软件之后：AI 时代的协作、生产与价值分配

过去做一个像样的软件，几乎必须先有一家公司：融资、招工程师、设计师、销售和市场。公司拥有代码，支付工资，承担风险，也拿走产品成功后的大部分收益。这个模式非常成功，也塑造了我们今天几乎所有的软件产业。SaaS 如此，工具、协议、组件、客户端也大致如此。

但 AI 正在拆掉其中一个最基本的前提。一个人加上 AI，已经可以做出过去小团队才能完成的东西。再往前一步，当越来越多 AI 可以独立理解任务、改代码、测试、研究、设计、营销甚至销售时，真正的问题已经从“怎么招人”变成另一件更难的事：

当生产能力可以分散在无数个人和 AI 手里时，协作、所有权、价值分配应该如何重新组织？

制造软件，不再必然需要先制造一个组织。这不是说公司突然没用了。需要强品牌、强合规、强持续运营的产品，公司往往仍然是最高效的容器。我关心的是另一条开始变得可能的路径：许多彼此独立的人和 AI，能不能为了一个共同的产品临时组织起来，一起完成工作。

这看起来只是生产效率的变化。如果继续往下推，它会触及软件产业更深的一层。

从“我想要这个产品”开始

很多软件项目最早并不是从技术开始的，而是从一句很简单的话开始：“如果有人能把这个做出来，我一定会买。” 在新技术刚出现的时候，这类人尤其常见。他们看见了一个真实的问题，也理解新技术可能怎样解决它，但自己没有足够的时间、技术能力或者风险承担能力去把产品做出来。有的人甚至会说：“你如果做出来，我先买一套。” 或者：“我知道还有十家公司会需要，我可以介绍给你。”

这类人不是传统意义上的投资人，也不完全是销售人员。他们首先贡献了一件极其重要的东西：真实需求。

需求被付钱证明，不是随口一句 idea。

在软件越来越容易制造的时代，这种需求信号可能反而越来越珍贵。AI 可以帮助我们生成无数产品 idea，却无法自动证明这些东西真的值得存在。因此未来的软件生产，也许不应该总从 Idea → 融资 → 招人 → 开发 → 上线以后再寻找客户开始。它可以是另一条路径：

需求 → 承诺 → 协作 → 产品 → 收入

例如，一个项目首先进行 pre-sale。Pre-sale 在这里不是投资。一个人花 100 美元购买未来的软件，他得到的是未来产品以及早期价格优惠，而不是项目股份，也不是未来收益权。但这个购买行为产生了一个很重要的信号：这个需求不是一句随口说出的意见。 他真的愿意为它付钱。

项目因此可以逐渐形成一群 Founding Customers：真正希望这个产品存在的人。其中一部分人还会进一步参与。有人懂这个行业，可以帮助定义需求。有人可以测试 prototype。有人认识未来客户。有人可以帮助销售。还有一些人，会愿意把自己的 AI 资源直接投入进来，让这个产品更快出现。

从 Crowd Funding 到 Crowd Building

过去互联网已经证明，人们可以共同资助一个项目。这就是 crowdfunding。AI 带来了另一个可能性：人们不仅可以共同出钱，还可以共同生产。 这可以称作 Crowd Building。

假设一个用户真的非常希望某个产品出现。今天，他最多可以多付一点预付款，然后等待开发团队工作。未来，他也许可以做另一件事：把自己的 AI Worker 派进去帮助完成项目。他可能已经订阅了 Claude、Codex 或其他 AI 服务。这些 AI 资源通过一个标准接口接入他自己的 Worker Pool。他不需要把钱交给项目负责人，也不需要成为某家公司的员工。他只需要选择：“我愿意把两个 Worker 在未来一周投入这个项目。” 然后这些 Worker 开始领取实际任务：修 bug、写测试、做页面、研究竞品、整理文档、完成 localization。

项目获得的不是资本，而是生产能力。

派出去的是闲置产能和判断，不是把现金交出去。

这和传统投资有一个很根本的区别。传统投资是：我认为这个项目有前景，所以我把钱给项目团队，希望他们把事情做好。Crowd Building 更像：我认为这个项目有前景，所以我把自己的生产资源投入进去，直接帮助它变得更成功。 前者是 capital allocation。后者是 productive capacity allocation。两者都会包含判断、机会成本和风险，但经济行为并不相同。

