❝
「2026 年，可能是软件护城河开始松动的元年。」
不是软件马上就会死，而是它正在慢慢失去过去赖以生存的一些优势。
❞
01 一个音乐格式，让我突然有了个大胆的想法
不知道从什么时候开始，越来越多的音乐平台，不再老老实实地给你一个 MP3 文件了。
开通会员，可以听，可以下载。
但下载下来的文件，未必是一个能随便拿到其他播放器里使用的 MP3。
比如网易云音乐的 .ncm 格式。
文件确实在你的电脑里，但换个平台，可能就不认了。
当然，这背后有版权保护、平台生态等多方面的原因。
但我突然想到一个问题：
「连软件的二进制文件都能被 AI 辅助分析，一个小小的音乐加密格式，又能有多大的技术壁垒？」
于是，我打开 DeepSeek，让它帮我研究如何把 NCM 音乐转换成 MP3。
结果有点超出预期。
AI 不仅帮我处理音频，还能进一步提取独立的歌词文件 .lrc，甚至把歌曲封面也一并提取出来。
既然单个文件能处理，那为什么不干脆做成一个批量处理工具？
于是，我又让 AI 帮我写了一个完整的 GUI 程序。
- 批量导入音乐
- 自动解析音频
- 提取歌词文件
- 导出歌曲封面
- 一键批量处理
「从提出需求到得到一个能运行的工具，整个过程只花了大约 3 分钟。」
有图形界面，操作简单，还能考虑跨平台运行。
当然，这只是这次实际体验中的耗时，不代表所有加密格式都能在三分钟内破解。
但真正让我感到有意思的，不是这个小工具本身。
而是我突然意识到：
❝
「以前需要专门找开发者、下载第三方工具才能解决的问题，现在可能只需要跟 AI 说几句话。」
❞
当一个工具的开发成本接近于零，它原本的商业价值还剩多少？
02 如果连二进制都不再神秘，软件还剩什么护城河？
过去，软件开发有一道很重要的门槛：「逆向工程。」
开发者写的是 C++、C#、Java 等源代码，经过编译、打包后，交付给用户的往往是二进制程序。
拿到程序的人，可以使用它，却很难直接还原它的完整实现。
尤其是一些复杂软件，想分析程序行为、复现交互逻辑，往往需要专业人员花费大量时间。
但现在，AI 正在改变这件事。
以前，你想复现一个软件的功能，可能需要：
- 找懂逆向工程的人；
- 分析程序结构和数据格式；
- 一点点还原业务逻辑；
- 不断调试，逐步逼近原版功能。
现在，你可以让 AI 辅助分析程序行为、整理协议、编写解析器，再通过测试不断修正结果。
如果再结合 REA 这类逆向分析与辅助开发工作流，整个过程还有机会进一步加速。
当然，AI 并不是按下按钮，就能把任意二进制文件一比一还原成原始源代码。
但问题在于：
「我们真正需要的，往往不是原始源代码，而是它的功能。」
这两件事，完全不同。
一个软件即使有几百万行代码，如果它的核心价值集中在一些可观察、可测试的功能上，那么 AI 就有机会帮助开发者，用另一套实现方式把这些功能重新做出来。
当这种能力逐渐普及，软件的二进制文件就不再天然等于一道无法跨越的技术壁垒。
03 从音乐解密，到 PhotoCraft：这才是真正值得关注的地方
音乐转换只是一个很小的例子。
我更感兴趣的，是 AI 能不能复现那些真正复杂的软件。
十年前，很多人都在讨论一个问题：
为什么中国企业做不出 CAD？
为什么很难做出 Photoshop 级别的软件？
这些软件背后，是多年的算法积累、复杂的交互设计、庞大的功能体系，以及大量工程师不断打磨的结果。
想从零开始做出一个成熟的替代品，成本高得惊人。
但现在，情况正在发生变化。
我最近体验了一下 「ArtCraft Launcher」，里面复刻的 「PhotoCraft」，给我的感受就是：
❝
「不敢说一模一样，但在一些功能和使用体验上，已经有了相当接近的感觉。」
❞
这里需要区分清楚：体验接近，不代表底层实现相同，更不代表已经完整替代了成熟的商业软件。
不过，这件事本身就很有启发。
过去，一个软件公司可以依靠复杂的功能积累，让竞争对手望而却步。
现在，AI 可以帮助一个小团队更快地理解需求、生成代码、复现交互，再通过不断测试补齐功能。
原本需要几十个人、花费几年时间才能尝试的事情，现在可能只需要几个人，就能做出一个值得拿出来比较的版本。
这并不意味着复杂软件已经没有技术门槛。
而是说：
「复制一个软件的部分能力，正在变得越来越便宜。」
