过去二十年，企业软件市场有一套相对稳定的商业逻辑：通用能力买 SaaS，核心流程上 ERP，复杂落地找咨询公司，企业内部尽量不要重复造轮子。

这套逻辑的背后，是传统软件开发的高门槛：开发周期长、人才昂贵、质量不可控、后期维护成本高。

只要企业自己从零搭系统，往往就会被技术债、运维、安全和人员流失拖入长期成本泥潭。因此，“买成熟软件”不仅是一种技术选择，更是一种财务理性。

但生成式 AI 正在动摇这个前提。

当 Codex、Claude Code、GitHub Copilot 等 AI 编码工具把自然语言变成代码，当业务团队可以用几天时间生成一个内部管理工具，当智能体可以跨多个 SaaS API 执行任务，企业软件的经济学就不再只是“买还是建”的老问题，而变成了一个更深层的问题：企业到底应该把哪些能力外包给标准软件，把哪些能力重新收回到自己手里？

这是一场企业软件价值链的重定价。

一、AI 让“造轮子”变便宜，但没有让“拥有轮子”变便宜

AI coding最直接的冲击，是把软件原型的生产成本打下来了。

过去，一个业务部门想做一套内部审批、数据看板或运营管理工具，通常要经历需求评审、排期、开发、测试、上线和维护。这个过程可能持续数月，最后还未必真正贴合业务现场。

现在，业务人员和小型研发团队可以用自然语言不断提示 AI，让系统快速生成界面、数据库表、API、自动化脚本和报表逻辑。

这也解释了为什么越来越多团队开始重新审视 SaaS 订阅。文档引用的调研显示，已有相当比例的技术与业务团队使用 AI 辅助自研工具替代了至少一款商用 SaaS，并且更多团队计划继续扩大自定义工具比例。

但是，这里存在一个危险的错觉：开发成本下降，不等于总拥有成本下降。

企业软件真正昂贵的地方，从来不只是第一版代码。更大的成本在发布之后：

系统要不要升级？

权限和审计谁来管？

云资源谁来优化？

依赖库漏洞谁来修？

核心开发者离职后谁能接手？

业务变化后谁来重构？

因此，AI 时代的自研不是不可以，而是必须重新定义边界。

如果一个系统只是通用流程，例如标准 HR、基础协作、普通报销、通用工单，企业盲目自研很可能是在用昂贵的长期维护换短期爽感。

但如果一个系统承载的是企业独特的定价逻辑、非标产品配置、客户触达策略、供应链调度能力和行业知识，那么 AI 辅助自研的意义就完全不同。它不再是重复造轮子，而是在打造企业自己的差异化发动机。

关键不在于“买”或“建”，而在于判断这项能力是不是企业竞争优势的一部分。

二、ERP 的新边界：核心越标准，边缘越个性化

AI 对 ERP 的影响，不是简单地把传统流程自动化，而是重新划分“标准化”和“个性化”的边界。

传统 ERP 的核心信仰是流程标准化。流程被固化在系统中，企业通过实施项目适配软件里的最佳实践。这个模式的好处是稳定、可控、可审计；坏处是僵硬、周期长，且容易牺牲业务差异化。

在 AI 时代，这种矛盾正在被新的双层架构缓解。

底层仍然需要标准化的 ERP 核心。财务总账、合规申报、主数据、审计留痕、权限控制，这些领域不能因为 AI 变强就随意改造。企业越大、监管越强、跨国运营越复杂，越需要一个稳定可信的记录系统。

但在 ERP 核心之上，AI Agent 正在形成一层新的智能执行与协同层。它可以理解自然语言、调用业务接口、生成工作流、辅助决策、处理异常，并根据业务场景动态调整执行路径。

