市场反应与估值冲击 - 本周二，SaaS、数据和软件类投资公司的市值蒸发了约3000亿美元，直接诱因是一款人工智能产品的发布，而非盈利或宏观经济因素[1] - 市场危机已持续数月，IGV软件指数较9月下旬的峰值下跌了约30%，上周多家根基深厚的企业软件公司股价在一天内大幅下跌：Salesforce、ServiceNow、Adobe和Workday下跌约7%，Intuit暴跌近11%[2] - 整个行业的估值倍数急剧下降，软件公司的平均预期市盈率在短短几个月内从约39倍暴跌至约21倍[2] - 做空者已通过押注传统SaaS业务在2026年获利超过200亿美元，并且还在加倍下注[2] 核心逻辑的颠覆与假设打破 - 市场抹去巨大价值的核心原因是传统SaaS增长模式的可持续性假设被打破[3][4] - 过去二十年，企业软件受益于稳定的经济形势，高开发与转换成本、数据存储在专有系统中，使得平台一旦成为记录系统便具有高度粘性，这支撑了从估值倍数到私募信贷承销的整个逻辑[5] - 人工智能正在同时测试该逻辑的每个部分，真正的变化在于现代AI系统能够直接取代大部分人类工作流程，使研究、分析、起草、核对和协调可以跨系统自主执行，不再局限于单一应用程序[6] - 风险投资家Chamath Palihapitiya指出，“SaaS大崩溃已经开始”，一种全新的以AI为导向的工作流程即将到来，依赖高增长却长期低盈利的SaaS发展路径正在失去市场信任[7] AI对SaaS商业模式的重构 - 核心矛盾集中在：短期增长是否真正可持续？长期在AI冲击下盈利可能性是否正变得渺茫？[8] - 过去SaaS公司的蓝图是“先抢占市场，未来再兑现利润”，但AI技术可能颠覆这一逻辑，成本更低、以AI为核心的新解决方案可能迅速取代许多SaaS企业的增长[8] - 微软CEO纳德拉一年前提出“SaaS已死”，认为每一次真正的平台迁移都会带来核心应用架构的根本性变革，未来将进入以“智能体为中心”的时代，由任务和意图驱动[11] - 未来的智能体将能够跨越多个SaaS应用，对业务逻辑进行协调与编排，通过调用API实现跨系统操作，SaaS应用的本质可能只是一个集成了大量定制化业务逻辑的“增删改查”数据库，其调用与编排将从封闭业务逻辑中解放出来[11] - 纳德拉举例，只需向Copilot发出指令，它便能自动查询CRM、提取Office 365数据并生成报告，无需登录独立系统，这极大地提升了数据访问和使用效率[12] - 纳德拉强调，下一代SaaS企业必须主动拥抱智能体，将其深度集成甚至开放给Copilot等平台，并据此革新商业模式，这对任何现有SaaS公司都是强大的竞争向量[14] 市场重心与利润池的迁移 - 高盛研究预测，到2030年（本十年末），人工智能代理将显著扩大整个软件市场，并攫取不成比例的利润份额，超过60%的软件经济效益可能会通过Agent系统而非传统的SaaS服务实现[15][18] - 市场正在增长而非萎缩，但随着智能、内存和执行能力从静态应用程序转移到跨工具运行的自适应系统中，传统软件的经济效益正在被削弱[18] - 企业并非在软件本身上花费更少，而是在软件许可证费用上花费更少，在最终成果上花费更多[18] - 当利润池的流动速度超过收入的减少速度时，公开市场会立即做出反应，而私募市场则会随后跟进[19] - 过去十年大量资金涌入软件行业基于可预测收入、低客户流失率和高回收价值的假设，AI不会一夜之间摧毁投资，但会造成滞后效应：支出压缩先于客户流失，利润率下降先于违约[20] 平台与产品的战略分野 - MongoDB CEO CJ Desai指出，产品终将被替代，而平台方能长青，全球纯软件业务营收超百亿美元的公司屈指可数（个位数），原因在于真正的平台是稀有的[22][26] - 在技术转型（如互联网、AI、移动时代）中，速度至关重要，公司必须快速构建、学习并转向以保持领先，一旦落后就会被质疑未来[23][24] - 平台具有粘性，产品则没有，产品可以被替代，因为软件市场是颠覆性的，公司必须确保呈现给客户的是一个“平台”[25] - 平台意味着至少有两个或以上的产品被客户使用且能协同工作，并与客户的所有现有系统深度集成，这构成了真正的粘性[27] - CJ Desai以一家银行为例，该行在MongoDB上构建了300个应用（总应用数为9000个），深度集成使得平台替换成本极高，粘性很强[28] 对新兴开发模式的审视 - 针对“氛围编程”和按需创建应用的威胁，CJ Desai指出，企业级应用需要满足监管合规、高可用性、多云部署、内部部署（如气隙网络）等严格要求，这限制了简单工具快速进入大企业市场（TAM）的能力[29][30] - 大银行、医疗公司或公共部门等客户的市场进入需要克服大量检查、治理和安全审计，这构成了实质性壁垒[30] 当前投资焦虑与未来价值锚点 - 当前投资者环境焦虑，焦点集中在模型层而非应用层，对SaaS应用、数据基础设施和AI原生公司感到焦虑，担心所有价值最终都集中在模型里[31] - CJ Desai认为，在软件栈中，大型语言模型（LLM）层和数据层在可预见的未来是必然存在的恒量，其他一切都会演变[32] - 除了LLM层和数据层，顶层的、聚焦特定行业（如保险）用例的部分将始终至关重要，能够利用AI实现旧SaaS无法实现价值的新公司将有机会[33]