每个人都说 SaaS 已死，真的吗？

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI工具导航 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

科技界一直在经历一场集体的精神崩溃。

打开任何社交媒体动态，你都会发现关于 AI 智能体如何取代所有现有软件、工程师如何完蛋、以及整个 SaaS 行业如何正在走向末路的海量热门观点。这种焦虑已经蔓延到公开市场 —— 稳健的 SaaS 公司正遭受打击，因为投资者显然相信一个五人创业团队可以在一个长周末通过 vibe-coding 打造出一个 Salesforce 杀手。

我最近听了一期精彩的 No Priors 播客，Sarah Guo 和 Elad Gil —— 两位在技术领域深耕多年的投资人 —— 剖析了这种恐慌。他们的结论？市场对故事的判断灾难性地错误。

不是因为 AI 不具有变革性。它绝对具有变革性。而是因为人们混淆了正在变化的东西和正在死亡的东西 —— 并将创业公司的行为投射到财富 100 强公司身上，仿佛它们是同一部电影。

让我从他们的对话中提炼出七大最重要的洞见，并结合我在行业内部观察到的情况。

1、Vibe Coding 不会取代企业软件

取代不了，而且差距很远。

Elad 提出了一个尖锐得几乎见血的观点：没有人会 vibe-code 一个车队管理应用，然后 vibe-sell 给企业客户，再 vibe-manufacture 仪表板摄像头并安装在数千辆车上。

他提到了 Samsara —— 他投资的一家公司 —— 提供涉及硬件传感器、复杂软件集成、企业销售周期、合规要求和持续客户支持的车队管理解决方案。仅靠代码生成就能取代这种想法是可笑的。

以下是大多数工程师忽略的：软件不仅仅是代码。

一个成功的企业产品需要深入理解客户工作流程、与多个利益相关者的谈判、数据安全合规、持续培训和支持，以及基于市场反馈的迭代。这些都不会通过生成几千行 Python 来自动化。

Sarah 补充了一个杀手级的数据点：他们的一些投资组合公司创造数亿收入，却将工程团队控制在 50 人以下，同时将销售团队迅速扩展到近 100 人。即使在 AI 时代，向企业销售仍然需要人。 因为企业交易从来都不是纯粹的技术问题 —— 它们是关于信任、定制化和理解让 CTO 夜不能寐的事情。

"SaaS 已死"的人群往往是假设每个人都想自己构建软件的工程师。但大多数人不想制造软件。他们想要软件解决他们的问题。这就像说更好的厨房小工具会杀死餐厅。不 —— 人们想要一顿美餐，不是一个烹饪项目。

2、Vibe Coding不适合大企业

对 5 人创业公司有效的东西不会扩展到拥有 10 万员工的银行。

这是当前 discourse 中最大的逻辑错误。

是的，一个五人团队可以使用 AI 在一个周末搭建一个基础 CRM。在 AI 之前，他们可能无论如何都在使用 Google 表格，所以任何升级都是胜利。但这并不意味着摩根大通会撕掉其 Salesforce 实例 —— 一个经过多年定制、嵌入业务逻辑、合规配置、权限层级以及与数十个其他系统集成 —— 并用某个实习生周六构建的东西取而代之。

Sarah 美丽地说明了这一点。问一个工程师：你会为 Jira 每个座位支付 10 美元吗？ 他们可能会说不。但接着问他们：你想处理美国银行的变更管理吗？处理所有安全审计？管理来自 5 万名员工关于工作流程变更的投诉？无限期维护系统？

突然之间，每个座位 10 美元听起来很划算。

企业软件的价值不在于代码复杂性 —— 而在于解决完整的问题，包括所有看不见但关键的任务：治理、合规、变更管理、供应商问责和长期维护。

我注意到一些事：大声宣布"我们不再需要 SaaS"的声音几乎总是那些从未负责过在拥有 5 万人的组织中部署软件的人。他们从未应对过竞争性的部门利益，从未面对过合规团队 40 页的安全需求清单。

一旦你经历过这些，vibe coding 听起来就没那么有威胁性了。

3、软件需求正在指数增长 —— 而不是萎缩

Elad 复兴了 Marc Andreessen 著名的论断"软件正在吞噬世界"，并认为它实际上正在加速。更新版本？AI 正在吞噬世界 —— 因为 AI 只是软件更强大、更智能的进化。

这里有个违反直觉的部分：即使 AI 工具显著提高了开发者生产力，对工程师的需求并未下降。创业公司仍在积极招聘。为什么？

因为需求增长快于生产力。

当你能更快更便宜地构建软件时，你不会建得更少 —— 你会建更多。所有那些因为太贵而被搁置的想法突然变得可行。这就是诱导需求效应，就像修建一条新高速公路：你期望减少拥堵，但相反更多人开始开车，因为新的目的地变得可达。

