文｜崔強

每年開春，坐下來梳理行業(yè)的脈絡(luò)，寫下點什么，似乎已經(jīng)成了崔牛會和大家之間的一種默契。從最初呼吁摒棄 to C 免費思維的《醒醒吧！中國 SaaS》，到疫情后在極度內(nèi)卷中打氣的《加油吧！中國 SaaS》，再到資本退潮后，呼吁大家放下身段、回歸商業(yè)本質(zhì)的《盈利吧！中國 SaaS》。

這幾篇文章，像是一個時代的切片，記錄了我們在泥濘中跋涉的腳印。

但站在此刻——2026 年的春天，我下筆時卻感到了一絲徹骨的寒意，同時又夾雜著隱秘的興奮。過去，我們的焦慮來自于“同行太卷”、“客戶不付費”或是“資本不投了”。但今天，懸在所有 To B 創(chuàng)業(yè)者頭頂?shù)哪前堰_(dá)摩克利斯之劍，終于狠狠地劈了下來。這不僅是一場技術(shù)的迭代，更是一場對“舊商業(yè)模式”的大清算。

01華爾街的“末日論”，拆了護(hù)城河

前段時間，崔牛會的幾個創(chuàng)始人微信群里因為一件事炸了鍋。起因是華爾街的一場恐慌，以及一篇在朋友圈被瘋轉(zhuǎn)的長文。

有個做垂直 SaaS 的老板大半夜給我發(fā)微信說：“這算是咱們 SaaS 行業(yè)的末日嗎？看了直冒冷汗?！?/p>

導(dǎo)火索其實是 Anthropic 給他們的桌面智能體發(fā)了幾個行業(yè)插件。就這么個動作，能讓智能體直接在電腦上自主處理復(fù)雜的工作流。華爾街的反應(yīng)極其真實且粗暴——直接砸盤。幾周之內(nèi)，美國那邊的軟件股蒸發(fā)了近 1 萬億美元，幾家頭部的大廠市值幾近腰斬。業(yè)界驚呼，這是“軟件行業(yè)的 DeepSeek 時刻”。

其實讓大家脊背發(fā)涼的，不是股價跌了，而是底層邏輯被扒了個精光。那篇刷屏長文的作者 Nicolas 既做過傳統(tǒng)垂直 SaaS，現(xiàn)在又在做 AI Agent，他把咱們 SaaS 廠商過去十年引以為傲的“護(hù)城河”是怎么被 AI 填平的，剖析得骨頭渣都不剩。

說破無毒，今天咱們就借著這個由頭，掰開揉碎了看看，到底是什么東西崩塌了：

第一，靠“肌肉記憶”留客的時代結(jié)束了。以前咱們經(jīng)常聽到這樣的聲音：“客戶用慣了我們的系統(tǒng)，哪怕界面難用點，為了不折騰，他們也不會輕易換?！痹蹅儼堰@種“學(xué)習(xí)成本”和“快捷鍵肌肉記憶”當(dāng)成了極高的切換壁壘。但現(xiàn)在呢？所有的復(fù)雜界面都被折疊成了一個自然語言的對話框（Chat）。當(dāng)客戶只要打字說句話就能完成操作時，咱們費盡心思設(shè)計的 UI 和操作流，瞬間一文不值。

第二，幾年的苦活累活，被幾頁文檔降維打擊。很多創(chuàng)始人都覺得，產(chǎn)品里成千上萬行的 if/then 代碼和審批流，是我們最硬的壁壘，畢竟這都是真金白銀砸出來的研發(fā)成本。但這可能只是我們的一廂情愿?，F(xiàn)在，一個懂行的老炮兒（比如資深財務(wù)或律師），花一周時間寫個 Markdown 的技能文件，就能讓 AI 完美執(zhí)行極其復(fù)雜的業(yè)務(wù)流。幾年的工程代碼，被幾頁文檔瞬間擊穿。

