约1400亿元，同比降了4%。数字看着不大，但拉长时间来看，政府IT采购规模从好几年前开始就已经连续下降。与此同时，项目数量反而在增加，大单被拆成多个小模块，一个模块一个模块地招标。翻译成他的日常语言就是：活儿多了，钱少了。做还是可以做，但每个项目的利润被摊得极薄。

这还不是更要命的。更要命的是，大量新建系统的高峰期已经过去了。老张的主要客户是本地政府部门，这些单位的信息化系统在过去十年里基本上已经建完了，现在剩下的主要是运维。系统已经在那儿了，不能停，但也不需要重新开发。运维合同年年签，但金额一年比一年低。通常是建设费用的5%到10%。老张算了算自己手里几个还在维护的系统，加起来年费只够养两个人。但系统不能丢，丢了就彻底没客户了。

但经济下行不是唯一的问题。还有一个更根本的问题正在发生。

老张的公司过去十几年的核心价值很简单：能写代码。他卖的本质上是一种生产能力，把需求翻译成代码，把代码打包成系统，把系统交付给客户。这套逻辑在过去十几年里一直运转良好。但AI来了之后，这套逻辑开始从根部松动。

他第一次意识到这个松动是在三个月前。一个老客户想要一个小型的信息录入系统，功能不复杂。过去这个活他会安排一个程序员做几天。那天他正好在试用AI编程助手，就把需求描述输了进去。几小时后，一个能跑的系统出现在屏幕上。他跑了一遍测试，大部分功能都通过了。他盯着屏幕上那些AI生成的代码，忽然觉得有点慌。不是因为这个系统做得不好，它做得很好，而是因为他意识到一个让他后背发凉的问题：既然他可以用AI在几小时内做出这个系统，那客户为什么不自己用AI做？

当然，他知道客户不会自己去学编程。但客户不需要学，大厂的SaaS产品正在变得越来越便宜、越来越好用，而且很多都在内置AI能力。以前客户需要一个定制化的表单系统，只能找老张；现在钉钉、飞书、企业微信里都有低代码甚至零代码的表单搭建工具，配合AI助手，一个行政专员花一下午就能搭出一个能用的。老张发现自己不是在和同行竞争，他是在和这些平台的“免费+内置”竞争。

然后他亲眼看到了平台吞噬是怎么发生的。

老张有个朋友叫老孙，在另一个三线城市开了一家小软件公司，做了五六年，主营产品是一套面向中小企业的考勤和审批系统。老孙的公司不大，但靠着这套系统维护了几十家本地企业客户，每年收运维费，日子过得还行。前年年初，钉钉做了一次版本更新，把考勤和审批功能全部升级了，原来需要手动配置的审批流程，现在AI可以自动生成；原来需要付费的功能模块，现在免费内置了。更新的第二周，老孙的一个老客户打电话给他，说：“老孙，我们决定不续约了。钉钉上现在都有，而且免费的。”老孙当时还觉得只是个例，但接下来的大半年，他的客户一个一个流失，到那年年底，基本全没了。老孙把公司关了，在社区开了个小超市。老张去医院体检时碰见他，他胖了一些，正往货架上摆方便面。“也好，”老孙说，“至少现在不用半夜被客户的电话叫醒了。”老张站在货架旁边，看着他朋友把一箱方便面拆开，一包一包摆整齐，忽然想起老孙以前在机房里排查bug时，也是这样的专注。

这件事让老张在很长一段时间里都在想一个问题：老孙做错了什么？他的产品做得不错，服务也到位，客户关系维护了好几年，但钉钉一次免费更新，就把这些全部抹平了。老孙没有做错任何事，他只是在平台的地基上盖了一栋房子，然后平台修了一堵墙，他的房子就塌了。

这不是个例。老张在行业里打听了一圈，发现同样的事情在不断发生。企业微信内置了客户管理功能，一批做CRM的小公司消失了；飞书内置了文档协作，一批做协同办公的小公司消失了；政务领域的“一网通办”平台越来越大、越来越全，大量原来需要本地公司定制开发的功能被省级统一平台的标准化模块替代了。这就是平台吞噬，不是和竞争对手赛跑，是在和平台本身赛跑。

老张坐在办公室里，把这些事从头捋了一遍。经济下行，客户没钱了；AI碾压，代码贬值了；平台吞噬，市场被收了。三重冲击同时打在他这家二十人的小公司身上，每一拳都打在要害上。

他想起客户刘主任说的话：“你们要是能用AI把运维成本降下来，或许还能维持。”

刘主任说的是“降成本”，不是不做，是做不起了。不是不需要系统，是维护不起系统了。他想起了自己手里还在维保的几个老系统。这些系统已经跑了五六年，代码开始老化，原来的开发人员早就离职了，每次出故障都要花很长时间排查。他每年收的那点维保费，刨掉驻场人员的工资和差旅，几乎不剩什么。

但如果能用AI来管这些系统呢？

他知道现在有AI运维工具可以做智能日志分析，如果系统出了问题，AI自动扫描日志，几秒钟就能定位故障原因；自然语言交互可以让普通的运维人员用“说话”的方式操作系统；自动故障修复可以把一些常见的故障类型预先设置好修复脚本，出了问题AI自动执行。

如果能把这套能力用在那些他维保了多年的老系统上，那些“不能换、只能修”的存量系统，也许维保这件事就不用堆人了。人少了，成本就降下来了；甚至，他可以把这套能力做成一种新的服务，不是“我给你写个新系统”，而是“我用AI帮你管好你已经有的系统”。

他在那个空白文档里打下了几个字：老系统，AI管。

窗外，傍晚的车流开始多了起来。他想起老孙摆方便面的样子，想起自己在机房里蹲了好几天调试的那个第一个项目。那时候他觉得，只要代码写得好，公司就能活下去。现在他知道，光会写代码不行了。但那些老系统还在那里，成千上万，遍布全国各地的政府部门和企业里，还在喘着气跑着。系统不能弃，但维护成本必须降。这是一个被大厂忽略的、足够窄、足够深的需求。

