一套企业软件打天下的时代结束了

导读：生成式 AI 正在结束企业“只能适配标准化软件”的时代。 过去企业之所以接受通用 SaaS，主要是因为定制软件太贵、太慢、太难；现在，AI 大幅降低了软件构建与改造的门槛，企业开始重新获得围绕自身真实工作流来设计系统的能力。

接下来的关键问题不再是“买哪套软件”，而是：哪些能力必须自己掌握，哪些可以组合平台，哪些适合与外部共建，哪些干脆直接按结果采购。 所以，这篇文章表面在谈企业软件，实质在谈 AI 如何重画企业边界，以及竞争优势到底应该建立在什么地方。

生成式 AI 正在瓦解那套曾让标准化企业软件成为默认选择的经济逻辑。过去，大多数公司之所以接受通用软件，不是因为它最贴合自己的业务，而是因为这是唯一算得过来的办法。接下来会出现什么，取决于的不只是这项新技术能力迭代得有多快，更取决于领导者是否愿意面对一个更难的问题：哪些工作流，我们必须掌握在自己手里？

直到不久前，组织一直在让自己的工作流去适配标准化软件。无论是 Salesforce 的客户关系管理系统（CRM）、SAP 的企业资源规划系统（ERP）、Workday 的人力资本管理系统（HCM），还是 Epic 的电子健康档案系统（EHR），供应商预设的工作方式，往往就成了你公司的工作方式。你放弃了对真实工作方式的忠实还原，换来一套至少能用的软件。

但这笔交易的瓦解，比我们预想得更快。我们在 2025 年 5 月的一篇文章中曾判断，生成式 AI 会颠覆企业软件的底层逻辑，让自动化从围绕工作流转向围绕结果，从“支持人完成工作”的系统转向“直接完成工作”的系统。我们原以为这个转变会在十年里展开。方向没看错，节奏看错了。

这种变化，已经迅速体现在企业如何花 IT 预算、也体现在它们如何重新理解“工作”本身。企业在生成式 AI 应用上的支出，已经从 2023 年的 17 亿美元飙升到 2025 年的 370 亿美元，不到三年就在全球软件市场中占到一个不可忽视的份额。与此同时，企业开始减少对传统SaaS 工具的依赖。因此，上市 SaaS 公司的估值较 2021 年高点大幅压缩，许多头部公司目前的交易价格比此前高点低了 30% 到 60%。

这些变化指向的，不只是一次技术周期。企业必须从战略上决定，哪些工作流要自己掌控。就像第一波企业软件——伴随 IT 外包、呼叫中心和云服务的兴起——曾重画企业边界一样，这一波生成式 AI 也会迫使企业重新审视这些边界。

我们此前预判的软件颠覆，已经开始发生。更关键的问题是：替代它的软件会是什么，又会由谁来构建。

变化的规模、范围与速度

在讨论软件解决方案格局和企业边界会如何演变之前，先要记住几条趋势。正是这些趋势，预示着领导者必须多快做出反应。

第一，生成式 AI 支出的增长速度异常快。 企业在生成式 AI 应用上的投入，两年里增长了二十多倍。SaaS 当年达到同等渗透水平，花了近十年。

第二，软件的生产方式变了。现在，估计已有 40% 的代码由 AI 生成，绝大多数开发者在日常工作中都在使用 AI 编码工具。过去往往要花几个月工程投入才能做出的东西，现在几天就能产出。

第三，组织内部已经出现早期替代效应。调查显示，超过三分之一的公司已经用自建的生成式 AI 替代方案，取代了至少一个 SaaS 工具；多数公司还预计未来一年会再建更多类似工具。在一些率先行动的中型企业里，项目管理软件等品类的支出已经明显下滑，而 AI 投资却在快速上升。

这些变化还不均衡，执行效果也参差不齐。大多数组织仍在试验阶段，许多 AI 项目的回报也低于预期。但方向已经很清楚：软件正在从“企业购买标准化工具”的模式，转向“企业越来越可以自己构建、改造，甚至绕开这些工具”的模式。

定制化的回归

真正更深的变化，不在于预算流向，而在于生成式 AI 让什么重新变得可能。过去 30 年，企业默认接受了一笔隐性交易：定制软件太贵，于是组织只能调整自己，去适配标准化工具。一个在库存管理上真正有独特打法的零售商，跑的也是和竞争对手一样的 ERP。一个贷款理念有差异化的银行，处理贷款时用的也是和大多数银行一样的信用评分引擎。

生成式 AI 打破了这笔交易。如今被称为“vibe coding”的做法——用户用自然语言描述自己想要什么，AI 系统就能生成一个可运行的应用——抓住了一个真实的技术拐点。软件开发不再像过去那样，受制于稀缺的工程产能和漫长的开发周期。

这种变化已经在实践中显现。Cursor、Replit Agent、Claude Code 以及 OpenAI 的 Codex 等工具，已经让人们可以在几小时或几天里，把一个想法做成功能可用的应用，而不是像过去那样动辄几个月甚至几年。面向企业软件构建者的调查也显示，如今已有相当比例的人在传统 IT 架构之外开发软件，而且经常会顺手替换掉原有工具。

这并不意味着每家公司都会以传统意义上的方式变成一家软件公司。它真正意味着的是：一件几十年来都不成立的事，现在再次成立了——深度定制，已经对更多组织变得可及。

这个含义很微妙，但很重要。当软件可以围绕一家公司的真实工作方式来塑形，而不是反过来让公司去适应软件时，哪些东西该标准化、哪些东西该差异化，就不再是成本强加给企业的约束，而成了一项战略选择。

比起任何单一工具或平台，这个转变本身，才是这一刻真正重要的地方。

四种正在成形的模式

随着这一轮转型展开，几种清晰不同的路径正在出现。它们都在回答同一个底层问题：企业应该把边界画在哪里？哪些东西自己做，哪些东西依赖外部提供？

构建

有些公司会选择直接基于基础模型搭建自己的系统。这类系统不是围绕供应商预设的工作流来组织，而是围绕企业真正要完成的具体任务来组织。

比如，一家物流公司可能不会只做一个追踪货运的系统，而会做一个基于自有数据、持续优化送达时间和成本的系统。随着时间推移，这套系统会沉淀成一套竞争对手难以复制的组织知识。代价也很明确：你换来了更强的控制权和差异化，同时也要持续承担技术复杂性。

一个有用的判断标准是：这套系统里，是否编码了真正独特的数据或决策逻辑。如果没有，那么即便一开始看起来很容易，自建也可能是在用力过猛；这时，选择组合或协作，也许能以低得多的复杂度交付相近价值。

组合

第二条路径，适合那些想保留灵活性、又不想完全自己拥有一切的组织。在这种模式下，供应商提供脚手架、模板和基础能力，由业务用户按自己的需要去配置。

比如，一个销售团队可以使用 Salesforce Headless 360 这样的可组合平台，按自己的销售节奏去定制线索评分、外呼编排和销售漏斗复盘，而不必从零搭一个 CRM。定制的方向被反过来了：不是公司去适应软件，而是软件来适应公司。这种方式降低了从零构建的负担，但也意味着某些约束依然存在，尤其是在定制能深入多大程度的核心功能上。

团队需要留意一个信号：平台边界是否正在限制关键差异化。如果定制越来越像强行拗出来的东西，或者过程越来越笨重，那可能说明，企业需要更直接地去构建，或者更深地与外部协作。

协作

第三种模式，是从“购买企业软件”转向“与供应商一起共建定制方案”。供应商会和客户一起——通常通过前置部署的工程师团队——先把要解决的任务定义清楚，再围绕这个结果去构建专门系统。

过去那种又长又贵的实施周期，如今越来越可能压缩到几周。比如，一个专业团队可以帮助一家制造企业重做采购流程，并围绕这套流程建立系统，所需时间只相当于传统 ERP 部署的一小部分；而传统 ERP 部署通常还要再叠加咨询服务，去完成配置和有限定制。

这种模式的优势是快，也更容易对齐业务；风险则是对外部能力形成依赖。时间一长，企业要判断：反复依赖外部伙伴，是不是掩盖了一项本该内化、而且具有战略意义的能力？反过来，也要判断现在在做的东西，是不是真的足够独特，还是其实可以直接按结果购买。

采购结果

最激进的一种模式，已经不再围绕软件本身展开。企业不再采购工具，而是直接采购结果。比如，一家公司未来可能不再购买会计软件、自己运行它，而是直接签约采购“准确财务、合规与报表”这项服务。

在这种模式下，供应商不再提供工具，而是对结果负责。这会显著简化运营，但也会把控制权交出去，并要求企业对供应商有很高信任。它最适合那些不会形成差异化的结果领域；一旦这个领域的表现开始影响竞争优势，企业就可能需要通过构建、组合或更直接的协作把控制权拿回来。这个模式的另一个体现，是 Adobe 最近为其 CX Enterprise 套件和 agentic AI 工具宣布的按结果计费。Adobe 会把 AI 代理直接部署到客户现场，但收费不再按席位，也不按 AI token 消耗计，而是按 AI 代理完成了多少次成功广告活动这类结果来收费。

这四种模式并不是互斥的。大多数组织都会同时使用其中几种。关键在于，企业如今做选择时，已不再主要受成本或可行性驱动。真正的问题是：差异化到底出现在哪里，哪里又没有必要差异化。

这迫使企业面对的战略问题

这轮变化更深层的意义，不在软件本身。它关乎竞争优势，更关乎一家公司究竟为什么存在。

当年，定制系统贵得让人望而却步，所以“哪些能力该自己掌握”这个问题，基本是被默认答案替你做掉的。你自己跑薪酬、自己做客服、自己做需求预测，不是因为这些能力能带来差异化，而是因为当时可用的工具逼着你这么做。那些支撑这些职能的标准化系统，会让不同公司的实现方式看上去都差不多。

现在不一样了。今天，任何一个职能都可能被深度定制，也可能被交给外部供应商按结果交付。于是，每个组织都要重新面对一个整整一代人都没真正面对过的战略问题：哪些工作，我们真的要掌握在自己手里？

有些工作会被进一步拉回组织内部，重建成专有能力。另一些工作则会外移，交给合作伙伴以更高效率或更高质量完成。企业边界不再是一个既定事实，而变成了一个可调整变量。

这也改变了优势的性质。在一个系统可以被快速复制的世界里，仅仅建立在流程或嵌入式逻辑上的优势，更容易被挑战。真正还能守住的，是你是否真正想清楚了：哪些工作对公司的价值创造是独特的；以及你是否有纪律，把深度做在这些地方，而不是把力量摊在所有地方。

不过，先行者已经遇到一个现实约束：快，并不等于有效。很多组织急于自动化，却没有先重构数据和流程，结果是质量下降、边缘情况不断堆积、系统越来越难管理。这里的教训不是要放慢，而是要把雄心和纪律绑在一起：把数据架构、治理和归属，当成转型的一部分，而不是事后补救。

对正在穿越这轮转型的领导者来说，真正重要的决策其实没几个，但每一个都影响很大。

第一，把数据架构当成地基。由供应商分散管理的数据，不只是低效，它还会直接限制 AI 系统能做什么。

第二，重新审视每个职能上的“自建还是购买”决策。现在真正该问的，已经不是“能不能建”，而是“该不该建”，以及“建出来会不会形成有意义的差异化”。

第三，为内部开发的系统建立清晰治理。随着越来越多软件在传统 IT 架构之外被做出来，安全性、可维护性和责任归属会从边缘问题变成核心问题。

第四，要认识到，软件选择也是用工选择。当 AI 系统开始承担过去由团队完成的工作时，技术决策也同时是在做组织设计决策。

接下来会怎样

现在就宣布 SaaS 终结，是个错误。很多应用还会继续存在，也会有一些供应商通过转向更灵活、更面向结果的模式，成功完成调整。这场转型在不同行业、不同职能之间的展开速度，也一定不会一样。

但底层逻辑已经变了。过去一代人里，企业软件的问题是：我们该买哪种工具？现在冒出来的问题更根本：我们该如何重想自己的工作流，并决定哪些要自己构建，哪些要通过组合来实现，哪些要与外部协作完成，哪些干脆直接采购结果？

答案会因公司而异，也会因情境而异。但那些能清楚回答这个问题的组织，会得到比一套软件策略更有价值的东西：它们会更清楚地知道，自己的价值究竟产生在哪里，以及为什么这种价值不容易被复制。

免责声明

本文系基于公开发布内容所做的整理、编辑与排版，原作者及原始来源已在文中注明。本文转载目的仅限于信息分享、学习研究与交流参考，不作为任何商业授权、投资建议或正式立场文件使用。 除整理、节选、排版等编辑性工作外，原文内容的著作权、观点权利及相关权益原则上归原作者所有。整理过程中如因节选、编排或转述造成与原意不完全一致之处，由整理发布方承担相应说明责任，但不改变原内容权属归属。 如原作者、权利人或相关主体认为本文转载、引用、署名、链接标注或传播方式存在不当之处，请及时联系我们处理。经核实后，我们将尽快完成删除、更正或补充说明。