需求从工具转向结果，SaaS会死在重生的路上么？丨ToB产业观察

自从ChatGPT问世的那天起，SaaS行业已死的声音就充斥在软件行业内部。年初，Anthropic 在其智能体平台Claude Cowork上发布了面向企业法务的自动化插件，这一举动导致了当时美股SaaS公司的股票几乎全线崩盘。

但SaaS行业并不是被AI“杀死”，而更像是在AI加持下，重获新生。那次暴跌，表面上是Anthropic的一个插件戳破了SaaS高毛利的泡沫，但本质上，它是人类社会在技术代际更替时的本能阵痛。软件的形态会变，但人类利用工具解决问题的需求永远不会消失。

从“订阅服务”到“交付结果”

传统的“软件即服务”模式，其线性流程、订阅制收费与固化的产品逻辑，在AI的“涌现”能力面前，显得日益局促。尤其在财务这一高度专业化、强合规、重流程的领域，变革的压力与机遇尤为显著。

当我们把时间拨回生成式AI问世之前，SaaS行业的核心价值在于“标准化工具输出”，通过将传统线下流程线上化、标准化，解决企业效率低下、管理混乱等痛点，本质上是“线下流程的线上复刻”。

以财务SaaS为例，早期的财务软件、报销系统，核心功能集中在单据录入、流程审批、报表生成等基础环节，虽然实现了财务工作的线上化，但其底层逻辑依然是“流程驱动”，用户必须按照预设的固定流程操作，软件仅承担“流程载体”的角色，无法主动识别需求、优化决策，更无法实现财务工作的价值升级。

商业模式上，SaaS行业的基石是订阅制。企业为客户提供标准化的软件工具，按年或按月收取许可费用。这种模式的核心是“卖工具”，即客户购买的是软件的使用权，至于工具用得好不好、产生了多少价值，与厂商的收入并无直接关联。然而，在AI时代，这一逻辑正在被彻底颠覆。

传统软件收费对标的是“软件”本身，客户会将其与同类软件进行价格比较。马春荃坦言，一开始，合思以传统的软件模式推销其AI审核功能时，遇到了巨大阻力。因为客户仍在用“软件”的尺子丈量AI的价值，陷入性价比的泥潭。但当他们将定价逻辑切换为“按替代人工带来的效率提升和审核准确率收费”时，局面豁然开朗。

而这也引发了马春荃的自我思考，他与笔者分享了那段思路历程，“瓦特发明蒸汽机不按煤收费，我们也不按Token收费，那是‘卖煤’的逻辑。我们按‘马力’收费。”

而这种思考也意味着，AI SaaS厂商的价值锚点，从客户对算力资源的“消耗”，转移到了AI所创造的“产出”（替代的人力、提升的准确率、规避的风险）。这一定价范式的转换，使得客户更容易衡量投资回报率（ROI），也将厂商的利益与客户的业务成功深度捆绑。

AI重塑SaaS价值边界

生成式AI的出现，不仅仅是改变了SaaS持续多年的商业模式，AI技术的出现，还彻底打破了传统SaaS行业的发展瓶颈，推动SaaS行业从“流程驱动”向“价值驱动”转型，这种转型并非简单的“AI+SaaS”叠加，而是底层逻辑的重构。对此，合思CEO马春荃强调：“AI对SaaS的影响，不是在原有软件上增加一个AI插件，而是从产品设计、技术研发、商业模式到组织架构的全方位重构，是‘AI原生’的变革。我们不再是用AI改造产品，而是用AI构建产品。”这种“AI原生”的变革，正在从三个维度重塑SaaS行业的价值边界。

其一，技术层面，AI重构SaaS产品的核心能力，从“工具属性”向“智能属性”升级。传统财务SaaS产品的核心是“流程固化”，通过预设的代码逻辑，实现财务流程的线上流转，其核心竞争力在于流程的完整性和稳定性。而AI原生的财务SaaS产品，核心能力在于“智能推理”，通过大模型技术，实现对财务数据的自动识别、分析、推理和决策，打破了传统流程的刚性约束。

马春荃明确指出，合思公司正从“卖工具的SaaS公司”进化为“提供AI员工的RaaS（Robot as a Service）服务商”。这一转变的核心理念是 “By AI, For AI, Of Finance” ，其中“By AI”即利用AI生成代码，重构产品底层逻辑，不再依赖人工编码；“For AI”即优化数据环境，为AI提供标准化、高质量的数据底座，让AI能够高效理解财务场景的隐性规则；“Of Finance”即确保AI Agent归属于财务部门，遵循财务合规与风控要求，避免AI陷入“为个体便利而突破规则”的误区。

其二，商业模式层面，AI推动SaaS行业从“订阅收费”向“价值收费”转型。长期以来，SaaS行业的主流商业模式是“订阅制”，即企业按照使用时长、用户数量等维度支付订阅费用，这种模式的核心痛点在于“价值与价格脱节”——企业支付的费用仅对应“工具使用权限”，而非工具带来的实际价值，导致很多企业虽然购买了SaaS产品，但因使用效率不高、价值感知不强，出现续费率偏低的问题。艾瑞咨询数据显示，2024年中国财务SaaS行业的平均续费率为68%，其中中小微企业的续费率不足50%，核心原因就是“价值感知不足”。

AI技术的落地，为SaaS行业的商业模式变革提供了可能。马春荃告诉笔者，合思已经彻底放弃了传统的订阅制模式，转向“按结果付费”的商业模式“用户不再支付固定的订阅费用，而是按照AI提供的实际价值付费，”马春荃如是说。

例如“审核一单付费10元”“优化一笔成本节省付费比例”等。这种模式的核心逻辑，是将SaaS产品的价值与客户的实际收益绑定，让客户能够清晰感知到AI带来的价值。马春荃分享了一个典型案例：某客户原本对合思的产品持怀疑态度，采用“按结果付费”模式后，由于AI审核效率提升、风控能力增强，客户的财务成本降低了30%，最终客户的充值额较传统订阅模式翻了5倍，且续购意愿极强。

这种商业模式的变革，正在重塑SaaS行业的竞争逻辑。未来，SaaS企业的核心竞争力不再是“产品功能的完整性”，而是“价值输出的能力”。

与此同时，面对“软件行业已经灭亡”的提问，马春荃部分认同该观点，他指出，未来的软件形态将发生巨变，核心价值将从代码本身，转向其承载的数据、算法与持续的服务能力。软件可能变得“日抛型”或成为一种隐形的“数字基建”，而显性的价值则由其上运行的AI员工来创造。

这预示着SaaS公司的终极形态，可能不再是软件公司，而是AI服务公司。马春荃将之比作从“卖炊具”到“卖厨子”的转变。客户不再需要关心“锅碗瓢盆”（软件）如何制造，只需“雇佣厨子”（AI员工）来做出“美味菜肴”（完成工作）。基于此，马春荃将合思的自身定位升级为“AI驱动的财务收支管理与服务伙伴”，强调“伙伴”关系，意味着双方必须从冰冷的甲乙方，转变为共同训练、管理和优化AI员工的协同作战关系。

其三，服务逻辑层面，AI推动SaaS行业从“被动响应”向“主动服务”转型。传统SaaS行业的服务模式是“被动响应式”，即客户遇到问题后，主动联系SaaS企业的客服人员，客服人员再根据问题进行解答或优化，这种服务模式的效率低下，且无法提前预判客户的需求。而AI时代的SaaS服务，通过AI Agent的自主学习和推理能力，能够主动识别客户的需求，提前提供解决方案，实现“主动服务”。

值得注意的是，AI对SaaS行业的破壁，并非一蹴而就的过程，而是一个“循序渐进、逐步渗透”的过程。对此，马春荃坦言，合思的转型并非预设好的“一刀切”，而是在实践中不断试错、不断优化的结果——最开始，合思只是想改造产品，但后来发现仅改产品无法解决问题，必须重构商业模式和组织生产关系；在转型过程中，也曾遇到“新旧引擎切换”的风险，即旧的订阅模式现金流减少，而新的“按结果付费”模式尚未形成规模，一度面临“损益崩盘”的风险。但正是这种持续试错、持续迭代的态度，让合思在AI原生转型中找到了正确的方向，也为整个SaaS行业提供了宝贵的实践经验。

仍面临挑战

虽然AI为SaaS行业带来了巨大的发展机遇，但在实际转型过程中，尤其是财务SaaS细分赛道，依然面临着诸多痛点和挑战。财务工作的核心属性是“合规性”“准确性”“保密性”，这与AI技术的“不确定性”“数据依赖性”存在天然的矛盾；另一方面，传统SaaS企业的组织惯性、客户的思维惯性，也成为AI原生转型的重要阻碍。

具体来看，财务领域面临的首要挑战与其他行业应用AI面临的挑战“如出一辙”，那就是数据。AI技术的高效运行，依赖于高质量、标准化的数据底座，而财务数据的“碎片化”“非标准化”“私密性”，成为制约AI在财务SaaS领域落地的核心瓶颈。对此，马春荃指出：“数据治理是AI落地的最大障碍之一，我们不试图在脏数据上直接跑AI，而是通过‘收敛’数据环境，为AI提供干净、标准化的数据。”

