AI 大模型时代：中国 SaaS 行业的机会与挑战到底在哪？

如果说在过去的十年里，SaaS 行业一直在云计算、个性化需求土壤里行进在价值认定、价值评估、价值质疑的路径中，那么在接下来的五到十年里，伴随着 AI 大模型的出现，这个中国产业数字化的核心产业将会迎来新的价值锚点，这个锚点是 AI，是 Agent，也更会是新一代的 "AI+ 软件 " 模型。

SaaS，再次站上风口浪尖。

如果说 2023 年整个年度，大家对于 SaaS 的讨论更多的聚焦在企业和订阅产品本身之于中国市场的不确定性，那么今年对于这个话题的讨论则是在 AI 的加持下更近一步：在 AI 的冲击下，SaaS 注定要被取代。

结果一定是这样的吗？或者说，在这个结论之前，是否有一些中间态存在，再或者说，在 Agent、copilot 加速 落地的当下，SaaS 的空间已经完全被挤压了吗？

结论必然是否定的。

" 每家企业的运营模式都有其独特之处。当我们拥有了大模型技术平台，一个关键问题便浮现出来：我们应该如何构建智能体？哪些智能体需要与外部服务商合作，应该找怎样的服务商？哪些又应该由企业自主研发？" 这是蒙牛集团副总裁、首席数智官李琤洁在某圆桌论坛上提出的问题。

蒙牛的解法是：集合财税、人力等专业领域的 SaaS 厂商的能力，在此基础上做 AI 能力提升，这种软件上的专业优势结合企业自身积累的知识数据，可以能够很好的助力企业落地大模型。

可以说，即使在大模型如火如荼发展的今天，SaaS 厂商依然坚定地被客户选择。

客观来看，作为国内兴起于 21 世纪初的核心 TO B 数字化服务模式，SaaS 本身对应的是软件服务，更本质说法则是基于软件内蕴藏的流程管理和流程咨询知识帮助企业更科学、合理的完成内部传统业务的数字化管理，这种先进性也是 SaaS 产品在无数企业内部被使用并且被不断复购的原因之一。

那么，在大模型时代，这个优势被消解或者替代了吗？" 实际并没有，SaaS 本身最大的价值在于其对于流程的编排和疏导，以及对企业内部数据的整合和表达，这些都是现在大模型正要完成或者说没有完成的事情，也是其欠缺的能力。"一位投资人告诉我们。

从某种角度来看，无论是 MaaS 模式的兴起，还是行业大模型的落地，都与企业内部的数字化经验和数据积累密不可分，而企业内部的这些数据和积累，真正沉淀的环节和 " 管道 "，除了数据库，就是 SaaS 软件。

但一些讨论和质疑也有其存在的合理性。比如，伴随着 Agent 的出现，未来企业内部的数字化模式是否还会是软件形态，以及伴随着流程自动编排能力的加持，企业内部是否还需要基于 SaaS 的固定化 " 管道 " 进行规范运营和转型，这些都是 SaaS 行业在当下需要正视的问题。

强劲的松柏，都是在冬天真正长大成材。在 AI 时代，SaaS 的机会和挑战到底在哪？

大模型时代，SaaS 落伍了吗？

一个足够真实的视角是：大模型时代，AI 原生应用的兴起为企业带来了自我生成和定制应用的新能力，这对传统的 SaaS 模式构成了显著的冲击和挑战。

但这并不是问题的全部答案。

即尽管 AI 原生应用为企业提供了自我生成应用的能力，带来了一定的冲击，但 SaaS 模式依然拥有其独特的优势，能够在某些方面提供更好的服务和解决方案。

正如文章开头所言，大模型的发展和落地，离不开 SaaS 所对应的流程服务和业务需求个性表达能力的参与。

客观来看，虽然 AI 原生应用在技术上具有快速复制和部署的优势，但在理解特定行业需求方面往往不如 SaaS 提供的深入和专业。

以医疗场景为例，对应行业的 SaaS 厂商可以与医疗行业顾问团队合作，深入了解医疗行业的特定需求，包括患者数据管理、临床决策支持、电子病历（EMR）和健康信息交换（HIE）等；在医疗行业中，系统间的集成和互操作性至关重要。SaaS 厂商可以帮助大模型与现有的医疗信息系统（如 HIS、PACS 等）无缝集成… ...

