工程師不值錢了？軟體市場卻正衝向 582 億美元：當 1.8 億人都能做軟體，AI 正把軟體創作變成下一個成長風口

投資人是不是不打算再把資源挹注在軟體產業了？這其實是一個很大的問號。因為我們把視角切回到市場本身，雖然程式設計師的職缺預估十年內減少 7%，做軟體的人口卻一年暴增 3,600 萬。所以，實際上AI 壓低的是「寫 Code」的價格，但撐大的卻是整個軟體市場。

管以微見，軟體市場正在經歷史上最大的一次擴張，而擴張的動力，剛好就是讓工程師焦慮的那個東西：AI 會寫程式了。AI 讓過去對數位環境所需要的技術性語言，變成了人類的普通口語，加速了兩個物種（人類與數位智慧體）之間的彼此溝通的時間。

先把結論講在前面。美國勞工統計局預估，未來十年「程式設計師」這個職業會減少 7%；但事實是同一時間，GitHub 一年新增超過 3,600 萬名開發者，Gartner 預估低程式碼開發技術市場 2029 年將達到 582 億美元。三個數字放在一起，講的是同一件事：寫程式的入門變便宜且簡單了，所以軟體變多了、所以做軟體的人也變多了。 工程師的某一種工作會消失，軟體市場卻會變成好幾倍大。

自創業以來，甚至是更早之前，從我 1995 年小時候寫下第一行 HTML 程式碼開始，我所認知的世界，就是一個加速的世界。電腦跟過去人類的訊息載體並沒有太大不同，只是它可以做很多很多的事情。它和廣播、電視，甚至是電影這類承載內容的載體都是一樣的，可是它能做到更快的速度，接觸到更多的人，並承載更多的功能。

2013 年剛成立電獺時，我們開始跑許多的共創社群、或說是將近 15 年前火紅的 Maker 社群，透過從工廠走到家用的製造設備，配合手機跟行動應用的普及，搭建出一個更快速製造出產品的世界。同時自媒體產業也是這樣，從需要大規模跟高昂設備的製作，逐漸縮小到在一個有限的空間搭上綠幕、放上手機和 LED 燈光，就可以做出接近以往專業攝影棚達到的效果，這都是科技讓價值創造的距離縮短的事實體現。
唯獨我們覺得還讓數位內容產業（或者是我們稱作腦袋的產業）看起來有點落後的地方，就是技術人員、軟體工程師還是稀缺的，在市場上依然有著因稀缺而導致「物以稀為貴」的狀態出現。有資源或有資本的公司，無視於真正的人月產能效益，以擁有越多工程師作為自己的產能指標或品質保證指標之一，而這正再再顯示了，是為一個比較落後的產業才會有的現象。
這幾年自己寫程式、做產品、帶團隊，一路看著 Full-stack Framework、將簡單的前端語言包裝得過度複雜的各種library、然後 AI 時代，從 Copilot、Cursor、Claude Code、Codex、Vibe Coding、Agent 一代一代往前跑，我越來越確定：接下來其實宏觀望去真正縮小的東西：是「只有 Programmer 才能創造 Software」這個限制本身。

以下用五組權威機構的數據，講我看到的市場變化，以及正在這個變化裡誕生的新角色：Software Creator。我甚至不認為 Builder 是個正確形容這個目前 這些因 vibe coder 雨後春筍般生出所產生角色的名詞。

一、程式設計師在縮，軟體開發者在長

很多人把「寫程式的人」跟「做軟體的人」混在一起算，所以才會問錯問題。

美國勞工統計局（BLS）最新的 2025–2035 職業就業預測，剛好把這兩種人分開算：

Computer Programmers 預估減少 7%，Software Developers 預估增加 10%，Information Security Analysts 預估增加 21%；同一期間所有職業平均只成長 3.5%。BLS 在程式設計師那一頁寫得很直接：企業會用包括 AI 在內的技術把重複性的程式工作自動化，較高階的工作則轉移到軟體開發者身上。

