從上周開始，軟件股突然就崩了。

導(dǎo)火索來自Anthropic。這家公司發(fā)布Claude Cowork AI代理推出的法律工具。這個新工具能執(zhí)行多項(xiàng)文書工作，包括追蹤合規(guī)事項(xiàng)和審閱法律文檔。這些功能正是許多法律軟件產(chǎn)品的核心所在。

受到這個消息的沖擊，當(dāng)日軟件、金融服務(wù)和資產(chǎn)管理行業(yè)的股票市值總共蒸發(fā)了約2850 億美元，LegalZoom.com暴跌近20%，湯森路透也下跌了15%。

這并非孤立事件。

同樣是在上周，Google DeepMind 發(fā)布了 Project Genie。

受Project Genie影響，游戲圈行業(yè)巨頭股價便迎來了一場集體跳水：Take-Two下跌7.93%，Roblox暴跌13.17%，而曾經(jīng)的游戲引擎霸主Unity更是慘烈地下跌了24.22%。

三家公司在一個交易日市值合計(jì)縮水約195億美元！

這一切波動都源于一個很殘酷的判斷：AI要徹底顛覆SaaS。

這種擔(dān)憂帶來的結(jié)果是，投資人用腳投票，軟件股血流成河。根據(jù)高盛的數(shù)據(jù)，軟件是今年迄今為?所有?業(yè)中凈賣出最多的??業(yè)，目前軟件?業(yè)的凈敞?（占美國總凈市值的百分?）創(chuàng)下4.2%的歷史新低。

截至目前，高盛的軟件板塊（GSTMTSFT）已經(jīng)?點(diǎn)蒸發(fā)了2萬億美元的市值，跌幅約30%。

那么，AI要徹底顛覆SaaS到底是怎么一回事？今天硅基君就來好好講講這個事。

軟件的“溢價”正在消失

“軟件已死”這個觀點(diǎn)，并不是最近才冒出來的。

在更早進(jìn)入大眾認(rèn)知之前，微軟CEO 薩提亞·納德拉已經(jīng)在去年 1 月的一次采訪中，明確提出過這個判斷：

SaaS 應(yīng)用或商業(yè)應(yīng)用的現(xiàn)有形態(tài)，很可能會在智能體時代瓦解。

站在當(dāng)下看，AI所帶來的直接沖擊主要體現(xiàn)在兩個方面：

第一，AI 原生公司重構(gòu)舊工作流。簡單來說，就是AI公司以更低成本，重構(gòu)已有軟件工作流，對傳統(tǒng)廠商形成價格和模式?jīng)_擊。

這一點(diǎn)在客服外包行業(yè)體現(xiàn)得尤為明顯。2025年7月，羅杰斯通信公司宣布終止與客服外包公司 Foundever 的呼叫中心合同，原因是羅杰斯將轉(zhuǎn)向AI聊天機(jī)器人。

這一決定，直接導(dǎo)致加拿大地區(qū)數(shù)百個崗位受到影響。同年8月，F(xiàn)oundever 將其EBITDA預(yù)期下調(diào)了約10%，原因是新業(yè)務(wù)和現(xiàn)有業(yè)務(wù)量低于預(yù)期，以及美國市場價格壓力增大。

無獨(dú)有偶，去年兩家外包公司KronosNet 和 Foundever在AI相關(guān)擔(dān)憂下陷入困境，其債務(wù)交易價格一度逼近違約區(qū)間。

第二，AI 編程工具的成熟，使越來越多企業(yè)選擇內(nèi)部構(gòu)建，減少對高價標(biāo)準(zhǔn)化軟件的依賴。原本需要外部軟件和服務(wù)才能完成的功能，正在被 AI 與內(nèi)部工程能力替代。

在傳統(tǒng)SaaS 模式下，軟件成本結(jié)構(gòu)高度依賴研發(fā)投入。一家 SaaS 公司，研發(fā)費(fèi)用通常占年經(jīng)常性收入的 25%–40%，其中絕大部分是程序員成本。

程序員所做的事情很簡單，無非是把人類語言翻譯成計(jì)算機(jī)語言（代碼），或者把計(jì)算機(jī)語言（代碼）變成人類語言。

生成式AI 的出現(xiàn)，正在系統(tǒng)性壓縮這部分成本。一方面，開發(fā)者可以直接用自然語言描述需求，由 AI 生成可運(yùn)行代碼；另一方面，傳統(tǒng)“技術(shù)?！钡膹?fù)雜性正在被削弱。