他没有答案。但他隐约觉得，这可能是一个他需要想清楚的问题。

二

老张把公司过去几年接的项目一个一个列在纸上，想算清楚自己到底赚了多少钱。

他先列了一个去年的政府项目。需求调研花了一个多月，开发花了两个多月，测试上线花了一个月，驻场运维一年。合同金额不高，摊到每个月，毛利极薄。但如果不接这个项目，团队空闲的成本更高。工资要照发，社保要照缴，办公室租金要照付。老张在纸上画了半天，最后得出一个他不愿意承认的结论：这个项目做下来，扣掉所有成本，基本不剩什么。

他又列了前年的一个企业项目。情况差不多。再往前列，年年如此。

老张盯着那张纸，忽然想起一件很久以前的事。他刚创业那几年，接一个几十万的单子，几个程序员写两三个月，交付之后能挣不少。那时候他觉得这生意不错，客户有需求，他能写代码，一手交钱一手交货。但现在，同样的单子金额没有涨多少，人力成本却翻了好几倍。客户的需求越来越碎，一个系统拆成好几个小模块，每个模块都要单独招标、单独开发、单独验收。活儿多了，钱少了。

他在一个行业论坛上看到过一篇文章，讲的是独立软件开发商（ISV）的增长困局。文章说，项目越接越多，团队越来越忙，但利润率和产品能力却并没有同步增长。客户要求定制，每个项目都有“最后一公里”的个性化需求，导致开发过程难以标准化，大量基础功能在不同项目中反复开发，最资深的工程师被困在重复的增删改查里。公司本质上变成了一家“高级人力外包商”，卖的是人天，不是产品，增长天花板清晰可见。

老张把这段话看了好几遍。说的就是他。他不是在经营一家软件公司，他是在经营一家“人力批发公司”，客户需要人写代码，他就派人去写；客户需要人驻场，他就派人去驻。他卖的是程序员的时间，不是软件的价值。时间有天花板，一个程序员一天只有那么多小时，一个月只有那么多工作日。他想多挣钱，只能多招人，但多招人成本就上去，利润又被吃掉。这就是定制化软件公司的经典困局：规模不经济。

老张看着老孙的结局，忽然意识到，他自己也陷在同样的模式里，只不过老孙被平台吞噬了，而他是被“定制泥潭”困住了。两个人都在卖人力，只是卖的对象不同。老孙卖人力做考勤系统，被钉钉的免费内置替代了；老张卖人力做政务系统，被越来越低的预算和越来越碎的需求拖得精疲力竭。两个人都在和“平台”竞争，只是老孙的对手是钉钉，老张的对手是“甲方不断缩水的预算”。但本质一样，卖人力的生意，正在被技术碾压。

但经济下行和定制泥潭不是唯一的问题。还有一个更让他头疼的问题正在公司内部发生。

老张的公司现在有二十个人。其中几个是跟了他十多年的老员工，从公司刚起步就跟着他干，技术底子扎实，对本地政府和企业的业务流程非常熟悉。还有几个是近两年招的年轻人，科班出身，脑子快，对新技术敏感。

去年年初，他发现公司里几个年轻人开始偷偷用AI编程工具。他没在意，觉得年轻人喜欢玩新东西，没什么坏处。但渐渐地，他发现那些年轻人开始用AI写单元测试、生成接口文档、调试代码。以前一个简单的表单页面要写很长时间，现在他们把需求描述输入AI对话框，几秒钟代码就出来了，改改就能用。老张当时觉得这东西不错，效率确实高。

但他没想到的是，这个效率差距把公司内部原来就存在的张力撕开了。

几个老员工不用AI，有的是觉得“那东西不靠谱”，AI生成的代码不经过仔细审查不能直接用到生产环境；有的是觉得“用AI是偷懒”，他们年轻时学编程，一个功能写不出来就在机房蹲一宿，一行一行调，现在年轻人跟AI说句话就完事了，这不叫编程；还有的干脆是学不会，AI编程工具的交互方式和他们熟悉的开发环境不一样，他们习惯了直接写代码，现在要跟AI“说话”、描述需求、判断AI生成的代码对不对，这套逻辑他们不适应。试了几次，他们发现AI生成的代码总是需要大改，觉得还不如自己写来得踏实，就放弃了。年轻人嫌他们效率低，他们嫌年轻人“走捷径”，两个群体的摩擦越来越频繁。

老张夹在中间。他知道老员工的经验是公司最值钱的资产，他们在这个城市服务了十几年政府和企业的信息化建设，知道每个客户的特殊需求，知道每个系统的历史遗留问题，知道每次系统出故障时第一个排查点在哪。这些认知，年轻人没有。但他也知道，年轻人用的那些AI工具，确实能把效率翻好几倍。他不能让公司靠“加班熬”来对抗其他公司靠AI提效降本的价格竞争。

而更大的问题是，即使他想招几个懂AI的人，也招不来。去年有个项目涉及数据分析，他想招一个懂大模型API的应届生，把需求发到招聘软件上，投简历的寥寥无几。他打电话问了几个，人家一听工作地点在这个三线城市，委婉地说“已经签了别的地方”。后来他发现，全国六成的AI岗位集中在几个一线城市，这些人才不仅贵，而且根本不愿意来小地方。就算他花高价挖到人，往往待不了多久，项目做到一半，人就跳槽去了更好的平台，项目进度被拖垮，留下的技术窟窿也没人能补。他见过几个同行遇到过这种事，自己想想也后怕，不敢再硬招。

就在他头疼内部问题的时候，一天下午，一个年轻员工来他办公室找他，说他们几个用AI编程工具的同事想跟张总聊聊。那个员工说：“张总，我们觉得公司可以让大家都用AI工具，效率真的差很多。”