这里有一个必须先说清的问题：为什么不直接给钱？如果我已经有 200 美元的 Claude 订阅，把 200 美元交给项目方，对方想买什么都行，看起来更灵活。产能相比现金，在形式上是更窄的资源。它之所以仍然成立，是因为两件事现金替代不了。

第一，订阅制留下了大量闲置产能。固定成本已经付过了，派出去的边际成本接近零，对接收方却是全额可用的生产能力。这是 Crowd Building 相对 crowdfunding 很难被现金抹平的经济基础。第二，派进去的不只是算力。操作、选任务、验收，仍然是人在做。贡献的是“判断 + 算力”的捆绑包，现金会把判断剥掉。

也要承认副作用：边际成本接近零，意味着灌水的成本也接近零。Sybil 和刷量在经济上是必然的，不是意外。后面谈 Contribution 时，这个问题会再回来。

为了后面少猜名词，先把几个核心抽象放在桌上：

这些 Worker 要跑在某个地方。我们把这个地方叫 ARC。后面的 Worker Pool、DARC、Darc Factory，都是从 ARC 上长出来的。展望不必把运行时讲得很细，只要记住：没有 ARC，生产能力还是散落在各家订阅和各台电脑里，没法被调度，也没法被一起验收。

Worker 不等于某一种 AI

这里的 Worker 不应该等同于 Claude、Codex 或任何具体模型。AI 技术变化太快。今天最好的模型，几年以后很可能只是普通基础设施。因此更合理的做法，是在 AI 资源之上建立一个标准的 Worker Pool。一个人可以把任何自己拥有和控制的生产资源接进来：Claude、Codex、Gemini、本地模型、GPU、specialized agents、数据和 API，以及未来尚未出现的 AI 系统。

对项目来说，它并不应该关心：“你的 Worker 后面到底是哪家公司提供的模型？” 项目真正关心的是：这个 Worker 能做什么？它获得了什么权限？它领取了什么任务？它产生了什么结果？这个结果是否通过验证？

就像工地不必关心挖掘机的发动机是哪家公司造的，但一定关心机器和操作员有没有资质、这次作业有没有被验收。土挖了多少立方，只是规格明确时才够用。软件贡献的难点，恰恰是任务规格往往并不明确。

于是 AI provider 提供的是 horsepower。ARC 把 horsepower 转变为可以加入生产体系的 Worker。

DARC：让独立的 ARC 一起工作

把分散的 Worker 聚在一起只是第一步。真正难的是让它们不打架、不刷量、能产生可验证的价值。单个 AI agent 能够工作，并不是最难的问题。真正困难的是：几百甚至几千个属于不同人的 Worker，怎样一起完成一个产品？

这需要远远超过传统 agent harness 的机制。如果没有足够强的协调体系，很快就会发生：多个 Worker 同时做重复任务；对同一段代码做互相冲突的修改；不知道哪个结果值得采用；Worker 为了获得 credit 而刷工作量；有人制造问题，再自己修复问题；大量产出看起来完成了，却没有真正价值；外部 Worker 获得了不应该获得的权限。

因此需要一个更宏观的生产协议。我们把它称为 DARC Protocol，可以理解为 Decentralized Autonomous Resource Coordination：一个让彼此独立控制的 ARC 和生产资源能够协同工作的协议。

ARC 可以工作。DARC 让许多 ARC 一起工作。

彼此独立的 ARC 连向同一个未完成的产品。

在 DARC 之上，可以运行 Darc Factory。这个名字里有一层 dark factory 的谐音，指工业里那种高度自动化、可以在极少人工干预下持续运行的生产体系。未来的软件工厂也可能逐渐如此。但这里的重点不是“无人化”，更不是把人从生产里请出去。Darc Factory 并不是简单地让大量 AI 自己生成代码。它真正需要解决的是整个生产过程：目标是什么，如何拆任务，哪些 Worker 最合适，给它多少权限，如何并行执行，如何测试，如何 review，哪些结果被采用，哪些需要返工，谁真正做出了贡献。

