軟件沒被AI殺死，但全球市場都卷上天了

過去幾個月，全球 SaaS 市場經(jīng)歷了一場驚心動魄的 “ 過山車 ”。

普通人已經(jīng)習慣了釘釘、企業(yè)微信、飛書這類常能接觸到的 SaaS 服務，企業(yè)們也習慣了各種客戶管理、人力、財務相關(guān)的 SaaS 服務，但， Claude Cowork 的發(fā)布改變了一切。

華爾街認為，曾經(jīng) “ 吃下整個世界 ” 的軟件行業(yè)，要 “ 被 AI 吃掉了 ”，SaaS 概念股紛紛大跌，投資者們開始陷入恐慌。

大家都擔心，未來每次頭部 AI 公司更新辦公、設計類產(chǎn)品時，傳統(tǒng) SaaS 都會被痛擊一次。畢竟， AI Coding 讓代碼生成的門檻大幅降低，想要什么功能，AI 自己就能幫你開發(fā)，這使得 SaaS 們曾引以為傲的標準化功能正面臨 “ 價值歸零 ” 的威脅。

OneHouse Hudi Flink 負責人陳玉兆向知危表示：“長期來看我不覺得是過度反應，傳統(tǒng) SaaS 的訂閱付費模式受到了直接威脅。就像 Seedance2.0 對視頻行業(yè)造成的沖擊一樣，雖然目前 AI 的應用能力發(fā)展相對處于初期，但是我們已然可以預見未來 AI 給整個軟件行業(yè)將帶來革命性改變。 ”

“ SaaS 重新被定價的邏輯本質(zhì)是成本的改變，如果 AI 對自身所在的行業(yè)造成極大的成本縮減或者導致大量的用戶流失，那么只能被迫降價或者裁員。”他進一步解釋道。

不過，一些 SaaS 公司在經(jīng)歷估值暴跌后，又因技術(shù)和業(yè)務都與 AI 高度相關(guān)，最后估值回復，甚至達到新高度，比如 DataDog （ 提供類似于 “ 業(yè)務監(jiān)護儀 ” 的服務，很多大模型公司都是其客戶 ） 等。

那么，SaaS 公司的價值該如何被看待？SaaS 公司又將如何分化演進？

為解答這個問題，知危同業(yè)內(nèi)專家進行了交流，向你解讀 SaaS 行業(yè)的過去、當下與未來。

其實，傳統(tǒng) SaaS 業(yè)務的價值邏輯很簡單，人們篤定那些用了 SaaS 的企業(yè)離不開它。

某互聯(lián)網(wǎng)大廠大數(shù)據(jù)平臺高管羅安 （ 化名 ） 告訴知危：“ 原先市場認為，所有公司都離不開這些 SaaS 軟件。比如一家制造業(yè)公司用了 Workday，用來管理員工工資、人事信息等。它可能一年真正只需要用到幾次核心功能，但 Workday 每個月都按照席位收費，比如每個員工 100 美元一個月，那公司也不得不用。明年大概率也要續(xù)費，如果換系統(tǒng)，遷移成本太高了。”

而這些被看作是 “ 永續(xù) ” 的企業(yè)訂閱付費，被資本市場拿來放在計算器上按 5 年或是 10 年折現(xiàn)，最終套進現(xiàn)金流折現(xiàn)估值模型里給到相應公司估值。

但是，AI 浪潮一直接把桌子給掀了。

羅安告訴我們，原來的 SaaS 服務商的壁壘并不在于開發(fā)本身有多難，而是客戶一旦用了之后，替換成本很高，這使得 SaaS 服務商有穩(wěn)定且能保持高增長的收入，客戶流失率還很低。

“ 但，現(xiàn)在的問題是，這一整套邏輯可能講不通了。市場開始認為，這些軟件未來很有可能被 AI 重新構(gòu)建，客戶用 AI 自己動手搭一套系統(tǒng)的成本變低了。既然有可能被替代，那么高增長的預期就不存在了。而一旦沒有高增長估值自然就會被壓縮，市場就不再愿意給那么高的估值倍數(shù)。” 羅安解釋道。