這張圖講的是一個結構轉換：「Coding」正在掉價，「Software」在漲價。

當越來越多 Code 可以交給 AI 寫，人的價值會往其他地方移動。你知道要解什麼問題嗎？你懂這個產業怎麼運作嗎？你能把五個部門的需求整理成一條 Workflow 嗎？你知道資料該怎麼建模嗎？你知道哪些事不能讓 Agent 自己決定嗎？你知道上了 Production 之後哪裡會爆炸嗎？再往下一層：你懂 Database、Distributed Systems、Security、Infrastructure 嗎？

這些能力會比「把規格變成 Code」更值錢。

二、「開發者」的定義正在擴張：4,840 萬，還是 1.8 億？

開發者人口到底有多少，答案取決於你怎麼算；而兩種算法的差距，才是這個市場最值得看的地方。

SlashData 的估計是 2025 年第三季全球有 4,840 萬名開發者，2022 年初還只有 3,100 萬出頭，三年多成長約五成；其中專業開發者從 2,180 萬成長到 3,650 萬，增加七成。SlashData 同時指出，年增率從 15%、21% 掉到最近一年的 10%，可能正在趨緩。

GitHub 的數字是另一個量級。Octoverse 2025 報告：平台上已有超過 1.8 億名開發者，單一年度新加入超過 3,600 萬（年增 23%），平均每秒超過一人加入；將近 80% 的新開發者在第一週就使用 GitHub Copilot。 使用 LLM SDK 的公開 Repo 超過 110 萬個，年增 178%。

1.8 億個 GitHub 帳號當然不等於 1.8 億名職業工程師。研究機構算的是「以開發為業的人」，GitHub 算的是「實際在平台上建東西的帳號」。兩個數字之間的差距，就是正在長出來的那群 Software Creator。

以前：

Software Creator ≈ Programmer / Engineer

現在慢慢變成：

Software Creator
= Engineer + Founder + PM + Designer + Analyst
+ Marketer + Consultant + Operator + Researcher
+ 一般使用者 + AI Agent

Gartner 早在 2022 年底就預測：到 2026 年，正式 IT 部門以外的開發者，將占低程式碼開發工具使用者至少 80%，2021 年時是 60%。 這群人的 LinkedIn 上沒有 Software Engineer 這個頭銜，但他們每天都在製造軟體。

我刻意沒有在這裡丟一個「2027 年會有多少 Software Creator」的數字，因為目前沒有任何研究機構做過這種人口預測，我自己猜的數字也不會比較可信。方向倒是很清楚：專業開發者還在成長但趨緩，做軟體的人口正用另一個速度擴張。

三、Software Creator：一個新角色正式登場，而且動能已經不容小覷

把上面兩組數據放在一起看，會看到一個新角色已經成形：Software Creator。他們做軟體，但他們的工作、工具、產出和責任，跟我們熟悉的 Programmer 都不一樣。這個角色正在變成軟體市場下一階段最大的動能，而且證據已經出現在機構數據裡：GitHub 一年新增 3,600 萬名開發者、將近 80% 第一週就用 Copilot；Gartner 預估 2026 年低程式碼工具使用者有八成來自正式 IT 部門以外；BLS 預估重複性的 Coding 會被自動化、高階工作往軟體開發者移動。三個機構、三個角度，看到的是同一群人正在湧進來。

這就像 YouTube 之於影像產業。攝影師、剪接師、導播這些職業都還在，但真正把影像市場撐大十倍的，是「Creator」這個以前根本不存在的角色。Software 正在複製同一條路。

Software Creator 跟 Programmer 最不一樣的地方，我整理成五點：

第一，起點不同。 Programmer 的工作從「規格」開始；Software Creator 的工作從「問題」開始。他本人就是那個懂業務、每天被問題煩的人。一個零售營運主管做出來的補貨工具，可能比一個完全不懂零售的工程師做的更貼近現場，因為他知道哪一欄數字才是真的重要。

第二，核心工具不同。 Programmer 的核心能力是語法與演算法；Software Creator 的核心能力是「把意圖講清楚」加上「判斷 Agent 做對了沒」。Anthropic Economic Index 看到 Claude.ai 上「整件事直接交給 AI」的對話比例從 27% 升到 39%，講的就是這種工作方式：人負責 Intent 與 Review，Agent 負責 Build。

