作者：于米，編輯：何玥陽

AI Agent的風有多大？

2024年年底，微軟CEO納德拉直接作出了這樣的預言：“軟件即服務（SaaS）應用將會在AI Agent的時代崩塌。”

要知道，微軟可是全球SaaS巨頭之一，因此這番話可以說是對AI Agent潛力最具分量的背書，或許沒有之一。

不過，在眼下這個時間節點，我們真的已經能看到AI Agent浪潮涌來，要將SaaS“拍死在沙灘上”了嗎？

只能說，這個問題的答案，現在還遠遠稱不上清晰。

一、3000億美元規模背后的裂痕

和今天的AI Agent一樣，SaaS曾經也是創投圈的“寵兒”。

SaaS是一種云計算模式，用戶無需在本地安裝軟件，而是采用訂閱制，通過web端連接軟件服務，將更新和維護都交給了供應商。

不但Salesforce、Shopify這樣以SaaS為安身立命之本的明星公司涌現，微軟、Adobe這樣的科技巨頭也進行了轉型，將SaaS作為其核心戰略的一部分。

根據Statista的數據，2015年至今，SaaS市場規模逐年攀升，從314億美元飆升至2025年的預計3000億美元，發展勢頭迅猛。

Salesforce作為這個行業的代表，市值最高超過3400億美元。

然而，這樣的風光背后，SaaS也存在一些始終未被有效解決，甚至越來越成為桎梏的痛點。

如今，SaaS儼然已經成為了紅海行業。全球范圍內SaaS廠商已經超過了3萬家（2023年數據），其中的中國廠商也達到了4500家（2021年數據）。

要在這樣的競爭格局中殺出重圍，SaaS廠商不得不在推廣和銷售渠道上加碼。信通院發布的《中國企業級 SaaS 產業發展研究報告（2024）》就提到，中國SaaS廠商銷售費用率和研發費用占比超過了一半。

近年來，金蝶、北森、聚水潭等多家國內SaaS廠商的銷售費用率（銷售及推廣費用占營收比重）也都在40%以上，微盟的銷售費用率甚至超過70%。

銷售和市場成本的居高不下，意味著毛利很大程度上會被高獲客成本所吞噬，甚至出現“賠本賺吆喝”的情況。

與此同時，傳統SaaS已發展得相當成熟。在底層技術和常用功能上，各家產品大同小異，真正能讓人眼前一亮的突破變得越來越少。

選哪家都一樣，結果就是“換哪家都可以”，如果用戶在初期感到使用不順，就很可能會轉投別家，用戶留存率不高。

又因為用戶往往更在意定價是否便宜，供應商很難有主動做定制化的動力，SaaS產品難以與用戶的需求進行深度適配，削弱了用戶黏性。

挖不來新用戶，留不住舊用戶，形成了惡性循環。

除了這些商業模式上的瓶頸，傳統SaaS產品也存在著“先天不足”。其中最容易被感知的，就是功能的單一和數據的不互通。

為了滿足各方面的需求（銷售、財務、客服......），企業可能不得不同時訂閱多份SaaS產品。但因為各家數據都被困在各自的服務器“孤島”上，用戶被迫在SaaS間來回切換，體驗割裂，效率也不高。

這有點像是組建了一支缺乏配合的隊伍，縱使單兵能力都不弱，但整體戰力卻不會太強。

會讓用戶對SaaS產生顧慮的，還有數據安全問題。選擇了SaaS，也就選擇了將數據交由SaaS廠商通過云端來管理和維護，廠商的安全能力和合規性變得至關重要。

正是因為這些痛點的存在，雖然SaaS在過去取得了巨大的商業成功，卻也給新技術大顯身手、重塑牌局留下了可乘之機——比如AI Agent。

二、AI Agent：變革者來了？

關于AI Agent，一個簡單的定義可以是：能自主感知環境、進行決策并采取行動以達成特定目標的人工智能系統。

作為一個近期爆火的熱詞，“AI Agent”概念本身卻不是什么新生事物。有人認為，相關的思想在上世紀中葉的研究中就可以找到蛛絲馬跡。

但引爆新一波討論和研究AI Agent熱度的，無疑是以ChatGPT為代表的一系列大語言模型（LLM）。

2023年3月30日，基于GPT-4的AutoGPT上線，人們驚奇地發現，AI Agent似乎終于有了一個落地的方式。

搭配上多模態能力和逐步分析問題的思維鏈（CoT），AI Agent不但有了一顆善于琢磨的大腦，也有了視覺、聽覺等“知覺”，AI的“思考”方式從未如此逼近人類。

在某些場景下用AI代替人類完成工作，有了觸手可及的可操作性。

那么，具體到SaaS的業務場景，以自動化和智能化為最大賣點的AI Agent，有希望成為那個秒殺現有痛點的變革者嗎？

至少在某些方面，AI Agent“看上去很美”。

理論上，在AI Agent的加持下，定制化的問題可以得到很大的改善。SaaS產品通常需要用戶主動適應相應的操作流程，AI Agent的上手門檻則要低上許多，可以根據用戶的需求自動創建工作流程。