老张说：“我知道。但几个老员工不太适应。”

那个员工沉默了一下，说：“张总，我不是说他们不好。但我们现在用AI，做页面很快。老员工不用，做一个页面要很久。项目排期的时候，我们的进度被他们拖着。如果我们都用AI，项目的开发成本能降一截，利润率就上去了。这才是公司能活下去的办法。”

老张看着这个年轻人，他忽然意识到，他面对的不是“要不要用AI”的问题，而是“公司还能不能作为一个团队继续走下去”的问题。年轻人想用AI加速，老员工不愿意变，他这个老板夹在中间，既要留住老员工的经验，又要给年轻人一条路。

他让那个年轻员工先回去，自己一个人坐在办公室里。窗外已经暗下来了，楼下的路灯亮了一排。他忽然想起自己刚创业的时候，三十出头，带着几个程序员挤在一间小办公室里，每个人都会写代码，每个人都扛着项目往前冲。那时候没有AI，没有平台吞噬，没有预算缩水，只要代码写得好，客户就满意，公司就能活。但现在，他面临的问题已经不是“写代码”，他面临的问题是如何让一群用不同方式做事的人还能站在一起，如何在一个越来越窄的市场上找到一条新路。他把那个已经好几天没关的空白文档重新打开，标题还是“我们能做什么？”。他在下面加了一行字：“我们的团队，能不能一起走下去？”

三

老张在一个周三的下午，决定做一个实验。

那天他处理完一堆杂事，坐在办公室发愣的时候，忽然想起刘主任那句话：“你们要是能用AI把运维成本降下来，或许还能维持”。他脑子里一直转着这个事，但不知道该从哪下手。他决定先不急着想“公司怎么转型”，先看看AI到底能做什么。他叫来一个跟了他很多年的资深工程师，姓周，三十六岁，从公司刚起步就跟着他干，技术底子是公司里最好的。

“老周，我想做个对比，”老张说，“我们拿一个项目，你一个人用AI做，另外三个人不用AI做。同一个项目，看一周后谁做得快。”

老周愣了一下，说：“你是想看看AI到底有多大用？”

“是，”老张说，“我得亲眼看到。”

他们选了之前做过的一个项目，是一个政务审批系统的几个核心模块。这个项目他们已经交付过类似的，功能很清晰：表单填报、流程审批、数据查询、报表导出。老张让老周用AI编程助手从头开始做这几个模块，同时安排另外三个初级程序员用传统方式做同样的模块。四个人，两种方式，同一个需求，为期一周。

一周后的结果让老张坐在屏幕前沉默了很久。老周用AI完成了约80%的功能，代码能跑，接口通了，测试大部分通过。另外三个初级程序员完成了约60%，功能基本实现，但还有不少地方要调试。老张把两边代码都拉出来看了一遍。AI生成的代码有些地方不够优雅，冗余判断多，注释写得有点机械。但老周在旁边盯着AI生成的过程，发现问题就及时修正，所以最终产出的代码质量并不差。三个初级程序员写的代码更符合他们的编码习惯，但调试花了他们大量时间。

老张不是在看代码，他是在算一笔账。老周一个人加AI，效率比三个初级程序员加起来还高。如果全公司都按老周的方式来做，同样的人力投入，产出可以大幅提升。而且他注意到另一个细节：老周这周没有加班；而三个初级程序员为了赶进度，加了三个晚上的班。老周每天准时走，走之前AI还在跑测试。

老张把老周叫到办公室。“你觉得这东西能用在全公司吗？”

老周想了想，说：“能用，但要看怎么用。AI写代码快，但需要有人盯着，它有时候会写出逻辑上说得通但业务上不对的东西。你得知道哪个地方容易出问题，提前告诉它，或者在它写完之后检查。说白了，用AI不是不用动脑子，是换了一种动脑子的方式。”

老张听懂了。AI不是自动驾驶，是辅助驾驶。司机还是得有人当，但司机的活儿变了，以前是自己踩油门打方向盘，现在是盯着路、判断什么时候该介入。

他决定在全公司推AI编程工具。但第一步不是买软件，是谈话。他先找几个跟了他十多年的老员工聊天。他知道他们心里有疙瘩，年轻人用AI效率高，他们不用显得效率低；但他们攒了十几年的经验和判断，是公司最值钱的东西。他不想让任何一个因为“跟不上”而离开。

他跟一个快四十岁的后端工程师坐在公司楼下的快餐店里，对方点了份盖浇饭，老张要了瓶水。他说：“张总，我知道AI有用。但有些时候，我宁愿自己写，自己写了才知道每一步是怎么走的。AI写出来，我看得懂，但总觉得那不是我的东西。”

老张说：“不是让你不用经验。是让你把经验用在更值钱的地方。以前你要花大量时间写基础功能，现在AI帮你写了，你省下来的时间用来审代码、定架构、教年轻人。那些事AI做不了。”

对方没说话，低头扒了几口饭。过了一会儿，他说：“行。我试试。”

老张知道这不是一个简单的事。他跟所有用了AI工具的同事反复强调，AI生成的代码，每一行都必须审。不是不信任AI，是因为AI不知道这个系统在实际业务中会在哪个节点出问题，它没在那个场景里被真实用户投诉过，没在现场见过那些历史数据混乱、业务流程断裂、甚至人为操作错误累积起来的“烂摊子”。但这些情况，十几个老工程师在这座城市的每一个政府机房、企业服务器上都见过。这份经验，现在被重新标了价。

