夜雨聆风
过去几十年，软件公司有一个非常稳定的商业模式：
把软件做好，然后卖给客户。
客户买账号、买 License、买 SaaS 订阅。
至于买完以后员工怎么用、业务流程有没有真的改变、最后产生了多少结果，在很大程度上是客户自己的事情。
但 Agent 出现之后，这件事情可能正在发生一个很大的变化。
软件开始不只是被人使用，而是开始自己工作。
最近有一家公司非常典型。
它叫 HappyRobot。
但我真正感兴趣的并不是它又融资了多少钱。
而是它背后正在出现的一种完全不同的公司形态。
因为如果仔细研究 HappyRobot，你会发现：
而这可能意味着：
AI 软件公司的终局，可能不是卖软件。
SaaS 卖的是工具，Agent 开始卖“工作结果”
传统 SaaS 的核心逻辑其实非常简单。
CRM 帮销售管理客户，ERP 帮企业管理订单，客服系统帮助客服处理工单。
软件负责提供能力，但真正完成工作的，仍然是人。
所以过去企业买软件，本质上买的是提高员工工作效率的工具。
这也是为什么 SaaS 最经典的收费方式是 Seat：100 个员工使用，就是 100 个账号；500 个员工使用，就是 500 个账号。
传统软件
人负责判断和执行。软件提供界面、数据与功能。
人 → 软件 → 完成工作
Agent 软件
人给出目标，Agent 调用系统、工具与数据，直接完成一段工作。
人定义目标 → Agent → 完成工作
HappyRobot 今天把自己的产品描述为一套 AI workforce：AI workers 可以进入具体业务流程，跨语音、邮件、消息等渠道沟通，也可以调用工具和企业系统。
更关键的是，它并不是把所有关键业务节点都交给大模型自由发挥。HappyRobot 的 Workflow Logic 明确提供一层确定性控制：什么条件走什么分支，什么时候调用什么工具，出现意外时怎样 fallback，都可以显式定义。
以后企业更可能问：它到底能帮我完成多少工作？
这看起来只是产品能力变化，实际上它会反过来改变企业为什么买软件、软件怎么收费，甚至软件公司究竟应该长成什么样。
最反常识的地方：AI 公司可能会变得越来越“重”
如果按照过去二十年的 SaaS 理论来看，HappyRobot 的很多做法其实并不“性感”。
因为他们有一个非常重要的岗位：Forward Deployed Engineer，FDE，前线部署工程师。
这些工程师不是坐在公司里等客户提需求，而是深入客户真实业务：理解流程、系统限制、业务规则和异常，再把 Agent 真正部署进去。
工程师越靠近真实工作，越容易发现原项目范围之外的机会；与客户并肩工作，也会缩短反馈周期，加速系统进入真实生产环境。
如果按照传统 SaaS 的思路看，这不是倒退了吗？
软件公司为什么又开始派人？为什么不能像标准 SaaS 一样，注册账号、配置一下、直接使用？
HappyRobot 在今年关于 Enterprise Superintelligence 的文章里，把问题说得很直接：企业 AI 的边界越来越少由模型决定，而越来越多由系统究竟知道多少“这家企业是怎么运转的”决定。
模型越来越强，也越来越便宜。
但一个企业真正怎么运行，往往并没有完整地写在文档里面。
哪些客户必须特殊处理？什么订单虽然符合规则，但是实际上不能放行？什么情况下要找领导？哪个供应商表面 SLA 一样，但实际上需要提前两天联系？为什么老员工一看这个订单就知道“这个事情不太对”？
这些东西通常存在于：异常、优先级、权衡，以及员工多年积累的判断。
它把人脑里的隐性经验，翻译成 Workflow、Rule、Context、Tool 和 Eval，最终变成 Agent 可以执行的东西。
部署不是项目结束，而是产品真正开始
传统软件有一个非常明确的时刻：上线、验收、交付结束。
但 Agent 很可能没有真正意义上的“交付完成”。
因为它一旦进入真实业务，马上就会遇到开发环境里根本想不到的问题。
客户突然改变话题、系统接口超时、订单数据缺了一个字段、供应商提出了一种完全不同的条件、业务人员突然接管 Agent 的工作……
这些东西在传统系统里往往被叫做：异常。
但对 Agent 公司来说，它们反而可能是最重要的数据。
HappyRobot 的 Governance 页面明确写到：真实生产失败可以直接沉淀成 Regression Test；行为审计、人工反馈、A/B Test 与闭环反馈会继续影响后续版本。
然后继续循环。
失败本身也变成了产品资产。
一个 Agent 真正在企业里工作半年之后，它积累的可能不是几百份文档，而是几千种异常、几万个真实交互、大量边界条件、大量人工接管记录，以及一整套“在这家公司里到底应该怎么做事”的判断体系。
这才可能成为真正难以复制的东西。
AI 时代，可能需要重新定义“产品”
过去我们说：
后来进入 SaaS 和互联网时代，逐渐变成：
但到了 Agent 时代，我觉得产品可能会变成另外一种东西：
模型只是其中一个部分，而且很可能还是越来越标准化的那个部分。
真正决定一个 Agent 能不能进入企业核心业务的，是另外四件事情：
所以 AI Agent 的竞争，很可能不会长期停留在模型或者 Prompt 上。
谁能获得更多异常，
谁能把异常变成产品能力，
谁能不断扩大Agent 的工作边界。
一旦软件开始做事情，收费逻辑也会被改写
过去几十年，软件有一套非常稳定的收费逻辑：Seats 和 Licenses。
但 HappyRobot 在自己的 Manifesto 里提出了一个非常激进的判断：传统软件出售的是“解决问题的可能性”，而当系统开始直接完成工作以后，新的模式更像是在出售Solved Problems。
这里要注意：这更像 HappyRobot 对未来软件经济的一种判断，并不等于所有 Agent 公司今天已经全面采用结果收费。
