headphones
AI Agent杀不死SaaS
动察Beating
动察Beating
Follow
Focus
每一次技术革命,最终拿走最大利润的,往往不是发明了那项惊天动地新技术的人,而是那些悄悄掌握了新技术赖以生存的稀缺要素的人。
Helpful
Unhelpful
Play

作者:动察Beating

AI Agent 火起来之后,很多人已经开始给 SaaS 写悼词了。但我觉得为时尚早。

投资人们确实很恐慌。2026 年初,SaaS 末日的恐慌席卷了整个科技圈。1 月底,Anthropic 仅仅是发布了一个让 Claude 能够调用插件的功能更新,美股软件板块市值就在之后的三周内蒸发了数千亿美元的市值。

他们恐慌的逻辑是很简单的。他们认为,既然 AI 已经能自己写代码、找漏洞、甚至动态生成工具,那么写代码的成本就无限趋近于零。一旦 Agent 能够随时随地为企业搓出各种定制化工具,那些按月收租的软件公司,它们辛辛苦苦建立的护城河自然就荡然无存了。

于是,从 CrowdStrike 到 IBM,从 Salesforce 到 ServiceNow,无论财报多亮眼,都在经历着惨烈的抛售。

与此同时,无数 AI 创业者正拿着 BP,冲着 VC 说要「做 Agent 时代的中间层」、「For Agent 创业」。

他们都在赌一件事:造工具,是这个时代最性感的生意。

但如果我们把视线从那些 PPT 上移开,去看看企业运转的真实切面,就会发现其实根本不是这样的。

软件卖的从来不是代码

经济学中有一个经典且被反复验证的理论,叫做「要素稀缺性转移」。每一次生产力革命,都会让某种原本稀缺的要素变得丰裕,同时让另一种原本被忽视的要素变得极度稀缺,财富随之向后者集中。

工业革命前,劳动力是稀缺的;蒸汽机让机械劳动力变得丰裕,稀缺性就转移到了资本和工厂,于是工厂主成了那个时代最富有的人。

互联网革命让信息传播的成本归零,稀缺性就转移到了用户的「注意力」,于是流量成了一门大生意。

如今,AI 革命正在让写代码和造工具的能力变得极度丰裕。在代码不再稀缺的 Agent 时代,稀缺性究竟转移到哪儿了?

其实,在软件行业发展的几十年里,代码本身从来没有真正成为过护城河。

Linux 系统的每一行代码都是免费的,但这并不妨碍 Red Hat 被 IBM 以 340 亿美元的天价收购;MySQL 是免费的,Oracle 把它收入囊中后,依然能靠它卖出昂贵的服务合同。PostgreSQL 的代码任何人都能下载,但 AWS 的 Aurora 数据库服务每年依然能从企业客户身上收走几十亿美元。

代码免费了,生意还在,而且生意还挺好。

最关键的其实是这三样东西:被固化下来的业务流程、经年累月沉淀的客户数据,以及由此产生的极高转换成本。

当你购买 Salesforce 时,你买的不是那套 CRM 系统的源代码,而是它背后管理着的超过 50 万亿条企业客户记录,以及它如何将销售、客服、营销等环节严丝合缝地咬合在一起的流程经验。这些数据不是一行行冷冰冰的代码,而是企业活生生的时间与历史。

一家公司在 Salesforce 上用了十年,客户的每一次沟通记录、每一笔交易历史、每一个销售机会的跟进节点,全都在里面。你要迁走,不是换一个软件的问题,而是相当于把公司的记忆整个搬家。

这就是为什么 Salesforce 依然能交出 410 亿美元的年收入,并且把 2030 年的目标定在 630 亿美元。

回到要素稀缺性转移的框架里。既然 Agent 能够自己制造工具,写代码的成本已经归零,那么在企业服务这个场景下,最稀缺的要素的究竟是什么?

卡住 Agent 的脖子

真正卡住 Agent 脖子的,不是它没有手,而是它没有脑子里的「上下文」。

一个拥有所有工具的超级 Agent,就像是一台性能顶级的榨汁机。它转速极快,刀片锋利,但如果没人往里面扔水果,它肯定没法给你变出来一杯果汁。

麦肯锡在年度报告中指出,88% 的企业正在使用 AI,但只有 23% 真正实现了 Agent 系统在企业内某个环节的规模化落地。卡住它们的,根本不是大模型不够聪明,而是企业的数据架构没有准备好。

SAP 数据与分析总裁 Irfan Khan 在 MIT Technology Review 的采访中提到:「企业不可能把整个总账系统扔掉换成一个 Agent,因为 Agent 如果没有业务上下文就什么都做不了。」

