ARTICLE · 1186148
AI时代,软件公司的下一轮增长,从哪里来?
“AI时代，企业如何继续赢”系列第二篇
假设你是一家年收入几千万元的软件公司的老板。公司已经有成熟产品，有一批稳定客户，也有自己的销售和交付团队。过去几年，业务逐渐跑通了，但你很清楚，几千万元不会是公司的终点。
下一步怎么办？继续扩大销售团队，把现有市场做深？进入新的行业、区域，甚至出海？围绕现有客户增加产品线，提高单客户收入？还是开发新的AI产品，寻找第二增长曲线？
这些都是软件公司再正常不过的增长选择。即使没有AI，每一条路也充满不确定性。新市场有没有真实需求？现有产品能不能卖进去？销售体系能不能复制？新产品开发出来以后，有没有客户愿意付费？
寻找下一轮增长，本来就是企业持续面对的经营任务。
但现在，AI又让这个问题复杂了一层。你准备继续扩大销售的产品，部分功能可能正在被AI替代；你准备进入的新市场，可能已经出现不同于传统软件的新竞争者；你准备增加的产品线，也许很快就会成为通用AI的基础能力。
与此同时，AI又可能创造过去不存在的机会。原来服务成本太高的客户，现在可能服务得起了；原来只能提供软件工具，现在可能可以进一步承担客户的工作了；原来很难进入的客户工作流，也可能出现新的产品与交易入口。
于是，软件公司寻找下一轮增长，实际上面临着双重变化：
一边是原有增长的成立条件正在改变，一边是新的增长空间正在出现。
更复杂的是，AI降低了你的成本，也可能降低客户自己解决问题的成本，以及竞争者进入市场的门槛。所以，即使发现了新的商业机会，也不意味着机会最终能够变成你的收入和利润。
这正是AI时代到来，软件公司真正值得研究和面对的问题：
原来的增长道路，哪些还值得继续投入？AI带来的新机会，哪些真正属于自己？下一笔增长资源，究竟应该投向哪里？
上一篇《当AI成为新入口，软件公司的价值往哪里去？》，讨论的是软件价值的变化。这一篇，我想进一步讨论：当产品价值、客户购买方式和商业化成本都可能改变时，一家已有产品和客户的软件公司，怎样寻找自己的下一轮增长。
一、先不谈AI：软件公司的增长，本来是怎样发生的？
过去多年，我做过不同规模的ToB销售，ToG销售，也做过多次SaaS创业。回头看软件公司的增长，会发现一些长期不变的商业规律。一家企业要持续增加收入，主要离不开几件事。
首先，让更多客户购买。
具体做法一般有扩大市场覆盖和提高现有市场的占有率两种。
一个行业做通了，进入相邻行业；一个区域做通了，向全国扩张；大客户市场成熟了，研究能否覆盖中小客户；国内增长遇到边界了，研究有没有可能出海。这是横向的扩大市场覆盖。
在已经进入的行业和区域，可以通过深化客户覆盖、提高竞争赢单率、替换竞争对手的产品，持续提升市场份额。对于2C/2P软件来说，还包括提高目标人群的产品渗透率、用户采用率和付费转化率。
一个是扩大市场边界，一个是在现有市场获得更高的渗透率和占有率。
这两种增长路径同样重要，本质上都是让更多客户选择并购买你的产品。
其次，让现有客户购买更多。
从单一模块扩展到多个模块；从一个部门推广到整个企业；从标准版本升级到专业版本；或者围绕现有客户，增加能够满足新需求的产品和服务。
最后，让客户持续留下来，并以更好的经济性实现增长。
降低流失，提高续费；改善获客效率，缩短销售周期；提高交付标准化程度，降低服务成本。
这些事情不是孤立的。一家软件公司真正进入稳定增长阶段，往往意味着它已经把客户需求、产品价值、市场获客、销售成交、交付服务和续费扩张，连接成了一套能够反复运转的商业机制。
我习惯把它理解为一家公司的增长发动机。
例如，一家ToB SaaS公司找到了一类明确的客户需求，产品得到市场验证。随着客户案例增加，销售团队越来越了解客户画像、购买流程、竞争关系和成交方法。产品逐渐成熟，实施交付更加标准化。于是，公司可以通过适当增加销售、渠道和市场投入，持续获取新客户。
这套增长机制一旦成立，就可能在一段时间内不断复制。但它背后实际上有几个重要前提：客户继续需要你的产品；客户愿意为这项价值持续付费；原来的获客和成交路径仍然有效；企业能够以合理的成本交付，并获得足够的利润。