这是一个生产系统，而不仅仅是一个 agent launcher。安全、权限、作弊和质量控制，会是这个系统的核心工程，而不是附带事项。

Contribution：不能用“烧了多少 AI”来衡量

如果 Crowd Building 真的产生经济收益，那么最难的问题很快就会出现：谁贡献了多少？

最简单的方法当然是按工作量。但这几乎一定是错误的。一个 Worker 消耗了一百万 tokens，不代表它创造了一百万 tokens 的价值。一个人写了五万行代码，也不一定比另一个人提出一句正确的产品建议更有价值。所以：

Resource ≠ Contribution

更合理的路径应该是：

Resource → Work → Accepted Output → Downstream Value → Contribution

例如两个人都花了 200 美元运行 AI。第一个人的 Worker 做了 50 个任务，其中 30 个被合并进主干，并且进入了生产环境。第二个人的 Worker 生成大量代码，几乎全部在 review 里被拒绝。他们花的钱一样，但他们的贡献显然不应该一样。代码是否长期留在仓库里，只是众多弱信号之一。一段后来被删掉的原型，可能恰恰教会了团队正确的设计；一段活得很久的底层代码，有时只是因为它写得早。

因此真正需要的是 Proof of Useful Contribution。重点不是你消耗了多少算力，而是：你给项目留下了多少真正有用的东西。

烧掉的算力堆在左边；被验收的那一小块才算贡献。

这条链上每一个箭头都是硬问题，最硬的是 Accepted。谁来 accept？如果 AI 评审 AI，“制造问题再自己修复”那类作弊就没有底。如果人来评审，评审立刻成为瓶颈。生产变便宜之后，稀缺的往往不再是生产，而是判断力、品味和架构一致性。Maintainer 和 architect 不是可有可无的荣誉职位，他们的判断本身也是高价值劳动，也需要被归因。没有这个角色，几百个独立 Worker 产出的，很容易是一堆互不兼容的局部最优。

Accepted 的判定本身就需要治理：谁来审，用什么标准，如何防止刷量。这不是一个可以一笔带过的细节，而是整个模型能不能成立的前提。

Contribution 不只是代码

软件行业长期有一个偏见：只有写代码才算“建设产品”。现实当然不是这样。一个软件成功，需要供应和需求两端同时成立。有人写出了一个非常优秀的产品，但没有人知道它存在，这个产品仍然可能失败。而有人可能根本没有写过一行代码，却真正带来了第一批客户。

因此 Crowd Building 中至少存在几类不同 contribution。

Supply Contribution 让产品能够被制造出来：code、component、design、testing、compute、research、infrastructure。

Demand Contribution 帮助项目知道什么值得做：一个真实用户提出需求，domain expert 帮助定义 workflow，早期客户帮助验证价格，用户测试 prototype 并指出真正的问题。

Distribution Contribution 帮助产品到达真正的市场：介绍客户、sales、marketing、content、community、localization、onboarding、retention。

过去一个优秀 salesperson 可能对创业者说：“你把这个做出来，我能帮你卖二十套；我自己介绍来的客户，你给我一定比例佣金。” 如果真的卖出了二十套，这部分收入为什么不应该归因给他？他没有写代码，却创造了收入。未来系统应该能够识别这种价值，而不是把它视作产品开发结束以后附带的一项销售成本。

一个需求定义如果导致产品方向重大调整，一段被合并并进入生产的代码，一次可归因的成交，都应该能在系统里被捕捉。难的不是列出这些类别，而是让“被采用”和“下游价值”变成可验证的记录，而不是事后回忆。

Pre-sale 不购买 Contribution

这里需要一个重要的边界。购买产品和贡献项目应该是两件不同的事情。

Pre-sale：购买未来产品，获得产品和折扣。Contribution：创造真实价值，获得 Contribution Credit。因此：

Purchase gives access. Contribution must be earned.

