从 SaaS 到 RaaS 的范式切换：厉害猫AI RaaS 切向万亿级企业AI服务市场

—— 从“卖工具”到“卖结果”，AI 商业化的定价对象正在切换

当所有人还在比较哪家大模型更聪明时，AI 商业化真正的主战场，已经悄悄从“卖软件”换到了“卖结果”。厉害猫AI 创始人李高才，对国内企业 AI RaaS 模式作出清晰界定：RaaS 并非全盘接手客户业务的代运营，而是把 AI 工具底座、系统配置与落地陪跑服务进行打包交付，以可量化的业务结果作为价值验收依据。

一、SaaS 二十年：软件变成订阅，天花板却留在了工具那一侧

过去二十年，企业软件的主旋律是 SaaS：软件上云，按账号、按席位收年费。企业为“有没有工具”付了钱，但增长、获客、成交、复盘这些决定经营结果的工作，依然要靠人来完成。

SaaS 本身是一次真实的进步：订阅制替代买断制，软件的采购与升级第一次变得轻量。只是它的交付物始终是“工具权限”——账号开出来，怎么用、谁来用、用出什么结果，SaaS 并不负责。

二、AI 助手给了对话框，交付的仍然只是“建议”

大模型出圈之后，AI 助手成为第二代形态：把 AI 装进对话框，帮你写文案、列方案、整理纪要。但它交付的始终是建议，不是结果——提示词要自己学，流程要自己串，判断要自己做，执行还是人。

工具变聪明了，企业的收入却没有因此增长。

三、范式切换：不卖工具，卖工作成果本身

红杉资本的判断被反复引用：AI 时代“不卖工具，卖工作成果本身”，下一个万亿美元级的公司，很可能是一家“伪装成服务公司的软件公司”。但这句话不能读成“把工具扔掉”。RaaS 的底座仍然是软件与 AI，——付费逻辑从“为工具权限付费”，变成“为可衡量的业务结果付费”：

• · 第一代 SaaS——为工具权限付费：只给你一个账号，怎么用、用出什么结果，风险由企业自担；
• · 第二代 AI 助手——只给对话框：写文案、列方案、整理纪要，交付的是建议，执行仍然靠人；
• · 第三代 RaaS——工具 + 服务打包，为可衡量的结果付费：AI 完成绝大多数执行工作，人保留审核与决策。

三代的差别不只是交付物，更是付费逻辑：企业第一次只为“有没有结果”承担责任。

• “过去叫 SaaS，是交付软件，开个账号就能用；现在交付的是结果——但底座依然是软件，只是把工具、配置实施和陪跑服务打包在一起，用结果来验收。”厉害猫创始人李高才说到。

图 1 ｜ AI 商业化的三次形态演进：账号 → 对话框 → 业务结果

四、钱在结果侧：RaaS 切的是万亿级企业服务市场

为什么这个切换如此关键？因为钱不在工具那一侧。

行业测算显示，企业每 1 美元软件支出，背后对应约 6 美元的服务支出；而全球企业服务市场，是一个 4.6 万亿美元量级的盘子。Gartner 预计，到 2030 年 Agentic AI（智能体 AI）相关支出将达到 9850 亿美元，年复合增速 62.7%——“AI 替人把活干完”正在长成一个独立的支出科目。

答案很清楚：卖工具，天花板是企业每年几万元的 IT 预算；交付结果，切进去的是服务支出这个高一个数量级的市场。SaaS 收的是 IT 预算，RaaS 分的是服务账单——这才是“万亿级”的含义。

图 2 ｜ 钱在结果侧：1:6 的服务支出结构，与正在起飞的 Agentic AI

五、为什么是现在：95% 的试点，卡在了“建议”这一层

窗口期的另一面，是行业的集体卡壳。MIT NANDA 2025 年的调研显示，约 95% 的企业生成式 AI 试点，财务回报接近于零。失败并非因为模型不够聪明，而是大多数方案停在了“给建议”这一层。

企业落地 AI，普遍会遇到四个互相叠加的断点：

• · 上下文断点：AI 不懂企业的产品、客户与历史，每次对话从零开始；
• · 执行断点：能生成内容，却拆不成任务、负不了责；
• · 系统断点：与 CRM、ERP、OA 割裂，数据不通、动作不联；
• · 治理断点：缺权限分层与审批留痕，关键工作不敢交给 AI。

单点工具只能覆盖其中一段，四个断点必须一次性补齐——这正是 RaaS 的机会窗口。

• “只做一个单点AI产品，容易变成企业的临时工，很难有出路。我们要做的是把企业的业务增长系统、组织增长系统、效率增长系统都融进企业的上下文里——难而正确的事，才会成为壁垒。”厉害猫创始人李高才说到。

