傍晚下班回到家，陈先生泡上一杯咖啡，打开自己的平板阅读器，开始翻看当天的新闻。
屏幕上没有社交平台推送的热搜，也没有按照点击量排列的信息流。一个由他亲自设定的人工智能系统已经提前读过这些文章，判断哪些值得保留，再按照不同主题整理成专属的RSS订阅源。
这套系统会逐渐记住他的偏好：哪些文章只是标题夸张，哪些报道虽不热门却值得细读，哪些内容应该进入特定栏目。
特别之处在于，这个个性化新闻程序并非出自哪家互联网公司，而是陈先生自己开发的。
一个不懂编程的开发者
陈先生拥有法学背景，日常工作主要是处理报告、合同和项目协调。他有一些互联网产品经验，也习惯在使用软件时琢磨：这个功能为什么这样设计，能不能换一种实现方式。但他不是程序员，过去也不具备独立开发完整软件的能力。
改变来自ChatGPT。
陈先生先向ChatGPT描述自己想要的产品：程序需要自动抓取新闻，调用人工智能判断内容价值，按照个人偏好完成分类，再生成可以在阅读器中订阅的RSS源。ChatGPT帮助他把这些想法拆成数据库、后台页面、筛选逻辑和定时任务，也负责解释代码、排查故障并提出修改方案。
需要大批量处理文章时，程序则调用DeepSeek的模型接口。后者足够低廉的价格，使一套只为一个人服务的人工智能系统也有可能长期运行。
最近，陈先生还在摸索如何把代码和开发文档整理到GitHub上，让这个个人项目像正式软件一样留下版本记录，并在条件成熟时与其他人分享。
他的经历并不代表又一家人工智能创业公司即将诞生。它说明的是另一件可能更重要的事：软件开发正在从一种专业技能，逐渐变成普通人组织想法、调用模型和解决个人问题的能力。
廉价Token改变软件的成本
这种变化已经同时反映在中国的大模型调用量和美国的软件开发平台上。
中国国家数据局公布的数据显示，2024年初，中国日均词元调用量约为1000亿；到2025年底增至100万亿；截至2026年3月，又突破140万亿。两年时间增长超过1000倍。新华社
词元，也就是通常所说的Token，是大模型处理信息和计算费用的基本单位。调用量的快速增长意味着，人工智能正在从偶尔打开的聊天窗口，进入客服、办公、编程、内容处理和企业内部系统。
在这场扩张中，中国模型厂商提供了一个重要条件：足够低的价格。
按照DeepSeek目前公布的价格，V4-Flash模型每百万输入词元的价格为1元，输出为2元；如果输入命中缓存，价格可以低至0.02元。性能更高的V4-Pro，每百万输入和输出词元分别为3元和6元。DeepSeek官方价格页面
对于大型互联网公司，这种价格意味着推理成本下降；对于陈先生这样的个人用户，它意味着一个没有商业收入的小程序，也可以持续使用人工智能。
低价接口正在改变软件产品的最小经济单位。过去，一个产品通常需要足够多的用户，才能承担程序员、服务器和后续维护成本。现在，一套只服务于一个人的软件，也可能拥有合理的成本结构。
GitHub迎来AI开发浪潮
大洋彼岸的GitHub正在看到同一轮变化的另一面。
微软在7月29日举行的2026财年第四季度财报会上表示，GitHub Copilot用户已经达到5000万，较一年前公布的2000万增长了一倍以上。Copilot当季收入环比增长超过60%，GitHub平台用户总数达到2.25亿。
更值得注意的是，GitHub上目前已有三分之一的代码合并请求涉及人工智能代理。这意味着AI不再只是替程序员补全下一行代码，而是开始领取任务、修改多个文件、提交代码并参与完整的软件开发流程。微软2026财年第四季度财报会
GitHub内部将2026年6月称为公司“有史以来表现最好的一个月”。当月，GitHub扩大了Copilot的按使用量计费模式，把过去以固定订阅席位为主的收入，进一步延伸到模型和智能体的实际消耗。
GitHub没有像中国模型厂商那样公布每天处理多少词元。它更愿意披露用户数、企业席位、收入增速和AI参与代码生产的比例。两套统计口径看起来不同，描述的却是同一条产业链：中国的大模型正在以更低价格生产智能，GitHub则在承接这些智能转化成的软件。
不会写代码的人进入代码世界
这也解释了为什么人工智能编程的增长，并不只来自专业开发者。
GitHub过去主要记录程序员写下的代码。现在，它还开始记录产品经理、设计师、研究人员和办公室职员借助AI完成的项目。这些人可能无法独立写出数据库迁移脚本，却能明确描述自己需要什么，判断一个页面是否合理，并在AI给出错误结果时指出问题。
他们提供的不是传统意义上的编程能力，而是需求、判断和持续修正。
这并不意味着软件开发已经变得轻而易举。
陈先生在维护自己的RSS程序时逐渐发现，让AI写出一段可以运行的代码，与让一个系统长期稳定运行，是两回事。一次看似简单的修改，可能同时影响数据库结构、文章分类逻辑和后台页面；一个修复包如果使用了错误的代码基线，还可能覆盖此前已经完成的功能。
因此，他开始要求AI在修改前核对代码版本，列出涉及的文件，说明改动范围，并记录每一次更新。随着项目变得复杂，他所做的事情越来越像一名产品负责人，而AI则在程序员、测试人员和技术文档撰写者之间切换角色。
第一行代码之后
人工智能降低了写下第一行代码的门槛，却没有消除管理复杂系统的难度。它把人的价值向上推了一层：从亲手写出每一行代码，转向决定程序应该做什么、哪些结果可以接受，以及出现问题时应该回到哪个版本。
这或许才是GitHub近期业务量激增背后更深刻的变化。
5000万Copilot用户并不只是5000万程序员获得了一个效率工具。它还意味着，越来越多原本不会进入软件生产体系的人，开始把自己的工作经验、阅读习惯和个人需求变成程序。
陈先生还没有打算把自己的RSS系统做成一门生意。他最初只是希望，每天打开阅读器时，看到的文章更接近自己真正关心的内容。
如今，每当他端起咖啡，在平板上翻开一篇经过人工智能筛选的报道，他面对的不只是一条新闻，也是一件由自己提出需求、参与设计并持续维护的产品。
人工智能行业通常用参数、算力和词元描述这场技术浪潮。对更多普通人来说，它最终可能以一种更朴素的方式被记住：他们曾经有一个想法，而这一次，想法没有停留在纸上。