这意味着未来 ERP 的演进方向不是“全部标准化”，也不是“全部定制化”，而是：

后台控制领域保持干净核心，前台竞争领域释放个性化。

SAP 的 Clean Core 与 Joule 智能体生态

Oracle 的 AI Agent Studio

Microsoft Dynamics 365 Copilot 与 Power Platform

Odoo 的开源模块化能力，本质上都在回应同一个趋势：企业不想再为了升级而牺牲灵活性，也不想为了个性化把 ERP 改成一个不可维护的黑箱。

AI 的价值就在于，它可以把很多过去必须写死在系统里的流程，转移到更灵活的智能体层和上下文工程层。

这样，ERP 仍然负责真实数据和合规边界，AI 则负责交互、解释、编排和局部优化。

这会改变 ERP 项目的评价标准。未来企业不应只问“这个 ERP 能不能覆盖多少流程”，还要问：

它的核心是否足够干净？

它是否开放足够好的 API 和事件接口？

它是否支持智能体安全调用？

它能否让业务团队在不破坏核心的前提下快速试错？

ERP 不再只是记录系统，它正在变成企业 AI 运行的可信底座。

三、SaaS 产业红利期的终结：AI Agent 对商业模式的解构

过去 SaaS 的商业模式很漂亮：标准化软件、云端交付、按席位订阅、毛利率高、续费稳定。只要用户每天在界面里工作，SaaS 就拥有入口、数据和流程控制权。

AI Agent 正在拆掉这套模式的几个关键支点。

第一，用户入口正在从 SaaS UI 转向智能体。

当用户可以直接对 AI 说“帮我整理本周销售异常，生成客户跟进清单，并同步到 CRM”，他未必还需要频繁打开一个个 SaaS 界面。SaaS 仍然存在，但它可能从用户眼前的工作台，退化为智能体背后的 API 和数据管道。

一旦入口被智能体拿走，SaaS 的品牌黏性和议价权都会下降。

第二，席位定价正在遭遇结构性挑战。

传统 SaaS 按人头收费，但 AI 的目标恰恰是提升人效，甚至替代一部分初级岗位。如果一个客服团队因为 AI Agent 减少了 20% 的人工坐席，那么按席位收费的 SaaS 即使没有丢客户，也会天然少收 20% 的钱。

这就是席位制的悖论：软件帮助客户提高效率，却因为客户人数减少而惩罚自己的收入。

第三，通用 SaaS 面临被自研和垂直 AI 工具夹击。

AI 编码降低了克隆基础功能的门槛。工作流自动化、内部管理后台、BI 查询、表单工具、项目管理、基础客服系统，这些过去依靠标准化界面和通用流程收费的软件品类，都开始承受更大的替换压力。

以下六大传统 SaaS 软件品类在 AI 时代正面临最为严峻的自研替换与退订压力。

为求自救，2026 年的 SaaS 产业正在经历一场定价机制的历史性大转向。但这一转型也使得 SaaS 厂商必须直面极其严苛的财务转型阵痛：一方面，由于每一次 AI 交互都会产生直接的 LLM 推理开支（Inference Costs），AI 功能的增加导致软件公司的毛利率从传统 SaaS 骄傲的 80%~90% 区间，大幅压缩至 50%~60% 之间；另一方面，用量付费制（Usage-Based Pricing）带来了极高的营收波动性与收入预测难度，客户可以在业务淡季通过调低调用频次，在不退订的前提下瞬间缩减其给 SaaS 厂商贡献的净收入增长率（NRR）。

四、咨询巨头的估值回调，本质是交付模式被重新定价

AI 对企业软件产业链的另一个冲击，发生在 IT 咨询和系统集成市场。

在 2026 年第二季度，作为全球 IT 咨询与系统集成领域的“巨无霸”，埃森哲（Accenture, ACN）的股价及市值表现成为了资本市场最瞩目的震中。埃森哲股价自其 52 周高点 314.20 美元大跌至 165.52 美元，市值整体缩水达 47%。这直接引发了市场对于传统 IT 咨询和系统集成产业是否会被 AI 彻底 disintermediate（去中介化）的惨烈辩论。

