夜雨聆风软件和SaaS不会被AI杀死，只会融合
引言：一场正在发生的范式转移
2026年的软件行业正站在一个历史性的十字路口。
当OpenAI以11亿美元全股票收购Statsig，当Sensor Tower接连并购data.ai和App Annie，当VWO与AB Tasty合并打造年入超1亿美元的平台，当Google关停Optimize——这一系列事件的背后，是大模型浪潮对传统软件与SaaS商业模式的深度冲击。
这场冲击不是某个功能被替代，而是整个行业的底层逻辑正在被改写。从客户服务到代码生成，从实验平台到数据分析，AI正在以MCP、Agent、Skill等多种形态渗透到软件的每一个角落。
问题来了：这场冲击到头了吗？还是说，一切才刚刚开始？
一、渗透三部曲：大模型如何侵入软件行业
1.1 场景层：从Chat到Customer Service，AI无处不在
大模型对软件的渗透最早始于客户服务场景。传统的客服系统正在被AI助手全面替代，这不仅仅是“机器人回答问题”那么简单。
以AdTech行业为例，84%的营销人员现在每月至少进行一次A/B测试，而AI的介入已经让传统的图形和代码编辑器使用量下降了超过50%。实验平台不再需要用户手动编写代码、设计变体、生成报告——这些重复性工作已经全部由AI接管。
更深刻的变化发生在广告投放领域。Swivel（卖方AI自动化）与Olyzon（买方CTV投放）的合作，标志着“我的Agent与你的Agent沟通”的Agentic Marketplace正在形成。在CTV等渠道集中的场景，代理式交易已经可以绕过DSP/SSP的多层收费。
这意味着：软件不再是人与系统的交互界面，而是Agent与Agent对话的协议层。
1.2 技术层：MCP与CLI，AI重构软件的基础设施
如果说场景层的变化是“看得见的冲击”，那么技术层的变革则是“看不见的地基重塑”。
MCP（Model Context Protocol） 的出现，正在重新定义软件如何与大模型交互。MCP让任何软件都可以接入任何模型，工作流编排正在成为新的核心差异化能力。这就是为什么Anthropic愿意押注“模型中立”的策略——因为未来的护城河不在模型本身，而在模型之上的工作流。
CLI（Command Line Interface） 的复兴则是另一个有趣的信号。当自然语言可以直接转化为命令行操作，复杂的软件操作门槛被瞬间拉平。开发人员、数据分析师、营销人员都可以通过自然语言直接调用复杂的软件功能，而不需要学习层层嵌套的GUI界面。
正如Meta发布的Adaptive Ranking Model所展示的那样，通过将用户表征计算与候选广告评分解耦，即使是LLM级别的用户建模也能满足毫秒级的延迟要求。这种架构层面的创新，正在让AI渗透到之前被认为“不可能”的实时系统中。
1.3 产品层：Agent与Skill，软件的形态正在被重新定义
最具颠覆性的变化发生在产品层面。
Andrej Karpathy演示的OpenClaw Dobby Agent，能够扫描本地网络、逆向未文档化的API、自动控制家居设备——全程无需打开任何原生App。他的判断一针见血：Agent正在把碎片化的App交互整合为“表达意志”的统一界面，App经济面临范式冲击。
这对整个软件行业意味着什么？
如果Agent能替代原生App完成核心交互，那么“安装量”这个移动互联网时代的核心指标可能会先于预期失效。未来的UA（用户获取）可能需要转向以“使用时长/任务完成率”为核心的下一代目标体系。
更重要的是，软件正在从“你需要学习如何使用它”变成“它理解你想要做什么”。Skill作为Agent的能力单元，正在成为新的产品形态——用户不需要下载一个完整的App，只需要调用对应的Skill就能完成任务。
二、冰火两重天：软件厂商的两种生存策略
2.1 头部玩家的AI转型：大厂与上市公司的豪赌
面对大模型的冲击，有能力的软件厂商选择了主动拥抱AI转型。
OpenAI以11亿美元收购Statsig，本质上是将实验基础设施从SaaS服务变成了AI公司的核心产品基建。当ChatGPT每天处理25亿次prompt时，实验平台已经不是“锦上添花”的工具，而是维持产品迭代速度的生命线。
Braze以3.25亿美元收购OfferFit，则是押注“AI智能体替代传统A/B测试”的未来。OfferFit的强化学习引擎不需要人工设置测试，而是通过AI代理自主为每个客户做出决策，持续学习和优化。
Datadog以2.2亿美元收购Eppo，则是将实验能力融入可观测性平台，为AI时代的模型评估、代理行为测试、prompt优化提供基础设施。
这些交易的共同逻辑是：AI不是软件的一个功能，而是软件的运行内核。 头部玩家正在通过并购快速获得AI能力，将自己从“卖工具的”转型为“卖智能的”。
