软件即数据——从 SaaS 到 Agent，数据正在成为最核心的生产资料
二十年前，我们说"软件即服务"（SaaS）。那是一个伟大的定义——把软件从本地安装包变成随时随地可调用的云端服务。流程自动化、协同办公、万物互联，SaaS 重塑了整个商业世界。[1]Bain & Company 2025 年技术报告指出：SaaS 完成了一场革命，这个需求在未来很长一段时间内仍不会消失。但 AI 时代，一个更深刻的范式转移正在发生。
软件是为用户设计的。过去，用户是人。而 AI 时代，软件最大的用户群体正在变成 Agent——数以亿计的自主智能体。人类用户与 Agent 用户的数量差异，是指数级的。[2]微软 CEO 萨提亚·纳德拉已明确断言：在 Agent 时代，传统商业应用将会"崩塌"，因为它们本质不过是"带业务逻辑的 CRUD 数据库"，这些逻辑终将迁移到 AI 层。[3]华尔街在 2026 年初甚至出现了"SaaSpocalypse"（SaaS 末日）这个词，数千亿美元软件市值在短短数月内蒸发。Bain 数据显示，上市 SaaS 公司 NRR 从 2021 年的 117% 持续下滑至 2025 年的 108%，AI 可能将企业核心职能自动化 30%–50%，传统"按席位收费"模式面临根本性冲击。[4]AlixPartners 指出：AI Agent 正在用 Agentic AI 层替代原有的业务逻辑层和展示层。Klarna 的 AI 助手在上线一个月内处理了 230 万次对话，相当于 700 名客服的工作量，贡献了 2024 年约 4000 万美元的利润改善。[5]Agent 即服务市场将从 2024 年的 51 亿美元扩张至 2030 年的 471 亿美元。未来的员工不再打开十几个 SaaS 标签页，而是调度一组 AI Agent 跨系统完成任务。当 Agent 成为软件的核心用户，面向人类设计的交互界面就失去了意义。Agent 不需要漂亮的 UI，它只需要一件事：数据，以及访问数据的 API。
[6]MIT Technology Review 指出：上一个时代是建设基础设施、分离计算与存储、构建数据湖；而下一个时代，核心是把正确的数据交付给自主 AI Agent。超过三分之二的企业将数据孤岛列为采用 AI 的首要挑战。你能开放什么数据、开放什么维度的 API，决定了 AI 能为你做什么。数据的广度、深度、实时性，才是你真正的竞争壁垒。这里存在一个关键转变：软件正从面向人的服务入口，变成面向 Agent 的数据接口。
拥有的数据越多、API 越丰富、数据维度越多——这将给你带来巨大且持续的复利收益。这背后的机制，叫做"数据飞轮"（Data Flywheel）。[7]特斯拉的护城河建立在一个垂直整合的数据飞轮上：数百万辆联网车辆持续采集真实驾驶数据 → 在定制算力基础设施（Dojo 超算）上训练模型 → OTA 空中升级快速部署 → 更强的性能吸引更多用户、产生更多数据。截至 2025 年第一季度，这个飞轮已积累超过 40 亿英里驾驶数据，后来者几乎无从追赶。[8]特斯拉的关键优势：200 万辆以上联网车辆每天生成 1600 亿帧视频数据；从芯片设计到软件再到制造的完整垂直整合；超过 10 亿美元的 AI 训练基础设施投入。这不是软件公司的打法，而是算力基础设施公司的打法。
如果特斯拉的故事发生在硅谷，那么美团和滴滴，就是这个逻辑在中国城市毛细血管里最真实的演绎。美团外卖：每一单 30 分钟，背后是一台永不停歇的数据机器送外卖看似简单，但在美团的服务器里，这是一场持续的实时全局优化。[9]美团智能调度系统的核心职责是：在合适的时间，以合适的方式，将合适的订单分给合适的骑手——在强时间约束下完成海量调度，对性能极度敏感。骑手侧：实时位置、当前运单数量、历史完成率、骑行速度模型、楼宇/电梯数据；用户侧：收货地址楼层、历史投诉率、当前时段容忍度预测；环境侧：实时路况、天气、小区门禁通行时长……[10]配送时效和准时率是外卖平台的核心竞争力。如何在配送体验与配送成本之间找到最优平衡，是即时配送平台生存的根基。这个平衡点，不是人能算出来的，只能靠数据喂养出来的模型实时决策。[9]在美团调度系统中，运筹学路径规划算法与深度学习送达时间预估模型（ETR）的计算量占整个系统的 60% 以上。为此，美团引入了 GPU 加速和手写 CUDA 算子——这已不是纯软件公司的打法，而是算力基础设施公司的打法。美团为什么能做到"30 分钟必达"？因为它已经拥有数十亿条历史配送轨迹，知道某栋楼的电梯等候时长、雨天骑手平均减速多少、某商家在饭点前 15 分钟出餐率会骤降。这些都是数据，这些数据就是美团的护城河。滴滴：你以为在打车，其实在参与一场千万量级的实时博弈[11]滴滴日均订单量超过 1100 万，每天需要分析的数据高达 50TB。面对如此体量，任何人工规则都会崩塌，只有数据驱动的智能系统才能支撑。[12]滴滴研究院最核心的工作是订单分配：在某一时刻，成千上万的乘客与空闲车辆之间完成最优匹配。在任何一个时刻，匹配计算量高达千万次以上，须在一两秒内完成。实时路况预估：[12]各路段状况不同，同样一公里行驶时间天壤之别，必须引入实时时间预估维度——这比计算距离更难。司机服务质量模型：[12]平台把乘客留下的所有痕迹整合起来——星级评分、文字评价、行驶轨迹——综合给出服务分数，分数越高，系统保证司机收入越高，促使司机主动提升服务质量。"滴米"积分调度博弈：[13]为规避司机"挑肥拣瘦"，滴滴设计了虚拟积分"滴米"——接里程短、路况差的"坏单"奖励滴米，接好单则扣除。距离相同时，滴米多的司机优先获得订单，形成抗单与派单的混合调度机制。ETA（预估到达时间）：[14]滴滴地图自 2015 年开始深耕预估到达时间问题，通过海量真实出行轨迹、路况拥堵状态、天气状况统一建模，目前预估误差率已降至 10.5%，居业内领先水平。这个数字，是用数十亿次真实出行数据"磨"出来的。