而對于最近的一些 SaaS 公司的估值修復，羅安表示他并不完全認同上漲背后的邏輯，他表示 “ 這里面有一個重要因素，就是很多基金和機構(gòu)在做對沖。最近 AI 相關(guān)的算力板塊漲得太多了，包括存儲、光模塊、CPU、上游設備、材料等。當這些標的漲幅過高以后，很多機構(gòu)會進行對沖操作，SaaS 就是用來對沖的標的。”

當然，他也向我們表示，這些 SaaS 公司也并不是完全沒有價值。跌到一定程度之后，市場可能會覺得這個價格已經(jīng)比較合理，又具備投資價值了。

AI 產(chǎn)品設計師 John 則對這些波動表示不以為然，而是更關(guān)注實際的產(chǎn)品體驗，他表示 “ 價值重構(gòu)可能更多是基于投資者的視角，如果從用戶和產(chǎn)品開發(fā)的角度來看，我沒有覺得出現(xiàn)了特別破壞性或者顛覆性的變化。”

他認為 AI 和 SaaS 應用并不是互斥的，對于一家公司的產(chǎn)品來說，有了 AI 技術(shù)之后，關(guān)鍵還是看能不能結(jié)合好，“ 比如 Adobe 在一些產(chǎn)品設計上可能沒有做好，但不能說是 AI 技術(shù)把 Adobe 破壞了。 ”

在實際設計工作中，John 仍然深度依賴傳統(tǒng)設計軟件，“ 舉一個我深度使用的軟件的話，我的工作流目前仍然不可能脫離 Figma。只是根據(jù)工作內(nèi)容的變化，深入程度會有所不同。”

“ 比如以前我的工作會更多涉及軟件生命周期偏中后期的階段。產(chǎn)品已經(jīng)比較成熟了，我需要把頁面打磨得非常精細，做很多細節(jié)交互的調(diào)整。這種情況下不可能脫離 Figma，因為需要對創(chuàng)意有非常強的掌控。”

談及未來 5 年內(nèi) Figma 的哪些能力不會被 AI 替代，John 認為這很難下結(jié)論，“ 重點可能不是某個具體功能會不會被替代，而是這種產(chǎn)品形態(tài)會不會存在。”

“ 只要人還參與設計工作，就仍然需要類似 Figma 這樣的界面工具。因為人沒有辦法很好地只通過文字去描述自己對于一個平面視圖的想法。很多界面本身有很多層級，它其實已經(jīng)接近一種空間視圖的表達，很難完全依賴語言來完成。 ”

“ 至于是不是 Figma，或者 Figma 里面哪些具體功能一定不會從手動變成自動，這個很難說。也許，AI 發(fā)展的足夠快，我這些判斷未來也會被證明是錯的。”

從技術(shù)角度觀察，白鯨開源 CEO 郭煒則是向知危給出了一個比較極端的預測：未來高估值的 SaaS 將不再是 “ 給人用的 ”，而是 “ 被 Agent 調(diào)用的 ”。

他表示：“ 首先，SaaS 的估值底層邏輯不會被完全推翻，核心仍然是：客戶是否持續(xù)使用、是否續(xù)約、是否擴容，以及企業(yè)能否形成穩(wěn)定的現(xiàn)金流和網(wǎng)絡效應。”

“ 變化在于，SaaS 的計價單位會重構(gòu)，過去賣席位、賣模塊、賣訂閱，未來會更多賣結(jié)果、賣調(diào)用、賣 Token、賣 Agent 執(zhí)行能力，甚至按‘節(jié)省的人力成本’或‘完成的業(yè)務閉環(huán)’收費。”

“ 分化會發(fā)生在品類層面。很多通用型 SaaS，尤其是通用辦公、輕量繪圖、簡單客服、基礎 CRM 操作，可能會被 Agent 吞掉一大部分功能。如果這類公司還用傳統(tǒng)的邏輯來進行服務，估值會明顯壓縮。”

“ 但數(shù)據(jù)類型、數(shù)據(jù)處理、數(shù)據(jù)治理、數(shù)據(jù)安全、行業(yè)系統(tǒng)，以及大模型生態(tài)鏈上面的工具，反而可能更重要。比如 DataDog 就屬于數(shù)據(jù)類型方向，還有 Memory Lake 等。”

