AI市场观察 #20260924｜

今年资本市场对SaaS / Software的理解经历了几次明显反转。

上半年，随着Agent能力快速提升，市场最担心的是：

AI会不会吃掉Software？

IGV大幅调整，很多传统SaaS被统一按照：

Seat被替代、UI被绕过、Coding cost下降、AI-native competitors进入，来重新定价。

随后，软件公司业绩并没有像市场最悲观的预期那样恶化。很多公司原有业务仍然稳定，AI产品又开始带来新的usage、upsell和consumption。

于是叙事很快变成：

AI并不是Software的终结，而是Another Leg of Growth。

再往后，市场又开始发现：并不是所有Software都同样受益。

Security、Data Platform、Observability、Workflow / Control Plane等板块开始表现出越来越明确的AI增量需求，而一些以seat、UI和单点功能为核心的软件仍然面临长期结构性风险。

所以我觉得：

Software Trade真正进入的不是“AI利好还是利空”的二元阶段，而是AI重新分配Software价值的阶段。

这也正好承接我前两期关于：

Enterprise Workflow Proliferation

以及：

Consumer Agent / Action Layer

的讨论。

如果Agent最终成为新的交互入口，那么Software真正需要回答的问题是：

当人类不再直接操作Software，而是Agent替人调用Software时，我这一层的价值会上升，还是被绕过？

一、理解AI对Software影响，首先要区分System of Engagement和System of Record

我认为这是整个AI Software Trade最重要的一个区分。

传统Software里，有很大一部分价值来自：

System of Engagement。

也就是人直接操作的界面。

打开一个App；点菜单；输入信息；查找数据；生成报表；在不同软件之间copy / paste。

但Agent时代，越来越多这样的动作可能由AI直接完成。

用户说：

“分析这个客户为什么流失。”

Agent可以自己：

读取CRM→ 查询Support tickets→ 调用Data Warehouse→ 分析usage→ 生成结论→ 更新Salesforce→ 给销售发送follow-up。

用户甚至不需要分别打开这些软件。

这意味着：

Human-facing UI的战略价值可能下降。

Agent本身逐渐成为新的：System of Engagement。

但Agent仍然必须去某个地方获得：

真实客户数据、交易记录、权限、身份、inventory、财务数据、历史workflow。

这些底层系统就是：System of Record。

而且Agent最终如果要“行动”，还需要：Permission、Execution、Audit trail、Security、Governance。

所以我现在更愿意把未来Software价值分成三层：

System of Engagement → System of Record → System of Action / Control

AI最容易commoditize第一层。但反而可能强化后两层。

二、所以Software的核心问题不是“有没有AI”，而是Net Structural AI Benefit

我现在会用一个很简单的框架判断一家公司。

大致可以理解为：

**Net AI Benefit ≈ Workload Amplification

• AI Monetization ≈ Data / Workflow / Action Ownership− Seat Cannibalization− Agent Bypass Risk− Build-vs-Buy Risk− AI Compute Cost**

其中前三项决定AI给公司创造多少增量价值。后几项决定AI会吃掉多少原来的价值。

这可以解释为什么两家都推出AI Agent的SaaS公司，长期结果可能完全相反。

一个Security平台，AI adoption越快：

Agent越多；Identity越复杂；Machine-to-machine interactions越多；Attack surface越大；Monitoring demand越高。

