高盛預警：AI智能體正重塑軟件業格局，業績分化拐點已至！智能體流量激增，令微軟、Cloudflare等平台型贏家加速收割；而企業預算重配與SEO退潮，正無情侵蝕Adobe等傳統SaaS護城河。舊模式被顛覆，AI正製造一批意料之外的新王與輸家。 AI智能體浪潮正在將軟件行業的結構性分化從預期變為現實。 高盛在最新研究報告中指出，2026年第二季度或將成為AI智能體活動對軟件公司基本面產生可觀察、可量化影響的轉折季度——而這一輪分化，已開始在業績數據中留下清晰痕跡。 高盛分析師Gabriela Borges和Callie Valenti在報告中給出明確的多空立場：對$Snowflake (SNOW.US)$和$Palo Alto Networks (PANW.US)$的看法邊際轉正；對$Adobe (ADBE.US)$、$財捷 (INTU.US)$和$Workday (WDAY.US)$的看法邊際轉負；

2026年，AI正在改寫商業規則，科技投資邏輯已徹底顛覆。本期“科技圓桌”聚焦新格局下的投資選擇。人工智慧被寄予重塑經濟、大幅提振生產力、攻克癌症、研發新藥、解決氣候變化問題的厚望。同時，它也被認為正在摧毀就業、隱私、利潤率以及對真理的探索。某一條資料剛點燃樂觀情緒，但短短幾天甚至幾小時之後，又會引發末日般的恐懼。這場較量正在華爾街即時上演。輝達曾被視為投資AI最穩妥的選擇，如今股價已低迷了六個月。軟體行業過去被認為是完美的商業模式，現在卻被看作過時的事物，正在被能即時解決商業問題的自動化智能體所淘汰。曾經輕資產的科技平台也愈發像負債纍纍的工業企業，為了跟上AI巨額的融資需求，被迫投入數千億美元。簡而言之，科技投資的邏輯已被徹底顛覆。儘管這種波動令人難受，但它也在為投資者創造巨大機會，現在正是精選個股的絕佳時機。帶著這一目標，Barron’s近期邀請了四位科技領域專家，共同梳理2026年的科技投資版圖，他們分別是Light Street Capital首席投資官格倫·卡徹（Glen Kacher）、傑富瑞（Jefferies）資深軟體分析師布倫特·希爾（Brent Thill）、Lingotto Innovation管理合夥人兼聯席負責人摩根·薩米特（Morgan Samet），以及Melius Research科技研究主管本·雷茨斯（Ben Reitzes）。本月早些時候，他們通過Zoom參與了本次對話。以下為我們“2026科技圓桌”的經編輯整理後的文字實錄。Barron’s：鑑於科技領域充滿不確定性，我們先從確定的事情談起。關於AI和科技行業在未來一年裡，各位認為有那些事情——如果有的話——是比較確定的？Glen Kacher：AI作為一種架構層面的計算變革正在推動整個行業向前發展。資金最雄厚、投入能力最強的那些大公司都在說，這是我們這個行業裡正在發生的最重要的事情，而且他們正在資本開支（capex）上投入數千億美元。對我來說，最確定、也是我們最篤定的一點是：半導體需求極其強勁，對AI算力的需求仍然非常、非常強勁。Barron’s：有人對此有不同看法嗎？Morgan Samet:我可能還會再補充幾句。AI能做的事情不僅限於數字經濟，在實體經濟中能做的事情同樣擁有巨大的市場潛力，而且這種潛力被嚴重低估了。市場往往糾結於一些爭論，比如周期出現的時間點，或者投資回報到底是否真實存在。這類短期視角，聚焦於價值鏈的某些細枝末節，比如軟體，反而忽略了全域。真正被顛覆的不是軟體，而是勞動力。無論是數字經濟還是實體領域，勞動力市場的規模都高達10兆到20兆美元。當你透過這個視角看問題，相關決策者的動機就會發生變化。這類變革需要一段時間才能全面鋪開：基礎設施搭建、決策落地都需要過程，信任與安全也至關重要。但如果你把這些工具在消費市場中不受邊界限制所能做到的事情，再應用到企業端能夠實現的場景上，那機會將會非常巨大。我說“AI顛覆勞動力”，並非想製造恐慌，因為勞動力部署的速度以及其中的摩擦，恰恰表明我們還有時間去創造新崗位，並把勞動力重新引導到更高價值的任務上。Ben Reitzes：可以確定的是，變革的速度會不斷加快。我認為未來會有更多的顛覆，而不是更少。Brent Thill：有兩件事是確定的。首先，AI將會被全球每一個組織的董事會採納。以往雲轉型、比特幣、Web3等重大技術變革，都未曾真正進入董事會層面。但談及AI，我接觸過的多位董事都表示會全力投入，並且正在推動公司在各個行業、各個層面重新調整方向。我們所做的大量一線調研都指向一個結論：AI的全球普及將從董事會層面啟動，而不是像以往技術趨勢那樣，通常從IT層面先啟動。第二是基礎設施。基礎設施市場裡的所有參與者，包括微軟、Google以及亞馬遜，都在看到旺盛得驚人的需求，甚至已經供不應求。Barron’s：董事會成員是被這股浪潮推著走，還是因為已經看到了採用AI的好處而主動出擊？Thill：他們是在主動出擊。當摩根大通表示已降低用於支援工作的總體營運開支，但又把這筆錢重新投入到能創造收入的崗位上時，這就是一個董事會層面的議題。如果你既能削減成本又能提升營收，那就是一種進攻性的舉措。Light Street Capital首席投資官格倫·卡徹（Photograph by Katie Thompson）Kacher：AI令人驚嘆之處在於，這個行業打造出了對單個使用者而言效率極高的工具。它對CEO來說非常容易上手，而且對我們所有人來說都很直觀。每個人都親身體驗過這項技術如何幫助自己創作內容。隨後，他們又聽說它在編寫程式碼方面的效率。這是個人生產力的一次驚人飛躍。我們都在努力彌合的差距在於：為團隊打造這些工具需要時間。疑慮也出現在這裡——如何將這些工具應用到大量人員、讓大家能夠一起協作使用這一點上。Barron’s：基礎設施短缺會顯著拖慢進度嗎？Thill：部分領域已經出現延遲。CoreWeave在第四季度不得不把80億美元的資本開支往後推遲，而且在廠房建設並投入運行方面也遇到了問題。需求異常旺盛，但時間表正在明顯後移。可能只是因為缺少PVC管道，就足以讓一個項目延期數月。很多事情都在往後推，但這並不意味著支出意願不存在。Barron’s：最大的疑問在於投資回報。你們認為什麼時候能看到回報，或者這項技術實現變現？AI什麼時候會產生實質性的影響？Kacher：科技行業每一次重大架構變革，廣泛普及都需要十年甚至更久。以SaaS（軟體即服務）為例，Salesforce1999年成立，大約花了15年時間，才讓約25%的算力轉向雲模式，又用了8年才實現下一個25%的轉移。因此，面向大規模人群的應用落地，開發和普及都需要時間。現有軟體不會消失。你會看到AI疊加在現有應用之上，並被用於企業運行的核心環節，而現有的軟體巨頭也會建構其中一部分應用。同時，他們也必須與原生AI以及LLM（大語言模型）展開競爭。Samet：你會首先在消費領域看到這種趨勢，因為很多產品幾乎沒有進入門檻。有些人願意承擔比我更大的風險，把這些東西下載安裝到自己的裝置上試一試。接著，當思考企業層面時，Glen提了一個很好的觀點：真正難的是把所有東西都整合到一起。企業管理層既心懷恐懼，也看到機遇。當恐懼與機遇同時出現時，人們往往會行動得更快。 (Barrons巴倫)