第三，產出的單位不同。 Programmer 交付「功能」，Software Creator 交付「結果」。一個 Sales 做的 Lead App、一個活動 PM 做的報到工具，衡量標準從來就只有一個：這個月的問題有沒有被解決。所以 Software Creator 做的軟體，Lifecycle 可以很短，甚至只活一場活動、一次 Campaign。

第四，分佈的位置不同。 Programmer 集中在 IT 部門與軟體公司；Software Creator 散在行銷、營運、財務、業務、客服，每一個有重複工作的角落。Gartner 那個「八成在 IT 以外」的數字，講的就是這件事。

第五，責任的落點不同。 當 Code 由 AI 生成，Software Creator 真正要負的責任，是判斷：這個東西可以上嗎？資料拿對了嗎？權限給對了嗎？Stack Overflow 調查裡 46% 的開發者不信任 AI 輸出的準確度，正好說明這個角色的價值在哪裡：在「幾乎對了」跟「真的對了」之間，需要一個懂業務、也看得懂結果的人把關。

這五點合起來，就是為什麼我認為 Software Creator 會是一個獨立的角色，而且會成為軟體市場下一階段最大的動能：他們的數量比專業開發者多好幾倍、散在每一個產業裡、做的是以前根本不會被開發的軟體。

四、人才往兩端集中，中間那一段最危險

我會把未來真正有價值的技術人才粗略分成兩端，而且兩端長得完全不一樣。

第一端是非常深的人：真的研究 Database、Compiler、Operating System、模型、GPU、Security、Distributed System、Infrastructure 的人。AI 可以協助他們寫，但當整個世界建立在更多 Software、更多 Agent、更多 API 上面，真正懂底層的人反而更稀缺。上面的人增加一百倍，最下面蓋地基的人不會同時增加一百倍。真正很強的底層 Engineer，會變成更少、更貴、更有槓桿的一群人。

另一端剛好相反：懂一個領域，而且什麼都能做一點的人。一個廣告業的人，懂投放、懂媒體、懂業務、懂 CRM、懂一些 Data、會一點 API、會 Prompt、懂一點 UX。以前他什麼都碰但做不出產品；現在加上 AI Agent，他可能比一個完全不懂廣告業但 Coding 很快的 Programmer，更有能力做出「廣告公司真正會買的產品」。

中間那一大片「按照 Specification 把 Code 寫出來」的工作，是最容易被壓縮的地方。

Stack Overflow 2025 開發者調查的數字，說明了為什麼「判斷」會比「生成」值錢：

84% 的開發者正在使用或計畫使用 AI 工具（前一年是 76%），51% 的專業開發者每天用。但 46% 對 AI 輸出的準確度不信任，信任的只有 33%；66% 說最大的挫折是 AI 給的東西「幾乎對了，但沒有真的對」；76% 不打算把部署與監控交給 AI。

Code Generation 正在快速變成 Commodity。真正困難的事情，往判斷、驗證、架構、Domain Knowledge、責任移動。

五、軟體市場從「企業採購」變成「全民創作」：582 億美元只是舊分類下的數字

我的判斷是，現在大部分人估 AI Coding 市場的方法都太小了，因為還在用「開發者人數 × IDE 訂閱費」在算。

先講數據。Gartner 2025 年 11 月的預測：全球低程式碼開發技術市場到 2029 年將達到 582 億美元，預測期年複合成長率 14.1%；Gartner 2022 年底對 2023 年的預測是 269 億美元。單看 Gartner 原本定義的 Low-code 這一塊，六年左右就翻了一倍。更重要的是 Gartner 點名的成長動力：Agentic AI 與 Citizen Development。

Low-code 還只是前一個世代的分類。Low-code 的假設仍然是「人在操作 Builder」；AI-native Software Creation 的假設已經變成「人講 Intent，Agent 操作 Builder」。這是另外一個級別的市場。

創投的看法也值得參考（這是觀點，不是統計數據）。a16z 今年 3 月寫了一篇《Good news: AI Will Eat Application Software》，直接反駁市場上「AI 會殺死 SaaS」的悲觀論：「隨著 Code 變便宜，我們應該預期市場需求更多軟體」，而且「我們離滿足全世界對高品質軟體的需求還差得很遠」。 到了 8 月他們講得更直接：「AI coding 可能是我們這輩子遇過最大的可觸及市場。」

