夜雨聆风
过去几个月，全球 SaaS 市场经历了一场惊心动魄的 “ 过山车 ”。
普通人已经习惯了钉钉、企业微信、飞书这类常能接触到的 SaaS 服务，企业们也习惯了各种客户管理、人力、财务相关的 SaaS 服务，但， Claude Cowork 的发布改变了一切。
华尔街认为，曾经 “ 吃下整个世界 ” 的软件行业，要 “ 被 AI 吃掉了 ”，SaaS 概念股纷纷大跌，投资者们开始陷入恐慌。
大家都担心，未来每次头部 AI 公司更新办公、设计类产品时，传统 SaaS 都会被痛击一次。毕竟， AI Coding 让代码生成的门槛大幅降低，想要什么功能，AI 自己就能帮你开发，这使得 SaaS 们曾引以为傲的标准化功能正面临 “ 价值归零 ” 的威胁。
OneHouse Hudi Flink 负责人陈玉兆向知危表示：“ 长期来看我不觉得是过度反应，传统 SaaS 的订阅付费模式受到了直接威胁。就像 Seedance2.0 对视频行业造成的冲击一样，虽然目前 AI 的应用能力发展相对处于初期，但是我们已然可以预见未来 AI 给整个软件行业将带来革命性改变。 ”
“ SaaS 重新被定价的逻辑本质是成本的改变，如果 AI 对自身所在的行业造成极大的成本缩减或者导致大量的用户流失，那么只能被迫降价或者裁员。” 他进一步解释道。
不过，一些 SaaS 公司在经历估值暴跌后，又因技术和业务都与 AI 高度相关，最后估值回复，甚至达到新高度，比如 DataDog （ 提供类似于 “ 业务监护仪 ” 的服务，很多大模型公司都是其客户 ） 等。
那么，SaaS 公司的价值该如何被看待？SaaS 公司又将如何分化演进？
为解答这个问题，知危同业内专家进行了交流，向你解读 SaaS 行业的过去、当下与未来。
其实，传统 SaaS 业务的价值逻辑很简单，人们笃定那些用了 SaaS 的企业离不开它。
某互联网大厂大数据平台高管罗安 （ 化名 ） 告诉知危：“ 原先市场认为，所有公司都离不开这些 SaaS 软件。比如一家制造业公司用了 Workday，用来管理员工工资、人事信息等。它可能一年真正只需要用到几次核心功能，但 Workday 每个月都按照席位收费，比如每个员工 100 美元一个月，那公司也不得不用。明年大概率也要续费，如果换系统，迁移成本太高了。”
而这些被看作是 “ 永续 ” 的企业订阅付费，被资本市场拿来放在计算器上按 5 年或是 10 年折现，最终套进现金流折现估值模型里给到相应公司估值。
但是，AI 浪潮一直接把桌子给掀了。
罗安告诉我们，原来的 SaaS 服务商的壁垒并不在于开发本身有多难，而是客户一旦用了之后，替换成本很高，这使得 SaaS 服务商有稳定且能保持高增长的收入，客户流失率还很低。
“ 但，现在的问题是，这一整套逻辑可能讲不通了。市场开始认为，这些软件未来很有可能被 AI 重新构建，客户用 AI 自己动手搭一套系统的成本变低了。既然有可能被替代，那么高增长的预期就不存在了。而一旦没有高增长估值自然就会被压缩，市场就不再愿意给那么高的估值倍数。” 罗安解释道。
而对于最近的一些 SaaS 公司的估值修复，罗安表示他并不完全认同上涨背后的逻辑，他表示 “ 这里面有一个重要因素，就是很多基金和机构在做对冲。最近 AI 相关的算力板块涨得太多了，包括存储、光模块、CPU、上游设备、材料等。当这些标的涨幅过高以后，很多机构会进行对冲操作，SaaS 就是用来对冲的标的。 ”
当然，他也向我们表示，这些 SaaS 公司也并不是完全没有价值。跌到一定程度之后，市场可能会觉得这个价格已经比较合理，又具备投资价值了。
AI 产品设计师 John 则对这些波动表示不以为然，而是更关注实际的产品体验，他表示 “ 价值重构可能更多是基于投资者的视角，如果从用户和产品开发的角度来看，我没有觉得出现了特别破坏性或者颠覆性的变化。”
