SaaS 葬礼笔记

每隔几年,就会有人宣布软件已死。这一次,是人工智能(AI)在作祟。现在,你可以直接对着 Claude Code、Microsoft Copilot 或 OpenAI Codex 说“帮我做一个 CRM 系统”,谁还会再为企业软件付费呢?

分享
SaaS 葬礼笔记

每隔几年,就会有人宣布软件已死。这一次,是人工智能(AI)在作祟。现在,你可以直接对着 Claude Code、Microsoft Copilot 或 OpenAI Codex 说“帮我做一个 CRM 系统”,谁还会再为企业软件付费呢?

就在两周前,一条关于 Claude Code 的推文就足以让 SaaS 股票下跌 5%。我理解这种直觉。但我认为大多数人得出的结论是错误的,而且有必要精确地指出这种逻辑究竟错在哪里。

首先:不,我并没有完全忘记认知工业革命。过去 20 年来定义 SaaS 的模式确实已经难以为继。SaaS 公司曾经的辉煌时期是,你可以收取 40% 甚至 50% 的利润率,因为你的产品是唯一能够满足客户大部分需求,同时又足够稳定以支持业务扩展的产品。

如今,SaaS 的护城河已经减弱了。仅仅依靠工程技术就能构筑的防御体系已不再像过去那样坚固。但关键的区别在于,利润率下降——或者说护城河被侵蚀——并不等同于走向灭亡。从“旧的SaaS模式正在被颠覆”到“软件将不再有人销售”的跳跃式思维,简直愚蠢至极。

认为公司很快就能通过简单的代码生成功能齐全的人力资源系统、应付账款平台或企业级CRM的想法完全是错误的,即便忽略了如果有人真的用代码生成公司独特的薪资平台,将会引发的合规性和安全性方面的噩梦。

这里的大多数论点都从根本上误解了软件业务,认为它们仅仅是一次性生成的代码。它们是需要维护、验证、安全、合规和持续改进的鲜活系统。

真正正确(也令人振奋)的是,软件现在必须将人工智能生成能力作为其价值主张的核心特征。新的竞争护城河并非建立在软件系统的人工智能如何精准地契合其所属类别的特定需求之上。一家CRM公司如果能够提供一套深度智能的代理,持续优化您的销售流程,比任何人类分析师都更全面地了解您的销售渠道,并配备专为该领域打造的强大后端库,那么它在这个月就拥有了极其强大的竞争优势。那些理解这一点的现有企业将会进化,而那些不理解的企业将会被淘汰。但即便如此,它们的消亡速度也会比大多数人预想的要慢。

商业模式也将发生转变。我们可能会看到更多类似公用事业的预付费模式,客户预付一定数量的资源。例如,一家CRM公司可能会围绕计算消耗和规模重新构想其经济模式。我们之前也经历过类似的商业模式转型。我们从本地部署软件过渡到云端SaaS,世界并没有因此而毁灭,反而更加繁荣。如今,我们正在经历类似的转型,从云端过渡到AI原生。

因此,值得注意的是:传统的护城河——网络效应、客户关系、数据优势——并不会消失。当人工智能能够真正利用独特的数据源时,它们的价值就会更高。当人工智能系统基于公司多年的特定工作流程进行训练和优化时,客户锁定就有了新的含义。而杰文斯悖论也将继续发挥作用……随着软件开发成本的大幅下降,对软件的需求将大幅增长。

所以,SaaS 并没有消亡。参与者依然在场。然而,旧的策略正在逐渐失效,那些无法跟上时代步伐的人也将​​随之被淘汰。这是一个重要的区别。


原文链接:Notes from the SaaS Funeral

汇智网翻译整理,转载请标明出处

阅读更多

AutoSynthData:把 Agent 的失败变成训练数据,企业级合成数据流水线

AutoSynthData:把 Agent 的失败变成训练数据,企业级合成数据流水线

合成数据的难点不是"生成得像",而是"可执行、够真实、能被可靠判定、还刚好卡在模型能力边界上"。AutoSynthData 先用诊断任务找出目标模型的失败模式,用更强教师刻画解法,蒸馏出不含原始提示的能力规格卡,再并行生成核心任务(target)并扩增变体(multiply),逐个过正向/负向验证与批评修复,最后做批级覆盖度审查。EnterpriseOps Gym 实测:Hybrid 的 Pass@1 相对提升 35%,ITSM 从 18.77% 升到 27.18%。

By admin
不是"有没有依据",而是"依据来自哪个源":MCP Agent 的来源感知验证

不是"有没有依据",而是"依据来自哪个源":MCP Agent 的来源感知验证

传统的忠实度检查(RAGAS / MiniCheck / AlignScore / SummaC)只问"证据池里有没有支撑";但 MCP Agent 会把搜索、病历、数据库、元数据的输出混在一起,于是"事实没错、来源错配"的 cross-source conflation 能轻松过关。ProvenanceGuard 保留来源身份贯穿整条流水线:专家判定应拦截的 139 条断言它拦下 138 条,来源选择准确率约 86%,在一项"来源调包"测试里 50 次全部检出。

By admin
给你的编程 Agent 一份"自己的记忆":本地、可移植、可溯源的 funes

给你的编程 Agent 一份"自己的记忆":本地、可移植、可溯源的 funes

每个编程 Agent 见到你的项目都像陌生人:会话结束,推理就没了。funes 把 Agent 本机已有的会话轨迹建成记忆——单二进制、本地嵌入与重排、写入 Lance 数据集,一条 funes add 命令即可让 Claude Code / Codex / pi / Hermes 互相"记得"彼此的决策,并能发布成你私有的 Hugging Face 数据集跨机器跟随。实测中,recall 比手写交接便宜 4~8 倍,且是三种长会话出口里唯一两个任务都成功的。

By admin