loading...
2026年初，美国应用软件板块经历剧烈震荡，市值蒸发约2万亿美元，导火索源于ServiceNow在财报电话会上提及客户正在重新评估按人头计费（per-seat）的采购模式。这一信号迅速引发连锁反应，Atlassian、Workday、Salesforce、Adobe等企业股价应声下跌，华尔街将此现象称为“SaaSpocalypse”。
市场普遍担忧：如果AI Agent能以极低成本完成过去需多人协作的任务，传统软件公司的收入模型是否会被彻底颠覆？
然而，美国投资界给出的答案出人意料：不会。a16z合伙人Alex Immerman指出，模型能力越强，应用层反而越有价值。因为真正的稀缺资源并非“智能”，而是“知道如何运用智能”——即对特定行业工作流的深度认知，这被称为“Process Power”。
在此逻辑下，美国主流创业方向清晰：选择垂直行业，深度嵌入客户实际流程，从per-seat收费转向per-outcome定价，并在服务中持续积累流程知识。Harvey、Hebbia、EliseAI等公司之所以估值飙升，不是因为技术更强，而是它们比通用模型更懂律所审查、地产管理、合同流转等具体场景。
这表明，在美国，AI并未削弱软件行业，反而奖励那些真正扎根于业务流程的企业。但这一逻辑在中国并不完全适用。
在中国，讨论“AI是否会杀死SaaS”已显滞后。原因在于，中国SaaS从未真正复制美国模式。过去几年，大量项目对标Salesforce、Workday或Notion，但普遍面临续费率低、定制化严重、销售成本高、客户教育难等问题，多数长期处于烧钱状态。
一个关键数据揭示差距：美国企业人均年软件支出为868美元，中国仅为20美元，相差42倍。这不是“尚未追上”的问题，而是根本不在同一起跑线。
更深层原因是增长逻辑差异。一位曾任职大型AI公司COO的创业者提出公式：企业价值 = 流量 × 转化能力。在中国，转化能力常被视为极限，真正的竞争焦点是流量获取——抖音、淘宝、微信、信息流投放成为预算优先项。
当前端获客成本刚性上升，后端系统投入自然被压缩。许多企业宁愿多雇人也不愿为软件付费。而在组织内部，工具与人力往往形成预算争夺关系：花100万买系统，意味着不能加人。而人通常是编制和管理权的核心，因此系统更容易被砍。
此外，中国长期依赖“堆人”解决复杂问题，形成了以人力弹性为核心的流程设计。这种结构使得标准化软件难以直接嵌入，定制需求激增，商业模型难以为继。
在美国，企业习惯为软件付费，流程已初步数字化。AI进入后，最自然的结果是深化应用层，推动软件向更深层次嵌入工作流发展。最优路径是构建垂直领域的“Process Power”。
在中国，企业更愿意为人力长期付费，而非为软件单独买单。因此，当AI展现出显著替代人力的能力时，机会便浮现——不是卖新工具，而是提供更便宜的劳动力结果。
观察中国AI应用公司的宣传话术，重点几乎从不强调“系统先进”，而是聚焦“帮你省几个人”“把20人活压到2人”“运营成本下降80%至90%”。这不是营销策略巧合，而是市场现实决定的。
中国广义人力资源服务市场规模达4800亿美元，是SaaS市场的27倍。企业的钱流向“人”，而非“软件”。因此，AI要突破，必须进入资金密集区。
由此得出关键判断：在美国，AI的主要对手是旧有软件；在中国，AI的主要对手是旧有人力。
尽管中美路径看似分裂——一者做“更厚的软件”，一者做“更便宜的人力”——但最终都指向同一核心资产：对业务流程的结构化理解。
无论是美国的Harvey深谙律所审批流程，还是中国的代运营团队熟悉平台规则变化与客服场景迭代，其壁垒均非技术本身，而是长期实践中积累的隐性知识：灰度判断、修复经验、组织惯性与客户行为洞察。
这也正是本轮AI最深刻的启示：虽然模型能力日益接近、代码成本降低、原型制作加速，但拉开差距的，越来越集中于一件事——你是否真正进入了某个行业，理解了它每天是如何运转的。
未来最具价值的，可能不再是静态的知识库，而是持续适应变化的能力。
真实世界从不静止：平台规则会变、接口更新、审核标准调整、用户行为迁移、组织架构演变。今天有效的流程，半年后可能失效。
因此，真正强大的系统不仅知道“现在该怎么做”，还能在环境变化时快速识别、修复并重构。这种能力一旦形成复利效应，就不再只是自动化，而是接近业务层面的自我进化。
无论是美国的垂直应用，还是中国的AI代运营，最终都将回归到这一点：能否在不断变化中保持敏捷响应。
AI并未统一地“杀死”软件行业，而是将其分化。
在美国，脆弱的是缺乏流程壁垒的浅层应用；有机会的是深度嵌入工作流、持续积累过程知识的公司。模型越强，它们越强。
在中国，被冲击的不是软件，而是大量低效、重复、可标准化的人力岗位。最有前景的，不是“再做一个中国版Salesforce”，而是能直接交付结果、实现明显成本优势，并在服务中持续沉淀流程资产的解决方案。
因此，若在美国创业，应思考：我能否深入一个垂直行业，做到比客户自己还懂他的流程？
若在中国创业，应思考：我能否将AI包装成一个结果明确、回报率直接、比雇佣人工更划算的生产力单元？
两条路径不同，终点却一致：代码会贬值，模型会迭代，唯有对业务的深度理解，将愈发珍贵。因为在AI时代，最难的从来不是智能本身，而是——知道拿智能做什么。
578
444
953
702
937
840
566
387
468
243
