一文講透未來什么軟件最值錢！

你有沒有發現，最近一個月科技圈仿佛集體陷入了一種焦慮狀態？到處都是"SaaS 終結論"的聲音，仿佛傳統軟件公司明天就要全部倒閉。打開社交媒體，鋪天蓋地都是關于 AI agent 如何取代所有現有軟件、如何讓工程師失業、如何顛覆整個軟件行業的討論。這種焦慮甚至蔓延到了資本市場，一些優秀的 SaaS 公司股價暴跌，投資者似乎相信一個五人創業團隊用 vibe coding（隨意編程）就能在周末搭建出替代 Salesforce 的系統。

我最近聽了 No Priors 播客的一期節目，Sarah Guo 和 Elad Gil 兩位深耕科技投資多年的行家對這個話題展開了深度討論。他們的觀點讓我深受啟發，也讓我重新審視了這場所謂的"SaaS 終結"浪潮。Sarah 和 Elad 都認為，雖然 AI 確實在改變軟件行業，但目前市場對于這種改變的理解存在嚴重的誤判和過度炒作。他們指出，人們正在把五人創業團隊的行為模式錯誤地投射到財富 100 強企業身上，同時忽視了軟件行業真正在發生的結構性變化。聽完這期播客后，我開始思考一個更深層的問題：在這場 AI 革命中，什么是真實的變革，什么又是虛假的炒作？作為身處這個行業的觀察者，我覺得有必要梳理清楚這些復雜的信號，分辨出哪些是真正值得關注的趨勢，哪些只是一時的噪音。

我在之前也寫過幾篇分析文章，感興趣的可以看《》、《》。

我的新書《出海，產品全球化營銷實踐》即將出版發售，為了感謝各位一直支持深思圈的讀者，特地準備了這次贈書活動，可以在第一時間拿到免費的贈書，感興趣的朋友可以填寫以下信息。由于出版社給的數量有限，我會從填寫問卷的同學中篩選一部分贈書，可能沒有辦法保證每一位都拿到，請大家諒解。

Vibe Coding 不會取代企業軟件

Elad 在播客中提出了一個非常犀利的觀點：沒有人會用 vibe coding 搭建一個車隊管理應用，然后通過"vibe 銷售"賣給企業客戶，更不會有人用 vibe 方式制造車載攝像頭傳感器并安裝到成千上萬的車輛上。這個例子雖然聽起來荒誕，但卻精準地指出了當前討論中最大的盲點。他以自己投資的公司 Samsara 為例，這是一家提供車隊管理解決方案的公司，涉及硬件、軟件、企業銷售、客戶支持等復雜環節。這種業務的復雜度和專業性，根本不是簡單的代碼生成能夠替代的。

我特別認同這個觀點，因為它揭示了一個本質問題：軟件不僅僅是代碼。很多技術背景的人容易陷入一個誤區，以為只要能生成代碼，就能替代整個軟件產品。但實際上，一個成功的企業軟件產品包含了太多代碼之外的東西。你需要深入理解客戶的業務流程，需要與各個部門的利益相關者溝通，需要處理數據安全和合規問題，需要提供持續的客戶支持和培訓，需要不斷迭代產品以適應市場變化。這些工作的復雜度和專業性，遠遠超出了"生成一段代碼"的范疇。

Sarah 補充說，他們的投資組合中有一些收入已經達到數億美元的公司，這些公司在擁抱 AI、大量使用 token 的同時，工程師團隊保持在 50 人以下，但銷售團隊卻從零迅速擴張到了近 100 人。這個數據非常有說服力：即使在 AI 時代，即使代碼生成變得更容易，企業銷售仍然需要人。為什么？因為賣給企業客戶從來都不是一個純技術問題，而是一個需要深度理解客戶需求、建立信任關系、提供定制化解決方案的復雜過程。

