当所有人都在喊”SaaS 要完了”的时候，两位业内人士坐下来，用 60 年的软件进化史、经济学理论和大量真实案例，拆解了这个问题的真正答案：不是所有软件都会死，但活下来的方式各不相同。

---

假设现在是半夜，你被锁在门外。叫了个锁匠，他 90 秒就帮你开了门，然后说：”500 块。” 你气得当场给他一星差评。

换个平行宇宙：锁匠花了九个半小时，回店里拿了三趟工具，终于在第二天早上帮你开了门。你感激涕零，不仅多给了 200 块小费，还给他五星好评。

这个来自行为经济学家 Dan Ariely 《怪诞行为学》里的经典故事，被投资人 Alex 用来解释一个反直觉的现象：人类愿意为低效买单，因为”公平感”比”效率”更重要。

这个洞见，恰好解释了为什么在 AI 时代，SaaS 的定价模式不会像很多人预言的那样崩塌。

在一期播客中，Atlassian 高管 Mike 和投资人/连续创业者 Alex 进行了一场深度对话，讨论 AI 时代 SaaS 行业的真正命运。以下是这场对话中最有价值的观点。

从文件柜到数据库，再到会干活的文件柜

要理解 AI 对 SaaS 的影响，我们需要先回顾软件 60 年的进化史。

1960 年，IBM 和美国航空合作创建了 Saber 系统——把航空公司存在保险柜里、由大量文员管理的纸质预订记录，搬进了早期数据库。之后，电子病历（Mass General Hospital 的 MOPS 系统）、CRM（1987 年的 ACT 系统）相继出现。

“从 1960 年到 2022 年，软件的全部历史就是：把文件柜变成数据库。”

但这个过程并没有让世界变得多高效。以前你要叫人去 HR 文件柜里帮你找员工档案；现在档案在 Workday 里了，但你需要 CISO 防止被黑客攻击，需要 IT 团队在 SSO 里配置账号——文件柜变成了数据库，可数据库自己不会思考。

而 AI 时代的变革在于：

“AI 时代真正酷的事情是——文件柜能干活了。QuickBooks 现在可以自己完成任务，而不是等着人类去检索数据。”

这才是本质性的飞跃。

SaaS 的三种命运：不是所有软件都会死

Alex 提出了一个精妙的分类框架：公开市场上的 SaaS 公司其实分为三类，但大多数投资者根本分不清。

第一类：席位 = 产出（最危险）

如果你的客户买席位是为了产出工作成果，那 AI 能替代这些工作，席位就不需要了。最典型的例子是 Zendesk——当客户用上 AI 客服（Sierra、Decagon），他们需要的人工席位可能降到零。

“如果 Zendesk 只是继续按席位收费，什么都不改，那这条收入线 100% 会归零。”

当然，反面也存在：如果 Zendesk 转向按成果收费，收入可能翻三四倍。

第二类：席位 ≠ 产出（相对安全）

有些公司按席位收费，但席位只是一个”定价策略”——使用软件的人并不是在用它来产出工作。

Workday 就是典型：按员工数收费。GE 有 34 万员工，每人每月收几美元。这些员工本身并不在 Workday 里”产出”什么，人数只是一个看起来公平的计费锚点。而且 AI 反而会让 Workday 更有价值——比如自动化背景调查、入职流程，但这些都需要 Workday 作为底层数据源。

第三类：中间地带

像 Adobe 这样的公司——你可能需要更多或更少的席位，但不会像 Zendesk 那么极端，也不像 Workday 那么安全。

“令人震惊的是，很多公开市场投资者根本分不清这三类公司。他们对 AI 很兴奋，但 AI 必须通过作为’记录系统’的软件来部署。”

Vibe Coding：威胁还是机遇？

“SaaS 末日论”的一个核心论据是：有了 AI，每个人都可以自己写软件，谁还需要买 SaaS？

Mike 的回应很直接：

“自己用 Vibe Coding 搞一个 Workday 然后跑起来？这个想法太恐怖了。”

Alex 则搬出了 1817 年经济学家大卫·李嘉图的比较优势理论：你确实也可以自己种粮食、自己焊铝材，但自己做一个汉堡的成本远比去餐厅高——因为规模经济和比较优势的存在。

更重要的是，软件真正的护城河不是代码本身，而是数十年积累的边缘案例：

“大量软件本质上是一组确定性规则，从几十年的经验中学来的。这些规则没有暴露在外面——你无法复制它们，只能通过经验积累。”

