软件没被AI杀死，但全球市场都卷上天了

老实说，过去的几个月，全球SaaS市场堪称坐了一趟惊心动魄的“过山车”。

对我们普通人来说，钉钉、企业微信、飞书这些办公软件早已是日常，企业也习惯了各种客户管理、人力、财务类的SaaS服务。但，

华尔街的逻辑很直接：曾经“吃下整个世界”的软件行业，如今面临“被AI吃掉”的命运。SaaS概念股应声大跌，投资者陷入集体恐慌。

大家担心的核心是：未来每一次头部AI公司更新办公、设计类产品，传统SaaS都可能被精准打击一次。毕竟AI Coding让代码生成门槛大幅下降——你想要什么功能，AI自己就能开发出来，这意味着SaaS引以为傲的标准化功能面临“价值归零”的威胁。

OneHouse Hudi Flink负责人陈玉兆对此直言不讳：“

” 他打了个比方：“就像Seedance 2.0对视频行业的冲击一样，虽然AI应用能力目前还在初期，但我们其实已经能预见未来AI会给整个软件行业带来革命性改变。”

不过，事情并不是一边倒。一些SaaS公司在经历估值暴跌后，又因为技术和业务与AI高度相关而迅速回血，甚至创下新高。典型的例子是DataDog——这家提供类似“业务监护仪”服务的公司，很多大模型公司都是它的客户。

那么，真正的问题来了：SaaS公司的价值到底该如何评价？不同类型的SaaS又将如何分化演进？

今天，我们不妨把这件事掰开揉碎了看一看，深入解读一下SaaS行业的过去、当下与未来。

01 SaaS价值崩塌与重估的本质是什么？

某互联网大厂大数据平台高管罗安（化名）点破了其中的奥妙：“原先市场认为，所有公司都离不开这些SaaS软件。比如一家制造业公司用了Workday管理工资、人事信息。它可能一年真正只需要用几次核心功能，但Workday每个月都按席位收费——比如每个员工100美元一个月。你不用也得用，而且明年大概率还得续费，因为换系统的迁移成本太高了。”

罗安解释道：“原来的SaaS服务商的壁垒，并不在于开发本身有多难。真正的护城河是：客户一旦用了，替换成本极高。这保证了SaaS服务商有稳定且高增长的收入，客户流失率还很低。”

“但问题是，现在这一整套逻辑可能讲不通了。

”

至于最近一些SaaS公司的估值修复，罗安的态度相当冷静：“我并不是完全认同上涨背后的逻辑。这里面有一个重要因素——很多基金和机构在做对冲。

”

当然，他也不否认这些SaaS公司本身的价值：“跌到一定程度之后，市场可能会觉得价格已经比较合理，又具备了投资价值。”

AI产品设计师John却对这些资本市场的波动不以为然。他更关注实际的产品体验：“价值重构可能是投资者视角的事。从用户和产品开发的角度看，我并没觉得出现了特别破坏性或碘伏性的变化。”

一家公司的产品是否成功，关键看AI技术能否结合好：“”

在实际工作中，John仍然深度依赖传统设计软件：“举一个我深度使用的软件，我的工作流目前仍然不可能脱离Figma。只是根据工作内容的变化，深入程度不同而已。”

“比如以前我的工作更多涉及软件生命周期偏中后期的阶段。产品已经比较成熟了，我需要把页面打磨得非常精细，做很多细节交互调整。这种情况下不可能脱离Figma，因为需要对创意有非常强的掌控。”

当被问到未来5年内Figma的哪些能力不会被AI替代时，John认为这很难下结论：“重点可能不是某个具体功能会不会被替代，而是这种产品形态本身会不会存在。”

“只要人还参与设计工作，就仍然需要类似Figma这样的界面工具。因为人没办法通过文字去完美描述自己对于一个平面视图的想法。很多界面本身有多个层级，它其实已经接近一种空间视图的表达，很难完全依赖语言完成。”