我觀察到，很多關于"SaaS 終結"的討論，其實源于工程師群體對世界的一種特定認知。工程師傾向于認為每個人都想自己制造軟件，因為對他們來說，編程是一種自然而然的表達方式。但現實是，絕大多數人并不想自己寫軟件，他們只想用軟件解決問題。就像 Sarah 說的，并不是每個人都想成為軟件制造者，很多人更愿意讓專業的人來做這件事。這就好比，雖然現在做飯的工具越來越好用，但大多數人仍然選擇去餐廳吃飯，因為他們想要的是一頓美味的飯菜，而不是做飯的過程。

小公司行為不能外推到大企業

Elad 提出的另一個關鍵觀點是，人們正在犯一個嚴重的邏輯錯誤：把五人創業團隊的行為模式錯誤地外推到財富 100 強企業。確實，一個五人技術團隊可以用 AI 工具快速搭建一個簡單的 CRM 系統來管理他們的客戶關系。在這之前，他們可能用的就是一個 Excel 表格，所以用 AI 生成一個簡單的系統當然是一個進步。但這并不意味著一家擁有 10 萬員工的銀行會在某個周末用內部開發的系統替換掉他們已經使用多年、經過無數次迭代和定制的 Salesforce。

我認為這個觀點觸及了企業軟件的本質。大型企業使用軟件的方式與小型創業公司完全不同。對于大企業來說，軟件系統不僅僅是一個工具，更是整個組織運作的基礎設施。這些系統經過多年的配置和定制，嵌入了企業特定的業務邏輯、合規要求、權限管理、與其他系統的集成等等。更重要的是，這些系統背后有成千上萬的用戶，有復雜的變更管理流程，有嚴格的安全審計要求。你不可能簡單地用一個周末生成的代碼就替換掉這一切。

Sarah 講了一個很生動的例子：假如你問一個工程師，你愿意為每個座位支付 10 美元的 Jira 費用嗎？他可能會說不愿意，覺得這太貴了。但如果你問他：你愿意在美國銀行做變更管理工作嗎？愿意處理所有的安全考慮嗎？愿意管理其他人對工作流程變更的意見嗎？愿意長期維護這個系統嗎？答案很可能是：不愿意。這就是問題的關鍵。企業軟件的價值不在于代碼本身有多復雜，而在于它解決了一個完整的問題，包括所有那些看不見但至關重要的部分。

我還注意到一個有趣的現象：那些高喊"我們不需要 SaaS 了"的人，往往是那些從來沒有在大型企業中負責過軟件采購和部署的人。他們沒有經歷過在一個 5 萬人的組織中推行一個新系統的痛苦，沒有處理過不同部門之間的利益沖突，沒有面對過合規部門提出的幾十頁安全要求清單。一旦你真正理解了企業軟件的復雜性，你就會明白為什么 vibe coding 不會在短期內取代專業的企業軟件供應商。

軟件需求仍在指數級增長

Elad 提出了一個我非常認同的觀點：人們低估了對軟件產品的需求。這里說的軟件產品是廣義的，包括 AI 應用在內的所有軟件。他引用了 Marc Andreessen 多年前的著名論斷"軟件正在吞噬世界"，并認為這個趨勢不僅沒有減緩，反而在加速。現在應該說"AI 正在吞噬世界"，因為 AI 本質上也是軟件的一種形式，只是更智能、更強大的軟件。

我觀察到的一個關鍵現象是：雖然 AI 工具大幅提高了軟件開發的生產力，但這并沒有導致對工程師需求的下降。相反，創業公司仍在持續招聘工程師。為什么會這樣？因為軟件需求的增長速度遠遠超過了生產力的提升速度。當你能更快地構建軟件時，你會發現有太多之前因為成本太高而無法實現的想法現在變得可行了。這就像修路一樣，當你修了一條新高速公路，你以為會減少擁堵，但實際上反而會產生更多的交通需求，因為更多的人發現原來可以去更遠的地方了。