上市公司的财报也印证了这一点——有增长预期的企业中，51%在网页实验上重金投入，50%在功能实验上重度投资；而没有增长预期的企业，这两个比例分别只有23%和15%。投入AI，已经成为企业是否有增长信心的风向标。
2.2 中小厂商的抱团取暖：卖卖卖，客户才是最值钱的资产
与头部玩家的豪赌形成鲜明对比的是，中小SaaS厂商正在经历一场“卖身潮”。
Sensor Tower在过去几年进行了一揽子收购，包括data.ai（原App Annie）等竞争对手，本质上是在整合移动数据这个垂直赛道。当大模型让数据处理和分析的成本大幅下降，独立的数据工具厂商已经很难维持差异化——客户关系和数据资产本身，成为了这些公司最值钱的东西。
A/B测试行业的整合更加彻底：
2025年，私募Everstone Capital收购Wingify（VWO）多数股权 2026年，Everstone推动VWO与AB Tasty合并 Monetate收购SiteSpect，整合AI个性化与零闪烁测试
这些合并背后的逻辑非常残酷：单一实验工具的TAM（总可触达市场）已经基本见顶，新客获取成本越来越高。与其在红海中厮杀，不如合并客户群，通过规模效应降本增效。
更令人唏嘘的是Google Optimize的关停。作为曾经免费工具的代表，Google直接放弃了这个产品线，没有替代品，没有迁移路径。这背后的信号再明确不过：客户端的浅层次A/B测试已经没有商业价值，未来属于全栈、服务端、AI驱动的实验平台。
对于中小SaaS厂商来说，选择已经不多：要么找到一个明确的AI切入点，要么找到一个“好人家”把自己卖掉。徘徊在两者之间的，大概率会在这轮洗牌中消失。
三、大模型公司亲自下场：FDE模式与本体论的再次崛起
3.1 OpenAI与Anthropic的战略分歧：谁是AI行业的核心资产？
2026年5月4日，OpenAI和Anthropic在同一天做出了截然不同的选择：
- OpenAI成立DeployCo合资企业，估值100亿美元，初始投资40亿美元，承诺17.5%的年化保底回报
- Anthropic成立类似合资企业，估值15亿美元，没有保底回报条款
这两笔交易揭示了AI行业正在发生的商业模式范式转移：
OpenAI的逻辑：模型是核心资产。17.5%的保底回报接近PE行业标准（8%）的两倍多——不管DeployCo赚不赚钱，OpenAI每年先付这笔钱。在OpenAI看来，渠道是花钱就能买到的外挂，GPT系列的模型能力才是真正的护城河。
Anthropic的逻辑：客户关系和工作流是核心资产。Anthropic的Cowork 3P策略明确表示：“我们对接口的形态有主见，但对背后运行什么模型没有执念”——它已经接入了GPT、Gemini、DeepSeek等多家的模型。
这两种选择，本质上是对“AI行业什么最值钱”这个根本问题的不同回答，更体现了两家公司对FDE模式的理解差异：
OpenAI的FDE思路非常清晰：模型+部署。 OpenAI的DeployCo模式就是典型的FDE思路——用17.5%的保底回报换取渠道和客户现场的部署权，把GPT模型的能力直接输送到客户的业务流程中。OpenAI不满足于只是卖API，它要让模型在客户现场跑起来，解决真实的业务问题。
Anthropic的FDE思路则相对模糊，甚至可以说Anthropic自己也没想清楚。 在2C领域，Anthropic一直被OpenAI压制，很难有大的作为；押宝2B的Coding Agent这步棋走对了，Claude Code让开发者实现了“十倍”提效，但对于“Agent如何让企业也实现十倍提效”这个核心问题，Anthropic目前似乎还没有清晰的答案。
目前Anthropic的策略还是聚焦在产品打磨层面：通过Claude Code和SDK推动模型订阅，至于客户具体怎么用、用在什么场景，Anthropic并不深度介入——它更多是在做数据搜集，以及基于这些反馈推动模型和自家产品的迭代升级。Anthropic想做的是“更好的模型产品”，而不是“深入客户业务的解决方案”。
简单来说：OpenAI想把模型变成客户业务的一部分（PMF），Anthropic想让客户来适应它的模型产品（MPF）。
3.2 Plantair与本体论：大模型直接进入垂直行业
比模型vs工作流的争论更具颠覆性的，是Plantair和它所代表的本体论的崛起，以及FDE模式的流行。
什么是FDE（Frontend Deployed Engineer，前端部署工程师）？简单来说，就是大模型公司不再只是卖API，而是将AI工程师直接派驻到客户现场，深度嵌入客户的真实业务流程中，手把手帮客户解决实际问题。这本质上是大模型公司亲自下场做IT咨询——用AI能力替代传统的软件实施和咨询服务。