当这些条件相对稳定时，增长主要是复制问题。增加市场覆盖，扩大销售组织，提升效率，获得更多收入。
但当这些条件开始发生变化，增长就不再只是复制问题，而重新变成了战略选择问题。
而AI正在让一部分软件公司的增长前提发生变化。
二、AI正在改变原有增长发动机的哪些条件？
AI时代到来，软件公司寻找的下一轮增长，首先应该重新检查原有业务。因为对一家成熟企业来说，今天真实存在的客户、收入、产品和现金流，往往比明天可能出现的新机会更加重要。如果原有业务仍然有大量增长空间，就不应该因为AI干扰而轻易放弃；但如果支撑原有增长的条件已经改变，也不能继续沿着旧路径盲目扩张。
▍第一，客户愿意付费的价值可能变了
过去，很多软件之所以能够收费，是因为客户需要通过软件获得自己不容易具备的能力。信息整理、图形制作、内容生产、数据分析、流程协作，都曾经是重要的软件价值。但AI正在降低部分工作的完成成本。客户依然需要完成这些工作，却有了新的实现方式。
对于软件公司，真正危险的未必是客户不再需要这件事，而是：
客户还需要完成这件事，却不再愿意为原来的软件能力支付同样的价格。
假设一个产品原来每年能够向客户收取1万元。现在，客户借助其他AI工具也能完成一部分工作，续费时只愿意支付6000元。如果你的销售、实施和服务成本并没有同步下降，那么即使客户数量继续增长，原来的商业模式也可能变得不那么赚钱。
这时候，如果老板看到收入增速下降，第一反应是扩大营销投入，可能就找错了问题。增长放缓，有时是销售覆盖不足；但有时，是产品原来的付费理由正在发生变化，回去看续费数据，老客户续费时开始压价、说"这些功能我用别的工具也能做"，那不是销售问题，是产品被AI抽掉了付费理由，加再多销售都救不回来。
前者应该优化增长体系，后者可能需要重新定义产品价值。
两种情况，不能用同一种解决办法。
▍第二，客户的购买路径可能变了
AI不仅改变软件本身，也开始改变客户如何发现、研究和选择供应商。Gartner于2026年5月公布的一项调查显示，在2025年8月至9月接受调查的645名B2B买家中，45%在最近一次采购中使用过生成式AI，主要用于研究供应商和产品信息。但与此同时，69%的受访者倾向于通过销售人员验证AI生成的信息。
这组数据很有启发。它说明，至少在部分B2B采购中，客户获取信息和比较方案的方式正在改变。但这不意味着企业销售人员就会消失。
复杂ToB采购不仅是选择功能，还涉及预算、组织共识、风险承担、系统集成和实际业务结果。AI可以帮助客户研究供应商，却不一定能够替客户完成这些组织性决策。真正可能发生的是销售价值的重新分工。
过去，销售人员需要花大量时间提供基础产品信息、研究客户、准备方案；未来，这些工作可以越来越多地由AI辅助完成。但理解客户业务、验证方案可行性、协调组织决策、建立信任和降低交易风险，可能变得更加重要。
AI降低了客户获取信息的成本，却未必降低了客户做出重要采购决定所承担的责任。
所以，AI时代的软件销售，更值得研究的是：客户购买过程中的哪些工作正在变化，销售组织应该如何重新分工。
▍第三，原来的竞争优势可能变了
AI让软件公司能够更快开发产品、更快生成内容、更高效地研究客户。但这些能力并不是只属于某一家企业，竞争对手也能够使用AI。如果过去的一项竞争优势主要来自功能开发周期长、专业信息获取困难，或者某些人工流程难以复制，那么AI可能削弱这些优势。
这时企业会面临一个新的问题：
自己越来越有能力，并不意味着相对于竞争对手越来越有优势。
效率提高以后，企业不一定能够获得更多利润。如果整个行业的产品开发成本都下降，竞争者增加，客户选择更多，效率红利可能最终通过价格竞争流向客户。因此，AI时代不能只研究企业效率提高了多少，还必须研究：客户为什么继续选择你？你拥有哪些竞争对手难以替代的资产？这些资产能否让你获得合理价格和持续利润？
