📋 目录
- 一、晓辉博士问的问题，比标题更具体
- 二、REA 的 Star 数有三个版本，这件事本身就说明问题
- 三、VibeOffice：花了 1000 美元，做不完一个 Word
- 四、逆向提速是真的，但 84 天对 596 天不是全部真相
- 五、SaaS 不会消失，但"卖席位"这个计价方式会
- 六、什么东西是逆向不掉的
- 七、企业该按什么标准重新评估软件支出
一、晓辉博士问的问题，比标题更具体
前腾讯研究院副院长袁晓辉博士（清华城市规划博士，2026 年 8 月离职后独立创作）在视频号最新一期里提了一个问题：如果"把功能做出来"变得越来越容易，我们还会为什么样的软件服务付费？
她给了两个观察，都是亲身验证过的：
观察一：她自己试了。她说这两天看到很多关于 AI 逆向软件的讨论，她自己也试了试——连她剪辑工作流里一直没补上的美颜功能，现在也能借助开源框架做出来了。
观察二：一家制造业企业。她前两天访谈一家制造业企业，对方告诉她：很多原本需要外购的软件功能，现在都在借助 AI 自己写。除了按需定制，更重要的是把企业上下文和一线信息沉淀在自己手里。
这两句话的分量不一样。第一句是个人体验，第二句是企业侧的真实动机。“把上下文沉淀在自己手里”——这是这场技术变动里最容易被忽略、但最关键的那条线，后面会展开。
她自己的判断是：SaaS 不会简单地全部消失，但价值要重新定义——能不能直接解决问题、持续可靠地交付、在复杂场景里承担责任。
本文就顺着这个追问往下查：AI 逆向到底到了什么程度？哪些成本真的塌了？哪些没塌？
二、REA 的 Star 数有三个版本，这件事本身就说明问题
AI 逆向这件事，这两周最有代表性的工具是开源项目REA（Reverse Engineer Anything）。
它做的事：通过 MCP 接入 Claude Code、Codex、Cursor、Gemini CLI 等工具，把 Hopper、Ghidra、IDA 和浏览器分析能力交给 AI 调用。普通 AI 编程助手擅长读你提供的代码，但看不见一个已经打包好的软件内部发生了什么。REA 补的就是这部分。
但关于它的 Star 数，中文报道出现了三个版本：
| 报道时间 | Star 数 | Fork 数 | 来源 |
|---|---|---|---|
| 2026-10-09 | 约 3.78 万 | 5500+ | 稀土掘金 |
| 2026-10-12（早） | 突破 11 万 | 未披露 | 腾讯搜索聚合页 |
| 2026-10-12 | 3.7 万 | 未披露 | 同上页面内另文 |
⚠️同一篇聚合文章内部就出现了 3.7 万和 11 万两个自相矛盾的数字，跨三天则是 3.78 万 → 11 万。三天涨 7 万 Star 不是不可能，但更可能是抓取时点或数据源不同。
这个矛盾本身比数字更值得看：它说明大家都在转发这个项目的热度，但很少有人核对过具体数字。一篇文章说三周涨到 3.7 万，和说涨到 11 万，传导到"AI 逆向已经成熟"的结论是一样的。这就是当下 AI 话题的典型状态。
REA 本身的能力边界，官方和社区反而说得很清楚。项目的 SKILL.md 里规定了调查方法：找到负责某项功能的代码，追踪数据流向，并区分实际观察与推断。还有一条硬规则——只测过一个函数，就不能据此判断整款软件是否重建成功。
社区讨论点出的三个真实挑战也值得记下来：
- 符号剥离与混淆对抗：去掉符号表的原生代码、控制流混淆，才是真正考验 Agent 语义推断能力的地方
- 干净室（Clean-Room）与版权边界：从反编译分析到代码复现，如何避免代码剽窃争议
- 黑盒对比验证：把部分测试输入置于 Agent 视野之外，严格比对原应用与复现功能的输出一致性
⚠️ 顺带纠一个流传的说法：“没有源代码，AI 也能拆解软件”——这个表述容易被理解成"能还原源代码"。更准确的说法是：AI 多了一组观察和分析软件的工具，可以沿着一个具体问题往下查。REA 明确说，这和把整个软件"还原成源代码"不是一回事。
三、VibeOffice：花了 1000 美元，做不完一个 Word
如果说 REA 的 Star 数是热度指标，那 VibeOffice 就是成本指标。这个案例的价值在于作者把账算得很清楚。