这里说的「业务上下文」,指的是:这家公司的财务合规底线在哪里,这个行业的监管要求是什么,眼前这个客户过去十年的偏好和历史,这个供应商的付款条款和违约记录,这个员工的绩效历史和晋升路径……这些东西,既不在互联网上公开,也不能通过爬虫获取,更是 AI 无法通过文本预测生成的。

Foundation Capital 的合伙人 Ashu Garg 也持同样的观点。他说,Agent 需要的不只是数据,而是一个「上下文图谱」,一个能够捕捉企业不仅做了什么、更能记录企业如何思考的推理层。这种东西,只能从真实的业务运营中沉淀,无法凭空制造。

在这个逻辑下,稀缺性已经从「造工具的能力」,转移到了「拥有不可替代的业务上下文数据」。

既然 Agent 自己变不出一杯果汁,那么那些水果到底在谁手里拿着呢?

数据地主的黄金时代

答案指向了那些曾经被认为会被 AI 颠覆的老家伙们。

2026 年 2 月 23 日,Bloomberg 推出了名为「ASKB」的 Agentic AI 界面。Bloomberg Terminal 是软件行业里最具代表性的存在之一。

虽然全球只有 32.5 万个订阅用户,但是每个账号每年收费 3.2 万美元,这意味着 Bloomberg 每年靠这 32.5 万个账号,就能收走超过 100 亿美元的收入,占到 Bloomberg LP 全部营收的 85% 以上。

对于「用户越多越好」的互联网行业来说,这其实是反逻辑的,Bloomberg 靠着极少数的付费用户,建起了一座坚固的商业堡垒。

它能做成的原因只有一个,因为 Bloomberg 掌握着全球最完整、最实时、最深度结构化的金融数据。这些数据是几十年来持续投入的产物,包括实时行情、历史档案、新闻语料、分析师报告、公司财务数据……任何想要在金融领域做出严肃决策的机构,都没有办法不使用它。

对于新推出的 ASKB 而言,AI 是引擎,而 Bloomberg 独有的数据是唯一的燃料。任何想要在金融领域发挥作用的 Agent,都不可能凭空捏造出这些数据,它只能乖乖地接入 Bloomberg 的接口。

WatersTechnology 给出了一个非常精妙的评论:Bloomberg 的 Agentic 布局,展示出了「那些拥有数据的人是如何把 AI 变成自己提款机的」。

这个逻辑,在各个垂直领域都是如此。Veeva 掌握着全球医药行业的合规与研发数据,任何制药公司的 Agent 要处理临床试验、监管申报,都必须调用这些数据;Epic 掌握着美国超过 2.5 亿患者的医疗健康记录,医疗 Agent 的每一个诊断建议,都需要这些真实的病历数据作为底座;LexisNexis 垄断着庞大的法律文书档案,法律 Agent 要做案例检索和合规分析,无法绕开它。

这些数据是真实世界里几十年业务运营的结晶,是时间的沉淀,是无法被复制的历史。这也是「要素稀缺性转移」的终极体现:当所有人都拥有了顶级的 AI 引擎,真正决定胜负的,是你能不能找到那片独属于你的油田。

在过去,这些订阅制数据服务是卖给人类分析师的。一个大机构可能需要购买 100 个 Bloomberg 终端账号。但在未来,当机器成为数据的消费者时,可能是一个机构运行着上万个 Agent,它们在毫秒级的时间内,疯狂地调用着这些专有数据接口。

这是一个量级上的跃迁。人类分析师一天能处理的查询是有限的,但 Agent 的调用频率可比人类多得多。对持续、实时、高价值数据的需求,将迎来指数级的爆发。订阅制的商业逻辑不仅没有被颠覆,反而被机器的贪婪胃口无限放大了。

代码归零,数据开始收租。

但是,这是否意味着所有 SaaS 和数据公司都能高枕无忧?

不是所有 SaaS 都有这张牌

如果把这篇文章理解为对 SaaS 行业的无差别唱多,那就大错特错了。AI 给 SaaS 带来的,是一场残酷的大分化。

TechCrunch 在 2026 年 3 月初采访了数位头部 VC,问他们现在最不想投什么。

硅谷的投资人已经在用脚投票了。简简单单的工作流封装、什么行业都能套用的横向工具、轻量级项目管理,这些曾经能撑起一轮融资的故事,现在的共同命运是被直接 Pass。原因很简单,因为这些 Agent 随手就能干了。没有独家数据的软件公司,正在快速失去进入资本视野的资格。