“ 因為 Agent 越強，越需要可靠的數(shù)據(jù)、權(quán)限、上下文、執(zhí)行環(huán)境和審計體系。未來高估值 SaaS 不一定是‘界面最好用’的公司，而是成為 Agent 時代的基礎設施、控制平面和可信執(zhí)行層的公司。SaaS 不會消失，但會從‘人用的軟件’演進為‘Agent 調(diào)用的能力網(wǎng)絡’。

其實，AI 的價值，在未來是會被反復重新確認的。

畢竟，現(xiàn)在你告訴客戶們，他們不需要買 SaaS 服務了，自己用 AI 手搓就行，但等他真手搓了之后，他還會遇到迭代、維護等方面的問題。所以 AI 自建和買 SaaS 到底哪個好，可能還是要看具體場景的，郭煒表示：“ 軟件最終其實賣的不是代碼，賣的是的 Know How 和認知。代碼只不過是上一代軟件的一種呈現(xiàn)形式。 ”

“ 所謂 Know How，有不同的形式，也許是 Skill，也許是 Harness。重要的不是 AI 能夠多么快的生成代碼，而是看哪群人來操控 AI 生成出來的東西。”

“ 最終這個世界賣的是信息差和認知差，代碼只是一種呈現(xiàn)形式而已。” 他打趣道。

現(xiàn)在，為了抵御 AI 的沖擊，SaaS 企業(yè)越來越強調(diào) “ 人 ” 的作用了，典型代表就是熱門公司 Palantir，其通過大力推銷 “ 本體論 ” 方法（ 簡單來講就是打通企業(yè)數(shù)據(jù)和部門墻，讓業(yè)務數(shù)據(jù)人人能看懂并且能協(xié)作和進行決策 ）和 FDE 落地模式（ 前沿部署工程師，簡單來講就是拍一個工程師去企業(yè)主場深入理解企業(yè)之后再根據(jù)痛點做產(chǎn)品開發(fā) ），在 AI 浪潮下反而如魚得水，業(yè)績接連超出預期。

羅安表示，“ FDE 本質(zhì)就是駐場交付，在國內(nèi)很常見，但過去在國外傳統(tǒng) SaaS 里相對少見。大力推 FDE 其實是指，他們從過去的標準化交付，到現(xiàn)在干脆向客戶承諾，數(shù)據(jù)分析、客服這些事情，都幫客戶完成，不管是用人力+AI，還是純 AI，還是其它方式，全部承包下來。這樣綁定關(guān)系就會變得非常深。因為這些駐場的人也是客戶的資產(chǎn)，客戶如果要換供應商，就等于把整套人和系統(tǒng)一起換掉，遷移成本會非常高。這樣客戶基本就 ‘ 被鎖死 ’ 了。”

本質(zhì)上，既然市場不再認可過去 SaaS 服務可以跟企業(yè)綁定從而獲得長期收入的邏輯，那就干脆加點 AI 不能取代的 “ 人 ”，把原來軟件層的綁定，升級成 “ 人+系統(tǒng)一起綁定”。這樣遷移成本更高，護城河也更深。但這也意味著這個錢沒那么好賺了，得用更重的交付換更深的綁定。

說白了，就是把過去 SaaS 過去的輕量化、標準化交付給最終，過去已經(jīng)做得比較重的就要做得更重，何嘗不是一種內(nèi)卷。

當然，加重交付和維持強綁定還有另一層含義，這和 AI 的技術(shù)屬性直接相關(guān)，“ 無論是國內(nèi)還是國外，很多 SaaS 公司都在做一件事：更強調(diào)業(yè)務數(shù)據(jù)的積累。同時，會更少去做那些‘輕交付’的事情。也就是說，他們開始更聚焦在真正和業(yè)務最有價值的部分。比如做財務系統(tǒng)，不再只是做一些表層功能，而是更關(guān)注財務流程怎么流轉(zhuǎn)、結(jié)算。而一些很小的工具，比如財務里的計算器等小功能模塊，可能就不會再持續(xù)投入去優(yōu)化和迭代了。”