“舊的 SaaS 範式正在瓦解，但屬於 AI Native 的黃金時代才剛剛拉開帷幕。”今年開年，全球軟體股的投資人共同經歷了一場“驚魂六十天”。去年底到今年初，市場尚沉浸在“AI 應用大爆發”的幻夢中，然而 1 月底，Anthropic 甩出了能夠自主操控電腦、實現自主辦公的 Claude Cowork ，直接震碎了傳統 SaaS 的估值邏輯。短短兩個月，北美軟體股蒸發了超 1.6 兆美元市值。市場瀰漫著一種近乎絕望的論調：既然 AI 已經可以像人一樣操作電腦、接管業務流，那麼過去二十年裡我們辛苦建構的圖形介面和業務軟體，是否已經淪為了落後的生產力？針對這些事關生死的問題，在雷峰網 GAIR Live 線上圓桌中，三位深耕 SaaS 行業、視角互補的行業老兵——何潤：致趣百川聯合創始人兼CEO；Daniel：資深投資人，網際網路大廠業務負責人；吳昊：《 SaaS 創業路線圖》作者、SaaS 領軍企業天使投資人、前執行總裁；展開了一場一個半小時的硬核對談嘉賓們針對 SaaS 的現狀與未來給出了極具穿透力的判斷。01. 近期 SaaS股價暴跌：並非財務收入，而是預期被降維打擊在 Daniel 看來，SaaS 的暴跌並非源於 SaaS 公司財務資料不及預期，而是預期被降維打擊。過去，SaaS 廠商掌握了業務流程的“出入口”，就掌握了溢價權。但當 AI Agent 能夠繞過介面直接操作軟體，原本的“流程化軟體”正在退化為“智能 Agent 的外掛”。這種隱憂導致付費預算大規模從應用層向 LLM 基礎設施轉移。有一個直觀的數字：如 Anthropic 等 AI 公司的收入增長很明顯，從去年年底到最近一個季度增長非常快。原來市場預計到 2026 年，OpenAI 和 Anthropic 的 ARR 可能做到 200 億美元，但現在看，這個數字很可能會被遠遠超過。何潤則給出了一個更具“痛感”的觀察：三年前國內 SaaS 廠商的 PS（市銷率）估值體系已經崩完，如今北美的 PS 也開始鬆動，現在每一家都必須思考如何變成一個“掙錢的公司”。他指出，現在很多北美 SaaS 公司的 NDR（淨收入留存率） 已經回踩到100%，這對市場來說是一個巨大的心理衝擊。如果 NDR 繼續下探，PS 模型便徹底失效。吳昊補充道，像 Salesforce 他一直在長期關注，但一個比較有意思的現象：一家行業第一的 SaaS 公司不斷強調 AI，但到 2025 年財報裡，AI 相關收入佔比其實還是很小，可能只有百分之幾。這也是為什麼從股價表現來看，Salesforce 從 2024 年開始整體就在下跌，2025 年全年大約跌了 30%。"02. 談 SaaS 護城河：部分壁壘被擊穿，仍握幾張底牌在何潤看來，AI 對 SaaS 的衝擊，本質上是對傳統護城河的重構。在《戰略七力》（Seven Powers）框架下，過去 SaaS 最核心的兩種力量——轉換成本（Switching Cost）與網路效應（Network Effect），都在受到挑戰。首先是所謂的 “打劫邏輯”。北美市場已經出現一批 AI Native 企業軟體公司，它們並沒有創造新的需求，而是利用更敏捷的 AI 架構，以更低成本、更好體驗去搶奪傳統 SaaS 廠商的存量市場。其次是功能與體驗的“被動折疊”。過去 SaaS 廠商通過不斷疊加功能、最佳化 GUI 體驗建立壁壘。但在 AI 時代，如果複雜功能可以通過 AI Skills 直接實現，或者通過自然語言完成操作，很多原本依賴介面的軟體體驗就會被“折疊”。不過，在何潤看來，傳統 SaaS 廠商仍然掌握兩張重要的牌：一是企業經營資料沉澱在 SaaS 系統中形成的 “資料半透膜”，二是長期積累的 客戶關係與品牌認同。吳昊則給出了相對樂觀的判斷。他認為，AI 的出現雖然會改變軟體的技術形態，但 “專業分工”這一規律不會改變。以軟體開發為例，AI Coding 的崛起確實大幅提升了效率，但更可能帶來的變化是崗位上移，而非崗位消失。開發者會從基礎編碼轉向架構設計、系統結構以及更深度的客戶需求理解。同時，當軟體開發成本大幅下降時，社會對軟體的需求反而可能進一步擴張。正如十年前“軟體吞噬世界”的趨勢一樣，當開發效率提升 100 倍，軟體需求可能增長得更快。因此在 ToB 領域，理解業務邏輯、完成複雜交付以及系統整合仍然需要專業的軟體廠商，這些能力也可能成為新的行業壁壘。Daniel 則從企業軟體的實際業務角度給出了補充。在他看來，如果不從資本市場估值，而是從業務價值本身來看，很多 SaaS 廠商依然具備一定的護城河。這些壁壘主要來自三個方面：與企業業務流程的深度耦合、長期沉澱的行業 know-how，以及廠商與客戶之間持續的服務關係。企業軟體往往需要與資料庫、工廠系統以及各種內部系統進行複雜整合，涉及大量資料對接、實施和培訓，這些能力並不容易被快速替代。因此，在 Daniel 看來，企業軟體本身的長期價值並不會消失。但在 AI 時代，資本市場可能需要重新尋找新的估值錨點，例如如何區分 AI Native 軟體與傳統 SaaS 的商業模式。03. 談商業模式：SaaS公司若仍沿用坐席收費，那將是一個糟糕的策略三位嘉賓達成一致認為，未來按坐席收費的 SaaS 邏輯，在 AI 時代可能很難繼續成立了。一個預見的未來，企業的坐席數會減少。“很多公司都在裁員、縮編，組織規模在變小。當一家 1 萬人的公司因為 AI 裁員到 8000 人時，按席位收費的 SaaS 廠商收入直接縮水 20% 。”吳昊直言。SaaS 的未來會演變成，按tokens 使用量或結果計費。但如果按呼叫量收費，利潤會不會更多轉移到模型廠商那裡？三位嘉賓展開了進一步交鋒。Daniel 認為是有這種可能性的，而且他提醒不能忽視頂尖模型的溢價能力：“市場總規模會隨著效率提升而增長。但要注意，tokens本身代表智能質量。SOTA（當前最高水平）模型的智能價值與普通模型的差異，在很多任務場景下是零與一的區別。市場的馬太效應會極其明顯，頂尖模型廠商依然有很強的溢價權。”不過，吳昊持相反觀點。他認為大模型廠商很可能會面臨“管道化”的命運：“回顧 2006 年 3G 時代初期，電信營運商花了巨額資金購買牌照搭建網路，但最終最掙錢的是攜程、滴滴這些應用。使用者買的不是網路，而是訂票、打車的結果。”他給出兩個判斷：第一，管道隨時可以切換。今天做 AI 應用，可以接 DeepSeek，也可以接通義千問或 GPT，誰的管道便宜就用誰；第二，利潤留在應用層。“除非有一天 AGI 進化到把所有應用都吞噬掉，但在未來十年內，專業分工依然存在。模型公司很難在不碰業務的情況下賺走所有利潤。”何潤則認為，這個問題最終還是要回到供需關係。如果未來大模型的供給是相對集中的，那麼模型廠商確實可能賺到很多錢。與此同時，他把視角拉回到 SaaS 公司自身的演化上。他認為，無論模型廠商拿走多少，SaaS 公司自身形態已經在發生變化——“ SaaS 正在變成製造業”。