他认为 AI 和 SaaS 应用并不是互斥的，对于一家公司的产品来说，有了 AI 技术之后，关键还是看能不能结合好，“ 比如 Adobe 在一些产品设计上可能没有做好，但不能说是 AI 技术把 Adobe 破坏了。 ”
在实际设计工作中，John 仍然深度依赖传统设计软件，“ 举一个我深度使用的软件的话，我的工作流目前仍然不可能脱离 Figma。只是根据工作内容的变化，深入程度会有所不同。”
“ 比如以前我的工作会更多涉及软件生命周期偏中后期的阶段。产品已经比较成熟了，我需要把页面打磨得非常精细，做很多细节交互的调整。这种情况下不可能脱离 Figma，因为需要对创意有非常强的掌控。”
谈及未来 5 年内 Figma 的哪些能力不会被 AI 替代，John 认为这很难下结论，“ 重点可能不是某个具体功能会不会被替代，而是这种产品形态会不会存在。”
“ 只要人还参与设计工作，就仍然需要类似 Figma 这样的界面工具。因为人没有办法很好地只通过文字去描述自己对于一个平面视图的想法。很多界面本身有很多层级，它其实已经接近一种空间视图的表达，很难完全依赖语言来完成。 ”
“ 至于是不是 Figma，或者 Figma 里面哪些具体功能一定不会从手动变成自动，这个很难说。也许，AI 发展的足够快，我这些判断未来也会被证明是错的。”
从技术角度观察，白鲸开源 CEO 郭炜则是向知危给出了一个比较极端的预测：未来高估值的 SaaS 将不再是 “ 给人用的 ”，而是 “ 被 Agent 调用的 ”。
他表示：“ 首先，SaaS 的估值底层逻辑不会被完全推翻，核心仍然是：客户是否持续使用、是否续约、是否扩容，以及企业能否形成稳定的现金流和网络效应。”
“ 变化在于，SaaS 的计价单位会重构，过去卖席位、卖模块、卖订阅，未来会更多卖结果、卖调用、卖 Token、卖 Agent 执行能力，甚至按‘节省的人力成本’或‘完成的业务闭环’收费。”
“ 分化会发生在品类层面。很多通用型 SaaS，尤其是通用办公、轻量绘图、简单客服、基础 CRM 操作，可能会被 Agent 吞掉一大部分功能。如果这类公司还用传统的逻辑来进行服务，估值会明显压缩。”
“ 但数据类型、数据处理、数据治理、数据安全、行业系统，以及大模型生态链上面的工具，反而可能更重要。比如 DataDog 就属于数据类型方向，还有 Memory Lake 等。”
“ 因为 Agent 越强，越需要可靠的数据、权限、上下文、执行环境和审计体系。未来高估值 SaaS 不一定是‘界面最好用’的公司，而是成为 Agent 时代的基础设施、控制平面和可信执行层的公司。SaaS 不会消失，但会从‘人用的软件’演进为‘Agent 调用的能力网络’。
其实，AI 的价值，在未来是会被反复重新确认的。
毕竟，现在你告诉客户们，他们不需要买 SaaS 服务了，自己用 AI 手搓就行，但等他真手搓了之后，他还会遇到迭代、维护等方面的问题。所以 AI 自建和买 SaaS 到底哪个好，可能还是要看具体场景的，郭炜表示：“ 软件最终其实卖的不是代码，卖的是的 Know How 和认知。代码只不过是上一代软件的一种呈现形式。 ”
“ 所谓 Know How，有不同的形式，也许是 Skill，也许是 Harness。重要的不是 AI 能够多么快的生成代码，而是看哪群人来操控 AI 生成出来的东西。”
“ 最终这个世界卖的是信息差和认知差，代码只是一种呈现形式而已。” 他打趣道。
现在，为了抵御 AI 的冲击，SaaS 企业越来越强调 “ 人 ” 的作用了，典型代表就是热门公司 Palantir，其通过大力推销 “ 本体论 ” 方法 （ 简单来讲就是打通企业数据和部门墙，让业务数据人人能看懂并且能协作和进行决策 ） 和 FDE 落地模式 （ 前沿部署工程师，简单来讲就是拍一个工程师去企业主场深入理解企业之后再根据痛点做产品开发 ），在 AI 浪潮下反而如鱼得水，业绩接连超出预期。
