当"SaaS已死"的焦虑席卷科技圈，当五人团队用AI生成代码挑战Salesforce的神话被反复传唱，我们是否正在集体陷入一场错位的恐慌？本文基于硅谷顶级投资人Sarah Guo与Elad Gil的深度对话，拆解"SaaS终结"叙事背后的逻辑陷阱。

你有没有发现，最近一个月科技圈仿佛集体陷入了一种焦虑状态？到处都是”SaaS 终结论”的声音，仿佛传统软件公司明天就要全部倒闭。打开社交媒体，铺天盖地都是关于 AI agent 如何取代所有现有软件、如何让工程师失业、如何颠覆整个软件行业的讨论。这种焦虑甚至蔓延到了资本市场，一些优秀的 SaaS 公司股价暴跌，投资者似乎相信一个五人创业团队用 vibe coding（随意编程）就能在周末搭建出替代 Salesforce 的系统。

我最近听了 No Priors 播客的一期节目，Sarah Guo 和 Elad Gil 两位深耕科技投资多年的行家对这个话题展开了深度讨论。他们的观点让我深受启发，也让我重新审视了这场所谓的”SaaS 终结”浪潮。Sarah 和 Elad 都认为，虽然 AI 确实在改变软件行业，但目前市场对于这种改变的理解存在严重的误判和过度炒作。他们指出，人们正在把五人创业团队的行为模式错误地投射到财富 100 强企业身上，同时忽视了软件行业真正在发生的结构性变化。听完这期播客后，我开始思考一个更深层的问题：在这场 AI 革命中，什么是真实的变革，什么又是虚假的炒作？作为身处这个行业的观察者，我觉得有必要梳理清楚这些复杂的信号，分辨出哪些是真正值得关注的趋势，哪些只是一时的噪音。

Vibe Coding 不会取代企业软件

Elad 在播客中提出了一个非常犀利的观点：没有人会用 vibe coding 搭建一个车队管理应用，然后通过”vibe 销售”卖给企业客户，更不会有人用 vibe 方式制造车载摄像头传感器并安装到成千上万的车辆上。这个例子虽然听起来荒诞，但却精准地指出了当前讨论中最大的盲点。他以自己投资的公司 Samsara 为例，这是一家提供车队管理解决方案的公司，涉及硬件、软件、企业销售、客户支持等复杂环节。这种业务的复杂度和专业性，根本不是简单的代码生成能够替代的。

我特别认同这个观点，因为它揭示了一个本质问题：软件不仅仅是代码。很多技术背景的人容易陷入一个误区，以为只要能生成代码，就能替代整个软件产品。但实际上，一个成功的企业软件产品包含了太多代码之外的东西。你需要深入理解客户的业务流程，需要与各个部门的利益相关者沟通，需要处理数据安全和合规问题，需要提供持续的客户支持和培训，需要不断迭代产品以适应市场变化。这些工作的复杂度和专业性，远远超出了”生成一段代码”的范畴。

Sarah 补充说，他们的投资组合中有一些收入已经达到数亿美元的公司，这些公司在拥抱 AI、大量使用 token 的同时，工程师团队保持在 50 人以下，但销售团队却从零迅速扩张到了近 100 人。这个数据非常有说服力：即使在 AI 时代，即使代码生成变得更容易，企业销售仍然需要人。为什么？因为卖给企业客户从来都不是一个纯技术问题，而是一个需要深度理解客户需求、建立信任关系、提供定制化解决方案的复杂过程。

我观察到，很多关于”SaaS 终结”的讨论，其实源于工程师群体对世界的一种特定认知。工程师倾向于认为每个人都想自己制造软件，因为对他们来说，编程是一种自然而然的表达方式。但现实是，绝大多数人并不想自己写软件，他们只想用软件解决问题。就像 Sarah 说的，并不是每个人都想成为软件制造者，很多人更愿意让专业的人来做这件事。这就好比，虽然现在做饭的工具越来越好用，但大多数人仍然选择去餐厅吃饭，因为他们想要的是一顿美味的饭菜，而不是做饭的过程。

小公司行为不能外推到大企业

Elad 提出的另一个关键观点是，人们正在犯一个严重的逻辑错误：把五人创业团队的行为模式错误地外推到财富 100 强企业。确实，一个五人技术团队可以用 AI 工具快速搭建一个简单的 CRM 系统来管理他们的客户关系。在这之前，他们可能用的就是一个 Excel 表格，所以用 AI 生成一个简单的系统当然是一个进步。但这并不意味着一家拥有 10 万员工的银行会在某个周末用内部开发的系统替换掉他们已经使用多年、经过无数次迭代和定制的 Salesforce。