作为深耕这个方向的 SaaS 企业，其拥有专业的医疗行业顾问团队，同时对医疗行业的法规、标准和最佳实践有着深刻的理解，这使得他们能够设计出符合行业需求和合规性要求的系统。

而对现阶段的 AI 原生应用而言，其可能缺乏对医疗行业的深入理解，需要花费大量时间和资源来学习和适应行业特定的需求。

SaaS 厂商可以通过深入了解行业特点和需求，设计出更加贴合用户实际工作流程和业务需求的软件解决方案。这种定制化服务不仅提高了软件的适用性和效率，还有助于提升用户体验。

其次便是数据的优势。

SaaS 企业在长期服务客户的过程中，积累了大量的行业数据。这些数据不仅包括用户行为、操作习惯等，还包括业务流程、市场趋势等多维度的信息。 通过分析这些数据，SaaS 提供商能够不断优化自己的服务，提供更加精准和高效的解决方案。 数据驱动的洞察和决策支持，使得 SaaS 服务能够更好地适应市场变化和用户需求，从而提升服务质量和竞争力。

相比之下，通用 AI 原生应用虽然能够快速响应市场变化，但在数据服务化方面的积累和分析方面依然不如 SaaS 企业。

除此之外，SaaS 的集成能力也十分优秀。在 SaaS 模式下，软件通常设计为易于与其他系统和应用程序集成。这种集成性使得 SaaS 产品能够更好地融入企业现有的 IT 架构和业务流程中，为用户提供更加无缝和高效的服务体验。

SaaS 模式下，软件提供商通常会构建强大的生态系统，通过与其他软件和服务提供商的合作，为用户提供更加全面和多样化的解决方案。这种生态系统的构建，不仅提升了 SaaS 产品的竞争力，也为用户提供了更多的选择和便利。

相比之下，就当下而言，AI 原生应用本身对应的生态，不论是产品、市场还是渠道，目前都没有明确的模型成型，对应到落地角度则是大模型很难有足够个性化的落地和被服务方案。

实际上，从当下的各个角度来看，包括Agent、copilot 等在内的 AI 原生应用在很长一段时间里都难以达到 SaaS 软件服务的效果，不论是流程编排、软件咨询，再或者是数据、生态等，都在成为其在产业落地的掣肘。

SaaS 式的 AI 表达

现代营销学之父菲利普 · 科特勒曾说过：" 营销，是企业的一切。" 在 SaaS 涉猎的众多场景中，营销也是最具代表性的。

" 现在很多开发者都做了营销图文创作能力。类似给他一个商品标题，他就能写出一堆营销文案，我认为这是极其不负责任的。" 有赞创始人白鸦说道。

在他看来只有了解你的商品详情、理解你的消费者画像，结合你的情况来做，才能真正生成出有用的营销图文。

正如上文所言，这种能力，SaaS 厂商最为拿手。

据了解，基于对企业营销流程的理解，和积累的大量场景数据，有赞针对文和图的创作能力做了智能化训练。

这种优势还使得有赞对于创作的文和图，进行后续的数据追踪，以此来实现内容创作场景的可用度不断迭代，除了提供专门的文和图创作产品，还会将这些作为基础能力低调的嵌入到每一个具体的功能场景中，让企业用户随手可用。

" 将用户和销售的最佳实践作为数据集，将一线销售和服务遇到的实际问题作为测试集，训练一个完全能够胜任普通员工的智能系统，再通过更简洁的产品体验和作业流程呈现给用户。" 在白鸦看来，这是有赞智能化的核心做法。

同样的改变也发生在金蝶，这家国产 SaaS 头部企业中。

某制造业巨头的生产线充满活力，每个环节都紧张而有序。然而，高管团队在决策中心面临挑战，需要将人工智能的最新大模型技术融入其复杂的供应链管理中。

金蝶的解法是 Cosmic AI 管理助手，其核心能力深度融合了业务逻辑与人工智能技术，使其能够理解和执行企业中的复杂业务流程。

而这种能力的基础是金蝶在企业管理软件领域多年的深耕，以及对 740 万家客户实践场景的学习和模拟。

其还能与金蝶现有的 SaaS、财务等业务软件进行定制化集成，确保与企业现有系统的无缝对接。例如，在财务审核过程中，Cosmic 可以自动提取和分析相关数据，识别潜在的风险点，从而提高审核的准确性和效率。

这源于金蝶强大的集成能力，而这种能力于 SaaS 厂商而言，是其商业模式设计之初就已经具备的能力。

不难看出，SaaS 厂商的行业经验、数据积累、集成能力，无疑是其在大模型时代最大且无法被替代的优势。而在大模型时代，这些经验被智能化后无缝的嵌入业务流程的各个环节。