以金融行業(yè)為例，像Reuters、FactSet、Macrobond 這類傳統(tǒng)高價軟件，一旦完成初期的數(shù)據(jù)接入和工具搭建，其邊際價值迅速下降。AI 可以承擔(dān)大量原本需要“專業(yè)服務(wù)”才能完成的分析、整理和建模工作。

也就是說，隨著開發(fā)門檻持續(xù)下降，軟件的邊際成本被快速拉低，“人為包裝的軟件服務(wù)”的價值開始迅速下降。

哈佛大學(xué)Fiona Chen 和 James Stratton 的一項(xiàng)研究，提供了一個耐人尋味的側(cè)面印證：

AI 帶來的生產(chǎn)率提升，主要體現(xiàn)在軟件供給側(cè)（軟件公司內(nèi)部），而非軟件使用方。

這意味著，AI 更快地壓縮了軟件生產(chǎn)成本，卻并未等比例擴(kuò)大軟件需求。

當(dāng)AI讓軟件這一 高階服務(wù)商品化后，也帶來了一個結(jié)果，過去軟件行業(yè)的高毛利特征，或許不復(fù)存在了。

原因很簡單，當(dāng)內(nèi)部 AI 工具能完成 70%–80% 的功能時，人們 為什么還要為一個許可證支付 1.5 萬到 2 萬美元？

業(yè)務(wù)邏輯也變了

比起盈利能力的短期波動，更深遠(yuǎn)的變化在于：軟件本身承載業(yè)務(wù)邏輯的方式，正在被重構(gòu)。

用納德拉的話說，絕大多數(shù)軟件的本質(zhì)，都是“帶有業(yè)務(wù)邏輯的 CRUD 數(shù)據(jù)庫”。

數(shù)據(jù)被存儲在數(shù)據(jù)庫中，軟件通過預(yù)先寫好的規(guī)則，對數(shù)據(jù)進(jìn)行增刪改查，并推動流程向前運(yùn)行。

企業(yè)之所以為SaaS 付費(fèi)，核心并不只是買一個數(shù)據(jù)容器，而是買一整套被固化進(jìn)系統(tǒng)的業(yè)務(wù)判斷。

像Notion這樣的產(chǎn)品，本質(zhì)上就是一個結(jié)構(gòu)化數(shù)據(jù)庫，幫助用戶存儲、更新信息，并以更友好的方式呈現(xiàn)。過去，如何交互數(shù)據(jù)、如何觸發(fā)流程，由軟件本身決定。

但在AI 時代，這個前提正在發(fā)生變化。

從數(shù)據(jù)獲取到數(shù)據(jù)交互，越來越多環(huán)節(jié)開始由AI 直接完成，業(yè)務(wù)邏輯也正在從軟件應(yīng)用層，遷移到AI 之上。

在這種情況下，企業(yè)不再依賴軟件內(nèi)置的功能模塊來組織流程，而是將判斷、編排與執(zhí)行交給智能體完成，軟件逐漸退化為一個“被調(diào)用的能力與數(shù)據(jù)模塊”。

這一變化，在以數(shù)據(jù)收集為核心的記錄系統(tǒng)（System of Record，SoR）領(lǐng)域體現(xiàn)得尤為明顯。

以CRM 為例，傳統(tǒng)系統(tǒng)高度依賴銷售人員主動錄入信息，數(shù)據(jù)的完整性與及時性高度依賴人的配合，也因此形成了極強(qiáng)的遷移壁壘。

現(xiàn)在，這一格局正在被改寫。

第一，數(shù)據(jù)收集方式發(fā)生變化，從手動輸入，轉(zhuǎn)向自動輸入。

比如，新一代AI 原生 CRM，如 Day.ai和Attio，能夠直接接入郵件、視頻、消息等溝通流程，自動收集有價值的信息，改變了過去手動收集數(shù)據(jù)的局面。

類似的路徑，也出現(xiàn)在客服、招聘、應(yīng)急響應(yīng)等場景中。

AI 往往以一個看似邊緣的“楔子功能”切入，比如自動接電話、自動整理候選人信息、自動生成總結(jié)。但隨著時間推移，這些系統(tǒng)逐步積累起最有價值的實(shí)時行為數(shù)據(jù)，反而具備了替代原有核心系統(tǒng)的可能性。

第二，AI 所帶來的效率提升，不只是“更快”，而是“能做更多”。

在ERP 領(lǐng)域，Everest Systems正在用 AI 簡化財(cái)務(wù)分析流程，將原本需要財(cái)務(wù)分析師完成的工作，變成“自動匯總 + 自動建議”。

