软件正在变成“日抛品”：AI 如何改写 SaaS 与企业内部系统

过去二十年，软件行业建立在一个稳定前提上：开发软件很贵，维护软件更贵，所以企业应该购买一套标准产品，让尽可能多的公司共享同一份研发成本。

这正是 SaaS 的经济基础。厂商开发一次，通过订阅反复销售；客户放弃一部分个性化，换取更低的采购成本、更快的上线速度和持续升级。

但 AI 正在改变这个前提。当自然语言可以生成界面、接口、数据处理和自动化流程，当一个熟悉业务的人可以与 AI 在几天甚至几小时内完成过去需要一个项目组才能完成的工具时，软件开始具有一种过去很少见的属性：它可以被快速生成，也可以被快速丢弃和重写。

我把这种软件称为“日抛软件”。

“日抛”并不意味着每天删除生产系统，也不意味着质量、安全和数据可以被忽略。它表达的是一种新的成本结构：对大量局部、低风险、变化快的需求来说，软件不再需要被当作一项必须使用五年、服务所有人的固定资产。它可以只服务一个团队、一个客户、一次活动，甚至一个阶段性的决策；需求变化后，与其维护越来越多的兼容逻辑，不如重新生成更合适的版本。

SaaS 的真正对手，不是另一个 SaaS

传统 SaaS 习惯把竞争理解为功能竞争：谁的功能更多、界面更完整、集成数量更多、价格更低。

但 AI 之后，它真正的对手可能是客户自己的组织能力。

一家互联网公司过去需要采购工单、审批、数据看板、销售辅助、内容运营和知识管理系统。每套系统都要经历选型、合同、实施、培训、权限配置和数据迁移。即使成功上线，公司的实际流程也必须适应软件预设的数据结构和操作方式。

未来，企业可能保留少数稳定的记录系统，例如财务、人力、客户主数据和核心交易系统，同时在这些系统之上自行生成大量轻量应用：

• 为一次销售战役生成客户跟进工作台；
• 为一个新项目生成预算和资源审批流程；
• 为运营团队生成只使用三个月的活动管理工具；
• 为某类客户生成专属交付和数据分析界面；
• 为管理层生成随着战略变化而重写的经营看板；
• 为一条异常流程生成临时排查和修复工具。

这些工具不需要成为独立 SaaS，也不需要满足所有公司的共同需求。它们只需要理解当前组织的数据、权限、语言和工作方式，并在有限生命周期内可靠地完成任务。

于是，SaaS 的竞争对象不再只是同类厂商，而是“客户是否已经能够自己写出足够好用的软件”。

为什么通用 SaaS 越来越难

SaaS 不会消失，但薄弱的 SaaS 会越来越难。尤其是那些只把一个简单工作流包装成通用界面、主要依靠按席位收费、又不掌握关键数据和交易入口的产品。

功能越来越容易复制

过去，一个细分功能可能需要数月开发，足以形成产品窗口。现在，界面、CRUD、报表、通知、权限和基础 AI 能力都可以被快速组合。功能仍然有价值，但功能本身越来越难成为长期壁垒。

标准化开始产生额外成本

传统 SaaS 为了服务更多客户，需要不断增加配置项、角色、模板和兼容逻辑。客户最终买到的是一套能够适应很多公司的系统，却不一定是最符合自己工作方式的系统。

当定制软件足够便宜时，“标准化”不再天然代表低成本。为了迁就通用产品而改变流程、培训员工和维护大量配置，也是一种成本。

席位定价与 AI 工作方式冲突

软件过去按人头收费，因为每个人都需要登录并操作。Agent 开始承担执行后，一个流程可能由少数人监督、大量数字执行者完成。如果价值来自自动完成结果，按人类席位收费会越来越难解释。

