市值蒸發 2850 億美元背后，軟件的“溢價”不存在了

從上周開始，軟件股突然就崩了。

導火索來自Anthropic。這家公司發布Claude Cowork AI代理推出的法律工具。這個新工具能執行多項文書工作，包括追蹤合規事項和審閱法律文檔。這些功能正是許多法律軟件產品的核心所在。

受到這個消息的沖擊，當日軟件、金融服務和資產管理行業的股票市值總共蒸發了約2850 億美元，LegalZoom.com暴跌近20%，湯森路透也下跌了15%。

這并非孤立事件。

同樣是在上周，Google DeepMind 發布了 Project Genie。

受Project Genie影響，游戲圈行業巨頭股價便迎來了一場集體跳水：Take-Two下跌7.93%，Roblox暴跌13.17%，而曾經的游戲引擎霸主Unity更是慘烈地下跌了24.22%。

三家公司在一個交易日市值合計縮水約195億美元！

這一切波動都源于一個很殘酷的判斷：AI要徹底顛覆SaaS。

這種擔憂帶來的結果是，投資人用腳投票，軟件股血流成河。根據高盛的數據，軟件是今年迄今為?所有?業中凈賣出最多的??業，目前軟件?業的凈敞?（占美國總凈市值的百分?）創下4.2%的歷史新低。

截至目前，高盛的軟件板塊（GSTMTSFT）已經?點蒸發了2萬億美元的市值，跌幅約30%。

那么，AI要徹底顛覆SaaS到底是怎么一回事？今天硅基君就來好好講講這個事。

軟件的“溢價”正在消失

“軟件已死”這個觀點，并不是最近才冒出來的。

在更早進入大眾認知之前，微軟CEO 薩提亞·納德拉已經在去年 1 月的一次采訪中，明確提出過這個判斷：

SaaS 應用或商業應用的現有形態，很可能會在智能體時代瓦解。

站在當下看，AI所帶來的直接沖擊主要體現在兩個方面：

第一，AI 原生公司重構舊工作流。簡單來說，就是AI公司以更低成本，重構已有軟件工作流，對傳統廠商形成價格和模式沖擊。

這一點在客服外包行業體現得尤為明顯。2025年7月，羅杰斯通信公司宣布終止與客服外包公司 Foundever 的呼叫中心合同，原因是羅杰斯將轉向AI聊天機器人。

這一決定，直接導致加拿大地區數百個崗位受到影響。同年8月，Foundever 將其EBITDA預期下調了約10%，原因是新業務和現有業務量低于預期，以及美國市場價格壓力增大。

無獨有偶，去年兩家外包公司KronosNet 和 Foundever在AI相關擔憂下陷入困境，其債務交易價格一度逼近違約區間。

第二，AI 編程工具的成熟，使越來越多企業選擇內部構建，減少對高價標準化軟件的依賴。原本需要外部軟件和服務才能完成的功能，正在被 AI 與內部工程能力替代。

在傳統SaaS 模式下，軟件成本結構高度依賴研發投入。一家 SaaS 公司，研發費用通常占年經常性收入的 25%–40%，其中絕大部分是程序員成本。

程序員所做的事情很簡單，無非是把人類語言翻譯成計算機語言（代碼），或者把計算機語言（代碼）變成人類語言。

生成式AI 的出現，正在系統性壓縮這部分成本。一方面，開發者可以直接用自然語言描述需求，由 AI 生成可運行代碼；另一方面，傳統“技術棧”的復雜性正在被削弱。

以金融行業為例，像Reuters、FactSet、Macrobond 這類傳統高價軟件，一旦完成初期的數據接入和工具搭建，其邊際價值迅速下降。AI 可以承擔大量原本需要“專業服務”才能完成的分析、整理和建模工作。