所以：

AI不仅给它带来AI产品收入，还扩大了原来的核心workload。

这是明显的：Net Structural AI Benefit。

但另一个简单seat-based point SaaS可能是：

客户原来有100个人，每人一个seat；AI让30个人完成原来100个人的工作；Agent又可以直接通过API绕过UI。

即使公司卖出了AI add-on，它仍然可能面临：

AI Revenue < Lost Seat Revenue。

所以：

“有AI收入”不等于“AI是结构性利好”。

这是我现在看Software最重要的一条原则。

三、为什么今年很多Software公司出现“Golden Overlap”？

这也是我觉得今年市场最容易误判的地方。

AI真正改变Software不会一次完成。它会经历几个阶段。

第一阶段：Valuation Shock

市场先交易未来。

Agent能力出现以后，投资人首先担心：

Seat compression、AI-native disruption、Coding成本下降、UI被绕过。

但这时候企业真实workflow甚至还没有发生太大改变。

所以：

Market Clock跑在Fundamental Clock前面。

这就是今年上半年很多SaaS首先发生的事情。

第二阶段：Golden Overlap

我认为2026–27很多Software正在进入这个阶段。

Legacy business还没有真正被AI cannibalize。

原来的：Seat revenue、Renewal、NRR仍然相对稳定。

与此同时，公司又开始卖：AI add-on、Agent、Consumption、Premium tier。

所以短期出现：

**Existing SaaS Revenue

• AI Upsell
• AI Usage Growth**

这是Software最舒服的一段时间。

我把它叫：Golden Overlap。

市场从“AI吃掉Software”快速转向“AI给Software another leg of growth”，本质上就是在交易这个阶段。

但问题是：

Golden Overlap不是终局。

四、真正的分化会发生在Workflow Substitution开始以后

到了下一阶段，AI不再只是：帮员工写email、总结meeting、生成dashboard。

而是开始：自己处理ticket、自己调查security incident、自己更新CRM、自己完成reconciliation、自己运行workflow。

这时候Software的经济模型才真正发生变化。

企业会开始问：

为什么我要继续买100个human seats？

未来可能是：30个员工+ 50个Agents

• 按transaction / workload / outcome付费。

于是Software pricing可能从：Seat

转向：Consumption / Transaction / Outcome。

这个变化对不同公司影响完全不同。

如果公司控制：

Data、Workflow、Permission、Execution，那么一个Agent可能一天调用它100次。

Human seats下降，但：

Machine transactions可以增长10倍甚至100倍。

这种公司可以自然从seat-based model迁移到：

machine-work pricing。

但如果公司唯一的价值只是：

给人提供一个方便点击的UI，

Agent越强，它越容易被绕过。

所以我认为真正的大分化可能发生在：

2027–29：Workflow Substitution开始进入规模化以后。

五、这也解释了为什么我认为Software的下一阶段是“重新分层”，不是整体牛市

如果用现在的框架，我大致会把Software分成几类。

第一类：Security / Identity

这是我目前最喜欢的方向。AI Workload越多，它的核心需求越多，典型包括：：CRWD、PANW等。

AI Agent越多，machine identity、permission、endpoint security、monitoring、governance越重要。

一个企业从10万个human users进入：10万人+ 100万个Agents，

Security workload很可能大幅增加。

所以这一类最重要的不是：

“Security公司也推出AI。”

而是：

AI proliferation扩大了Security本身的TAM。

第二类：Data + Observability

这也是目前最明确的结构性受益方向之一。

包括：Snowflake、Datadog这类Data Platform / Observability公司。

Agent越多，调用的数据越多；生成的数据越多；machine-to-machine traffic越多；需要monitor的model / application / infrastructure越复杂。

所以AI本质上扩大了：

Data consumption、Query volume、Telemetry、Logs、Traces、Observability workloads。

这和Security一样：

AI是Workload Multiplier。

而不是单纯卖一个AI feature。

因此我会明显区分：

“AI给公司增加一个产品”

和：

“AI让公司原来的核心业务本身变得更重要。”

后者的质量高得多。

第三类：System of Record / Workflow Control Plane

比如：ServiceNow、Salesforce这一类。

它们的情况更复杂，但战略位置可能仍然很强。

Agent可以绕过Salesforce的某些UI，

但Agent仍然需要知道：客户是谁？历史沟通是什么？Pipeline在哪里？

谁有权限？最终交易状态是什么？这些信息仍然存在System of Record里。

ServiceNow也是类似。如果Agent真正执行跨部门workflow，

它反而需要：Workflow orchestration、Permission、Audit、Governance。

所以最好的结果不是：

人继续点更多Software按钮。

而是：

Agent调用这些平台的次数远远超过人类。

这类公司的关键问题是：

能不能从Human Seat Economics迁移到Machine Workflow Economics？

如果可以，AI未必削弱moat，

反而可能加强。

第四类：AI-native Action Platforms

这是更早期但可能非常重要的一层。

谁能够真正：理解任务→ orchestrate多个systems→ 调用tools→ 执行动作→ verify结果，

谁就可能成为新的：System of Action。

Palantir等平台为什么值得关注，部分原因就在这里。

Agent最终需要的不只是聊天界面，而是：

把企业Data、Workflow和Action连接起来。

如果某家公司控制这层，它capture的可能不是传统SaaS seat value，而是：

Enterprise automation value。

第五类：Network / API / Edge Infrastructure

例如NET这一类方向。

Agent经济本质上意味着：更多machine-to-machine traffic；更多API calls；更多security；更多distributed inference；更多real-time execution。