第一，商業模式從“訂閱制”轉向“消耗制”，意味著，未來 SaaS 收入與產出規模直接掛鉤，不再是提前收一筆訂閱費就完事；第二，SaaS 成本結構從“人力為主”變成“人+ Token ”，這也讓 SaaS 規模不再需要靠堆人頭。04. 談產品形態：GUI 意義正在消解，Agent 編排能力愈發重要AI 正在重塑軟體的長相。吳昊提出了一個具有前瞻性的產品預判：“ GUI（圖形介面）的意義正在消解，我們不需要再為‘審美體驗’花巨大代價，AI 會根據使用者的熟練度即時生成 UI 。”他認為，未來的產品設計將不再是為了“讓人爽”，而是為了“讓 Agent 好用”。未來 SaaS 產品的 GUI 比例會大幅下降，甚至淪為整合在飛書、釘釘中的 API：軟體廠商不再需要把工作流全部顯性化地暴露給人類，而是通過 Agent 封裝成端到端的“黑盒”任務。何潤認為，未來從“人用軟體”到“ Agent 用軟體”，評價標準、產品形態、競爭邏輯都在重構。過去國內 SaaS 長期陷入“功能堆砌、體驗滯後”的困境，產品在客戶眼中差異不大。但如果未來是 Agent 在“使用”軟體，拼的不再是誰功能多，而是誰的任務完成成本更低、效率更高。與此同時，很多傳統 SaaS 公司未來可能需要把原來的 API 能力重新封裝成 Skill，然後讓 Agent 去呼叫、編排這些能力。Daniel 認為，AI 正在讓軟體從“操作介面”變成“任務黑盒”。過去軟體必須把工作流“攤開”給人看，是因為自動化能力不夠，需要人手動理解和操作。現在 AI Agent 能彌補這個 gap ，意味著很多複雜流程可以被封裝起來，使用者只需要提目標，系統自動完成背後的一切。05. 談實踐與未來：一場戰略、產品、組織的全面轉型AI 的衝擊，也在倒逼原來的 SaaS 公司轉型。何潤從一線創業者的視角，給出了最務實的調整路徑：縮短鏈條、提升密度。“技術團隊逐漸拆分成更小的單元，讓市場、售前、銷售、產品、前後端、測試形成的協作鏈條縮短一半。”在他看來，組織效率是第一道檻。與此同時，產品經理的職能也在遷移，不再只是設計功能，還要懂敘事、懂銷售、懂如何影響客戶使用。“重點是自己和團隊的效率提升，把技術和商業結合得更緊密。”Daniel 則觀察到海外 SaaS 市場的兩條分化路徑。一類是 Pure AI Native 公司——從原有組織體系中分裂出來，用AI解決以前未被滿足的需求，產品理念和設計完全圍繞 AI native 思維，打法激進。另一類是傳統 SaaS 廠商——依靠組織內部 adoption ，在組織、人才、戰略、產品層面做深度調整，讓現有團隊慢慢適應 AI native 的思維和操作。“海外的 AI native 公司比較激進，而傳統廠商需要更深的組織適配和轉型。”吳昊從顧問視角，總結出 AI 時代 SaaS 公司的三個新打法。第一，小團隊探索。“以前前端、後端、產品經理等需要很多人才能做一個產品，現在探索階段一個人就能做，甚至賣錢階段1-2人就可以運作。”他建議公司拿出10%-15%的資源，用來做單人或兩人小團隊的規模化創新。第二，快速試錯與迭代。“以前團隊做嘗試可能堅持半年甚至更久，現在小團隊嘗試3個月就評估，如果不行就棄牌，6個月如果仍未達到預期，就果斷放棄。”第三，組織邏輯變化。內部投資和決策方式需要更靈活——創新嘗試要規模化、快速驗證，而不是一次投入大量人力硬扛。“這是抓住未來10年機會的關鍵方式。”在圓桌的最後，三位老兵達成了一個難得的共識：AI 不會殺死 SaaS，但會徹底改變定義成功的方式。SaaS 並沒有死，它只是在剝離掉過去虛胖的溢價。真正的玩家正忙著將自己重構成一個“智能工廠”，在每一個被 AI 壓縮的鏈條裡尋找新的利潤區。不可否認的是，屬於“工具人”的舊 SaaS 範式正在瓦解，而屬於“數字勞動力”的 AI Native 時代才剛剛拉開帷幕。在這個爆發前夜，擁抱新世界，不糾結於舊事物的殘喘，才是生存的唯一真理。以下是此次圓桌討論的精彩分享，雷峰網在進行了不改原意的編輯整理：談近期 SaaS 股價暴跌：並非財務收入，而是預期被降維打擊胡敏：最近許多投資人在糾結是否要對 AI 軟體股進行“割肉”。儘管 Salesforce、Adobe 等巨頭的利潤仍在穩步增長，但股價卻遭遇重創。各位如何看待這一輪暴跌？Daniel：從投資視角看，這一輪暴跌並非源於已實現的財務收入問題，而是市場預期。如果把時間線再往前拉，其實從 OpenAI 發佈 ChatGPT 之後，很多頭部 SaaS 公司，比如 Adobe，增長勢頭就已經不像以前那麼強了。背後一直有一個隱憂：大語言模型會不會在一定程度上替代傳統軟體。因為生成式 AI 結合 Agent 和 tool use（工具呼叫），理論上可以直接完成很多業務流程，而且方式更加個性化、滲透率更高，甚至可能替代一部分流程化軟體。尤其是去年下半年開始，隨著 Anthropic 模型能力的提升，大模型的 tool use 能力明顯增強。很多開發者在實際開發中，已經能看到 AI 在軟體開發和業務流程中的潛力，所以市場對傳統軟體廠商的預期開始轉弱。到了去年年底和今年年初，這種能力又進一步增強。現在 AI 已經可以操作 GUI、UI，甚至直接呼叫後端程式碼。如果再疊加 memory 和 skills，很多軟體流程其實都可以被 AI 串起來。也就是說，只要軟體提供 API，理論上 AI 就可以直接呼叫並完成任務。這也是市場開始擔心傳統軟體廠商未來空間的原因之一。另外一個擔心是，企業預算可能會從傳統軟體轉向 AI。如果看 AI 公司的收入增長也很明顯，比如 Anthropic，從去年年底到最近一個季度增長非常快。原來市場預計到 2026 年，OpenAI 和 Anthropic 的 ARR 可能做到 200 億美元，但現在看，這個數字很可能會被遠遠超過。何潤：我其實沒有特別關注股市，但從 2 月初開始，很多朋友來問我怎麼看北美 SaaS。我當時的判斷是：從表象上看，其實是北美 SaaS 的 PS（市銷率） 估值體系開始鬆動。但如果放到中國來看，這件事情其實三年前就已經發生過。從財務角度拆一下會更清楚。比如HubSpot，以前大家用PS給它估值，賭的是它未來能長成Salesforce那樣。HubSpot現在ARR大概30億美元，市值在270億到280億美元——按PS算大概9倍，聽著還行。但問題是：市場現在開始懷疑，這套PS打法還能一直用下去嗎？如果用PE重新算一筆帳：按20倍PE倒推，HubSpot需要做到大約14億美元淨利潤才能撐起當前市值。所以你會發現，以前覺得6倍、7倍PS很合理，但放到30億ARR這個體量的公司身上，用PE一算就站不住腳了。因為3億、30億、300億ARR，增長的難度完全不是一個量級，體量越大，想維持高增長就越難，想同時維持高利潤率更是難上加難。矽谷有個指標叫 Rule of 40，就是增長率加淨利潤率要超過 40%。但對大公司來說，這個指標其實更難實現。另外一個市場比較擔心的指標是 NDR（淨收入留存率）。現在很多北美 SaaS 公司的 NDR 已經回踩到100%，這對市場來說是個心理衝擊。但在國內，很多 SaaS 公司 NDR 能超過 80% 就已經不容易。接下來如果 NDR 繼續往下走，疊加 AI 對預算結構的影響，傳統 SaaS 的增長邏輯會受到挑戰。