过去，大型咨询和系统集成公司的收入逻辑相对清晰：客户需要云迁移、ERP 实施、系统集成、定制开发和流程改造，咨询公司派出大量顾问和工程师，按照工时、人月或项目规模收费。

但 AI 正在让这个公式变得尴尬。

埃森哲通过与 NVIDIA、Microsoft、Anthropic、OpenAI、Palantir 和 Snowflake 等大厂构建深度战略联盟（目前埃森哲约 60% 的营收直接产生自其前十大联盟伙伴，该比例在 2022 年仅为 50%），成功将自身牢牢锚定在企业级 AI 实施生态的最底层，这使其在 IT 预算重回正轨及 AI pilots 规模化落地后，依然拥有极强的经常性自由现金流爆发力（自由现金流收益率当前接近 12%）.

但在这一轮剧烈的估值泥石流中，瑞银（UBS）等长期看多的机构则指出了埃森哲无可替代的核心生态防御壁垒。

五、企业数字化转型的战略抉择

对企业管理者来说，AI 时代最危险的反应有两种。

一种是过度兴奋，认为有了 AI Coding 之后一切都可以自研，SaaS 和咨询公司都不再需要。

另一种是过度保守，把 AI 当成现有软件里的一个附加按钮，继续沿用过去的采购、实施和预算逻辑。

更理性的做法，是重新画一张数字化投资地图。

第一，把软件能力分成“通用能力”和“差异化能力”。

通用能力应该优先购买成熟软件，尤其是那些已经完成 AI 原生改造、具备安全审计、弹性定价和稳定生态的产品。差异化能力则应考虑 AI 辅助自研，用小团队围绕企业专属数据、业务规则和客户场景构建能力。

第二，把 ERP 改造从“深度定制”转向“干净核心 + 智能边缘”。

不要把所有个性化需求都写进 ERP 核心，也不要让业务完全被标准流程锁死。真正有生命力的架构，是让 ERP 保持可信记录系统，让 AI Agent 和低代码平台承担灵活编排。

第三，重新谈判 SaaS 和咨询合同。

对于 SaaS，企业应关注是否存在按结果、按用量、按容量的更合理定价方式，避免被传统席位费锁定。对于咨询公司，应把 AI 提效纳入合同基准，推动固定总价、里程碑交付和成效绑定，而不是继续为低效率人月买单。

第四，建立 AI 自研治理机制。

AI 让业务团队更容易构建工具，也让影子 IT 更容易扩散。企业必须建立代码审计、开源依赖检查、权限管理、数据分类、模型调用记录和上线门禁。否则，今天省下来的开发成本，明天可能变成安全事故和维护黑洞。

第五，把上下文工程作为新的核心资产。

未来企业 AI 的竞争力，不只是用了哪个大模型，而是能否把自己的流程、数据、规则、知识和权限组织成高质量上下文。谁能把企业内部复杂的业务语义结构化，谁就更容易让 AI 产生真实生产力。

结语：企业软件的权力正在从“标准产品”流向“业务上下文”

AI 时代的企业软件并不是简单走向“全自研”，也不是传统 SaaS 和咨询公司的终结。

真正发生的是，企业软件的权力中心正在迁移。

过去，权力属于标准化软件产品、图形界面和实施方法论。企业为了稳定性和合规性，接受标准流程，支付席位费，购买顾问工时。

未来，权力会更多流向业务上下文、数据控制权、智能体编排能力和可衡量结果。企业会更清楚地知道哪些软件只是通用工具，哪些系统才构成竞争优势；哪些 SaaS 值得继续购买，哪些只是可以被 AI 工具替代的界面；哪些咨询公司能交付转型结果，哪些只是转卖人力。

这场变化不会让企业软件变得更简单。相反，它会让企业更难偷懒。

因为 AI 降低了构建门槛，也提高了治理要求；压低了原型成本，也暴露了长期 TCO；削弱了传统软件入口，也强化了业务语义和数据底座的重要性。

企业软件的下一个十年,正在激荡中前进。