傳統的SaaS產品需要提供一個包含了按鈕和菜單的在內的圖形化界面，而AI Agent的前端可以簡單到只有對話界面，這也給個性化的視覺設計留足了空間。

甚至，如果開發者愿意開放權限，AI Agent還可以“猜你喜歡”，根據用戶的偏好自動對UI和調用的功能進行重構。

要聯合不同的SaaS解決涉及到多場景的復雜問題時，以往體驗可能會在反復的切換中被切得稀碎，但有了AI Agent，用戶只需要交代清楚想要的結果，大部分中間過程可以由AI代勞，中間過程的煩惱可以拋在腦后。

要做到這些，可能只需要你像平時和Siri 小愛同學說話一樣，用自然語言直接給出指令。

也正是因為AI Agent能夠“自主思考”，又跨模塊獲取和分析數據的潛力，與SaaS這樣相對死板的“牛馬”相比，它甚至有可能在你沒有“吩咐”的情況下，主動給你提供業務建議，完成從工具到助手的進化。

打個比方，在傳統的SaaS模式下，使用ERP（企業資源規劃）系統時，用戶需要手動錄入采購計劃、庫存數據、生產排期、財務核算等信息。這不僅需要大量人工操作，還需要用戶熟悉各個功能模塊的使用邏輯和流程。

要通過AI Agent達成同樣的效果，你可能只需要告訴AI，“我們需要將產品A的產量提升20%，請做好相應調整。”

接下來，AI Agent便會自動分析現有庫存、原材料供應情況、生產能力和成本，然后制定采購計劃、調整生產排期、預估資金需求并生成財務影響報告。它甚至能主動預警可能的供應鏈風險，并提出備選方案。

用戶體驗如果能好成這樣，用戶留存自然也就不再會是SaaS供應商的“絆腳石”。

三、AI Agent與SaaS的未來：融合還是顛覆？

AI Agent對SaaS的影響已經初見端倪，國外的Salesforce、微軟，國內的用友、微盟等，都在推出自己的AI Agent解決方案。

目前，AI Agent更像是被“集成”到了SaaS應用中，在某些節點負責規劃和決策，兩者的未來格局可能有兩種趨勢。

一是SaaS繼續存在，但與AI Agent深度融合，通過后者“重塑肉身”。根據需要，AI Agent會被嵌入到一些業務環節中，解決某些特定的需求，SaaS則會接受AI Agent的調用，成為一種類似API的基礎工具。

在這種思路下，SaaS盡管從臺前退居幕后，但也不會被徹底“擊碎”。AI Agent將對SaaS起到整合作用，兩者不會是“你死我活”的取代關系，而是處于共生狀態。

Salesforce的CEO馬克·貝尼奧夫就是這一路線的支持者，他堅信AI Agent無法孤立地發揮其最大效能，仍需要可靠的數據基礎和完善的應用（即SaaS）支持。

他認為，AI Agent的出現正推動SaaS向一個更高級的形態——服務即軟件（SaSo）進化。

第二種趨勢則存在于更激進的想象中——既然SaaS某種程度上可以簡化理解為“數據庫+業務邏輯”，是處于業務和數據之間的中間層，那為什么不干脆讓AI Agent直接與數據庫“對話”，將邏輯接管過來呢？

納德拉的設想顯然更接近于后一種，但我們現在已經看到黎明的曙光了嗎？

起碼現在，AI Agent要想真正顛覆SaaS，眼前依然有諸多障礙。

首先，AI Agent的本質上是大模型的“套殼”應用，其能力天花板，依然受充當底座的LLM約束。LLM的推理能力、多模態能力和幻覺率，都會在不同程度上影響AI Agent的可用性。

在OSWorld基準測試（評估多模態Agent在真實計算機環境中執行任務的表現）中，目前AI Agent所取得的最好成績，也才42.5%（來自字節跳動UI-TARS-1.5 ），而人類平均水平為70%以上。

這對于輔助一些私人的日常工作或許夠用，但企業業務顯然要更加嚴肅，容錯率要低得多，對AI Agent的要求也會苛刻許多。

從成本角度來看，盡管大模型廠商持續下調推理API的定價，但整體價格水平仍未達到大規模部署所需的經濟性。對于需要多步驟推理的復雜任務，AI Agent的調用成本依舊偏高，可能導致資源快速消耗。

與此同時，在垂直行業中完成模型的微調、部署及迭代優化也伴隨著大量的技術和資金投入。“足夠酷”并不足以成為企業全面押注AI Agent的理由。

更不用提AI Agent并沒有從根本上解決SaaS的數據安全和合規問題，反而引入了新的不可控因素。

與SaaS相對清晰的回溯鏈條相比，AI Agent一旦“爆雷”，溯源和追責都可能會十分復雜。

各個方面來看，雖然AI Agent雖然已經呈現百花齊放的狀態，但在企業這一層級，我們仍然尋覓不到一款可以真正有機會取代SaaS的“殺手級應用”。

總而言之，AI Agent或許將改變SaaS行業的游戲規則，但這場變革的序幕才剛剛拉開。當然，SaaS廠商必須現在就認真思考如何轉型或融合，不然慢了一步，可能就是生死存亡的問題了。

       原文標題 : AI Agent，會是SaaS的終結者嗎？