Pre-sale 本身甚至可以完全不产生任何 credit。但它可以成为一种 qualification。因为已经付钱等待产品的人，和路过随口说一句“你们应该做 X”的人，并不具有同等的信息可信度。一些项目可以规定：只有 pre-sale customer 才能参加某些需求定义、prototype evaluation 或 customer-specific contribution tasks。

这并不是说钱可以买 contribution。恰恰相反。它表示：钱只证明你真的是这个问题的 stakeholder。 真正的 contribution 仍然来自之后做出的事情。这样可以避免 AI 时代一个必然的问题：idea 极度廉价，噪声极度昂贵。

从 Miner 到 AI Miner

这个模型其实和早期 blockchain 中的 miner 有一种意外的相似性。传统 miner：自己购买机器，自己支付电费，接入网络，完成网络需要的工作，获得奖励。未来的 AI Worker：自己购买 AI / compute，接入自己的 Worker Pool，选择项目，Worker 完成项目需要的工作，获得 Contribution Credit，项目产生收入后获得相应回报。

因此 AI 时代可以重新理解几种 miner。

Resource Miner。 过去是向网络提供云计算资源。这个模式的问题在于，通用云计算已经有极高效率的专业供应商，并不需要一个去中心化网络重新制造 AWS。未来的 Resource Miner 更合理的定义是：提供自己控制的 AI productive capacity。 不是卖服务器，而是把已有的 Claude、Codex、GPU 或 Agent 接入 Worker Pool，变成真正可以完成任务的 Worker。

Component Miner。 过去希望独立开发者提供高质量 reusable software components。现实证明，这件事非常困难。优秀的软件组件不仅要写出来，还必须长期维护、测试、兼容、文档完善并真正好用。过去普通开发者很难持续做到这些事情。AI 有可能第一次显著降低这个门槛。未来 Component Miner 不再只是一个 developer。它可以是 human judgment + AI Worker 组成的生产单元。

Operation Miner。 过去希望有人帮助产品做市场、销售和运营。但如果前面的 Component economy 没有真正形成，自然也没有足够多产品值得销售。AI 时代一旦产品供给成本大幅降低，瓶颈可能反过来变成：谁能够真正创造 demand 和 distribution？ Operation Miner 也许会成为最重要的 contributor 之一。

Blocklet：技术组合之外，还要经济组合

贡献记录解决了“谁该拿多少”的问题，但软件本身还需要经济上的可组合性。今天的软件早已经高度 composable。一个产品可能使用 open-source library、cloud API、database、payment provider、AI model、frontend framework、authentication service。技术上，这些东西能够很好地组合。经济上，却几乎完全断裂。一个 npm library 可能被几十亿美元收入的 SaaS 使用，但 library 作者不会因此自动获得任何约定的收入。也就是说：

现代软件已经 technically composable，却还没有 economically composable。

这里有一个必须正面回答的反驳：如果 AI 让写代码接近免费，那么任何带价格的组件都会被立刻克隆成免费版本。npm 作者拿不到钱，技术上也许能补协议，市场上很难补的原因恰恰是“免费无摩擦复制”本身就是生态的价值来源。

所以 economic composability 只对不可轻易克隆的部分成立：运行中的 state、数据、网络效应、DID 身份、可追责的维护承诺与 SLA。对一份没有状态、没有身份、没有责任主体的纯代码库，它不成立。Blocklet 从一开始就试图站在这一侧。

一个 Blocklet 不只是代码包。它可以有自己的 DID、owner、state、dependencies、revenue policy、contributors 和经济关系。如果 Product A 使用 Component B，而 B 又使用 C，那么 A 收到收入以后，价值也可以沿着 composition graph 向下流动。例如：Customer pays 100 ABT，A 保留一部分，B 获得一部分，B 再向 B1、B2 分配，sales contributor 获得一部分，maintenance contributor 获得一部分。最终形成 Recursive Settlement。

收入沿着组合关系往下走，不只是代码被引用。

这背后有一个非常简单的原则：

If software can compose, ownership and value must compose too.