比如，你理论上可以用 Vibe Coding 搞一个 Workday，但如果印第安纳州有个员工在产假期间离职，你知道该怎么处理吗？这些边缘案例才是真正的 IP。

Mike 用日本百年拉面店做比喻：一家从 1587 年开到现在的面店，它的价值不是一张配方单，而是几百年积累的文化、手艺和 know-how。

但 Vibe Coding 的真正价值在于扩展性。 Mike 在 Atlassian 内部看到了明确的收益：

“我们在软件的可扩展性方面看到了巨大收益。比如迈阿密团队需要一个会议室预订应用，有一些奇怪的本地 HR 规则——以前 IT 部门不会花资源去做这种 20 个人用的小工具，但现在可以了。而这个应用底层用的还是 Workday 的数据和规则。”

这实际上让 Workday 更黏、更有价值。Vibe Coding 不是替代 SaaS，而是在 SaaS 之上构建更个性化的应用。

定价的公平感：为什么按席位收费不会消亡

回到开头的锁匠故事。定价的核心不是成本，是公平感。

按席位收费之所以流行，不是因为多一个数字席位真的有多少边际成本，而是因为它感觉公平——500 人的公司比 1 人的公司多付钱，天经地义。

那 AI 时代呢？很多人鼓吹”按消费计费”或”按成果计费”，但这两种模式都有致命问题。

消费计费的陷阱——赌场筹码

Mike 对 AI token/credit 模式的批评很到位：

“AI 积分对客户来说太难理解了——就像赌场筹码，我不知道你的积分和他的积分是不是等价的。更糟的是，厂商不断添加新功能消耗我的积分——我的用户在用，但我根本控制不了花了多少。”

客户没有控制感，账单不可预测。相比之下，按席位收费至少是确定的。

成果计费的悖论——节省效果逐年递减

“我帮你把客服成本从 20 块降到 10 块，第一年这是个好故事。第二年客户说：’我现在只花 10 块了，你得帮我降到 5 块才算有价值。’ 而你说：’如果没有我，你得花 20 块。’ 客户说：’但我现在不花 20 块啊。'”

按成果收费的基准线会不断被重置，节省空间越来越小。

AI 产品的真正瓶颈：不是技术，是设计

“给用户一个无所不能的聊天框，他们说的第一句话是：’给我讲个爸爸笑话。'”

模型的能力远远超前于它们交付的价值，这已经是老生常谈了。问题出在哪里？设计和体验。

Mike 提出了”50 个实习生困境”：

“50 个实习生的问题是：你确实能完成大量工作。但 50 个实习生的另一个问题是：他们每分钟问你 50 个问题，你所有时间都花在回答实习生的问题上了。”

AI 也是一样。客户最怕的不是 AI 的能力不够，而是不知道 AI 干了什么、对不对。你的 AI 机器人默默发了 15 封邮件、清空了你的收件箱——你信任它吗？

要赢得信任，AI 需要在自主行动和确认之间找到一个微妙的平衡：

“要赢得信任，AI 必须回来问你：’这是我打算做的事，确定要我做吗？’ 但又不能烦到让你觉得’你就直接去做啊’——这是一个全新的设计命题。”

Atlassian 的做法是在文档编辑中引入双面板：75% 是文档本身，25% 是聊天窗口——像一个没有工具栏、只有对话的 Word。但这种范式转换对普通用户来说仍然有门槛。

这让人想起移动互联网早期：最初的 App 只是把桌面网页缩小塞进手机，后来才演化出推送通知、下拉刷新这些原生交互。AI 产品现在也处于类似阶段。

结语：企业不是一组数据库，而是一组流程

Mike 在对话最后提出了一个关键的认知纠偏：

“我很讨厌’记录系统’这个说法，因为它让人觉得就是个数据库静静地躺在那里。企业不是一组文件柜——企业是一组流程。”

他把流程分为两类：输入受限型（如客服——客户提问量是固定的，AI 提高效率意味着省成本）和输出受限型（如研发、创意、营销——理论上可以无限做，AI 意味着做更多、做更好）。

对于输入受限的流程，AI 的价值是降本。对于输出受限的流程，AI 的价值是扩产。但无论哪种，流程编排 + AI 执行才是未来的模式——而这正是 SaaS 公司不可替代的价值所在。

“我有一万多人，每天走进办公室带着他们的大脑，走出去又带走了。没有原子，没有比特，不冲压钢材——我的全部业务就是协调一组流程。”

所以，SaaS 会死吗？不会——但它的价值锚点正在从”数据库”转向”流程引擎”，从”存储信息”转向”编排智能”。能完成这个转身的公司，反而会比以前更值钱。

---

本文基于 Atlassian 高管 Mike 与投资人 Alex 的播客对话整理。