以前一個需求會不會做成軟體，要先問「值得花 100 萬做嗎？」現在變成「值得花一個下午做嗎？」這是完全不同的經濟模型。

舉一個很白痴、但最能說明這個未來的例子。五個朋友去日本玩，晚上回飯店喝酒，突然說「靠，我們沒有桌遊」。今天我們會去 App Store 找遊戲、下載、註冊、看廣告、研究規則，還不一定找得到適合五個人的。幾年後很可能是其中一個人對 Agent 說：「我們五個人，幫我們弄一個 30 分鐘、帶點心理戰、手機可以一起玩的派對遊戲，掃 QR Code 就加入。」Agent 花幾分鐘建 Game State、生 Web UI、開 Room、產 QR Code、Deploy。玩完兩小時，沒人再用。

這東西一輩子的 Lifecycle 只有兩小時，但它確實創造了價值。以前這種軟體不成立，因為開發成本 > 使用價值；AI 時代會開始出現開發成本 < 一次性的使用價值。一旦這個公式跨過去，軟體數量會出現非常誇張的爆炸。

「App」這個概念本身也會跟著改變。以前是「有人花幾個月做好 → 上架 → 大家下載」；未來會出現越來越多 Just-in-time Application：我需要，所以現在做，用完就算了。有些會留下，有些會迭代，有些活 30 分鐘，有些從小工具長成一家 SaaS 公司。

所以真正該問的問題是：當幾億人偶爾都會創造軟體時，他們需要什麼 Infrastructure？ 這是完全不同的 TAM。

六、AI 越會寫程式，基礎建設那一層越值錢

先講結論：Code Generation 會是這一波競爭最激烈、毛利最薄的一層；真正難、也真正大的，是「做出來之後呢」那一層。

OpenAI、Anthropic、Google、Cursor、Replit、Lovable 都在做 Code Generation，每個模型都一定越來越會寫。「幫我生一個 Button」出錯沒什麼；「幫我動 Production Database」完全是另一件事。AI 把軟體創作的前半段變便宜之後，後半段反而越來越重要：資料、權限、身份、Business Logic、Deployment、Monitoring、Rollback、Audit、Security、Human-in-the-loop。Agent 到底可以做什麼？什麼時候一定要問人？

四個來自不同機構的數字，指向同一個方向：

第一，平台。 Google Cloud 的 DORA 2025 報告寫得很白：AI 不會修好一個團隊，它放大原本就在那裡的東西。90% 的受訪者在工作中使用 AI，超過 80% 認為生產力提高，但 30% 對 AI 產出的程式碼幾乎不信任；AI 採用與交付吞吐量正相關，卻與交付穩定性負相關。DORA 的結論：90% 的組織已經導入至少一個內部平台，而平台品質與組織能否從 AI 得到價值直接相關。AI 越會寫程式，Platform Layer 越重要，這兩件事完全不矛盾。

第二，協定。 MCP 的成長速度非常誇張。MCP 官方在 2026 年 7 月新版規格發表時揭露，第一線 SDK 每月接近 5 億次下載，TypeScript 與 Python SDK 累積各跨過 10 億次。MCP 解決的本質很簡單：讓 Agent 知道有哪些 Tool、怎麼呼叫、哪些 Data 可以讀、哪些 Action 可以執行。

MCP 大部分還在 Server / Backend 的世界。今年 WebMCP 開始補上另外一半：它由 Google 與 Microsoft 工程師共同起草、放在 W3C Web Machine Learning 社群底下，2025 年 8 月首次公開，目前仍是草案，還沒有成為正式標準；Chrome 已在 2026 年 6 月於 Chrome 149 開始 Origin Trial。WebMCP 讓網站可以直接告訴 Agent「我有 searchProduct、addToCart、createBooking、approveExpense」，用結構化的 Tool 取代「看截圖、猜哪個是 Button、移動滑鼠、點擊、再截圖、再猜一次」。WebMCP 的說明文件自己講得很清楚：它設計來補足既有的後端協定（例如 MCP），沒有要取代它們；用了 WebMCP 的網頁，可以被當成「頁面內的 MCP Server」。