团队慢慢适应了新节奏。老张观察到三个明显的变化。

第一个变化，项目排期大幅缩短。以前一个中等复杂度的表单系统，从需求确认到上线要很长时间，现在周期明显压缩。不是因为大家加班更狠了，加班反而减少了，而是因为基础代码的编写时间被AI吃掉了很大一部分。各行业的报告也在印证这一点，有的公司使用AI编程工具后开发效率提升三成以上，有的团队效率提升了好几倍。开发者反馈，Copilot能自动提供程式码范例，让工程师有更多时间进行架构设计与逻辑思考，跨领域上手也更快了。老周一个人用AI顶三个初级程序员的工作量，这在他亲眼看到对比实验之前是不敢信的。

第二个变化，工作的重心从“写”变成了“审”。老张发现，AI虽然快，但它有个毛病，倾向于生成冗余代码。有时候一个简单的权限校验，AI会生成三四层嵌套判断，每一层都依赖不同的中间状态变量。这些代码能跑，但逻辑路径复杂到人看不太懂。老周有好几次看着AI生成的代码直皱眉，最后还是自己重写了一遍。老张意识到，会写代码只是及格线，能用好AI的人才是现在真正需要的，他们不仅要会写提示词，更要在AI写完代码之后，判断它对不对、好不好、差在哪。这个发现让他想起那篇自己读过的程序员转型文章：《程序员：在AI定义一切的时代，“能调”比“能写”更值钱》。他忽然意识到，这个道理不仅适用于程序员，也适用于他这家公司。

第三个变化，有些老员工的隐性经验开始被“激活”了。老张发现，老周在使用AI时，会把自己多年积累的判断不断“喂”给AI。不是写代码，而是做决策。比如某个政务审批流程里有一个特殊的边界条件：某类申请在特定时间段内需要额外的人工复核。这个条件不在需求文档里，是几年前老周在现场调试时发现的。他用自然语言把这个约束描述给AI，AI自动生成了对应的校验逻辑和测试用例。老张看到这个场景时忽然意识到，这正是他之前在文章里读过的“老师傅经验”在软件公司的变体，以前这些经验只存在于老员工的脑子里，新员工来了要踩好几次坑才能学会；现在通过AI，这些经验可以被精确地表述并嵌入系统。

但他也看到了这件事情的另一面。如果一个新员工完全依赖AI，而他身边没有一个像老周这样有经验的工程师告诉他“AI这里为什么错了”，那他就永远不会知道那个隐藏在需求文档之外的边界条件。AI能快速生成代码，但无法教会一个人如何在真实环境中积累判断力。

这让老张开始思考公司组织架构的问题。过去他的公司是一层一层往上堆的传统架构，项目来了就配人，人不够再招，招不到就加班，一个项目组五六个人驻场是常有的事。但现在他发现，基础代码的编写已经被AI大幅覆盖了，以前三个人干的活，现在可能两个人加AI就能干。剩下的核心能力不是“会写代码”，而是两件事：一是能用AI写出高质量的代码，并且能判断AI代码的质量；二是要知道客户到底需要什么，是那些在需求文档之外、在政策细节里、在历史系统遗留问题中隐藏的真实需求。

这两件事，恰好对应两种人。前者需要懂AI的工程师，后者需要对行业有深度认知的老员工。老张开始琢磨，以前一个项目要五六个人驻场，现在两三个人就够了，剩下的人回来整理行业知识，把做过的一个政务项目的经验整理成知识库，下次遇到类似客户，直接调用，把核心能力从“人”转移到“系统”。

他在纸上画了一下架构，盯了很久。然后在旁边写了一行字：“以前靠人堆，现在靠知识堆。人少了，但知识不能少。”这不是一个他熟悉的组织方式。以前他管公司，就是看谁在忙、谁在加班、项目有没有按时交付。现在他要管的不是“谁在干活”，而是“公司的知识在哪”“AI能调用哪些”“年轻人能用AI做什么，老员工能教AI什么”。

他忽然想起了老孙，那个因为钉钉一次更新就丢了所有客户的朋友。老孙不是死在产品不行上，他是死在“认知没存下来”上。他做了五六年的考勤审批系统，攒下了对本地中小企业人事管理流程的大量认知，比如哪些岗位需要弹性打卡，哪些行业加班申请最多，哪些审批节点在实际执行中最容易被绕过去。但这些认知全在他脑子里。公司一关，什么都没留下。如果老孙当时把他的认知变成了知识库、变成了AI可调用的模块、变成了一套即使公司倒闭也能被带走的资产，他的结局会不会不一样？

老张不知道答案，但他知道，他现在要做的事，就是不让同样的事发生在自己身上。他把那张画了“两层架构”的纸叠好放在桌上，觉得这大概是一个方向。不是答案，但至少是个方向。

窗外，天色暗了下来。楼下的街灯亮了一排。老张靠在椅背上，盯着那张纸。他不确定这条路能不能走通，但他知道自己必须试。如果他不试，他的公司就会变成另一个老孙的故事。而他已经看过那个故事的结局，一个在机房里蹲了多年排查故障的老师傅，在社区的超市里摆方便面。他不想成为那样的结局。

四

老张在那个空白文档里写下“老系统，AI管”之后，开始到处找案例。他想知道，有没有人已经在做这件事了。

他搜到了一个让他印象深刻的公司。新疆北斗同创，做AI运维平台的。他们的核心产品是一个人工智能运维管理平台，用AI自动排查IT系统故障。过去人工检测需要30到40分钟才能定位的故障，现在3分钟就能找到问题所在，半小时解决问题。系统可靠性提升了83%，运维成本大幅降低。这家公司2024年产值做到了3个亿，入选了国家级专精特新“小巨人”企业，跟阿里巴巴、华为、腾讯一起登上了行业第一梯队的榜单。更让老张在意的是这家公司的起点：他们在新疆，不是在一线城市，却把产品从新疆卖到了全国。

老张盯着这条新闻看了很久。他不是在想这家公司有多厉害，他是在想，他们做的事，本质上是什么？不是技术有多牛，是他们在用AI解决一个被大厂忽略的问题，就是大型计算机系统的故障排查。大厂看不上这个市场，觉得太碎、太累、利润太薄，但这家新疆公司看上了，而且做成了。