具体来看，财务数据的治理困境主要体现在三个方面：一是数据碎片化，企业的财务数据分散在不同的系统中，如报销系统、核算系统、税务系统等，不同系统的数据格式不统一、口径不一致，导致AI无法高效整合和分析；二是非标准化，不同企业的财务流程、核算标准、风控规则存在差异，甚至同一企业的不同部门，财务数据的录入规范也不统一，导致AI难以识别和理解；三是数据私密性，财务数据涉及企业的核心商业机密，如营收数据、成本数据、税务数据等，企业对数据安全的要求极高，而AI技术的训练和运行，需要大量的财务数据作为支撑，这就形成了“数据需求”与“数据安全”的矛盾。

针对这一痛点，合思的转型路径值得借鉴——通过“数据收敛+隐性规则萃取”的方式，破解数据治理困境。一方面，合思通过技术手段，对企业的非结构化数据（如发票、录音、合同等）进行标准化处理，对复杂的嵌套数据进行扁平化处理，适应AI的注意力机制；另一方面，通过“深度现场部”深入客户现场，挖掘客户财务工作中的隐性规则，将这些未写在纸面上的规则转化为AI可理解的语言，填补“合规与合格”之间的鸿沟。

马春荃举例说明：“证监会的财报审核逻辑、国资委的穿透式监管要求，这些隐性规则不会上网，大模型也无法直接获取，只有深入客户现场，才能将这些规则萃取出来，让AI能够适配专业场景的需求。”

此外，为了确保数据安全，合思采用了“通用大模型+加强版小模型”的混合架构，针对大型企业提供私有化部署方案，使用国产大模型，确保数据不出域，既满足合规要求，又通过算法调优保证准确率。这种“数据治理+安全保障”的双重路径，为AI在财务SaaS领域的落地奠定了基础。

除了数据层面的阻碍之外，“人类思维惯性”也是阻碍AI在财务领域落地的一大掣肘。无论是SaaS企业内部，还是客户层面，都存在严重的思维惯性，这种惯性成为AI原生转型的重要阻碍。马春荃坦言，转型过程中最大的挑战之一，就是“思维的惯性”——包括企业内部的思维惯性和客户的思维惯性。

从企业内部来看，传统SaaS企业的组织架构、工作流程、考核机制，都是围绕“流程驱动”的产品设计的，员工已经习惯了“按流程做事”，对AI原生的“模型驱动”“价值驱动”逻辑难以适应。

例如，传统的产品经理习惯于“需求调研-功能设计-代码开发-测试上线”的流程，而AI原生的产品设计，需要产品经理具备“AI思维”，能够将业务需求转化为AI可执行的Skills，而非传统的写代码；传统的销售团队习惯于“卖工具、讲功能”，而AI时代的销售，需要“卖价值、讲结果”，这对销售团队的专业能力提出了更高的要求。马春荃提到，合思为了打破内部的思维惯性，组建了独立于组织之外的“小组”，负责将业务需求转化为AI可执行的Skills，同时重构了内部的工作流和考核机制，推动员工从“流程思维”向“AI思维”转型。

从客户层面来看，客户的思维惯性主要体现在“价格对标”和“需求固化”两个方面。马春荃分享了一个典型案例：某客户在对接合思的AI产品时，始终用传统财务软件的价格来对标，认为合思的产品价格过高，即使合思的AI产品能够为其节省大量的人力成本，客户依然难以接受。后来，合思改变了报价逻辑，不再与传统软件对标，而是与人类员工的价值对标——AI审核一单的成本远低于人工审核，且效率更高、准确率更高，客户瞬间接受了报价，甚至愿意支付更高的费用。马春荃表示：“客户的思维惯性，本质上是对AI价值的不理解，我们需要做的，是引导客户从‘软件思维’转向‘AI思维’，让客户明白，他们购买的不是工具，而是AI员工创造的价值。”

此外，客户的需求固化也成为转型的阻碍。很多客户依然习惯于“按流程操作”，对AI的“自主决策”“主动服务”能力存在疑虑，担心AI会出现错误、突破合规边界。针对这一问题，合思采用“渐进式落地”的方式，先从简单的重复性工作（如单据录入、基础审核）入手，让客户逐步体验AI带来的效率提升，再逐步拓展到复杂的决策支撑、风控管理等环节；同时，通过“审计留痕”“推理日志”等功能，让AI的决策过程可追溯、可验证，消除客户的疑虑。

对于SaaS行业而言，AI不仅是技术升级的工具，更是价值重构的核心引擎，它打破了传统SaaS的流程束缚，重构了商业模式和服务逻辑，拓展了行业的价值边界。

当AI不再仅是卖工具，而是要让用户能看见价值。从“卖软件”到“卖结果”，背后的逻辑其实很朴素——客户从来不需要一堆功能列表，他们要的就是问题被解决、成本降下来、风险被管住。

（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）