我自己會把它想成：

MCP     ＝ Agent 時代的 API Layer
WebMCP  ＝ Agent 時代的 Interactive Web Layer

Web 的角色也因此重新變得非常重要。它是全世界最普及、最跨平台、幾乎零安裝成本的 Application Runtime。剛剛在飯店臨時生的那個遊戲，沒有人會想先包成 iOS App 送審，最合理就是 Agent → Generate → Deploy → URL → QR Code → Browser，五分鐘開始用。當 Just-in-time Software 大量出現，URL 會重新變成非常重要的 Application Distribution Layer，Browser 則同時成為 Human Interface 與 Agent Interface。

第三，委派。 Anthropic Economic Index 已經看到使用行為在變：Claude.ai 上「整件事直接交給 AI」的 Directive 對話比例，從 2024 年 12 月的 27% 上升到 2025 年的 39%；企業 API 的使用有 44% 落在電腦與數學類工作，比 Claude.ai 的 36% 更集中。人慢慢從 Operator 變成 Intent Setter、Reviewer、Decision Maker、Owner。

三個訊號合起來，就是一個 Paradigm Shift：未來一套軟體從出生第一天開始，就應該預設人會用它，Agent 也會用它。 今天我們設計 API 是因為軟體要跟軟體溝通；未來大量應用從 Day 1 就要同時想 Human UI 跟 Agent Tool Interface。

電獺為什麼一直在做 Data Layer 跟 Application Layer

講到這裡，才輪到電獺。

這就是我們最近很多產品看起來東一個、西一個，但底層真正共同的邏輯。電獺一直以來想做的事情其實很簡單：

縮短價值創造的時間。

以前我們做 Data，因為資料散在不同地方、看不到、整理很慢，所以想辦法讓 Data → Insight → Decision 變短。AI 出現之後，這條鏈可以再往前延伸：

Idea → Data → Context → Logic → Application → Action → Value

每一段都開始可以被 Agent 加速。所以我們現在特別專注的，是中間最容易斷掉的兩層：

Data Layer 解決 AI 到底知不知道公司發生什麼事。
Application Layer 解決 AI 知道事情以後，到底能不能真的「做事」。

如果 Software Creator 真的從「開發者」擴張到「每個懂業務的人」，產品設計的假想使用者就必須改變。以前問「這個 API 工程師看得懂嗎」，以後要問「一個懂零售的人，能不能跟 Agent 一起把零售流程做出來」；以前問「這個 Backend 會不會部署」，以後要問「這個 Marketing Manager 能不能把自己每天重複的事變成 Application」；甚至「Agent 自己能不能發現缺一個 Tool，然後把 Tool 建起來」。

所以我們現在做的協作工具、Data Product、Application Infrastructure，包括 Mantle 這類 SaaS，瞄準的市場比 Developer Tool Market 更大：

Software Creator Infrastructure。

當每個人都可能成為 Software Creator，他需要的東西很具體：一組可以讓 Human、Agent、Data、Application 可靠協作的基礎建設，而且用起來不需要先學三年 Computer Science。

這也會改寫「軟體公司」的定義。未來很多公司的核心競爭力，會從「我們有 300 個工程師」變成「我們的 30 個人，可以指揮 300 個 Agent，同時營運 200 套內部與對外軟體」。這時候公司真正重要的人，是很懂 Workflow、很懂客戶、很懂產業、很懂 Data、很會定義問題、很懂系統底層、很會判斷 AI 到底做對沒有的人。Human Value 從 Production 往 Judgment × Domain × Architecture × Taste × Accountability 移動。

我的小小拙見，總結。

管見之，把五組數據疊在一起，我的觀點歸納成四句話：

第一，工程師會分裂，軟體會爆炸，Software Creator 會成為獨立的角色。 純執行 Coding 的 Programmer 角色會縮，BLS 的數據已經在說；底層 Engineer 會更稀缺、更貴；懂一個 Vertical 又能指揮 Agent 的人會變得超級有槓桿；原本完全不是工程師的人，會第一次加入 Software Economy。專業 Coding 人口的占比下降，Software Creation 的人口大幅增加，這兩件事會同時發生。 Software Creator 跟 Programmer 的差別在起點（問題 vs 規格）、工具（意圖與判斷 vs 語法）、產出（結果 vs 功能）、位置（業務單位 vs IT）和責任（把關 vs 實作），這群人會是下一階段最大的動能。

