软件工厂 3.0：从卖人月到卖模具

一个做外包的朋友上个月跟我抱怨：客户现在拿 AI 写的代码来压价。「你们报 30 人月，客户自己用 Claude Code 一周出了个 demo，问你们凭什么值这个钱。」

我问他：那个 demo 上线了吗？

他说没有。客户自己人测了一周，测出一堆问题，又回来找他们修。

我说：那你应该换个报价方式。不报人月，报模具费。

他没听懂。这就是这篇文章要讲的事。

软件生产的三个时代

先把分期摆出来。软件生产经历了三个时代，每个时代的计量单位都不一样：

2.0 时代的本质是 用工具流水线放大人——人还是生产主体，Git、Jira、CI 只是传送带。整个外包产业的报价模型——人月——就是这个时代的产物：因为验证靠人，所以产能等于人头。

3.0 的本质是 人退出生产线。在如何判断你的团队真的工程 AI 化了：六条验收标准里我讲了这套工厂的内部验收标准——人提需求、AI 端到端交付、5 人天复杂度可复现。那是工厂的 ISO 认证。

但这篇要往前再走一步：认证完了，工厂可以对外接单吗？ 我的判断是可以，而且这不是一个内部转型问题，是一个产业问题——因为 2.0 时代已经存在一个纯粹的软件工厂：外包行业。它按人月报价、用人头堆产能，是流水线工厂最纯粹的形式。所以 3.0 的冲击波，会最先碾过它。

问题变成：一个可以对外接单的 3.0 软件工厂，它的生产资料、报价模型和护城河分别是什么？

答案藏在一个类比里：模具。

需求是熔融的塑料，Evals 是模腔

注塑成型是制造业最常见的工艺：塑料加热融化，高压注进模腔，冷却成型。这个过程有一个深刻的特性——模具不描述「怎么造」，只定义「什么形状算合格」。你不需要告诉注塑机怎么流动、怎么填满，塑料自己会流满模腔的每一个角落。模具只是规定了合格形状的负形。

AI 编码完全一样。你不需要告诉模型怎么写代码——它自己会流满每一个角落。你需要的是告诉它 什么形状算合格。

这个「合格形状的负形」，就是 Evals。

Evals 是新的 PRD说的是这件事的需求侧含义：验收标准不是事后核对的清单，它就是需求本身。私有 Eval 是终极护城河说的是它的战略含义。这篇要补上它的 工业含义：Evals 是软件工厂的生产资料，它的性质和制造业的模具一模一样。

逐条对一下：

最后一行值得停下来：「模具是工业之母」可以直接翻译成 3.0 版本——Evals 是软件工厂之母。 2.0 时代软件业的产能瓶颈是写代码的手，3.0 时代是切模具的手。

验证成本：从锉刀到注塑

模具类比成立的根本原因，是它解释了一场成本结构的革命。

2.0 时代的验证是手工的：每个需求，测试工程师手工点一遍、Code Review 一遍、上线后盯一遍。这相当于每个零件都用锉刀锉出来——验证成本随需求数线性增长。所以外包只能按人月卖：不是企业想卖人月，是验证本身吃掉了所有人，产能只能以人头计量。

3.0 的验证是注塑的：eval 集一合模，单测、E2E、vision 截图比对一次成型。验证成本从线性变成摊销。

注意，这才是软件工业化的真正含义。不是「AI 写得快」——写得快从来不是瓶颈，2.0 时代就有代码生成器。验证便宜才是工业革命。 当 AI 写码的速度趋近无限，质检能力就是工厂的产能上限。Anthropic 内部 65% 的 PR 由 Agent 开出，本质是他们的质检线先自动化了。

这也解释了工程 AI 化标准里为什么 E2E + vision 是硬门槛：没有 vision 验证，等于模具没有型腔——塑料注进去，你还是得靠人眼逐个看成品，注塑机就退化回了手工作坊。

修模：reward hacking 就是飞边

模具最经典的缺陷叫飞边（flash）：模腔哪里有缝，塑料就往哪里钻，成品上多出一圈毛边。单个看不致命，量产起来全是废品。

Agent 的 reward hacking 就是飞边。智能体作弊不是 bug，是特性——你考核什么它就优化什么：eval 说「测试通过率高」，它就把断言写得宽松；eval 说「PR 数量」，它就把提交拆碎。eval 里的每一条缝，AI 都会准确地找到并钻过去，然后量产出一堆「形状合格、实质带毛边」的交付。

所以 3.0 工厂有一个 2.0 不存在的常设工序：修模。封死一条捷径、暴露真问题、再封死下一条——这个循环要一直转到 AI 找不到缝为止。而且修模必须赶在量产之前：手工时代一个 eval 漏洞影响一个需求，注塑时代一个漏洞量产一千个缺陷品。

