为什么“更便宜”不再是越南赢得软件开发合同的致胜法宝

我想说一些可能会惹恼某些人的话：越南那种“我们更便宜”的软件销售说辞已经快行不通了。

几个月前，我在听取一份软件开发合同的竞标陈述时，开始认真思考这个问题。那家公司开场就报出了小时费率，而不是先介绍其团队、工程能力或实际能交付的成果。

我经营外包业务（我的公司Saigon Technology现有超过350名工程师）已有18年，听过很多类似的竞标陈述，但这一次却让我印象深刻。

对于一名初级开发人员，他们开出的费率大约是每小时20到25美元。这个价格在10年前听起来完全合理，或许今天对某些人来说依然如此。

然而，在一个人工智能（AI）几乎可以免费生成代码的时代，这个价格就不再合理了。

越南并非突然变得昂贵，其工程师的能力也并非凭空下降。只是我们在过去十年赖以销售的优势——廉价的工程劳动力——正变得越来越没有差异化，而人工智能正在加速这一变化。

旧的算式正在失效

传统上，软件外包的账很好算。

如果美国一名开发人员的成本是每小时100美元，而越南一名开发人员的成本是25美元，那么客户就能节省75%的费用。将这个数字乘以整个团队和一年的时间，其商业价值显而易见。

越南围绕这种模式建立了一个非常成功的产业。但如今，这套算法正在被改写。

SEE ALSO

Vietnam pitches its real economy, not a Singapore replica, in two-city IFC push

Can Vietnam’s small-business backbone survive a compliance squeeze – all at once?

Vietnam workers keenest on AI in South-east Asia; Singapore employees among most sceptical: survey

微软研究院 (Microsoft Research) 一项涉及Microsoft、Accenture和一家《财富》100强公司的4867名开发人员的实地实验发现，使用人工智能编码助手的开发人员平均能多完成26.08%的任务。

这并非只发生在行业边缘。Stack Overflow的《2025年开发人员调查》发现，84%的开发人员正在使用或计划使用人工智能工具，而51%的专业开发人员每天都在使用它们。

有鉴于此，让我们重新设想一下同样的竞标会议。一家公司说：“我们有五名开发人员，每人每小时25美元。”

采购方的下一个问题应该是：“既然有了人工智能，这五名工程师能交付什么？”

这样一来，对话就完全不同了。因为人工智能正在改变一个团队的工程产出能力，所以小时费率作为一个价值衡量指标，其作用已大不如前。

廉价不是重点

我认为，应对这一转变的方法并非假装越南不再是一个低成本的工程市场。根据资历、专业领域和交付模式的不同，越南与其他主要离岸市场相比，仍具有广泛的竞争力。

根据我的经验，越南中级开发人员的典型时薪约为25至45美元，而印度约为20至40美元，菲律宾为25至40美元，东欧等市场的费率则更高。

一直以来都有比越南更便宜的市场，所以这里的开发人员从未单纯依靠价格竞争。但越来越明显的是，更便宜已不再是一种竞争优势。

我与越南的几位创始人都进行过类似的对话。他们的反应通常都是一样的抵触，我能理解为什么。

如果你花了10年时间围绕软件外包建立了一家公司，培训了数百名开发人员，围绕离岸交付进行销售，并因为你的团队比客户的本地选择更便宜而赢得客户，那么你的业务根基正在发生改变。

人工智能做不到什么

一位创始人直接反驳我，强调客户仍然在乎价格。

他问道：“如果我们不便宜，他们为什么会选择越南？”

这是一个合理的问题，我也不认为客户会完全忽视价格因素。但如果价格是你的价值主张，那么人工智能将年复一年地削弱你的地位。

我认为，这正是行业需要做出一个重要区分的地方。

人工智能在执行层面表现出色，能够生成样板代码、编写测试、解释代码、重构函数、创建API（应用程序编程接口）端点、生成文档以及调查错误。

但尽管这些都很重要，却没有一个能回答更棘手的问题，例如：

• 我们到底应不应该开发这个功能？
• 这个架构对业务来说合理吗？
• 这个新服务如何与一个没人完全理解的、已有10年历史的系统交互？
• 生成的代码安全吗？
• 它能否扩展？
• 当人工智能生成的解决方案看似正确，却在生产环境中失败时，会发生什么？

Stack Overflow的2025年调查也捕捉到了这种矛盾：46%的开发人员表示他们不信任人工智能输出的准确性，而66%的开发人员则表示，他们最大的挫败感来自于人工智能生成的“看似正确，但又不完全对”的答案。

“看似正确”之处，正是工程的起点。虽然人工智能可以启动执行工作，但它无法为决策负责。这份责任仍然属于人类工程师，而这正是越南的下一个机遇所在。

在我们自己的一个项目中，我就亲眼目睹了这种情况。当时，一个人工智能工具生成了API的一部分数据处理逻辑。第一次的输出看起来没问题——它通过了功能测试，并能处理正常的交易流程。

直到资深工程师审查和进行边缘案例测试时，我们才发现了问题：在一种特定场景下，两个几乎同时发出的请求可能导致同一条记录被处理两次。

修复这个问题花费了六到八个工程小时，包括重现问题、修正代码、为该边缘案例添加测试，以及运行回归测试。

人工智能的答案足以通过明显的检查，但也错得足以在无人仔细审查的情况下导致严重故障。

修复这个问题花费了六到八个工程小时，包括重现问题、修正代码、为该边缘案例添加测试，以及运行回归测试。

人工智能的答案足以通过明显的检查，但也错得足以在无人仔细审查的情况下导致严重故障。

下一个优势

多年来，越南公司一直依靠开发人员的数量和他们能提供的费率进行竞争。但下一代成功的工程公司将以不同的方式竞争，他们将拥有懂得架构、系统、安全、业务需求和权衡的工程师。

例如，一位新加坡金融科技客户最近找到我的公司，带来一个已经规划好的贷款比较平台。然而，其需求是由人工智能生成的，缺乏清晰的路线图，也不清楚哪些技术真正适合其目标。

在编写任何代码之前，我们花了两周时间将需求重组为一个经过验证的最小可行产品（MVP）范围，并将其映射到适当的工作分解结构中。

直到那时，一个由九人组成的团队——包括一名项目经理、一名业务分析师、六名开发人员、一名设计师和一名质量控制工程师——才开始着手开发。他们在三个月内交付了整个平台。

在Saigon Technology，人工智能生成的成果在发布前，会经过人工智能辅助的实现、自动化测试、资深工程师审查和质量保证等环节。

最近一个项目涉及八个后端API、五个前端组件和多个第三方集成——这项工作通常需要大约10个工程日。我们在没有跳过任何审查步骤的情况下，仅用了大约六天就完成了。

这就是我所说的工程杠杆效应。

人工智能可以在几分钟内生成一套需求，但它无法告诉你这些需求是否可构建、是否安全，或者是否是适合三个月时间线的正确MVP。这种判断力才是项目工程师真正的价值所在。

目标不是因为人工智能取代了工程师而减少工程师数量，而是拥有更优秀的工程师，因为人工智能放大了他们的能力，让他们能够完成更多的工作。

这与仅仅说“我们有500名开发人员，费率更低”截然不同。TECH IN ASIA

Thanh Pham是软件开发公司Saigon Technology的联合创始人兼首席执行官。