Elad 還提到了一個深刻的洞察：工程師群體內部對于 AI 工具的接受程度存在很大差異，這取決于他們對工程工作的不同理解。有些工程師把寫代碼視為一種精致的手工藝，他們享受那種精心打磨每一行代碼的感覺，追求代碼的優雅和質量。對于這類工程師來說，AI 大量生成代碼可能讓他們感到不舒服，因為這違背了他們對工程工作的審美追求。但另一些工程師把代碼視為構建產品的工具，他們關心的是能否快速解決問題、能否為用戶創造價值。對于這類工程師來說，AI 工具是一種解放，讓他們能夠專注于更高層次的問題，而不是陷入繁瑣的代碼細節中。

我認為這種分化會越來越明顯。那些享受手工藝式編程的工程師可能會越來越難以適應大型科技公司的工作環境，因為在那里效率和規模是第一位的。但這并不意味著他們沒有價值，他們可能會在那些重視代碼質量和技術深度的小型團隊或開源項目中找到自己的位置。而那些注重產品和實用性的工程師則會在 AI 時代如魚得水，因為他們終于可以把精力從重復性的編碼工作中解放出來，投入到真正需要人類智慧的創造性工作中。

代碼質量管理是新的未解難題

Sarah 在播客中提出了一個我認為非常關鍵但被嚴重忽視的問題：當 AI 能夠生成大量代碼，而沒有人真正仔細閱讀這些代碼時，代碼質量如何保證？沒有人深入理解整個代碼庫時，系統會變得更加脆弱。這就像她說的"slop problem"（垃圾代碼問題）——不是那種非技術人員隨便生成的網站代碼，而是出現在你實際生產環境中的垃圾代碼，由每一個偷懶的工程師生成。而現實是，每個工程師在某種程度上都會偷懶。

我覺得這個問題的深度被嚴重低估了。在傳統的軟件開發流程中，代碼審查（Code Review）是保證質量的關鍵環節。有經驗的工程師會仔細審查新提交的代碼，檢查邏輯錯誤、性能問題、安全漏洞等等。但當 AI 一次性生成幾千行代碼時，這個審查過程變得幾乎不可能。人類的注意力是有限的，沒有人能夠認真審查幾千行他們沒有參與編寫的代碼。結果就是，大量未經充分審查的代碼被合并到生產環境中，積累成為技術債務，甚至埋下安全隱患。

Sarah 提到，雖然有人建議用測試、智能審查工具、讓 AI 來審查 AI 生成的代碼，甚至形式化驗證等方法，但這個領域仍然是"完全開放的"，沒有人真正解決這個問題。我認為這正是一個巨大的創業機會。那些能夠幫助工程團隊管理人類注意力、在 AI 生成大量代碼的環境中保證質量的工具，將會變得極其重要。這不僅僅是一個技術問題，更是一個工程管理和組織流程的問題。

她還提到，像 Jira 這樣的項目管理工具可能面臨風險，但同時也有機會進化。新的 Jira 或者新的創業公司可以專注于解決"如何在 AI 生成代碼的時代管理工程團隊的注意力"這個核心問題。我認為這個觀察非常敏銳。在 AI 時代，工程管理的重點將從"如何加快代碼生產"轉向"如何確保生產出來的代碼是可靠的、可維護的、符合質量標準的"。這需要全新的工具、流程和方法論。

驚人的增長速度和成本下降

Elad 分享了他團隊整理的一些數據，我看到后真的感到震驚。他們研究了不同時代的科技公司從 10 億美元收入增長到 100 億美元收入所需的時間。ADP 用了 20 多年，Adobe 也用了大約 20 年，Salesforce 和 SAP 用了 8-9 年，Microsoft 用了 7-8 年，Google、Meta 和 AWS 用了 3-5 年。而 AI 實驗室呢？根據公開的預測數據，它們只用了大約一年時間就從 10 億增長到 100 億。從 100 億到 1000 億，Microsoft 用了 27 年，Google 和 AWS 用了 10 多年，而 AI 實驗室預計只需要 3-5 年。

我認為這組數據揭示了一個驚人的真相：我們正在見證軟件史上最快的收入增長速度。這不是漸進式的改進，而是數量級的跨越。為什么會發生這種情況？Elad 提到了幾個原因：互聯網創造了全球性的客戶池，分發變得前所未有的容易，有更多人能夠接觸到技術，全球 GDP 在增長。但我認為最核心的原因是：AI 創造的用戶價值和商業價值是前所未有的。當一個技術能夠在如此短的時間內創造如此巨大的價值時，收入的爆炸式增長就是自然而然的結果。