更合适的感知是，在大模型时代，SaaS 不仅仅只是企业数字化转型过程中降本增效的 " 工具 "，更像是企业落地大模型的 " 工具 "。

就目前来看，诸多 SaaS 企业正尝试利用大模型替换或升级自身产品的路径。

比如，一些 SaaS 企业将大模型集成到他们的产品中，以提供更高级的功能。 例如，微软为其办公套件引入了 Copilot，使用户能够通过自然语言与应用程序交互并执行任务； 一些企业正在开发 AI 助手，这些助手可以拦截 SaaS 界面，简化用户操作，甚至可能取代许多应用程序，只保留交互层。

还有一些企业通过利用大模型，改变 PaaS 开发模式，使用自然语言编程或 GPT 技术使开发过程更智能，更高效。

也有的 SaaS 企业正在探索将 MaaS 集成到他们的服务中，以提供更个性化的功能和服务。例如使用 MaaS 平台来增强 PaaS 平台的能力，或者直接用 MaaS 替代 PaaS。

而一些互联网巨头，如阿里、字节、百度、腾讯等公司正在通过大模型实现其协作 SaaS 产品的智能化升级，例如百度文库、腾讯乐享、腾讯电子签、腾讯问卷等，通过 AI 问答、智能文件审查系统等功能提升用户体验和效率。

一些企业也在探索将大模型与 Agent 技术结合，以在企业经营分析领域实现落地，提供数据分析和决策支持。

至于企业客户是否买单，就目前而言，各个 SaaS 厂商智能化产品正在市场的投放试用期，真正的效果还需时间来验证。但可以看到的是，在 "SaaS 消亡论 " 背后，一个更真实的水温是，SaaS 企业，尤其是中国的 SaaS 企业，正在探索出一条更适合中国企业、也更适合 SaaS 服务商的 AI 落地之路。

在这条路上，没有纯粹的技术参数，也没有足够多的 agent store 等中台，更多的则是基于企业已经使用过的 SaaS 服务基础上，为企业提供可以更直接落地的 AI 产品和功能，开箱即用，并且可以和原有系统无缝衔接。

SaaS 的下一个十年

从更本质来看，也可以说，伴随着当前大模型技术热潮的推动，软件行业的价值观正在经历一场深刻的变革。

这一变革不仅有望改变中国软件市场长期以来的免费使用习惯，而且有可能彻底改变用户对付费软件的抵触情绪。这不仅仅是一个简单的市场调整，更是中国 SaaS 行业迈向成熟的重要标志。

在此之前，关于 SaaS 模式的一直以来的一个争议是在中国的产业土壤里，标准化的 SaaS 产品很难满足庞大的中国企业个性化的需求，由此带来的是 SaaS 企业很容易成为重运营公司，而非轻量级的软件公司。

然而，随着大模型技术的兴起，企业和开发者现在能够在 SaaS 服务的基础上，通过训练出更为专业和精准的模型，为特定业务领域提供高度定制化的 " 智能化 "，也就是 "SaaS+AI" 解决方案。这种转变可以显著提升了 SaaS 产品的实用价值和市场竞争力，使其在更贴合企业经营管理的同时，更减轻 SaaS 企业本身的运营和服务成本。

更为关键的是，大模型技术的应用预计将大幅降低 SaaS 服务的总体成本，这一成本的降低不仅包括了服务的提供、运营和维护等方面，还涉及到了更广泛的业务流程优化和效率提升，让 SaaS 企业在交付软件的同时，更可以以更低的成本为企业提供咨询或 BI 等其它服务。

比如，对 ERP 而言，在 AI 技术的加持下，其可以基于 AI 为企业提供更细致的工厂精益管理或产品研发指导；再比如，对 CRM 而言，其可以在原有 SaaS 的基础上，让客户管理的颗粒度更细致，帮助企业基于数据构建更为科学合理的渠道投放策略和客户标签的打造，再比如，在财税 SaaS 和 HR SaaS 等方向，服务商除了固有的软件服务外，还能为企业提供更多的知识咨询侧的服务，通过大模型产品满足其内部更琐碎化的问答需求等等。

对于 SaaS 厂商而言，这意味着更高的利润空间和更强的市场竞争力。而对于客户来说，则意味着能够以更低的成本享受到更高质量的服务。

如果说在过去的十年里，SaaS 行业一直处于价值认定、价值评估、价值质疑的过程中，那么在接下来的五到十年里，伴随着 AI 大模型的出现，这个中国产业数字化的核心产业将会迎来新的价值锚点，这个锚点是 AI，是 Agent，也更会是新一代的 "AI+ 软件 " 模型。

星星之火已经出现，静待中国 SaaS 的新故事。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com