04 以前我们缺的是软件，现在我们可能缺的是想法
想象一下未来的软件市场。
你觉得某款软件太贵？
让 AI 帮你做一个功能精简版。
你觉得某个软件有 80% 的功能都用不上？
让 AI 只保留你需要的 20%。
你觉得某个工具操作太复杂？
让 AI 按照你的使用习惯重新做一个界面。
甚至，你可以直接描述需求：
❝
帮我做一个可以批量读取文件夹、自动提取音频、整理歌词和封面的工具，要有 GUI，最好还能跨平台运行。
❞
然后，一个能运行的初版就出现了。
以前，我们需要适应软件。
「未来，软件可能越来越需要适应我们。」
这对个人开发者尤其重要。
过去，一个人很难和成熟的软件团队竞争，因为你没有那么多时间、资金和人力。
但 AI 降低了开发成本以后，个人开发者可以把精力集中在需求理解、产品设计和实际体验上，而不是把大量时间花在重复编码上。
对于小众需求，这种变化尤其明显。
一个只有几百人需要的工具，过去可能没有公司愿意投入资源去开发。
但如果开发成本足够低，它完全可以被做出来。
软件的数量，可能会因此迎来一次爆发。
05 那么，软件公司是不是要完蛋了？
我觉得，没那么简单。
说「AI 即将终结所有软件」，确实有点夸张。
但如果把它理解为：
「AI 正在终结一部分软件过去赖以生存的护城河。」
我认为，这个判断值得认真讨论。
第一，复杂软件并不只是代码
CAD 的几何内核、Photoshop 的图像处理算法、大型工业软件的计算模型，都需要长期积累。
AI 可以降低开发门槛，但不代表这些技术会凭空消失。
第二，企业软件真正难的地方，可能根本不在代码
稳定性、兼容性、数据安全、权限管理、售后服务、行业经验……
这些东西不是生成几个文件就能解决的。
第三，还有法律和版权问题
能够在技术上分析一个程序，不代表可以随意复制它的代码、资源或受保护的内容。
音乐文件的转换也涉及版权许可、平台条款和具体使用场景，不能简单地认为所有加密文件都可以任意解密和传播。
所以，未来的软件公司不会全部消失。
但那些仅仅依靠功能复杂、代码难懂、用户没有替代品来维持优势的产品，可能会越来越难受。
当用户可以用 AI 做出一个足够好用的替代品时，原来的软件就必须重新回答一个问题：
❝
「为什么用户还要继续付钱给你？」
❞
06 真正的护城河，可能要换一种方式修了
如果代码本身越来越容易生成，软件公司的竞争力会转移到哪里？
我认为至少有四个方向。
「01｜数据与专业知识」
真正有价值的行业数据、经过验证的算法，以及多年积累的业务经验，并不会因为 AI 能写代码就自动变得廉价。
「02｜产品体验」
能运行和好用，是两回事。
一个工具可以三分钟生成，但要做到稳定、流畅、易用，能够解决用户的真实问题，仍然需要不断打磨。
「03｜生态与服务」
协作、云端同步、团队管理、企业集成、技术支持，这些能力可以形成更持久的竞争优势。
「04｜信任」
对于企业来说，软件是否可靠、数据是否安全、出了问题有没有人负责，往往比某个功能能不能被复刻更重要。
所以，我更愿意把正在发生的变化理解为：
❝
「软件的价值，正在从「我能开发出你开发不出来的功能」，逐渐转向「我能持续提供你真正需要的价值」。」
❞
写在最后
以前，我们觉得软件很神秘。
一个 .exe 文件放在那里，里面藏着多少算法、多少逻辑，普通人根本无从知晓。
现在，我只是从一个音乐格式转换的小需求出发，让 AI 帮我做出一个带界面的批处理工具。
然后我开始思考二进制、逆向工程、软件复刻，以及那些过去看起来遥不可及的大型软件。
这几个看似不相关的事情，最后指向了同一个问题：
「当写软件越来越便宜，软件本身还值多少钱？」
也许 2026 年并不是软件死亡的元年。
但它很可能是一个转折点。
过去，我们需要先有一个团队，才能把想法变成软件。
未来，我们可能只需要一个想法，就能先得到软件，再决定要不要把它做成一门生意。
对于软件行业来说，这既是挑战，也是机会。
至于那些过去靠技术壁垒收费的软件公司……
我只能说：
以前你把门锁得再严，别人可能也进不来。
现在，AI 不一定能直接打开你的门。
❝
「但它可能已经开始教所有人，怎么自己盖一间新房子了。」
❞
你觉得 AI 最先冲击的，会是哪一类软件？是图片处理、音视频工具，还是 CAD、工业设计这类专业软件？欢迎在评论区聊聊。