罗安表示，“ FDE 本质就是驻场交付，在国内很常见，但过去在国外传统 SaaS 里相对少见。大力推 FDE 其实是指，他们从过去的标准化交付，到现在干脆向客户承诺，数据分析、客服这些事情，都帮客户完成，不管是用人力+AI，还是纯 AI，还是其它方式，全部承包下来。这样绑定关系就会变得非常深。因为这些驻场的人也是客户的资产，客户如果要换供应商，就等于把整套人和系统一起换掉，迁移成本会非常高。这样客户基本就 ‘ 被锁死 ’ 了。”
本质上，既然市场不再认可过去 SaaS 服务可以跟企业绑定从而获得长期收入的逻辑，那就干脆加点 AI 不能取代的 “ 人 ”， 把原来软件层的绑定，升级成 “ 人+系统一起绑定 ”。这样迁移成本更高，护城河也更深。但这也意味着这个钱没那么好赚了，得用更重的交付换更深的绑定。
说白了，就是把过去 SaaS 过去的轻量化、标准化交付给最终，过去已经做得比较重的就要做得更重，何尝不是一种内卷。
当然，加重交付和维持强绑定还有另一层含义，这和 AI 的技术属性直接相关，“ 无论是国内还是国外，很多 SaaS 公司都在做一件事：更强调业务数据的积累。同时，会更少去做那些‘轻交付’的事情。也就是说，他们开始更聚焦在真正和业务最有价值的部分。比如做财务系统，不再只是做一些表层功能，而是更关注财务流程怎么流转、结算。而一些很小的工具，比如财务里的计算器等小功能模块，可能就不会再持续投入去优化和迭代了。”
不过，郭炜认为，FDE 只是技术落地未成熟下的一种妥协，“ FDE 只是当前的一个状态，是因为 AI 还不够普及。当未来 AI 足够的简单的时候，客户会自己去生成最终的应用，所有的软件公司只是生成一个中间层而已。Palantir 是因为现在没有那么多人熟悉 AI，所以需要通过 FDE 去做。所以相比 FDE，Palantir 的核心其实是它的本体论，也就是我们说的 AI 时代的中间层，而不是 FDE。”
罗安补充道，“ 本体论本质上就是过去比较熟悉的数据治理，是数据规模从小变大之后必然出现的需求，自然很重要。”
FDE 强调很深的定制化，罗安认为，这背后其实还存在 AI 以外的主导因素。“ 过去 SaaS 公司之所以不太关注底层复杂性，是因为它主要服务的是中小企业市场。一旦客户变成大公司，情况就完全不一样了，大公司天然就需要深度定制。”
“ 所以你会看到两条路线：一条是传统 SaaS 走标准化路线，另一条就是像 Palantir、OpenAI 这类，更多服务大客户、政府、军工体系等。单子本身就很大，复杂度也很高，驻场交付、深度绑定是必然的。”
但过度依赖定制化，将来可能会有更大的风险，郭炜表示，“ 在大模型时代，最有价值的不是代码，而是数据，软件公司原创出来的需求问题，以及对行业的判断。而你根据客户完全定制出来的软件，需求是客户给你的，只不过你根据客户的需求开发所有的这些类型的软件，其实未来都没有任何意义了，因为客户不需要你，用 AI 就可以了。”
“ 不管是 FDE，还是国内的重度定制化交付、私有化部署模式，都是要完全被淘汰的机制，在 AI 时代下没有区别，都会被 AI 和 Agent 取代。”
“ 海外的 FDE 被淘汰的速度，可能比国内的定制和私有化部署模式淘汰速度还要更快一些。而 AI 的快速发展取代 FDE 工程师，可能也就是今年到明年的事情。”
在国内，SaaS 的生存空间更小，相较于海外的 SaaS，如果不走 FDE 这类把业务往重了去的路，它是比较难证明自己的价值的。
罗安告诉我们：“ 本质上，国内外 SaaS 不是一个东西。核心差异就一个：人力成本结构完全不同。”