有时候，真正重要的可能不再是某个软件功能，而是长期积累的行业知识、客户关系、复杂业务规则、专业数据和稳定交付能力。但这些也不是天然的壁垒。如果其他供应商可以低成本获得同样的能力，客户也愿意轻易更换，那么它们未必能形成长期竞争优势。
真正的增长能力，最终必须体现为持续获得客户选择和合理利润的能力。
三、AI重新打开了哪些增长空间？
如果只看前面的变化，容易得出一个悲观结论：AI正在让传统软件越来越难增长。但这并不完整。因为AI也可能改变过去制约增长的条件。
有些市场以前不值得做，不是客户没有需求，而是当时的成本和交付方式不支持。有些客户以前只能购买软件工具，现在可能愿意购买更多实际完成的工作。还有些客户，未来可能通过完全不同的入口获得软件价值。
已有产品和客户基础的软件公司，尤其值得研究下面三类机会。它们不是所有增长来源的穷尽分类，而是AI可能带来的三种重要增量机制。
▍机会一：让现有客户购买更多工作价值
过去，大量软件公司向客户出售的是完成工作的工具。CRM帮助销售人员管理客户；HR SaaS帮助企业管理员工、招聘、培训和绩效；BI软件帮助企业查询数据、制作报表和开展分析。
但客户购买这些软件，最终并不是为了使用软件本身，而是为了完成背后的业务任务。过去，软件提供能力，客户安排员工完成工作；现在，AI开始有机会承担其中一部分具体工作。
例如，企业原来购买招聘软件，是为了管理招聘流程。但企业真正需要的是找到合适的人。如果AI能够进一步完成候选人搜索、初步交流、意向确认和面试安排，那么软件供应商承担的价值范围，就从提供工具向完成部分招聘工作延伸。
这意味着什么？
客户可能不再只是为员工使用软件支付费用，还可能为AI完成的工作支付费用。
这是一种非常值得研究的增长变化。因为企业原来能够争取的主要是软件预算，当AI能够可靠地完成部分工作以后，供应商可能进一步争取客户原来用于完成这些工作的运营预算。
当然，这件事必须有明确的业务结果、验收标准和责任边界。并不是所有工作都能交给AI，也不是所有工作结果都适合按结果收费。但它提供了一条新的增长路径：
软件公司的单客户收入，不再必然受限于原来的软件模块和使用席位，也可能随着承担更多客户工作而扩大。
对已有大量客户的软件企业来说，这可能是离自己最近的一类机会。因为相比完全陌生的新市场，它至少拥有已有客户关系、业务场景和产品基础。
真正需要研究的问题是：现有客户除了购买你的软件，还在花多少人力和费用完成与你的产品相关的工作？其中哪些工作，你有机会进一步承担？客户愿意为这些工作支付多少新增费用？
▍机会二：让过去做不成的生意，现在可以赚钱
第二类机会，来自成本结构变化。做过ToB销售的人都知道，市场上存在大量真实需求，却不一定存在值得服务的客户。
例如，一家企业软件公司主要服务大中型客户。它可能知道中小企业同样需要产品，但小客户付费能力有限。如果获取一个客户，需要销售反复沟通、售前制作方案、实施人员配置系统，后面还需要持续客服，那么即使客户愿意支付几千元，这笔生意也可能不划算。于是，公司只能主动放弃这部分市场。
但AI可能改变其中一些成本。客户需求理解、产品配置、上线实施、培训支持，如果能逐步减少人工投入，那么原来不经济的客户市场，就可能值得重新研究。
假设一类客户每年愿意支付1万元。过去，为了获取和服务这类客户，企业需要投入1.3万元的可归属成本，显然不是一门好生意。如果通过产品自助化、AI辅助销售和自动化交付，相关成本能够降到6000元，同时仍然保持可靠的服务质量，情况就发生了变化。
这里的数字只是帮助理解商业机制，并不是某家企业的实际数据。真正重要的是：
AI可能让过去无法经济地满足的需求，第一次变成可以持续经营的市场。
它带来的不只是效率提升，也可能是可服务市场的扩大。但这里还有一个容易忽略的陷阱：AI降低了交付成本，不意味着获客成本一定同步下降。如果小客户仍然需要高成本销售人员才能成交，这个市场可能仍然不划算。因此，企业必须重新计算从获客、成交、交付到续费的完整经济账。
真正的新增长机会，不是技术上能够服务更多客户，而是商业上能够盈利地服务更多客户。