这个判断,把 SaaS 世界切成了两半。

一半是那些仅仅提供薄封装的工具型产品,把公开数据套上一个好看的界面,或者仅仅优化了某个单点操作流程的 SaaS。这类产品的护城河,本质上是用户习惯和界面粘性。

但正如 Emergence Capital 的 Jake Saper 所说:「以前,让人类在你的软件里养成习惯,是一条强大的护城河。但如果 Agent 在做这些工作,谁还在乎人类的工作流?」

这类 SaaS 确确实实面临着很大的威胁。GTM 工具栈就是一个典型案例。Gainsight、Zendesk、Outreach、Clari、Gong,这些公司分别占据了客户成功、客服、销售外拓、收入预测、通话分析等相邻功能,每个都需要单独预算、单独操作、单独集成。

AI 原生的公司,现在可以用一个 Agent 打通所有这些环节,让这些点状工具的存在价值会大打折扣。

而另一半 SaaS 则深度嵌入了企业核心业务流程,掌握着不可替代专有数据。这类公司不仅不会被 Agent 替代,反而会因为 Agent 的存在而变得更有价值。

以 Salesforce 为例,2026 年 2 月,Salesforce 财报显示,Agentforce 的年度经常性收入达到 8 亿美元,同比增长 169%;累计交付了 24 亿个「Agentic 工作单元」,累计处理了近 20 万亿个 token;已签署超过 29000 个 Agentforce 客户,单季度环比增长 50%。更关键的是,Agentforce 和 Data 360 合并 ARR 超过 29 亿美元,同比增长超过 200%。

Marc Benioff 在财报电话会上说:「我们已经把 Salesforce 重建成了 Agentic Enterprise 的操作系统。AI 越能取代工作,Salesforce 就越有价值。」

Salesforce 不仅没有被 Agent 替代,反而还成为了 Agent 运行的土壤。它的价值,恰恰来自于它掌握的那些 Agent 无法绕开的业务数据和流程上下文。

ServiceNow 的 CEO Bill McDermott 他在 2026 年 2 月公开宣布:「我们不是一家 SaaS 公司。」

他不是在否认自己,而是在主动切割。他的逻辑是 SaaS 是一个关于「软件交付方式」的概念,而 ServiceNow 要成为的,是企业 AI Agent 的编排层和执行层,AI 能发现问题、给出建议,但真正在企业系统里执行动作的,还得是 ServiceNow 这样深度嵌入工作流的平台。

Workday 则在 2026 年 3 月 17 日发布了「Sana」,一个将 HR 和财务数据深度整合的对话式 AI 套件。这个产品的核心逻辑,不是用 AI 替代 Workday,而是用 Workday 的数据喂养 AI。

Workday 掌握着数千家企业的薪酬、绩效、组织架构、财务预算数据,这些数据的深度和独特性,是任何 AI 原生创业公司短期内无法复制的。

所以,真正的护城河不是你有没有数据,而是你手里的数据是不是别人拿不到、买不到、也造不出来的。

下一个十年,谁在收租

每一次技术革命,最终拿走最大利润的,往往不是发明了那项惊天动地新技术的人,而是那些悄悄掌握了新技术赖以生存的稀缺要素的人。在这个 AI 飞速发展的时代,大模型的能力会越来越强,Agent 自己写代码、造工具的能力会越来越普及。

当这些曾经被视为黑科技的能力变成基础设施,「要素稀缺性转移」的逻辑就只剩一个结论:拼命给 Agent 造工具的那批人,大概率不是这个时代最后的赢家。

Foundation Capital 在 2026 年 2 月的分析中说,软件行业的整体市值,将在未来十年扩大到现在的 10 倍。但这 10 倍的增长,不会均匀地分配给所有软件公司,它会高度集中在那些能够真正驾驭 Agent 时代的玩家身上。

真正的赢家,是那些手里握着 Agent 无法绕开的数据资产的人。

对于今天的创业者和投资者来说,这个时代的创业者只有两种命运:一种是拼命给 Agent 造锄头,一种是先把那块地占了。你现在在做哪件事,心里应该有数。

别盯着 Agent 的手,去卡住 Agent 的脖子。

文 | Sleepy.md

Open App for Full Article
DisclaimerThis website, hyperlinks, related apps, forums, blogs, media accounts, and other platforms' content are all sourced from third-party platforms and users. CoinWorldNet makes no guarantees about the website or its content. All blockchain data and other materials are for educational and research purposes only and do not constitute investment, legal, or other advice. Users of the CoinWorldNet and third-party platforms are solely responsible for the content they post, which is unrelated to CoinWorldNet. CoinWorldNet is not liable for any loss arising from the use of this website's information. You should use the data and content cautiously and bear all associated risks. It is strongly recommended that you independently research, review, analyze, and verify the content.
Comments(0)
Popular
Latest

No Comments

edit
comment
collection
like
share