AI 时代软件价值的重构

[最佳拍档]: 大家好，这里是最佳拍档。当 AI 技术已经能批量生成软件代码，当各种代码辅助、工程自动化工具层出不穷，企业软件的价值究竟在哪里？曾经被奉为圭臬的护城河，在 AI 时代是否还依然存在？如果不是，那企业软件的新护城河又该如何构建？

最近，MongoDB 的首席执行官 CJ 德赛 (CJ Desai) 在 No Priors 播客 2026 年的首场直播活动中，与知名风险投资人 萨拉·郭 (Sarah Guo) 展开了一场深度对话。这场对话被业内视作解读 AI 浪潮下 SaaS 价值重构、企业软件发展方向的关键内容。德赛是硅谷公认的顶尖产品战略专家，他现任 MongoDB 的 CEO，此前还长期担任 ServiceNow 的总裁兼首席产品官，也曾经在 Cloudflare 等顶尖科技公司出任要职。在推动企业级软件架构转型、平台化战略及 AI 与数据基础设施融合方面，拥有卓越的领导力和深厚的行业洞见。

在这场对话中，他结合自己多年的从业经验，给出了一个掷地有声的答案：平台化才是企业软件唯一的护城河，单点工具必将被 AI 颠覆。今天，我们就来完整拆解这场对话的核心观点。首先，我们要回答一个最核心的问题，也是萨拉·郭在对话开篇就向德赛提出的问题：当我们可以生成大量软件的时候，软件本身的价值到底在哪里？

这个问题不仅是投资人日常思考的核心，也是整个技术生态都在反复探讨的话题。毕竟从技术发展的脉络来看，企业软件已经走过了多个时代，从大型主机时代到互联网时代，再到如今的 AI 时代，每一次技术范式转移都会重新定义软件的价值。德赛认为，这是一个非常犀利但又必须直面的问题。而要回答这个问题，首先要想清楚的是，企业软件真正的护城河到底是什么。

在行业中，有一些坊间说法，比如“我的护城河是和客户的关系足够好”，或者“我的渠道能力非常强”。但在他看来，这些都不是 AI 时代企业软件的核心护城河。真正重要的是速度。当技术发生范式转移时，企业是否能以最快的速度推进技术构建，是否能在转型过程中持续学习、持续进化，是否能顺应平台变革，快速拥抱并借力新技术。

我们可以回顾一下科技行业的历次转型，不管是互联网对传统软件的颠覆，还是 2010 年初 Meta 向移动端的关键转型，核心都是企业的转型速度。谁能更快地跟上平台级的变化，谁就能占据先机。而一旦在这场技术竞赛中落后，投资者和客户都会抛出同一个问题：贵公司的未来何在呢？这是所有企业软件公司都无法回避的拷问。当然，德赛也强调，技术转型的过程中，并非每一次押注都会成功，这是行业的常态。但那种认为部分软件的终极价值会归零的极端说法，其实被严重夸大了。软件行业的发展从来不是简单的替代与归零，而是迭代与重构。AI 的出现是重构而非颠覆，这一点是我们理解企业软件价值的基础。

平台化 vs. 单点工具

[最佳拍档]: 聊到软件的价值和护城河，就不得不提企业软件行业一个核心的分歧：到底是做平台，还是做单点工具呢？萨拉·郭在对话中也将这个问题抛给了德赛。她以 ServiceNow 为例，这家公司一直被认为是最具持久力的企业软件公司之一，但如今这个判断也开始受到挑战。而对于很多具有工程师思维的人来说，将客户粘性、分发能力作为护城河，这些说法都太过抽象。他们更想知道的是，平台对客户来说到底意味着什么，单点产品的局限性又在哪里。

德赛给出的核心观点非常明确：平台是有黏性的，而产品不是。单点产品本质上都是可以被替换的，这一点在 AI 时代会表现得更加明显。他分享了一个来自 ServiceNow 的细节，ServiceNow 的 弗兰克·斯拉特曼 (Frank Slootman) 过去常说一句话：“tools are for fools”，也就是把自己的东西称作工具从来都不是好信号。

之所以有这样的说法，核心原因在于软件行业本身是一个变化极快、不断被颠覆的市场。单点工具的核心竞争力往往是某个单一的功能或用例，而在 AI 能快速生成同类工具的时代，这种单一的竞争力很容易被超越，客户替换起来几乎没有成本。而平台则完全不同。当企业将自己定位为平台时，面对客户的销售周期可能会更长，因为平台合作不是简单的替换现有工具，而是客户经过深思熟虑做出的重要决策。这种决策背后，是客户愿意将自身的业务系统与平台进行深度融合，而这正是平台黏性的来源。

当然，德赛也并不否认单点产品的价值。他认为任何平台型企业最初都需要一个切入点，一个真正的杀手级用例。比如 ServiceNow 最初的切入点是 IT 服务台，这个颠覆性的用例能让企业轻松进入客户视野，获取第一批用户。但问题在于，如果你依靠单点用例进入客户体系，那么客户未来替换你也会同样轻松，因为他们并没有围绕你构建太多的业务系统和集成关系。

这种单点产品的模式，在企业发展的早期，比如从 0 到 1000 万营收、从 1000 万到 1 亿营收的阶段，也许是行得通的。但是当企业想要向更高的规模迈进，比如从 1 亿到 10 亿、从 10 亿到 50 亿，甚至到 100 亿以上时，就会变得越来越难。这也是为什么软件行业发展了这么多年，诞生了无数聪明的创业者和公司，但真正能做到纯软件收入超过 100 亿美元的公司却只有个位数。因为真正的平台型企业实在是太稀缺了。

真正的企业级门槛

[最佳拍档]: 一家企业软件公司想要从单点产品升级为平台，核心标志是什么呢？德赛给出了一个明确的答案，他说：你的客户至少在使用你两种以上的产品，而且这些产品彼此之间能协同工作，从技术层面形成真正的黏性。更进一步，客户还愿意把你的平台与他们现有的大量系统做深度集成。

而真正的企业软件市场，真正的可服务总市场 (TAM)，其实就在财富 500 强的这些大型企业之中。这些企业往往拥有几十年甚至上百年的发展历史，自身的业务系统错综复杂。他们对于技术合作的需求从来都不是一个单点工具，而是能与现有系统深度融合、支撑多业务场景的平台。如果用单点产品的思维去服务这些大型企业，最终一定会触顶。企业只能不断叠加新的功能和产品，却始终无法与客户建立深度的绑定关系。而平台则能解决这个问题，因为平台的多产品协同能力以及与客户现有系统的打通能力，会让客户用得越多，黏性越强，最终融入到客户基础设施的底层之中。

德赛在对话中分享了一个非常具体的 MongoDB 的客户案例，让这个观点变得更加具象。他曾经代表 MongoDB 与一家大型银行进行交流，了解到这家银行已经将商业银行的核心应用运行在 MongoDB 之上，同时还基于 MongoDB 构建了大量的系统集成，完成了所有的安全检查、治理等工作。他当时问对方的 CTO：“你们在 MongoDB 上构建了多少个应用？”对方最初只说很多，而且都很关键。在他的追问下，这位 CTO 在伦敦的交流中给出了具体的数字：300 个。而当他继续追问总数是多少时，对方的答案是 9000 个。

这家银行总共有 9000 个应用，其中 300 个核心应用都构建在 MongoDB 之上。而这位 CTO 当时的一句话也道出了平台的核心黏性：“CJ，别担心，我们哪儿也不会去。”这个案例完美印证了平台的价值。客户在 MongoDB 上投入的开发、集成、治理成本，让他们形成了深度的绑定。而对于 MongoDB 来说，客户的 9000 个应用也意味着巨大的业务机会。这就是平台化带来的双赢。

在 AI 时代，还有一个被很多人提及的观点，那就是随着 Vibe Coding、工程自动化和代码生成能力的发展，大型企业未来会自己按需生成软件，做出完全符合自身需求的系统。届时不仅横向的标准化应用会被取代，甚至连垂直行业的应用都会变少，企业软件公司的市场会被大幅压缩。萨拉·郭也将这个问题抛给了德赛，想知道他如何看待这种观点。

在德赛看来，这种观点其实忽略了企业级市场的真实门槛。Vibe Coding 确实能让开发者快速做出一个应用，甚至结合 MongoDB 这样的工具还能进一步提升开发速度。但是做出应用和把应用卖给大型企业，尤其是银行、医疗、公共部门这类高监管行业的企业，是完全不同的两件事。他认为，想要进入企业级市场，首先要解决的是触达问题，也就是 Go-to-market 的渠道。你要怎么接触到这家大型银行的决策层？你的产品真正的颠覆性到底在哪里？

而更重要的是，大型企业尤其是银行这类金融机构，会提出一系列严苛的企业级要求，这些要求是 Vibe Coding 生成的简单应用根本无法满足的。比如银行的业务系统需要面对大量的监管机构，他们会问：这套系统能不能通过监管测试？系统的韧性如何？如果你的系统只部署在 AWS 上，那绝对不行，银行需要同时在 GCP、Azure 等多个云平台上运行，需要多云弹性。还有的银行会要求核心应用必须跑在本地部署环境，而且是真正的物理隔离网络，这是数据安全的基本要求。

这些都是企业级客户的核心需求，也是真正的可服务总市场的核心所在。你的产品到底是不是一个企业级应用，能不能满足这些高要求，决定了你能否真正进入大型企业市场。所以说 Vibe Coding 等 AI 工具确实降低了应用开发的门槛，能让创业者快速做出有颠覆性想法的用例，但从 Go-to-market 的角度来看，想要真正打入大型企业市场，还需要解决大量的问题，比如监管合规、多云部署、本地隔离、安全审计、治理流程等等。这些问题才是企业级市场真正的门槛，也是 AI 暂时无法替代企业软件公司的核心原因。

数据基础设施：软件栈的常量

[最佳拍档]: 聊到这里，萨拉·郭又提出了一个非常实际的问题：基于在 ServiceNow、Cloudflare 这些平台型存量巨头公司的工作经验，如果今天站在这些大型企业软件厂商的角度，在未来五到十年里，真正通往成功的路径是什么呢？还有哪些关键点是投资人群体目前还没有真正理解的呢？

德赛的回答首先给所有平台型企业吃了一颗定心丸：这些平台型公司的可服务总市场依然存在，而且仍然很大。在他看来，对于企业软件公司来说，最可怕的事情不是技术变革，而是自己的可服务总市场在缩小，或者突然变得不再重要。而平台型企业的核心优势就是市场的持久性和规模性。而在此基础上，企业想要在 AI 时代取得成功，核心就一句话：你必须非常非常清楚自己真正的护城河是什么，并且要保护好这个护城河，甚至要借助 AI 把它进一步强化。

不管企业的护城河是什么，是与大型医疗公司 50 个不同系统的深度集成，还是在某个垂直行业的全场景解决方案，都可以借助 AI 做两件事：一是强化现有的护城河，比如把 50 个系统的集成扩展到 100 个，让客户的绑定关系更加紧密；二是利用 AI 快速为更多用例创造新的产品，拓展新的业务场景。

而这里有一个关键的点，那就是企业的创新必须与商业转化结合。你必须持续向市场证明，AI 正在帮助我们实现增长的再加速，帮助我们更快地创新、卖出更多东西。因为如果一家公司只说自己在更快地创新，却没有实现实际的商业增长，没有卖出更多的产品和服务，那么不管这家公司的技术有多先进，都必然会面临问题。这一点也是投资人真正关心的核心。

德赛表示，他经常和投资人交流，而投资人对于 AI 时代企业软件公司的判断标准非常明确：AI 是否会让这家公司实现增长的再加速？如果你能向市场展示出这种再加速的能力，展示出创新与商业转化的结合，那么投资人会持续看好；如果你无法展示这种能力，投资人可能会保持中立；而在一些极端情况下，投资人甚至会转为看空。所以对于企业软件公司来说，AI 不是一个单纯的技术概念，而是推动业务增长的工具。利用 AI 强化护城河、实现商业增长，才是核心目标。

接下来，这场对话的焦点转向了赛道选择。萨拉·郭提到，当前投资市场发生了一次很大的资金转向，不管是公开市场还是私募市场，资金都从传统的商业软件大量转向了 AI 基础设施、模型层以及超大规模云厂商。而数据基础设施和开发者基础设施这一层，并没有成为这轮资金迁移的重点。而德赛在职业生涯中，有过很多次选择的机会，他完全可以去做 AI 基础设施或者模型层的业务，却最终选择了 MongoDB，选择了数据基础设施这条赛道。萨拉·郭想知道，他当初是如何判断哪些赛道在长期内仍然会重要的，又是如何坚定地选择走平台化这条路的。

德赛坦言，有选择本身往往是最难的。他当时也可以继续留在 Cloudflare，这是一家非常优秀的平台型公司，但他最终选择 MongoDB，核心基于两个层面的判断，而这两个判断也正是他赛道选择的底层逻辑。

第一个判断是赛道是否存在一个足够持久的可服务总市场。他大学毕业后的第一份工作是在 Oracle，在那里他深入理解了 Oracle 如何扩展数据库平台，如何围绕数据库之上构建应用，如何在大规模并购之前实现有机增长，也了解到数据库平台、中间件、应用层的软件栈层级逻辑。而当他在 Cloudflare 工作期间，对数据库市场有了更深入的理解之后，发现这是一个拥有巨大且持久 TAM 的市场，而 MongoDB 恰好就处在这个市场之中。这是他选择的核心前提。

第二个判断是 MongoDB 在这个赛道中的颠覆性和行业地位。德赛在加入 MongoDB 之前做了大量的尽职调查，也和大量 MongoDB 的客户进行了深入交流。而一个让他非常意外的发现是，很多行业的关键任务级应用，无论是零售商的电商应用、商业银行的核心系统、医疗行业的诊疗系统，还是保险行业的理赔处理系统，都已经运行在 MongoDB 之上。这些应用都是企业的核心业务，一旦出现问题会直接影响企业的正常运营。而 MongoDB 能成为这些核心应用的技术底座，足以证明其技术实力和可靠性。

数据库行业本身非常悠久，Oracle 再过一年半就要庆祝成立 50 周年了，而 MongoDB 在 2007 年诞生，到 2026 年也就大约 18 年左右，却已经成为数据库行业中一股真正的颠覆力量。这背后是 MongoDB 对行业需求的精准把握，也是其技术的核心竞争力。

而除了这两个核心判断，德赛还发现了一个重要的行业趋势，那就是 MongoDB 已经成为了数字原生和 AI 原生公司的技术底座。他在和旧金山地区的一些公司交流时发现，2010 年到 2015 年左右出现的一批数字原生公司，以及现在新一代的 AI 原生公司，很多都是构建在 MongoDB 之上的。这个现象让他意识到，MongoDB 的产品特性恰好契合了新时代的技术需求。当年 MongoDB 的创始人在创建这家公司时，可能并没有完全预料到未来会充满如此多的非结构化数据，会需要极高的开发和迭代速度，还需要强大的搜索能力，而这些正是 AI 应用的典型特征。AI 的数据源本身是混乱且多样的，而 MongoDB 恰好非常适合处理这种非结构化的、复杂的 AI 数据，这也是 MongoDB 能成为 AI 原生公司技术底座的核心原因。

在此基础上，德赛还提出了一个重要的观点：数据基础设施是软件栈中永远的常量，是 AI 时代企业软件的核心底层设施。他认为，当下的科技行业正处于两个重要的转型过程中。第一个是云计算转型，这个转型从 AWS 诞生开始算起，到现在已经接近 20 年了。但是即便到了 2026 年，财富 500 强的公司依然在讨论要把百分之多少的应用迁移到 GCP、AWS、Azure，或者是这些云平台的组合。在欧洲市场，还会涉及阿里云等其他云平台的选择。这意味着云计算转型仍然在进行，而且还会继续。第二个转型就是 AI 转型，而这个转型才刚刚开始。和云计算一样，AI 转型也会持续很长的时间。而在这两个转型过程中，数据库这一层是企业无论如何都必须拥有的一层，因为数据是所有应用的核心，是 AI 的燃料。数据总得存储在某个地方，而数据基础设施就是负责数据存储、管理处理的核心载体。这也让数据基础设施成为了一个具备巨大 TAM 且几乎没有被颠覆风险的关键赛道。

而 MongoDB 的前任 CEO 戴夫 (Dave Ittycheria) 也曾经对德赛说过一句话让他印象深刻。戴夫说：“很多人都尝试过去创造下一代的数据库，或者说下一个颠覆性的数据库，但是没有人能做到收入突破 10 亿美元，更别提 20 亿美元了。而 MongoDB 做到了。”这句话也印证了 MongoDB 在数据基础设施赛道的独特性，也让德赛更加坚定了自己的选择。

AI 在大型企业的真实落地现状

[最佳拍档]: 在聊完赛道选择之后，对话又回到了投资人的焦虑上。萨拉·郭表示，当前的投资人群体整体处于一种焦虑的状态。他们对 SaaS 应用感到焦虑，因为应用的构建方式在 AI 时代快速演变；他们对数据基础设施也感到焦虑，担心价值会被 AI 稀释；同时，他们对 AI 原生公司也感到焦虑，因为担心所有的价值最终都会集中在大语言模型这些模型层之中。她想知道，在德赛看来，未来哪些方式下的应用会真正有价值，能让投资人摆脱这种焦虑，重新建立信心。

德赛认为，2022 年是软件行业的一个关键节点，尤其是 ChatGPT 在 2022 年秋季发布之后，到如今已经走过了三年多的时间。在这之前，软件行业的发展相对比较静态，而在这之后，软件行业的发展速度被彻底加快，软件的未来也开始面临广泛的质疑。这种质疑不仅来自投资人，也来自客户。客户会不断问自己：“我该用 X 还是 Y 呢？”而这个节点，也成为了软件栈上的一个关键转折点。

而想要判断未来的应用价值，首先要分清软件栈中的“常量”和“变量”，也就是哪些部分是永远存在的，哪些部分是持续演化的。在他看来，软件栈中有两个核心的常量。第一个是大语言模型。在可预见的未来，大语言模型都会存在，尤其是当企业真正构建依赖这个软件栈的 AI 应用时，模型是核心的技术底座。而且这个领域还在持续创新，比如 xAI 这样的公司，从无到有发展得相当好。未来模型也会持续存在于 Agent 化的软件框架中。第二个常量就是数据层，也就是我们之前聊到的数据基础设施。因为数据是所有应用的核心，不管是传统应用还是 AI 应用，数据总得存储在某个地方。数据的管理、处理、分析也需要专业的基础设施。所以数据层是必然存在的，这也是他一直坚定看好数据基础设施赛道的原因。

而除了大语言模型和数据层这两个常量，软件栈中其他一切环绕在这两层之上的东西，也就是顶层的应用用例，都会不断演化。这也是软件行业创新的核心领域。而这些顶层应用想要真正有价值，核心就是要展示出真实的、可落地的价值。无论你是做平台化的解决方案，还是在软件栈的顶层聚焦某个具体的垂直用例。比如，如果你是在为保险行业打造 AI native 公司，保险行业有大量不同的用例，从核保、理赔到客户服务，每个用例都有不同的需求。你要做的就是让客户能从旧的 SaaS 系统平滑迁移到新的 AI 原生系统，并且这个新的系统能够实现极快的价值体现，比如提升核保效率、降低理赔风险。只有这样，才能在竞争中始终保持领先。而 AI 的出现也让很多在旧 SaaS 系统中认为不可能的事情变得可能，这正是顶层应用用例的创新机会。

作为 MongoDB 的 CEO，德赛的客户覆盖从初创公司、个人开发者到财富前 10 强的大型企业，几乎涵盖了所有类型的客户。萨拉·郭因此想知道，他从这些最大公司的开发者和采购方那里听到的关于 AI 价值的真实看法是什么。这些大型企业现在对 AI 最兴奋的点是什么，又对哪些方面持怀疑态度。

德赛给出了一个非常重要的工作原则：如果他一周至少没有跟 10 个客户交流，他就觉得这一周完全失败。当然，这需要大量的准备和后续跟进工作，但通过这种高频的客户交流，他能不断获取第一手的市场数据，并且尝试对行业现象进行模式匹配，而这也是他能精准把握市场需求的核心原因。基于这些交流，他总结出了大型企业对 AI 的真实反馈。整体来看，财富 500 强这些大型企业的 AI 落地推进速度其实并不算快，而且在不同的应用场景，反馈呈现出明显的分化。

第一个场景是办公生产力类的 Copilot。这是很多企业最早尝试的 AI 应用，比如用自然语言生成 Excel 公式、制作 PowerPoint 幻灯片等等。但是从客户的反馈来看，他们从这类应用中获得的价值并不明确，甚至可以说价值偏低。这也是为什么这类应用在大型企业中没有得到快速推广的核心原因。

第二个场景是代码辅助。这是 2024 年开始有明显进展，而且在 2025 年实现突破性发展的领域。从最初的 GitHub Copilot 到 Claude Code，都在大型企业中得到了广泛的应用。而德赛从客户那里得到的反馈也非常积极。客户表示，这些代码助手不仅提升了开发速度，还在创新能力、代码安全性等方面带来了明显的提升。这也是目前大型企业对 AI 最兴奋的领域，因为它的价值是实实在在可以感知和量化的。

第三个场景是客户支持。这是目前大型企业仍然在尝试和探索的领域，还没有实现规模化的落地。比如一家大型电信公司或医疗公司，是否能让 AI 原生公司的产品完全接管客户支持呢？答案显然是否定的。这些企业目前只是将 AI 应用在客户支持的一些初步用例中，比如智能问答、工单分类等等。但是要实现端到端的客户体验， AI 还远远不够，因为客户支持中会涉及大量的复杂场景和个性化需求，需要人的参与和判断。这也是大型企业对 AI 在该领域应用持谨慎态度的原因。

记录系统的替代与自建趋势

[最佳拍档]: 而除了场景上的分化，大型企业对 AI 还有一个核心的疑问，那就是在引入 AI 原生产品时，应该把它当作一个“and”，还是一个“or”。也就是，是将 AI 原生产品叠加在现有的记录系统之上，还是用 AI 原生产品直接替代现有的记录型系统。

比如在客户支持领域，很多企业已经有了 Salesforce 这样的记录系统。当出现一个声称能解决客户支持问题的 AI 原生公司时，企业会纠结：是在 Salesforce 的基础上叠加 AI 功能，还是直接用 AI 原生产品替换 Salesforce 呢？这是一个非常现实的问题，也是德赛几乎每天都会和客户探讨的问题。而德赛给出的观点是：企业其实是愿意接受直接替代的，前提是这个 AI 原生产品能展现出足够的价值。

他表示，作为企业领导者，如果有一家公司说“我能完全替代你的现有系统，而且更便宜、更快、更好，定价方式也能颠覆现有模式，让你得到的价值匹配你支付的费用”，那么他一定会认真听这家公司的方案。而这个观点也打破了行业中的一个传统认知，即认为记录系统已经深度嵌入到了企业内部，新的产品只能做切入口或者在其之上加一层，而无法直接替代。

德赛还分享了一个真实的案例印证了这一观点。他在前些天的纽约 NRF 大会上和一家欧洲零售商进行了交流。这家零售商此前尝试过很多传统的记录系统来做 ERP 系统，但是这些系统的实施成本非常昂贵，而且失败的案例很多。从供应链管理到财务系统，都出现了各种各样的问题。最终，这家零售商决定自己投入资源来构建 ERP 系统，而这个系统的技术底座正是 MongoDB。

这个案例说明，当传统的记录系统无法满足企业的需求时，企业愿意放弃现有的解决方案，基于更适配的平台自建系统。而这也为 AI 原生产品和平台型企业提供了新的机会。尤其是在数据层，传统的数据库比如 Oracle 难以处理 AI 时代的非结构化数据，而像 MongoDB 这样的新型数据基础设施恰好能满足企业的新需求。这也是其能成为企业自建系统底座的核心原因。