要获得海量的、有价值的数据，你需要的远不止软件。[15]每一个 AI 驱动的工作流都在产出精炼的专有数据，持续改进模型，形成后来者难以跨越的"数据护城河"。而构建这条护城河，需要的是：硬件采集能力——特斯拉的数百万辆联网车辆、美团骑手的每一部装有传感器的手机、滴滴司机每 3 秒上报一次的 GPS 轨迹；更优的算法——从运筹优化到深度强化学习，把原始数据提炼为决策信号；更大的存储与算力——特斯拉的 Dojo 超算、美团的 GPU 调度集群、滴滴每天 50TB 的数据处理基础设施；更好的工程化与规模化部署——让数据飞轮能在数百座城市、数千万用户的量级上持续高速旋转。数据不是产品的副产品，数据就是产品本身。软件只是采集数据的入口，数据才是真正值钱的资产。
[1] Bain & Company — Will Agentic AI Disrupt SaaS? (Technology Report 2025) https://www.bain.com/insights/will-agentic-ai-disrupt-saas-technology-report-2025/[2] Glean — Will AI agents replace SaaS? Key insights for 2025 https://www.glean.com/perspectives/will-ai-agents-replace-saas-tools-as-the-new-operating-layer-of-work[3] Long Angle — Software vs. AI Q1 2026: SaaSpocalypse Examined https://www.longangle.com/alts-education/software-ai[4] AlixPartners — Farewell, SaaS: AI is the future of enterprise software (May 2025) https://www.alixpartners.com/insights/102kcw9/farewell-saas-ai-is-the-future-of-enterprise-software/[5] Solutions Review — AI and Enterprise Technology Predictions for 2026 https://solutionsreview.com/ai-and-enterprise-technology-predictions-from-industry-experts-for-2026/[6] MIT Technology Review — Building a strong data infrastructure for AI agent success (Mar 2026) https://www.technologyreview.com/2026/03/10/1134083/building-a-strong-data-infrastructure-for-ai-agent-success/[7] Hampton Global Business Review — The AI Flywheel: How Data Network Effects Drive Competitive Advantage (Dec 2025) https://hgbr.org/research_articles/the-ai-flywheel-how-data-network-effects-drive-competitive-advantage/[8] ArticleSledge — Tesla's AI Sales Strategy: Neural Networks Transform Car Sales (Dec 2025) https://www.articsledge.com/post/tesla-ai-sales-strategy[9] 美团技术团队 — OR算法+ML模型混合推理框架架构演进（2025年5月）https://tech.meituan.com/2025/05/12/or-ml-practice.html[10] 美团技术团队 — 即时配送的订单分配策略：从建模和优化 https://tech.meituan.com/2017/10/11/o2o-intelligent-distribution.html[11] 东南大学TLab — 多模式智慧出租车模型与算法（2025年5月）https://tc.seu.edu.cn/tn/2025/0511/c27172a527416/page.htm[12] 人人都是产品经理 — 滴滴研究院：解读滴滴调度系统中的人工智能 https://www.woshipm.com/pd/571319.html[13] CSDN — 滴滴出行订单分析：调度系统、滴米算法与派单机制解析 https://blog.csdn.net/stay_foolish12/article/details/90474337[14] CSDN — 持续推进预估时间问题研究，滴滴盖亚计划开放ETA数据集 https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/116275885[15] WWT — AI Advantage: The Flywheel (Jan 2026) https://www.wwt.com/blog/ai-advantage-the-flywheel
夜雨聆风