--- author: Best Partners TV date: '2026-03-25' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=7x8vu0EGxMY speaker: Best Partners TV tags: - saas - ai-application - pricing-model - human-ai-trust - enterprise-software title: AI浪潮下的SaaS生死局：从信任危机到基础设施的重塑 summary: 本次访谈深入探讨了AI对SaaS行业的颠覆性影响。访谈指出，AI将SaaS从被动的‘数据存储’转变为‘主动的任务执行者’，引发了SaaS估值和生存逻辑的重塑。文章将SaaS公司分为三类：易被淘汰（如Zendesk）、迎合AI（如Workday、QuickBooks）以及中间状态（如Adobe），并分析了AI时代定价模式的挑战（公平性、可控性、可预测性）。同时，访谈强调AI落地瓶颈在于产品设计和人机信任，而非模型能力本身。最终结论是SaaS并未消亡，而是将成为企业级AI的基础设施，AI将成为协作伙伴，而非替代者。技术变革是常态，商业本质不变。 insight: '' draft: true series: '' category: ai-application area: tech-engineering project: [] people: - Mike - 亚历克斯 - 丹·艾瑞里 - 大卫·李嘉图 companies_orgs: - a16z - Atlassian - IBM products_models: - Sabre - Mumps - QuickBooks - Workday - Adobe - Zendesk - Jira - Vibe Coding media_books: - 《怪诞行为学》 - 比较优势理论 status: evergreen --- ### AI浪潮下的SaaS生死局 **主持人**: 大家好，这里是最佳拍档。 2026年开年以来，全球科技圈最撕裂、最引发恐慌的话题，莫过于“**SaaS**已死”。从华尔街到硅谷，从一级市场到二级市场，无数曾经被奉为黄金赛道的**SaaS**企业，正在经历一场前所未有的信任危机。我们能看到，一大批老牌软件公司的股价遭遇断崖式重挫，投资者们集体陷入了极致的焦虑。如果大模型和**AI Agent**能够自动完成几乎所有的企业任务，那些靠着高昂订阅费活着的**SaaS**公司，是不是马上就要彻底消亡了呢？一边是市场用脚投票的集体抛售，一边是行业里两种极端声音的疯狂对冲。有人说**AI**会彻底抹平整个**SaaS**行业的价值，所有的订阅模式都会在两三年内归零。也有人说这只是技术变革期的短期阵痛，**SaaS**会借着**AI**迎来第二春。 就在整个行业都被噪音裹挟、陷入集体迷茫的节点，全球顶级风投机构**a16z**和企业协作软件巨头**Atlassian**的CEO **Mike**，和**a16z**的投资人**亚历克斯**，做了一场接近一小时的深度访谈。在这场访谈里，**Mike**回答了几个关键性的问题：**AI**到底会不会杀死**SaaS**呢？什么样的**SaaS**公司会在这场变革里被彻底淘汰呢？什么样的公司又反而能借着**AI**，筑起比过去十年更深的护城河呢？以及，**AI**在企业级市场落地的真正瓶颈到底是什么呢？ 在拆解所有的行业判断之前，我们必须先搞清楚一个最核心的问题：**AI**到底给软件这个行业带来了什么样的本质性变化呢？**Mike**和**a16z**的投资人**亚历克斯**在访谈里给出了一个核心判断，那就是从1960年到2022年，整整六十二年的时间里，整个软件行业的本质，从来没有发生过真正的变化。 我们可以顺着这个时间线往前看：1960年，**IBM**和美国航空合作开发了**Sabre**航空预订系统，这是人类商业软件史上里程碑式的产品。它取代了过去由无数秘书管理、存放在保险柜里的纸质预约系统，把所有的航班、座位、乘客数据都存入了早期的数据库里。要知道，在那个年代，10兆B的硬盘，造价可能就要几亿美元。从那之后，无论是马萨诸塞州综合医院开发的、最早的电子健康档案系统**Mumps**，还是后来我们熟知的CRM、ERP、HR系统，甚至是现在绝大多数的**SaaS**软件，它们的核心逻辑从来都没有跳出过同一个框架：那就是把现实世界里的实体文件柜变成数字化的数据库。 过去的软件，本质上是完全被动的。无论它的界面做得多么精美，交互做得多么流畅，它都只是一个存放数据的容器。它不会自己思考，不会自己行动。所有的检索、阅读、判断、执行，都必须由人类员工来完成。就像我们常用的财务软件**QuickBooks**一样，在过去，它只是帮你把收据、账单、流水都存进系统里，你需要自己从中提取数据，自己做账，自己给客户发催款邮件。软件本身不会帮你完成任何一个执行动作。 ### AI的本质革命：从被动容器到主动执行者 **主持人**: 但是在**AI**时代，这件事发生了十年来最大的跃迁。这些存放了几十年数据的文件柜，第一次具备了自主思考和执行任务的能力。还是拿**QuickBooks**举例，现在的**AI**加持版本，已经可以直接调用系统里的所有数据，自主完成对账、做账，甚至自动给逾期的客户发送催款通知，跟进整个回款流程，全程不需要财务人员做任何操作。 从被动的存储容器，到主动的任务执行者，这就是这一轮**AI**给软件行业带来的最核心、最本质的革命。也正是因为这个本质性的变化，整个**SaaS**行业的估值逻辑、生存逻辑都被彻底颠覆了。 现在市场上之所以会出现无差别的**SaaS**股票抛售，之所以会有“**SaaS**末日”的恐慌，本质上是因为绝大多数投资者根本没有看透不同**SaaS**公司之间的底层差异。**亚历克斯**在访谈里直言，面对**AI**的冲击，**SaaS**行业会出现极端的两极分化：一部分公司会走向消亡，而另一部分公司会迎来比过去十年更辉煌的发展期。而决定一家**SaaS**公司生死的，核心就是两个维度：一个是它的定价模式，另一个，是它对企业核心业务逻辑的嵌入深度。 ### 定价心理学：为“无能”买单的悖论 **主持人**: 为了让大家理解定价模式为什么会成为生死线，**亚历克斯**在这里引用了行为经济学家**丹·艾瑞里**在《**怪诞行为学**》里的一个经典案例。这个案例精准地戳中了人类对定价的底层心理，也解释了为什么不同的**SaaS**公司在**AI**时代会有完全不同的命运。 这个案例是这样的，想象一下：半夜12点，你被锁在了公寓门外，你叫了一名锁匠。第一种情况，锁匠1分钟就赶到了，花了30秒就帮你打开了门，然后向你收费五百美元。这时候你心里一定会极度不满，你会觉得，“就干了90秒的活，居然收五百美元？”你大概率会给个一星差评，不给小费，甚至会向信用卡公司申请撤销这笔扣款。 但如果我们换一个平行时空，同样的情况，锁匠来了之后，花了整整9个小时尝试开门，中途还回办公室拿了好几次工具，一直折腾到早上9点半，终于帮你打开了门。这时候你会对他感激涕零，不仅会全额付钱，还会给他两百美元的小费，甚至给他留个五星好评。 这个案例告诉我们，人类在某种程度上愿意为“无能”买单。很多定价策略的核心从来都不是成本，而是心理上的公平性。我们会觉得给那个折腾了一晚上的锁匠多付钱是公平的，哪怕他完全不称职。而面对那个能力极强、效率极高的锁匠，我们却会因为他干活太快觉得收费过高而愤怒。这在逻辑上毫无道理，但在情感上却完全符合人类的非理性决策模式。 而过去二十年，**SaaS**行业最主流的按账号座席收费的模式，本质上就是利用了这种心理上的公平性。大家会默认，你的公司有五百个员工，买五百个账号，付的钱就应该比只有1个账号的小公司多，哪怕后台的运行成本几乎没有差别，大家也会觉得这个定价是公平的。但**AI**的出现，直接打碎了这种定价模式的底层逻辑。因为**AI**会直接替代掉那些需要人来操作的座席。当企业不再需要那么多人来使用软件的时候，按座席收费的模式就会直接崩塌。 ### SaaS公司的三类命运：淘汰、进化与融合 **主持人**: 基于这个核心逻辑，**亚历克斯**把市面上所有的**SaaS**公司分成了三类，这三类公司在**AI**时代会迎来完全不同的命运。 第一类公司，也是最危险的一类，就是它的账号座席直接和工作产出深度绑定。**亚历克斯**直接点出，客服**SaaS**厂商**Zendesk**就是这里的“一号病人”。**Zendesk**的核心收费模式就是按客服坐席收费，一个客服一个账号，企业有多少个客服就要付多少份订阅费。但是现在，**AI**客服已经可以解决绝大多数的终端用户问题，从咨询、答疑到售后处理，**AI**的效率和成本都远低于人工客服。一旦企业全面部署**AI**客服，对人工客服账号的需求就会直接趋近于零。对于这类**SaaS**公司来说，如果它们死守着现有的按座席收费的模式，不做任何商业模式的转型，那么它们现有的订阅收入流百分之百会走向归零。当然，这并不意味着它们没有翻盘的机会。如果它们能转向基于结果的定价模式，比如按解决的问题数量、节省的客服成本收费，它们的收入甚至有可能翻三倍到四倍，但前提是它们必须彻底打破自己过去赖以生存的商业模式。 第二类公司，恰恰相反，它们不仅不会被**AI**冲击，反而会借着**AI**把自己的护城河挖得更深。这类公司的典型代表就是**Workday**和**QuickBooks**。它们的定价模式虽然也是按员工人数、按账号收费，但是它们的账号并不和具体的工作产出直接挂钩。更重要的是，它们从来都不只是一个存放数据的数据库，而是企业数十年复杂业务流程、合规要求、隐性规则的集合体。举个最简单的例子，当企业要在**Workday**里录入一名新员工的时候，HR需要做的从来都不是把员工的信息录进系统里，而是要完成背景调查、前雇主履历核实、当地劳动合规校验、社保公积金开户、入职流程审批等一系列复杂的动作。而这些动作背后，是企业几十年积累下来的人事规则，是各个国家、各个州、各个地区完全不同的劳动法律法规，是无数次踩坑之后沉淀下来的合规要求。这些东西全部都深度嵌入在了**Workday**的底层代码里，不是随便一个**AI**靠几句提示词就能复刻出来的。 而**AI**的出现，不仅不会替代它，反而会成为它的价值放大器。比如，过去需要HR手动完成的背景调查、前雇主电话核实，现在**AI**可以直接调用**Workday**里的所有数据和规则，自动完成全流程的执行和校验，全程只需要HR在关键节点做确认即可。**亚历克斯**在访谈里直言，现在整个IT板块的股票下跌了45%，但从来没有任何一家企业会因为**AI**的出现就弃用**QuickBooks**。因为这类核心业务系统已经成为了企业运行的基础设施。**AI**想要落地，反而必须依附于这些系统，调用它们的数据、规则和业务流程。**AI**不仅不会摧毁它们，反而会让它们变得更有价值，更不可替代。 第三类公司，就是处于中间状态的产品，最典型的就是**Adobe**。它们的账号需求不会像**Zendesk**那样因为**AI**的出现直接归零，也不会像**Workday**那样完全和产出脱钩，免疫**AI**的冲击。它们会受到一定的影响，企业可能会减少一部分账号的采购，但不会彻底弃用。它们的生存空间取决于它们能在多大程度上把**AI**融入自己的产品逻辑，把自己从一个工具变成企业核心业务流程的一部分。 ### Vibe Coding：AI编程的真实价值与SaaS的粘性 **主持人**: 讲到这里，一定会有观众朋友问，现在**AI**编程的能力越来越强，普通人都可以通过自然语言指令让**AI**自己写代码，那企业为什么还要花大价钱买**SaaS**呢？我直接让**AI**给我写一个专属的管理系统，不就好了吗？这也是现在行业里非常主流的一种声音，甚至有人说，**Vibe Coding**的出现会彻底颠覆整个**SaaS**行业。但是在这场访谈里，**Mike**和**亚历克斯**都直言，这种想法完全脱离了真实的商业环境。 首先，**Mike**在访谈指出，真实的商业世界从来都不是实验室里的理想环境，它充满了无数极其复杂的边缘场景和无数只可意会、不可言传的特殊法则。举个最简单的例子，你可以很轻松地用**AI**写一个员工请假的应用，功能很简单：员工提交请假申请，领导审批，同步到考勤系统里。这用**AI**几分钟就能搞定。但是如果你的公司在美国**印第安纳州**有一家分公司，有一名女员工要休产假，这个时候问题就来了：**印第安纳州**当地的产假法律法规是什么样的呢？产假期间的薪资发放规则是什么呢？和联邦的税法有什么差异呢？员工的社保、福利要怎么调整呢？如果员工在产假期间离职，要怎么处理呢？这些问题没有任何一条通用的规则可以覆盖。它们是当地独有的法律法规，是企业在当地经营了十几年，踩了无数坑之后沉淀下来的隐性知识。而这些知识全部都深度嵌入在了大型**SaaS**厂商的底层代码里，你根本不可能通过几句提示词就让**AI**把这些东西全部复刻出来。 **亚历克斯**在这里还引用了古典经济学家**大卫·李嘉图**在1817年提出的**比较优势理论**来解释这个问题。简单来说，哪怕你自己能种粮食、能焊接铝材，甚至能自己写代码做系统，但你做这些事情的机会成本远高于你直接买成熟的产品。就像哪怕你比水管工更懂管道原理，你也不会自己修水管，因为你的时间应该花在能给你带来更高收益的事情上。 更重要的是，很多人都忽略了，一款成熟的商业**SaaS**软件，本质上是一套经过了数十年学习、验证、迭代而成的确定性规则体系。这些规则绝大多数都没有公开，而是内嵌在产品的底层逻辑里。你无法通过简单的代码生成来复制，只能通过十几年、甚至几十年的行业经验来复现。**AI**确实可以搞定那些没有边缘场景、逻辑简单的子任务，但是对于企业的核心业务系统来说，它还根本无法替代。 那**Vibe Coding**的真正价值到底是什么呢？**Mike**给出了一个判断是，它绝对不是去颠覆核心的**SaaS**软件，而是降低企业长尾需求的开发门槛。反过来，它还会让核心**SaaS**系统的粘性变得空前强大。举个很具体的例子：一家公司的行政人员想要给自己的小团队做一个专属的会议室预订工具。这个工具需要同步公司所有会议室的使用数据，需要对接**Workday**里的员工排班信息，需要符合公司的行政管理制度，甚至还要适配**迈阿密**分公司当地的HR规则。在过去，想要做这样一个小工具，行政人员必须申请IT资源，组建专门的开发团队，投入大量的时间和成本。对于这种非核心的长尾需求，绝大多数公司都不会批准。但是现在，有了**Vibe Coding**，行政人员只需要用自然语言给**AI**描述清楚自己的需求，**AI**就可以基于**Workday**的底层数据和规则自动生成这个小工具，成本极低，周期极短。 大家发现了吗？这个小工具不仅没有替代**Workday**，反而把**Workday**变成了整个公司应用开发的底层基础设施。所有的定制化工具都要基于它的规则和数据来运行。企业对它的依赖度只会变得越来越高。这就是**AI**和**Vibe Coding**给核心**SaaS**系统带来的全新的价值增量。 ### AI落地瓶颈：产品设计与人机信任 **主持人**: 聊完了**SaaS**行业的生死逻辑，我们再回到一个更现实的问题：现在几乎所有的**SaaS**公司都在给自己的产品加**AI**功能，都在讲**AI**赋能的故事。但是为什么绝大多数企业级**AI**产品都没有真正落地呢？为什么很多公司买了**AI**功能却根本没人用呢？**Mike**在访谈里，给出了一个反共识但却无比真实的判断：当前**AI**在企业级市场落地的最大瓶颈，已经不是模型的智商，不是大模型的参数和跑分，而是产品设计和人机之间的信任。 首先第一点，现在**AI**大模型的能力已经远远超出了用户实际能够利用的价值。整个技术界都在疯狂的卷大模型的参数、卷基准测试的跑分、卷多模态的能力，但是却很少有人关注用户到底能不能用的上这些能力。很多开发者觉得，“我给用户一个无所不能的空白聊天框，把所有的**AI**能力都交给用户，用户就可以用它完成所有的工作。”