AI 超级周期专题 · 第四期 企业级 AI、SaaS 重构与软件进化

一、 宏观与组织视角：破除“超智能狂热”

在讨论企业级 AI 前，必须先厘清当今硅谷最严重的认知偏差：对超智能（Superintelligence）的无休止追逐。

1. 2009 年的 AGI 定义已被跨越

Ali Ghodsi 回忆，早在 2009 年他在 UC Berkeley 顶尖 AI 实验室 AMPLab（由机器学习泰斗 Michael Jordan 等人领衔）工作时，当时美国顶尖学者对 AGI（通用人工智能） 的定义早已被今天的顶尖大模型跨越。现在的模型在通用理解与推理能力上，已经超越了日常生活中的绝大多数人类。

但现实却呈现出冰火两重天：一方面硅谷在疯狂采购 GPU 堆算力；另一方面，MIT 报告指出高达 95% 的企业 AI 试点项目并没有带来预期的生产力暴增。在绝大多数企业内部，并没有无数 Agent 员工在协同工作，世界依然靠着传统流程和 Word/Excel 文档在运转。

2. 根本病灶：“上下文鸿沟（Context Gap）”

为什么拥有了超越人类平均智力的 AGI，企业却用不起来？Ali指出，问题不在于模型不够聪明，而在于模型缺乏企业内部的“上下文”。

在任何一家传统企业或机构中，都存在着工作了 20 年甚至 30 年的资深员工，他们头脑中掌握着企业最核心的隐性知识、避坑指南及复杂的利益链条。

• 缺少 Context 的 AI = 屡屡犯错的昂贵玩具：当模型没有获得这些储存在人类大脑里的上下文时，它就会做出各种愚蠢的错误，导致企业不敢在核心生产线使用。
• 真正的核心命题：如何把碳基大脑里的隐性上下文，高效率地下载并融通到硅基芯片中。

二、 组织重构（Human Refactoring）

为什么给员工配上 AI 助手，企业整体生产力却没有发生飞跃？这或许可以用经济史上著名的“发电机与计算机悖论（Dynamo to the Computer）”来类比。

1. 40 年的历史镜鉴

斯坦福学者 Paul David 在 1990 年的论文中揭示：1880 年电动机就已发明，但直到 1920 年（整整 40 年后），电动机才真正推动了美国宏观经济生产率的暴增。

原因在于，前 30 年的工厂老板只是简单地用电动机替换了蒸汽车间，而工厂布局依然保留着多层楼房与繁复的旋转轴。直到 1915-1920 年前后，工业界才意识到必须彻底重构整个工厂车间——将工厂搬到郊区、采用单层大平层布局、实现单元驱动（Unit Drive）。

【电动机与 AI 革命的历史平行线】蒸汽机工厂 (1880) ➔ 仅仅换成电动机 ➔ 生产力 40 年无增长 ➔ 彻底重构单层大车间 (1920) ➔ 生产力暴增传统企业 (2026)  ➔ 仅仅加上 AI 助手 ➔ 生产力停滞   ➔ 彻底重构业务流程 (Human Refactoring) ➔ 效率几十倍提升

同样的，诺贝尔奖得主理查德·萨洛（Solow）曾打趣“计算机无处不在，除了在生产率统计数据里”。当时人们买了个人电脑，却只是拿它当打字机，打完后依然打印成纸质文档装订入册。今天企业使用 AI，也在重复犯着一模一样的“把电动机装在蒸汽工厂里”的错误。

2. Databricks 真实案例：第一性原理的“流程重构”

Ali 分享了 Databricks 内部重构数据连接器开发流程的案例：

• 传统流程：开发一个生产级 Salesforce 连接器原本需要 9 个月。
• 单点使用 AI：团队尝试引入 LLM 辅助写代码，但发现由于需求调研要耗费整整 1 个季度，加上复杂的安全测试，最终只能将开发周期从 9 个月微幅压缩到 7.5 个月。
• 第一性原理的流程重构：
1. 压缩需求期：将长达 1 个季度的调研，压缩为 1 周迅速出草案，依靠极速的代码迭代来容错。
2. 并行与外包测试：将复杂的 Salesforce/Workday 测试环境搭建并行外包。
3. 打破单人责任制：将“1 人负责 1 个连接器”改为 7 人小组并行攻坚 7 个连接器，消除总线因子（Bus Factor）。

