从上周开始，软件股突然就崩了。 

导火索来自Anthropic。这家公司发布Claude Cowork AI代理推出的法律工具。这个新工具能执行多项文书工作，包括追踪合规事项和审阅法律文档。这些功能正是许多法律软件产品的核心所在。 

受到这个消息的冲击，当日软件、金融服务和资产管理行业的股票市值总共蒸发了约2850 亿美元，LegalZoom.com暴跌近20%，汤森路透也下跌了15%。 

这并非孤立事件。 

同样是在上周，Google DeepMind 发布了 Project Genie。 

受Project Genie影响，游戏圈行业巨头股价便迎来了一场集体跳水：Take-Two下跌7.93%，Roblox暴跌13.17%，而曾经的游戏引擎霸主Unity更是惨烈地下跌了24.22%。 

三家公司在一个交易日市值合计缩水约195亿美元！ 

这一切波动都源于一个很残酷的判断：AI要彻底颠覆SaaS。 

这种担忧带来的结果是，投资人用脚投票，软件股血流成河。根据高盛的数据，软件是今年迄今为⽌所有⾏业中净卖出最多的⼦⾏业，目前软件⾏业的净敞⼝（占美国总净市值的百分⽐）创下4.2% 的历史新低。 

截至目前，高盛的软件板块（GSTMTSFT）已经⾼点蒸发了2万亿美元的市值，跌幅约30%。 

那么，AI要彻底颠覆SaaS到底是怎么一回事？今天硅基君就来好好讲讲这个事。 

01 软件的“溢价”正在消失

“软件已死”这个观点，并不是最近才冒出来的。

在更早进入大众认知之前，微软CEO 萨提亚·纳德拉已经在去年 1 月的一次采访中，明确提出过这个判断： 

SaaS 应用或商业应用的现有形态，很可能会在智能体时代瓦解。

站在当下看，AI所带来的直接冲击主要体现在两个方面： 

第一，AI 原生公司重构旧工作流。简单来说，就是AI公司以更低成本，重构已有软件工作流，对传统厂商形成价格和模式冲击。 

这一点在客服外包行业体现得尤为明显。2025年7月，罗杰斯通信公司宣布终止与客服外包公司 Foundever 的呼叫中心合同，原因是罗杰斯将转向AI聊天机器人。 

这一决定，直接导致加拿大地区数百个岗位受到影响。同年8月，Foundever 将其EBITDA预期下调了约10%，原因是新业务和现有业务量低于预期，以及美国市场价格压力增大。 

无独有偶，去年两家外包公司KronosNet 和 Foundever在AI相关担忧下陷入困境，其债务交易价格一度逼近违约区间。 

第二，AI 编程工具的成熟，使越来越多企业选择内部构建，减少对高价标准化软件的依赖。原本需要外部软件和服务才能完成的功能，正在被 AI 与内部工程能力替代。 

在传统SaaS 模式下，软件成本结构高度依赖研发投入。一家 SaaS 公司，研发费用通常占年经常性收入的 25%–40%，其中绝大部分是程序员成本。 

程序员所做的事情很简单，无非是把人类语言翻译成计算机语言（代码），或者把计算机语言（代码）变成人类语言。 

生成式AI 的出现，正在系统性压缩这部分成本。一方面，开发者可以直接用自然语言描述需求，由 AI 生成可运行代码；另一方面，传统“技术栈”的复杂性正在被削弱。 

以金融行业为例，像Reuters、FactSet、Macrobond 这类传统高价软件，一旦完成初期的数据接入和工具搭建，其边际价值迅速下降。AI 可以承担大量原本需要“专业服务”才能完成的分析、整理和建模工作。 

