十四年医院项目之后，我们重新回答「软件是怎么做出来的」

过去两年，软件行业最直观的变化是：写代码这件事变快了。需求描述得足够清楚，一个功能模块、一段设备接入代码、一套测试用例，AI 工具可以在很短时间里给出可运行的版本。对于需求明确、重复性较高的工作，AI 工具可以帮助团队更快形成原型；实际交付周期仍受设备联调和验收要求影响。

一、行业正在发生的变化

这带来了一个容易被误读的结论：软件开发的门槛消失了，谁都能做软件。演示效果良好的软件进入医院手术室、跨院区专网或需要长期运行的边缘终端后，仍可能暴露设备兼容、网络稳定性和维护方面的问题。信号源切换时的丢帧，弱网下的音画不同步，国产化环境下的驱动兼容，跨科室权限的边界，验收时一条没有写进需求文档却是硬条件的流程要求，这些都不是「再生成一次」能解决的。

首视的判断是：AI 改变的是开发方式，而不是工程能力。代码的生产成本大幅下降，判断该写什么代码、写成什么样、在什么环境下算「能用」的成本并没有下降。工程经验从「会写」这件事上解放出来，重新回到它本来的位置：决定软件质量。

二、一家做了十四年行业项目的公司在想什么

首视成立于 2012 年，长期做的是数字化手术室、手术示教、远程会诊、ICU 探视、实训示教这类医疗音视频系统。这个行业有几个特点：客户是医院，需求由临床和信息科共同提出，验收看的是现场效果而不是功能清单；系统要接入摄像机、采集卡、矩阵、编解码器、行业设备，软硬件的边界从来不清晰；项目交付之后要运行很多年，原来的开发团队是否还在，直接决定系统能否继续演进。

在这样的行业里做了十四年之后，AI 工具进入日常工作，首视内部最先出现的不是「效率提升了多少」的兴奋，而是一个更实际的问题：这些年积累的东西，哪些会被 AI 替代，哪些会因为 AI 变得更值钱。

答案在几个项目之后逐渐清楚。会被替代的是重复性的编码劳动：写界面、写接口、写适配层、写文档。不会被替代的，是知道医院手术室的信号链路应该怎么设计、知道局域网低延迟和公网 RTC 应该怎么分层、知道一台终端在断网时应该继续录制而不是报错、知道验收那天临床主任会站在哪个位置看哪块屏。这些知识过去以「经验」的形式散落在工程师头脑里，现在可以被整理成 AI 工具能够读懂、复用的资产。

三、经验是如何沉淀下来的

首视在 AI 时代能够快速推进新项目，前提是这些年的工程积累已经沉淀成了可以复用的东西，而不是停留在个人记忆里。

第一层是底座。自研的实时音视频引擎与录制存储服务，在多年医院项目中反复验证，局域网低延迟分发和公网 RTC 两条路径都有量产实现。术眺 SUTIV 医疗实时媒体平台就是在这个底座之上形成的产品线，手术室端、示教室端和管理平台共用同一套媒体链路。新项目不从零搭建，是在这个底座上做业务功能。

第二层是行业知识。手术室、示教室、ICU、会诊中心各自的信号类型、设备品牌、部署条件、权限边界与验收习惯，首视有成文的方案标准句式、设备清单模板和接口边界说明。这些文档原本服务于投标和实施，现在同时成为 AI 工具的工作上下文：这些资料为 AI 工具提供行业上下文，生成结果仍由工程师结合项目条件核对。

第三层是交付方法。需求沟通、产品定义、快速原型、开发、联合测试、部署交付，六个环节每一个都有明确的「做成什么样算做完」的标准。这套交付方法延续既有流程，AI 工具主要用于加快原型制作和迭代。具体周期仍需根据需求范围、设备联调条件和验收要求评估。

四、新的开发方式是什么样的

在这样的基础上，首视的软件开发方式确实变了，但变化发生在具体的工作方法上，而不是在对质量的要求上。

需求阶段，客户可以先说明现有条件、预期用途和需要改进的问题，首视用行业知识做技术判断，AI 工具协助把口头需求整理成功能清单、界面草案和设备清单，双方在一份能看得懂的文档上确认边界。

原型阶段，先提供可操作、可查看画面的版本，按双方确认的阶段计划推进。关键链路，包括多路信号接入、切换、录制、分发，先在真实设备上跑通，方向错了在这一步纠正。AI 工具承担了大量界面和适配层代码的生成，工程师把精力放在链路设计和设备联调上。

开发阶段，业务功能在首视自有底座上实现，AI 工具生成代码、补测试、写文档，工程师负责审查每一段进入产品的代码是否符合架构约束、是否处理了行业环境里真实会出现的异常。这里的原则很简单：AI 可以写代码，但每一行进入交付版本的代码，都有工程师为它负责。

测试与交付阶段没有捷径。接入真实设备与真实网络环境联调，客户按实际业务场景验证，问题逐项闭环，交付安装包、部署文档与操作说明，并约定后续迭代方式。这个环节 AI 能帮的有限，也正是它最能体现工程经验价值的地方。

五、这对客户意味着什么

首视把新的定位表述为：基于 AI 工具链的软件定制开发服务商。这个定位对客户的实际意义有三点。

一是复用已有音视频组件与交付方法，减少重复开发。项目周期和费用按需求范围、设备联调工作量及维护安排评估，合同明确阶段成果、验收条件和部署交付内容。

二是由首视承担 AI 辅助开发成果的审查、测试和交付责任。双方按合同明确验收标准、设备与网络联调范围、维护责任和问题处理方式，客户依据约定的业务场景验收软件。

三是明确后续维护安排。首视持续维护自有产品线，定制项目在交付时约定问题响应、版本更新和后续迭代方式，并保留必要的代码与部署文档，便于系统长期维护。

首视目前只承接有工程积累的方向：实时音视频、录播、会议、多路采集与录制回放、远程协作与远程指导、音视频设备配套软件、行业客户端与设备控制软件、既有音视频软件的重构与产品化升级。判断不符时会直接说明，不浪费双方时间。

六、往后看

AI 工具还会继续变强，代码生产的成本还会继续下降。可以预见的结果是，软件行业里「会写代码」的稀缺性会持续降低，而「知道该做什么、在什么条件下算做好」的稀缺性会持续上升。行业经验、工程判断和长期维护的责任，会成为软件服务商之间真正的区别。

对首视来说，这不是一个需要转型去追赶的变化，而是一个把已有积累放大的机会。十四年医院项目里磨出来的底座、知识和方法，过去只能服务于首视自己的产品线；现在借助 AI 工具链，可以以合理的成本服务于更多有实时音视频需求、但没有软件团队的行业客户。

软件的做法变了，做软件的人要负的责任没有变。这是首视对 AI 时代的理解，也是这项服务的出发点。