SaaS 时代很好用,为什么 AI 时代还要重新发明软件?

产业观察笔记　2026.08

EDITOR'S NOTE　　　　　　　　WHY NOW

我们曾经以为，软件行业的终局就是把所有系统搬到云端。企业不再安装服务器，不再维护版本，只要购买 SaaS 账号，就能获得成熟的管理能力。这个判断在过去十几年里非常正确。可到了 AI 时代，问题开始变了：企业不只是想“使用一套软件”，而是希望软件理解自己的业务，在自己的环境里完成工作，并随着业务变化不断调整。AI 带来的真正变化，不是多了一个会聊天的功能，而是软件正在从被人点击的产品，变成可以被授权、被组合、被监督的执行系统。

01　INDUSTRY SHIFT

SaaS 为什么曾经如此成功

PART　THE CLOUD STANDARDIZED SOFTWARE

在 SaaS 出现之前，企业购买软件，往往意味着一场长期工程。

要买服务器，要部署系统，要配置网络，还要安排专门的人维护版本。不同部门使用不同版本，不同分支机构有不同数据，软件升级也经常意味着停机和重新培训。

SaaS 解决了这些问题。

企业只需要打开浏览器、注册账号，就能使用一套已经部署好的系统。厂商负责服务器、更新、安全和运维，用户负责购买服务和配置业务流程。

于是，CRM、财务、人事、协同办公、项目管理等需求，被提炼成了一个个标准化产品。

这种模式的价值非常清晰：

SaaS 的本质，是把软件能力做成一种云端服务。

厂商把共性需求抽象出来，用户再在产品允许的范围内使用它。

02　INDUSTRY SHIFT

一到 AI 时代，为什么软件的重心开始移动

PART　THEN THE USER QUESTION CHANGED

SaaS 时代，用户进入软件后，通常会先问：

“这个系统有哪些功能？”

AI 时代，用户更可能直接问：

“我现在要解决的问题，系统能不能帮我完成？”

这两个问题看起来相近，背后的产品逻辑却完全不同。

传统 SaaS 需要用户学习菜单、字段、按钮和操作路径。用户先找到正确的模块，再按照系统规定的方式提交任务。

AI 则试图从目标出发。

用户可以说：“帮我找出最近七天销量下降、库存只够两周、又没有在途采购的商品。”也可以说：“把这次会议记录整理成任务，分配给相关同事，并标记出需要我确认的事项。”

