软件会变成日抛？

通信SaaS龙头Twilio管理层本季度表明voice channel revenue +20%，是 19 个季度以来最高增速，并且 AI use cases 与 voice software add-ons 是重要催化；同时，messaging revenue +25%，但其中约 7 个点来自 carrier fees，因此真实业务动能要看 high-teens 的 apples-to-apples 增长。

以席位为主的协作巨头Atlassian本季度也交出了一份与大家预期都相反的财报，前阵子席卷全球的SaaS doom叙事，让这些协作软件巨头深陷AI 会减少 Jira / Confluence / Trello 的人类席位的巨大担忧之中，但本季度管理层回应：本季没有看到 seat compression，反而看到 core product seat expansion。电话会摘要里提到，Teamwork Collection 在增长的同时，core Jira standalone 仍持续 seat expansion；管理层还强调，Jira 和平台在 AI-driven agent world 里仍然是管理工作流和协作、解锁 AI 价值的核心系统。官方股东信也用了更明确的表达：客户在核心产品中扩展 seats，同时采用额外 offerings，尤其是 Service Collection 和 Teamwork Collection；公司还说客户正在签署更大、更长期的承诺，因为 Atlassian 平台对推进工作流是 mission critical。

我们以为的世界与实际的世界，AI到底是放大专家的能力，还是让人人自己做软件，日抛软件？商业上可行吗？

AI 不是简单“吞噬软件”，而是在重写软件的分工边界

TWLO 这份财报给出的反直觉信号是：

如果 AI 的终局真是“人人自己做软件、企业不再需要 SaaS / API 平台”，那 Twilio 的 voice、messaging、software add-ons 不应该同时加速。

但现实相反：AI 正在制造更多通信、更多自动化交互、更多 voice / messaging / verification / conversation intelligence 需求。

TWLO Q1 2026 收入14.1 亿美元，同比+20%、organic revenue+16%；voice revenue 同比+20%，是19 个季度以来最高增速，并且连续 6 个季度加速；messaging revenue+25%，其中约 7 个百分点来自 carrier fees，apples-to-apples 大约是 high-teens 增长；software add-ons 超过+20%，Branded Calling 和 Conversational Intelligence 都超过+100% YoY。

这不是“软件被 AI 吞噬”的财报，而是AI 让更多企业、更多 agent、更多 workflow 需要连接真实世界的人。真实世界的人仍然在电话、短信、WhatsApp、RCS、客服、验证、通知、销售、催收、售后里。所以 AI 不是消灭 Twilio，而是把 Twilio 推到 AI-human interaction execution rail。

---

我们以为的世界 vs 实际的世界

我们以为的世界

市场前一阶段的叙事是：

AI 会写代码

→ 人人都能自己做软件

→ SaaS / API / workflow platform 被替代

→ 软件公司 terminal value 下修

→ SaaS donor

这个叙事传播力很强，因为它简单、极端、容易交易。

但它混淆了三件事：

• 能生成软件 ≠ 能定义正确问题
• 能做 demo ≠ 能上线生产系统
• 能写代码 ≠ 能承担合规、可靠性、安全、渠道、结算、运维和责任

---

实际的世界

真实世界更像：AI 降低“写代码”的成本,但提高了“正确使用软件、治理软件、连接真实世界”的价值。

所以结果不是软件消失，而是软件分层：

AI 日抛的是界面，不是责任。AI 商品化的是代码，不是系统。AI 降低的是开发成本，不是商业验证成本。

---

AI 到底是放大专家，还是让人人自己做软件？

答案是：两者都发生，但商业价值不对称。

对普通人：AI 让“自用软件”爆炸

AI 会让普通人做很多以前不会做的小软件：

• 个人记账工具
• 临时 dashboard
• 一次性数据清洗脚本
• 内部小表单
• 会议总结 app
• 临时网页
• 自动化 workflow
• 小型 agent