▍机会三：让自己的产品价值进入新的客户入口和工作流
第三类机会，来自客户使用和购买方式的变化。过去，软件公司希望用户打开自己的产品，通过自己的界面完成工作。但未来，在一部分场景中，客户可能直接告诉AI自己要完成什么任务，AI再调用不同软件、数据和系统完成工作。用户最终获得了结果，却不一定需要直接访问原来的软件。
这意味着，一些软件公司的增长方式可能发生变化。过去是让更多用户进入自己的产品；未来也可能是让自己的专业能力进入更多外部工作流。
Shopify的选择提供了一个观察样本。2026年，它进一步推动商品目录和交易能力进入ChatGPT、Google等AI购物渠道。从商业战略角度看，Shopify试图让自己的商品与交易基础设施，在新的消费者入口中继续发挥作用。
这里有一个很重要的判断：
当客户入口发生迁移，企业不一定必须守住原来的入口，也可以研究如何让自己的价值进入新的交易路径。
但这条路同时存在风险。AI入口如果掌握了客户需求、推荐权和交易反馈，背后的软件供应商是否还能保留客户关系与议价能力？被入口调用，是否会产生真正新增的交易？如果只是把原来的订单换了一条路径，未必意味着公司实现了增长。对于复杂ToB软件来说，更不能直接照搬消费电商的交易方式。
但它带来的问题值得认真研究：客户未来会在哪里完成工作？你的产品是否必须让客户打开独立软件才能发挥价值？如果你的专业能力可以进入其他系统和Agent，你能否获得新的客户、使用场景与收入？这些问题，可能逐渐成为部分软件公司新的增长课题。
▍还有一类机会：AI创造了以前不存在的新需求
前面三类机会，主要围绕原有客户、原有市场和原有能力展开。但AI也可能直接创造新的工作任务、管理需求和产品品类。例如，当企业开始大规模使用Agent，就可能产生新的权限治理、执行审计、业务上下文管理、质量验证和成本管理需求。这些工作过去不是没有类似问题，而是重要性和规模可能发生新的变化。
对具备相关能力的软件企业，这也可能成为增长方向。不过，对一家成熟软件公司而言，我不建议仅因为看到一个新兴市场，就假设自己应该进入。因为新需求成立，与自己拥有获得这项业务的优势，是两回事。
这就引出了整个AI增长思考和实践中，最容易被忽视的问题。
四、AI创造了新机会，但增长未必归你
前面这些增长方向看起来都很有吸引力。让现有客户购买更多价值；服务过去服务不起的市场；进入新的客户入口；甚至抓住AI创造的全新需求。
但发现机会，还远远不等于获得增长。AI有一个特别值得警惕的特点：
它同时改变供给方、需求方和竞争对手的能力。
你使用AI降低产品开发成本，客户也可能使用AI，以更低成本自己解决问题。你使用AI提高销售效率，竞争对手同样能够触达更多客户。你借助AI提供了新的工作结果，客户却可能认为，这些能力应该成为软件订阅中默认包含的部分，而不是额外付费的服务。
所以，AI创造的商业价值，最终可能被不同参与者瓜分。客户获得更低的价格；竞争对手获得新的进入机会；平台掌握新的流量入口；模型和基础设施供应商获得一部分收入。软件公司不一定能够把效率提升全部变成利润。
因此，一个AI增长机会，要真正成为企业自己的增长，至少要通过三道检验。
▍第一道：客户是不是真的愿意购买？
新的产品能力是否解决真实问题？客户是否愿意支付新增费用？预算来自新增需求，还是对原有软件预算的替代？如果只有使用量增长，没有相应的支付意愿，就不能直接认定增长成立。
▍第二道：为什么这笔生意能够由你赢得？
你有什么竞争优势？是已有客户关系、专业行业知识、复杂业务数据、可靠的交付能力，还是难以轻易替换的工作流程？如果任何一家竞争者调用类似AI能力，都能提供差不多的结果，那么即使市场需求很大，也未必能形成良好的利润。
▍第三道：收入增长之后，还能留下多少利润？
AI推理、算力、数据、集成、人工监督、异常处理、获客和售后，都需要成本。新业务是否能够形成正向单位经济性？企业扩大规模以后，利润率是否能够保持或改善？
这里还必须多看一个数字：
新增AI收入，究竟是净新增收入，还是替代了原有产品收入？