AI 再根据目标，去读取数据、调用工具、组合流程，并返回一个可以继续处理的结果。

软件的起点因此从“产品有什么功能”，转向“用户有什么意图”。

这也是为什么 AI 时代的软件不一定只存在于云端。

它可能运行在云端，也可能运行在企业内网、个人电脑、手机和边缘设备上。云端提供强大的通用模型，本地保留敏感数据、业务上下文和执行权限。

所谓“本地运行”，不是所有模型都回到单机时代，而是计算位置开始根据隐私、速度、成本和任务复杂度灵活选择。

03　INDUSTRY SHIFT

SaaS 的问题，不在标准化，而在标准化之外的成本

PART　THE HIDDEN COSTS OF SOFTWARE

很多人谈 SaaS 和 AI 的区别，只看到“云端”和“本地”、“订阅”和“Token”。

但企业真正感受到的差异，往往来自软件使用过程中的隐性成本。

这些成本以前由员工承担，所以不容易被看见。

04　INDUSTRY SHIFT

所以，企业需要的不是另一个加了 AI 的 SaaS

PART　FROM SOFTWARE TO WORKING SYSTEM

如果只是给传统 SaaS 加一个聊天入口，用户依旧需要登录远端系统，自己寻找数据，自己描述背景，自己复制结果，自己完成最后的业务动作。

那么 AI 只是在原来的操作流程上增加了一层对话。

真正的 AI 软件，应该改变软件与工作的关系。

它不只是回答“你应该做什么”，还要能够理解业务对象、读取真实数据、调用业务工具，并在权限范围内完成下一步。

六组变化

这不是简单的技术替换，而是软件价值链的重新排列。

05　INDUSTRY SHIFT

第一件事：让软件运行在最接近业务的地方

PART　CLOUD POWER, LOCAL CONTEXT

SaaS 的优势是集中式服务：统一部署、统一更新、统一运维。

AI 时代仍然需要云端，尤其是通用模型、复杂推理和大规模计算，都离不开云基础设施。

但越来越多的任务，也需要在本地完成：读取企业内部文件，访问内网系统，处理敏感数据，调用本地脚本，或者在没有稳定网络的环境中运行。

因此，未来的运行方式不会只有“全云端”或“全本地”两种选择。

更可能出现的是云端和本地协同：

本地的价值，不只是隐私。

它还意味着 AI 能够拥有连续的上下文，直接接触真正的工作环境，并把结果落回原来的流程里。

AI 不再是远端的一个网页，而是工作环境中的一个执行层。

06　INDUSTRY SHIFT

第二件事：从“我给你什么”走向“你需要什么”

PART　PRODUCTS ADAPT TO INTENT

SaaS 的产品经理需要提前判断大多数用户的共性需求，再把它们设计成菜单和功能。

这套方法适合重复性强、边界清晰的业务。

但现实中的企业，经常会遇到标准产品没有预先设计过的问题。

新的业务线、新的管理规则、新的分析维度，都会要求软件快速调整。

AI 让系统获得了更强的临时组织能力。

用户提出目标后，AI 可以根据当前的业务对象和权限，自动组合查询、分析、生成、审批和执行动作。

用户不需要先知道应该点击哪个菜单，只需要明确自己想得到什么结果。

这并不意味着界面会消失。

恰恰相反，越重要的业务，越需要界面来展示数据范围、风险依据和可执行动作。AI 负责理解和组织，界面负责让上下文可见，让人可以确认。

软件由此从固定的功能集合，变成“模型能力 + 企业数据 + 业务规则 + 工具权限”的组合。

企业不再只是购买一套软件，而是在构建一套属于自己的工作系统。

07　INDUSTRY SHIFT

第三件事：从人负责点击，到 AI 负责运行

PART　FROM CLICKING TO EXECUTION

传统软件的默认状态是等待用户操作。

没有人登录、筛选、填写和提交，流程就不会继续。

AI 时代的软件，则可以在获得授权后持续观察业务事件，并主动采取行动。

例如：

人的角色会从操作员转向决策者、监督者和最终负责人。

但自动运行不等于无限授权。

付款、调价、退款、删除数据和对外承诺等关键动作，必须有清晰的权限、审批、日志和回滚机制。

真正成熟的 AI 系统，不是让机器不受约束地代替人，而是把重复工作交给机器，把关键判断留给人。

08　INDUSTRY SHIFT

从按年买软件，到为实际结果付费

PART　FROM SEATS TO VALUE

SaaS 常见的收费方式是按账号、按席位、按月或按年订阅。

这适合“人使用软件”的模式：买多少人、开通多少模块，基本决定了成本。

AI 软件的成本结构不同。

一次复杂任务可能需要读取大量数据、调用多个模型、执行多轮推理和工具操作。费用更接近实际用量，常见单位包括 Token、调用次数、计算时长和任务数量。

更进一步，企业关心的也不只是模型消耗了多少 Token，而是完成了多少任务、节省了多少工时、减少了多少错误、带来了多少收入。

所以，AI 产品可能会从单一订阅，走向“基础服务费 + 用量费 + 结果费”的组合。

严格来说，按 Token 收费是按计算资源收费，不等于按效果收费。但它揭示了一个方向：软件定价正在从“购买使用权”，转向“为实际消耗和实际价值付费”。

未来企业采购软件时，问题可能不再是：

“要买多少个账号？”

而是：

“完成一个有效任务，需要多少成本？”