产品领导力：看到拐角的能力

[最佳拍档]: 这场对话的最后，萨拉·郭将话题转向了领导力。她认为德赛不仅是一位优秀的 CEO，更是一位非常出色的产品人，而且在她认识的十年里，德赛谈论商业战略的频率比很多产品人都高得多。她想知道，作为一个产品和工程背景的人，他是从什么时候开始思考护城河、客户购买方式这些商业问题的，而出色的产品人又应该具备哪些核心的领导力特质。

德赛表示，他的商业思维和产品领导力最早可以追溯到 2005 年左右在 Symantec 工作的时期。当时的 CEO 约翰·汤普森 (John Thompson) 教会了他很多核心的道理，而这些道理也成为了他职业生涯中坚守的原则。约翰·汤普森对与客户互动、向客户销售、为客户服务的标准都非常高。他教给德赛最核心的一点是：当你和客户交流时，不仅要问他们“我们如何能更好地为你服务”，还要问他们“还有哪些其他问题、痛点是你们正在经历的”。而且，这种交流不能是远程的，而是要亲自去见客户，和他们面对面沟通，真正去理解客户的业务场景和需求。因为只有这样，才能“看到拐角”，也就是提前预判行业的趋势和客户的潜在需求。而这正是出色的产品人最核心的能力。

约翰·汤普森还给了他一个最重要的建议，也是他一直坚守的原则，那就是：除非你一直和客户交流，否则你不可能成为出色的产品和工程人员。这里的“一直”是关键，因为高频的客户交流不仅能帮助产品人做市场现象的模式匹配，还能让他们洞察未来的发展方向，让产品的研发不再是闭门造车，而是真正贴合市场需求。

德赛表示，即便 MongoDB 已经有了成熟的平台化战略，他依然会坚持和客户面对面交流。而这样的交流也总能带来新的业务机会。比如他在纽约 NRF 大会上见了一家零售商的 CTO，对方表示他们的电商应用完全运行在 MongoDB 之上，电商收入占公司总收入的 20%。而德赛在交流中发现，这家公司竟然没有使用 MongoDB 的搜索功能，甚至不知道 MongoDB 还有向量搜索这样的核心功能。而这次交流之后，MongoDB 的团队就开始和这家公司进行跟进。这就是客户亲密度带来的机会。

在德赛看来，很多产品人存在一个误区，就是认为产品做好了客户自然会来。但实际上，这种想法在企业软件行业根本不成立。企业软件的产品价值不是产品人自己定义的，而是客户定义的。只有和客户保持深度的交流，才能知道客户是如何考虑部署你的产品的，部署需要多久，他们期望获得多少价值。而这些信息会反过来指导产品的研发和迭代，让产品更贴合市场需求。同时，和客户的深度交流也能让产品人理解商业的本质，比如销售团队应该如何出现在客户面前，如何给客户定价，如果出现系统故障或中断，应该如何在危机中应对客户。这些经历会让产品人变得更加脚踏实地，也能让产品的研发和企业的商业战略更好地结合。

变革管理：避免虚假的 AI 转型

[最佳拍档]: 萨拉·郭还提出了一个企业软件行业的痛点：很多 SaaS 和基础设施公司都无法实现从单一产品扩展到多产品的跃迁，也无法顺利完成技术转型，比如从云转型到 AI 转型。她想知道，德赛认为是什么让一个产品和工程团队能成功应对这种转型，而另一些团队则失败了。

德赛的答案是，核心在于变革管理。也就是企业是否有主动拥抱新技术的意识和能力，是否能适应技术转型的节奏。他分享了自己在 ServiceNow 的经历。在 ServiceNow 早期讨论 AI 时，他和工程团队沟通，很多工程师的态度是：“哦，这只是外面的趋势，不太确定。”而他当时就明确表示，不主动参与 AI 转型不是一个选项。因为无论 AI 技术在两年后还是四年后成熟，这都是一个未来的平台，企业必须提前布局，主动探索，而不是被动等待。