在法律服務(wù)領(lǐng)域，Tradespace的“AI 發(fā)明采集”工具，可以自動從企業(yè)內(nèi)部識別發(fā)明線索并生成申請文檔，直接切入過去由律所主導(dǎo)的高價值服務(wù)環(huán)節(jié)。

更重要的是，智能體在執(zhí)行任務(wù)的同時，還能沉淀決策軌跡，轉(zhuǎn)化為連接“數(shù)據(jù)”與“行動”之間的上下文資產(chǎn)。

與傳統(tǒng)軟件只記錄“結(jié)果”不同，智能體身處執(zhí)行路徑之中：它會從多個系統(tǒng)拉取信息、評估規(guī)則、解決沖突并做出行動決策。在這個過程中，所有輸入、判斷依據(jù)、例外情況和“為什么要這么做”，都會在“提交時刻”被完整凍結(jié)下來。

這些決策軌跡，逐步構(gòu)成了一張上下文圖譜，它連接著企業(yè)中的實(shí)體、事件與因果關(guān)系，成為AI 時代最有價值的單一資產(chǎn)之一。

這一趨勢，也體現(xiàn)在許多AI 原生應(yīng)用中。

比如，Granola、Abridge等 AI 筆記產(chǎn)品，已經(jīng)不滿足于“記錄內(nèi)容”，而是通過理解語言、提取結(jié)構(gòu)化信息、識別意圖，從記錄工具升級為知識與決策助手。

還有，Decagon、Sierra AI等AI客服公司也在探索高度定制化的智能體，讓其不僅承擔(dān)支持職能，甚至成為產(chǎn)品體驗(yàn)和收入增長的一部分。

總體來說，AI 的價值并不在于替代某個具體功能，而在于它具備了對業(yè)務(wù)語境的理解能力。

不同于傳統(tǒng)軟件只能沿著預(yù)設(shè)規(guī)則運(yùn)行，AI 可以在動態(tài)信息中判斷意圖、權(quán)衡取舍，并據(jù)此決定下一步行動。

正是這種對業(yè)務(wù)本身的理解能力，使得決策與流程不再必須固化在軟件內(nèi)部，而可以上移到AI 智能體層。

相應(yīng)地，原本承擔(dān)業(yè)務(wù)邏輯的系統(tǒng)開始退居為執(zhí)行與存儲工具，在關(guān)鍵場景中被 AI 部分、甚至整體替代。

軟件“變薄”，系統(tǒng)“變厚”

雖然AI 對 SaaS 的沖擊已經(jīng)成為共識，但市場正在犯的一個典型錯誤，就是把所有“軟件”當(dāng)成同一種生意來定價。

事實(shí)上，軟件公司之間的差異，可能比軟件公司與制造業(yè)公司之間的差異還要大。

紅杉合伙人康斯坦丁·布勒的判斷，提供了另一個視角：AI 未必會摧毀 SaaS，反而可能加速企業(yè)級整合，讓頭部公司的護(hù)城河更硬。

他拿Freshworks 和 ServiceNow做了一個對比。前者長期以更低的工程成本和更快的產(chǎn)品迭代為賣點(diǎn)，但依然很難撼動后者在ITSM 領(lǐng)域的主導(dǎo)地位。

原因很簡單，在企業(yè)的決策系統(tǒng)里，性價比并非唯一核心因素，高層關(guān)系帶來的確定性，圍繞產(chǎn)品形成的認(rèn)證與實(shí)施生態(tài)，以及大企業(yè)遺留系統(tǒng)的集成慣性都可能影響最終決策。

同時，他也坦言，產(chǎn)品主導(dǎo)型增長（PLG）可能在AI時代面臨更大挑戰(zhàn)。

PLG本質(zhì)是低門檻試用、高易用性，但AI讓構(gòu)建好產(chǎn)品變得更容易，反而削弱了其獨(dú)特性。相比之下，企業(yè)銷售導(dǎo)向的“人類護(hù)城河”在信任、整合和培訓(xùn)上的優(yōu)勢，短期內(nèi)更難被替代。

理解這一點(diǎn)后，再回頭看這輪軟件股的集體下跌，與其反復(fù)討論“AI 會不會殺死 SaaS”，不如換一個問題：在 AI 時代，哪些軟件公司還能活下來。