也就是說，隨著開發門檻持續下降，軟件的邊際成本被快速拉低，“人為包裝的軟件服務”的價值開始迅速下降。

哈佛大學Fiona Chen 和 James Stratton 的一項研究，提供了一個耐人尋味的側面印證：

AI 帶來的生產率提升，主要體現在軟件供給側（軟件公司內部），而非軟件使用方。

這意味著，AI 更快地壓縮了軟件生產成本，卻并未等比例擴大軟件需求。

當AI讓軟件這一 高階服務商品化后，也帶來了一個結果，過去軟件行業的高毛利特征，或許不復存在了。

原因很簡單，當內部 AI 工具能完成 70%–80% 的功能時，人們 為什么還要為一個許可證支付 1.5 萬到 2 萬美元？

業務邏輯也變了

比起盈利能力的短期波動，更深遠的變化在于：軟件本身承載業務邏輯的方式，正在被重構。

用納德拉的話說，絕大多數軟件的本質，都是“帶有業務邏輯的 CRUD 數據庫”。

數據被存儲在數據庫中，軟件通過預先寫好的規則，對數據進行增刪改查，并推動流程向前運行。

企業之所以為SaaS 付費，核心并不只是買一個數據容器，而是買一整套被固化進系統的業務判斷。

像Notion這樣的產品，本質上就是一個結構化數據庫，幫助用戶存儲、更新信息，并以更友好的方式呈現。過去，如何交互數據、如何觸發流程，由軟件本身決定。

但在AI 時代，這個前提正在發生變化。

從數據獲取到數據交互，越來越多環節開始由AI 直接完成，業務邏輯也正在從軟件應用層，遷移到AI 之上。

在這種情況下，企業不再依賴軟件內置的功能模塊來組織流程，而是將判斷、編排與執行交給智能體完成，軟件逐漸退化為一個“被調用的能力與數據模塊”。

這一變化，在以數據收集為核心的記錄系統（System of Record，SoR）領域體現得尤為明顯。

以CRM 為例，傳統系統高度依賴銷售人員主動錄入信息，數據的完整性與及時性高度依賴人的配合，也因此形成了極強的遷移壁壘。

現在，這一格局正在被改寫。

第一，數據收集方式發生變化，從手動輸入，轉向自動輸入。

比如，新一代AI 原生 CRM，如 Day.ai和Attio，能夠直接接入郵件、視頻、消息等溝通流程，自動收集有價值的信息，改變了過去手動收集數據的局面。

類似的路徑，也出現在客服、招聘、應急響應等場景中。

AI 往往以一個看似邊緣的“楔子功能”切入，比如自動接電話、自動整理候選人信息、自動生成總結。但隨著時間推移，這些系統逐步積累起最有價值的實時行為數據，反而具備了替代原有核心系統的可能性。

第二，AI 所帶來的效率提升，不只是“更快”，而是“能做更多”。

在ERP 領域，Everest Systems正在用 AI 簡化財務分析流程，將原本需要財務分析師完成的工作，變成“自動匯總 + 自動建議”。

在法律服務領域，Tradespace的“AI 發明采集”工具，可以自動從企業內部識別發明線索并生成申請文檔，直接切入過去由律所主導的高價值服務環節。

更重要的是，智能體在執行任務的同時，還能沉淀決策軌跡，轉化為連接“數據”與“行動”之間的上下文資產。

與傳統軟件只記錄“結果”不同，智能體身處執行路徑之中：它會從多個系統拉取信息、評估規則、解決沖突并做出行動決策。在這個過程中，所有輸入、判斷依據、例外情況和“為什么要這么做”，都會在“提交時刻”被完整凍結下來。

這些決策軌跡，逐步構成了一張上下文圖譜，它連接著企業中的實體、事件與因果關系，成為AI 時代最有價值的單一資產之一。

這一趨勢，也體現在許多AI 原生應用中。

比如，Granola、Abridge等 AI 筆記產品，已經不滿足于“記錄內容”，而是通過理解語言、提取結構化信息、識別意圖，從記錄工具升級為知識與決策助手。

還有，Decagon、Sierra AI等AI客服公司也在探索高度定制化的智能體，讓其不僅承擔支持職能，甚至成為產品體驗和收入增長的一部分。

總體來說，AI 的價值并不在于替代某個具體功能，而在于它具備了對業務語境的理解能力。

不同于傳統軟件只能沿著預設規則運行，AI 可以在動態信息中判斷意圖、權衡取舍，并據此決定下一步行動。

正是這種對業務本身的理解能力，使得決策與流程不再必須固化在軟件內部，而可以上移到AI 智能體層。

相應地，原本承擔業務邏輯的系統開始退居為執行與存儲工具，在關鍵場景中被 AI 部分、甚至整體替代。

軟件“變薄”，系統“變厚”