但现实恰恰相反，当你给用户一个没有任何边界、无所不能的聊天框时，用户只会陷入选择瘫痪，他们根本不知道该从哪里下手，最后只会说一句，“给我讲个冷笑话吧”。 这就像移动互联网刚刚兴起的时候，第一批手机应用只是把电脑端的网页直接缩小搬到了手机屏幕上，根本没有发挥出移动端的任何优势。直到后来，我们才有了下拉刷新、推送通知、滑动操作这些适配移动端的革命性交互设计，移动互联网才真正迎来了爆发。而现在的**AI**产品恰恰就处在这个节点上。我们有了强大的模型能力，但是却没有适配这种能力的、革命性的UI/UX设计。我们只是把PC时代的交互逻辑套在了**AI**产品上，根本无法让用户真正把**AI**用起来。 而比产品设计更难的，是建立人机之间的信任。这也是企业级**AI**落地的最大阻碍。**Mike**在访谈里说，他们做了大量的用户调研，发现用户害怕**AI**从来都不是因为**AI**的能力不够强，而是因为**AI**的运作像一个黑盒。你可以想一下，你的**AI Agent**在一秒钟之内自动帮你处理了15封邮件，自动走完了3个审批流程，自动给合作方发了两封跟进邮件。这个时候，你的第一反应绝对不是开心，不是觉得效率提升了，而是恐慌。你会忍不住想，“它到底发了什么内容呢？有没有出错呢？有没有给公司造成损失呢？我要不要一封一封地重新检查一遍呢？”如果我要重新检查一遍，那我还不如自己动手做呢？ 这就是企业级**AI**落地最核心的矛盾：你想要**AI**提升效率，就要让它自动完成更多的任务；但是它自动完成的任务越多，用户的不信任感就越强，就越不敢用它。 ### AI协作的未来：透明信任与可控定价 **主持人**: 那这个问题要怎么解决呢？**Mike**给出的答案是，优秀的**AI**产品必须设计合理的断点与回路。什么叫断点呢？就是**AI**在执行任务的过程中，在关键的决策节点，必须停下来，询问人类的意见，不能自己直接做决定。什么叫回路呢？就是**AI**必须允许用户在它工作的任何一个环节随时提问，“你正在做什么？”“你为什么要这么做？”，并且给用户清晰、透明、易懂的解释。它需要让用户随时掌握整个任务的进度，随时可以介入、调整、终止，而不是把所有事情都做完了再给用户一个结果。 举个**Atlassian**自己的例子，他们在项目管理工具**Jira**里上线了**AI Agent**的功能。当你把一个任务分配给**Agent**的时候，它会自动去拆解任务、对接相关负责人、同步进度、更新工单。但是用户最常问的问题就是，“它现在到底在干什么呢？”如果你给用户展示上千行的底层执行步骤，用户会觉得你在给他们塞废话，根本看不懂。但是如果你什么都不展示，用户又会觉得不放心。所以他们的设计是给用户一个极简的进度面板，用户可以随时看到**Agent**当前的执行步骤，随时可以暂停、调整，随时可以问，“你为什么要这么做？”，**AI**会给出通俗的解释。同时，在涉及到任务变更、对外沟通这些关键节点，**AI**会自动停下来，等待用户的确认，再继续执行。 **Mike**在访谈里反复强调，**AI**的终局绝对不是做一个全知全能、彻底淘汰人类的黑盒系统，而是要在不打扰用户的前提下，建立起透明的信任机制，让**AI**成为人类的协作伙伴，而不是替代者。只有这样，**AI**才能真正融入企业的工作流，成为真正的生产力工具。 而当**AI**真正融入了**SaaS**产品，融入了企业的工作流之后，还有一个绕不开的问题，就是定价。我们前面讲到，传统的按座席收费的模式在**AI**时代会面临崩塌的风险。那是不是基于结果或者用量的定价模式就会成为未来的主流呢？在这场访谈里，**Mike**和**亚历克斯**也给出了自己的判断：基于结果的定价在部分场景是合理的，但是它绝对不会成为**SaaS**行业的主流定价模式。核心原因有三点： 第一点，也是最重要的一点，就是基于结果或者用量的定价会彻底破坏用户对定价的公平性感知，而且绝大多数时候这个用量是用户无法控制的。