09　INDUSTRY SHIFT

代码也会从远端交付，变成本地持续进化

PART　CODE THAT GROWS WITH THE BUSINESS

SaaS 时代，软件由远端的产品经理、设计师和工程师集中开发。

用户提交需求，产品团队排期，工程团队编码、测试、发布，所有用户共享新版本。这个过程适合大规模交付，但企业的特殊业务往往只能等待排期，或者支付额外费用进行定制。

AI 让代码生产开始靠近业务现场。

当 AI 能够理解代码库、读取业务文档、运行测试、定位错误并提交修改时，软件就不再是交付完成后保持不变的商品。

企业可以让 AI 在本地环境中理解自己的代码和数据，在权限控制下完成重构、补测试、修复问题和生成业务模块。

所谓“AI 自动净化代码”，不是把代码交给模型随意改写，而是让它结合静态检查、测试结果、运行日志和人工审核，持续减少重复、脆弱、无效和难以维护的部分。

开发者的工作也会发生变化：从大量手工编码，转向架构设计、约束设定、结果验证和复杂问题判断。

代码离业务越近，软件越能真正服务业务；AI 让这件事的成本第一次大幅下降。

10　INDUSTRY SHIFT

从闭源产品，到代码与业务共同进化

PART　OPEN SOFTWARE, LIVING SYSTEMS

大多数 SaaS 产品是闭源的。

用户可以使用产品，却看不到核心代码，也无法直接修改系统内部逻辑。封装有利于稳定、安全和规模化交付，但也会形成明确边界：业务必须在产品允许的范围内运行。

AI 时代，开源模型、开放协议、可组合工具和本地部署能力变得越来越重要。

企业可以把模型、知识库、工具和业务代码组合起来，形成更贴合自身流程的智能系统。业务变化后，系统也能通过调整规则、工具和代码继续进化。

这不意味着闭源软件会消失。

通用模型、基础设施、安全服务和高可靠平台，仍然需要专业公司集中建设。变化在于，软件不再只有“购买并使用”这一种关系。

企业会越来越多地参与配置、修改和演进。

过去，业务推动产品更新，产品团队再向所有用户发布版本；未来，业务可以直接推动自己的那套系统持续进化。

代码不再只是工程师写给机器执行的指令，也会成为企业知识和业务流程的可执行表达。

CASE　FROM SAAS TO AI

一个企业系统如何从 SaaS 走向 AI

从“打开系统查库存”，到“系统主动处理库存风险”

在传统 SaaS 里，运营人员需要登录库存系统，选择店铺和时间范围，筛选 SKU，再导出表格，最后人工判断哪些商品需要补货。

在 AI 时代，这个流程可以变成另一种方式。

本地 Agent 持续读取库存、销量和在途采购数据，发现某个 SKU 的库存天数低于阈值后，自动给出判断：

低风险动作可以自动执行，高风险动作进入人工确认。执行结果写回业务系统，后续销售变化再反过来修正下一次建议。

如果企业的业务规则发生变化，AI 可以在本地代码库中调整相关逻辑，运行测试，提交审核，并将新的规则纳入下一轮工作。

整个过程不再是购买一套固定功能，而是让软件围绕企业的真实业务持续工作。

CLOSING NOTE　　　　　　　　THE NEXT SOFTWARE

SaaS 时代，软件是被人使用的工具；AI 时代，软件正在成为一套会工作的系统。

把 SaaS 和 AI 简单对立起来，并不准确。

今天的 AI 仍然会运行在云端，也仍然可能采用订阅制；很多 SaaS 产品，也正在接入 AI 能力。

真正变化的是软件的重心：

所以，企业判断一款 AI 软件时，不应该只问：

“它能不能回答问题？”

还应该问：

“它能不能在我的数据环境里运行？”

“它能不能理解我的具体需求？”

“它能不能自动完成被授权的工作？”

“它的成本和价值能不能被清楚计算？”

“它能不能随着我的业务和代码一起进化？”

这才是从 SaaS 时代走向 AI 时代，真正值得关注的变化。

软件的下一站，不只是更快地打开一个网页。

而是让每个组织都能拥有一套理解自己、服务自己，并且持续变得更好的工作系统。

CaiFuClaw，跨境电商 AI 工作台

源码公开｜本地运行｜按需定制｜按 Token 收费

让运营人员按熟悉的方式工作，让 AI Agent 在业务流程中可用、可见、可控。

智柠 Agent：包含订单履约 Agent、智能刊登 Agent、仓储物流 Agent、BI Agent 和自定义的 Agent。

欢迎关注 CaiFuClaw.AI，一起探索跨境 AI 运营实战。

落地 CaiFuClaw，赠送智柠订单履约 Agent + 1000 积分！

线下体验中心：

深圳市龙岗坂田乐荟科创中心12栋2层201G

（乐荟国际会议中心大门出口前行50米左手位置）