最终成果：在模型智力没有任何改变的前提下，仅靠流程重构，团队在 1 个季度内成功交付了 7 个连接器，研发效率暴增数十倍。

三、 软件终局：SaaS 真的死了吗？

面对华尔街对SaaS 灭绝论的恐慌，Ali 从商业壁垒与资本演进给出了分析：

1. 驳斥“SaaS 灭绝论”

如果说“所有软件公司都将毁灭”，那 OpenAI、Anthropic 甚至设计芯片的 NVIDIA 本质上都是由工程师编写软件驱动的软件公司。软件本身绝不会消失。

2. AI 给软件行业带来的改变

• 准入门槛大幅降低：利用 AI 工具编写软件的成本急剧下降，人人皆可开发软件，老旧且过去 10 年拒绝创新的传统 SaaS 软件将被迅速淘汰。
• 切换成本大幅降低：过去用户被锁定在特定的 UI 界面，未来用户将直接与 Agent 交互，UI 界面的锁定失效，软件之间的切换成本大幅降低。

3. 护城河的重新洗牌

根据 Hamilton Helmer 的《七种力量》理论，在软件生成成本趋近于零的时代，决定企业生死的是非软件护城河：

1. 数据护城河：拥有独特、私密、不可替代的专属数据。
2. 规模经济：能承担巨额固定成本摊销的云基础设施规模。
3. 品牌与信任：如 Ferrari、Rolex 或具备高度安全合规认证的企业品牌。

┌─────────────────────────────────────────────────────────────┐│                   AI 时代软件公司的重构壁垒                  │├──────────────────────────────┬──────────────────────────────┤│    丧失的旧壁垒 (Depreciated) │    升维的新护城河 (New Moats)││  - 纯代码编写成本             │  - 独家数据资产 (Data Moat)││  - 传统 UI 界面锁死           │  - 品牌信任与安全合规   ││  - 长期不创新的老旧流程        │  - 规模经济与全栈重构能力│└──────────────────────────────┴──────────────────────────────┘

4. 价值演进

所有科技历史都证明：价值终将持续向上层应用沉淀。

• 模型层薄利化：随着开源模型性能不断逼近前沿闭源模型，提供Token 的模型厂商将面临极大的价格压力。未来模型供应层将演变为类似 Amazon卖书的“低毛利、高吞吐”规模量产生意。
• 应用层的万亿级爆发：传统 SaaS 是“出售工具让人类去做服务（Software as a Service）”；而未来是“用软件直接交付最终服务成果（Service as a Software）”。
• 医疗健康：基于上亿患者基因数据与病历提供精准诊疗决策的 AI 医疗服务平台，价值可达数万亿美元。
• 教育：解决人类知识传递与个性化辅导，将诞生垂直服务巨头。

四、 给创业者的建议

在课程的最后，Ali Ghodsi 结合自身多次创业的经历，给年轻人和创业者的建议：

1. 警惕Multicast陷阱

Ali 提到他在 2000 年代初读博时，整个硅谷最顶尖的数学家和网络专家都在疯狂攻克“Multicast（组播网络传输）”问题，大家都坚信这是互联网最核心的未来。但随着光纤与带宽成本的断崖式下跌，这个曾经轰动一时的“超级难题”一夜之间变得毫无意义，无数聪明人的努力化为泡影。

今天 Twitter 上关于“超智能、AGI 倒计时、SaaS 灭绝”的狂躁炒作，绝大多数都是当代版的“Multicast 陷阱”。

2. 下注长期大势，从不性感的小事做起

参照 Jeff Bezos 1994 年的创业决策：

• 认清最大的长期大势是互联网（今天则是 AI 智力与数据流的普及）。
• 从最不起眼、最不性感、最无门槛的商品（图书）做起，稳扎稳打，最终演变为 Everything Store（AWS 与亚马逊帝国）。
• 像 Airbnb 在 2009 年爆发一样（虽然其所需的技术在 2001 年就已具备），伟大的商业构想往往需要耐心地填补真实世界的物理细节。

3. 终局研判：下载碳基上下文，做真实场景的规训者

未来的胜利者，绝不是在社交媒体上制造焦虑的人，而是能够深入医疗、教育、金融、重工业等庞大场景，把碳基大脑里的隐性上下文下载到硅基系统中，完成组织重构（Human Refactoring）的实干家。

相关阅读和名词解释

这篇对应斯坦福 MS&E 435《Economics of the AI Supercycle》第四课。指定阅读与听力材料：

1. Stanford MS&E 435: w4-Infrastructure, Enterprise AI, and Service As a Software (Ali Ghodsi, Databricks CEO)
2. Hamilton Helmer: 7 Powers: The Foundations of Business Strategy
3. Paul David (1990): The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox