在人工智能的剧烈冲击下，SaaS行业正经历一场前所未有的信任危机。过去一段时间，市场中关于“SaaS末日”的恐慌情绪不断蔓延，许多老牌软件公司的股价遭遇重挫。投资者们集体陷入焦虑：如果AI能够自动完成大部分企业任务，那些依赖高昂订阅费生存的SaaS公司，是否会彻底走向消亡？
今年3月6日，知名投资机构a16z与软件公司Atlassian的CEO Mike Cannon-Brookes就此进行了深度探讨。他们的核心观点相当明确：那些无法适应新定价模型和人机交互范式的SaaS企业确实会被淘汰；但反过来，那些掌握了企业核心业务逻辑的系统，反而会借助AI构筑起更深的护城河。
我们梳理了这场精彩访谈的重点信息。
1. 软件的本质跃迁：从静态文件柜到主动执行者
纵观1960年到2022年的软件发展史，从早期的IBM Sabre航空预订系统，到后来的CRM和ERP，其本质都只是在做一件事：把现实世界中的实体文件柜变成了数字化的数据库。
过去的软件是被动的。无论界面多么精美，它依然需要人类员工去主动检索文件、阅读信息并执行操作。但在AI时代，情况发生了根本性改变——这些“文件柜”第一次具备了自主思考和执行任务的能力。
未来的软件不再仅仅是记录数据的容器。例如，过去的QuickBooks只是让财务人员从中提取收据来做账；而在AI加持下，QuickBooks可以直接自主完成对账和催款等任务。从被动存储向主动执行的跨越，是这一轮软件革命的真正核心。
2. SaaS的生存概率：取决于定价模式与业务深度
市场之所以无差别地抛售SaaS股票，是因为许多投资者没有看透不同SaaS公司之间的底层差异。a16z的合伙人Alex指出，面对AI冲击，SaaS公司将出现严重的两极分化。
许多SaaS产品是按用户账号（Seats）收费的，并且这些账号直接与具体的工作产出挂钩。例如，一旦企业部署了AI客服系统，大部分终端问题能被直接解决，企业对人工客服账号的需求就会锐减。这类SaaS极度危险，如果不从根本上改变其商业模式，现有的订阅收入将面临毁灭性打击。
而像Workday这类人事、财务核心系统的处境则相对安全。它们虽然也按员工人数收费，但并不与某个具体员工的即时产出直接挂钩。更重要的是，它们不仅仅是一个数据库，更是企业数十年复杂业务流程、合规要求和隐性规则的集合体。AI不仅无法摧毁它们，反而会让它们变得更有价值。
例如，当企业要在Workday中录入一名新员工时，AI可以直接调用系统内的数据，自动完成背景调查和前雇主电话核实等流程。在这里，AI成为了核心系统的“能力放大器”。
3. Vibe Coding：是补充，而非颠覆
目前行业内有一种声音认为：既然普通人可以通过向AI下达自然语言指令（Vibe Coding）来自己写代码，那企业为什么还要花大价钱购买SaaS？自己动手开发一个管理系统不就好了吗？
Mike认为，这种想法完全脱离了真实的商业环境。真实的商业世界充满了无数极其复杂的边缘场景和特殊规则。例如，你可以轻易用AI写一个员工请假应用，但当你的印第安纳州分公司有员工休产假时，当地特殊的法律法规、税法差异该如何处理？
这些“隐性知识”已经深深嵌入在大型SaaS产品的底层代码中，是普通人无法通过几句提示词就能复刻的。因此，Vibe Coding的真正价值，绝不是去颠覆核心的SaaS软件，而是极大地降低长尾、个性化需求的开发门槛。
比如，公司的行政人员可以利用Vibe Coding，基于Workday的底层数据和规则，低成本地为自己的小团队开发一个会议室预订小工具。这不但不会取代核心SaaS，反而会使其在企业内部的粘性变得空前强大。
4. AI落地的最大瓶颈：产品设计与信任机制
技术界往往对大模型的参数和跑分极其狂热，但Mike指出一个关键事实：当前AI大模型的能力，已经远远超出了其实际被用户利用的价值。
如果开发者只给用户一个看似无所不能的空白聊天框，只会导致用户陷入“选择瘫痪”。要让AI真正融入工作流，需要类似于从PC端到移动端那样的革命性UI/UX设计。
而企业级AI落地的最大阻碍，往往是员工的不信任。想象一下，一个AI Agent在一秒钟内自动处理了15封邮件和审批，用户的本能反应恐怕不是开心，而是恐慌：“它到底发了什么？有没有出错？”
因此，优秀的AI产品必须设计合理的“断点”与“回路”。它需要允许用户在工作流中实时提问“你正在做什么”，并在关键决策前停下来征求人类的确认。只有在不打扰用户的前提下，建立起透明、可控的信任机制，AI才能真正成为可靠的生产力工具。
以下为a16z访谈实录精编
1. SaaS的风险水平已显著上升
Alex： 从1960年到2022年，软件的全部历史就是把文件柜变成数据库。第一个例子是1960年IBM与美国航空合作开发的SABRE系统。它取代了以前由众多秘书管理、存放在保险柜里的纸质预约系统。电子健康档案、Salesforce以及早期的CRM公司，本质上都在做同一件事。
这种做法有好处，但并没有让世界变得高效多少。以前如果要找某个员工的资料，你会让专人去人力资源部的文件柜里调取。现在数据都在Workday里了，但你得设安全官防黑客，需要IT人员给你配置账号。只有在跨地区协作时，效率提升才比较明显。
但本质上，从1960年到2022年的软件依然是静态的，因为文件柜本身不会思考。而如今AI领域正在发生的最酷的事情，就是文件柜可以自己干活了。比如QuickBooks现在可以独立完成对账任务，而不再仅仅依赖人类从系统里检索文件。
Erik： 这确实是个很好的切入点。大家现在都在讨论“SaaS末日”，这显然是指公开市场上正在发生的事情。为什么大家对此感到如此恐惧？我们该如何理解这一切？
Mike： 我认为，全世界目前都在试图弄清楚，在这个高度颠覆性的阶段，该如何对软件业务进行重新评级或估值。每个人对未来都有自己犀利的见解，描绘出两种极端的未来：对整个软件行业而言，要么极好，要么极坏。毫无疑问，目前的风险水平已经上升了。
从投资者的角度看，SaaS曾是一个非常稳定的类别。现在由于风险变高，人们会选择退后一步保持观望。他们其实是在揣摩其他投资者会怎么做，押注的是别人眼中的未来走向。
目前的恐慌有些脱离现实。大家总是在想：“如果AI在两三年内就能实现某个功能，那意味着什么？”这种担忧源于一种静态的思维方式，仿佛只有AI在变，而其他所有事情都将保持静止。
现实情况是，并非每一家SaaS公司都能在未来十年中繁荣发展。就像从桌面软件时代跨越到互联网时代一样，总会有一批公司未能成功转型。但我也认为，软件不会轻易消亡。对我而言，AI的崛起是我们业务中发生过的最好的事情之一。我们身处一个知识的世界，现在拥有了利用知识进行探索和行动的强大工具。
2. 三类SaaS公司的不同命运
Erik： Alex，你如何理解市场上正在发生的事情？
Alex： 我初步观察发现，目前市面上大概有三种不同类型的SaaS公司，但公开市场无法很好地区分它们。
在深入探讨之前，我想先谈谈定价心理学。丹·艾瑞里（Dan Ariely）在《怪诞行为学》里举过一个经典例子：半夜你被锁在门外，锁匠1分钟就帮你开了门，收费500美元，你会觉得不公平；但如果他折腾了9个小时才开门，你反而会感激并多付小费。这个例子说明，人类在某种程度上愿意为“努力的过程”而非“高效的结果”买单。很多定价策略关乎心理上的公平感。
回想我们是如何演变成SaaS模式的，比如按人头每月计费。你有500个账号，就比只有一个账号时付更多钱，尽管后台运行成本差不多。大家觉得这样公平。
基于此，我认为SaaS公司可以大致分为三类：
第一类，是你原本需要账号（Seats）来产出某些工作，但现在不再需要了。Zendesk是这里的典型例子。如果客户使用AI客服方案，他们需要的客服坐席可能就是零。对于这类公司，如果只针对现有产品按每月每账号收费，永远不做任何改变，那项收入流很可能会归零。但如果他们转向基于结果的定价，收入也可能会翻倍。除非发生改变，否则默认路径就是走向萎缩。
第二类，是按账号付费，但这感觉公平，且账号并没有绑定到某个具体产出结果上。比如Workday，它按员工人数收费。为什么这样收费？因为它感觉公平。GE的那些员工并不是在使用Workday来“生产”东西，但公司规模大、利润高，理应多付费。更重要的是，这类系统是企业的核心业务系统，AI不仅无法替代它，反而能成为它的放大器。例如，在招聘时，AI可以自动调用Workday中的数据去完成背景调查。
第三类，是处于中间状态的产品，比如Adobe。你可能需要更多或更少的账号，但情况既不像客服软件那样极端，也不像HR系统那样与产出完全脱钩。
除了这些，还有一种观点认为AI能编写所有代码，从而取代SaaS。作为一名资深开发者，我认为这很荒谬。这涉及到经济学家大卫·李嘉图提出的“比较优势”理论。更重要的是，许多企业软件承载的是经过数十年积累而成的、复杂的业务流程和隐性规则。这些规则并未公开，你无法通过几句提示词直接复制。
真正的核心业务系统、具有粘性、且内置了所有复杂边缘情况的软件，将会大有作为。它们将开始增加由AI自动完成工作的功能。当这一切发生时，它们的价值会不降反升。
Mike： 我赞同Alex的分析框架。我喜欢将其称为 “输入受限型”和“输出受限型” 流程。以Zendesk的客户服务为例，那是输入受限的。你的客户会提出固定数量的问题，你处理问题的速度关乎效率。如果你处理速度快了10倍，你并不会因此得到10倍数量的问题，因为客户总量是固定的。
而像创意、营销甚至软件开发，则是输出受限的。在这些领域，理论上我可以完成无限的任务，瓶颈在于我的创造力和能想到多少可以做的事情。在这些领域获取效率提升，才能真正产出更多价值。
3. “氛围编程”难以实现替代
Mike： 我觉得“氛围编程”（Vibe Coding）这件事很迷人。作为软件圈子里的人，感觉人们以后靠自然语言描述就能写代码，替换掉传统工具。但转念一想，如果我完全依赖它来搞定一整天的工作然后直接运行，那太可怕了。背后依然需要真正聪明的工程师兜底。
不可否认，我们看到内部在软件的可扩展性方面，通过使用AI编程获得了巨大提升。许多应用程序具有高度的可配置性。以前客户需要投入一支庞大的技术团队来完成定制开发，现在他们利用“氛围编程”的能力，就可以针对特定用例去高度定制应用程序。
比如，我想要一个为迈阿密团队开发的、包含特殊HR政策的会议室预订App。过去我肯定负担不起构建它的成本，但现在也许可以轻松做到。这个App在底层使用了Workday的全球数据和规则，但给了我一个非常定制化的界面。这非常强大，但它并不能完全取代Workday本身。
实际上，这让Workday这类系统在企业级市场中更具粘性也更有价值，因为你可以基于它构建所有这些定制应用。这就是AI和创造力的力量，使底层系统能更贴合我的具体需求。
4. 定价的“公平性”是关键
Alex： 这就是为什么我对定价的公平性感到好奇。以Salesforce为例，他们是按许可证收费的。我们公司大概有600人，可能就买了600个许可证。我其实从没登录过，但公司也为我付了费。然而我有时确实会使用它的输出，因为它是我们的客户关系记录系统。
现在像是进入了一个前端与后端逐渐分离的世界。Workday想出了一个聪明的定价策略：按员工数收费。为什么公平？因为GE的利润显然比一家10人公司多，支付更多费用对他们来说仍是九牛一毛。这种定价处于理想的黄金区间，几乎没人会质疑。
然而对于那些前端与后端已经分离的产品，什么是公平的定价模式？如果大家都在定制化的前端上构建东西，然后直接从底层数据库读取数据，这些类别是否会面临价格压力？
Mike： 我一直认为定价的公平性和客户观感非常重要。人们需要理解他们为何付费，并觉得所支付的费用与其使用情况相关联。
一家拥有1万名员工的公司购买Workday时，很可能要支付两倍以上的费用，因为他们业务具有两倍的复杂度，他们自己也认为这很公平。这里的核心在于，它不仅仅是一个数据库，它是一个数据库加上一组复杂的业务逻辑。这些业务逻辑就是护城河和价值所在。
现在的问题是，挑战在于这该如何定价。在讨论基于结果的定价时，我必须说，我绝对不认为它会成为所有SaaS软件的主流定价方式。当你与客户交流时，你会发现他们非常讨厌不可预测的账单。这与他们认为自己投入的价值无关。
例如，Splunk按日志量计费。如果我发送的日志量翻倍，我就得付更多钱。我明白逻辑，但日志量是由我决定的，我可以控制。这是相对可转移且可控的。
但许多基于结果或消耗定价的例子，作为客户我是无法控制的。AI Token的世界对客户来说就非常困难。他们会觉得不明白这种代币到底是什么。供应商可以增加新功能，让我的额度消耗一夜之间翻十倍，而我并没有主动要求。所以，当你和客户沟通，他们往往还是想要按账号计费。这可能是因为他们更理解这种模式，并且吃过按量计费导致账单飙升的亏。
5. 为什么在AI时代，建立客户信任如此艰难
Erik： 作为一名企业家，这对你来说最主要的体现方式是什么？你是如何改变业务的？
Mike： 我们的看法是，我们销售的是解决人类协作问题的工具。从根本上说，这些都是涉及大量文本的协作问题。这对我们非常有利。
技术世界往往趋向于重塑一切。但我们面临的挑战是，我们拥有大量以现有方式工作的客户。如今各种App中的工作流并不怎么智能。他们想要迈向未来，但同时也必须带动海量的现有用户。
所以当我们构建AI功能时，首先考虑这项技术是什么，以及它能如何帮助我们。其次，我们需要构建什么样的基础平台组件来应对快速变化。
这就是我们开发AI Gateway、团队协作图谱的初衷。你必须将这些基础能力与你在特定App中为客户构建的具体功能区分开来。
很多AI功能存在于现有的工作流中，旨在帮助客户更快、更好、更高效地完成现有工作。这听起来平淡无奇，但对于客户来说非常令人兴奋，因为他们现在就可以使用，现有的工作方式变得更出色了。
我常对内部人员说，光举一个例子不够，你需要利用他们现有的工作流程。例如在Jira中进行工单总结。当第四个人介入一个已有大量对话的工单时，总结功能可以帮他快速理解上下文。客户的工作流程没发生改变，但体验变好了。但这些功能通常不具备智能体（Agent）特性。
那么，我们可以在工作流的各个环节中加入智能体。大多数人正在处理一个工作流，然后发现某一步经常耗费大量时间。我们能让这一步变得更快吗？这绝对是我们必须为智能体框架提供的功能。
最后我想强调的是，我们在设计方面投入了大量精力。在任何对话中这一点总是被忽略。如果回顾移动互联网时代，第一批应用基本上只是将网页内容直接搬到手机上，然后我们才演进出了全新的交互模式，如下拉刷新。
我们现在有如此多的设计挑战需要解决。核心是帮助普通用户理解AI能做什么。他们并不想深究技术细节，想要的是AI带来的结果。我们的工作就是隐藏复杂性，直接把结果交给他们。
现在说模型能力领先于实际交付价值几乎是陈词滥调。未被利用的潜能巨大。这其中的一部分实际上在于设计和体验。给人们一个拥有无限能力的聊天框，他们却只会说“给我讲个冷笑话”。这就像是拥有无限力量，但很难帮助他们利用。
这也是我们面临的巨大挑战：如何将智能体及其所有能力引入工作流和协作循环中，并让人类与智能体协同工作。
Alex： 这确实还是一个悬而未决的问题。未来的理想交互方式显然既不是单纯点击鼠标，也不是不断重新输入提示词，它更像是两者的结合。只要工具是为人类服务的，就一定离不开人类的参与。你需要让用户能够直观地深入理解模型内部的运作逻辑，无论是出于建立信任，还是为了方便修改。这本质上是一个设计问题，我们正处于这一探索的最早期阶段。
Mike： 我想举一个文档编写的例子。知识工作者几十年来都习惯了以固定模式写文档：打开空白页面，输入标题、打字、列表格。现在我们推出了“Create with AI”功能，你可以从一个提示词开始，让AI根据模板生成内容，甚至让它先去调研。
但要改变用户根深蒂固的习惯非常困难。现在的界面可能变成左右两部分，左边是文档，右边是聊天窗口。想象一下这是一个只能通过对话来排版的Word。我们需要鼓励用户：“你可以直接在左边修改文本，也可以在右边输入指令。”
当我们观察那些高级用户时，发现他们非常享受这种模式，能熟练地在两种操作间切换。他们可以下达全局指令，比如“把所有标题变成蓝色”。但对于普通商务用户来说，他们的第一反应往往是困惑：“所以我只需要在左边打字就行了？”
这实际上是一场深刻的范式转移。我怀疑随着AI工具普及，大概两到五年后，这种全新的交互方式会变得非常普遍。就像大家第一次看到Excel时也会茫然一样。
我们面临的最大挑战，就是如何将所有强大的AI能力自然地融入到极简的界面中，协助人们调用整个组织的知识来工作。我知道这在底层算法上是可行的，但要通过优秀的体验设计来引导用户接受它，依然充满挑战，也令人无比兴奋。
面对这一轮技术更迭，我们无需为SaaS行业的阵痛而过度悲观。AI在商业软件中的终局，不是建立一座全知全能、彻底淘汰人类和现有系统的神殿，而是像水电一样，深深地融入到现有的工作流与核心业务逻辑中。在这场变革中，懂得利用AI重构交互、深挖业务逻辑壁垒的软件公司，将迎来新的机遇。对于开发者而言，紧跟 人工智能 与 数字化转型 的趋势，深入理解业务，比任何时候都更为重要。如果你想了解更多关于 Agent 设计与企业软件未来的讨论，欢迎在 云栈社区 继续交流。
发表于 前天 09:46
|
查看: 25|
回复: 0