Ownership 不应该等于一个 User ID

传统软件通常有一个简单字段：owner_user_id = 123。但未来软件的 ownership 很可能复杂得多。一个 Blocklet 的 owner 可以是一个 DID。这个 DID 背后未必是一个人。它可能代表 organization、project、multisig、community、agent、另一个 Blocklet，或另一个由多个 DID 控制的 Realm。因此 ownership 本身可以形成 recursive graph。

更重要的是，“ownership”也不一定是一项不可拆分的权利。一个项目可能存在 control right、revenue right、governance right、upgrade right、usage right、transfer right。这些权利不一定属于同一个主体。所以更准确的方向是 Programmable Ownership：ownership 不是数据库里的一个 owner 字段，而是一组 machine-readable rights。

Contribution Rights 与 Settlement 应该分开

如果一个项目需要记录不同 contributor 的长期经济比例，它可以使用项目自己的 contribution token 或 rights mechanism。例如某种 VC token。这里 VC 表征的不是 payment currency，而是：这个 DID 对这个 Project 拥有什么 contribution / revenue / governance rights。

不同项目完全可以有不同规则。有的不可转让。有的满足一定条件以后可转让。有的只有 revenue entitlement。有的还有 governance。这些规则属于项目，而不是协议统一规定。

与此同时，整个经济体可以使用一个统一的 settlement asset，例如 ABT。这样：project rights 决定谁该拿多少。ABT 决定价值如何移动。 客户甚至可以用美元支付。系统财务可以始终以美元记账。到真正 payout 时，根据当时 ABT 的市场价格计算应该支付多少 ABT。因此：

Fiat defines price.
Project rights determine entitlement.
ABT settles value.

这避免了过去很多 token system 的问题：一个 token 同时想承担 ownership、governance、payment、incentive 和 speculation 五种职责。这些职责没有必要绑在同一个 asset 上。

这里也必须承认一个现实约束。通过劳动获得的、未来可分享收入的权利，在不少法域里会碰到监管和劳动关系的问题。公司、合同、责任主体不会因为协议写得漂亮就消失。Legal wrapper 仍然需要回答：谁签合同，谁承担责任，rights 落在哪个主体上。回避这一点，整篇文章很容易被归到“又一个 token 叙事”里。而这恰恰是我想避免的。

一个 Project Marketplace 会是什么样？

当上面的机制组合起来以后，会自然出现一个很有意思的 marketplace。但它不是 AI agent marketplace，也不是 freelancer marketplace。它真正的核心对象是 Project。

一个项目页面也许显示：148 位 committed customers，36 笔 pre-sale，prototype 完成 42%，23 个 active Worker，当前最缺 testing 和 distribution，第一笔收入 3,800 美元。参与者可以选择 Pre-order、Contribute、Deploy Workers、Help Sell。

这时候一个人拥有 20 个 AI Worker，会像今天投资者管理 portfolio 一样观察不同项目。但他分配的并不是钱。他分配的是 productive capacity。他可能判断：Project A 需求很强，我派 8 个 Worker；Project B 很有潜力，但我不懂这个领域，只派 2 个；Project C 我自己特别需要，而且我认识很多客户，我同时参与需求、build 和 distribution。

这是一种很不同的市场行为。传统 speculation 是：发现可能成功的东西，买进去，等。这里则是：发现可能成功的东西，加入生产，帮助它成功。 可以称作 Productive Speculation。不是因为投机本身值得鼓励，而是因为人类对机会的判断本来就是一种非常强的资源分配机制。如果可以把这种判断从“买入资产”转化成“投入生产能力”，它可能产生比纯金融投机更有建设性的结果。

一个更具体的画面也许是这样。有人长期抱怨某个真实的工作流没有像样的工具。12 个人预购，形成第一批 Founding Customers。三个人把自己的 Worker 派进去：一个修核心路径，一个补测试和文档，一个做销售材料。需求定义来自预购客户里的一位从业者，第一笔 3,800 美元进账以后，沿着被采用的产出和成交归因回流。数字可以变，结构不变：需求被付钱证明，生产被验收证明，收入成为最终验证。

软件也许会逐渐成为自己的经济组织

如果把这些东西推到足够远，一个 Blocklet 或 Project 会越来越不像传统意义上的“一个公司拥有的软件”。它自己可能拥有 DID、code、state、customers、Worker、contribution graph、revenue、ownership rights、settlement rules，以及 dependent components。它甚至可以拥有其他 Blocklet。其他 DID 也可以拥有它的不同 rights。

这时候一个问题会自然出现：软件和公司的边界在哪里？

过去：company owns software。未来有可能出现另一种结构：software itself becomes an economic organization.

