AI时代的软件
作者：微信文章一、美股软件板块的表现分化
美股软件行业在2025年出现了明显的“双轨制”现象：AI/数据驱动的软件公司股价大幅飙升，而许多传统SaaS公司的表现却显得平庸甚至下跌。PLTR (Palantir), CRWD (CrowdStrike), SNOW (Snowflake), APP (AppLovin)等涨幅巨大，许多成熟的客户关系管理、营销自动化、人力资源管理等公司表现非常差。
市场目前的思维是如果一家公司是AI原生的，它就值得高溢价；如果不是，它就有被颠覆的风险。因此，市场资金集中在那些拥有数据壁垒、AI驱动、增量市场空间的公司中。市场对增长放缓的传统SaaS公司，不再仅仅关注营收增长，而是更加关注盈利能力和自由现金流。只有能清晰展示“Rule of 40”（增长率+利润率>40%）的公司才能获得青睐。【根据Aventis：Out of 58 actively traded SaaS companies,only 13%exceeded the Rule of 40, showing that most are still struggling to balance slowing growth with profitability.】
市场的观点不能说错，但是否有偏差？一个更可能的解释是传统公司的表现是多个合力的结果，因为AI对传统公司的影响不是一蹴而就的，而当前传统SaaS公司的收入增速下滑也并不是直接由AI带来的。
1）经营周期：许多传统的SaaS领域（如CRM、营销自动化、HR软件）市场已经相对成熟和饱和，新客户获取（CAC）成本上升，营收增长率（尤其是新业务ARR增长）放缓。
2）宏观环境：宏观经济压力下，企业首先削减的是非核心或可替代的SaaS订阅，导致传统SaaS公司的净留存率（NRR）下降。2021年之后，下降非常明显，而且有个特征是中小企业乐观指数的恢复更滞后（比较合理）。
3）估值修正：许多传统SaaS公司在过去享受了“无风险利率”下的超高估值。在2020-2022年的低利率环境中，这些公司享受了基于高营收倍数的“成长溢价”。在加息周期和增长放缓的双重压力下，市场需要进行一个估值中枢的修正，这种修正往往伴随着超跌。下图是EV/Sales，如果按照30%的EBITDA margin算，6.1X 的EV/Sales相当于20X的EV/EBITDA。
4）AI颠覆：大模型以及Agent的叙事带来了情绪负面，短期这个因素是致命的。市场担心传统的、基于简单工作流的SaaS产品，可能会被更智能、原生集成AI的下一代工具直接取代或降级。传统SaaS公司需要投入巨资来整合AI功能，而这些投入可能只会维持现有客户，而非带来新的增长，利润率面临短期压力。因此可以看到的是，之前在公司增速还能维持的时候，当市场看到SaaS公司采用AI带来新的收入时，以乐观对待；而到了当前营收增速放缓，同时AI能力逐渐增强，市场报以悲观。这本质是看数据叙事，杂音放大了实际情况。资本市场历来如此。
投资上，目前SaaS总体估值与2015-2017年差不多。对比2015-2017和当前两个阶段，收入增速已从30%+的中枢下滑到了10%的中枢（相差20个点）；两个阶段都是利润率改善的阶段，目前利润率高出2015-2017年10个点；利率上，前一个阶段处于利率正常化阶段，目前则处于降息周期。综合来看，当前估值稍偏高，毕竟对于科技股来说，成长还是更重于盈利。如果能稍微挤一挤水分，对于收入重拾增速的公司，应该可以考虑。
二、AI的颠覆性
AI时代中，有些公司确实也有被颠覆的可能，出现“创新者的窘境”，因为他们背负着历史包袱和数百万行代码，难以快速转向。这为那些轻量化、聚焦AI的二线企业提供了机会。
垂直领域SaaS：AI原生工作流vs. 巨头臃肿的通用平台。传统的一线巨头（如Salesforce, SAP, Oracle）提供的是通用、水平的平台，服务于所有行业。它们将AI功能作为“附加组件”（Add-on）加入。而垂直SaaS公司专注于某个特定、小众的行业（如牙医诊所管理、物流卡车调度、区域银行系统）。它们积累了独有的、高度专业化的行业数据，通过将生成式AI (Gen AI) 和特定领域的专有模型 (Domain-Specific LLMs) 深度集成到核心工作流中，可以直接提供“AI原生”的解决方案。这些AI解决方案能理解行业内的复杂术语和规范（例如医疗编码、法律合规），自动化程度远超巨头笨重的通用模块，从而实现对行业的深度定制和高效率提升。