我认为这个观点触及了企业软件的本质。大型企业使用软件的方式与小型创业公司完全不同。对于大企业来说，软件系统不仅仅是一个工具，更是整个组织运作的基础设施。这些系统经过多年的配置和定制，嵌入了企业特定的业务逻辑、合规要求、权限管理、与其他系统的集成等等。更重要的是，这些系统背后有成千上万的用户，有复杂的变更管理流程，有严格的安全审计要求。你不可能简单地用一个周末生成的代码就替换掉这一切。

Sarah 讲了一个很生动的例子：假如你问一个工程师，你愿意为每个座位支付 10 美元的 Jira 费用吗？他可能会说不愿意，觉得这太贵了。但如果你问他：你愿意在美国银行做变更管理工作吗？愿意处理所有的安全考虑吗？愿意管理其他人对工作流程变更的意见吗？愿意长期维护这个系统吗？答案很可能是：不愿意。这就是问题的关键。企业软件的价值不在于代码本身有多复杂，而在于它解决了一个完整的问题，包括所有那些看不见但至关重要的部分。

我还注意到一个有趣的现象：那些高喊”我们不需要 SaaS 了”的人，往往是那些从来没有在大型企业中负责过软件采购和部署的人。他们没有经历过在一个 5 万人的组织中推行一个新系统的痛苦，没有处理过不同部门之间的利益冲突，没有面对过合规部门提出的几十页安全要求清单。一旦你真正理解了企业软件的复杂性，你就会明白为什么 vibe coding 不会在短期内取代专业的企业软件供应商。

软件需求仍在指数级增长

Elad 提出了一个我非常认同的观点：人们低估了对软件产品的需求。这里说的软件产品是广义的，包括 AI 应用在内的所有软件。他引用了 Marc Andreessen 多年前的著名论断”软件正在吞噬世界”，并认为这个趋势不仅没有减缓，反而在加速。现在应该说”AI 正在吞噬世界”，因为 AI 本质上也是软件的一种形式，只是更智能、更强大的软件。

我观察到的一个关键现象是：虽然 AI 工具大幅提高了软件开发的生产力，但这并没有导致对工程师需求的下降。相反，创业公司仍在持续招聘工程师。为什么会这样？因为软件需求的增长速度远远超过了生产力的提升速度。当你能更快地构建软件时，你会发现有太多之前因为成本太高而无法实现的想法现在变得可行了。这就像修路一样，当你修了一条新高速公路，你以为会减少拥堵，但实际上反而会产生更多的交通需求，因为更多的人发现原来可以去更远的地方了。

Elad 还提到了一个深刻的洞察：工程师群体内部对于 AI 工具的接受程度存在很大差异，这取决于他们对工程工作的不同理解。有些工程师把写代码视为一种精致的手工艺，他们享受那种精心打磨每一行代码的感觉，追求代码的优雅和质量。对于这类工程师来说，AI 大量生成代码可能让他们感到不舒服，因为这违背了他们对工程工作的审美追求。但另一些工程师把代码视为构建产品的工具，他们关心的是能否快速解决问题、能否为用户创造价值。对于这类工程师来说，AI 工具是一种解放，让他们能够专注于更高层次的问题，而不是陷入繁琐的代码细节中。

我认为这种分化会越来越明显。那些享受手工艺式编程的工程师可能会越来越难以适应大型科技公司的工作环境，因为在那里效率和规模是第一位的。但这并不意味着他们没有价值，他们可能会在那些重视代码质量和技术深度的小型团队或开源项目中找到自己的位置。而那些注重产品和实用性的工程师则会在 AI 时代如鱼得水，因为他们终于可以把精力从重复性的编码工作中解放出来，投入到真正需要人类智慧的创造性工作中。

代码质量管理是新的未解难题

Sarah 在播客中提出了一个我认为非常关键但被严重忽视的问题：当 AI 能够生成大量代码，而没有人真正仔细阅读这些代码时，代码质量如何保证？没有人深入理解整个代码库时，系统会变得更加脆弱。这就像她说的”slop problem”（垃圾代码问题）——不是那种非技术人员随便生成的网站代码，而是出现在你实际生产环境中的垃圾代码，由每一个偷懒的工程师生成。而现实是，每个工程师在某种程度上都会偷懒。

我觉得这个问题的深度被严重低估了。在传统的软件开发流程中，代码审查（Code Review）是保证质量的关键环节。有经验的工程师会仔细审查新提交的代码，检查逻辑错误、性能问题、安全漏洞等等。但当 AI 一次性生成几千行代码时，这个审查过程变得几乎不可能。人类的注意力是有限的，没有人能够认真审查几千行他们没有参与编写的代码。结果就是，大量未经充分审查的代码被合并到生产环境中，积累成为技术债务，甚至埋下安全隐患。

