夜雨聆风软件公司的信仰十字路
过去一年，软件行业大概是受AI冲击最严重的行业：2025.11–2026.01北美软件股两个月内蒸发超 1.6 万亿美元市值；2026.02.03「SaaSpocalypse」：48 小时内约 2850 亿美元 SaaS 市值蒸发，软件史上最大的一次 AI 触发型重定价；2026 Q1PitchBook 口径 99 家企业级 SaaS 的 EV/TTM 营收倍数从 4.9x 降至 3.3x，单季缩水近三分之一，板块市值再蒸发约 1 万亿美元。
市场这形势，大有软件已死，AI当立，岁在丙午，天下大吉的意味。
当然，市场也总会有反对声音——
结合一下看，的确有部分SaaS公司不太行了，尤其是水平型的公司，而垂直类则依旧可以守，而且有机会随着AI做一轮转型。
Agent 的能力上限由数据质量决定，不由模型决定。研究显示 44% 的组织已经把数据质量当作 AI 落地的最大障碍，Salesforce 自己的 Agentforce 也被分析师普遍认为「数据质量是实现宏大愿景的真正瓶颈」，数语科技创始人王琤的比喻很好用：
大概意思就是你可以六周重写 800 万行代码，但你没法六周攒出一家零售集团十年的会员行为数据和口径共识。
Chargebee 提供了一个很好用的四问框架，用来判断一款软件在 AI 时代的暴露程度：
| 维度 | 问题 |
|---|---|
| 执行与强制 | |
| 数据引力 | |
| 流程嵌入 | |
| 决策支持 |
如果四问的暴露度低，那说明起码暂时它还很难替代。
客户迁移数据和更换厂商需要勇气和成本，很多时候客户宁愿等你把AI做出来，而不是马上去换一家。
中国大客户对「数据不出域」是有执念的，通用大模型如果不进行定制，无法解决数据安全的问题，这是存量 SaaS 一张被低估的牌 —— 你有交付团队、有安全资质、有客户机房的进出许可。这些东西不性感，但它们是硬门槛。