他继续搜。湖北楚天云公司，入选了湖北省中小企业人工智能典型应用场景。他们的智能运维系统集成多个开源大模型，用自然语言交互，普通运维员工用说话的方式提问，系统能在分钟级给出故障原因定位、影响范围和处置建议。故障排查从“靠资深专家望闻问切”变成了“普通运维员工就能上手”，运维成本降低了近七成。

老张把这两家公司的信息放在一起看。新疆北斗同创做的是通用IT运维，面向大型计算机系统；湖北楚天云做的是政务云运维，面向政府客户。共同点是用AI替代人工排查故障，把运维这件事从“堆人”变成了“拼智能”。

这让他想起了刘主任那句话，“你们要是能用AI把运维成本降下来，或许还能维持。”原来有人已经在做这件事了，而且做得不错。

但光看别人的案例还不够。老张开始认真想一个他之前一直没想透的问题：如果他要把公司从“写代码”转向“卖认知”，从“项目交付”转向“AI服务”，他到底应该怎么做？他需要一个框架。

他开始梳理自己手头的牌。第一张牌是行业认知。他做了十五年本地政务系统，知道某局的审批流程有几个关键卡点，知道某类数据共享交换最容易出错的环节在哪，知道本地政府客户的预算审批周期和决策逻辑。这些认知，AI没有。第二张牌是客户关系。好几个政府客户合作了十几年，对方的科长、局长换了三任，他还在。第三张牌是存量系统的维护权。他手里还在维保的几个老系统，虽然利润微薄，但系统不能停，客户离不开他。

他想清楚了这几张牌，开始设计转型方案。第一步是把公司过去积累的行业认知整理成知识库。不是写文档，是把那些“为什么这个审批流程在第三个环节最容易被卡住”的经验，写成AI能理解的结构化数据。第二步是用AI工具武装现有的运维团队。引入AI运维工具，做智能日志分析、自动故障定位、自然语言交互操作。人少了，成本就降下来了。第三步是把运维能力变成一种新的服务，不是“我给你写个新系统”，而是“我用AI帮你管好你已经有的系统”。

他在那个已经写了好几页的文档里，把这套思路整理了出来。不是给客户看，是给自己看。他需要确定自己不只是在换产品，而是在换逻辑，从“卖人力”换到“卖认知+AI能力”。

然后他想起了另一件事。他公司里那个年轻人跟他说的话：“如果我们都用AI，项目的开发成本能降一截，利润率就上去了。”老张当时觉得这个年轻人想得太简单，但现在他开始想，也许这个年轻人说的不是全貌，但方向是对的。如果他把开发团队也用AI武装起来，不仅运维成本能降，开发成本也能降。那他的公司就不是在卖“写代码的人力”，而是在卖“用AI加速后的开发能力+行业认知”。

他搜了一下这方面的案例。瑞典有一家公司叫Lovable，做AI编程平台的，只有45个员工，但ARR做到了7500万美元，估值达到18亿美元。他们做的事情很简单，就是让用户用自然语言描述需求，AI自动生成应用。老张不是想变成Lovable，他是在想，45个人能创造这么大的价值，是因为AI把重复劳动替代了，人去做AI做不了的事。

老张合上电脑，走到窗前。楼下那条街上的路灯已经全亮了。他想起自己刚创业的时候，三十出头，带着几个程序员挤在一间小办公室里，每个人都会写代码，每个人都扛着项目往前冲。那时候没有AI，没有平台吞噬，没有预算缩水。只要代码写得好，客户就满意，公司就能活。现在不一样了。代码本身不再值钱，值钱的是知道“为什么这样写、为什么不那样写、为什么这个审批流程在第三个环节最容易被卡住”的判断力。

他把这个判断写进了文档的最后一行：“我们不是在和AI比谁能写代码，我们是在比谁知道客户真正需要什么。AI能写代码，但AI不知道这个审批流程在第三个环节为什么最容易被卡住。那个知道的人，是我们。”

他往后靠在椅背上。他还没有答案，但他有了一个方向。不是成为下一个Lovable，不是成为下一个新疆北斗同创，而是在三线城市、在他服务了十五年的本地市场上，重新定义自己：一个用AI武装起来的、深耕本地政务和中小企业信息化服务的、靠认知和信任赚钱的小软件公司。

窗外，街灯亮了。老张把文档存好，合上电脑。明天他要去找刘主任，跟他聊聊“用AI管老系统”的事。他不知道能不能谈成，但他知道，这是他能走的路。

五

老张把自己关在办公室里，对着电脑坐了一整个下午。他不是在写代码，也不是在改方案，他在翻过去一个月里搜集的所有资料：新疆北斗同创的运维平台、青海小禾的政策服务、加拿大Bench的倒闭、美国Intercom的重生、Lovable的45人奇迹。他把这些公司的名字写在纸上，看了又看。

他不是在想哪个模式最好，他是在想哪些路不能走。

这不是一个抽象的问题。老张认识的同行里，转型失败的比成功的多得多。他在一个行业交流群里看到过一组数据：超过80%的SaaS企业AI转型没达到预期，钱烧完了只留下几页漂亮概念的，硬加AI把老客户赶跑的，卖一单亏一单纯给大模型厂商打工的，都有。老张不想成为那个80%。

他把这些失败案例一个一个拆开看，想从里面找出共性。看着看着，他发现了三条最容易踩进去的坑。

第一种死法：换皮不换骨，从“定制外包”滑向“AI外包”。

老张见过不少同行看到AI火了，就把公司的主打词从“信息化系统”改成了“AI解决方案”，把业务从“人天+代码”变成“人天+AI模型”。听起来是转型，实际上什么都没变，还是接项目、堆人头、熬交付，只是换了个技术栈。