一家软件公司的AI业务增长1000万元，看起来是好事。但如果同期原有业务因为席位减少、客户降价或功能替代损失了800万元，那么整体新增收入就远没有表面数字那么大。如果AI业务毛利又低于原有产品，净利润改善可能更加有限。
所以，AI时代软件公司尤其需要区分三件事：
产品成功，不等于客户愿意购买。客户愿意购买，不等于公司实现净新增增长。实现收入增长，也不等于最终获得可持续利润。
真正的商业增长，需要完成从客户价值、交易获取到利润留存的整个过程。
这三道检验，比“我们的AI技术是否先进”，更接近企业经营的本质。
五、看看中国软件公司：为什么面对同样的AI，增长选择却不同？
中国软件行业，企业的客户结构、市场地位、产品形态和资源条件差异很大，有些公司拥有广泛的客户基础和完整产品体系；有些公司长期深耕一个专业领域；还有不少已有一定收入规模的软件公司，原有增长体系还没有充分发挥潜力。同样是AI时代到来，增长选择不可能完全一样。
▍金蝶：在原有业务继续增长的同时，扩大企业价值边界
金蝶是中国企业管理软件领域的代表性公司。根据2026年中期业绩公告，上半年金蝶收入约36.25亿元，同比增长13.6%。其中，AI原生产品收入约2.96亿元，同比增长189%；公司同时披露，AI+SaaS产品收入约27.70亿元，同比增长10.3%。
这些数据的意义，不只是说明AI产品获得了收入。更重要的是，它们让我们看到一种同时发展既有业务和新AI业务的路径。
金蝶原来就拥有ERP、财务、供应链等多个企业管理场景，以及客户、数据、流程和组织关系方面的长期积累。在此基础上，它推出灵基企业智能体操作系统等产品，试图让AI进入更广泛的企业工作流程。
对于金蝶这类平台型企业来说，投入企业级上下文、智能体管理和基础设施能力，可能具有合理性。因为这些能力有机会在多个业务场景和客户群体之间复用。
它寻找的下一轮增长，不只是把原来的ERP卖给更多客户，还包括利用既有客户和产品体系，扩大能够提供的企业价值。但需要注意，AI原生产品收入不等于全部都是净新增收入，也不能仅凭收入增长认定相关投入已经形成长期壁垒。
金蝶案例真正的启发，是头部平台企业有机会利用自身的客户、产品和资源规模，同时推进原有业务扩张与AI新业务探索。
这种战略对于它可能合理，却不意味着所有软件公司都应该建设自己的Agent平台。
▍北森：从专业软件向专业工作延伸
北森是另一个值得研究的样本。它长期深耕HR SaaS，在招聘、人事、绩效、学习和人才管理等领域积累了专业知识、客户与产品基础。
根据截至2026年3月31日的财年报告，北森全年收入约11.05亿元，同比增长16.9%。同期，公司披露AI业务签约合同金额超过8700万元，同比增长约10倍。这里必须区分：合同签约金额并不等于当期确认收入。但至少能够说明，北森的AI业务已经形成实际签约，而不只是发布了几款新产品。
北森推出的AI面试官、AI陪练、AI领导力教练等产品，正在尝试把HR软件的价值延伸到具体专业工作。从商业逻辑看，这是一条与金蝶不完全相同的增长路径。
北森的核心资产，是长期积累的HR专业场景、行业知识、客户关系和业务数据。这些资产可能帮助它理解，企业在招聘、测评、培训等场景中，真正愿意为什么工作结果付费。所以，它有机会从管理HR流程的软件，向承担更多HR专业工作延伸。
值得注意的是，北森原有的核心HR SaaS业务并没有因此停止发展。它依然在推动高端客户市场拓展，同时探索AI产品的新收入机会。
AI新业务与原有增长发动机，并不必然是替代关系。
对于已经拥有专业客户和场景积累的软件公司，新的AI业务可能更适合从现有优势中生长出来。但北森的签约数据也不意味着AI业务的长期利润和净新增贡献已经得到充分验证，这些仍然需要观察。
▍帆软：当产品使用方式变化，专业能力能不能继续成为增长资产？
再看帆软，根据无锡市锡山区政府公开资料，帆软2025年销售额约17.4亿元，同比增长10.5%。帆软长期深耕BI和数据分析软件，而BI恰恰是一个容易受到AI新能力影响的领域。