“ 举个例子，比如 LinkedIn 的服务，在国外帮企业筛简历、找候选人，假设一年收 8000 美元，在美国企业看来是很划算的，因为如果自己雇三个人做这个事情，一年可能要 8 万美元的人力成本。”
“ 但在国内完全是另一套逻辑。同样的事情，公司可能直接招几个大学生实习就能做，成本极低，甚至有人愿意‘白干换实习经历’。”
“ SaaS 本质上就是节省人力成本的。低人力成本的市场，根本不需要 SaaS。至少根据个人观察，目前国内的 SaaS 市场其实也不是真正靠业务挣钱，更多是把营收做大，然后走上市融资这一套。”
郭炜表示，“ 国内 SaaS 市场现在遇到的挑战，不是 SaaS 还是 AI 的问题，是整个商业进展还没有到那一步，商业软件的规模市场不够大的问题。”
所谓 “ 国内 SaaS 不靠业务赚钱 ”，主要也是指软件不值钱，而靠硬件赚钱，罗安表示，“ 赚钱的部分，更多是云和基础资源层，比如流量、机器资源等。比如数据库存储，客户要从 10GB 数据变成 20GB，那就可以通过套餐升级从 10 块变 20 块，这是能赚钱的。但上层那些软件功能、业务服务，其实很多时候都是送的，本身不值钱。不管是创业公司还是大厂，都差不多是这样的模式。”
基于人力成本因素的 SaaS 市场演化逻辑，跟企业 AI 应用在中国和美国产生的影响差别很大的逻辑类似，“ Meta、Amazon、微软等公司可以在 AI 时代不断裁员，是因为他们可以把 AI 的投入直接转化成利润提升。比如一家企业花 1 亿美元购买算力或 Token 服务，但能够节省 1.5 亿美元的人力成本，那就是划算的。这笔账很容易算清楚，因为被替代的人力本身非常昂贵。”
但在国内，人力成本本来就没有那么高，因此 AI 带来的直接财务收益没有那么明显，“ 因为目前国内用的 AI 主要也是 Claude。假设 Claude 带来了 8 万美金成本，换算成人民币大约 50 多万，但人力成本还很难达到 50 万呢。”
“ 关于模型的选择，如果是纯个人选择，永远会倾向于选择效果更好的。只有在类似 Claude 和 ChatGPT 的差别很小的情况下，才会考虑成本的差异。国内大模型团队都非常出色，就是卡在硬件追不上。”
为什么 OpenAI 和 Anthropic 能够亲自下场走 FDE 模式，帮助传统企业做 AI 转型，为什么国内大厂或者大模型公司没有来直接引领这个风潮？“ 不是不想做，主要还是因为模型不行。我们也在产品层面做过很多的优化和弥补，但无论如何都填不了模型之间的差距。”
“ AI 模型公司唯一的一个赚钱希望，是服务海外市场，如果是去海外市场替代人力成本，就有可能拿到高估值。”
在这个背景下，如果还做国内业务，卷定制化、卷 FDE、卷服务，成了不得不做的选择。
但 AI 至少带来了一丝希望，郭炜表示，“ 反而是在这么低的估值情况下，可能洗刷出来一些‘蛊王’，可以利用 AI 原生的 SaaS 去做全球市场，这是未来的机会。”
如果说大力推进定制化、FDE、深度绑定，是 SaaS 企业为了 “ 先活下去 ” 不得不选择的内卷。
那么，在未来，要真正适应 AI 时代，所有 SaaS 企业必须面对一个严峻的问题：如何保住定价权？
郭炜表示，“ 过去软件的核心用户是人，所以产品围绕界面、流程、权限和报表设计。未来软件的核心使用者会变成 Agent，人只是设定目标、审查结果和处理例外。”
“ 因此 SaaS 不能再只是一个 UI 工具，而要变成 Agent 的 Harness：为 Agent 提供确定的数据上下文、可调用的业务 Skill、受控的执行权限、可审计的操作链路，以及可回滚、可复核、可治理的执行环境。比如，白鲸开源就重构了整个基础软件，底座都是基于我们主导开源的 Apache DolphinScheduler 和 Apache SeaTunnel。过去做的是 ETL 软件，现在做的是为 Agent 而生的 Data Engineering Harness Suite，服务的对象也从人类，变成 Agent。”