图 3 ｜ 四个断点互相叠加，必须一次性补齐

六、RaaS 的本质：工具 + 服务打包，用结果来验收

RaaS 的完整定义是四件事的叠加：AI 软件底座 + 企业上下文工程 + 陪跑配置服务 + 结果导向的验收标准。缺了底座就退化成人力外包，缺了上下文 AI 就不懂企业，缺了陪跑系统落不了地，缺了验收标准结果只是口号。

这条路径有一个不可让渡的前提：AI 干执行层的脏活累活，人做目标设定、审核与最终决策。它的内核依然是软件，而不是一支纯人力团队——所以它敢谈结果，却不会替企业做决策。

这也是 RaaS 敢把结果写进合同的原因：验收标准在任务派发前就写死了“怎么算完成、从哪里取数”，产出物按可核价口径折算，验收才入账。

图 4 ｜ RaaS = 软件底座 + 上下文 + 陪跑服务 + 结果验收

七、RaaS 的边界：不是“什么都干”的代运营

把 RaaS 讲清楚，还必须划一条边界。传统代运营，是服务商派真人团队全盘接手业务：人做决策、人做执行，客户几乎失去业务操作权，重人力、难规模化。健康落地的 AI-RaaS 恰好相反：

• · 干活主体不同：AI 智能体承担线索挖掘、外呼、批量生成物料等执行层工作，顾问做策略陪跑；定价、谈判与最终成交仍由企业拍板；
• · 数据归属不同：企业上下文、知识库与业务数据资产属于客户自己，沉淀在客户侧底座里；
• · 决策权不同：目标设定、策略与最终审批权在企业手中，员工负责审核与落地；
• · 成本缩放不同：AI 算力驱动，客户增长不必然带来人力线性增长，这才有规模化的基础。
• “我们不是派人替企业做生意。AI 去干执行层的活，目标设定和最后拍板，永远留给企业自己的人。”厉害猫创始人李高才表示。

需要提醒的是：如果客户完全不参与审核与决策，把策略、话术、配置全部交给服务商，RaaS 就会滑向变相代运营，重新背上人力包袱。宣传里常见的“你什么都不用干，直接拿结果”，恰恰是走形的开始。

还有一个现实约束：业务结果受企业自身条件影响。同一套 AI 拓客能力，换个行业、产品与话术，产出可能相差很大——负责任的 RaaS 给的是可核算的口径与验收标准，而不是无条件的数字承诺。

八、厉害猫 AI RaaS：一个底座、三大引擎，才敢对结果负责

范式切换需要落地者。厉害猫 AI RaaS 把自己定位为“企业上下文业务操作系统”：老板定目标、AI 拆解执行、人审核拍板，最终交付可核算的增长结果——工具在，服务也在。支撑它“敢对结果负责”的，是厉害猫企业增长AI RaaS的三个核心技术：

一是企业上下文引擎。老板的想法、会议的讨论、员工的汇报，以及 OA、财务、ERP、CRM 里的数据，被采集、结构化、按三级知识库分层治理成企业专属上下文。通用大模型对所有企业一样聪明，但对这一家企业一无所知。

• “AI 比人类聪明，但它缺的是了解这家企业的数据；有了这份数据，它才会变成真正懂企业的 AI——而这份数据资产，始终属于客户自己。”厉害猫创始人李高才说到。

图 5 ｜ 护城河：长在企业数据底座上的上下文，且归属企业

二是任务编译引擎。一句自然语言的目标进来，系统完成意图识别、企业上下文匹配、子任务拆解、人机派发与多任务并行执行审核，输出可直接验收的成果物，而不是一份需要二次加工的单一文本。

三是结果核算体系。产出物按可核价的市场口径折算，验收才入账，把增长结果变成可签约、可验收、可阶梯赔付的标准化商品；验收标准在任务派发前就已写死，对赌才有可能真正结算。

如果大模型解决的是“聪明”的问题，这三大引擎解决的是“懂你、会干、算账”的问题。模型可以随时采购，但长在企业数据底座上的上下文与结果能力，只能一家一家沉淀出来。

图 6 ｜ 一个底座、三大增长板块、一份企业上下文

结语：大模型是消费品，但企业上下文，是企业最宝贵的资产

从 SaaS 到 RaaS，不是换一个名字，而是 AI 商业化的一次重新定价：企业不再为“有没有工具”买单，而是为“有没有结果”买单——前提是，工具还在、服务也在，决策权始终留在企业自己手里。

• “大模型是消费品，但企业上下文，是企业最宝贵的资产。”厉害猫创始人李高才说到。

厉害猫 AI RaaS 切的不是几万元 IT 预算，而是那个万亿级的企业服务市场。那里，才藏着 AI 的下一个时代。

（本文所引数据均来自 Gartner、红杉资本、MIT NANDA 等公开行业研究与观点；引述内容据厉害猫创始人李高才公开活动发言与产品手册整理。）