不過，郭煒認為，F(xiàn)DE 只是技術(shù)落地未成熟下的一種妥協(xié)，“FDE 只是當前的一個狀態(tài)，是因為 AI 還不夠普及。當未來 AI 足夠的簡單的時候，客戶會自己去生成最終的應用，所有的軟件公司只是生成一個中間層而已。Palantir 是因為現(xiàn)在沒有那么多人熟悉 AI，所以需要通過 FDE 去做。所以相比 FDE，Palantir 的核心其實是它的本體論，也就是我們說的 AI 時代的中間層，而不是 FDE。”

羅安補充道，“ 本體論本質(zhì)上就是過去比較熟悉的數(shù)據(jù)治理，是數(shù)據(jù)規(guī)模從小變大之后必然出現(xiàn)的需求，自然很重要。”

FDE 強調(diào)很深的定制化，羅安認為，這背后其實還存在 AI 以外的主導因素。“ 過去 SaaS 公司之所以不太關(guān)注底層復雜性，是因為它主要服務的是中小企業(yè)市場。一旦客戶變成大公司，情況就完全不一樣了，大公司天然就需要深度定制。”

“ 所以你會看到兩條路線：一條是傳統(tǒng) SaaS 走標準化路線，另一條就是像 Palantir、OpenAI 這類，更多服務大客戶、政府、軍工體系等。單子本身就很大，復雜度也很高，駐場交付、深度綁定是必然的。”

但過度依賴定制化，將來可能會有更大的風險，郭煒表示，“ 在大模型時代，最有價值的不是代碼，而是數(shù)據(jù)，軟件公司原創(chuàng)出來的需求問題，以及對行業(yè)的判斷。而你根據(jù)客戶完全定制出來的軟件，需求是客戶給你的，只不過你根據(jù)客戶的需求開發(fā)所有的這些類型的軟件，其實未來都沒有任何意義了，因為客戶不需要你，用 AI 就可以了。”

“ 不管是 FDE，還是國內(nèi)的重度定制化交付、私有化部署模式，都是要完全被淘汰的機制，在 AI 時代下沒有區(qū)別，都會被 AI 和 Agent 取代。”

“ 海外的 FDE 被淘汰的速度，可能比國內(nèi)的定制和私有化部署模式淘汰速度還要更快一些。而 AI 的快速發(fā)展取代 FDE 工程師，可能也就是今年到明年的事情。”

在國內(nèi)，SaaS 的生存空間更小，相較于海外的 SaaS，如果不走 FDE 這類把業(yè)務往重了去的路，它是比較難證明自己的價值的。

羅安告訴我們：“ 本質(zhì)上，國內(nèi)外 SaaS 不是一個東西。核心差異就一個：人力成本結(jié)構(gòu)完全不同。”

“ 舉個例子，比如 LinkedIn 的服務，在國外幫企業(yè)篩簡歷、找候選人，假設一年收 8000 美元，在美國企業(yè)看來是很劃算的，因為如果自己雇三個人做這個事情，一年可能要 8 萬美元的人力成本。”

“ 但在國內(nèi)完全是另一套邏輯。同樣的事情，公司可能直接招幾個大學生實習就能做，成本極低，甚至有人愿意‘白干換實習經(jīng)歷’。”

“SaaS 本質(zhì)上就是節(jié)省人力成本的。低人力成本的市場，根本不需要 SaaS。至少根據(jù)個人觀察，目前國內(nèi)的 SaaS 市場其實也不是真正靠業(yè)務掙錢，更多是把營收做大，然后走上市融資這一套。”

郭煒表示，“ 國內(nèi) SaaS 市場現(xiàn)在遇到的挑戰(zhàn)，不是 SaaS 還是 AI 的問題，是整個商業(yè)進展還沒有到那一步，商業(yè)軟件的規(guī)模市場不夠大的問題。”

所謂 “ 國內(nèi) SaaS 不靠業(yè)務賺錢 ”，主要也是指軟件不值錢，而靠硬件賺錢，羅安表示，“ 賺錢的部分，更多是云和基礎資源層，比如流量、機器資源等。比如數(shù)據(jù)庫存儲，客戶要從 10GB 數(shù)據(jù)變成 20GB，那就可以通過套餐升級從 10 塊變 20 塊，這是能賺錢的。但上層那些軟件功能、業(yè)務服務，其實很多時候都是送的，本身不值錢。不管是創(chuàng)業(yè)公司還是大廠，都差不多是這樣的模式。”