吳昊：像 Salesforce 我一直在長期關注，因為它畢竟是 SaaS 行業的龍頭。從 2023 年開始，他們就在年度大會 Dreamforce 上提出要 all in AI，之後 2024、2025 年也一直在強調這個方向。但從投資者角度看，會出現一個比較有意思的現象：一家行業第一的 SaaS 公司不斷強調 AI，但到 2025 年財報裡，AI 相關收入佔比其實還是很小，可能只有百分之幾。這也是為什麼從股價表現來看，Salesforce 從 2024 年開始整體就在下跌，2025 年全年大約跌了 30%。核心原因在於：AI 如何真正轉化成 ToB 應用，目前仍在探索階段。從這家公司身上，其實能看到市場開始重新思考 SaaS 的 PS（市銷率）估值體系。因為 PS 能成立的重要前提，是客戶會長期持續續費。但現在這個假設受到了一些衝擊：一是客戶可能會更換產品，二是新的 AI 應用公司可能會侵蝕原有 SaaS 的市場。不過從我的觀察來看，ToB 應用其實沒有那麼容易被 AI 快速替代。企業軟體往往涉及複雜的系統、GUI 互動以及大量業務流程。所以回到剛才的問題：這輪下跌短期確實有情緒過度的成分，但從長期來看，SaaS 的估值體系確實正在經歷一次重構。談SaaS 護城河：部分壁壘被擊穿，仍握幾張底牌胡敏：這是從資本視角來看，剛剛吳昊老師提到，短期來看市場情緒可能有些過激。從產業的邏輯來看，為什麼像 Anthropic 推出 Claude Code 產品會讓 原有SaaS 廠商感到如此巨大的危機？傳統 SaaS 還有護城河嗎？何潤：關於護城河，我最近在思考《戰略七力》（Seven Powers）在 AI 時代的變遷。傳統 SaaS 最核心的兩個力——轉換成本（Switching Cost）和網路效應（Network Effect），目前正面臨被重構甚至摧毀的風險。“打劫邏輯”正在發生： 北美市場上，一大批 AI Native 的新玩家正在“打劫”傳統 SaaS。他們並非創造了新需求，而是利用更敏捷的 AI 架構，以更低成本、更優體驗搶奪老牌廠商的存量生意。功能的“被動折疊”： 以往 SaaS 廠商通過卷功能、卷體驗建立壁壘。但在 AI 時代，如果一個複雜的軟體功能可以被 AI Skills 直接實現，或者體驗通過自然語言對話方塊被“折疊”了，那麼傳統 GUI 的壁壘就不復存在。當然，SaaS 廠商手中還有最後兩張牌：資料的“半透膜”效應： 大模型雖然內化了通用知識，但特定行業、特定企業的經營上下文和私有資料依然沉澱在 SaaS 系統中。這些資料是雙向的“半透膜”，SaaS 廠商可以有選擇地利用大模型增強能力，但大模型廠商很難反向完全吞噬這部分垂直資料。身份認同與社群： 老牌廠商積累的客戶關係和品牌認同，在短期內仍能作為緩衝，但其厚度取決於新技術滲透的速度。吳昊：我持有稍微樂觀一些的看法。雖然護城河在變，但“專業分工”這一社會化規律不會變。以衝擊最大的程式設計師崗位為例。AI Coding 的崛起讓很多人恐慌，但回看歷史，從彙編語言到物件導向的程式設計工具，每一次技術升級都在大幅提升效率的同時降低了程式設計門檻。崗位上移，而非消失： 未來的程式設計師不再需要糾結於基礎的邏輯編碼，而是會轉向架構設計、結構化設計以及更深度的客戶需求理解。AI 讓效率提升了百倍，但這並不意味著程式設計師數量會縮減到百分之一。需求擴張效應： 10 年前就有“軟體吞噬世界”的說法，AI 其實也是軟體的一種形態。當軟體開發的成本降低 100 倍，社會對軟體的需求量可能會增加 1000 倍。ToB 領域的專業屏障： 企業的需求永遠在那裡。即便 AI 能寫程式碼，理解業務邏輯、完成複雜的上線交付、進行系統間的整合，依然需要專業的軟體供應商。總結來看，傳統 SaaS 公司的技術護城河（程式碼實現能力）正在崩塌，但同時也會出現新的護城河，比如：更強的架構設計能力、更深入理解客戶需求、更高效的產品交付能力，舉個例子，以前一些複雜 SaaS 產品上線、實施和培訓，可能需要半年時間，但未來可能兩周就能完成。所以我並不認為 AI 會讓 SaaS 這個行業崩塌。從長期來看，AI 反而可能讓 SaaS 行業做得更好。不過，這並不意味著所有公司都能活下來。因為 AI 的出現，對產品形態、技術架構以及公司的核心競爭力都會帶來巨大的變化。未來很可能會出現一批 AI Native 的公司，他們會佔據原來一部分 SaaS 公司的市場份額，成為新的企業軟體供應商。所以很多原有 SaaS 公司確實會面臨很大的壓力。Daniel：從我的視角來看，如果先不談資本市場的估值，只從業務價值本身來看，其實很多 SaaS 廠商仍然是有比較強壁壘的。這些壁壘主要來自於幾個方面。和業務場景的結合程度。如果具體來看，比如對客戶業務流程的梳理、行業 know-how 的積累，以及和客戶現有系統的對接。很多企業的軟體系統都會涉及資料庫、工廠系統或者其他內部系統之間的連接，這裡面包括大量 API 呼叫、資料欄位的對齊和清洗，以及後續的實施和培訓。這些工作其實都和企業的業務高度耦合，所以本身就構成了 SaaS 廠商的一部分壁壘。一個是廠商和客戶之間長期形成的 connection（關係），另一個是持續的 service（服務能力）。這些多種因素疊加在一起，其實共同構成了 SaaS 廠商的核心壁壘。從產品形態來看，其實這些年只是技術形態在變化。最早是傳統的 On-Premise 軟體，後來發展到 SaaS，再到今天很多企業在用的 CRM 等雲端系統。但從本質上來說，企業軟體交付的核心價值其實沒有改變。比如像 Salesforce 這樣的 CRM 工具，其實是幫助廠商在客戶服務、產品交付以及靈活性方面做得更好。所以從業務角度來看，我還是相信企業軟體本身是有長期價值的。當然，資本市場的估值是另外一件事情。過去 SaaS 行業有比較高的溢價，現在確實可能會面臨一些壓力。市場可能需要重新去錨定新的估值模型，比如 AI Native 軟體和傳統 SaaS 軟體之間的邊界在那裡，它們的商業模式有什麼不同。這些問題其實都需要市場慢慢去理清。談商業模式：SaaS公司若仍沿用坐席收費，那將是一個糟糕的策略胡敏：如果AI真的讓企業裡“幹活的人”變少了，甚至有些崗位消失了，那這就引出了一個非常現實的問題：SaaS公司過去最成熟的按照人頭收費的模式，似乎就鬆動了。未來的SaaS公司，主流的收費模式會變成什麼樣？是按呼叫量、按效果抽成、還是會出現我們想不到的新模式？何潤：這個觀點直指本質。基於 Seats-based（按坐席收費） 的模型在未來可能難以為繼。以客服系統為例，原來客戶可能需要 100 個人，現在由於 AI Agent 的介入，可能只需要 20 個人配合一堆 Token就能完成工作。對於廠商而言，席位增購消失了，取而代之的是嚴重的縮購。目前北美一些 AI Native 公司，如 Decagon 或 Sierra，其定價模式已經完全改變。他們不再賣席位，而是按使用量（Consumption）或結果（Outcome）計費。這些公司組織極小，人效極高，產研佔比遠低於傳統廠商，這種成本結構的優勢對於老牌廠商來說是致命的“打劫”。