SaaS大拆分：两极分化
我一直在思考AI颠覆SaaS的叙事。每个人都在谈论AI将如何"改变"软件，但我认为大多数人都理解错了。真正的故事不是关于改变——而是关于两极分化。一些SaaS公司将彻底被摧毁，而其他公司将比以往任何时候都更强大。这不是看着一些SaaS公司的估值水平，买入估值指标上便宜的东西。
生存的决定性因素不是品牌，甚至也不是SaaS公司拥有的数据——而是他们的核心系统是确定性的还是概率性的。
让我解释一下我的意思，以及为什么这对投资者很重要。
1、核心论点：确定性系统与概率性系统
确定性系统是那些精度至关重要、状态管理复杂、错误会级联成严重后果的系统。想想会计软件、ERP系统、合规平台、医疗系统、支付处理器和复杂的工作流引擎。这些系统需要100%的时间都正确——不是95%，不是99%，而是100%。当你对账10亿美元的资产负债表或为5万名员工处理工资单时，"差不多够好"是不可接受的。
"传统企业功能，如HR，本质上是确定性的；像员工解雇这样的决策是二元的，需要严格的逻辑，其中特定输入触发精确、不变的序列。相比之下，LLM本质上是概率性的，确定下一个标记的置信度，而不是遵循硬编码的决策树。" —— 来源：Rippling员工（AlphaSense）
概率性系统是那些核心价值主张是模式识别、内容生成、基本自动化或简单决策的系统。想想聊天机器人、内容推荐引擎、基本客户支持自动化、简单工作流工具和通用生产力软件。这些系统可以容忍错误，通常基于"足够好"的输出。
更可能的是，AI将吞噬概率性类别，而一些确定性系统将通过整合AI作为补充层而变得更有价值，并开始扩展到其他层。
2、为什么确定性系统实际上通过AI得到加强
这可能看起来违反直觉。如果AI如此强大，为什么它不会颠覆复杂系统？
"当自主性受到约束、执行权被拥有、确定性被视为资产而非限制时，AI就会成功。" —— Jens Eriksvik
当你观察企业实际上如何在2025/2026年部署AI代理时，他们并没有取代他们的记录系统——他们在上面构建编排层。正如一位前Microsoft经理所说：
"正在进行'现实检查'，因为CIO们意识到LLM缺乏金融服务等关键行业所需的确定性一致性。像承保这样的用例，一个系统'十次中有六次'提供正确答案是不够的；这些过程需要100%的一致性，而当前概率性模型在没有大量重新工程的情况下难以保证这一点。"
LLM解释人类意图，确定性系统执行实际工作。确定性系统不会被颠覆；被颠覆的是操作员（你）。这是生产环境中正在获胜的架构。
为什么这很重要？因为拥有这些确定性平台的公司在AI世界中变得更有价值，而不是更少。他们成为AI实际完成任务所必需的必备执行层。
随着越来越多的人在AI的帮助下从这些平台获取有价值的信息，这些确定性平台的使用应该会大幅上升。使用量上升，但前提是平台能够将这些AI工具很好地整合到其确定性平台核心中。
但即使是确定性系统，也存在挑战。基于席位的定价必须转换为使用定价。SaaS公司现在必须积极削减成本，特别是劳动力成本、SBC等，并走在曲线前面。作为确定性平台，你可以为你的确定性核心产品收取溢价。在此之上，你将能够提供补充确定性核心的概率性工具。这里的定价逻辑很简单：你按推理成本+30%利润率定价。随着时间的推移，当你建立作为一个平台的粘性产品时，你可以再次尝试逐步扩大利润率，但现在还没有到那个时候。
作为确定性平台提供商，目标很明确：提供明确的确定性核心，执行出色的概率性产品以增强核心，并在增加云基础设施运营支出以达到大规模规模时积极削减劳动力成本，然后由于这种规模协商更好的推理成本。
做到这一点的公司将成为大赢家，因为他们将能够整合并在其产品之上提供概率性功能，利润率在推理成本+30%，并因此扩大他们的TAM。
3、概率性SaaS的血腥屠杀
现在让我们谈谈这个等式的另一面——陷入困境的SaaS公司。