Sarah 提到，虽然有人建议用测试、智能审查工具、让 AI 来审查 AI 生成的代码，甚至形式化验证等方法，但这个领域仍然是”完全开放的”，没有人真正解决这个问题。我认为这正是一个巨大的创业机会。那些能够帮助工程团队管理人类注意力、在 AI 生成大量代码的环境中保证质量的工具，将会变得极其重要。这不仅仅是一个技术问题，更是一个工程管理和组织流程的问题。

她还提到，像 Jira 这样的项目管理工具可能面临风险，但同时也有机会进化。新的 Jira 或者新的创业公司可以专注于解决”如何在 AI 生成代码的时代管理工程团队的注意力”这个核心问题。我认为这个观察非常敏锐。在 AI 时代，工程管理的重点将从”如何加快代码生产”转向”如何确保生产出来的代码是可靠的、可维护的、符合质量标准的”。这需要全新的工具、流程和方法论。

惊人的增长速度和成本下降

Elad 分享了他团队整理的一些数据，我看到后真的感到震惊。他们研究了不同时代的科技公司从 10 亿美元收入增长到 100 亿美元收入所需的时间。ADP 用了 20 多年，Adobe 也用了大约 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 实验室呢？根据公开的预测数据，它们只用了大约一年时间就从 10 亿增长到 100 亿。从 100 亿到 1000 亿，Microsoft 用了 27 年，Google 和 AWS 用了 10 多年，而 AI 实验室预计只需要 3-5 年。

我认为这组数据揭示了一个惊人的真相：我们正在见证软件史上最快的收入增长速度。这不是渐进式的改进，而是数量级的跨越。为什么会发生这种情况？Elad 提到了几个原因：互联网创造了全球性的客户池，分发变得前所未有的容易，有更多人能够接触到技术，全球 GDP 在增长。但我认为最核心的原因是：AI 创造的用户价值和商业价值是前所未有的。当一个技术能够在如此短的时间内创造如此巨大的价值时，收入的爆炸式增长就是自然而然的结果。

另一组同样震撼的数据是关于 token 价格的下降。相当于 GPT-4 级别的模型，21 个月内价格从每百万 token 37 美元降到了 25 美分，降幅达到 150 倍。而相当于 o1 级别的模型，11 个月内价格从每百万 token 26 美元降到了 30 美分，降幅达到 88 倍。我觉得这种价格下降的速度是史无前例的。想象一下，你使用的某种服务在一年内价格降低了 88 倍，这意味着什么？这意味着原来因为成本太高而无法实现的应用场景现在变得可行了，意味着 AI 的使用门槛在急剧降低，意味着会有更多的创新和应用涌现出来。

把这两组数据放在一起看，你会发现一个矛盾但又合理的现象：一方面，token 价格在暴跌，AI 服务变得越来越便宜；另一方面，AI 公司的收入在暴涨，增长速度前所未有。这说明了什么？说明需求的增长速度远远超过了价格的下降速度，说明 AI 正在创造巨大的新市场，而不是简单地替代现有市场。这也印证了 Elad 的观点：软件需求是无限的，生产力的提升不会减少需求，只会释放更多被压抑的需求。

科技正在吞噬经济的更大份额

Elad 团队还研究了科技公司在经济中占比的变化，这个数据同样发人深省。2005 年，Google 市值 1000 亿美元，而埃克森美孚是当时世界上最有价值的公司。到 2018 年，Apple 成为第一家市值达到 1 万亿美元的公司，当时科技股占标普 500 指数的约 30%。而现在，前八大科技公司的总市值达到 23 万亿美元，占标普 500 指数的 50% 以上。同时，科技行业占美国 GDP 的比例从 2005 年的 4% 增长到现在的 12%。

我认为这个趋势远未结束。随着 AI 的发展，更多的服务和工作将被转化为软件支出或科技支出。Elad 提到，根据不同的增长率假设，到 2035 年，科技可能占 GDP 的 15-20%，甚至 30%。这意味着什么？意味着科技公司的市值还会继续膨胀，意味着会有更多的万亿美元公司诞生，意味着科技对经济的影响力会进一步增强。

这种趋势对创业公司和投资者都有深远的影响。对于投资者来说，传统的估值框架可能需要调整。以前认为 10 亿美元估值已经是后期阶段了，但在新的环境下，10 亿美元可能只是开始。一些真正有潜力的公司可能成长到几百亿甚至上千亿美元的市值。对于创业者来说，这意味着天花板更高了，但同时竞争也会更激烈。你需要思考的不仅仅是如何生存，还要思考如何在这个赢家通吃的环境中建立持久的竞争优势。