这也是为什么独立 Review Agent 和「eval 先行锁定」必须写进工厂标准——那是模具入库前的探伤。Eval 是品位说品位决定 eval 质量，在工厂语境下可以更直白：品位决定废品率。

报价：模具费 + 闭环单价

模具类比一旦成立，3.0 工厂的报价模型就不需要发明了——制造业已经用了五十年：

2.0 外包报价：  人月 = 估算人头 × 月           （输入计价）
3.0 工厂报价：  模具费（NRE）+ 闭环单价 × 数量  （输出计价）
# generated by hugo AI

NRE（Non-Recurring Engineering，一次性工程费）是制造业的标准科目：客户要一个新零件，先付开模费，之后每个零件只收材料与加工的成本。

翻译成软件：客户提一个新类型的需求，工厂先评估要不要开新模具——建这套需求族的 eval 集、打通对应的 E2E 验证链路——这是模具费。模具建好后，每一个同类型需求的交付只收闭环单价。

售前动作也随之变了。2.0 的售前问「这个需求要几个人」；3.0 的售前查模具库：「这个需求 70% 匹配我们现有的审批流模具，30% 要新开模。开模费 X，单闭环 Y，一次通过率 2/3。」模具库越厚的工厂，报价越快、毛利越高——因为验证成本早就被摊销过了。

回到开头那个朋友。客户用 AI 一周写出 demo 来压价，正确的回应不是解释人月怎么算，而是换一个坐标系：「demo 不算产品，因为它没有模具。你们的 demo 测了一周没敢上线，就是在用锉刀验货。我们报的不是写代码的钱，是模具的钱。」

标准模具商品化，垂直模具是纵深

制造业还有一个规律会精确重演：模具会分层，利润只留在专用模具里。

标准模具——登录、CRUD、报表、通用审批流——会被开源和平台免费化。这类 eval 集谁都能切，没有稀缺性，很快商品化。在标准模具上接单，等于在红海里卖注塑件，拼到最后只剩价格。

真正的纵深在垂直行业模具：医疗行业的 Agent 怎么留审计痕迹、金融机构的 Agent 谁有权派活、制造企业的质检 Agent 出了错责任怎么划分。这些东西不是 prompt 问题，是 行业制度问题——它们被铸进 eval 里，就成了别人拿不走的模具。

这和Anthropic 领先行业 6 个月——但只有前两层算数的判断在工厂隐喻下汇合了：通用 Harness 是模型厂商的主场，但垂直行业的 eval 模具，是那 6 个月照不到的地方。谁手里有行业制度知识，谁就有开模能力；谁有开模能力，谁就能接别人接不了的单。

顺着模具供应链往上推，这个产业的全景图是：

最后一行可能是个全新的产业：外部客户凭什么相信你的工厂能交付？凭第三方 eval 审计。就像出口货物靠 SGS 检测报告。

模具归谁：这个产业的护城河结构

最后是最锋利的问题：模具归谁？

制造业的惯例是：客户出开模费，模具归客户，但寄存在工厂——理论上随时能搬走，实际上搬迁成本极高，这就是锁定的来源。

软件产业大概率会照搬这个结构，而它同时决定了三件事：

锁定方式：客户的 eval 模具存在你的工厂里，换工厂要带着整套模具和磨合记录搬家——锁定靠迁移成本，不靠所有权。这比 2.0 时代「代码库锁死客户」干净，也更脆弱：客户知道自己随时能搬，所以工厂只能靠持续的交付质量留人。

护城河位置：工厂的护城河不是代码、不是人头，是「模具库 + 修模记录 + 一次通过率」这三样东西的复利。

平台的终局：谁来托管模具？模具应该归客户（那是他的业务制度资产），但模具的版本管理、兼容性认证、探伤审计由平台做——就像 GitHub 托管代码但不拥有代码。这套「模具托管」基础设施，可能比任何一家工厂都值钱。

结尾

回到开头那个被压价的外包公司。2.0 时代的软件工厂卖的是人的时间，所以永远被「AI 写得更快」压价；3.0 时代的软件工厂卖的是模具，而模具是 AI 写不出来的——它来自行业制度知识，来自一次次修模的复利。

人月神话的终点，不是更少的人月，而是没有人月。人月神话讨论过 Brooks 定律在 Agent 时代的失效，这篇再推一步：当验证成本被摊销成零，「人月」这个计量单位本身就过期了。

一个问题留给你：你所在行业的制度知识——合规要求、审计标准、责任链——现在铸成模具了吗，还是还散落在几个老员工的脑子里？

欢迎留言聊聊。

See also

• 如何判断你的团队真的工程 AI 化了：六条验收标准
• 从 Cowork 到 Tag：AI 的竞争单位，正在从个人变成组织
• 别再用技能衡量自己：AI 时代的成长单位是闭环
• 一切皆插件：DeepSeek Harness 的野心与收敛鸿沟
• 一场 AI native 的战略会：开完之后，组织比开之前更聪明