“至于是不是Figma，或者Figma里哪些功能不会从手动变成自动——这很难说。也许AI发展得足够快，我这些判断未来也会被证明是错的。”

从技术角度出发，白鲸开源CEO郭炜给出了一个相当极端的预测：未来高估值的SaaS不再是“给人用的”，而是“被Agent调用的”。

他说：“首先，SaaS的估值底层逻辑不会被完全推翻。核心仍然是：客户是否持续使用、是否续约、是否扩容，以及企业能否形成稳定的现金流和网络效应。”

“变化在于，SaaS的计价单位会重构。过去卖席位、卖模块、卖订阅，未来会更多卖结果、卖调用、卖Token、卖Agent执行能力，甚至按‘节省的人力成本’或‘完成的业务闭环’来收费。”

“分化会发生在品类层面。很多通用型SaaS——尤其是通用办公、轻量绘图、简单客服、基础CRM操作——可能会被Agent吞掉一大部分功能。如果这类公司还用传统逻辑来服务，估值会明显压缩。”

“但数据类型、数据处理、数据治理、数据安全、行业系统，以及大模型生态链上的工具，反而可能更重要。比如DataDog就属于数据类型方向，还有Memory Lake等。”

“因为Agent越强，越需要可靠的数据、权限、上下文、执行环境和审计体系。未来高估值的SaaS，不一定是‘界面最好用’的公司，而是成为Agent时代的基础设施、控制平面和可信执行层的公司。SaaS不会消失，但会从‘人用的软件’演进为‘Agent调用的能力网络’。”

02 SaaS公司为了抵御AI都卷起来了

其实，

毕竟，你现在可以告诉客户：不用买SaaS了，自己用AI手搓就行。但等他们真手搓之后，还要面对迭代、维护等一系列问题。AI自建和买SaaS到底哪个好？还得看具体场景。郭炜的观点很精辟：“软件最终卖的不是代码，卖的是Know How和认知。代码只不过是上一代软件的一种呈现形式。”

“所谓Know How，有不同的形式——也许是Skill，也许是Harness。重要的不是AI能多么快地生成代码，而是看哪些人来操控AI生成出来的东西。”

“这个世界最终卖的是信息差和认知差，代码只是一种呈现形式而已。”

现在，

（简单说就是打通企业数据和部门墙，让业务数据人人能看懂、能协作和决策）（前沿部署工程师，简单说就是派一个工程师去企业主场，深入了解企业后再根据痛点做产品开发），在AI浪潮下反而如鱼得水，业绩接连超出预期。

罗安解释道：“FDE本质上就是驻场交付，在国内很常见，但过去在国外传统SaaS里相对少见。大力推FDE意味着，他们从过去的标准化交付，转向向客户承诺：数据分析、客服这些事情，全部帮客户完成——不管是靠人力+AI，还是纯AI，或者别的什么方式，全部承包下来。

”

说到底，既然市场不再认可过去SaaS服务“绑定企业、获得长期收入”的逻辑，那就加点AI取代不了的“人”，

说白了，就是把过去SaaS那套轻量化、标准化的交付，给做重了。过去已经做重的，还要做得更重——这不就是内卷吗？

当然，加重交付和维持强绑定还有另一层含义，跟AI的技术属性直接相关：“无论是国内还是国外，很多SaaS公司都在做一件事：更强调业务数据的积累。同时，会更少去做‘轻交付’的事情。也就是说，他们开始更聚焦在真正和业务最有价值的部分。比如做财务系统，不再只是做表层功能，而是更关注财务流程怎么流转、怎么结算。而一些很小的工具，比如财务里的计算器等小功能模块，可能就不再持续投入优化和迭代了。”

不过，

当未来AI足够简单的时候，客户会自己去生成最终的应用，所有软件公司只是生成一个中间层而已。Palantir是因为现在没多少人熟悉AI，所以需要通过FDE去做。相比FDE，Palantir的核心其实是它的本体论——也就是我们说的AI时代的中间层，而不是FDE。”