Daniel：這個問題挺關鍵。我個人判斷也是，按坐席收費的 SaaS 邏輯，在 AI 時代可能很難繼續成立了。因為現在大模型的能力進化得非常快。比如像 GPT‑4 這一類模型，最近一兩代版本裡，tool use（工具呼叫） 和 tool call（工具執行） 的能力已經越來越強。同時，大模型的幻覺率在下降，任務執行的精準性也在不斷提高。未來的商業模式必然是按tokens消耗或評估任務價值量來重構。如何跟使用者分預算，如何從賣軟體轉向賣智能，是所有廠商必須回答的命題。除了賣 TOKEN，目前更清晰的模式還在探索中，但方向已定。吳昊：我在疫情期間做過一次 SaaS 計費方式的調研，當時80% 以上的 SaaS 公司依然沿用坐席收費模式。這在今天是一個非常糟糕的策略。企業的坐席數在減少。很多公司都在裁員、縮編，組織規模在變小。當一家 1 萬人的公司因為 AI 裁員到 8000 人時，按席位收費的 SaaS 廠商收入直接縮水 20%。“一個人的公司”正在興起。在 AI 的幫助下，一個人就可以完成過去需要一個團隊才能完成的事情，從 程式碼、設計，到市場等各種事情。所以 SaaS 廠商如果還是按人頭收費，其實會越來越被動。過去幾年我在陪跑一些 SaaS 公司的過程中，也看到不同的收費模式。有些公司開始按業務量收費，比如按訂單數收費，也有一些直接抽佣，比如抽銷售額的 2%。但也有難題，所謂的 “創新者的窘境”。為什麼很多公司很難轉型？因為原來的模式已經跑得太順了。一家一萬人的公司，按坐席收費，一年就是2000萬穩穩進帳。如果改成按業務量收費，可能衝到2500萬，也可能掉到1500萬，這種不確定性，沒人敢拍板。更關鍵的是，模式跑久了，整個組織已經“長”在上面了。產品、研發、銷售、服務，所有人所有流程都習慣了這套邏輯。這時候要改收費模式，不是改一張報價單，而是要改變整個公司的思維方式。難度可想而知。我看到，真正能夠成功轉型的 SaaS 公司，通常有兩個條件：創始人自己要先想明白，並且堅定推動這件事；創始人必須盯得非常緊。在執行過程中，團隊一定會反饋各種問題，如客戶不接受、銷售不好賣等。如果創始人沒有足夠堅定，很容易放棄。相對來說，那些 AI Native 的軟體公司就沒有這個歷史包袱。因為它們第一天面對的客戶，就已經習慣了按 Token、按用量計費。但即便如此，我個人認為按 Token 收費也只是一個過渡形態。因為對企業來說，如果今天一篇文章消耗了 100 萬 Token，明天突然變成 300 萬 Token，企業內部就會問：為什麼成本變高了？是不是可以最佳化？這樣企業就會不斷去追問供應商，為什麼成本會上升，這在實際商業環境中會帶來很多摩擦。所以從長期來看，我更相信按結果收費的模式才是更合理的方向。此外，我想強調的是，收費模式是一個非常底層的東西。它不僅僅是一個收錢方式，而是會反過來影響公司的組織結構。SaaS 公司在未來幾年一定會面對的一個重要轉型。胡敏：如果未來很多 SaaS 產品都是按呼叫量收費，是不是利潤會更多轉移到模型廠商或者云廠商那裡？吳昊：我持相反觀點。大模型廠商很可能會面臨“管道化”的命運。回顧 2006 年 3G 時代初期，電信營運商花了巨額資金購買牌照搭建網路，但最終最掙錢的是攜程、滴滴這些應用。使用者買的不是網路，而是訂票、打車的結果。管道隨時可以切換： 今天我們做 AI 應用，可以接 DeepSeek，也可以接通義千問或 GPT。誰的管道便宜、性價比高，開發者就用誰。利潤留在應用層： 除非有一天 AGI（通用人工智慧）進化到把所有應用都吞噬掉，但在未來十年內，專業分工依然存在。模型公司很難在不碰業務的情況下賺走所有利潤。所以我們看到，Claude 和 OpenAI 現在也拚命想往應用層滲透。Daniel：我覺得市場總規模（TAM）會隨著效率提升而增長。但要注意，TOKEN 本身代表智能質量。SOTA（當前最高水平）模型的智能價值與普通模型的差異，在很多任務場景下是零與一的區別。市場的馬太效應會極其明顯，頂尖模型廠商依然有很強的溢價權。何潤：我覺得這個問題最終還是要回到供需關係。如果未來大模型的供給是相對集中的，那麼模型廠商確實可能賺到很多錢。但從 SaaS 公司的角度來看，我覺得未來還可能會發生兩個變化：SaaS 公司會越來越像製造業。如何理解？第一，商業模式從“訂閱制”轉向“消耗制”。過去SaaS的商業模式比較簡單，按年訂閱收費。但如果是AI產品，你就必須按照使用量（usage）或消耗量（consumption）來預測收入。這其實更像製造業，你的收入和產出規模是直接掛鉤的。賣多少貨，賺多少錢，不再是提前收一筆訂閱費就完事了。第二是成本結構從“人力為主”變成“人+Token”。過去SaaS最大的成本是人力。未來則是人 + Token成本。但好的一點是，業務規模未必需要再完全依賴人力線性增長。你的Token可以隨著業務規模增長，而不是靠增加員工。所以在某種意義上，這反而可能更容易規模化。產品邏輯從“卷功能”轉向“卷價值”。過去SaaS產品經常會陷入功能競爭——廠商不斷增加feature，但客戶其實並不一定真的需要那麼多功能。如果未來按照使用量或者業務任務收費，那SaaS公司就必須更直接地幫助客戶創造業務價值。這種模式反而可能會讓SaaS產品更貼近真實需求。最後我覺得，從中國市場來看，情況可能和北美不太一樣。北美 SaaS 過去的利潤率其實非常高。所以如果未來利潤下降，可能會有比較明顯的衝擊。但中國 SaaS 本身競爭就非常激烈，利潤率也不高。再加上國內模型廠商提供的 Token 價格通常更低，所以對國內 SaaS 公司來說，未必會比現在更差。談產品形態：GUI意義正在消解，Agent 編排能力愈發重要胡敏：接下來我們討論一個和產品形態有關的問題。過去十多年，其實很多 SaaS 產品經理都在研究一件事：如何讓人用得更舒服。比如 UI 要好看、互動要流暢、體驗要順滑。但如果未來很多具體工作是由 AI Agent 來完成，而不是由人來操作軟體，那 SaaS 產品是不是就會發生一個反轉——軟體不再主要為人設計，而是為 AI 設計？未來軟體產品形態會有什麼變化？比如未來 SaaS 公司會不會變成一種 AI Agent 的調度和管理平台？吳昊：我去年其實畫過一個圖，大概表達的是：未來很多 SaaS 公司可能會更多地提供 API，而不是完整的應用介面。因為每個企業最終都會需要一個統一的工作平台，比如飛書、釘釘、企微這樣的系統。所以一種可能的形態是： 很多 SaaS 產品不再獨立存在，而是被整合到這些工作平台中。如果未來很多互動變成對話式，比如 Chat 介面，那很多 SaaS 產品可能只是提供 底層 API 能力，而使用者是在統一入口裡使用這些能力。當然，從今天來看，GUI（圖形介面）還不會消失，現實中仍然有大量複雜場景，是無法只通過對話完成的。在這種變化下，產品體驗的重點也會發生改變。過去我們會花很多精力讓頁面更漂亮、互動更流暢。但未來這些可能沒那麼重要了。更重要的是把業務邏輯打通。何潤：我比較喜歡把國內 SaaS 和北美 SaaS做一個對比。