基于人力成本因素的 SaaS 市場演化邏輯，跟企業(yè) AI 應用在中國和美國產(chǎn)生的影響差別很大的邏輯類似，“ Meta、Amazon、微軟等公司可以在 AI 時代不斷裁員，是因為他們可以把 AI 的投入直接轉(zhuǎn)化成利潤提升。比如一家企業(yè)花 1 億美元購買算力或 Token 服務，但能夠節(jié)省 1.5 億美元的人力成本，那就是劃算的。這筆賬很容易算清楚，因為被替代的人力本身非常昂貴。”

但在國內(nèi)，人力成本本來就沒有那么高，因此 AI 帶來的直接財務收益沒有那么明顯，“ 因為目前國內(nèi)用的 AI 主要也是 Claude。假設 Claude 帶來了 8 萬美金成本，換算成人民幣大約 50 多萬，但人力成本還很難達到 50 萬呢。”

“ 關(guān)于模型的選擇，如果是純個人選擇，永遠會傾向于選擇效果更好的。只有在類似 Claude 和 ChatGPT 的差別很小的情況下，才會考慮成本的差異。國內(nèi)大模型團隊都非常出色，就是卡在硬件追不上。”

為什么 OpenAI 和 Anthropic 能夠親自下場走 FDE 模式，幫助傳統(tǒng)企業(yè)做 AI 轉(zhuǎn)型，為什么國內(nèi)大廠或者大模型公司沒有來直接引領(lǐng)這個風潮？“ 不是不想做，主要還是因為模型不行。我們也在產(chǎn)品層面做過很多的優(yōu)化和彌補，但無論如何都填不了模型之間的差距。”

“ AI 模型公司唯一的一個賺錢希望，是服務海外市場，如果是去海外市場替代人力成本，就有可能拿到高估值。”

在這個背景下，如果還做國內(nèi)業(yè)務，卷定制化、卷 FDE、卷服務，成了不得不做的選擇。

但 AI 至少帶來了一絲希望，郭煒表示，“ 反而是在這么低的估值情況下，可能洗刷出來一些‘蠱王’，可以利用 AI 原生的 SaaS 去做全球市場，這是未來的機會。”

如果說大力推進定制化、FDE、深度綁定，是 SaaS 企業(yè)為了 “ 先活下去 ” 不得不選擇的內(nèi)卷。

那么，在未來，要真正適應 AI 時代，所有 SaaS 企業(yè)必須面對一個嚴峻的問題：如何保住定價權(quán)？

郭煒表示，“ 過去軟件的核心用戶是人，所以產(chǎn)品圍繞界面、流程、權(quán)限和報表設計。未來軟件的核心使用者會變成 Agent，人只是設定目標、審查結(jié)果和處理例外。”

“ 因此 SaaS 不能再只是一個 UI 工具，而要變成 Agent 的 Harness：為 Agent 提供確定的數(shù)據(jù)上下文、可調(diào)用的業(yè)務 Skill、受控的執(zhí)行權(quán)限、可審計的操作鏈路，以及可回滾、可復核、可治理的執(zhí)行環(huán)境。比如，白鯨開源就重構(gòu)了整個基礎軟件，底座都是基于我們主導開源的 Apache DolphinScheduler 和 Apache SeaTunnel。過去做的是 ETL 軟件，現(xiàn)在做的是為 Agent 而生的 Data Engineering Harness Suite，服務的對象也從人類，變成 Agent。”

“這樣一來，SaaS 的價值就不再是 ‘ 有多少人登錄使用 ’，而是 ‘ 能讓多少業(yè)務動作被 Agent 安全、穩(wěn)定、低成本（ 更高的 Token Efficiency ）地完成 ’。”

“ 模型只是推理能力，真正決定企業(yè)是否付費的是：這個軟件被 Agent 調(diào)用后能不能理解企業(yè)語義，能不能 100% 的給出確定性的結(jié)果 （ 彌補 Agent 的不足 ），能不能讓 Agent 遵守企業(yè)權(quán)限邊界，能不能讓人類快速地審查和理解 Agent 的輸出，出了問題能不能自動的追蹤和恢復等。”