第三，別再拿“搞定復(fù)雜數(shù)據(jù)”當(dāng)護(hù)城河了。過去，為了幫客戶把各種復(fù)雜的報表、合同解析成結(jié)構(gòu)化數(shù)據(jù)，我們得養(yǎng)著龐大的工程師團(tuán)隊去寫定制解析器。很多廠商靠賣這套“解析與檢索”能力收著高昂的年費?？涩F(xiàn)實是，現(xiàn)在的前沿大模型天生就認(rèn)得財報，懂那些復(fù)雜的行業(yè)黑話。數(shù)據(jù)處理架構(gòu)已經(jīng)不再是我們的護(hù)城河，淪為了通用模型的自帶屬性。

如果到今天，我們的產(chǎn)品依然只是在做“把線下的單子搬到線上審批”，或者只是做個“稍微好用點的檢索工具”，那在 AI 眼里，這就是一段隨時可以被替代的冗余代碼。

這絕對不是危言聳聽，而是真真切切發(fā)生在我們身邊的“大清算”。

02被擊穿的定價模式

咱們接著往下扒。前兩天，我腦海里的“老炮牛”和“極客?！庇衷诏偪駹幷摚好鎸Υ竽Ｐ偷臒o差別轟炸，究竟誰會先倒下？

很多創(chuàng)始人跑來跟我說，他們已經(jīng)在產(chǎn)品里接了大模型 API，覺得這就“上岸”了。說句難聽的，這是大錯特錯。決定生死的，根本不是你接了哪家的模型，而是你底層的經(jīng)濟(jì)架構(gòu)和系統(tǒng)站位。Gokul Rajaram 最近提的一個框架非常戳人，直接扯下了行業(yè)最后的遮羞布。

首先，我們得直面“按席位定價（Seat-based pricing）”的全面崩塌。過去十幾年，成功的代名詞就是賣賬號。我們習(xí)慣了按人頭收費，企業(yè)招人越多，我們賺得越多。但當(dāng) AI 智能體開始接管客服、銷售等深層工作流時，企業(yè)需要的賬號席位必然會斷崖式下跌。

如果你的商業(yè)模式依然是“賺人力堆砌的錢”，AI 根本不需要顛覆你的技術(shù)，它只需幫客戶干掉一半的重復(fù)勞動，就能讓你的營收直接腰斬。我們必須跳出舒適區(qū)，去摸索按“AI 決策產(chǎn)出價值”或“調(diào)用量”收費的新路子。

其次，你得摸著良心問問自己：你到底是在做“記錄系統(tǒng)（Systems of record）”，還是僅僅是個“表層工具”？真正的顛覆，很少從承載企業(yè)核心資產(chǎn)（比如核心財務(wù)、底層 ERP）的系統(tǒng)開始。為什么？

因為替換它們的政治風(fēng)險和摩擦成本太高了，這些系統(tǒng)里沉淀的是具有復(fù)利效應(yīng)的長效數(shù)據(jù)。真正的絞肉機，是那些依附在記錄系統(tǒng)外圍的“中間地帶”——平時看著挺花哨，收著不菲的訂閱費，但模塊化程度極高。對于這些數(shù)據(jù)半衰期極短的淺層協(xié)同工具，AI 智能體能像剝洋蔥一樣輕易把它們剝離替換掉。

03向研發(fā)組織開刀，你敢嗎？

外面的天變了，屋子里的承重墻就得跟著動。這幾個月，我一直在籌備給 SaaS 公司的 CTO 和研發(fā)負(fù)責(zé)人們做一期深度的閉門培訓(xùn)，核心議題就是 AI 對研發(fā)效能和組織架構(gòu)的沖擊。

說句掏心窩子的話，現(xiàn)在很多公司的 CTO 是極度焦慮的，甚至是在抗拒的。為什么？因為過去十年，我們衡量一個技術(shù)高管牛不牛，往往看他手底下管了多少人——帶 50 人的團(tuán)隊和帶 500 人的團(tuán)隊，那身價能一樣嗎？

但現(xiàn)在，龐大的“碳基生命”研發(fā)團(tuán)隊，正在從資產(chǎn)變成負(fù)債。

前面我們提到了 Nicolas 那篇文章里的核心洞察：業(yè)務(wù)邏輯正在向 Markdown 文件遷移。以前，你要把一套復(fù)雜的行業(yè)審批流做到軟件里，需要產(chǎn)品經(jīng)理畫原型、寫 PRD，然后扔給前后端工程師寫成千上萬行的 if/then 分支，最后還要測試排 Bug。這就得養(yǎng)一個全功能團(tuán)隊。