北美 SaaS 已經發展了很多年，可能已經到了第三代、第四代產品階段，所以他們在產品體驗和互動設計上普遍做得比國內好。國內 SaaS 的一個典型問題是：很多產品在客戶看來其實差異並不大。於是大家就開始拚命堆功能，最後變成一種 “功能工廠”，功能很多，但體驗很差。但如果未來很多操作是由 Agent 來完成，那評價軟體好壞的標準也會發生變化。過去評價產品體驗，通常有一些指標，比如：完成一個任務需要多少步驟，完成一個任務需要多少時間，那如果未來使用軟體的主體變成 Agent，那我們要用什麼指標來評價軟體？可能還是會有任務完成時間，但未來可能還會加入新的指標，比如：任務完成成本、Token 消耗、整體效率，所以評價體系本身也會變化。另外我覺得未來 SaaS 還有一個重要變化，就是 Skill（能力模組）。很多傳統 SaaS 公司未來可能需要把原來的 API 能力重新封裝成 Skill，然後讓 Agent 去呼叫、編排這些能力。短期來看，這些 Skill 可能會形成一定的護城河，因為它們背後有資料和業務流程。但長期來看，這個優勢能持續多久，還不好說。所以整體來看，我覺得 SaaS 產品形態的變化主要體現在兩點：第一是 GUI 互動方式會變化。 第二是 Skill / Agent 編排能力會越來越重要。Daniel：我覺得這種變化其實是非常有可能發生的。過去很多 SaaS 產品看起來操作複雜，是因為軟體需要 把所有工作流顯式地展示出來，讓人去理解和操作這些流程。為什麼必須這樣？因為過去單純依靠自動化或者 RPA，其實很難處理複雜場景。軟體的靈活度和企業實際需求之間存在一個很大的 gap。但今天 AI Agent 的能力，已經可以在很大程度上 彌補這個 gap。這意味著很多原本需要使用者自己操作的流程，其實可以被封裝起來。未來的軟體形態可能會變成：使用者只需要提出目標或者任務，系統就會自動完成背後的流程和任務編排。所以很多複雜的工作流，未來可能會被 黑盒化或者高度產品化封裝。從 SaaS 廠商的角度來看，更重要的事情可能變成：找到自己的核心使用者找到最關鍵的業務場景然後圍繞這些場景去設計 Agent 和任務編排能力事實上，現在很多 AI 產品已經在往這個方向發展，比如Anthropic 的Claude。這些產品的進步不僅僅是模型能力的提升，還包括大量工程層面的最佳化和 Agent 化設計。所以某種程度上，大模型廠商和軟體廠商，其實都在朝著 Agent 化和任務編排的方向發展。談實踐與未來：一場戰略、產品、組織的全面轉型胡敏：潤總，你是一線創業者，最近在做什麼？和一年前相比，有那些變化？你帶團隊在 AI 方向上主要衝擊那些點？何潤：我覺得最關鍵的還是從自己開始體驗。一年前，我對 AI 的 adoption 並不深，但現在會更多去親自使用，嘗試讓自己和團隊更 AI native。剛開始可能會有焦慮，面對 AI native 產品會覺得壓力很大，但慢慢發現：真正的核心是讓組織本身能適應 AI，這是一個慢過程。在產品上，我們也做了一些調整：技術團隊逐漸拆分成更小的單元，讓鏈條更短、更高效，以前市場、售前、銷售、產品、前端、後端、測試形成的鏈條，現在能縮短一半，另外產品經理要更懂商業化，不只是設計功能，還要懂敘事、銷售、影響客戶使用，總的來看，重點是自己和團隊的效率提升，把技術和商業結合得更緊密。胡敏：Daniel你長期觀察國內外市場，你觀察到海外SaaS同行，他們如今在做什麼？Daniel：從我的視角看，海外 SaaS 市場大概分兩類，第一類是Pure AI Native 產品，這些公司和團隊從原有組織體系中分裂出來，嘗試用 AI 解決以前未被滿足的需求，產品理念和設計完全圍繞 AI native 思維，比較純粹；第二類是傳統 SaaS 廠商，這些廠商仍然依靠組織內部 adoption，需要在組織、人才、戰略、產品層面做深度調整，讓現有團隊慢慢適應 AI native 的思維和操作，總的來說，海外的 AI native 公司會比較激進，而傳統廠商需要更深的組織適配和轉型。胡敏：昊總您輔導那麼多SaaS公司，您看到過去半年 SaaS 創業者對 AI 的心態怎麼樣？他們正在做那些方面的事情？你給他們的建議，和半年前相比，最大的變化是什麼？吳昊：從我輔導的 SaaS 公司來看，許多技術團隊從 GPT-3.5 開始就熱烈擁抱 AI，2023 年上半年嘗試效果不明顯，但從下半年開始，內部效率提升非常明顯，大約 40%-50%，大家逐漸看到結果，內部使用 AI 成為必然趨勢。在產品創新上，也有一些重要變化，第一是，小團隊探索，以前前端、後端、產品經理等需要很多人才能做一個產品，現在探索階段，一個人就能做，甚至賣錢階段 1-2 人就可以運作，把公司 10%-15% 的資源用來做單人或兩人小團隊的規模化創新；第二，快速試錯與迭代，以前團隊做嘗試可能堅持半年甚至更久，現在小團隊嘗試 3 個月就評估，如果不行就棄牌，6 個月如果仍未達到預期，就果斷放棄第三是組織邏輯變化，內部投資和決策方式需要更靈活，創新嘗試規模化、快速驗證，而不是一次投入大量人力，這是抓住未來 10 年機會的關鍵方式總結來說，AI 對 SaaS 的衝擊不僅在產品，更在於團隊結構、組織決策和內部創新邏輯的全面轉型。總結胡敏：今天我們聊了很多 SaaS 在 AI 時代的變化。最後想做一個總結和展望。假設今天圓桌結束後，有一個朋友來問你：現在 SaaS 股票還能不能買？這是抄底機會，還是應該早點止損？請三位嘉賓用最直白的話回答一下，也順便對 SaaS 行業的未來做一個簡單展望。吳昊：這兩年我一直在思考一個問題：AI 到底會不會殺死 SaaS？我的階段性結論是：AI 不會殺死 SaaS。原因很簡單：ToB 的需求本身仍然存在，而且企業需求非常複雜，這些需求不會消失。從投資角度看，我的觀點是：單個 SaaS 公司風險很大，可能一個 AI 創業團隊就能顛覆它，也可能客戶需求模式發生變化。但從整個類股來看，SaaS 現在是明顯的超跌狀態。從長期看，這個行業仍然有很大的價值。Daniel：如果從投資角度來說，我覺得核心就是一句話：擁抱新世界。不要在舊的模式上糾結太多。未來三到五年，行業的機會一定更多來自AI native 產品，所以投資邏輯也要往新世界去看，而不是停留在過去的 SaaS 模式。何潤：我個人更傾向於把 SaaS 看作一種商業模式。國內 SaaS 和北美 SaaS，其實要分開看。北美 SaaS 公司的商業模式是跑通的，比如：很多公司 NDR（淨收入留存率）超過 100%，但國內 SaaS 的情況不一樣，NDR 能到 100% 的公司非常少，所以國內 SaaS 其實一直沒有真正跑通商業模式。如果說未來的發展，我覺得有兩點：第一，AI native SaaS 的增長依然很快，但它們的成本結構已經和傳統 SaaS 完全不同。第二，對很多傳統 SaaS 公司來說，必須“打碎再重建”。未來甚至可能不再叫 SaaS，公司本質上都會變成 AI 公司。至於現在是不是抄底國內 SaaS 的好機會，我不太好評價。但我覺得核心還是要看：公司是否在真正變成 AI native 組織；是否在探索人機協同的新軟體形態，因為未來的人機協同模式、軟體形態，都可能發生非常大的變化。看來大家雖然感受到了切膚之痛，但沒有任何人選擇躺平。非常感謝三位嘉賓今天極其坦誠和深度的分享。舊的 SaaS 範式正在瓦解，但屬於 AI Native 的黃金時代才剛剛拉開帷幕。今天的圓桌就到這裡，感謝各位聽眾的陪伴，我們下期再見！ (雷峰網)