SaaS 行業(yè)的 AI 變革不會僅限于軟件層面，而更可能是生態(tài)層面。

未來不僅可能出現(xiàn)新 SaaS，也可能出現(xiàn)新一批 SaaS 用戶群，他們將會有全新的畫像，相比編程領(lǐng)域，在設計領(lǐng)域體現(xiàn)的更加明顯。

John 表示，“ 普通人的語言能力，其實未必能完整表達出他腦子里想要的那個東西。但也有可能，隨著人類逐漸接受一些‘差一點也可以’的東西，行業(yè)生態(tài)會逐漸變化。”

“ 隨著 AI 發(fā)展，在軟件生產(chǎn)能力的普及下，供給側(cè)將出現(xiàn)大幅產(chǎn)能提升，涌現(xiàn)出許多 MVP 級別的產(chǎn)品，大家用久了之后，可能對美觀和專業(yè)性 （ 特制產(chǎn)品界面的 polish 程度 ） 也沒那么敏感了。因為需求可能相對小眾或個人化，產(chǎn)品能滿足功能就很有價值了。”

“ 就像以前大家覺得短視頻內(nèi)容質(zhì)量很差，下沉市場電商平臺的商品質(zhì)量也一般，但最后它們確實滿足了一部分人的需求，而且還不斷橫向擴展，讓原本不能接受的人也逐漸接受了。”

換一個角度來看，這些新的用戶群會催生新的 SaaS，就像過去大多數(shù)人不會為了 Adobe 的 AE 或是 PR 付費，但現(xiàn)在很多普通人會為了剪映付費一樣，人們不一定非要為了工作去付費，可能僅僅是為了生活或者所謂 “ 日常創(chuàng)作 ”。

這樣的話，SaaS 的定義其實也會被擴展。它不再只是服務工作，而是服務更廣義的 “ 創(chuàng)作 ”。

除了 SaaS 形態(tài)的改變，與錢相關(guān)的地方，也會發(fā)生很大改變。

無論是新 SaaS 還是舊 SaaS，無論是國內(nèi) SaaS 還是國外 SaaS，一旦在產(chǎn)品中深度結(jié)合了 AI，成本結(jié)構(gòu)將發(fā)生巨變，SaaS 原有的低成本、高毛利的商業(yè)模式就可能徹底被顛覆。推理成本將成為全球 SaaS 的共同核心難題。

John 表示，“ 其實幾乎所有軟件公司的成本模型現(xiàn)在都在變化。比如一些做情感陪伴、聊天類的產(chǎn)品，它們其實是很典型的成本敏感型業(yè)務。如果用戶付費意愿不夠高，一旦規(guī)模上來，成本會非常快地把公司拖垮。這一點和過去做軟件公司完全不一樣。以前軟件更多是服務器成本和開發(fā)成本，如果流量上來，邊際成本是很低的，稍微融資就能撐過去。但現(xiàn)在 Token 是持續(xù)消耗的，本質(zhì)上是實時成本，只要用戶在用就要付費。”

“ 像谷歌這種級別的公司，據(jù)我了解，和傳統(tǒng)搜索的成本對比，它的搜索引擎里的 AI 概覽功能成本巨高，所以谷歌內(nèi)部做了很重大的決定，投入全公司的力量來優(yōu)化這個功能的成本。”

“ 至于 SaaS 公司未來的毛利率是下降或提高，還不確定，也可能因為用戶規(guī)模擴大，反而帶來新的平衡。”

羅安表示，“ 巨額的推理成本也將導致，不僅是 SaaS 公司，包括互聯(lián)網(wǎng)大廠，都面臨類似的‘估值壓縮’的邏輯。它們需要投入大量 Capex 去購買算力、消耗 Token。而短期來看，這些支出并沒有直接帶來等比例的收入增長。也正因為如此，市場當前更偏好‘賣鏟子’的算力公司，而不是直接做應用的公司。”

“ 但最終 C 端應用是否能真正跑出來，形成穩(wěn)定的商業(yè)模式，目前還沒有被驗證。”