数据分析/商业智能 (BI) 的二线公司：传统的BI巨头（如Tableau、Power BI）的核心界面是基于仪表板和拖拽式查询，用户仍需大量手动操作。新一代的数据分析工具更倾向于“自然语言交互”和“主动洞察”。这种模式极大地降低了数据分析的门槛（从需要数据分析师到普通业务人员可用），速度和效率远高于传统BI。二线公司如果能够迅速迭代，提供更智能、更准确的AI分析服务，就能抢占新用户和中小型企业市场。
应用开发/DevOps 工具的二线公司：传统的DevOps工具链（如CI/CD、代码仓库）虽然强大，但依然需要工程师进行大量手动配置、编写和调试。一些二线企业利用AI直接参与开发过程，如AI Copilots、AI代码评审、自动测试用例生成和故障预测/修复。专注于AI辅助编程的二线企业，如果其模型在代码质量、安全性和修复速度上能超越巨头的通用模型，将能实现开发效率的指数级提升，快速获得开发者社区的青睐。案例是一些专注于细分领域的 MLOps 或 AI-Driven Testing 平台。
总结看，具备AI原生、数据独特性、市场敏捷性的公司有可能对当前的软件和SaaS公司产生颠覆。
三、云化转型中的抵抗者
在过去十几年SaaS模式对传统On-Premise（本地部署）软件的巨大颠覆浪潮中，有一些公司不仅没有被颠覆，反而实现了成功的转型或进一步巩固了市场地位。为什么？这个问题的答案可被参考于回答“什么的公司能抵抗住AI的颠覆？”。
思考起来，公有云对传统软件的替代的最核心的点是对效率的追求的必然，例如公有云天然的契合了精益创业，满足快速部署，满足移动办公，而远不是对成本的节约。当年研究SaaS时，仅仅计算SaaS的经济性，如果不是一种错误，最起码是一种次要的思考。也因此，如果传统软件能满足对效率的追求，也必然能抵御SaaS的侵袭。
抵御住SaaS的抵抗或者转型为云的案例
SaaS确实取代了部分ERP的子系统，例如CRM等，但却不能完全取代传统ERP，所以传统ERP也易于从On-Premise转型成SaaS。工作流与生态系统的壁垒是难以逾越的。
再次回到“效率”这个核心，SaaS带来的效率提升来自于整个业务流程的重构，而不是“计算”的替代（广义的计算）。如果一项业务的最重的部分在“计算”，则比较有壁垒。因此计算软件如Matlab、创意软件如Adobe、医疗标准流程如Epic，SaaS替代就难，而原有软件自己转型则更易。
当然，即使以上的未被替代的案例中，潜在的替代风险也是不同的。新进入者的执行能力能否超过阈值是关键。
以上也已然回答了在中国为什么SaaS不成功。
四、AI时代的抵抗者
那何种公司可以抵御AI的侵入，甚至确实地会因为采用AI而增强原有的竞争力？
重新回到“效率”这个内核，与核心数据、核心交易、监管与合规相关的公司容易存活下来，并获得转型机会。核心数据是资源，核心交易是精确计算，监管与合规是错误成本高。而如果无关乎这些的，比较危险。由于AI本身就是“计算”本身，和SaaS时代不一样，天然地容易替代非精确计算。
AGI离我们还比较遥远，Agent只是一项工程，其能力完全取决于大模型的能力。AI将增强许多现有的SaaS平台，同时取代或重塑一部分工作流简单的SaaS。那些拥有强大工作流壁垒和高客户粘性的传统SaaS公司，未来很可能从AI整合中获益，实现效率和利润率的提升。取代或者增强，决定于大模型（大脑）的能力进化到何种程度，预测应该是动态的。
五、结论
投资最好的是找跑出来的颠覆者，这需要跟踪观察。另外，传统的AI时代转型者也是重要选择。
当前的SaaS中，有没有估值合理的转型者？
估值与增速匹配的四象限分布
具体标的：略。
五、参考资料
Aventis Advisors: "SaaS Valuation Multiples: 2015-2025";
页:
[1]