“ 这样一来，SaaS 的价值就不再是 ‘ 有多少人登录使用 ’，而是 ‘ 能让多少业务动作被 Agent 安全、稳定、低成本（ 更高的 Token Efficiency ） 地完成 ’。”
“ 模型只是推理能力，真正决定企业是否付费的是：这个软件被 Agent 调用后能不能理解企业语义，能不能 100% 的给出确定性的结果 （ 弥补 Agent 的不足 ），能不能让 Agent 遵守企业权限边界，能不能让人类快速地审查和理解 Agent 的输出，出了问题能不能自动的追踪和恢复等。”
SaaS 行业的 AI 变革不会仅限于软件层面，而更可能是生态层面。
未来不仅可能出现新 SaaS，也可能出现新一批 SaaS 用户群，他们将会有全新的画像，相比编程领域，在设计领域体现的更加明显。
John 表示，“ 普通人的语言能力，其实未必能完整表达出他脑子里想要的那个东西。但也有可能，随着人类逐渐接受一些‘差一点也可以’的东西，行业生态会逐渐变化。”
“ 随着 AI 发展，在软件生产能力的普及下，供给侧将出现大幅产能提升，涌现出许多 MVP 级别的产品，大家用久了之后，可能对美观和专业性 （ 特制产品界面的 polish 程度 ） 也没那么敏感了。因为需求可能相对小众或个人化，产品能满足功能就很有价值了。”
“ 就像以前大家觉得短视频内容质量很差，下沉市场电商平台的商品质量也一般，但最后它们确实满足了一部分人的需求，而且还不断横向扩展，让原本不能接受的人也逐渐接受了。”
换一个角度来看，这些新的用户群会催生新的 SaaS，就像过去大多数人不会为了 Adobe 的 AE 或是 PR 付费，但现在很多普通人会为了剪映付费一样，人们不一定非要为了工作去付费，可能仅仅是为了生活或者所谓 “ 日常创作 ”。
这样的话，SaaS 的定义其实也会被扩展。它不再只是服务工作，而是服务更广义的 “ 创作 ”。
除了 SaaS 形态的改变，与钱相关的地方，也会发生很大改变。
无论是新 SaaS 还是旧 SaaS，无论是国内 SaaS 还是国外 SaaS，一旦在产品中深度结合了 AI，成本结构将发生巨变，SaaS 原有的低成本、高毛利的商业模式就可能彻底被颠覆。推理成本将成为全球 SaaS 的共同核心难题。
John 表示，“ 其实几乎所有软件公司的成本模型现在都在变化。比如一些做情感陪伴、聊天类的产品，它们其实是很典型的成本敏感型业务。如果用户付费意愿不够高，一旦规模上来，成本会非常快地把公司拖垮。这一点和过去做软件公司完全不一样。以前软件更多是服务器成本和开发成本，如果流量上来，边际成本是很低的，稍微融资就能撑过去。但现在 Token 是持续消耗的，本质上是实时成本，只要用户在用就要付费。”
“ 像谷歌这种级别的公司，据我了解，和传统搜索的成本对比，它的搜索引擎里的 AI 概览功能成本巨高，所以谷歌内部做了很重大的决定，投入全公司的力量来优化这个功能的成本。”
“ 至于 SaaS 公司未来的毛利率是下降或提高，还不确定，也可能因为用户规模扩大，反而带来新的平衡。”
罗安表示，“ 巨额的推理成本也将导致，不仅是 SaaS 公司，包括互联网大厂，都面临类似的‘估值压缩’的逻辑。它们需要投入大量 Capex 去购买算力、消耗 Token。而短期来看，这些支出并没有直接带来等比例的收入增长。也正因为如此，市场当前更偏好‘卖铲子’的算力公司，而不是直接做应用的公司。”
“ 但最终 C 端应用是否能真正跑出来，形成稳定的商业模式，目前还没有被验证。”