这不意味着法律公司会消失。在税务、合同、责任、知识产权等现实世界问题上，公司仍然极其重要。但公司不一定再是数字协作唯一能够存在的容器。就像互联网让信息可以在机构之间自由流动一样，AI 和 blockchain 也许会让生产能力与经济关系更容易跨越组织边界。

这不是为了制造新的 Token Economy

这里最容易被误解的地方，就是把所有这些再次理解成：“发一个 token，然后让大家来炒。” 这不是我想讨论的问题。事实上，整个模型完全可以在没有公开可交易 token 的情况下运行。

Pre-sale 是购买产品。Worker 是生产资源。Contribution Credit 是贡献记录。Project rights 可以不可转让。ABT 只是 settlement。

如果某个成熟项目未来真的产生稳定现金流，它的某些 ownership rights 当然可能被市场定价，甚至被金融化。这是一个几乎无法避免的经济现象。任何持续产生现金流的权利最终都具有价值。但那应该是价值创造之后可能发生的事情，而不是项目存在的理由。

过去很多 crypto 项目走的是：token → speculation → funding → hope that product appears。我更感兴趣的是反过来的路径：

Demand → Contribution → Product → Revenue → Rights → perhaps, eventually, a market.

先有生产。先有客户。先有收入。市场如果后来出现，让市场自己出现。

为什么今天可能和十年前不同

很多这样的想法在十年前听起来会非常理想主义。原因并不是 blockchain 做不到。真正缺失的是生产层。让几百个互不认识的人一起写出一个高质量的软件，协调成本太高。于是最有效率的办法仍然是：成立公司，雇人，设 manager，统一管理。

类似的实验也失败过，而且失败得很具体。Gitcoin 撞上过 sybil。SourceCred、Coordinape 容易退化成人气投票。各类 DAO 反复遇到治理俘获。Kickstarter 证明了预购可以存在，也证明了交付率是另一回事。开源本身更有意思：Linux 用相当松散的协作做出了极高质量的软件，并不需要 contribution token。为什么？因为大量贡献者由公司发薪，价值捕获发生在别处。这一点其实支持、而不是削弱前面的论点。我们要面对的，正是“价值捕获与贡献发生在不同地方”这个历史遗留问题。

AI 正在降低协调成本。一个人已经开始可以拥有相当于过去一个小团队的生产能力。如果这种能力可以通过标准 Worker Pool 接到 ARC 上，如果 Darc Factory 能够可靠地拆解、协调和验证工作，那么 loosely coordinated production 第一次可能不再只是理论。

Blockchain 在这里也终于不需要被解释成“为什么软件一定要上链”。它承担的是一个更具体的问题：当生产者彼此独立、不属于同一个公司时，大家怎样拥有一个共同可信的 identity、provenance、ownership、payment 和 settlement layer？

AI 让 loose production 成为可能。Blockchain 可以让 loose economic coordination 更可信。

最终可能出现的，是一种新的软件生产方式

我们今天熟悉的软件生产方式是：创始人 → 公司 → 融资 → 员工 → 软件 → 用户。未来也许会出现另外一种路径：

有人真正需要某个东西，一群人用购买承诺证明这个需求，懂这个问题的人帮助定义它，独立的 AI Worker 开始参与生产，Components 被组合起来，更多用户参与测试和销售，产品开始产生真实收入，价值沿 contribution 和 composition graph 回到创造它的人。

这里面仍然会有失败。绝大多数 idea 仍然可能不值得做。很多 AI 产生的工作仍然可能毫无价值。贡献的公平归因会非常困难。外部 Worker 的安全、权限、作弊和质量控制也都会是巨大挑战。这些问题不会因为使用了 AI、DID 或 blockchain 就自动消失。相反，它们才是真正需要解决的问题。

但如果这些问题能够逐渐解决，我们也许第一次有机会让软件产业出现一种新的组织形式：不是所有人先加入同一家公司，才能共同创造一个产品；而是一个值得存在的产品，吸引不同的人、AI、组件、资源和市场能力临时聚集起来。

产品成为协作的中心。贡献形成经济关系。收入成为最终的验证。而组织，可以随着产品生长，而不一定必须先于产品存在。

这也许是 AI 时代最值得探索的软件未来之一。

Find something you want to exist.
Help make it real.
Share in the value you create.

找一件你希望它存在的东西。动手让它成为真的。然后分享你参与创造的那部分价值。