但这个方向非常值得注意。
Seat Economics
客户越多人登录，软件公司通常越赚钱。
Sell More Seats
Agent Economics
如果 Agent 真正完成工作，客户反而希望更少的人需要亲自操作软件。
Sell Solved Problems
如果一个物流团队原来需要 100 个人处理某类协调工作，现在 10 个人加上一批 Agent 就能完成，那么按 Seat 收费反而会越来越奇怪。
最终客户购买的，不再是“100 个软件账号”，而更像是：
这时候软件公司的边界就开始模糊了。
它到底是一家软件公司？还是一家数字劳务公司？还是一家咨询公司？或者其实是一种我们以前没有见过的新公司？
真正危险的不是“服务重”，而是服务无法复利
过去创业公司特别怕一件事情：做服务。
因为服务意味着人力，人力意味着低毛利，低毛利意味着不像软件。
所以很多 SaaS 公司会拼命强调：我们是 Product Company，不是 Consulting Company。
但 Agent 时代可能需要重新思考这个问题。
而是：每服务一个客户，都必须从头再做一次。
假设一个 Agent 公司有 10 个客户。
第一个客户做了三个月，第二个客户还是做三个月；第一家公司踩过的坑，对第二家公司没有任何帮助——那它确实只是披着 AI 外衣的咨询公司。
但另外一种情况完全不同。
第一个客户产生了 100 个 Workflow、500 个异常案例、1000 个 Eval、50 个企业系统 Connector；第二个客户来了以后，可能有 30% 可以直接复用；第三个客户又产生新的能力。
这些东西最后不断沉淀回一个共同的平台。
这也是为什么 FDE 在这种公司里，并不只是传统意义上的实施人员。
他们同时承担了客户成功、产品发现、业务分析、流程设计、Agent 工程，甚至增长的一部分职责。
因为一个好的 FDE 每深入一个业务流程，都可能发现另外五个 Agent 可以做的工作。
未来 Agent：Expand the Scope of Work
不是让客户更多人登录系统。
而是让 Agent 做越来越多的事情。
最终卖的，可能是一种“持续增长的执行能力”
所以回过头再看 HappyRobot，我觉得真正值得关注的，并不是它的语音 Agent 做得有多好，或者这一轮融资到了多少估值。
更重要的是它正在验证另外一个问题：
软件公司会变成什么？
我的判断是：未来大量 AI Native 公司，可能会同时具有三种公司的特点。
它有软件公司的平台能力，有咨询公司的业务深入能力，又有一点像外包公司的结果交付能力。
但它和传统咨询、外包又有一个本质区别。
传统服务公司的知识通常沉淀在人身上；Agent 公司真正想做的，是把每一次服务产生的知识重新压缩进产品。
它可能从“更多人做、少量 Agent 辅助”，逐渐变成“更多 Agent 执行、少量人只处理新的异常”。
而新的异常，又继续反过来训练和约束那批 Agent。
HappyRobot 自己在 Manifesto 里甚至把未来人的角色描述成了“异常的守护者”：模式化工作交给系统，人专注那些真正打破既有模式的少数情况。
这才是这套模式真正可怕的地方。
它不是一次自动化，而是一台持续扩大工作边界的机器。
过去二十年，我们衡量一家软件公司，经常看 ARR、Seat、续费率、毛利率。
但 Agent 时代可能会出现一套新的指标：
一个 Agent 能完成多少工作？多少异常已经被系统学会？多少业务流程已经进入自动执行？每部署一个新客户，前面多少经验可以被复用？Agent 的工作范围每个月扩张多少？
如果这些指标越来越重要，那我们今天熟悉的“软件公司”，其实已经开始发生变化。
而是：进入企业，开始工作，持续学习，然后不断接管更多工作。
谁能最快完成这个循环，谁能把服务变成 Context，把异常变成 Eval，把经验变成 Workflow，再把 Workflow 变成可以不断复制的执行能力，谁才可能拥有下一代企业 AI 真正的壁垒。
未来最值钱的，可能不是那个最快发布 Agent 的公司。
而是那个 Agent 在客户企业里工作一年之后，已经越来越难被替换掉的公司。
参考资料
- HappyRobot 官方首页与 Customers：150+ enterprises、AI workforce、Enterprise Superintelligence 等当前产品定位。
- HappyRobot, “Enterprise Superintelligence” (2026)：Operational Context、execution 与 feedback loop 的公开阐述。
- HappyRobot, “Past, Present, and Future of the Forward Deployed Engineer at HappyRobot” (2026)：FDE 嵌入客户业务、缩短反馈周期与扩大机会范围。
- HappyRobot, “Workflow Logic” ：关于 Agent 下方确定性工作流层、条件分支和 fallback 的产品说明。
- HappyRobot, “Governance” ：Regression Test、行为审计、闭环反馈、A/B Test 等治理机制。
- HappyRobot, “Manifesto” ：从 Seats / Licenses 到 Solved Problems，以及 “Management by Exception” 的观点。
- CincoDías / El País，2026-08-04：HappyRobot 1.5 亿美元 Series C、约 12 亿美元投后估值及业务扩展报道。