**Mike**举了一个很真实的例子：很多日志分析厂商都是按日志的存储量、查询量来收费。如果你发给他们的日志量翻倍，你就要付两倍的钱。这个逻辑听起来没问题，但是用户会觉得，“这个用量是我可以控制的，我可以让团队少记一些不必要的日志，我可以控制自己的成本。”但**AI**的用量不一样，很多时候用户根本不知道自己的**AI**额度是怎么被消耗的。比如，**SaaS**厂商为了优化产品体验，给你加了一个工单自动摘要的功能，加了一个邮件智能分类的功能，这些功能都会消耗**AI**的Token额度。可能一夜之间，你的**AI**额度消耗就翻了十倍，但你根本没有要求厂商加这些功能，也不知道这些功能会消耗这么多额度，你完全无法控制自己的账单。这种不可控性会让用户对定价产生极强的抵触心理。**Mike**说，他们和大量的企业客户交流过，客户明确表示，相比于不可控的按量计费，他们更愿意选择按座席收费，哪怕贵一点，至少他们知道自己明年要付多少钱，不会出现账单突然飙升的情况。 第二点，基于结果的定价会陷入一个无限循环的价值悖论。比如，一家**AI**客服厂商给客户的定价逻辑是，“你过去在客服上一年花20万，用了我们的产品，你一年只需要花10万，我们收你节省下来的50%也就是5万块钱。”第一年，这个销售说辞非常有吸引力，客户很愿意买单。但是到了第二年，客户会说，“我现在一年只花10万了，我希望明年能降到5万，否则你就没有给我提供新的价值。”而厂商会说，“如果你不用我的产品，你还是要花20万。”但客户只会盯着自己当下的成本，不会管你帮他省了多少钱。到最后，这种基于结果的定价只会让厂商的价值越来越难被认可，陷入无休止的价格博弈里。 第三点，基于结果或用量的定价会彻底丧失**SaaS**行业最核心的优势——营收的可预测性。**亚历克斯**说，他创办过两家支付公司，非常羡慕**Workday**的定价模式，因为这种模式有着极强的双向可预测性。对于**Workday**来说，它只要知道一家公司有多少员工，就能精准地算出来能从这个客户身上赚到多少钱。比如通用电气有34万名员工，每个员工每个月收5美元，那么这个客户每年的营收就是两千零四十万美元，分毫不差。这种可预测性让它可以非常轻松地规模化组建销售团队，精准地规划自己的营收和投入。但是基于用量的定价模式不一样，你虽然签下了一个世界500强的客户，但是根本不知道明年能从它身上赚到多少钱。可能它的用量突然暴跌，也可能突然飙升，你的营收完全不可预测。对于**SaaS**公司来说，可预测的现金流就是它们的生命线，也是资本市场给它们高估值的核心原因。一旦丧失了这种可预测性，整个**SaaS**行业的估值逻辑都会彻底崩塌。 所以，**AI**时代的**SaaS**定价，核心不是彻底推翻过去的模式，而是要找到一种既能够匹配**AI**带来的价值增量，又能保证定价的公平性、可预测性、用户可控性的新模式。那些能够找到这种模式的公司，才能在这场变革里真正站稳脚跟。 ### 结论：SaaS未死，正走向基础设施化 **主持人**: 聊到这里，我们再回到最开始的那个问题：**SaaS**真的死了吗？**Mike**和**亚历克斯**在访谈的最后，给出了非常明确的答案：说**SaaS**已死为时尚早。**AI**在商业软件中的终局，从来都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、像互联网一样，成为一种基础设施，深深融入到企业现有的工作流与核心业务中。 从**Windows**时代跨越到互联网时代，从互联网时代跨越到云时代，每一次技术变革，都会有一大批无法转型的软件公司被淘汰，但是从来没有哪一次变革让软件这个行业消亡。相反，每一次变革都会让那些能够抓住技术红利、重构自己的产品逻辑、深挖自己业务壁垒的公司迎来更辉煌的发展。 对于我们每一个身处科技行业的人来说，与其陷入“**SaaS**已死”的恐慌，不如静下心来想清楚，**AI**带来的本质变化是什么，我们能给用户提供的核心价值到底是什么。毕竟，技术永远都在变，但商业的本质，从来都没有变过。 感谢收看本期视频，我们下期再见。