圍繞這個問題，海外投資分析師Daniel Pronk 給出了一個頗具參考價值的分類框架。

簡單來說，Daniel Pronk 把軟件公司分為三類：通用軟件、垂直軟件、生成式軟件。

通用軟件很好理解，就是幾乎所有公司都能用，Salesforce就是代表公司。

它們的很多價值停留在“數(shù)據(jù)可視化與編排”，搭漂亮的儀表盤，連接幾個工作流，做下權(quán)限協(xié)作。

但在AI時代，這些曾需要昂貴的工程師建造的“表層任務(wù)”，正在迅速壓縮為一種低價值商品。，AI最擅長的就是通過自然語言直接接管這些表層交互。

當(dāng)點(diǎn)擊式儀表盤被形態(tài)取代時，通用軟件極易從“中樞”轉(zhuǎn)化為“被調(diào)用的底層數(shù)據(jù)庫”，失去定價權(quán)。

而垂直軟件只服務(wù)特定行業(yè)或細(xì)分場景，對其他行業(yè)幾乎無用，比如公用事業(yè)計(jì)費(fèi)、醫(yī)療某科室流程、地方政府監(jiān)管系統(tǒng)。

這類軟件的護(hù)城河在于，嵌入產(chǎn)業(yè)的深度。當(dāng)AI進(jìn)入這些這些系統(tǒng)，但更可能先以增量方式提升效率，而不是正面推翻底座。

所以，對這類公司而言，AI 更像一次生產(chǎn)率工具的升級，而不是對商業(yè)模式的否定。

市場會擔(dān)心“代碼更便宜導(dǎo)致競爭更多”，但很多縱向領(lǐng)域的真實(shí)約束是：市場太小、責(zé)任太重、客戶太保守，足以過濾掉大部分輕量競爭。

生成式軟件的風(fēng)險(xiǎn)最直觀，它們的價值就是“生成”。當(dāng)?shù)讓幽Ｐ妥儚?qiáng)，生成能力會擴(kuò)散到更多場景，甚至成為平臺內(nèi)置的默認(rèn)功能。

比較典型的公司就是Adobe。在Daniel看來，Adobe們必須回答一個嚴(yán)峻的問題：

當(dāng)核心能力被底層模型通用化主導(dǎo)時，工具本身就失去了溢價權(quán)。如果模型進(jìn)步到能一鍵生成并剪輯視頻，創(chuàng)作的入口靠什么式非留在Photoshop里？

多鄰國也同樣如此。雖然Daniel 將它歸入縱向軟件，因?yàn)樗?wù)于明確的教育場景。但從價值交付方式看，它更接近生成式軟件，持續(xù)生產(chǎn)和分發(fā)學(xué)習(xí)內(nèi)容。

這也決定了它在AI 時代所面臨的風(fēng)險(xiǎn)類型。多鄰國真正的挑戰(zhàn)來自，內(nèi)容生產(chǎn)成本的系統(tǒng)性下移。當(dāng)大模型可以以極低成本生成結(jié)構(gòu)完整、難度可調(diào)、反饋即時的語言學(xué)習(xí)內(nèi)容時，課程本身將不再稀缺。

在這種情況下，進(jìn)入門檻顯著降低，競爭者的數(shù)量可能迅速增加。多鄰國的優(yōu)勢將從“內(nèi)容與產(chǎn)品能力”，轉(zhuǎn)向品牌、分發(fā)效率和用戶習(xí)慣的粘性。但這些優(yōu)勢能否在內(nèi)容高度同質(zhì)化的環(huán)境中持續(xù)轉(zhuǎn)化為付費(fèi)意愿，仍有不確定性。

生成式軟件要活下來，必須把自己變成關(guān)鍵的工作系統(tǒng)：資產(chǎn)管理、協(xié)作、權(quán)限、版本、合規(guī)、工作流以及行業(yè)生態(tài)，只有這些與組織協(xié)作緊密綁定的部分，才更難被免費(fèi)能力替代。

幾乎可以確定的一個趨勢是，軟件正在“變薄”，而系統(tǒng)正在“變厚”。

這一輪軟件股的暴跌，并不意味著軟件行業(yè)的終結(jié)，而更像一次殘酷但必要的撥亂反正。它宣告了那個“靠堆砌功能就能換取高估值”的時代正在結(jié)束。

在AI 時代，真正能活下來的軟件公司，必須回答一個更本質(zhì)的問題：在算法和算力之外，你是否仍然掌握著某種不可替代的東西——對行業(yè)規(guī)則的理解、對復(fù)雜系統(tǒng)的治理能力，以及與客戶長期綁定的信任關(guān)系。

歸根結(jié)底，市場正在重新定價的，并不是“軟件”這個概念本身，而是軟件背后的價值：

你賣的，究竟只是功能，還是一種無法被輕易遷移的結(jié)構(gòu)性關(guān)系？

文/林白

PS：如果你對AI大模型領(lǐng)域有獨(dú)特的看法，歡迎掃碼加入我們的大模型交流群。