VibeOffice 做的事：把 Office 2003 的菜单和工具栏搬进浏览器，提供文字、表格、幻灯片编辑功能。用户无需注册账号，就能打开、编辑、保存 docx/xlsx/pptx 文件，文件在本机处理。
作者披露的投入：
| 项目 | 数据 |
|---|---|
| 代码起始时间 | 国庆假期（项目介绍中提到"代码都是国庆假期才开始编写的"） |
| 界面 + 基础功能的模型用量 | 按正价计算约1000 美元 |
| 后续投入 | 完善自动化测试、Office 兼容性、无损编辑，又消耗了数倍token |
| 截至作者回复时 | 仍未完成 |
| 测试规模 | 使用 LibreOffice、Apache POI 等公开测试集的4697 份文件 |
| 已知问题 | 表格滚动问题（已修复）、仍有待办记录：保存后丢失旁边的图表/图片 |
这段描述值得逐句看：
用户只修改了一个数字，自然不希望保存后丢失旁边的图表。
这就是"逆向出一个功能"和"造出一个能用的软件"之间的全部距离。1000 美元买来的是"能打开、能编辑、能保存"，买不来的是"改一个数不会把图表弄丢"。
而且成本结构很反直觉：界面和基础功能只花了约 1000 美元，真正烧钱的是自动化测试、兼容性、无损编辑这些"没人会觉得好看"的部分。这跟上一期讲的 CommerceAgentBench 是同一个道理——能被规整成 API 的那部分最容易，真正难的是长尾的边界情况。
作者的处理方式也很值得学：以原文件为依据，尽量只修改用户编辑过的部分。暂时无法编辑的宏和嵌入对象会尝试保留原始数据，但保留下来不代表已经支持相应功能。这是诚实的表述，不是宣传话术。
四、逆向提速是真的，但 84 天对 596 天不是全部真相
游戏移植是另一个热门领域。《光环》《GTA：罪恶都市》《辛普森一家：横冲直撞》等作品陆续出现在浏览器游戏移植合集里。
最常被引用的数字来自开发者 Chris Lewis 的复盘：N64 游戏《SnowboardKids》的逆向用了 84 天，而他此前处理《SnowboardKids2》花了 596 天。
⚠️ 但这个数字被广泛简化成"AI 让逆向提速 7 倍"。Chris Lewis 自己的说法要完整得多：
- 他让多个 Agent 分别处理不同函数，并记录已发现的编译器规律供后续任务参考
- 他明确提醒：个人经验、游戏规模和社区专家的帮助都会影响进度，不能把工期差异全部归功于 AI
而且，即便项目实现了重建代码与原游戏机器码的匹配，许多函数的用途和数据结构仍需继续整理，整款游戏"仍在重建中"。
还有一位记者 Lewis Parker 的观察值得注意：他试玩的某个《光环》版本能连接在线服务器、延迟不高，但他担心某个版本被下架后，新的版本可能很快出现。
Kotaku 记者的判断是：仅凭演示，很难判断 AI 完成了多少工作，用"一夜完成"概括并不准确。
这三条合起来是个很完整的提醒：提速是真的，但提速的归因是复杂的，而且"跑起来"离"完成"还很远。
五、SaaS 不会消失，但"卖席位"这个计价方式会
把上面这些拼起来看，SaaS 面临的压力就不是"被替代"这么简单，而是计价逻辑被抽空。
袁晓辉博士提到的产业侧信号是 GPT-6 Astra 发布后：Salesforce 跌约 4%，ServiceNow 跌约 5%，Intuit 跌约 4%，标普500 软件与服务指数连续两个交易日走低。一天之内几百亿美元市值蒸发。
对"卖席位"这个模式的批评逻辑很直白：过去你买我的工具，怎么用是你的事。以后是我直接帮你把事办了，按成果收费。
但把这句口号拆开会发现更麻烦的地方——"按效果付费"要能成立，前提是效果可度量。而第三节 VibeOffice 的例子正好说明了为什么难：一个 Word 兼容层都要 4697 份测试文件、烧掉数千美元才能做到"基本可用"，你凭什么给一个"帮你把事办了"的系统定验收标准？
市场分析师 Matthew Berman 的判断更克制：如果一家公司的竞争优势仅来自软件本身，未来可能面临压力，培训、客户支持和持续维护等服务会变得更加重要。
注意这个限定词——“仅来自软件本身”。这是全篇最关键的判断之一。它意味着软件本身作为护城河的效力在下降，但"服务 + 责任"这部分在升值。
六、什么东西是逆向不掉的
这才是企业最该关心的部分。把"逆向不掉的"列清楚，比预测"哪些软件会死"有用得多。
