AI时代，开发最难的部分不是写代码（以微信为例）
很多人对微信有一种技术上的敬畏感。
十几亿用户同时在线，每天几百亿条消息，红包、朋友圈、小程序、视频号，这么庞大的系统能稳定运行，背后的技术一定极其复杂吧？那些处理高并发、分布式事务、弱网环境的代码，一定是最顶尖的程序员才能写出来的吧？
是的，这些确实复杂。但我要说一个反直觉的判断：这些技术层面的复杂度，恰恰是整个微信里最容易被解决的部分。
边界情况的本质是排列组合
所谓技术上的复杂，拆开来看，绝大部分是"边界情况"——也就是那些正常流程之外的意外场景。
两个人在同一毫秒给同一个群发消息，谁排前面？用户在地铁里信号时断时续，消息发了一半怎么办？有人发了一个红包但网络超时，钱已经扣了但对方没收到，怎么处理？一亿人同时抢一个红包呢？
听起来让人头大。但如果你仔细看，这些边界情况有一个共同的特征：它们本质上是有限规则的排列组合。
网络状态无非就那么几种——正常、弱网、断网、恢复中。用户操作无非就那么几类——发送、接收、撤回、重试。系统状态无非就那么几档——正常、过载、降级、故障。把这些维度交叉排列，你就得到了一个虽然庞大但有限的矩阵。每一个格子就是一个边界情况，每一个格子都有一个确定的处理方式。
排列组合，恰恰是AI最擅长的事情。
AI正在把边界情况变成最可靠的环节
过去处理边界情况靠的是什么？经验丰富的程序员。他们写了十年代码，踩过无数的坑，知道"这种情况下大概率会出这种问题"。但人脑有天然的局限——你不可能穷举所有情况，总会有漏掉的。而且人会疲劳、会侥幸、会偷懒。
AI不会。
现在的AI测试工具已经可以自动分析系统行为，生成几千甚至上万个测试场景，覆盖人类工程师可能永远想不到的边界组合。而且它不会累，不会遗漏，每次执行都一样精确。
这意味着一件事：在整个软件开发过程中，边界情况的处理正在从"最容易出错的环节"变成"最可靠的环节"。因为它的本质是穷举，而穷举是机器碾压人类的领域。
那真正难的是什么？
如果技术复杂度不是最难的，那什么才是？
答案是判断。
微信做到今天这个体量，中间有无数个关键决策，这些决策没有一个是技术问题。
要不要做朋友圈？做的话要不要有评论功能？评论功能要不要让所有人可见，还是只有共同好友可见？后者的体验更好但技术上更复杂，值得吗？
要不要做公众号？做的话是鼓励长文还是鼓励短内容？是让所有人都能发，还是设置门槛？如果所有人都能发，内容质量下降了怎么办？如果设置门槛，会不会扼杀了潜在的好内容？
要不要做红包？春节红包应该是定额还是随机？随机更好玩但有人手气差会不会不开心？随机的算法应该偏向均匀分布还是偏向极端？哪种更能刺激传播？
这些问题没有标准答案，没有最优解，无法穷举，无法用排列组合来覆盖。它们是价值判断——取决于你想让这个产品变成什么样，你对用户心理的理解，你对社交关系的洞察。
一个不同的判断，就是一个完全不同的产品。微信和米聊的代码质量可能差不多，但判断力的差距让一个成了国民应用，另一个消失了。
判断力不是排列组合
边界情况可以穷举，判断不能。
因为判断涉及的是人——人的需求是模糊的、矛盾的、不断变化的。用户说"我想要简洁"，但真给他一个极简界面，他又觉得功能少。用户说"我要隐私"，但看到别人的朋友圈又忍不住想看。用户自己都不知道自己想要什么，你怎么穷举？
而且判断还涉及时机。同一个功能，2013年做是对的，2018年做可能就是错的。微信在早期刻意做减法，如果现在一个新社交App还学微信做减法，大概率活不下来，因为用户的期待已经变了。
判断力来自于对人的理解、对市场的感知、对时机的把握，甚至包括一点审美和直觉。这些东西AI目前做不了，我甚至怀疑AI未来相当长时间内都做不了。因为这不是一个计算问题，这是一个关于"什么是好的"的问题。
所以真正的壁垒在哪里
如果你现在问我，未来做软件产品最核心的能力是什么，我的回答不是编程，不是架构，不是算法，甚至不是AI技术。
是判断力。
知道什么该做，什么不该做。知道先做哪个后做哪个。知道做到什么程度就该停下来。知道用户嘴上说的和心里要的不一样。知道一个功能上线之后会怎么改变用户的行为，而那个改变是不是你想要的。
技术问题正在被AI消化掉。代码可以AI写，架构可以AI设计，边界情况可以AI穷举，测试可以AI覆盖。这些都会变成水电煤一样的基础设施，便宜、稳定、随时可用。
当技术不再是瓶颈，所有的竞争都会回到同一个起跑线上：你到底理不理解你要解决的那个问题，你到底懂不懂你要服务的那群人。
这件事，不需要会写代码。但它需要你真正懂一些关于人的东西。而这种"懂"，暂时还没有什么AI能替你完成。
我建了一个AI学习群，目前几十来人，都是在真正动手学AI的人。如果你也在自己跑模型、写代码、做项目，欢迎加我微信，备注"你在做的AI方向"，我拉你进群。纯围观的就不加了，群里大家都在真搞。