客户会重新计算采购账

企业不只会比较两款 SaaS 的价格，还会比较：购买三年订阅、承担实施和迁移成本，与基于现有数据和模型能力自行构建之间，哪一种更经济、更贴合业务。

这并不意味着客户一定选择自建。它意味着 SaaS 厂商必须证明，自己提供的价值明显高于“企业内部借助 AI 完成”的替代方案。

我说的“融不到钱”，不是市场上一分钱都没有

我说 SaaS 公司已经越来越融不到钱，当然不是字面意义上资本市场从此不投软件了。钱还在，AI 公司也还在拿到很高的估值。只是对大多数普通 SaaS 创业者来说，融资已经不再是一条可以默认依赖的路。

以前大家习惯先做产品、讲增长、拿融资，再用下一轮的钱寻找真正的商业模式。现在这套路径越来越难走。真正变化的不是市场上有没有钱，而是资本为什么愿意把钱给你。

过去，只要市场足够大、增长故事足够好，一个通用 SaaS 可以先融资扩张，再慢慢寻找稳定的单位经济模型。今天，软件开发门槛下降、同类产品数量暴增、平台能力快速吞并应用功能，投资人会更早追问：

• 客户为什么不能自己做？
• 模型平台为什么不会顺手提供？
• 产品掌握了什么独有数据、渠道或交易关系？
• 收入增长是否依赖持续购买流量和堆叠销售人员？
• 毛利中有多少会被模型推理、人工服务和定制交付吃掉？
• 如果融资停止，公司能否依靠客户收入继续活下去？

所以我真正想表达的是：没有真实收入、没有差异化资产、只能依靠下一轮融资维持的通用 SaaS，以后会越来越难活。

融资可以加速一个已经成立的商业模型，但不应该继续被当成商业模型本身。

SaaS 创业要回到“自己养活自己”

AI 降低了产品开发成本，也降低了创业公司依赖资本的必要性。过去需要十几个人和数百万资金才能验证的产品，现在可能由三五个人完成。

这意味着创业公司的第一目标可以重新变成赚钱：找到一个足够具体、足够痛、客户愿意付费的问题，用收入支付团队和模型成本，再决定是否扩大。

自我造血并不等于拒绝融资。它意味着融资从生存必需品变成战略选择：

• 不融资，也能继续服务客户；
• 融资，是为了加快已经验证的增长；
• 不用虚假的免费用户数量掩盖付费意愿；
• 不用不断扩充功能证明产品仍然有价值；
• 不被下一轮融资时间表迫使公司追求不适合自己的规模。

当软件开发变便宜，小而盈利不再是一种退而求其次的状态，而可能是更健康的企业形态。

企业内部软件会从“项目”变成“能力”

传统内部系统通常以项目方式建设：立项、写需求、排期、开发、验收、上线，然后进入漫长维护期。系统数量越来越多，组织却越来越不敢改变它们。

AI 原生的内部软件更像一种持续能力。业务人员描述问题，产研人员定义边界，Agent 读取允许访问的组织上下文，生成可运行的流程和界面；团队在真实使用中验证，再根据变化修改或重写。

未来企业的软件结构可能分成三层：

真正“日抛”的主要是第三层，不是企业的账本、权限和核心数据。

稳定底座越强，场景应用越可以快速变化。企业需要建设的重点，也会从购买更多界面，转向治理好数据、权限、接口、模型和组织知识。

定制化不再等于外包式定制

过去提到定制软件，人们通常想到昂贵的外包项目：需求文档很厚、交付周期很长、源代码难以维护，每一次修改都要重新报价。

AI 带来的定制化不是这种模式。它更接近“组织内部持续书写软件”：

• 使用企业自己的数据语义和权限体系；
• 由真正使用工具的人持续参与定义；
• 复用内部平台，而不是每次从零搭建；
• 通过自动化测试、审计和发布机制控制风险；
• 允许低价值工具自然退役，不追求永久维护。