另一組同樣震撼的數據是關于 token 價格的下降。相當于 GPT-4 級別的模型，21 個月內價格從每百萬 token 37 美元降到了 25 美分，降幅達到 150 倍。而相當于 o1 級別的模型，11 個月內價格從每百萬 token 26 美元降到了 30 美分，降幅達到 88 倍。我覺得這種價格下降的速度是史無前例的。想象一下，你使用的某種服務在一年內價格降低了 88 倍，這意味著什么？這意味著原來因為成本太高而無法實現的應用場景現在變得可行了，意味著 AI 的使用門檻在急劇降低，意味著會有更多的創新和應用涌現出來。

把這兩組數據放在一起看，你會發現一個矛盾但又合理的現象：一方面，token 價格在暴跌，AI 服務變得越來越便宜；另一方面，AI 公司的收入在暴漲，增長速度前所未有。這說明了什么？說明需求的增長速度遠遠超過了價格的下降速度，說明 AI 正在創造巨大的新市場，而不是簡單地替代現有市場。這也印證了 Elad 的觀點：軟件需求是無限的，生產力的提升不會減少需求，只會釋放更多被壓抑的需求。

科技正在吞噬經濟的更大份額

Elad 團隊還研究了科技公司在經濟中占比的變化，這個數據同樣發人深省。2005 年，Google 市值 1000 億美元，而埃克森美孚是當時世界上最有價值的公司。到 2018 年，Apple 成為第一家市值達到 1 萬億美元的公司，當時科技股占標普 500 指數的約 30%。而現在，前八大科技公司的總市值達到 23 萬億美元，占標普 500 指數的 50% 以上。同時，科技行業占美國 GDP 的比例從 2005 年的 4% 增長到現在的 12%。

我認為這個趨勢遠未結束。隨著 AI 的發展，更多的服務和工作將被轉化為軟件支出或科技支出。Elad 提到，根據不同的增長率假設，到 2035 年，科技可能占 GDP 的 15-20%，甚至 30%。這意味著什么？意味著科技公司的市值還會繼續膨脹，意味著會有更多的萬億美元公司誕生，意味著科技對經濟的影響力會進一步增強。

這種趨勢對創業公司和投資者都有深遠的影響。對于投資者來說，傳統的估值框架可能需要調整。以前認為 10 億美元估值已經是后期階段了，但在新的環境下，10 億美元可能只是開始。一些真正有潛力的公司可能成長到幾百億甚至上千億美元的市值。對于創業者來說，這意味著天花板更高了，但同時競爭也會更激烈。你需要思考的不僅僅是如何生存，還要思考如何在這個贏家通吃的環境中建立持久的競爭優勢。

Sarah 提到了一個重要的觀點：雖然整體市場在擴大，但市值分布仍然遵循冪律分布。大部分價值仍然集中在頭部和軀干公司，長尾公司的總價值相對較小。這在客戶分布上也是一樣的。雖然人們喜歡談論"長尾效應"，但實際上，即使是 Google 這樣看起來服務長尾市場的公司，大部分廣告收入也來自頭部和軀干客戶。我覺得這個觀察非常重要，因為它提醒我們不要對"民主化"的故事過于樂觀。是的，AI 降低了創業門檻，但這不意味著所有創業公司都能獲得成功。實際上，可能會出現更強的集中效應，少數公司占據更大的市場份額。

何時應該考慮退出

Elad 提出了一個很多創業者不愿意面對但極其重要的問題：你應該在什么時候考慮出售公司？他舉了互聯網泡沫時期的例子：1999-2000 年間，大約有 1000-2000 家公司上市，但其中只有 12-24 家至今仍然具有重要地位，其他的要么倒閉了，要么被收購了。他還提到了一些曾經看似不可戰勝的公司，比如社交網絡領域的 Friendster 和 MySpace，最后都被 Facebook 打敗了。