但今天呢？一個真正懂行的業(yè)務(wù)老炮兒（比如干了十年的老財務(wù)、老律師），直接用自然語言寫個幾頁紙的 Markdown 技能文件，把業(yè)務(wù)流的規(guī)則、條件、容錯機制描述清楚，大模型就能直接把它變成可執(zhí)行的代碼，甚至智能體直接就去跑通了。

這時候你就會發(fā)現(xiàn)一個極其殘忍的現(xiàn)實：純粹只會“敲代碼翻譯需求”的程序員，價值被清零了。

如果到了今天，我們的代碼還全靠人一行行去敲，出了 Bug 還得拉個群排期修復(fù)，那這家公司的組織效率就已經(jīng)被時代徹底拋棄了。未來的產(chǎn)研組織里，純粹的“碼農(nóng)”比例一定會大幅縮減。取而代之的，是那種既懂深層行業(yè) Know-how，又能熟練駕馭 AI 編程助手（Copilot/Agent）的“超級個體”。一個人帶幾個 AI 智能體，產(chǎn)出能頂過去一個二三十人的團(tuán)隊。

這種從“堆砌工程師”到“重倉行業(yè)專家”的底層重組，就是要創(chuàng)始人和 CTO 向內(nèi)開刀。裁掉那些只會做淺層執(zhí)行的冗余人員，把資源全部砸向能定義“AI 決策結(jié)果”的人。這必然伴隨著劇烈的裁員與換血陣痛，但這卻是長出 AI Native 產(chǎn)品的唯一途徑。

別再在原來的老系統(tǒng)里加個對話框，就包裝成 AI SaaS 出來“忽悠”人了?？蛻艟煤?，他們現(xiàn)在看重的是你真實的“AI 應(yīng)用成熟度”。你到底是在幫客戶做點不痛不癢的文案潤色，還是真正切入了深層工作流、能直接給老板輸出決策閉環(huán)？沒有底層的組織重構(gòu)，你絕對長不出這樣的產(chǎn)品。

04逃離純軟件，向“硬”與“深”處扎根

既然 AI 讓寫代碼變得越來越廉價，“純軟件”的護(hù)城河正在以肉眼可見的速度蒸發(fā)。在這波暴跌中還能穩(wěn)如泰山的公司，往往都擁有超越代碼的結(jié)構(gòu)性優(yōu)勢。

我們得認(rèn)清一個現(xiàn)實：別人用“氛圍感編程（Vibe coding）”敲幾行提示詞就能抄走你的 UI 和功能，但他抄不走你扎在物理世界和商業(yè)規(guī)則里的根。

什么叫向“硬”處和“深”處扎根？

第一條路，是把自己變成物理世界的“基礎(chǔ)設(shè)施”或者資金流轉(zhuǎn)的“樞紐”。

舉個例子，如果你做的是餐飲 SaaS，別人用 AI 極速仿一個系統(tǒng)出來太容易了。但如果你像 Toast 那樣，把軟件和實體收銀機（硬件）死死綁定在一起；或者像某些財務(wù) SaaS，你直接打通了企業(yè)的銀行賬戶，成為了資金流轉(zhuǎn)的金融中樞。這就結(jié)實了。

競爭對手光有大模型 API 沒用，他想搶客戶，就必須端著自己的硬件上門去拆你的機器，或者去考個極其復(fù)雜的金融監(jiān)管牌照來跟你肉搏。這叫“降維防御”。探索 AI 硬件與軟件服務(wù)的商業(yè)化結(jié)合，是我們接下來必須死磕的硬骨頭。

第二條路，是放下執(zhí)念，擁抱企業(yè)軟件的并購（M&A）時代。國內(nèi)市場本來就卷，為了搶單子，大家在招投標(biāo)里脫得精光打價格戰(zhàn) 。原來 14 萬的單子被生生搶成 7 萬，甚至虧本干。這么卷下去，大家連活路都沒了，哪還有錢去搞 AI 轉(zhuǎn)型？

