SaaS 领域正处于一个关键的拐点。传统的人力驱动应用模式正在让位于一种新范式：agentic workspace。这并非遥远的趋势，而是当今的战略要务。我们认为，每一家成功的 SaaS 公司的下一步进化，是成为一个编排智能智能体以实现用户成果的平台。这一转型复杂且充满挑战，但对于成功驾驭它的企业而言，回报将是巨大的。未能适应者则面临被淘汰的风险。
\n![\"SaaS](\"/assets/images/saas_agent_convergence.webp\")
\nSaaS 与 AI 智能体的融合正在重塑企业软件格局\n建立在按用户许可和增量功能更新之上的传统 SaaS 模式，正面临前所未有的压力。强大且自主的 AI 智能体的崛起，正开始使这一模式显得力不从心。正如一位行业分析师所言：\"三年内，任何常规的、基于规则的数字化任务都可能从'human plus app'转变为'AI agent plus API'\" [2]。这一根本性变化暴露了老牌企业的脆弱性，并为新一代 AI 原生初创公司铺平了道路。
\n这些不受遗留系统负担的初创公司，正以空前的效率运营。正如近期分析 [5] 所强调的，AI 原生公司平均每位员工创造 $3.48 million 的收入——比传统 SaaS 同行高出惊人的 5.7 倍。这一效率差距是重大市场转变的明确信号。
\n![\"传统](\"/assets/images/efficiency_gap.webp\")
\nAI 原生初创公司平均每位员工创造 $3.48M 收入——比传统 SaaS 公司高出 5.7 倍\n借鉴 Cloud.Substack [5] 的分析，传统模式的衰落可归因于六个相互关联的压力：
\n| 压力点 | \n描述与示例 | \n
|---|---|
| 席位扩张停滞（Seat Expansion Stall） | \nSaaS 的主要增长引擎已经熄火。例如，Zoom 曾是高 NRR（净收入留存率）的典范，但其企业 NRR 已降至 98%，因为客户不再需要以同样的速度增加席位 [5]。 | \n
| 涨价吞噬预算（Price Increases Consuming Budget） | \nSaaS 通胀速度接近市场平均水平的 5 倍，涨价吞噬了增量 IT 预算的很大一部分。这几乎不留空间给新投资，并催生了供应商整合的循环 [5]。 | \n
| 预算向 AI 转移（The Shift to AI Budgets） | \n企业支出正果断地向 AI 倾斜。由于企业领导者预计其 LLM 预算将增长 75%，如果一款产品未能触及这一新资金池，它就是在为不断萎缩的池子竞争 [5]。 | \n
| 创新速度（The Speed of Innovation） | \n开发节奏已大幅加快。AI 原生初创公司每周发布新功能，而传统 SaaS 公司往往困于季度发布周期。这种速度差异是一项关键的竞争优势。 | \n
| 单一产品瓶颈（Single-Product Plateau） | \n多产品套件策略正在失效。客户越来越偏好同类最佳的单点解决方案，越来越不愿意接受来自单一供应商的一堆平庸产品 [5]。 | \n
| 增值考验（The Value-Add Test） | \n许多早期 AI 功能表现平平。如今，AI 集成的门槛是真正的生产力提升，而非渐进式改进。功能必须提供可衡量、切实的价值，才能证明其成本与复杂度的合理性 [5]。 | \n
尽管 agentic AI 的前景巨大，但通往完全自主的道路并非没有重大挑战。正视这些障碍对于制定可信的战略至关重要。
\n尽管挑战重重，但成为 agentic platform 的战略优势不可否认。新的竞争护城河是上下文图谱（Context Graph）：一种决策痕迹的活记录，它不仅解释发生了什么，还解释为什么它被允许发生 [6]。
\n\n\n智能体不仅需要规则。它们需要访问决策痕迹，以了解规则在过去如何被应用、例外在何处被批准、冲突如何解决、谁批准了什么，以及哪些先例真正支配着现实。[6]
\n
传统的记录系统存储关于对象（如客户或发票）的数据，而上下文图谱则为决策创建一种记录系统。它们捕捉那些目前存在于孤岛式沟通中的例外、覆盖和先例。