我特別認同他提出的建議：定期安排一個董事會會議專門討論退出問題。不是說一定要退出，而是讓這個討論變成一個例行的、非情緒化的流程。這樣做的好處是，當真正的退出機會來臨時，你能夠理性地評估，而不是被情緒左右。對于極少數公司來說，答案永遠是"絕不出售"。但對大多數公司來說，都會有一個最佳退出時機，錯過這個時機可能意味著多年的努力付諸東流。

Elad 講了 Mark Cuban 的故事，我覺得特別有啟發性。Cuban 在 Yahoo 股價最高點時把公司賣給了 Yahoo，然后用期權策略鎖定了收益，即使 Yahoo 股價后來暴跌，他也沒有損失。這成就了他的億萬富翁身份。這不是運氣，而是對時機的精準把握和對金融工具的巧妙運用。當然，不是每個創業者都能像 Cuban 那樣幸運和聰明，但至少應該定期思考這個問題：我的公司現在是處于價值的上升期還是已經接近頂峰？競爭格局是在變好還是變壞？技術趨勢是對我有利還是不利？

我認為在 AI 時代，這個問題變得更加緊迫。因為技術變化的速度太快了，原本需要 10 年才會發生的市場變化現在可能在 1-2 年內就發生了。Elad 提到，在 SaaS 時代，技術變化相對緩慢，所以公司有充足的時間來適應和調整。但在 AI 時代，每兩年就相當于過去的 10 年。這意味著你必須更快地做出反應，包括對于是否退出這個重大決策。

多產品捆綁是最好的防御

Sarah 提出了一個我非常認同的觀點：在快速變化的 AI 時代，最好的防御策略是構建產品捆綁（bundle）。很多人把捆綁視為一種進攻策略，但實際上它也是一種強大的防御手段。當你為同一個客戶提供 5-10 種不同的產品或功能時，你就變成了他們工作流程中不可或缺的一部分，競爭對手很難輕易替代你。

我觀察到，這個建議與 SaaS 時代的傳統智慧背道而馳。在 SaaS 時代，流行的說法是"做好一件事"，專注于單一產品。但 Sarah 指出，這其實一直都是糟糕的建議。在 SaaS 之前的平臺時代，成功的公司都是多產品、積極并購的。比如 Microsoft 在操作系統的基礎上向前整合，構建了 Office 套件，包括 Excel、PowerPoint、Word 等，然后與操作系統捆綁銷售。Google 也是一樣，從搜索引擎出發，向前整合到垂直搜索領域，構建了旅游搜索、本地搜索等一系列產品。

為什么 SaaS 時代會流行"做好一件事"的理念？我認為部分原因是那個時代技術變化相對緩慢，市場相對穩定，所以專注于單一產品的公司也能生存下來。但在 AI 時代，技術變化太快了，單一產品公司面臨的風險太大。AI 實驗室可能會向前整合到你的垂直領域，競爭對手可能用新技術快速超越你，市場需求可能因為新的交互方式而發生根本性變化。在這種環境下，你需要更廣的護城河，需要在多個維度上為客戶創造價值。

Elad 也提到了平臺的向前整合問題。歷史上，每一次重大的平臺轉變都伴隨著平臺向最重要的垂直應用的整合。Microsoft 整合了 Office，Google 整合了垂直搜索，所以 AI 實驗室向編碼、客戶支持等垂直領域整合也就不足為奇了。作為創業者，你需要思考的是：哪些垂直領域是持久和可防御的？哪些會被實驗室吞噬？如果你處在一個可能被整合的領域，你是否應該考慮盡早退出或者轉向構建多產品捆綁來增強防御？

市場的喧囂與真實的信號

Sarah 和 Elad 都強調，我們剛剛經歷了充滿炒作的一個月。很多東西被過度渲染了，包括所謂的 AI agent 在自主做采購決策、"mold book" 事件中的新興行為等等。Sarah 直言不諱地指出，很多看起來令人興奮的"新興行為"實際上是為營銷目的而刻意制造的。我認為這個提醒非常及時和重要。