过去，企业购买BI工具，是为了让员工查询数据、制作报表、分析业务。现在，大模型已经能够使用自然语言理解部分分析需求，并生成图表和结论。那么，传统BI软件未来还有什么价值？
如果只从产品交互层面看，很容易认为原来的BI界面会失去重要性。但企业级数据分析还涉及大量专业能力，比如指标口径、权限控制、数据治理、业务语义、结果溯源和稳定执行。这些价值并不会因为AI能够生成一张图表，就自动消失。
2026年，帆软发布FineBI NEXT，尝试把原来的BI专业能力与Data Agent结合，让企业数据分析以新的方式完成。这是一项值得观察的产品战略动作。它试图回答的，不只是如何让BI软件增加AI功能，而是：
当用户未来可能不再按原来的方式操作软件，公司过去积累的专业能力，能否成为新工作方式仍然需要的基础？
如果能够成立，那么原来的资产未必因AI而失去价值，反而可能被重新利用。但目前公开资料尚不足以证明FineBI NEXT已经形成多少新增收入和利润。所以，帆软更适合说明一种可能的价值迁移方向，而不是证明商业增长已经跑通。
Moka在HR SaaS领域推出招聘Eva、人事Eva、BP Eva等Agent产品，也属于值得观察的主动产品演进，但同样不能把产品发布直接当成增长结果。
▍这些案例真正说明了什么？
如果把金蝶、北森、帆软放在一起看，它们最大的共同点，不是都在做AI Agent，而是：
它们都在尝试让过去积累的客户、产品、数据和专业能力，在AI时代产生新的商业价值。
但具体做法不同。平台型企业可能更有能力建设跨产品复用的AI基础设施；专业场景领先企业可能更适合向专业工作结果延伸；专业工具企业则需要研究，在软件交互方式改变之后，原来的底层专业能力还能占据怎样的价值位置。
这也提醒我们：
AI时代的软件增长战略，不应该简单按照技术趋势来制定，而应该从企业已有的增长资产和真实竞争位置出发。
你看金蝶、北森、帆软，它们在AI来之前手里就攥着一张抢不走的牌，所以真正的问题不是"我该不该做AI"，而是"你手里到底有没有这张牌"？
这张牌，AI是在帮你放大，还是在替你重新发牌？
六、一家年收入几千万元的软件公司，下一笔钱应该投向哪里？
现在，回到文章开头的那家公司。年收入几千万元，有产品，有客户，有团队，但它与金蝶、北森的情况可能完全不同。
假设它的产品在某几个行业已经获得客户验证，续费情况基本健康，但销售和渠道覆盖仍然有限。与此同时，客户开始提出AI相关需求，公司也发现一些新的AI产品机会。销售负责人建议增加销售团队；产品负责人希望升级现有软件，开发新的Agent能力；另一个业务负责人认为，公司应该尽快启动独立的AI新产品。三个方向都有道理，但公司的现金流、团队能力和老板的管理注意力，未必支持同时投入。
这才是很多成熟中小软件公司在AI时代最现实的经营选择。这里无法直接给出统一答案，要先研究原有业务的增长空间、AI对现有产品价值的影响，以及新机会与企业能力之间的匹配程度。
▍第一种情况：原有增长发动机仍然有效，优先放大
如果产品仍然有明确需求，客户续费良好，市场覆盖不足，销售投入的边际回报仍然健康，那么企业完全可能继续扩大原有业务。此时下一笔钱，可能更应该投入销售体系、渠道、新市场或者交付能力。AI可以帮助提高客户研究、销售准备、产品实施和支持效率，但不一定需要重新定义公司商业模式。
AI时代不意味着传统增长路径全部失效。
有时候，正确的战略恰恰是继续做那些已经被市场证明有效、但还没有充分发挥的事情。要验证的关键问题是：新增市场中是否仍有足够的高质量需求？增加销售和渠道投入，能否以合理回收周期带来新增收入？
▍第二种情况：现有客户基础仍然有价值，但购买理由在变化，优先升级
如果原来产品的部分价值正在被AI削弱，而客户又开始愿意为新的工作结果付费，那么重点可能不应该继续放在扩大旧销售体系上。企业更需要研究的是产品价值和商业化方式的升级。
例如，客户原来购买工具，现在是否愿意购买由AI完成的部分工作？现有客户数据、流程和行业经验，是否能帮助公司交付竞争者难以轻易复制的结果？客户是否愿意为这种新增价值付费？