罗安补充道：“本体论本质上就是过去比较熟悉的数据治理，是数据规模从小变大之后必然出现的需求，当然很重要。”

FDE强调深度定制化，但罗安认为，这背后还存在AI以外的主导因素。“过去SaaS公司不太关注底层复杂性，是因为它们主要服务中小企业。一旦客户变成大公司，情况就完全不一样了——大公司天然就需要深度定制。”

“所以你会看到两条路线：一条是传统SaaS走标准化路线；另一条就像Palantir、OpenAI这类，更多服务大客户、政府、军工体系。单子本身就很大，复杂度也高，驻场交付、深度绑定是必然的。”

但过度依赖定制化，将来可能会有更大的风险。郭炜直言不讳：“在大模型时代，最有价值的不是代码，而是数据、软件公司原创出来的需求问题，以及对行业的判断。而根据客户完全定制出来的软件，需求是客户给你的，你只是根据客户的需求开发了对应的软件——这些东西未来没有任何意义，因为客户不需要你，用AI就行。”

“不管是FDE，还是国内的重度定制化交付、私有化部署模式，都是要被彻底淘汰的机制。在AI时代下，它们没有区别，都会被AI和Agent取代。”

“海外的FDE被淘汰的速度，可能比国内的定制和私有化部署模式还要快。AI快速发展取代FDE工程师，可能也就是今年到明年的事。”

在国内，SaaS的生存空间其实更小。相比海外，如果不走FDE这类把业务做重的路，SaaS很难证明自己的价值。

罗安一针见血地指出：

他举了个真实的例子：“比如LinkedIn的服务，在国外帮企业筛简历、找候选人，一年收8000美元。在美国企业看来很划算——如果自己雇三个人做这个事，一年可能要8万美元的人力成本。”

“但在国内完全是另一套逻辑。同样的事，公司可能直接招几个大学生实习就能做，成本极低，甚至有人愿意‘白干换实习经历’。”

郭炜则从另一个角度分析：“国内SaaS市场遇到的挑战，不是SaaS还是AI的问题，而是整个商业进展还没到那一步——商业软件的规模市场还不够大。”

所谓“国内SaaS不靠业务赚钱”，主要也是指软件本身不值钱，靠硬件赚钱。罗安进一步解释：“赚钱的部分，更多是云和基础资源层，比如流量、机器资源。比如数据库存储，客户从10GB数据变成20GB，就可以通过套餐升级从10块变成20块，这是能赚钱的。但上层那些软件功能、业务服务，很多时候都是送的，本身不值钱。不管是创业公司还是大厂，差不多都是这样。”

这种基于人力成本因素的SaaS市场演化逻辑，跟企业AI应用在中美之间的差异是同一个道理：“Meta、Amazon、微软在AI时代不断裁员，是因为它们能把AI投入直接转化成利润提升。一家企业花1亿美元买算力或Token服务，但能省下1.5亿美元的人力成本，那就是划算的。这笔账很容易算清楚，因为被替代的人力本身非常昂贵。”

但在国内，人力成本本来就没那么高，所以AI带来的直接财务收益就没那么明显：“

“关于模型的选择，如果是纯个人选择，永远会倾向于效果更好的。只有在Claude和ChatGPT差别很小的情况下，才会考虑成本差异。国内大模型团队都非常出色，就是卡在硬件追不上。”

为什么OpenAI和Anthropic能亲自下场走FDE模式，帮助传统企业做AI转型？为什么国内大厂或大模型公司没有引领这个风潮？“不是不想做，主要是模型不行。我们也在产品层面做过很多优化和弥补，但无论如何都填不了模型之间的差距。”

“AI模型公司唯一赚钱的希望，是服务海外市场。如果能去海外市场替代人力成本，就有可能拿到高估值。”