这是真的。这类软件会大量出现，甚至可以叫：disposable software / 日抛软件 / 一次性软件。

但它们大多具备几个特征：

• 低责任
• 低可靠性要求
• 低合规要求
• 低用户规模
• 低维护成本
• 低商业付费意愿
• 出错代价小

所以这类“人人做软件”是真实趋势，但它更像Excel macro / Notion template / Zapier workflow / internal script 的 AI 化升级。商业价值有，但不一定能支撑独立大公司。

---

对专家：AI 是 10x–100x 杠杆

真正商业上强的地方，是专家被 AI 放大。为什么？

因为专家知道：

• 什么问题值得解决
• 什么约束不能违反
• 什么错误会致命
• 什么指标是真 KPI
• 什么数据不可信
• 什么流程不能绕过
• 什么用户行为会导致失败
• 什么系统上线后会崩

AI 能写代码，但专家知道应该写什么、不该写什么、怎么验证、怎么上线、怎么承担后果。

所以商业上更强的模式不是：人人都变成软件公司

而是：专家 + AI + 基础设施平台

→ 更快构建专业 workflow

→ 更快部署到真实业务

→ 更快迭代

→ 更高单位专家产出

这就是为什么 TWLO 的财报很重要：AI-native 公司、ISV、自助渠道都增长强，说明 AI 没有让所有人绕过平台，反而让更多 builders 消耗 Twilio 的通信基础设施。管理层也把强增长归因于 AI-driven customer engagement、voice AI、software add-ons 和 self-serve / ISV 渠道。

---

为什么“日抛软件”无法吞噬一切？

经济学维度来看：代码边际成本下降，但治理成本上升

AI 让代码生产更便宜。但商业系统的成本结构不是只有代码。

总成本 =代码成本

+ 数据成本

+ 集成成本

+ 可靠性成本

+ 合规成本

+ 安全成本

+ 运维成本

+ 销售/分发成本

+ 责任成本

+ 组织采用成本

AI 把第一项大幅压低，但后面九项没有消失。甚至很多场景里，AI 生成的软件越多，治理成本越高：

• 谁批准？
• 谁审计？
• 谁维护？
• 谁负责安全漏洞？
• 谁处理客户投诉？
• 谁和 CRM / ERP / billing / identity / data warehouse 集成？
• 谁保证 99.99% uptime？
• 谁处理监管？
• 谁承担法律责任？

所以软件越容易生成，企业越需要平台来治理生成出来的软件。这对 TWLO、NOW、TEAM、MSFT 这类平台不是纯负面，而是正面分层。

---

系统工程：demo 容易，生产系统难

AI 让“做出一个东西”变容易。但生产级系统的难点是：

• edge cases
• latency
• observability
• security
• permissioning
• deployment
• rollback
• compliance
• billing
• support
• versioning
• SLA

普通人可以日抛一个 demo，但企业不能日抛一个 contact center、payment flow、identity verification、healthcare workflow、banking onboarding、fraud detection、customer support system。这就是为什么 Twilio 的 voice AI 和 messaging 反而增长。

AI agent 可以生成话术、理解意图、自动回复，但它仍然需要：电话号码、PSTN 接入、短信通道、RCS / WhatsApp、A2P 合规、号码信誉、反欺诈、通话质量、录音、转写、身份验证、客户触达合规。

这些不是普通用户“自己写个软件”就能解决的。

---

组织学角度来看：软件不是代码，是组织流程的固化

企业软件的本质不是 UI，而是：权限、流程、责任、审批、协作、审计、记录、合规、KPI、组织记忆。AI 可以让一个员工快速做工具，但企业不会让每个员工随便把工具接进核心系统。

所以未来更可能出现的是：

• 员工提出 intent
• 专家/平台提供 guardrails
• AI 生成 workflow
• 企业平台治理、执行、审计

也就是：

人人可以生成软件，但不是人人可以发布生产级软件。

---

认知科学：AI 放大“问题定义能力”