他在一个技术社区里看到一段话，大意是：很多独立软件开发商接的项目越多，团队越忙，但利润率和产品能力并没有同步增长。客户要求定制，每个项目都有“最后一公里”的个性化需求，导致开发过程难以标准化。大量基础功能在不同项目中反复开发，最资深的工程师被困在重复的增删改查里。公司本质上变成了一家“高级人力外包商”，卖的是人天，不是产品，增长天花板清晰可见。

老张把这段话看了好几遍，他感觉这段话说的就是他。他想起自己公司过去几年接的那些项目，每一个都要定制，每一个都要驻场，每一个最后算下来都没什么利润。如果把开发工具从手动变成AI辅助，但商业模式还是“接项目—堆人—熬交付”，那AI不但帮不了他，还会加速他的死亡。因为AI能更快地写代码，他就能接更多项目，然后更快地陷入规模不经济的陷阱。

他在纸上写了一行字：“不是做什么的问题，是怎么做的问题。不能换产品不换思维。”

第二种死法：幻想自研大模型，把钱烧在别人的游戏里。

老张在一个行业群里听说了邻市一家软件公司的故事。这家公司原来做政务系统，规模比老张大一些，大概四五十人。去年年初，公司老板看到AI火了，决定投入大笔资金自研行业大模型。招了几个算法工程师，租了GPU服务器，吭哧吭哧干了大半年。钱烧了大几百万，模型没做出来，原来的主营业务也耽误了。到去年年底，公司关门了。

这不是个例。老张后来看到一份行业分析，里面提到很多企业听闻AI概念后，董事长或创始人直接指派IT部门主导，在项目初期便大量采购大模型、部署GPU算力、堆砌基础设施，但忽视业务部门实际需求。待基建完成，发现没人知道怎么用。业务人员不参与，项目最终因价值验证缺失而失败。还有一组更扎心的数据：95%的企业没有从AI投资中获得有意义的回报，原因不是模型不行，而是组织根本没有为AI做好准备。

老张想，他公司一共二十个人，没有算法工程师，没有算力资源，没有大模型训练数据。如果他也去自研大模型，那不是转型，那是自杀。大模型这游戏是巨头的游乐场，百度、阿里、腾讯、华为，随便一家一年的研发预算都比他公司的总资产还高几个数量级。这不是他该玩的游戏。中小公司的AI机会不在宏大叙事，而在大平台看不上或做不精的“最后一公里”。

他在纸上又写了一行字：“不是不想做平台。是做不起。”

第三种死法：仓促上阵，顶层设计缺失。

老张翻到加拿大Bench的案例时，停下来看了很久。Bench是一家在线会计服务公司，曾经红极一时，筹集了超过1亿美元的风投资金，拥有上万名客户。在业务增长放缓后，Bench决定大规模导入AI来替代人工会计服务。它进行了裁员，推出了一个叫BenchGPT的自动化机器人。

但AI没能像预期那样替代人类会计师。自动化服务没有按计划扩展，反而需要更多人工来补救。账目处理出现了长时间的延误，大量客户的账本堆积如山，完不成工作。2023年纳税季，公司不得不为大量客户申请延期报税。到了2024年底，Bench突然通知客户：我们没法处理你们的账本了。客户措手不及，财务数据瞬间消失。2025年1月，公司申请破产。

老张把Bench的失败看了好几遍，在纸上写下了几个关键原因：第一，仓促上阵，没有小范围验证。Bench是大规模铺开AI自动化，一下子把整个人工团队砍掉，指望AI能立刻顶上。结果AI顶不上，人也走了，两面塌。第二，技术不成熟。AI在处理复杂的非标准化账目数据时准确率不够高，而对会计来说，准确率不够高就是不可用，一个数字错了，后果可能很严重。第三，客户被迫承担转型代价。不是AI帮客户省了钱，而是AI把客户的账目弄乱了，客户还得找别的公司重做。这就是仓促上阵、顶层设计缺失的典型后果。

在纸上写下Bench的教训后，老张又看了看另一个案例：美国Intercom。这是一家做在线客服系统的传统SaaS公司，估值曾经达到数十亿美元，ARR高达数亿美元。但在高峰期之后，公司陷入了严重的增长停滞，净新增ARR连续多个季度下滑，净新增收入几乎为零。

Intercom的创始人Eoghan McCabe在2020年因病卸任CEO。2022年底他重新接手时，公司已经机构臃肿、活力流失、战略分散。“我们变成了如今许多后期软件公司的通病，”他后来回忆，“试图为所有人提供所有服务，却不清楚自己真正要解决哪些问题。”

ChatGPT上线后一个月内，Intercom就做出了一个决定：All in AI。McCabe迅速做出了一系列强硬调整，流失了近40%的员工，砍掉了所有非核心业务，把全公司聚焦到一件事上：开发AI客服智能体产品Fin。Fin上线后，Intercom彻底改变了商业模式，从按软件席位收费，转向按解决问题的效果收费：客户每次成功解决问题，只需支付0.99美元。

这个转型的痛苦程度超出了很多人的想象。McCabe后来在一次播客中说，他必须用“创始人模式”来推动，不能靠全员协商，因为公司里很多人会本能地抵抗变革。但结果证明这条路走通了。Fin的增长率超过300%，ARR从100万美元增长到1200万美元，不出几个季度就将突破1亿美元。