他还举了一个经典的行业案例，就是诺基亚和黑莓的衰落。诺基亚的手机曾经做得非常好，黑莓也是商务手机领域的绝对领导者。但在 iPhone 发布之后，这两家公司都没有快速跟上智能手机的平台转型。即便在 iPhone 发布后的三到五个季度，黑莓的销量依然很好，并没有被立即颠覆，但最终还是因为固步自封被时代所淘汰。这个案例说明，技术转型的过程中，企业最可怕的不是技术不成熟，而是没有变革的意识。当新的平台型技术出现时，如果你选择观望，那么最终必然会被颠覆。

而 MongoDB 的经历也印证了变革管理的重要性。MongoDB 顺利完成了 Atlas 转型，也就是从传统的数据库产品转向云原生的数据库平台；也完成了多云转型，满足了企业的多云部署需求。而现在，MongoDB 正在进行 AI 转型。德赛表示，MongoDB 在架构上有很多优势，比如对非结构化数据的处理能力、向量搜索功能等，这些都让它更适配 AI 时代的需求。但是即便如此，MongoDB 依然需要扎实地推进 AI 转型，从客户那里获得信任，用实际的产品和服务证明转型的价值。因为如果企业无法完成转型，无法用成果证明自己的价值，就只能停留在所谓的“bare thesis”，也就是投资人不确定你的未来。而企业证明投资人错误的唯一方式，就是通过业务的再加速展示转型成果，让市场看到“我们又回来了”。

在对话的最后，萨拉·郭提出了一个存量企业的 AI 转型误区。很多大型企业，他们的销售方式之一是把一堆产品捆绑在一起，然后把其中一部分对客户根本没什么用的产品称作 Cloud 或者 AI，然后通过一些定价上的小花招来达成业绩目标。她认为，这些企业拥有很多有才华的人，却做出这样的行为，核心是缺乏真正的转型领导力。而德赛也对此表达了认同。

德赛表示，这也是为什么 MongoDB 在发布第三季度财报时，他一次又一次被问到：“这是因为 AI 吗？”而他的回答始终是：“绝对不是。”甚至在 CNBC 的公开采访中，他也明确表示，MongoDB 的增长核心是自身的核心数据平台业务，AI 并不是核心。他解释道，虽然有上百家 AI 原生公司在 MongoDB 上构建应用，这是一个积极的信号，但这些 AI 原生公司目前的规模都还比较小。今天能做到 1 亿 ARR 甚至 10 亿 ARR 的 AI 原生公司也就十来家，他们的数据量和业务规模还不足以成为 MongoDB 增长的核心。

对于 MongoDB 来说，AI 原生公司的合作是一个增量，而不是替代核心业务。当 AI 浪潮真正起来时，这些增量会为 MongoDB 带来更多的价值，但是 MongoDB 的核心增长依然来自于传统企业的数字化和云转型，来自于自身数据平台的价值。而在他看来，存量企业想要避免这种虚假的 AI 转型，核心需要两点：

第一，要有真正致力于技术转型的人，一个把创新当作北极星的领导者。这个领导者能带领团队真正投入资源做 AI 研发，而不是把 AI 当作一个营销概念。 第二，要在组织内部建立一些知识诚信的护栏。让每周和客户沟通的真实反馈与资本市场看到的数据之间保持平衡，不能为了迎合资本市场的期待而做出虚假的 AI 包装，忽略客户的真实需求。

这场对话的核心，其实为我们勾勒出了 AI 时代企业软件的发展逻辑。当 AI 能批量生成单点工具时，工具的价值会被大幅稀释，而平台化才是企业软件唯一的护城河。这种护城河源于多产品的协同、与客户系统的深度集成以及客户的深度绑定。而在 AI 时代，企业想要守护并强化这条护城河，需要做到三点：一是保持技术范式转移时的快速转型速度，借助 AI 拓展产品和用例；二是坚守赛道的核心价值，比如数据基础设施这样的“永远的常量”，不被市场的资金热潮所裹挟；三是保持与客户的深度交流，让产品的研发和企业的转型始终贴合客户的真实需求，拒绝虚假的概念包装。对于所有的企业软件公司来说，这三点就是 AI 时代的生存和发展之道。

感谢大家收看本期视频，我们下期再见。