第二，AI 的第一階效應是「工程師一天寫三倍的 Code」，第二階效應是「原本不會做軟體的人開始做軟體」，第三階效應最大：「原本根本不值得存在的軟體，開始值得存在」。 一家公司內只用三天的 Workflow、一場活動只用兩天的管理工具、朋友晚上玩兩小時的遊戲、一個 Sales 為了這個月某個 Campaign 做的 Lead App、一間餐廳自己做的排班 Agent。以前它們沒有市場，因為開發成本太高；當軟體的邊際生產成本往接近零移動，它們全部都會出現。

第三，Code Generation 會變成 Commodity，錢會往基礎建設那一層流。 資料、權限、部署、監控、協定、平台，以及「人跟 Agent 怎麼安全地一起操作同一套軟體」。DORA、MCP、WebMCP、Anthropic 的數字，都在講這件事。

第四，電獺的位置就在這一層。 縮短 Data 到 Application 的距離，縮短 Idea 到 Value 的時間，然後等 Software Creator 這個人口真正爆炸。

所以如果有人問我「AI 會不會讓軟體工程師的市場變小」，我的答案是：某些工程師的工作，會。但軟體本身，正站在人類歷史上最大的一次市場擴張前面。

資料來源

1. U.S. Bureau of Labor Statistics, Occupational Outlook Handbook — Computer Programmers（2025–35 projections）：https://www.bls.gov/ooh/computer-and-information-technology/computer-programmers.htm
2. U.S. Bureau of Labor Statistics, Occupational Outlook Handbook — Software Developers, Quality Assurance Analysts, and Testers：https://www.bls.gov/ooh/computer-and-information-technology/software-developers.htm
3. U.S. Bureau of Labor Statistics, Occupational Outlook Handbook — Information Security Analysts：https://www.bls.gov/ooh/computer-and-information-technology/information-security-analysts.htm
4. U.S. Bureau of Labor Statistics, Employment Projections — Occupational projections and worker characteristics（Total, all occupations, 2025–35）：https://www.bls.gov/emp/tables/occupational-projections-and-characteristics.htm
5. SlashData, Developer Population（48.4M, Q3 2025）：https://www.slashdata.co/developer-population
6. SlashData, Global Developer Population Trends 2025：https://www.slashdata.co/post/global-developer-population-trends-2025-how-many-developers-are-there
7. GitHub, Octoverse 2025（2025/10/28）：https://github.blog/news-insights/octoverse/octoverse-a-new-developer-joins-github-every-second-as-ai-leads-typescript-to-1/
8. Stack Overflow, 2025 Developer Survey — AI：https://survey.stackoverflow.co/2025/ai
9. Gartner, Forecast Analysis: Low-Code Development Technologies, Worldwide（2025/11/4）：https://www.gartner.com/en/documents/7146430
10. Gartner 新聞稿, Gartner Forecasts Worldwide Low-Code Development Technologies Market to Grow 20% in 2023（2022/12/13）：https://www.gartner.com/en/newsroom/press-releases/2022-12-13-gartner-forecasts-worldwide-low-code-development-technologies-market-to-grow-20-percent-in-2023
11. Google Cloud, Announcing the 2025 DORA Report — State of AI-assisted Software Development：https://cloud.google.com/blog/products/ai-machine-learning/announcing-the-2025-dora-report
12. Model Context Protocol 官方部落格, The 2026-07-28 Specification：https://blog.modelcontextprotocol.io/tags/protocol/
13. Chrome for Developers, WebMCP origin trial（2026/6/9）：https://developer.chrome.com/blog/ai-webmcp-origin-trial
14. WebMCP Explainer（webmachinelearning）：https://github.com/webmachinelearning/webmcp
15. Anthropic Economic Index, Uneven geographic and enterprise AI adoption（2025/9/15）：https://www.anthropic.com/news/economic-index-geography
16. a16z, Good news: AI Will Eat Application Software（2026/3/2）：https://a16z.com/good-news-ai-will-eat-application-software/
17. a16z, Cursor + SpaceXAI: the fastest iterating team wins（2026/8/14）：https://a16z.com/cursor-spacexai-the-fastest-iterating-team-wins/