什么是本体论？就是把某个垂直行业的所有核心概念、关系、规则、流程，用大模型可以理解和执行的方式建模。这不是“给行业软件加一个AI聊天框”，而是用大模型重新定义整个行业的运转逻辑。
这两种方式结合，意味着大模型公司不再是给软件厂商提供API的“卖铲子的”，而是亲自下场，用“AI工程师派驻+行业本体论”的方式，直接替代传统IT咨询和软件实施服务。
Plantair的大火不是偶然。当传统软件厂商还在思考“如何给我的产品加AI功能”时，Plantair直接用本体论回答了一个更根本的问题：如果大模型从第一天就存在，这个行业的软件应该是什么样子？
这对传统SaaS厂商来说是最可怕的竞争。你花了十年时间打磨行业know-how，结果大模型公司用本体论半年就复刻了80%，而且还在以你无法想象的速度进化。
更可怕的是，FDE模式下，大模型公司的工程师直接驻扎在客户现场，与客户建立了深度的一级关系，传统软件厂商反而变成了“被调用的工具”。这就像当年App Store出现后，所有App开发者都变成了苹果生态的打工仔——控制权的转移，才是真正致命的。
四、软件行业的未来：没有AI Native，只有AI Diffusion
4.1 海外市场：SaaS模式的重构
那么，软件行业的未来到底会是什么样子？
先看海外市场。传统的独立SaaS模式正在经历深刻的重构，但这并不意味着SaaS会消失。
从A/B测试行业的演变可以看出几个清晰的方向：
- 从独立工具到套件化/平台化： 实验能力正在成为DXP、CRM、数据分析平台的标配功能
- AI重构实验流程： 自主AI智能体逐步替代人工测试，实现实时自动决策
- 全栈/服务端实验成主流： 替代传统客户端测试，适配大流量、高合规、复杂场景
- 数据栈原生化： 直接对接数据仓库，保障指标可信、集成轻量化
更重要的是，海外市场正在形成一个共识：AI是增效工具而非替代软件本身。 实验从业者希望AI减少手动工作、标记异常、加速分析，但最终的决策——决定哪个变体获胜、如何解释结果、如何行动——仍然由人来做。
这意味着SaaS不会被AI杀死，但会被AI彻底改造。未来的成功SaaS产品，不是“有AI功能的软件”，而是“AI原生工作流中的一个节点”。
4.2 中国市场：深度定制的IT咨询范式，壳子比内容更重要
与海外相比，中国的软件行业路径更加特殊。
长期以来，中国的SaaS一直没有真正做起来，市场主流一直是深度定制的IT咨询范式。客户买的不是标准化的软件，而是“能落地的解决方案”和“能搞定事情的服务团队”。
大模型的到来，某种程度上反而强化了这个范式。因为：
- PMF（Product-Market Fit）的逻辑变了： 不是产品去找市场，而是用AI快速匹配客户的具体需求。客户要的从来不是“完美的产品”，而是“能解决我当下问题的方案”
- 交互模式的过渡还很长： 在语音交互、VR真正成熟之前，Chat和GUI仍然是主流。但未来的Chat不是“在软件里加个聊天框”，而是“以对话为核心的整个工作流”
- 壳子比内容更重要： 客户需要一个看起来“像模像样”的软件外壳，但真正的核心能力越来越多地由背后的大模型提供。这就是为什么很多中国SaaS公司的产品界面越来越华丽，但核心竞争力反而在“看不见的地方”
在中国，没有AI Native，只有AI Diffusion（AI渗透）。 AI不是一个新的品类，而是一种渗透到所有软件中的能力。你不需要做一个“AI原生”的产品，你需要让你的产品的每一个环节都被AI渗透、被AI增强。
这背后更深层的原因是：AI Native落地最大的壁垒从来不是技术，而是组织和用户心智与行为习惯的重塑。 改变一个企业的工作方式，比改变一个软件的架构难得多。这天然注定了AI对软件行业的改造，会是一个慢渗透、长周期的过程，而不是一场骤风暴雨式的革命。
结语：冲击远未到头，分化是开始，融合是结局
回到我们开篇的问题：大模型对软件行业的冲击到头了么？
答案显然是否定的。不仅没有到头，可能一切才刚刚开始。
我们现在看到的，还只是大模型在软件行业的“表层渗透”——客服、代码生成、数据分析这些相对独立的场景。真正的冲击，会发生在软件的“内核层面”：
当工作流编排成为软件的核心能力 当Agent与Agent的对话替代人与系统的交互 当本体论重构整个行业的运转逻辑 当大模型公司通过FDE模式直接触达客户
那时候，今天很多被认为是“护城河”的东西——界面设计、功能完备性、行业know-how——可能都会被大模型轻易跨越。
但这并不意味着传统软件厂商没有机会。
正如Anthropic的选择所揭示的那样：模型会越来越商品化，但嵌入客户真实业务流程的工作流是有护城河的。接口位置决定成败——你的软件是“客户不得不用的系统”，还是“可以被替代的工具”，这比任何技术都重要。
对于软件从业者来说，这可能是最坏的时代，也可能是最好的时代。旧的秩序正在崩塌，但新的秩序还远未建立。
冲击远未到头，分化才刚开始，最终会是融合。