我這大半年一直在死磕中國企業(yè)軟件的并購，也正在著手拉一份《中國企業(yè)軟件并購白皮書》，并且準(zhǔn)備拉起一條專業(yè)的 To B 并購財務(wù)顧問（FA）業(yè)務(wù)線。為什么？因為我看到了太多創(chuàng)始人的執(zhí)念——“寧做雞頭不做鳳尾”，非得逼著自己獨立上市。

在這個大清算的拐點上，我們必須改變對“被收購”或“合并”的偏見。如果你的 SaaS 在某個細(xì)分賽道有極深的壁壘和客戶留存，但商業(yè)化碰到了天花板，或者技術(shù)上干不過大廠的模型，那你最該做的，就是尋找優(yōu)質(zhì)的產(chǎn)業(yè)資本，或者跟互補的 SaaS 廠商進(jìn)行生態(tài)合并。

你的 SaaS，在 AI 時代可能只是某個龐大生態(tài)里的一個“高價值 Feature（功能）”。承認(rèn)這一點并不丟人。良性的產(chǎn)業(yè)并購和生態(tài)整合，不僅不是創(chuàng)業(yè)失敗，反而是整個行業(yè)走向成熟、資源重新優(yōu)化的標(biāo)志。打不過，就擁抱；做不透，就整合。尋找專業(yè)的 M&A 財務(wù)顧問，把你手里的資產(chǎn)整合進(jìn)更深層次的產(chǎn)業(yè)生態(tài)，去構(gòu)建大模型觸達(dá)不到的商業(yè)壁壘，這是一條極其務(wù)實且體面的路。

05寫在最后

從《醒醒吧》的當(dāng)頭棒喝，到《加油吧》的抱團(tuán)取暖，再到《盈利吧》的回歸務(wù)實，我們這群人，一起經(jīng)歷了中國 SaaS 這么多年的狂熱、迷茫與陣痛。

到了 2026 年的這場“末日論”大清洗，說白了，洗掉的都是那些沒有內(nèi)核、只能做點淺層自動化的“表層工具”。過去的繁榮里，行業(yè)確實吹了不少泡沫，大家為了高估值硬著頭皮去迎合那些根本不成立的商業(yè)模式。但今天泡沫被大模型無情地刺破了，這不是壞事。只有在廢墟上，往往才能建起最堅固的堡壘。

既然“純軟件”的護(hù)城河快被 AI 填平了，那我們就得往大模型夠不到的深水區(qū)里扎根。去碰那些難啃的硬件，去對接復(fù)雜的資金流，去踏踏實實地搞產(chǎn)業(yè)并購。打不過大模型，就去構(gòu)建大模型觸達(dá)不到的物理與商業(yè)壁壘。做不透單點爆發(fā)，就去尋找生態(tài)整合。

這也是為什么，今年崔牛會自己也要做一次徹底的“向內(nèi)開刀”。時代變了，我們不能再停留在過去那種表層的經(jīng)驗交流和走馬觀花的互嗨里了。今年起，崔牛會將堅定地向研究型媒體轉(zhuǎn)型，把目光死死盯在真正的高凈值商業(yè)結(jié)果和底層邏輯上。

接下來，我們會正式發(fā)布《中國企業(yè)軟件 M&A 并購白皮書》，并且全面跑通 To B 領(lǐng)域的并購財務(wù)顧問（FA）業(yè)務(wù)，實打?qū)嵉貛蜕钕輧?nèi)卷的兄弟企業(yè)在生態(tài)整合里找準(zhǔn)身位，體面地完成資產(chǎn)重組。同時，我們即將閉門推出“AI 決策 · 30”高端圈層，不聊虛的，只把行業(yè)里最頭部的三十位認(rèn)知大咖匯聚起來，死磕真正有價值的 AI 商業(yè)化落地和組織重構(gòu)。別學(xué)了，都在賭

這不是一次簡單的系統(tǒng)升級，而是一場從心智、產(chǎn)研組織到商業(yè)模式的全面重裝。留在牌桌上的老炮兒們，咱們丟掉幻想，準(zhǔn)備戰(zhàn)斗。

重塑吧！中國企業(yè)軟件。

（文中圖片由 AI 生成）