OpenClaw現在最大的問題，是帳單太嚇人。(1)一個群裡電商老闆說：“太燒token了，我有點燒不起。”(2)另一個做教育的老闆更絕，他說一天消耗217刀，差不多1500人民幣。(3)這還不是最慘的。Reddit上有個老外想搞自動化SaaS。AI卡進死循環：讀檔案、改程式碼、調API、再讀檔案……72小時帳單 57.76美元，差不多400多元。(4)還有狠人，直接用頂級模型Opus 4.6跑。只問了15個問題，15美金(差不多 100 多塊沒了)。平均一個問題7塊錢。 這那是問AI?這是在吞金條。AI很猛，但帳單更猛有人算過一筆帳，越算越心驚：一個重度使用者，一個月 Token 消耗 1.8億。帳單接近：3600美元。但真正讓人害怕是死循環。無限讀取、無限呼叫、無限執行。有開發者反饋：一天就燒掉了200美元。很多人不是不用OpenClaw，是不敢一直開著，生怕半夜醒來，房子沒了。更尷尬的是：很多人連燒錢的機會都沒有你以為有錢就能玩?更尷尬的是：你連跑都跑不起來。甚至有騰訊工程師直接在大會現場擺攤，免費幫人裝OpenClaw。為什麼?因為太難了。很多人想試試AI Agent。結果第一步就卡住了：伺服器環境、依賴安裝、模型配置、API接入，折騰半天，任務還沒跑。折騰了三天三夜，任務還沒跑起來，人就沒耐心了。有人開始用“外掛”玩了!現在很多團隊已經算過一筆帳：如果一個AI Agent每天消耗500萬Token一個月就是：1.5億Token。成本可能接近：2萬人民幣。但最近，我發現一群聰明人換了個玩法。他們不自己部署了。直接用已經裝好的伺服器。伺服器一開，OpenClaw直接跑。更離譜的是：有些平台，居然還送Token。很多人一算帳：成本直接被打下來一大截。原來還能這麼玩?七牛雲的新玩法：開機即跑這群聰明人用的，就是七牛雲。最近有開發者在用的一種方案是：直接用已經預裝 OpenClaw 的伺服器。環境都配好了：Python環境、依賴庫、模型介面開機就能跑。比如七牛雲最近推出的AI Agent 部署方案。別人折騰幾天的環境，這裡幾分鐘搞定。但這還不是最關鍵的。最關鍵的是：它把Token成本，按在地上摩擦。Token快取，才是關鍵大家可能都知道，大模型API是輸入和輸出分開計費。在很多場景下(比如程式設計和Agent處理任務)，傳統呼叫大模型API：每次輸入請求都會重新計算Token，全量計費。比如一個任務：傳統：100 次 × 1000 Token = 10 萬 Token 計費，但有快取後，一切就變得不一樣了。快取命中後：1 次正常寫入 + 99 次 × 0.1 價格讀取，理論上約節省 90% 左右七牛雲快取：在一定時間內，你傳送請求中包含的靜態內容(比如大段的提示詞、文件，工具定義)，它直接呼叫“記憶”(並不是真的記憶，而是之前計算過的快取結果)，對於命中的部分直接跳過計算，可以大幅節省算力和時間，以 Claude 4.6 Sonnent為例，命中快取的輸入價格是未命中快取價格的1/10 !對於小龍蝦這種對上下文利用效率不高，經常反覆讀取上下文的Agent框架，在有快取的機制下，Token消耗通常能直接降低 70% 左右。別人燒錢跑一天，你在七牛雲上能跑上十天半個月。這一層最佳化，七牛雲直接在底層幫你做了。你不用懂程式碼，省錢是自動的。我用Claude 4.6 Sonnet實測下來，在OpenClaw場景的快取命中率差不多能在 60% -70% 左右。雖然第一次建快取會貴一點，但綜合算下來，整體相當於打了個6折。124 款頂級模型，一次性全部給你!這次七牛雲給OpenClaw 使用者準備了四樣東西：伺服器、Token、沙箱、拉新獎勵。① 66元一年伺服器：2核2G，20G系統盤、200M頻寬，關鍵是：已經預裝好 OpenClaw。而且新加坡 / 東京 / 香港 / 國內節點都能選。② 106元兩台伺服器：企業使用者可以再領200元無門檻券，可以直接用50元拿下一台2核4G的伺服器，疊加上面那個66元活動，可也就是說106元拿兩台伺服器。③ 500元Token券：七牛雲還送 500元 Token券，換算成七牛雲的Token資源包差不多相當於2.8億 MiniMax Token。基本夠公司跑一個月了。④ 168小時AI沙箱：你可以讓 OpenClaw 在裡面執行任務。比如自動寫程式碼、自動跑任務，那怕失控，也不會燒你電腦。⑤ 如果Token 還是喂不飽你的小龍蝦，七牛雲去年年底的拉新送百億Token的獎勵，還可以再給你續一波。如果你正準備折騰 AI Agent，這波其實挺香。寫在最後：說到底，OpenClaw的問題，不是技術。而是成本。如果每一次任務，帳單都在往上跳。很多人自然就不會玩了。但如果成本被打下來，AI Agent這種東西，可能真的會開始進入，普通開發者的工具箱。但前提只有一個，帳單得先降下來。 (盧鬆鬆)

這兩個月的矽谷 AI 圈，似乎是 Anthropic 這家公司的獨角戲。如果你之前沒怎麼關注他們，那你一定聽說過前陣子美股科技類股的慘案。就在不久前，他們隨便搞了幾個新動作，直接讓一眾老牌 SaaS 公司的股價集體閃崩，市值瞬間蒸發了幾千億美元。甚至有媒體直接說：SaaS 行業已死。原本以為這波收割完他們會消停一會。結果就在昨晚，Anthropic 又悄悄搞了個大新聞，一口氣發佈了 10 個王炸等級的企業級外掛。Claude Code 徹底改變了程式設計，現在Claude Cowork 要來接手剩下的企業了。那麼這 10 個新殺器到底能幹啥。01｜10 個企業級外掛齊發，打工人的飯碗保得住嗎？Anthropic 這次直接把矛頭對準了各大公司的核心業務部門，推出了一輪全新的企業級 AI 代理。這次配套發佈的 10 個深度定製外掛，直接覆蓋了人力資源、設計、工程、營運、財務分析、投資銀行、股票研究、私募股權和財富管理這些關鍵崗位，幾乎把腦力勞動者的活兒包圓了。拿金融圈來說，投資銀行和財務分析外掛能在幾分鐘內跑完研報、建好財務模型，甚至搞定可比公司分析。以前這可是華爾街初級分析師熬夜拿命換的活兒。在後台和產研部門，人力資源外掛包攬了從發 Offer 到做績效的全流程。工程和設計外掛則能自動寫復盤報告、跑程式碼測試甚至搭好使用者體驗框架。懂行的朋友一看就明白了，這干的都是曾經需要高薪聘請專業人士干的活兒。現在，你只需要給 Claude 開通權限。AI 編碼能力替代程式設計師已經是不爭的事實，這次就是程式設計師的命運在更多的崗位上上演。02｜回看瘋狂 2 月，巨頭暴跌背後的血色足跡看完這些外掛你可能覺得，不就是多幾個新功能嗎？但如果你看看資本市場的反應，就知道事情沒這麼簡單。這 10 個外掛只是 Anthropic 屠龍刀的最新一擊，而不是最後一刀。咱們來仔細盤一盤，今年 2 月資本市場上踩出的這一串血色足跡。