在任何新技術浪潮中，都會有大量的炒作和噪音。這是正常的，甚至在某種程度上是健康的，因為它能夠吸引注意力和資本，加速技術的發展和應用。但作為理性的觀察者，我們需要能夠區分什么是真實的進展，什么只是營銷噱頭。比如，當有人宣稱 AI agent 正在自主做軟件采購決策時，實際情況可能只是某個 AI 產品通過合作伙伴關系默認使用了某個數據庫或工具，就像你使用 Airtable 時它在后臺自動使用 AWS 一樣。這不是什么新鮮事，不是 AI 的自主決策，只是商務合作的常規操作。

Sarah 提到了一個很重要的觀察：很多股票分析師似乎還沒有理解 demo 和真實產品之間的區別。他們看到一個炫酷的演示就以為產品已經成熟了，忽略了實際部署到企業環境中需要解決的大量工程和組織問題。這讓我想起了自動駕駛領域的情況。多年來，我們看到了無數炫酷的自動駕駛演示，但真正能夠大規模商業化的產品仍然很少。為什么？因為從 demo 到產品之間有一道巨大的鴻溝，需要解決可靠性、安全性、邊界情況處理、成本控制等一系列復雜問題。

但 Sarah 和 Elad 都強調，他們并不是在否定 AI 的革命性影響。相反，他們都是 AI 進步的堅定支持者，早期就投資了很多 AI 編程公司。他們想說的是：長期來看，AI 確實會帶來根本性的變革；但短期來看，人們對變革的速度和范圍有所高估。我們需要在這兩個視角之間找到平衡，既要對長期趨勢保持樂觀和開放，又要對短期炒作保持警惕和理性。

我的思考：在變革中找到立足點

聽完這期播客后，我有了一些自己的思考。我認為當前我們正處在一個非常微妙的時刻：一方面，AI 確實在帶來深刻的變革，這種變革的規模和速度都是前所未有的；另一方面，市場對這種變革的理解充滿了誤解和過度外推。作為創業者或投資者，如何在這種環境中找到立足點？

我覺得關鍵是要區分什么會快速改變，什么會緩慢改變。代碼生成能力的提升會快速改變軟件開發的方式，這是確定的。但企業采購決策流程、客戶關系管理、復雜系統的維護和支持，這些涉及組織和人的部分，改變會慢得多。那些能夠在快速變化的技術基礎上構建緩慢變化的組織能力的公司，將會擁有持久的競爭優勢。

我也思考了工程師角色的演變。我認為未來會出現兩類工程師：一類是"產品工程師"，他們把 AI 工具用到極致，關注的是快速構建和迭代產品，為用戶創造價值；另一類是"系統工程師"，他們深入理解底層系統，負責確保 AI 生成的代碼是可靠的、可維護的、符合質量標準的。前者的數量會大幅增加，因為 AI 降低了編程門檻；后者會變得更加稀缺和重要，因為在 AI 生成大量代碼的環境下，我們比以往任何時候都更需要能夠理解和控制復雜系統的專家。

關于創業機會，我認為最大的機會不在于用 AI 去復制現有的 SaaS 產品，而在于解決 AI 時代的新問題。比如 Sarah 提到的代碼質量管理問題，比如如何在 AI 生成內容泛濫的環境中確保質量和真實性，比如如何幫助企業管理快速增長的 AI 工具和服務。這些都是全新的問題，需要全新的解決方案。

最后，關于 SaaS 是否終結這個問題，我的答案是：傳統的 SaaS 會演變，但不會消失。就像移動互聯網時代沒有消滅 PC 端的軟件，而是迫使它們進化一樣，AI 也會迫使 SaaS 進化。那些能夠成功整合 AI 能力、提供更智能體驗的 SaaS 公司會更強大；那些抱殘守缺、拒絕改變的公司會被淘汰。但軟件作為服務這個基本模式，在可預見的未來仍然會是主流。因為歸根結底，企業需要的是可靠的、專業的、持續更新的解決方案，而不是自己從頭開始構建和維護所有東西。這個需求不會因為 AI 而消失。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。