\n![\"上下文图谱可视化\"](\"/assets/images/context_graph_saas.webp\")
\n上下文图谱捕捉决策痕迹，不仅解释发生了什么，还解释为什么\n这创造了一个强大的反馈循环。只有提供 agentic execution layer 的公司才能捕捉这些决策痕迹。随着它们的上下文图谱不断壮大，其智能体变得更聪明、更可靠，从而形成竞争对手几乎无法复制的可防御优势。
\n这一转型要求对商业模式进行彻底反思。按席位许可正被新模式取代，这些模式将价格与 AI 智能体交付的价值对齐。
\n| 定价模式 | \n描述与示例 | \n
|---|---|
| 基于用量：资源（Usage-Based: Resources） | \n客户为其消耗的算力和 token 资源付费。示例：一个开发者平台根据其智能体使用的 API 调用次数和 GPU 小时数收费。 | \n
| 基于智能体（Agent-Based） | \n客户购买或订阅具备特定技能的单个 AI 智能体。示例：一个电商平台以月费形式出售\"定价优化智能体（Pricing Optimization Agent）\"。 | \n
| 基于用量：交互（Usage-Based: Interactions） | \n客户按每次独立交互或完成的任务付费。示例：一个客户服务平台按每张成功解决的工单收费。 | \n
| 基于成果：完成任务（Outcome-Based: Jobs Completed） | \n付款与预定义任务的成功执行挂钩。示例：一个销售自动化平台按其智能体生成的每个合格潜在客户（qualified lead）收费。 | \n
| 基于成果：财务定价（Outcome-Based: Financial Pricing） | \n最先进的模式，付款按所创造财务价值的百分比计算。示例：一个营销自动化平台从其智能体运营的活动所产生的收入中抽取一定比例。 | \n
除了科技巨头之外，一类新的赢家正在涌现。这些公司不仅仅在构建功能；它们在构建 agentic workspace。Glean 正在打造企业搜索智能体，能够跨数十种企业工具进行查询，自主回答复杂问题——将数小时的人工研究替换为数秒的智能体驱动综合。Adept AI 正在构建通用智能体，能够通过观察和交互学习使用任何软件应用。与此同时，Sierra 正在为客户体验开创对话式 AI 智能体，能够端到端解决问题而无需人工交接。这些先驱者展示了专注于自主、成果驱动的工作流而非增量功能添加的力量。
\n证据确凿。从停滞的席位扩张到超高效 AI 原生竞争对手的崛起，市场压力的汇聚指向一个唯一结论：SaaS 的未来就是 agentic workspace。这不再是\"是否\"的问题，而是\"何时\"的问题。那些现在就行动的公司——那些开始将其平台转型为智能智能体编排者、并捕捉为其提供动力的宝贵上下文图谱的公司——将成为未来十年的领导者。
\n从何入手？审计你的核心工作流，挖掘其 agentic potential：识别那些重复、基于规则的流程——其中人类判断最少，但人类时间消耗最大。然后在一个高价值流程中试点上下文捕捉——你今天记录的每一条决策痕迹，都将成为明天自主智能体的训练数据。
\n选择很简单：要么构建未来，要么沦为过去。构建你的 agentic workspace，就在此刻。
\n参考资料：
\n\n[2] Bain & Company. (2025, September 23). Will Agentic AI Disrupt SaaS? Bain & Company.
\n\n[4] BCG. (2025, August 13). Rethinking B2B Software Pricing in the Era of AI. BCG.
\n\n\n", "source_hash": "sha256:bd7a7628a33002e34eb537fe0620f5dc85b1ee0ba82b026607c47a5d54b57d69", "model": "moonshotai/kimi-k2.6", "generated_at": "2026-08-07T07:16:56.255790+00:00" }