这种模式下，软件的作者也发生变化。专业工程师仍然负责架构、平台、安全和高风险系统，但大量场景工具会由业务专家、产品工程师和 AI 共同完成。

代码不再是唯一稀缺资源。对业务的理解、可靠的数据、清晰的责任边界和判断什么值得做，变得更稀缺。

日抛软件不能变成一次性垃圾

生成成本下降，最容易出现的新问题是软件泛滥。每个人都能生成工具，并不意味着每个工具都应该连接生产数据或长期存在。

企业至少要守住几条边界：

• 数据边界：应用只能访问完成任务所需的最小数据；
• 身份边界：不能绕过统一登录、权限和离职回收机制；
• 发布边界：进入生产前必须通过与风险等级匹配的检查；
• 审计边界：重要动作需要记录谁发起、模型做了什么以及结果如何；
• 所有权边界：每个工具都要有负责人、使用范围和退役条件；
• 复用边界：重复出现的能力应沉淀到底座，而不是复制几十份实现。

“日抛”应该意味着低成本迭代和退出，而不是低质量、不可追踪和无人负责。

哪些 SaaS 仍然有长期价值

AI 不会让所有软件都回到企业内部。以下几类 SaaS 反而可能更重要：

系统记录与交易网络

承载财务、支付、合同、身份、供应链和行业交易的系统，不只是一个界面，还代表可信记录、规则执行与外部网络。

深度行业数据与决策能力

真正理解行业语义、持续积累高质量专有数据、能够影响关键决策的产品，不容易被一个临时生成的应用替代。

安全、合规和责任交付

当客户购买的是审计、合规、可靠性和责任承诺，而不仅是功能，专业厂商仍然具有规模优势。

成为企业生成软件的底座

未来最有价值的 SaaS 可能不再规定客户必须使用某套固定界面，而是提供 API、数据模型、权限体系、Agent 能力和可组合组件，让企业在其上生成自己的工作方式。

SaaS 不会消失，但会从“卖一套固定软件”转向“提供企业无法轻易自建的可信能力”。

对企业和创业者意味着什么

对于企业，不要把 AI 采购简单理解为再增加一个软件订阅。更重要的是建立内部软件生成能力：整理数据和接口，建设安全底座，让懂业务的人与懂工程的人共同解决问题，并允许低价值工具快速退出。

对于创业者，不要再假设写出一个功能就自然拥有一家公司。需要更早回答：为什么客户愿意持续付费，什么能力无法被模型平台或客户内部团队复制，以及在没有下一轮融资时能否健康经营。

对于产研人员，价值也会从“完成指定模块”转向“理解问题并交付结果”。当代码变得更便宜，问题定义、系统判断、数据治理和商业理解会变得更昂贵。

软件的价值，将从代码转向上下文

工业化软件追求一次开发、无限复制。日抛软件追求每一次生成都更贴近当下问题。

未来企业不会停止购买软件，但会更谨慎地购买那些只有界面和流程、没有数据与网络价值的标准产品。它们会保留稳定底座，同时在内部生成越来越多定制化、短生命周期的场景应用。

创业公司也不能再把融资视为默认燃料。最可靠的资本仍然是客户收入，最坚固的壁垒也不再是写出了多少代码，而是掌握了多少真实工作流、可信数据、分发关系和交付责任。

当软件可以随时重写，真正需要长期积累的就不再是每一行代码，而是企业的上下文、数据、信任与判断。

“日抛”不是软件价值的终结。恰恰相反，它让我们第一次有机会把大量软件从需要供养的资产，变成随业务变化而生、完成任务后可以从容退出的工具。

参考资料

• Carta：How the SaaS fundraising scene is shifting in the age of AI：SaaS 融资并未消失，但阶段、轮次与 AI 属性正在重新影响资本分配，说明“完全融不到钱”并不是准确结论。
• OpenAI：Univé builds an AI-ready workforce：企业员工围绕内部工作流创建了大量定制 GPT，开始自行解决过去依赖漫长软件项目的问题。
• Microsoft：2025 Work Trend Index：报告描述了人机团队和 Agent 深入企业流程的趋势，为内部软件从固定应用转向可组合能力提供了现实背景。