如果你的核心价值主张可以以1%的成本达到90%的质量被LLM复制，而你提供的是概率性产品，你就不再有合理的商业模式。问题在于，如果你的核心价值主张是模式匹配、内容生成、推荐或简单自动化。基础模型在这些确切的任务上变得如此出色，以至于它们可以用几行代码复制你的整个产品。问题不仅仅是成本（这是一个大问题），问题还延伸到用户界面、数据、集成和品牌护城河。
当自然语言成为界面时，作为SaaS提供商拥有"出色的UX"是无关紧要的。用户宁愿在ChatGPT中输入"为我们的Q1发布生成10封营销电子邮件"，而不是在HubSpot的47屏工作流构建器中导航。虽然有些人指出专有数据是这类企业的强大护城河，但我会持相反观点。现代LLM可以从少量示例中学习，并且可以表现得像有数千个示例的模型一样好。LLM的加速发展和合成数据的出现也伤害了现有数据持有者的利益。Meta在2024年的研究表明，在GPT-4生成的合成数据上训练的模型在大多数分类任务上与在真实数据上训练的模型性能相差2%。而且这是在2024年，直到今天，这种情况只会更好。即使专有数据让你的模型准确度提高2-3%，由于业务的概率性质，客户也不愿意为2-3%更好的结果支付100倍的溢价。然而，如果你的系统是确定性的，他们可能会这样做。
转向"集成护城河"。这里的关键强调是，这些SaaS解决方案与数千个其他应用程序集成，这种生态系统很难复制。大多数SaaS产品都有文档完善的API。AI在没有预构建连接器的情况下作为集成层表现出色。随着AI代理的采用加速，这些集成和连接将变得更加无缝，而SaaS公司希望在代理AI时代保持"有用"，使他们的API更加开放和清晰。
现在谈谈品牌护城河。在某种程度上，企业对品牌有忠诚度，因为他们建立了对这些品牌的信任，这是有道理的。但在概率性系统中，这种信任不如确定性系统强烈和忠诚，因为你可以确定地知道你会得到100%准确的结果。企业在一定程度上是忠诚的，直到成本差距变得太大。如果折扣是20-30%，大多数不会转换，但如果折扣增长到50-+70%，转换就开始了。信任因素也非常流动。AI初创公司通过媒体报道、以数十亿美元筹集新的风险投资资金，以及从现有公司聘请知名人士，来获得低成本的概率性系统解决方案的信任。
概率性SaaS的削减已经在进行中，这不仅仅是削减席位。
Publicis Sapient报告说，他们正在积极将传统SaaS许可证削减约50%——包括像Adobe这样的大型平台——用生成式AI工具和聊天机器人取代它们。该公司的一位高管在专家访谈中解释说，AI代理比初级员工"快10倍，聪明100倍"，造成了直接蚕食支撑商业SaaS模式的基于席位收入的冗余。
对于概率性SaaS，唯一可行的模式是将成本削减到最低，并以推理成本30%+的利润率定价你的产品，但即使那样可能也不够粘性，特别是如果你没有确定性产品，并且你的客户主要是SMB。这些公司不会直接被AI颠覆，而是被与它们竞争的确定性系统颠覆，这些系统提供AI生成的概率性产品，并将它们与核心确定性系统捆绑成一个单一产品。如果你的ERP提供商开始向你提供一个与你的ERP无缝配合的客户系统，并且为两种用例使用你的推理积分，你可能会切换过去，而不是使用单独的客户服务产品，即使成本相同。
4、估值压缩已经在发生，但它是全面的
目前，市场正在全面打击SaaS，因为它看到了AI颠覆的风险。截至2025年12月，公开SaaS公司的EV/Revenue中位数倍数为5.1x，从大流行高峰的18-19x下降，也远低于历史平均水平。
市场尚未完全考虑的是我在这里阐述的确定性和概率性平台差异，所以在合理的价格上拥有确定性SaaS平台的机会肯定存在。
根据本文中阐述的标准，我列出了公开上市的SaaS公司，并按确定性/概率性顺序对它们进行了排名，以下是我强调的一些AI颠覆风险最低的公司：
原文链接: The Great SaaS Unbundling
汇智网翻译整理，发表于标明出处