Sarah 提到了一个重要的观点：虽然整体市场在扩大，但市值分布仍然遵循幂律分布。大部分价值仍然集中在头部和躯干公司，长尾公司的总价值相对较小。这在客户分布上也是一样的。虽然人们喜欢谈论”长尾效应”，但实际上，即使是 Google 这样看起来服务长尾市场的公司，大部分广告收入也来自头部和躯干客户。我觉得这个观察非常重要，因为它提醒我们不要对”民主化”的故事过于乐观。是的，AI 降低了创业门槛，但这不意味着所有创业公司都能获得成功。实际上，可能会出现更强的集中效应，少数公司占据更大的市场份额。

何时应该考虑退出

Elad 提出了一个很多创业者不愿意面对但极其重要的问题：你应该在什么时候考虑出售公司？他举了互联网泡沫时期的例子：1999-2000 年间，大约有 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，其他的要么倒闭了，要么被收购了。他还提到了一些曾经看似不可战胜的公司，比如社交网络领域的 Friendster 和 MySpace，最后都被 Facebook 打败了。

我特别认同他提出的建议：定期安排一个董事会会议专门讨论退出问题。不是说一定要退出，而是让这个讨论变成一个例行的、非情绪化的流程。这样做的好处是，当真正的退出机会来临时，你能够理性地评估，而不是被情绪左右。对于极少数公司来说，答案永远是”绝不出售”。但对大多数公司来说，都会有一个最佳退出时机，错过这个时机可能意味着多年的努力付诸东流。

Elad 讲了 Mark Cuban 的故事，我觉得特别有启发性。Cuban 在 Yahoo 股价最高点时把公司卖给了 Yahoo，然后用期权策略锁定了收益，即使 Yahoo 股价后来暴跌，他也没有损失。这成就了他的亿万富翁身份。这不是运气，而是对时机的精准把握和对金融工具的巧妙运用。当然，不是每个创业者都能像 Cuban 那样幸运和聪明，但至少应该定期思考这个问题：我的公司现在是处于价值的上升期还是已经接近顶峰？竞争格局是在变好还是变坏？技术趋势是对我有利还是不利？

我认为在 AI 时代，这个问题变得更加紧迫。因为技术变化的速度太快了，原本需要 10 年才会发生的市场变化现在可能在 1-2 年内就发生了。Elad 提到，在 SaaS 时代，技术变化相对缓慢，所以公司有充足的时间来适应和调整。但在 AI 时代，每两年就相当于过去的 10 年。这意味着你必须更快地做出反应，包括对于是否退出这个重大决策。

多产品捆绑是最好的防御

Sarah 提出了一个我非常认同的观点：在快速变化的 AI 时代，最好的防御策略是构建产品捆绑（bundle）。很多人把捆绑视为一种进攻策略，但实际上它也是一种强大的防御手段。当你为同一个客户提供 5-10 种不同的产品或功能时，你就变成了他们工作流程中不可或缺的一部分，竞争对手很难轻易替代你。

我观察到，这个建议与 SaaS 时代的传统智慧背道而驰。在 SaaS 时代，流行的说法是”做好一件事”，专注于单一产品。但 Sarah 指出，这其实一直都是糟糕的建议。在 SaaS 之前的平台时代，成功的公司都是多产品、积极并购的。比如 Microsoft 在操作系统的基础上向前整合，构建了 Office 套件，包括 Excel、PowerPoint、Word 等，然后与操作系统捆绑销售。Google 也是一样，从搜索引擎出发，向前整合到垂直搜索领域，构建了旅游搜索、本地搜索等一系列产品。

为什么 SaaS 时代会流行”做好一件事”的理念？我认为部分原因是那个时代技术变化相对缓慢，市场相对稳定，所以专注于单一产品的公司也能生存下来。但在 AI 时代，技术变化太快了，单一产品公司面临的风险太大。AI 实验室可能会向前整合到你的垂直领域，竞争对手可能用新技术快速超越你，市场需求可能因为新的交互方式而发生根本性变化。在这种环境下，你需要更广的护城河，需要在多个维度上为客户创造价值。

Elad 也提到了平台的向前整合问题。历史上，每一次重大的平台转变都伴随着平台向最重要的垂直应用的整合。Microsoft 整合了 Office，Google 整合了垂直搜索，所以 AI 实验室向编码、客户支持等垂直领域整合也就不足为奇了。作为创业者，你需要思考的是：哪些垂直领域是持久和可防御的？哪些会被实验室吞噬？如果你处在一个可能被整合的领域，你是否应该考虑尽早退出或者转向构建多产品捆绑来增强防御？