雖然AI 對 SaaS 的沖擊已經成為共識，但市場正在犯的一個典型錯誤，就是把所有“軟件”當成同一種生意來定價。

事實上，軟件公司之間的差異，可能比軟件公司與制造業公司之間的差異還要大。

紅杉合伙人康斯坦丁·布勒的判斷，提供了另一個視角：AI 未必會摧毀 SaaS，反而可能加速企業級整合，讓頭部公司的護城河更硬。

他拿Freshworks 和 ServiceNow做了一個對比。前者長期以更低的工程成本和更快的產品迭代為賣點，但依然很難撼動后者在ITSM 領域的主導地位。

原因很簡單，在企業的決策系統里，性價比并非唯一核心因素，高層關系帶來的確定性，圍繞產品形成的認證與實施生態，以及大企業遺留系統的集成慣性都可能影響最終決策。

同時，他也坦言，產品主導型增長（PLG）可能在AI時代面臨更大挑戰。

PLG本質是低門檻試用、高易用性，但AI讓構建好產品變得更容易，反而削弱了其獨特性。相比之下，企業銷售導向的“人類護城河”在信任、整合和培訓上的優勢，短期內更難被替代。

理解這一點后，再回頭看這輪軟件股的集體下跌，與其反復討論“AI 會不會殺死 SaaS”，不如換一個問題：在 AI 時代，哪些軟件公司還能活下來。

圍繞這個問題，海外投資分析師Daniel Pronk 給出了一個頗具參考價值的分類框架。

簡單來說，Daniel Pronk 把軟件公司分為三類：通用軟件、垂直軟件、生成式軟件。

通用軟件很好理解，就是幾乎所有公司都能用，Salesforce就是代表公司。

它們的很多價值停留在“數據可視化與編排”，搭漂亮的儀表盤，連接幾個工作流，做下權限協作。

但在AI時代，這些曾需要昂貴的工程師建造的“表層任務”，正在迅速壓縮為一種低價值商品。，AI最擅長的就是通過自然語言直接接管這些表層交互。

當點擊式儀表盤被形態取代時，通用軟件極易從“中樞”轉化為“被調用的底層數據庫”，失去定價權。

而垂直軟件只服務特定行業或細分場景，對其他行業幾乎無用，比如公用事業計費、醫療某科室流程、地方政府監管系統。

這類軟件的護城河在于，嵌入產業的深度。當AI進入這些這些系統，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，對這類公司而言，AI 更像一次生產率工具的升級，而不是對商業模式的否定。

市場會擔心“代碼更便宜導致競爭更多”，但很多縱向領域的真實約束是：市場太小、責任太重、客戶太保守，足以過濾掉大部分輕量競爭。

生成式軟件的風險最直觀，它們的價值就是“生成”。當底層模型變強，生成能力會擴散到更多場景，甚至成為平臺內置的默認功能。

比較典型的公司就是Adobe。在Daniel看來，Adobe們必須回答一個嚴峻的問題：

當核心能力被底層模型通用化主導時，工具本身就失去了溢價權。如果模型進步到能一鍵生成并剪輯視頻，創作的入口靠什么式非留在Photoshop里？

多鄰國也同樣如此。雖然Daniel 將它歸入縱向軟件，因為它服務于明確的教育場景。但從價值交付方式看，它更接近生成式軟件，持續生產和分發學習內容。

這也決定了它在AI 時代所面臨的風險類型。多鄰國真正的挑戰來自，內容生產成本的系統性下移。當大模型可以以極低成本生成結構完整、難度可調、反饋即時的語言學習內容時，課程本身將不再稀缺。

在這種情況下，進入門檻顯著降低，競爭者的數量可能迅速增加。多鄰國的優勢將從“內容與產品能力”，轉向品牌、分發效率和用戶習慣的粘性。但這些優勢能否在內容高度同質化的環境中持續轉化為付費意愿，仍有不確定性。

生成式軟件要活下來，必須把自己變成關鍵的工作系統：資產管理、協作、權限、版本、合規、工作流以及行業生態，只有這些與組織協作緊密綁定的部分，才更難被免費能力替代。

幾乎可以確定的一個趨勢是，軟件正在“變薄”，而系統正在“變厚”。

這一輪軟件股的暴跌，并不意味著軟件行業的終結，而更像一次殘酷但必要的撥亂反正。它宣告了那個“靠堆砌功能就能換取高估值”的時代正在結束。

在AI 時代，真正能活下來的軟件公司，必須回答一個更本質的問題：在算法和算力之外，你是否仍然掌握著某種不可替代的東西——對行業規則的理解、對復雜系統的治理能力，以及與客戶長期綁定的信任關系。

歸根結底，市場正在重新定價的，并不是“軟件”這個概念本身，而是軟件背后的價值：

你賣的，究竟只是功能，還是一種無法被輕易遷移的結構性關系？

文/林白

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。