但AI至少带来了一丝希望。郭炜表示：“反而是在这么低的估值下，可能洗刷出一些‘蛊王’——利用AI原生的SaaS去做全球市场，这才是未来的机会。”

03 未来会是什么样？

如果说大力推进定制化、FDE、深度绑定，是SaaS企业为了“先活下去”不得不选的内卷。

那么，未来要真正适应AI时代，所有SaaS企业都必须面对一个严峻的问题：

郭炜的判断很清晰：“过去软件的核心用户是人，所以产品围绕界面、流程、权限和报表设计。未来软件的核心使用者会变成Agent，人只是设定目标、审查结果和处理例外。”

“因此SaaS不能再只是一个UI工具，而要变成Agent的Harness：为Agent提供确定的数据上下文、可调用的业务Skill、受控的执行权限、可审计的操作链路，以及可回滚、可复核、可治理的执行环境。比如白鲸开源就重构了整个基础软件，底座基于我们主导开源的Apache DolphinScheduler和Apache SeaTunnel。过去做的是ETL软件，现在做的是为Agent而生的Data Engineering Harness Suite，服务的对象也从人变成Agent。”

“模型只是推理能力。真正决定企业是否付费的是：这个软件被Agent调用后，能不能理解企业语义，能不能100%给出确定性的结果（弥补Agent的不足），能不能让Agent遵守企业权限边界，能不能让人类快速审查和理解Agent的输出，出了问题能不能自动追踪和恢复。”

SaaS行业的AI变革，不会只停留在软件层面，更可能是生态层面的重构。

相比编程领域，这个变化在设计领域体现得更加明显。

John对此有独到的观察：“普通人的语言能力，未必能完整表达出他脑子里想要的东西。但也有可能，随着人类逐渐接受‘差一点也可以’，整个行业生态会慢慢变化。”

“随着AI发展，在软件生产能力的普及下，供给侧将出现大幅产能提升，涌现出许多MVP级别的产品。大家用久了之后，可能对美观和专业性也没那么敏感了。因为需求可能相对小众或个人化，产品能满足功能就很有价值了。”

“就像以前大家觉得短视频内容质量很差，下沉市场电商平台的商品质量也一般。但最后它们确实满足了一部分人的需求，而且还不断横向扩展，让原本不能接受的人也慢慢接受了。”

除了形态的改变，与钱相关的部分也会发生剧烈变化。

无论是新SaaS还是旧SaaS，无论是国内还是国外，一旦在产品中深度结合了AI，成本结构就会发生巨变。SaaS原有的低成本、高毛利的商业模式可能被彻底碘伏。推理成本，将成为全球SaaS共同面临的核心难题。

John点出了一个残酷的现实：“其实几乎所有软件公司的成本模型都在变化。比如一些做情感陪伴、聊天类的产品，它们是很典型的成本敏感型业务。如果用户付费意愿不够高，一旦规模上来，成本会很快把公司拖垮。这一点和过去做软件公司完全不一样。以前软件更多是服务器成本和开发成本，流量上来后边际成本很低，稍微融资就能撑过去。但现在Token是持续消耗的——本质上是实时成本，只要用户在用就要付费。”

“像谷歌这种级别的公司，据我了解，AI概览功能的成本比传统搜索高得多。所以谷歌内部做了很重大的决定，投入全公司的力量来优化这个功能的成本。”

“至于SaaS公司未来的毛利率是下降还是提高，现在还不确定。也可能因为用户规模扩大，反而带来新的平衡。”

罗安补充了一个更宏观的视角：“巨额的推理成本也将导致——不仅是SaaS公司，包括互联网大厂——都会面临类似的‘估值压缩’逻辑。它们需要投入大量Capex购买算力、消耗Token。而短期看，这些支出并没有直接带来等比例的收入增长。也正因如此，市场当前更偏好‘卖铲子’的算力公司，而不是直接做应用的公司。”