这时不应该仅凭客户说“AI功能不错”，就投入完整的产品研发。更值得做的是围绕现有客户，验证一项具体的新工作需求。例如，选择几家现有客户，明确一个可验收的工作结果，完成可控的真实试点，测试新增付费意愿、交付可靠性和成本。
先证明新增客户价值，再扩大产品投入。
否则，所谓产品升级也可能只是增加成本，并没有创造新的收入。
▍第三种情况：出现真实的新需求，而且企业有能力获得，开始建立新发动机
有些AI机会确实可能超出原来的产品边界，例如新的Agent工作场景、新的客户群体，或者过去因为成本太高而无法服务的市场。如果企业具有相关客户资源、专业能力和交付优势，就值得研究。但新业务不应该只靠宏观市场空间和技术想象来决定。
需要回答：谁会购买？为什么现在愿意购买？为什么我们比其他企业更适合做？第一批客户从哪里来？第一笔收入如何产生？需要多少投入才能证明或否定这件事？更重要的是，原有业务是否有足够现金流支持新业务验证？
第二增长曲线的探索，应该尽可能开始于第一增长曲线仍然能够提供支持的时候，而不是等原有业务已经陷入严重困难后，再孤注一掷。
不过，这不是说所有企业都应该同时开展三项工作。有些企业的旧业务已经受到严重冲击，可能需要更快调整资源重心；有些企业有非常好的存量增长机会，根本没有必要匆忙启动独立新业务。真正的选择，应当由现实证据和资源条件决定。
▍所以，决定增长投入的不是企业规模，而是三个变量
第一个变量：原有增长还有多少潜力？客户需求、市场空间、产品竞争力和单位经济性是否仍然成立？
第二个变量：AI对原有价值和增长机制的影响有多大？是改善效率，还是正在改变客户的购买理由、产品竞争和商业化方式？
第三个变量：企业有什么资产和资源抓住新机会？客户关系、专业知识、业务数据、渠道、团队、现金流，哪些是优势，哪些构成约束？
这三个变量组合起来，才决定一家公司的增长战略。因此，同样年收入几千万元的两家公司，也可能做出完全不同的选择。一家可能应该扩大销售；一家可能应该先升级产品价值；另一家可能需要建立新的业务。
好的增长战略，不是选择市场空间最大的方向，而是找到在自身条件下，最有机会建立持续竞争优势和真实商业回报的方向。
落到行动上，第一件该做的事往往是最无聊的那件：回去翻一遍老客户过去两年的续费数据和流失原因。你下一轮增长的答案，大概率不在AI发布会里，而在你已经丢掉、或者正在慢慢丢掉的客户身上。
七、如果现在就要行动，先做一次增长盘点
读完这些分析以后，老板不必马上召开一场庞大的AI战略转型会。更实际的做法，是选取公司的一个主要产品、一类核心客户，先完成一次具体的增长盘点。
首先，弄清楚今天的增长从哪里来。新增客户、续费、增购分别贡献了多少收入？哪些客户、行业和渠道仍然有增长空间？新增销售和市场投入，是否还有良好的边际回报？
其次，重新检查客户的购买理由。客户究竟为什么选择我们？哪些原有价值正在被AI降低稀缺性？客户出现了哪些新的工作需求？有没有真实的付费证据，而不仅仅是对AI功能的兴趣？
然后，研究AI带来的新机会。现有客户是否愿意购买更多工作结果？过去无法经济服务的市场，是否可能获得新的单位经济性？客户的购买入口和业务工作流是否出现变化？新的需求中，哪些能够利用我们已经拥有的资产和优势？
最后，把这些机会放在一起比较。哪条路径的客户需求最明确？哪条路径最符合自己的能力？哪条路径需要的资源最少、验证周期最短？哪条路径真正能够形成新增收入和利润？
我尤其建议，每个候选方向都明确一个目前最缺乏证据、但足以决定是否继续投入的关键假设。
如果要增加销售团队，就先验证目标市场的需求和销售投入回报。如果要开发新的AI Agent，就先验证客户是否愿意为它完成的工作支付新增费用。如果要进入一个原来不经济的市场，就先验证新的获客和交付方式能否使单位经济性成立。如果要进入新的AI入口，就先验证它能够带来多少可成交的新客户，以及企业能否保留合理的交易价值。
不要先决定投入，再努力为投入寻找理由；也不要因为所有方向都存在不确定性，就无限期停留在研究阶段。