非专家使用 AI，容易做出“看起来能用”的东西。专家使用 AI，会把它接到真实目标函数：

• 降低 churn
• 提升 conversion
• 减少客服 AHT
• 提高 fraud detection
• 提高 collections rate
• 减少 missed appointment
• 提升 NPS
• 提升 sales conversion

所以 AI 最放大的不是“会不会写代码”，而是：

• 谁更懂问题
• 谁更懂场景
• 谁更懂失败模式
• 谁更懂验证
• 谁更懂商业闭环

这就是专家杠杆。

---

TWLO 财报给出的核心启示：AI 增加了“真实世界交互量”

TWLO 这份财报最有洞察的地方，是 voice 重新加速。过去市场可能认为：AI chatbot 出来→ 人们不打电话了→ voice channel 变老旧。

但现实可能是反过来：

AI voice agent 出来→ 企业可以用更低成本处理更多电话→ 更多 use cases 以前因为人力成本太高不能做，现在可以做→ voice volume / voice software add-ons / conversational intelligence 增长

这就是杰文斯悖论的软件版：

当 AI 降低一次互动的成本，互动总量可能上升，而不是下降。

TWLO voice revenue +20%，并且管理层提到 voice AI use cases 和 voice software add-ons 是重要驱动，这说明 AI 可能不是减少 communication demand，而是把更多 workflow 变成可自动化、可监控、可分析、可规模化的通信事件。

---

商业上“人人日抛软件”可行吗？

可行的部分

商业上可行，主要在这些场景：

这

、模板型 SaaS、简单 CRUD app、报表型工具、内部小工具平台。

---

不可行的部分

但日抛软件很难替代：

所以日抛软件的商业边界很清楚：

• 低责任、高个性化、低集成、短生命周期：生命周期：平台和专家更强

---

真正的世界模型：Disposable Edge + Durable Core

我认为这才是正确的终局：

• 边缘日抛化，核心平台化。
• 界面日抛化，数据与流程持久化。
• 代码日抛化，信任与责任持久化。
• 应用日抛化，基础设施与 context graph 持久化。

所以 AI 软件越多、agent 越多、自动化 customer journey 越多，TWLO 这类底层通信轨道反而可能受益。

以后不能再问：AI 会不会吞噬 SaaS？

应该问：

• AI 吞噬的是这家公司的哪一层？
• AI 放大的是这家公司的哪一层？
• 这家公司是在 disposable edge，还是 durable core？

AI 会吞噬的 SaaS

ai_consumed_saas:

– no proprietary data

– no workflow ownership

– no system-of-record status

– no compliance / trust layer

– no distribution

– no integration depth

– no switching cost

– mostly UI wrapper

– mostly report/template generation

AI 会放大的 SaaS / 平台

ai_enabled_saas:

– owns customer context

– owns communication channel

– owns workflow execution

– owns permission / governance

– owns compliance surface

– owns enterprise integration

– owns identity / fraud / audit

– converts AI usage into ARR / gross profit / FCF

---

最终判断：AI 更像“专家杠杆 + 平台需求放大器”

不是全民软件乌托邦

我会这样总结：

AI 会让普通人做出更多日抛软件，但商业上真正可持续的价值，仍然集中在专家、平台、数据、上下文、分发、信任、合规和真实世界执行轨道上。

换句话说：

• 人人会做软件
• ≠ 人人会做生意
• ≠ 人人能做系统
• ≠ 人人能承担责任
• ≠ 人人能拥有分发
• ≠ 人人能接入真实世界基础设施

AI 日抛的是“应用外壳”，不是“商业系统”。AI 放大的是“知道该做什么的人”，不是“所有人平均变成软件公司”。AI 消灭的是低上下文工具，放大的是高上下文平台。TWLO 这份财报证明：真实世界的 AI，不是脱离基础设施自给自足，而是消耗更多可信基础设施。

全文完。