这也是典型的：

AI Workload Amplification beneficiary。

六、所以看Software earnings，我现在越来越不看“AI ARR”一个数字

Golden Overlap阶段最大的危险，是很多公司都能报告漂亮的AI数据：

AI seats +100%、AI customers翻倍、Agent usage高速增长。

这些当然都是好数据。

但我现在更关心的是：

① AI增加还是减少它的Core Workload？

这是最重要的问题。

如果AI proliferation越快，公司usage自然越多，明显加分。

② 它控制的是Engagement，还是Record / Action？

System of Engagement更容易被Agent取代。

System of Record / Action / Control更容易成为Agent infrastructure。

③ AI新增收入能否跑赢Seat Cannibalization？

也就是：

AI Revenue Growth > Legacy Revenue Destruction？

④ Pricing Model能否适应Machine Work？

Per-seat模式天然面临挑战。

Consumption、Transaction、Outcome-based pricing更适合Agent时代。

⑤ 它拥有多少Data + Permission + Workflow + Execution？

我越来越认为未来Software moat可以简单理解为：

**Proprietary Data

• System of Record
• Permission
• Workflow
• Execution
• Audit**

拥有得越多，

Agent越难绕过它。

七、这和我的AI Phase Thesis有什么关系？

这可能才是最重要的一点。

前几期我一直说：

决定Phase I持续多久的最大未知数，是Workflow Proliferation。

而Software earnings正好提供了一套非常好的：AI Demand Sensor。

如果未来我们看到：Security workload加速；Data consumption加速；

Observability telemetry加速；Agent transactions开始明显替代human seats；Workflow平台的machine actions快速增加；同时AI monetization跑赢seat cannibalization，

那么说明：

AI并不是停留在Chatbot adoption。

它正在进入：Real Economic Workflow。

这意味着：Tasks/User ↑，Agent Loops/Task ↑，Tokens/Task ↑，Machine Hours ↑

Token Demand就有机会继续阶梯式上升。

这是最bullish的Phase I信号。

反过来，如果我们看到：

AI ARR很好看，

但：Seat reduction越来越明显；Agent只是在替换原来的software spend；Enterprise workflow execution迟迟无法规模化；Data / Security / Observability workload并没有同步提升，

那么可能意味着：

AI在重新分配Software收入，而不是创造足够多新的Compute Demand。

这对Software是一种结构性洗牌，但未必足以延长AI Capex Phase I。

所以不能用极端叙事：

“AI会吃掉Software。”

和：

“AI会让所有Software重新加速。”

更准确的说法应该是：

AI正在把Software重新分层。

它可能削弱：

Human-facing Interface、Seat Economics、Shallow Workflow。

但同时加强：

Data、System of Record、Security、Identity、Observability、Permission、Workflow、Execution。

短期的Golden Overlap会让很多Software公司看起来都不错：

Legacy revenue还在，AI revenue又开始增长。

但真正决定长期赢家的，不是：

谁今年AI ARR增长最快。

而是：

Agent时代，谁仍然处在价值链的必经之路上。

我现在最喜欢问一个问题：

如果未来绝大多数Software都不是人直接操作，而是Agent在后台调用，这家公司会被调用得更多，还是会被彻底绕过？

如果答案是：

调用得更多，甚至变成每一个Agent都必须经过的Control / Data / Security Layer，

它很可能是结构性的AI winner。

如果答案是：

Agent直接把它原来的Human UI和Seat价值消掉，

那今天的AI upsell可能只是：Golden Overlap。

而不是长期第二增长曲线。

这也是为什么，我认为Software Trade现在最重要的变化不是：

“Software又可以买了。”

而是：真正的AI Software winners，开始从整个SaaS板块里分离出来。

而这些Software earnings，也会成为我判断：

AI workflow proliferation到底够不够快，Phase I还能持续多久

最重要的Demand-side signals之一。

—— AI市场观察 #20260924｜SaaS不是被AI吃掉，而是在重新分层

以上仅为个人研究与市场观察，不构成任何投资建议。