Elad 还揭示了一个工程界内部迷人的文化分歧。一些工程师将编码视为工匠手艺 —— 他们品味手工打磨每一行代码，追求优雅和纯粹。对他们来说，AI 生成的代码感觉像是对他们手艺的侵犯。

其他工程师将代码视为达成目标的手段 —— 一个用于构建产品和交付用户价值的工具。对于这群人，AI 是解放。他们终于可以专注于创造性问题解决，而不是样板苦差事。

这种分歧只会加深。"工匠"工程师可能会倾向于重视代码质量和技术深度的专业团队和开源项目。"产品"工程师将在 AI 时代蓬勃发展，被释放精力专注于最重要的地方：理解用户和交付价值。

4、代码质量管理是无人谈论的未解决危机

Sarah 提出了我认为是 AI 和软件整个辩论中最被低估的问题：当 AI 生成大量代码而没有人真正阅读时，你如何确保质量？

她称之为"slop 问题" —— 不是非技术人员构建爱好网站生成的那种 sloppy 代码，而是生产系统中出现的垃圾代码，由每个走阻力最小路径的工程师生成。说实话：每个工程师有时都会抄近路。

传统软件开发严重依赖代码审查 —— 有经验的工程师仔细检查新提交的逻辑错误、性能问题和安全漏洞。但当 AI 一次性生成数千行代码时，有意义的审查变得几乎不可能。人的注意力是有限的。没有人能严格审查他们没有写的数千行代码。

结果？作为技术债务累积的审查不力的代码山，可能隐藏着严重的安全漏洞。

Sarah 指出，虽然人们建议解决方案 —— 自动化测试、AI 驱动的审查工具、形式化验证 —— 但这个领域仍然是"完全开放的"。还没有人破解这个。

这是一个巨大的创业机会。 帮助工程团队在 AI 饱和的代码库中管理人的注意力并维持质量标准的工具将变得不可或缺。这不仅仅是技术挑战 —— 它是工程管理和组织流程问题。

她还建议像 Jira 这样的工具可能面临风险但也有机会进化。新一代工程管理工具应该关注核心问题：当 AI 大规模生成代码时，你如何管理团队注意力？

优先级的转变是明确的：从"我们如何更快地生产代码？"到"我们如何确保我们生产的代码是可靠的、可维护的和安全的？"

5、增长数字惊人 —— 成本曲线疯狂

Elad 分享的数据真的让我震惊。

他的团队追踪了不同时代科技公司从 10 亿美元增长到 100 亿美元收入需要多长时间：

• ADP, Adobe： 约 20 年
• Salesforce, SAP： 8-9 年
• Microsoft： 7-8 年
• Google, Meta, AWS： 3-5 年
• AI 实验室（预测）： 约 1 年

从 100 亿到 1000 亿？微软用了 27 年。Google 和 AWS 用了 10 年以上。AI 实验室预计会在 3-5 年内完成。

我们正在见证软件史上最快的收入增长。不是渐进式改进 —— 数量级加速。

然后是成本方面。GPT-4 级别的模型在仅 21 个月内从每百万 token 37 美元降至 0.25 美元 —— 降低了 150 倍。O1 级别的模型在 11 个月内从 26 美元降至 0.30 美元 —— 降低了 88 倍。

想想一年内 88 倍的价格降低意味着什么。以前经济不可能的用例变得微不足道地便宜。AI 采用的障碍实际上崩溃了。

现在这里是悖论：token 价格暴跌而 AI 公司收入飙升。这只有在需求增长大幅超过价格下降的情况下才有意义。AI 不仅仅是取代现有市场 —— 它正在创造巨大的新市场。这验证了 Elad 的论点：软件需求实际上是无限的。生产力提升不会减少需求；它们释放了以前被成本壁垒锁住的被压抑的需求。

6、科技正在吞噬更大份额的经济

2005 年，Google 的市值是 1000 亿美元，埃克森美孚是世界上最有价值的公司。到 2018 年，苹果成为第一家万亿美元公司，科技股约占标普 500 的 30%。

今天？前八大科技公司合计价值 23 万亿美元，占标普 500 的 50% 以上。科技在美国 GDP 中的份额从 2005 年的 4% 增长到现在的 12%。

这一趋势没有放缓。Elad 预测，到 2035 年，科技可能占 GDP 的 15-30%，取决于增长假设。这意味着更多万亿美元公司、更多市场集中度，以及更多由软件中介的经济。

对于投资者来说，传统估值框架可能需要重新校准。曾经标志着"后期阶段"的 10 亿美元估值，现在可能只是拥有真正 AI 原生护城河公司的开始。

但 Sarah 提供了一个重要的反驳：虽然整体市场扩张，价值分布仍然遵循幂律。大部分价值集中在顶层。即使是 Google —— 看似服务于长尾 —— 其广告收入的绝大部分也来自头部和躯干客户。

不要美化民主化。 是的，AI 降低了创业门槛。不，这不意味着每个创业公司都会成功。如果有什么的话，集中效应可能会加剧 —— 更少的公司捕获更大的市场份额。

7、何时出售：创始人讨厌但需要问的问题

Elad 提出了大多数创始人避免思考的问题：你应该何时考虑出售？

他指出了互联网时代：1999 年到 2000 年间约有 1000-2000 家公司上市。今天只有 12-24 家仍然重要。还记得 Friendster 吗？MySpace？两者看似不可阻挡 —— 直到 Facebook 吞噬了它们。

他的建议：定期安排董事会会议专门讨论退出策略。 不是因为你应该出售，而是因为使其成为例行、非情绪化的过程意味着你会理性地评估真正的机会，而不是被动地反应。

他讲了马克·库班的故事 —— 库班在估值顶峰将公司卖给雅虎，然后使用期权策略锁定收益，即使雅虎股价暴跌。那不是运气。那是精准时机结合金融老练。

在 AI 时代，这个问题变得更加紧迫。以前需要十年完成的技术转变现在在一到两年内发生。最佳退出窗口更窄，错过它的后果更严重。

每个创始人都应该定期问自己：我的公司仍在上升，还是接近顶峰？竞争格局在改善还是恶化？技术趋势是支持我还是反对我？

8、最佳防御：多产品捆绑

Sarah 最战术性的洞见：AI 时代最好的防御是构建产品捆绑。

许多人将捆绑视为进攻策略，但它同样强大作为防御。当你为客户提供 5-10 个不同的产品或功能时，你就嵌入了他们的工作流程。竞争对手无法轻易地一次一个功能地击败你。

这与 SaaS 时代的经典智慧"做好一件事"相矛盾。Sarah 认为那一直是糟糕的建议。在 SaaS 之前，成功的平台公司积极多产品。微软在 Windows 之上构建了 Office。Google 从搜索扩展到垂直产品 —— 旅游、本地、地图。捆绑和前向整合是历史常态，不是例外。

"做好一件事"时代是由缓慢变化的市场促成的反常现象。在 AI 时代，单一产品公司承担过多的生存风险。AI 实验室可以前向整合进入你的垂直领域。竞争对手可以用新技术超越你。随着新交互范式的出现，客户需求可能在一夜之间转变。

如果你是创始人，战略问题是：哪些垂直领域是持久和可防御的，哪些会被平台吸收？

9、区分信号与噪音

Sarah 和 Elad 都强调，我们刚刚经历了一个异常炒作的月份。关于 AI 智能体自主做出购买决策、AI 系统中的"涌现行为"的声明 —— 很多都是为了营销目的而制造的。

Sarah 直言不讳：许多人们庆祝的"令人兴奋的涌现行为"是刻意为推广影响而设计的。

演示和部署产品之间的差距仍然巨大。这让人想起自动驾驶 —— 多年的精彩演示，但很少能在数千个企业环境中可靠运行的大规模产品。精美展示与在生产中真正有效的系统之间的鸿沟是巨大的。

Sarah 指出，股票分析师仍然没有完全内化演示和真实产品之间的区别。他们看到一个精美的展示就假设技术已经成熟，忽略了实际部署的巨大工程和组织挑战。

重要的细微差别： 这些都不意味着 AI 不是革命性的。它绝对是。但长期转变和短期炒作是不同的东西。能区分两者的投资者将获胜。

10、底线：现在真正重要的是什么

以下是我消化所有这些之后的综合：

变化快的： 代码生成能力、开发速度、软件构建成本、原型制作速度。

变化慢的： 企业采购流程、客户关系管理、复杂系统维护、组织信任、监管合规。

建立持久优势的公司将是那些利用快速变化的技术基础来加强缓慢变化的组织能力。

最大的机会不在于用 AI 克隆现有的 SaaS 产品。 它们在于解决 AI 时代之前不存在的问题：大规模代码质量管理、工程团队的注意力分配、AI 生成内容的信任和验证，以及帮助企业导航日益复杂的工具格局。

至于 SaaS 是否已死？传统 SaaS 将进化，不会消失 —— 就像移动没有杀死桌面软件但迫使它适应一样。成功整合 AI 的公司将变得更强。拒绝改变的公司将被淘汰。但基本模式 —— 可靠、专业、持续更新的解决方案作为服务交付 —— 不会消失。

因为归根结底，企业想要他们可以信任的解决方案，而不是他们必须永远维护的周末编程项目。

原文链接：Everyone Says SaaS Is Dead. Here's What's Actually Happening to Software

汇智网翻译整理，转载请标明出处