也就是说，随着开发门槛持续下降，软件的边际成本被快速拉低，“人为包装的软件服务”的价值开始迅速下降。 

哈佛大学Fiona Chen 和 James Stratton 的一项研究，提供了一个耐人寻味的侧面印证： 

AI 带来的生产率提升，主要体现在软件供给侧（软件公司内部），而非软件使用方。 

这意味着，AI 更快地压缩了软件生产成本，却并未等比例扩大软件需求。 

当AI让软件这一 高阶服务商品化后，也带来了一个结果，过去软件行业的高毛利特征，或许不复存在了。 

原因很简单，当内部 AI 工具能完成 70%–80% 的功能时，人们 为什么还要为一个许可证支付 1.5 万到 2 万美元？ 

02 业务逻辑也变了

比起盈利能力的短期波动，更深远的变化在于：软件本身承载业务逻辑的方式，正在被重构。 

用纳德拉的话说，绝大多数软件的本质，都是“带有业务逻辑的 CRUD 数据库”。 

数据被存储在数据库中，软件通过预先写好的规则，对数据进行增删改查，并推动流程向前运行。 

企业之所以为SaaS 付费，核心并不只是买一个数据容器，而是买一整套被固化进系统的业务判断。 

像Notion这样的产品，本质上就是一个结构化数据库，帮助用户存储、更新信息，并以更友好的方式呈现。过去，如何交互数据、如何触发流程，由软件本身决定。 

但在AI 时代，这个前提正在发生变化。 

从数据获取到数据交互，越来越多环节开始由AI 直接完成，业务逻辑也正在从软件应用层，迁移到AI 之上。 

在这种情况下，企业不再依赖软件内置的功能模块来组织流程，而是将判断、编排与执行交给智能体完成，软件逐渐退化为一个“被调用的能力与数据模块”。 

这一变化，在以数据收集为核心的记录系统（System of Record，SoR）领域体现得尤为明显。 

以CRM 为例，传统系统高度依赖销售人员主动录入信息，数据的完整性与及时性高度依赖人的配合，也因此形成了极强的迁移壁垒。 

现在，这一格局正在被改写。 

第一，数据收集方式发生变化，从手动输入，转向自动输入。 

比如，新一代AI 原生 CRM，如 Day.ai和Attio，能够直接接入邮件、视频、消息等沟通流程，自动收集有价值的信息，改变了过去手动收集数据的局面。 

类似的路径，也出现在客服、招聘、应急响应等场景中。 

AI 往往以一个看似边缘的“楔子功能”切入，比如自动接电话、自动整理候选人信息、自动生成总结。但随着时间推移，这些系统逐步积累起最有价值的实时行为数据，反而具备了替代原有核心系统的可能性。 

第二，AI 所带来的效率提升，不只是“更快”，而是“能做更多”。 

在ERP 领域，Everest Systems正在用 AI 简化财务分析流程，将原本需要财务分析师完成的工作，变成“自动汇总 + 自动建议”。 

在法律服务领域，Tradespace的“AI 发明采集”工具，可以自动从企业内部识别发明线索并生成申请文档，直接切入过去由律所主导的高价值服务环节。 

更重要的是，智能体在执行任务的同时，还能沉淀决策轨迹，转化为连接“数据”与“行动”之间的上下文资产。 

与传统软件只记录“结果”不同，智能体身处执行路径之中：它会从多个系统拉取信息、评估规则、解决冲突并做出行动决策。在这个过程中，所有输入、判断依据、例外情况和“为什么要这么做”，都会在“提交时刻”被完整冻结下来。 

这些决策轨迹，逐步构成了一张上下文图谱，它连接着企业中的实体、事件与因果关系，成为AI 时代最有价值的单一资产之一。 

这一趋势，也体现在许多AI 原生应用中。 

比如，Granola、Abridge等 AI 笔记产品，已经不满足于“记录内容”，而是通过理解语言、提取结构化信息、识别意图，从记录工具升级为知识与决策助手。 

还有，Decagon、Sierra AI等AI客服公司也在探索高度定制化的智能体，让其不仅承担支持职能，甚至成为产品体验和收入增长的一部分。 

总体来说，AI 的价值并不在于替代某个具体功能，而在于它具备了对业务语境的理解能力。 

不同于传统软件只能沿着预设规则运行，AI 可以在动态信息中判断意图、权衡取舍，并据此决定下一步行动。 

正是这种对业务本身的理解能力，使得决策与流程不再必须固化在软件内部，而可以上移到AI 智能体层。 

相应地，原本承担业务逻辑的系统开始退居为执行与存储工具，在关键场景中被 AI 部分、甚至整体替代。 

03 软件“变薄”，系统“变厚”

