最近，"SaaS 已死"的论调在科技圈甚嚣尘上。Databricks CEO Ali Ghodsi 抛出"应用层退化论"，Klarna 高调宣布停用 1200 个 SaaS 工具（包括 Salesforce），资本市场对 SaaS 板块的估值逻辑似乎也在发生动摇。
最近，"SaaS 已死"的论调在科技圈甚嚣尘上。Databricks CEO Ali Ghodsi 抛出"应用层退化论"，Klarna 高调宣布停用 1200 个 SaaS 工具（包括 Salesforce），资本市场对 SaaS 板块的估值逻辑似乎也在发生动摇。然而，断言整个SaaS 行业将消亡，本质上是对技术演进路径的误读。更准确的描述是：SaaS 不会整体消亡，但将经历一次剧烈的"分层重构"与"模式迭代"底层基础设施与核心业务系统继续扮演"确定性底座"的角色，而中间应用层与商业模式则会被 AI 智能体重塑。无法适应新范式的厂商将面临清洗，完成 AI 原生转型的玩家将捕获长期价值。底座稳固：为什么"系统记录"不会消亡？
那些预言SaaS 终结的人，往往忽略了企业软件的核心价值并非界面（UI），而是可审计性、合规性与系统集成能力构成的"确定性底座"。AI 可以生成内容、执行任务，但它无法替代 SaaS 在以下三个维度的基础设施功能： 维度一、合规与法律责任
在金融、医疗、工程等强监管行业，SaaS 系统不仅是工具，更是法律责任的载体。AI 可以辅助生成审计报告，但审计追踪的不可篡改记录、符合 FDA/GDPR/SOX 合规要求的流程控制、资金流转的最终确认，仍必须依托于具备法律效力的系统记录（System of Record）。Klarna 可以弃用 Salesforce 的 CRM 界面，但其核心支付风控与财务合规系统依然稳固——这正是 SaaS 的护城河所在。 维度二、数据主权与集成复杂性
企业核心业务数据（ERP、核心账簿、供应链主数据）的迁移成本极高，且涉及复杂的跨系统集成。AI Agent 并非要替换这些底层数据库，而是在其之上增加一个智能编排层。正如云计算并未杀死本地数据库，而是改变了访问方式，AI 也不会杀死记录系统，而是改变交互方式。 维度三、成本与效率的理性权衡
对中大型企业而言，自研AI 系统的部署成本、维护复杂度与合规风险远高于采购成熟 SaaS；对中小企业，SaaS 的轻量化订阅仍具性价比优势。AI 的能力普及不会自动转化为企业的自建动力，"购买 vs 自建"的经济学逻辑依然成立。中间层坍塌：AI Agent 对"瘦应用层"的挤压
虽然底座稳固，但SaaS 行业必须正视一个残酷现实：传统应用层（Application Layer）正在被挤压。企业软件架构正在经历从"人适应系统"到"Agent 代表人与数据交互"的范式转移，形成明显的三层架构： | | | |
| AI Agent（智能体） | | Claude with Cowork, AutoGPT |
| 传统 SaaS UI/工作流 | | 传统 CRM 界面、复杂配置后台 |
| System of Record（记录系统） | | Snowflake, SAP HANA, 核心账簿 |
Anthropic 的 Claude 通过"Cowork"插件已能直接登录企业 CRM、文档库与数据库，自主完成法律审计与销售管道管理。 这意味着，人类不再需要在 15 个不同 SaaS 的仪表盘（Dashboard）之间切换——AI Agent 可以直接在数据层通过自然语言执行跨系统任务。对传统SaaS 而言，这构成了"瘦中间层"危机：如果 AI 能绕过你的 UI 直接调用数据，那么"精美界面+复杂工作流封装"的护城河将瞬间瓦解。那些仅提供简单数据搬运与图形化展示功能的 SaaS，确实面临被"管道化"的风险。伴随架构变化的，是SaaS 赖以生存的单位经济学（Unit Economics）崩塌。传统SaaS 采用 Per-seat（按席位/人头）定价，其隐含假设是：软件价值与使用软件的员工数量正相关。但在 AI Agent 时代，一个智能体可完成 100 名员工的日常工作，继续按人头收费显然失去合理性。定价模式的三大转变：
Outcome-based（按结果定价）
不再按客服代表人数收费，而按"解决的客诉工单数"或"达成的业务结果"计费。AI 的介入使得软件价值与人力投入解耦。
Usage-based（用量计费）
按API 调用次数、处理数据量或智能体运行时长计费，更接近云基础设施的定价逻辑。Capability-based（能力订阅）
企业购买的是"自动化能力包"（如"配备 10 个销售智能体"），而非软件使用许可。
*IDC 预测，到 2028 年，纯席位定价模式将过时，70% 的软件厂商将重构定价策略。这也解释了为何 Adobe、ServiceNow 等公司的远期市盈率承压——投资者正在重新评估"界面价值"在 AI 时代的权重。并非所有SaaS 都面临同等风险。根据功能深度与行业壁垒，可将市场参与者分为三类：风险 等级 | 类型 | 特征 | 稳守/突围 逻辑 |
| 轻功能工具、 流程锁定型产品 | 功能单一（如 PDF 转换、基础问卷）、易被 API 替代、用户粘性弱 | 功能可被 AI 智能体直接覆盖，衰退在即 |
| 通用型 CRM/ERP/HR 系统 | 水平化、按席位收费、配置复杂但未深度嵌入行业 | 必须快速 AI 原生转型，从"系统记录"升级为"智能编排中枢"，否则面临客户自建替代 |
| 核心业务系统、合规密集型行业（金融/医疗/工程）、数据密集型平台 | 承载关键决策、嵌入行业合规逻辑、具备强数据飞轮 | 基础设施与治理能力不可替代，AI 成为增强层而非替代者 |
*核心判断标准： 如果一款 SaaS 的核心价值只是"让人类更方便地看数据"，它将被 AI 替代；如果它的核心价值是"执行政策、控制流程、承担法律责任"，它将长期存续。面对重构压力，SaaS 厂商需要实施基因层面的转型：从"使用我们的产品"转变为"在我们的平台上构建"。开放 API 与智能体开发框架，让客户能够基于你的数据层构建自定义 AI 工作流。Salesforce 的 Einstein GPT、ServiceNow 的 AI Agent 战略均是典型案例。无头化架构（Headless Architecture）
彻底分离前端（UI）与后端（业务逻辑），提供 API-first 的核心能力。让客户的 AI Agent 可以直接调用你的业务逻辑，无需经过你的界面。这要求产品架构从" GUI 优先"转向"智能体优先"。在特定行业（如建筑资本规划、临床试验管理、供应链风控）积累专有数据与领域知识，构建行业认知壁垒。AI 时代，通用工具易被替代，但嵌入行业 know-how 的"智能业务系统"替代成本极高。客户越多→数据越多→AI 模型越准→客户越多，这一飞轮效应将成为新护城河。生存下来的SaaS 必须深度介入客户的核心决策流程（如预算审批、合规检查、风险定价），而不仅是提供"看数据的仪表盘"。- 采用"AI+SaaS"融合策略，利用智能体优化现有 SaaS 使用流程（如用 AI 自动整理 Salesforce 数据），而非贸然替换核心系统。
- 构建混合架构——核心业务系统（财务、合规）继续使用成熟 SaaS，边缘业务（内容生成、数据分析）按需引入 AI 智能体，平衡成本与可控性。
- 将 AI 作为核心能力而非功能插件，重构为 AI Native 架构；提供可定制的行业解决方案，强化数据与生态壁垒。
- 立即启动定价模式转型实验，从订阅制向"订阅+用量+结果"的混合定价迁移，提升客户终身价值（LTV）。
- 选择"做平台"（开放生态，让别人在你上面构建智能体）或"做垂直专家"（深耕一个细分行业，做到 AI 也抄不走的深度），避免卡在价值被挤压的中间地带。
结语：重构而非终结
历史经验表明，技术革命很少是二元的。云计算没有杀死本地软件，而是改变了部署方式；移动没有杀死PC，而是改变了使用场景；AI 也不会杀死 SaaS，而是会**暴露哪些软件从未真正创造过价值。SaaS 的"壳"（UI 层、按席位收费模式）必然会变，但其内核——为企业提供可控、可追溯、合规的数字化能力——依然坚实。未来的赢家不会是那些仅仅把AI 当作功能叠加的"改良派"，而是敢于用 AI 颠覆自身、从"工具提供商"进化为"自主执行引擎"的"革命派"。AI 不是 SaaS 的终结者，而是重构者——淘汰冗余，重塑价值，让软件更智能、更适配企业需求。而那些只会"搬运数据"的中间层，确实该准备好迎接"SaaS-pocalypse"（SaaS 末日）的清洗了。