市场的喧嚣与真实的信号

Sarah 和 Elad 都强调，我们刚刚经历了充满炒作的一个月。很多东西被过度渲染了，包括所谓的 AI agent 在自主做采购决策、”mold book” 事件中的新兴行为等等。Sarah 直言不讳地指出，很多看起来令人兴奋的”新兴行为”实际上是为营销目的而刻意制造的。我认为这个提醒非常及时和重要。

在任何新技术浪潮中，都会有大量的炒作和噪音。这是正常的，甚至在某种程度上是健康的，因为它能够吸引注意力和资本，加速技术的发展和应用。但作为理性的观察者，我们需要能够区分什么是真实的进展，什么只是营销噱头。比如，当有人宣称 AI agent 正在自主做软件采购决策时，实际情况可能只是某个 AI 产品通过合作伙伴关系默认使用了某个数据库或工具，就像你使用 Airtable 时它在后台自动使用 AWS 一样。这不是什么新鲜事，不是 AI 的自主决策，只是商务合作的常规操作。

Sarah 提到了一个很重要的观察：很多股票分析师似乎还没有理解 demo 和真实产品之间的区别。他们看到一个炫酷的演示就以为产品已经成熟了，忽略了实际部署到企业环境中需要解决的大量工程和组织问题。这让我想起了自动驾驶领域的情况。多年来，我们看到了无数炫酷的自动驾驶演示，但真正能够大规模商业化的产品仍然很少。为什么？因为从 demo 到产品之间有一道巨大的鸿沟，需要解决可靠性、安全性、边界情况处理、成本控制等一系列复杂问题。

但 Sarah 和 Elad 都强调，他们并不是在否定 AI 的革命性影响。相反，他们都是 AI 进步的坚定支持者，早期就投资了很多 AI 编程公司。他们想说的是：长期来看，AI 确实会带来根本性的变革；但短期来看，人们对变革的速度和范围有所高估。我们需要在这两个视角之间找到平衡，既要对长期趋势保持乐观和开放，又要对短期炒作保持警惕和理性。

我的思考：在变革中找到立足点

听完这期播客后，我有了一些自己的思考。我认为当前我们正处在一个非常微妙的时刻：一方面，AI 确实在带来深刻的变革，这种变革的规模和速度都是前所未有的；另一方面，市场对这种变革的理解充满了误解和过度外推。作为创业者或投资者，如何在这种环境中找到立足点？

我觉得关键是要区分什么会快速改变，什么会缓慢改变。代码生成能力的提升会快速改变软件开发的方式，这是确定的。但企业采购决策流程、客户关系管理、复杂系统的维护和支持，这些涉及组织和人的部分，改变会慢得多。那些能够在快速变化的技术基础上构建缓慢变化的组织能力的公司，将会拥有持久的竞争优势。

我也思考了工程师角色的演变。我认为未来会出现两类工程师：一类是”产品工程师”，他们把 AI 工具用到极致，关注的是快速构建和迭代产品，为用户创造价值；另一类是”系统工程师”，他们深入理解底层系统，负责确保 AI 生成的代码是可靠的、可维护的、符合质量标准的。前者的数量会大幅增加，因为 AI 降低了编程门槛；后者会变得更加稀缺和重要，因为在 AI 生成大量代码的环境下，我们比以往任何时候都更需要能够理解和控制复杂系统的专家。

关于创业机会，我认为最大的机会不在于用 AI 去复制现有的 SaaS 产品，而在于解决 AI 时代的新问题。比如 Sarah 提到的代码质量管理问题，比如如何在 AI 生成内容泛滥的环境中确保质量和真实性，比如如何帮助企业管理快速增长的 AI 工具和服务。这些都是全新的问题，需要全新的解决方案。

最后，关于 SaaS 是否终结这个问题，我的答案是：传统的 SaaS 会演变，但不会消失。就像移动互联网时代没有消灭 PC 端的软件，而是迫使它们进化一样，AI 也会迫使 SaaS 进化。那些能够成功整合 AI 能力、提供更智能体验的 SaaS 公司会更强大；那些抱残守缺、拒绝改变的公司会被淘汰。但软件作为服务这个基本模式，在可预见的未来仍然会是主流。因为归根结底，企业需要的是可靠的、专业的、持续更新的解决方案，而不是自己从头开始构建和维护所有东西。这个需求不会因为 AI 而消失。