虽然AI 对 SaaS 的冲击已经成为共识，但市场正在犯的一个典型错误，就是把所有“软件”当成同一种生意来定价。 

事实上，软件公司之间的差异，可能比软件公司与制造业公司之间的差异还要大。 

红杉合伙人康斯坦丁·布勒的判断，提供了另一个视角：AI 未必会摧毁 SaaS，反而可能加速企业级整合，让头部公司的护城河更硬。 

他拿Freshworks 和 ServiceNow做了一个对比。前者长期以更低的工程成本和更快的产品迭代为卖点，但依然很难撼动后者在ITSM 领域的主导地位。 

原因很简单，在企业的决策系统里，性价比并非唯一核心因素，高层关系带来的确定性，围绕产品形成的认证与实施生态，以及大企业遗留系统的集成惯性都可能影响最终决策。 

同时，他也坦言，产品主导型增长（PLG）可能在AI时代面临更大挑战。 

PLG本质是低门槛试用、高易用性，但AI让构建好产品变得更容易，反而削弱了其独特性。相比之下，企业销售导向的“人类护城河”在信任、整合和培训上的优势，短期内更难被替代。 

理解这一点后，再回头看这轮软件股的集体下跌，与其反复讨论“AI 会不会杀死 SaaS”，不如换一个问题：在 AI 时代，哪些软件公司还能活下来。 

围绕这个问题，海外投资分析师Daniel Pronk 给出了一个颇具参考价值的分类框架。 

简单来说，Daniel Pronk 把软件公司分为三类：通用软件、垂直软件、生成式软件。 

通用软件很好理解，就是几乎所有公司都能用，Salesforce就是代表公司。 

它们的很多价值停留在“数据可视化与编排”，搭漂亮的仪表盘，连接几个工作流，做下权限协作。 

但在AI时代，这些曾需要昂贵的工程师建造的“表层任务”，正在迅速压缩为一种低价值商品。，AI最擅长的就是通过自然语言直接接管这些表层交互。 

当点击式仪表盘被形态取代时，通用软件极易从“中枢”转化为“被调用的底层数据库”，失去定价权。 

而垂直软件只服务特定行业或细分场景，对其他行业几乎无用，比如公用事业计费、医疗某科室流程、地方政府监管系统。 

这类软件的护城河在于，嵌入产业的深度。当AI进入这些这些系统，但更可能先以增量方式提升效率，而不是正面推翻底座。 

所以，对这类公司而言，AI 更像一次生产率工具的升级，而不是对商业模式的否定。 

市场会担心“代码更便宜导致竞争更多”，但很多纵向领域的真实约束是：市场太小、责任太重、客户太保守，足以过滤掉大部分轻量竞争。 

生成式软件的风险最直观，它们的价值就是“生成”。当底层模型变强，生成能力会扩散到更多场景，甚至成为平台内置的默认功能。 

比较典型的公司就是Adobe。在Daniel看来，Adobe们必须回答一个严峻的问题： 

当核心能力被底层模型通用化主导时，工具本身就失去了溢价权。如果模型进步到能一键生成并剪辑视频，创作的入口靠什么式非留在Photoshop里？ 

多邻国也同样如此。虽然Daniel 将它归入纵向软件，因为它服务于明确的教育场景。但从价值交付方式看，它更接近生成式软件，持续生产和分发学习内容。 

这也决定了它在AI 时代所面临的风险类型。多邻国真正的挑战来自，内容生产成本的系统性下移。当大模型可以以极低成本生成结构完整、难度可调、反馈即时的语言学习内容时，课程本身将不再稀缺。 

在这种情况下，进入门槛显著降低，竞争者的数量可能迅速增加。多邻国的优势将从“内容与产品能力”，转向品牌、分发效率和用户习惯的粘性。但这些优势能否在内容高度同质化的环境中持续转化为付费意愿，仍有不确定性。 

生成式软件要活下来，必须把自己变成关键的工作系统：资产管理、协作、权限、版本、合规、工作流以及行业生态，只有这些与组织协作紧密绑定的部分，才更难被免费能力替代。 

几乎可以确定的一个趋势是，软件正在“变薄”，而系统正在“变厚”。 

这一轮软件股的暴跌，并不意味着软件行业的终结，而更像一次残酷但必要的拨乱反正。它宣告了那个“靠堆砌功能就能换取高估值”的时代正在结束。 

在AI 时代，真正能活下来的软件公司，必须回答一个更本质的问题：在算法和算力之外，你是否仍然掌握着某种不可替代的东西——对行业规则的理解、对复杂系统的治理能力，以及与客户长期绑定的信任关系。 

归根结底，市场正在重新定价的，并不是“软件”这个概念本身，而是软件背后的价值： 

你卖的，究竟只是功能，还是一种无法被轻易迁移的结构性关系？