老张把这个案例和Bench并排放在一起看。Bench也All in AI了，死了。Intercom也All in AI了，活了。区别在哪？

老张在纸上写下了几个关键区别。第一，先验证，再铺开。ChatGPT上线后，Intercom在一个多月内就做出了Fin的原型，先在小范围验证AI客服能做什么，然后才全面转型。Bench是一下子大规模铺开AI自动化，没有经过小范围验证，结果AI顶不上，人也走了，两面塌。第二，顶层设计先行。Intercom不仅改了产品，还改了组织架构、商业模式、定价逻辑，把整个公司从“卖软件”变成了“卖结果”。Bench只改了工具，用AI替代人工，但商业模式、组织架构、客户关系都没变。第三，创始人亲自推动。McCabe回到CEO位置上，用“创始人模式”强硬推动转型，裁掉了不适应新方向的人，留住了能跟上的人。Bench在被风投资本主导后，创始人和投资人出现了战略分歧，创始人被赶走，转型失去了连贯的推动力。

老张把纸上的笔记从头到尾看了一遍。三种死法，两个对照案例，一个共同的启示：转型不是换工具，是换逻辑；换工具的公司死在路上了，换逻辑的公司活下来了。

窗外已经是傍晚。楼下的街灯亮了一排。他把那张纸叠好，放在桌上。他知道，他的公司体量远小于Intercom，他没有数亿美元的ARR，没有几千名员工，没有硅谷的融资渠道。但他也知道，他的公司在很多方面更像是Intercom转型前的状态，增长停滞，模式老化，团队迷茫。Intercom能在体量比他大百倍的情况下完成“壮士断腕”，他一个二十人的公司，更应该转得动。

问题不是能不能转。是敢不敢转，以及怎么转。

他把电脑屏幕上的Bench案例又看了一遍。那家公司筹了上亿美元，最后死在了AI转型的路上。不是没钱，是没想清楚。老张在纸上最后写了一行字：“既不能不转，也不能乱转。想清楚了再动，动起来就别停。”

他把笔放下，靠在椅背上。窗外已经完全暗下来了。他想起那个已经关掉了公司、在社区开超市的老孙，想起自己被客户砍掉三分之一的运维合同，想起那个年轻员工跟他说“如果我们都用AI，利润率就上去了”。那些失败的故事和那些活下来的案例，在他脑子里交叠在一起。

他不是害怕失败，他是在失败里找自己的路。

六

老张给刘主任打了个电话，约他见面。

还是那间办公室，还是那只泡着浓茶的杯子。刘主任坐在桌子后面，手里拿着一份文件，正在看。老张进来的时候，他把文件放下，摘下眼镜。

“老张，又来谈维护费的事？”

“不是，”老张说，“我是来跟您聊聊，我们怎么用AI帮您把老系统的运维成本降下来。”

刘主任的眉毛抬了一下。

老张把自己这段时间的想法讲了一遍。他没有讲什么宏大战略，没有提大模型、知识图谱这些词。他只说了一件事：他可以用AI工具来管他们局里那几个跑了多年的老系统。以前系统出故障，要打电话叫驻场工程师来排查，人到了先看日志，一看几个小时，找到问题再修。现在他可以用AI做智能日志分析，系统出了问题AI自动扫描，几秒钟定位故障原因。普通的运维操作，比如重启服务、清理缓存、数据备份，用自然语言交互就能完成，不需要懂命令行。一些常见的故障类型，可以预先设置好修复脚本，出了问题AI自动执行。

“人少了，成本就降下来了，”老张说，“你们不用再养一个驻场工程师天天坐在这里，有问题AI先处理，处理不了的我们再来。”

刘主任听完，沉默了一会儿。他把茶杯端起来，喝了一口，放下。

“你说的这个东西，可靠吗？”

“我们在自己内部已经试过了，”老张说，“AI排查故障确实比人快很多。当然不是完全替代人，但可以把人的工作量降下来。”

刘主任点了点头，没再追问技术细节。他想了想，说：“我们今年确实没钱新建什么系统了。但老系统不能停，停了科室那边要闹。你要是能把维护费降下来，我这边好做一点，你也好做一点。”

老张听懂了。这不是一个承诺，但这是一个开始。

从刘主任办公室出来的时候，天已经快黑了。老张站在区政府楼下，点了一根烟。他看着街上的车流，忽然想起自己第一次来这里，那是十几年前，他刚创业，来谈第一个项目。那时候他紧张得手心冒汗，觉得自己什么都不懂。现在他已经在这里进进出出无数回，但他此刻的心情和那时候有点像，都是要去做一件自己从来没做过的事。区别在于，那时候他知道自己要做的是什么，只是怕做不好；现在他连“做得好不好”都不知道，他只知道他必须试。

他掐掉烟，开车回公司。一路上他都在想一个问题：如果他要带公司走这条路，他需要所有人跟上。

第二天下午，他把全公司二十个人叫到会议室。人挤在长桌两边，几个来晚的靠在墙边。老张站在最前面，没有PPT，没有白板，手里就拿着一杯水。

“今天跟大家聊一聊，我们公司以后怎么走。”

他把这段时间的思考从头讲了一遍。经济下行，客户没钱了；AI碾压，代码贬值了；平台吞噬，市场被收了；定制泥潭，接项目不赚钱。然后他讲了新疆北斗同创、美国Intercom、加拿大Bench，那些活下来的和倒下的。最后他讲了他的想法：从“写代码”转向“卖认知”，从“项目交付”转向“AI服务”，从“堆人”转向“拼智能”。

会议室里安静了几秒。然后那个之前找他谈话的年轻工程师举手了。

“张总，您说的这个方向我认同。但我有一个问题，我们现在用的那些AI工具，能不能真的接到客户系统上去？客户的系统都是在内网里跑的，AI工具要联网才能用，这个怎么解决？”

老张还没回答，一个老员工开口了。“这个问题我们以前做政务系统的时候就遇到过，内外网隔离，数据不能出机房。AI工具需要联网，但我们可以把AI部署在客户的内网里，不走公网。现在有开源的本地部署方案，不用联网也能跑。”

老张看了那个老员工一眼。他是几个一直不太愿意用AI的老工程师之一，但此刻他在帮年轻人解决技术问题。

另一个年轻工程师接着问：“那本地部署需要GPU服务器，客户愿意投这个钱吗？”