真正好的战略选择，需要尽快找到最重要的不确定性，再以可承担的成本获得现实反馈。
八、AI时代，软件公司真正需要升级的增长能力是什么？
回到最初的问题。一家软件公司，即使没有AI，也需要不断寻找下一轮增长。扩大区域、进入行业、增加客户、扩展产品线、提高续费和客单价，这些商业规律没有改变。
AI带来的变化，是让企业原有增长发动机的一些成立条件不再那么稳定。部分产品价值的稀缺性在下降；客户研究和购买软件的方式正在变化；产品开发与交付成本可能下降，但竞争者也获得了相似的能力。
与此同时，AI又为企业提供了新的可能：让现有客户购买更多工作结果；让过去服务不起的客户成为可盈利市场；让专业能力进入新的工作流和交易路径；甚至创造新的客户需求和产品品类。
但这些机会，最终未必能够变成企业自己的收入和利润。因为客户会选择，竞争者会进入，平台会争夺价值，成本和价格也会变化。所以，我认为AI时代的软件公司，需要建立一种比过去更强的增长能力。
过去，一家软件公司最重要的能力之一，是找到一套有效的增长模式，并不断复制。
未来，同样重要的能力，是持续判断这套增长模式的成立条件是否发生变化，并及时决定继续放大、升级，还是建立新的增长发动机。
这不是说企业需要不断转型。恰恰相反，真正理解增长规律，才知道什么时候应该坚定地继续投入旧业务。也不是说所有软件公司都必须做AI Agent，而是要判断AI究竟改变了什么，以及自己是否真正有能力获得变化带来的商业价值。
所以一家成熟的软件公司寻找下一轮增长，最终需要把三个问题放在一起：
原来的生意，还有多大的增长空间？AI创造的新机会，哪些真正属于自己？有限的资源，应该优先投入哪里？
这三个问题，没有统一答案。金蝶有金蝶的客户基础和平台能力；北森有北森的专业场景和行业积累；帆软有帆软的数据分析能力与客户资产。一家年收入几千万元的软件公司，也应该有与自身资源相匹配的增长道路。
AI不会替企业决定该走哪条路，但它正在改变每条路的机会、风险和成立条件。
最后，技术决定哪些事情变得可能；客户决定哪些价值值得购买；竞争决定这些价值能否由你获得。而企业能否实现持续增长，最终取决于它是否能够把真正属于自己的机会，变成有收入、有利润、能够不断复制的生意。
增长没有捷径，只有不断被真实市场验证的商业逻辑。
老崔想清楚
企业战略顾问｜聚焦AI时代的产品、增长与新业务
商业没有奇迹，只有符合常识的逻辑。
参考资料
1. 金蝶国际：2026年中期业绩公告https://www.kingdee.com/resources/articles/1536805618029557697
2. 北森控股：截至2026年3月31日止年度报告（港交所）https://www.hkexnews.hk/listedco/listconews/sehk/2026/0622/2026062201170_c.pdf
3. 无锡市锡山区政府：帆软软件总部及研发中心项目开工https://www.jsxishan.gov.cn/doc/2026/07/03/4801368.shtml
4. FineBI：FineBI NEXT焕新发布https://www.finebi.com/
5. Moka：公司发展历程与产品发布https://www.mokahr.com/about
6. Gartner：B2B买家使用AI及销售验证行为调查https://www.gartner.com/en/newsroom/press-releases/2026-05-20-gartner-survey-finds-sixty-nine-percent-of-b-two-b-buyers-turn-to-sales-reps-to-validate-ai-generated-insights
说明：年收入几千万元的软件公司及文中的单位经济性数字均为用于解释商业逻辑的假设。上市公司财务披露、厂商产品发布与作者战略判断分别表述；AI产品收入、签约金额与实际净新增利润不能等同。