APP SO 总结的那几条替代逻辑非常精准：
临时修改表格的人，需要顺利打开文件、准确修改内容，再把文件发出去。原版多出来的高级功能，未必能促使他继续付费。
这句话点出了替代的真实机制：替代不是从核心功能切入，是从边缘场景切入。
由此推出四层"逆向不掉"的东西：
| 层次 | 为什么逆向不掉 | 对应代价 |
|---|---|---|
| 数据兼容 | 旧文件里那些只有生产环境才有的怪格式，逆向者拿不到样本 | 迁移成本 |
| 责任归属 | 出事有人接电话，这是合同问题不是技术问题 | 服务与 SLA |
| 组织协同 | 权限、审批流、审计记录，跟业务系统深度耦合 | 集成成本 |
| 持续演进 | 软件一直在更新，替代品要一直追 | 长期维护 |
袁晓辉博士说的"在复杂场景里承担责任"，对应的正是第二层。
而她在制造业企业听到的那句话——“更重要的是把企业上下文和一线信息沉淀在自己手里”——对应的正是第一层和第四层。企业自己做软件的真正动机，不是省下License 费用，是让那些"只有我们知道"的东西长在自己这边。
⚠️ 有一个法律边界必须说清：逆向工程本身并不必然违法，但未经授权破解软件保护措施、直接复制受版权保护的代码、或将他人商业秘密用于竞争，都可能引发法律纠纷。技术上能够重建某项功能，不意味着开发者就有权将重建成果公开发布或商业化。REA 的干净室机制就是为这件事设计的。
七、企业该按什么标准重新评估软件支出
把上面的分析收成可以直接用的判断标准。这几条不需要争论"AI 会不会颠覆 SaaS"，只回答"我现在该不该续费"。
标准一：把你正在用的软件拆成三层，看哪层被侵蚀了。
| 层 | 内容 | 受 AI 逆向影响 |
|---|---|---|
| 功能层 | 界面、增删改查、报表生成 | 大——VibeOffice、REA 直接瞄准这里 |
| 数据层 | 历史数据、兼容旧格式、迁移能力 | 小——逆向者拿不到你的数据 |
| 责任层 | SLA、审计、合规、事故响应 | 几乎无 |
经验：功能层占比越高的软件，越容易被换掉；数据层和责任层占比越高的，越安全。如果一个软件你只在用它的功能，几乎没在用它的数据和责任——它就在危险区。
标准二：问"这件事我真的需要它吗"。
REA 那个案例的形式是：想让自己的应用增加搜索功能，于是让 AI 分析某个笔记应用怎么做搜索，再参考实现。这是一个具体任务，不是"我要替代这个软件"。替代是从具体任务长出来的，不是从产品对产品长出来的。
标准三：成本对比要按 token 全量算，不要只算界面那一步。
VibeOffice 的 1000 美元买到的是界面加基础功能，后面的兼容性测试"又消耗了数倍 token"还没做完。评估自建成本时，最容易被低估的就是"让它在真实数据上不出事"这部分。
标准四：数据留在自己手里，是唯一逆向不掉的东西。
袁晓辉博士那句"把企业上下文和一线信息沉淀在自己手里"，从成本角度看是省钱（不外购），从战略角度看是唯一不可被复制的资产。功能能被重建，数据不能凭空生成。
标准五：先看自己的业务有多少在长尾边界情况里。
如果你的核心工作 90% 是标准流程，企业自建的性价比很高；如果 90% 是"改一个数不能让图表丢"这种边界情况，自建会把你拖死。这个比例决定一切。
至于"员工、自建 AI 还是第三方 Agent"这个选择（这也是晓辉博士这期的章节之一），判断依据就是上面五条——不是看谁的技术更强，是看你自己缺的是功能、数据还是责任。
最后说一句留有余地的话。
这些开源项目目前还不足以证明哪家软件公司的收入会因此下降。但它们提出了一个任何软件厂商都需要重新考虑的问题：当用户需要的功能更容易被重建，产品整体领先，还能在多大程度上支撑原来的价格？
成熟软件其实替后来者完成了部分探索——哪些功能有人需要、界面如何安排、操作后应当出现什么反馈，都有现成产品可供参考。过去即使知道一项功能应该是什么样，理解并重建它仍需要大量人力。这部分人力现在便宜了，价格压力就是从这里来的。
至于工具会不会被卡住、代码能不能合法发布、复现质量和原版差多少——这些问题在具体项目里都有不同答案，没有统一结论。
你手上正在付费的软件里，哪一个是你只用功能、几乎没用它的数据和责任那一层？评论区说说，我们一起看看它还能撑多久。
