在软件开发的起点已经变成了一句话生成的当下，我们发送诸如像「帮我做一个记账 App」的提示词，Codex 或者其它 Agent 就会自动完成编码、审查、测试、上线和发布等一系列流程。
AI 编程工具降低了做应用的门槛，但也把一个老问题更早地摆到了「开发者」面前：做出来以后，谁会用？
a16z 最新一期数据周报，给「vibe coding 创业潮」泼了一盆冷水：应用供给翻了四倍，需求却纹丝不动；独角兽确实在变年轻，但独立开发者的淘金梦，数据上一个都没有兑现。
根据 MIT 与宾夕法尼亚大学研究者今年 5 月发表的研究论文《Writing Code vs. Shipping Code》，从 2025 年初到 2026 年 4 月，iOS 每月新发布的应用数量大约翻了一倍。
Chrome 扩展加速增长，Google Play 的新增应用也扭转了此前持续多年的下降趋势。
研究者接着观察了这些新应用上线头三个月的表现：它们获得了多少下载，积累了多少评分，有没有找到最初的一批用户。
结果有些惨淡，新应用明显增多，但每月新增应用在头三个月获得的总参与度却持平或下降，连小规模受众都没能积累起来的应用，且占比还在上升。
更能说明问题的是结构数据，按使用量来区分后，「零 / 低使用」新应用，即评分少于 10、下载不足 100 的占比显著上升，而展现出任何「逃逸速度」迹象，要跨越 10/100 这个门槛的应用占比大幅下挫。
研究员特意检验过一种可能性，就是会不会总量没变、只是份额在内部重新分配、诞生了新赢家？答案是否定的。不是蛋糕没变、赢家通吃，而是压根没有产生新赢家。
Sternstein 给这个现象起了个名字叫 App-Slop，AI 时代的应用泔水。这让人想起内容农场时代的「AI Slop」，只是这次被淹没的是应用商店。
一年半时间，收入 +2%，时长 +7%；更多软件被发布出来，却没有带来相应规模的新使用需求。应用经济的蛋糕，没有因为 AI 而变大。
唯一的赢家，是 AI 自己
不过，「AI 没有带动应用经济」这句话需要加一个限定词：AI 应用本身，活得好得很。
分品类的散点图显示，Productivity（效率）是美国市场唯一一个收入和使用时长同时高速增长的品类。
从使用方式看，通用 AI 助手都有类似的优势，即不同任务可以留在同一个入口里完成。修改邮件、整理资料、讨论旅行安排，都能成为用户再次打开它的理由。
相比之下，一款只解决单个问题的新应用，需要更明确地证明自己的价值。尤其当它的主要功能也能在现有 AI 助手里完成时，开发者还得回答，多安装这一个 App，能让事情方便多少。
用户愿意为 AI 能力付费，不会因此对每个用 AI 做出来的 App 都感兴趣。
这也是「App 大爆炸」容易让人误判的地方。即便现在效率类别是热门，但我们用 AI Vibe Coding 了一个效率类的应用，想要让它赚钱，几乎同样是困难。
只看软件开发内部，AI 带来的加速也没有完整地传递到交付结果上。
这项研究还结合了超过 10 万名开发者的 GitHub 活动与 AI 工具使用数据，研究者估计，累计采用不同代际的 AI 编程工具后，代码提交活动增加约 180%，最终发布的软件版本数量增加约 30%。
假设你用 AI 做了一款记账 App，收入、支出、分类、月度图表都齐了，演示起来也很完整。但接下来你就要决定，它到底服务什么人。
一个想控制外卖开销的大学生，和一个需要管理共同支出的家庭，对记账工具的要求就很不一样。前者可能最在意录入够不够快，后者则需要多人共同使用、区分支出归属。
这些选择会直接影响产品设计，不断添加功能，未必能让某一类用户用得更顺手。
商业化又会带来另一组具体问题，靠什么让潜在用户知道这款应用？如果需要购买广告，获得一个付费用户要花多少钱？假如产品持续调用模型，订阅收入能否覆盖运行和服务成本？
让用户每个月付钱，还需要一个理由
如果说大家对 AI 生成的应用付费意愿不高，但即便是观察为 AI 能力付费的人，结果同样不是很乐观。这些在消费端的 AI 付费，也远没有普及到每个人。
18 – 24 岁人群中付费购买 AI 服务的比例约为 5.9%，25 – 34 岁约 5%，而 65 岁以上人群只有 1.4%。
年轻人以四倍于长辈的速度在为 AI 付费，所以尽管「我们还处在 AI 非常早期的阶段」已经是陈词滥调，但数据确实支持它。
把讨论进一步推到「AI 什么时候体现在 GDP 里」这个宏大问题，他的回答是：等这些 App 变得足够好再说。
Consumer Edge 的数据也显示，过去一年，为至少一项 AI 服务付费的持卡人比例大约翻了一倍，直接付费的人群仍然有限，但至少是在慢慢增长。
这些公司放慢了扩张，把更多精力放在改善利润和延长现金使用时间上。那些近期完成融资的企业，仍然保留着较高增长、较大亏损的特征。
尽管资本市场依然愿意为增长提供资金，只是不同公司的融资处境差别很大。
这组数据看起来离一个独立开发者很远，但它其实回答了文章开头那个最简单的问题。
当任何人都能在几个小时甚至几分钟里做出一个 App，「把东西做出来」本身，已经越来越难成为一门生意。
AI 编程真正改变的，是软件世界的供给曲线。过去一个很小的需求，因为开发成本太高，可能根本没人愿意做；现在它们都可以被迅速做成产品。应用商店因此会越来越拥挤，软件也可能像今天的网页、图片和视频一样，被大量、快速地生成出来。
但我们一天依然只有 24 个小时，用户不会因为 App 数量翻了四倍，就多下载四倍的软件；也不会因为开发者用一句话完成了过去一个月的工作，就愿意多付四倍的钱。
所以，Vibe Coding 真正有价值的地方，是在降低「验证一个想法」的成本，而不是「做成一门生意」的成本。我们可以先做一个 MVP（minimum viable product，产品最简版本），给真实用户试，用数据判断这个需求到底存不存在，再决定要不要继续投入。
这和大模型行业正在发生的事情其实很像，所谓的 Tokenmaxxing，更多 Token，更多调用量，并不会自动转化成更多收入；同样，更多代码、更多 App，也不会自动创造更多需求。
AI 压低了这个市场的进入门槛，同时也压低了许多简单软件本身的价值。
报告链接：https://www.a16z.news/p/charts-of-the-week-so-many-apps-so