老员工想了想，说：“不用买整台服务器。现在有一些轻量级的推理框架，用消费级显卡甚至CPU都能跑，效果虽然没有大模型那么好，但做日志分析和故障定位够了。而且现在云厂商也提供私有化部署方案，AI能力部署在客户本地机房，数据不出域，但模型更新和维护走云端。”

会议室里的讨论开始热闹起来。老张站在最前面，听着他的工程师们讨论AI怎么本地化部署、怎么跟老系统对接、怎么保证数据安全。他没有插话，只是站在那看着。他忽然意识到一件事：他之前一直担心公司内部会分裂，年轻人用AI，老员工不用，两边不对付。但此刻在会议室里，那个曾经排斥AI的老工程师正在帮那个问问题的年轻人解决这些落地难题。他听着他们的讨论，不完全听得懂，什么推理框架、私有化部署、数据不出域，但他看得懂他们的表情。他们不是在争谁对谁错，他们是在一起解决一个共同的问题：怎么让AI在这座城市的机房里真正跑起来。

他之前想过的那个“小前端+大中台”架构，在这一刻变得具体了。老员工的经验不只是在“写代码”上，他们对本地客户系统的理解、对政务内外网架构的熟悉、对数据安全合规的把握，是年轻人短期内补不了的。这些认知在“怎么把AI部署到客户内网”这个问题上，直接变成了解决方案。年轻人懂AI工具，老员工懂本地部署，两个人合在一起，才能把AI用起来。

讨论告一段落之后，老张重新开口。“大家刚才问的那些技术问题，我都记下来了。具体怎么部署、用什么框架、怎么保证安全，这些你们比我懂。我今天想说的不是技术方案，是方向。”

他停了停，看着在座的每个人。

“我们公司做了十五年本地信息化服务。这十五年里，我们给这座城市做过的所有系统，有些已经退役了，有些还在跑。我们积累的东西不只是代码，还是这座城市信息化建设的历史。我们修的不仅仅是电脑和服务器，也是在这座城市的政府、企业、医院、社区之间跑了多年的信息管道。哪个系统在什么时间点出过什么故障，哪个数据接口在什么情况下会断裂，哪个审批流程在实际执行中会被绕过，这些我们全知道。这些认知，大厂没有，AI没有。”

他看了一圈在座的同事，继续说：“AI来了之后，很多人说软件公司要死了。代码不值钱了，定制开发没人要了，平台会吃掉一切。但我想了很长时间，我觉得不是软件公司要死了，是‘只会写代码’的软件公司要死了。”

会议室里安静了几秒。老张把手里的水杯放在桌上，说：“我不管AI能写多少代码，我只管一件事：我们比AI多知道什么？我们比大厂多知道什么？”

他把那个存在电脑里好久的文档投影到屏幕上。第一页写着：“我们的认知资产清单。”

下面是一行一行的条目，都是他跟几个老员工在过去几周里一起整理出来的：

- 本地三个区级政府部门的审批流程差异，以及每个流程中最容易被卡住的环节

- 政务内外网数据交换的特定安全规范

- 本地几家重点企业ERP系统的历史故障记录与排查经验

- 十年来积累的数十个常见需求模板和解决方案框架

- 一个合作了十五年的老客户所有信息化系统的版本迭代记录

老张指着屏幕说：“这些就是我们不被AI替代的东西。AI能生成一万行代码，但它不知道这个审批流程在第三个环节为什么最容易被卡住；它不知道那个数据接口在什么情况下会断；它不知道那个历史故障记录里藏着什么规律。这些我们全知道。”

他关掉投影，看着在座的每个人。“接下来我们要做的，是把这些认知变成AI能用的东西。不是把我们自己变成AI专家，是让AI变成我们的工具。你们中懂AI的人，负责研究怎么用AI来干以前需要堆人的活儿，比如代码生成、故障排查、自动测试。你们中懂业务的人，负责把自己知道的写下来、录下来、整理出来。这些是AI学不到的，是我们最值钱的东西。以前你们是凭经验来干活，现在你们是把自己的经验‘喂’给AI，让它能帮整个团队干活。”

会议结束后，老张回到自己的办公室。窗外已经全黑了，楼下街上的路灯亮了一片。他坐在椅子上，看着墙上那张老照片，公司刚成立时拍的，他三十出头，带着几个程序员挤在一间租来的小办公室里。那时候他不知道什么叫AI，不知道自己有一天会被经济下行、AI碾压和平台吞噬这三件事同时逼到重新想公司的活路。

但他知道那时候的自己会写代码，会带项目，会在一堆不知道怎么办的事情里找到办法。

他打开那个已经写了很多页的文档。第一行还是“我们能做什么？”，光标还在闪。他往下翻了翻，看到了自己过去一段时间写下的那些条目：行业认知、客户关系、运维成本、AI工具、本地部署、团队整合。他盯着那些条目看了很久，然后在最后一行写下了一行字：

“我们不是在和AI比谁能写代码。我们是在比谁知道这座城市需要什么。”

写完，他靠在椅背上。街灯把窗帘的影子投在墙上，微微晃动。他把文档存好，合上电脑。明天他要跟团队一起把第一版认知资产清单整理完，然后去找下一个客户。不是去推销一个新系统，而是去告诉他们：你们的老系统，我可以用AI帮你们管好。

他不知道自己是不是找到了答案，但他知道自己在做一件他在十五年前刚开始创业时做过的事：去一个没人去过的地方，试着走一条没人走过的路。那时候他什么都没有，只有会写代码的几个人；现在他还是什么都没有，没有大厂的技术平台，没有巨头的算力资源，没有一线城市的人才储备。但他有比那些更重要的东西：这座城市的信任，和十五年攒下来的认知。这些，是AI暂时还学不会的。