AI浪潮下，SaaS的新生与大模型的宿命

今天的内容来自前a16z合伙人、科技分析专家Benedict Evans的访谈《AI的经济学与SaaS的未来》，欢迎点赞、收藏、关注。

核心观点是：基础大模型难以构建高利润壁垒，终将走向‘管道化’，陷入类似电信运营商‘流量暴涨、收入停滞’的困局。目前唯一被市场验证成功的AI应用，是编程辅助；所谓‘聊天机器人’，不过是过渡期的初级交互界面。AI非但不会取代软件业，反而会极大降低开发门槛，催生海量垂直场景应用，解决用户自己都未察觉的业务难题。

当前AI行业正处于算力、需求与定价严重失衡的早期阶段。科技巨头今年预计在资本开支上豪掷7000亿美元，但社会整体资金有限，不可能持续每年投入十数万亿美元建设基础设施。

这就引出一个关键问题：砸下重金研发大模型的公司，真能收获最大的商业回报吗？

回望过去，电信运营商曾耗资千亿铺设3G/4G网络。十几年间，移动数据流量激增千倍，年资本支出高达2000亿美元，但股价二十年几乎原地踏步。真正盈利的创新应用——如移动支付、短视频——全都是建立在他们的网络之上。苹果、微软等操作系统厂商攫取了大部分利润，而运营商仅沦为提供带宽的‘底层通道’。

如今的大模型正重蹈覆辙。各家模型不断变大，却缺乏本质差异，除了烧钱，无从突围。大模型本身不具备网络效应，当所有人都使用相似芯片、架构与训练方式时，凭什么维持定价权？最终，它们极可能演变为按边际成本定价的通用基础设施，商业价值将全面上移至应用层。

既然基础模型难成高溢价产品，AI该如何真正落地？

许多人误以为ChatGPT是AI终点，实则当前聊天机器人仅是受限的第一代界面。对话框虽适用于日常任务，但在多数商业场景中，用户需要的是工具链、精准数据接入、细粒度权限与定制化工作流。

这就像你不能指望一张空白Excel表格解决企业全部管理问题。会用工具的人，未必懂工具设计；能提供财务建议的专家，与能开发自动报税系统的工程师，完全是两类能力。

当前AI生态中，唯一被客户愿意付费、具备明确PMF的领域，只有AI编程。半年前尚不温不火，今年初却一跃成为‘颠覆生产力’的利器。除此之外，多数场景仍处探索阶段。例如，一家利润微薄的大宗商品企业，真正需要的不是用大模型写会议纪要，而是用它比对中小厂商数据，精准预测现金流与账期。

既然大模型如此强大，SaaS公司会集体倒闭吗？

现实可能恰恰相反：AI让软件开发更便宜、更快，结果是软件数量将激增。软件公司的本质，是将最佳实践编码化。企业软件生态中，顶层是SAP、Salesforce等庞然大物，底层是员工私建的Excel和邮件，中间则是无数SaaS拼凑的灰色地带。

AI可作为底层功能嵌入现有系统，也可全局分析数据，输出此前无法计算的商业洞察。当开发门槛骤降，人们将去解决那些曾因成本过高而被忽视的痛点。往往直到新工具出现，行业内部人才恍然：“原来我们一直有这个问题”。

技术变革必然重塑组织用人结构，尤其在投行、咨询、律所等专业服务领域。一个现实规律是：若原本需分析师一周完成的财务模型，AI十秒就能产出，企业会降价吗？大概不会。员工能早下班吗？也不太可能。

真实情况是：成本骤降后，你会在同样时间内跑50个模型，做更深度分析，但收费不变。这意味着，金字塔底层的初级脑力劳动，其价值逻辑与成长路径将被彻底重构。

每一次技术革命的历史都惊人相似。上世纪50年代，IBM曾宣称：“一台计算器=150名工程师”。今天我们对生成式AI的狂热与困惑，正如1997年面对互联网、2009年面对智能手机初期时一样。

我们尚不知终局，也不知谁将胜出。但可以肯定：经历多轮价格厮杀与行业洗牌后，一切终将归于平静。或许二十年后回望今天，我们会觉得理所当然——就像现在我们觉得电脑不蓝屏、随时开高清视频通话是天经地义。

以上是本期分享。我是Laurent，感谢你与我一同思考这段旅程，用点滴学习让前路更踏实、更有希望。下期再见！