Salesforce 最新财报后股价单日涨超 22%，Agentforce 与 Data 360 合并 ARR 逼近 39 亿美元，奥特曼称 OpenAI 该做平台而非应用。腾讯 WorkBuddy、字节豆包工作加码企业级市场，大模型公司不再是唯一主角。

最近 AI 圈发生了很多事。

首先是国外 SaaS 股回暖。以 Salesforce 为例，其最新财报出来后，股价一天涨超 22%。

更关键的是，Agentforce 和 Data 360 的合并 ARR 接近 39 亿美元，同比增逾 210%。它还和 Anthropic 联合推出了 Claudeforce。客户每通过 Claude 调用一次 Salesforce，都需要给 Salesforce 支付 API 费用。

在 Salesforce 发布财报后，Anthropic 的 CEO 达里奥甚至亲自为 Salesforce 站台。

几乎同时，奥特曼也公开说，OpenAI 应该更像一家平台公司，而不是逐一去开发应用产品，和所有软件公司竞争。

国内，腾讯的 WorkBuddy 动作频频，先是大规模启动 FDE 生态，从而加强对企业级市场的渗透。紧接着又发布了开放平台，吸引开发者在 WorkBuddy 上开发企业级应用。

字节的豆包工作、阿里的千问办公也都没有闲着，和 WorkBuddy 从 C 端打开突破口不同，他们选择直接在企业级市场发力，比如豆包工作直接整合飞书，从而迅速起量，对 WorkBuddy 的领先地位造成了不小的威胁。

单看每一件事，都没有特别之处。放在一起看，其实都说明了一件事：

AI 正在进入深水区，大模型公司不再是唯一主角，平台和软件公司正在崛起。

接下来一段时间，AI 赛道会更加混沌。

一、AI 最容易打的仗，已经快打完了

为什么这些动作会在同一时间发生？

因为 AI 最容易渗透的区域，已经逼近饱和了。

过去两年，AI 最先攻下的，是科技领域那些在线化程度高、偏创作且容错率高的工作。即使 AI 第一次做得不够好，人也可以快速修改，从而避免不可挽回的损失。

但这个世界上真正的主流，还是传统企业。它们的核心业务以 SOP 为主，对准确性、稳定性有着极高的要求，只靠大模型公司，很难啃下这块硬骨头。

这就是为什么 OpenAI 的奥特曼最近公开承认，自己此前对 AI 普及速度过于乐观。他把原因归结为：人们对熟悉工具和既有工作方式的依赖。

这个解释只说对了一半。

其实，软件行业的人同样有惯性。手动画了 10 年原型图的产品经理，第一时间也很难接受 AI 画原型。

而软件行业之所以采用得很快，真正的原因是这些工作太适配 AI：信息都在线上，容错率又高，从业者对 AI 的使用也非常熟练。

但大部分传统企业都不具备这样的条件。

二、AI 进入传统企业的门槛

AI 在传统企业普及不理想，除了人的惯性，更重要的是任务本身更不适配。一个传统企业的核心业务，往往不是写一段文字、生成一段代码，而是把一条跨部门、跨系统的 SOP 稳定地跑下去。

比如，很多传统企业都上了 AI 问数。一开始，大家都很兴奋：业务人员可以直接问，这个月哪个区域的销售下滑最多？哪些客户的回款风险最高？不用再找数据团队拉报表了。

很快，问题就出来了。AI 喜欢胡说八道。它给出的答案看起来很像那么回事，但业务不敢据此行动。因为谁也说不清它引用的是哪张表，用的是什么指标口径，算错了以后又该谁负责。

这不是提示词写得不够好，也不是大模型不够聪明。这些工作不能只交给大模型生成；查询、计算和校验仍需由 BI 等确定性系统完成。

也就是说，AI 要渗透传统企业的核心业务，就必须依赖企业的软件底座。

但有了软件底座，也不代表 AI 就能直接落地。一条真实的 SOP 往往牵涉多个部门、多个系统，以及大量藏在员工脑子的数据。企业自己做 AI 时，通常不知道如何选择场景、梳理数据、克服组织障碍。

这就是 FDE 突然流行的原因，因为这些工作需要在客户现场反复探索和适配，而传统企业通常不具备这种能力。

所以，FDE 的爆火，也从侧面证明了：AI 的普及，正在进入深水区。

在 AI 的上半场，是大模型公司的主场：因为在 AI 的甜蜜区，大模型本身就足以重构业务流程。

但甜蜜区的渗透开始饱和以后，AI 必须开始向传统企业客群渗透，这时候，AI 就会进入更艰难的下半场。

此时，大模型不再是唯一的主角，平台、软件公司都会进入牌桌。

三、软件的风险仍然存在

虽然“SaaS 末日论”暂时被证伪，但未来仍然充满混沌。

模型每往前走一步，软件研发成本都在下降。过去需要一个团队做几个月的功能，今天可能几个人几周就能做出来。要是有一天，软件研发成本真的低到可以忽略，很多软件公司的护城河都会被击穿。

但我对此仍然保持乐观。

AI 对软件公司来说，并不是一场突然的颠覆。事实证明，软件公司有充分的时间进行 AI 转型，而且它们手里有成熟的软件底座、场景、渠道资源和高黏性的客户，面对 AI 原生公司，具有明显优势。

北森就是一个信号。据我了解，AI面试官、AI陪练、AI领导力教练等 Agent 产品已经成为北森最重要的增长引擎。而且我敢断言：到了明年，AI 会成为很多上市软件公司的核心收入来源。

所以，软件一定会被 AI 颠覆，但是优秀的软件公司不会。

还有一个更大威胁：大模型会不会促进甲方自研？毫无疑问会，而且随着大模型能力的增强，甲方自研的动力也会越来越强。

过去甲方想自研一套系统，往往只能做到 30 分。现在它有可能做到 60 分。对不少企业来说，60 分已经够用：便宜、可控，还能按自己的流程改。软件公司最危险的对手，未必是隔壁的 AI 创业公司，反而可能是自己的客户。

但是，聪明的软件公司不会去和这个趋势对抗，而是会顺应这个趋势。

传统软件时代，面对甲方的自研冲动，SaaS 公司就开发了 PaaS 平台来满足自研需求。AI 时代也一样：聪明的软件公司会提前布局，把自己变成甲方自研的基础设施。

所以，肯定会有软件公司掉队，但是并不代表整个软件行业会被颠覆。

四、真相是复杂的

AI 下半场会继续保持混沌，因为 AI 在不同领域的渗透会同时进行。

比如，有人说，FDE 根本不需要懂业务，AI 落地也不需要软件基础设施；还有人说，FDE 必须懂业务，AI 落地必须依赖软件基础设施。

这种看似完全矛盾的观点，本质上是因为他们看到了不同的样本。

第一类样本更多属于 AI 的上半场：信息密度高，又有较高的容错率，大模型自己就能搞定企业需求。

第二类样本更多属于 AI 的下半场：偏 SOP 执行，对稳定性、准确性有非常高的要求，大模型必须深入业务，深度集成软件设施。

在一段时间里，这两类样本都会同时存在。

但是，第二类样本，才是 AI 下半场的主角。