手搓自由之后，为什么大部分 AI 应用跑不起来？
苏小强约 6 分钟崔牛会是国内最有影响力的 SaaS 与 To B 社群之一，最近把新官网上线了（ai.cuiniuhui.com）。
创始人崔强没有请外包团队，而是用 superun 自己“手搓”了出来：把原本分散在文章、采访、研究报告中的行业信息，整理成可以查询、比较、引用并用于决策的线上系统。除了内容，活动报名、企业诊断、会员服务和商务合作，也被放进官网上持续运营。
这意味着，崔强用 superun.ai 搭建的并不是一个用于展示的网页，而是一套已经开始承接内容生产、研究沉淀、活动运营、支付和会员运营的真实业务系统。
最近，superun.ai 创始人白鸦、加菲和崔强做了一场直播对谈。讨论就从这套真实运行的系统开始，逐渐指向一个比“AI 能不能写代码”更重要的问题：
当每个人都可以用 AI 做软件以后，为什么大多数应用仍然跑不进真实业务？
功能越容易增加，越考验产品克制
白鸦在直播里提到，每一个刚开始做产品的人，最容易犯的错误都是拼命增加功能。
今天的模型又会放大这种冲动，你提出五个需求，它完成以后，还会继续建议另外五个。每一个建议单独看都很合理，组合在一起，却可能让产品迅速膨胀。
崔强就遇到了这个问题。AI 给出的规划经常比他自己想得更完整，等到功能全部加进去，他才发现系统已经偏离了最初的需求，想退回去也没有那么容易。
所以 superun 做了两件事：
第一，先与用户对话，重新确认使用者、业务场景和目标，再把准备执行的任务列出来，让用户决定哪些现在要做，哪些暂时不需要。
第二，支持多人、多个任务并行，但刻意控制并行任务的数量。
superun 会认真模拟架构师做一套规划，把原型、预期结果都摆给用户看，让用户在一个大的、稳定的框架里迭代，而不是看到什么都想加。
当功能的生产成本大幅下降，“能不能做”已经不再是最难的问题。“应不应该做、现在要不要做”，反而成为更稀缺的判断。
能生成 Demo 的 AI 很多，能交付生产级系统的很少
白鸦把 AI coding 产生的结果分成了几个层次：完成一次任务、做出一个 Demo，以及搭建一套能够长期运行的生产系统。
让 AI 每天盯几只股票定时发个报告，是一个任务。根据一句需求生成一个官网，是一个 Demo。但如果要做一个真实业务系统，前面有用户注册和支付，中间有数据处理，后面有管理员、权限和运营流程，复杂度就完全不同了。
真实系统不能只在开发者自己的电脑上运行，它还要允许真实用户进入。Demo 出错，重新生成就可以了；生产系统出错，可能影响正在付款的客户、已经沉淀的数据和正常运转的业务。
加菲提到，从一段能够在本地运行的代码，到一套可以在线上稳定服务客户的系统，中间还有很长的路。它需要生产级数据库和云存储，需要处理权限、数据安全和敏感信息，需要完成代码审查、自动化测试、安全扫描和性能优化。版本上线以后，还要能够持续更新，并在出现问题时迅速恢复。
很多 AI Coding 工具解决的是最前面的问题：如何更快地把代码写出来，再用最短路径把页面部署到网上。但页面能够访问，只能证明代码跑起来了，不能证明系统已经具备了承接真实业务的能力。
superun.ai 想补齐的，正是从 Demo 到生产系统之间的能力。
在开始开发之前，superun.ai 会先与用户确认需求、梳理业务流程并规划整体架构；开发过程中，加入代码审查、自动化测试和安全检查；开发环境与生产环境彼此隔离，即使新功能写错，也不会直接影响正在运行的线上业务；如果新版本发布后出现异常，也可以快速回滚到稳定版本。
AI 改写的，是业务与技术的协作方式
如果 AI coding 只是让程序员写代码更快，它对组织的价值可能没有想象中那么大。
因为前面的需求沟通、产品设计、研发排期和反复确认都没有改变。程序员虽然少写了几天代码，业务人员依然要画原型、写文档、等待开发。
白鸦认为，AI 进入企业以后，正在同时产生三种变化：
第一种是技术人员开始补齐产品和业务能力，一个人就可以完成过去需要产品经理、设计师和程序员协作的项目。
第二种是懂业务的人开始直接搭建工具。财务、销售运营、客户运营不再需要为每个需求排开发计划，可以先把自己真正需要的系统做出来。
第三种则是业务和技术进入一种新的协作方式：业务人员负责需求、流程和第一版系统，技术人员在同一个项目中处理接口、安全、性能和上线。
在有赞内部，一套服务 1000 多名销售的管理系统，过去至少需要十几个人开发几个月，后续还要留下团队持续维护。现在，这套系统由一名销售运营人员梳理需求和搭建业务流程，再由一个技术人员支持接口和上线，两个人就能跑起来。销售可以领取线索、生成客户方案、记录沟通内容，管理者也可以看到一线团队遇到的问题。
业务人员不再通过一份文档向技术解释自己想要什么，而是直接交付一个可以操作的系统。技术人员面对的也不再是模糊需求，而是已经跑通的业务流程。
AI coding 真正压缩的，不只是写代码的时间，更是需求在不同角色之间反复传递的距离。
定制会成为主流，但通用 SaaS 不会消失
当 coding 的成本降到过去的 1%，许多关于软件的基本判断也会改变。传统 SaaS 追求用一套产品满足大量客户，因此需要不断增加功能。但当复制和修改一个系统的成本足够低，为每个客户提供一套单独的版本，反而可能比维护复杂的多租户系统更简单。
定制软件因此可能从少数大企业才能承担的项目，变成越来越普遍的选择。但这不意味着所有软件都值得自己手搓。
白鸦划了一条很清楚的边界：越靠近企业内部、流程相对稳定的系统，越适合定制；越靠近市场前线、依赖外部变化和行业经验的系统，越适合使用成熟平台。
绩效、报销、内部销售流程等系统，通常具有鲜明的企业特点，也不会每天随外部环境变化，很适合围绕自己的组织方式搭建。广告投放、内容营销、会员运营等系统则不同。它们需要持续吸收平台规则、行业变化和大量客户的最新实践。如果完全关起门来自建，反而可能失去外部信息。
性能要求高、规模成本算不过来的系统，也不适合轻易定制。成熟平台积累的不只是软件功能，还有服务器、流量、稳定性和规模采购形成的成本优势。
白鸦以直播工具为例，算了三笔账。
第一笔是稳定性。一场直播可能有几万人进入、几千人同时在线，还要承接实时下单。系统一旦卡顿或崩溃，影响的就是正在发生的交易。这样的高并发能力，很难靠手搓快速补齐。
第二笔是开发成本。采买一个成熟工具，一年可能只需要一万多元。自己重新做一套，未必能够省下多少钱，还会失去平台已经积累的运营能力。
第三笔是运营成本。成熟服务商统一采购服务器、流量、短信等资源，再把成本分摊给所有客户。单个企业即使把软件做出来，也要独自承担这些费用，最后可能比购买现成系统更贵。
因此，AI coding 不会简单消灭 SaaS，而是重新划分标准化与定制化的边界。
白鸦：
过去几个月，我看到越来越多的人用 superun ，把原本停留在想法的业务需求，真正做成了可以运行的生产级系统。
这些案例来自完全不同的行业，但共同点是：它们都不是用于展示的 Demo，而是在承接真实用户、真实数据和真实业务。感兴趣可以去superun首页应用市场看看。