2 月 4 日，Cowork 剛剛發佈，直接引發了華爾街口中的 SaaS 啟示錄。軟體巨頭 Atlassian 股價暴跌 35%，財務軟體巨頭 Intuit 暴跌 34%。僅僅這一周，整個 SaaS 行業就蒸發了 2850 億美元的市值。緊接著 2 月 5 日，代理團隊功能上線，引發整個軟體類股普跌。追蹤軟體股的 IGV ETF 基金狂跌 30%，直接創下了 2008 年金融危機以來最慘的季度表現。到了 2 月 20 日，Anthropic 掏出了程式碼安全工具 Code Security。這個工具能瞬間捕捉被人類忽視了數十年的程式碼漏洞。消息一出，網路安全三巨頭 CrowdStrike、Cloudflare 和 Okta 股價單日齊刷刷暴跌 8% 到 9%。最慘烈的神話破滅發生在 2 月 24 日。當天 Anthropic 發佈了極其高效的 COBOL 現代化工具。因為這個 AI 能直接取代龐大的外部諮詢師團隊，老大哥 IBM 遭遇了自 2000 年以來最慘烈的單日暴跌。一天狂跌 13%，整個 2 月的累計跌幅更是達到了驚人的 27%。03｜普通打工人，該怎麼保住飯碗？當連 IBM 和各大軟體巨頭都扛不住 AI 代理的正面硬剛時，咱們普通打工人賴以生存的技能壁壘正在快速消失。今年所謂的代理年算是徹底拉開大幕了。在這個 AI 開始自主幹活的時代，我們或許必須趕緊轉換思路。打不過就加入，我們要從一個親力親為的任務執行者，進化為懂得分派任務、把控質量的代理調度者。我們要學會如何用 Cowork 這樣的工具去組合這些外掛，讓 AI 幫我們打黑工，而不是死死抱著舊有的工作流不放。否則下一個被列入暗殺名單的，可能就不只是某家軟體公司的股票了。看完 Anthropic 近期的這波魔幻操作，你是覺得隱隱的焦慮，還是覺得終於能從雜活裡解脫了？你覺得自己的崗位多久之後會被 AI 代理接管？ (AI范兒)

資本市場是一個敘事的製造機。去年11月以來，美股對AI的質疑，從對CAPEX的緊張、對SaaS的，終於進化到了——對AI末日論的最終幻想。相信經過再度血洗的一夜後，很多人都看到了Citrini的那篇關於“2028年AI末日”的科幻文章。其中內容並不高明，但作為一種情緒催化，給緊繃的市場帶來了更多壓力。不過，儘管很多人並不完全認同它的結論，卻依然欣賞它的“問題意識”，認為它至少提出了一些值得嚴肅面對的問題。但我的觀點或許更激進一些：這些思考角度，甚至問題本身，可能都不成立。和AI一樣，人類基於未知和焦慮會產生很多“幻覺”，進而單薄地理解了過去，線性地預測了未來。我們從這篇文章開始。它實際上假設了一個過於靜態的宏觀世界：AI顯著提升了生產率，衝擊了舊有商業模式，但分配結構沒有重構，需求總量可能崩潰。在這個設定裡，世界只剩下一組決定性的“快與慢”：AI的性能是加速的，替代是加速的，而人類智力將迅速不再稀缺，因為AI將很快進展到可靠、直接完成目標。於是AI將顛覆既有的商業模式，而新的商業模式來不及創設，傑文斯悖論（替代發明反而會增加對該資源的需求）失效了。人類的企業組織按最高效運轉的原則，應對方式是直接而血腥的資本主義：裁員。高薪崗位被大量消滅。這一處理程序快到分配問題來不及得到解決：財富集中到大公司和極其有限的技術精英團體手中（財政甚至分不到一杯羹），這意味著總需求的劇烈收縮。注意力護城河不再：作為消費者的人類是高度理性的，他們只關注“質優價廉”，他們消費的痛點只是消費注意下的資訊不對稱，而AI替代了消費者進行高度理性的決策，品牌、入口等等一切依賴消費者心智模型的護城河不再了。（其實這個邏輯在之前豆包手機出來的時候已經被中國市場討論過，關於平台巨頭入口的護城河問題）。在這種推演下，結論當然會顯得順理成章：留給人類的時間不多了。但事實上，針對這些推演，我們可以找到以下的證據表明，其基礎可能都是不成立的：首先，那怕在快速的技術滲透下，傑文斯悖論也並未失效。舉個直觀的例子，在上一輪電子化浪潮中，零售業和金融業是受益於電子化最快、最深的行業：大量耗費人力的紙質流程都被系統、電子化代替、交易結算風控都效率都得到了極大的提升，理論上，這替代了巨大的後台基礎崗位。但從全行業來看，1980年代以來，零售和金融的從業人數並沒有見到明顯的下降。這和技術滲透的速度無關：關鍵是在效率提升的同時，行業選擇了做大規模，這一效應明顯強於對勞動力的擠出。第二，AI的替代在企業內部，更多體現為工作內容和流程的最佳化，而不是崗位的削減。很不幸，那怕在資本主義下，大多數人類企業也未必處處按照“利潤最大化”行動。相反，普遍的“委託-代理”問題帶來的現實是，企業內部往往分佈著各種謀求內部資源的權力結構，這些結構會成為企業削減崗位的重大阻礙。而歷史研究也表明，在經營壓力面前，“裁員”往往並非企業的第一選擇，更優先的是工作內容的調整，這體現為不同行業、國家中勞動力市場的彈性。第三，安全、法律和責任體系會顯著拖慢“全面替代”的速度。很多AI敘事默認：只要技術可行，商業很快就會快速採用。但那怕在純粹的業務層面，利潤最大化都不是唯一的答案，安全和法律問題是人類商業活動的關鍵部分（而不是輔助部分）。這使得AI在業務的嵌入或是直接不可行，或是面臨相當的論證成本，至少將有人的全程監督。這意味著，在接下來一段時間，我們將看到AI和既有的法律、商業規範、企業組織發生摩擦和衝突，但最終的結局大機率是適應和嵌入，而不是直接顛覆和替代。這類路徑我們並不陌生：號稱去中心化解決方案的區塊鏈，其對中心化金融的“顛覆”至今都沒有實現。相反，追求“合法化”的招安反倒成了幣圈的重大利多。第四，消費端更不能簡單根據“理性代理”推理，消費者的主體性來自形成決策的過程，在此，AI推薦可能未必勝得過演算法推薦。當前時代的商品的品牌和功能已經相當繁複，使用者在購買東西時，很少第一刻就明確地知道“我要買什麼”，在多數時候，人們只能在第一時間回答“我不想買什麼”。人在這一階段，需要廣泛的資訊以啟動靈感，需要比較和猶豫完成心理確認，甚至需要一輪輪的反覆篩選來完成“自我說服”。所以我們才會經常經歷那種典型的時刻：“比了一圈還是第一個好”。這不是因為人類算力不夠，而是因為消費本身並不是求最優解，更關鍵的是偏好、身份認同、情緒滿足等等。從這個角度看，AI可以強化推薦、縮短搜尋路徑、提升轉化率，但它很難徹底替代人類在消費中的主動收集資訊、主觀自我說服的過程，滿足後者的仍然是演算法推薦。甚至於，AI推薦可能被平台演算法廣告、投流機制明顯影響。那麼，平台與品牌的護城河並不會消失，只會換一種技術形式繼續存在。第五，財政不是旁觀者，財政收入能夠從AI浪潮中大幅獲益，而人類的分配製度也能靈活調整，至少保證總需求不崩塌。一個宏觀常識是，財政收入並不只來自勞動所得稅。隨著生產率提升和產業利潤集中，資本利得、企業利潤、商業流轉所形成的稅基完全可能擴張。只要名義經濟活動仍在，財政就很難“分不到一杯羹”，這提供了二次分配最重要的資源。而一旦分配矛盾上升為政治問題，現代國家幾乎不可能毫無反應。回顧歷史，不平等的擴大確實常常壓制增長質量，製造社會撕裂，但它幾乎從未以“總需求崩塌”的方式結束。更常見的路徑是：在壓力上升過程中，政治系統逐步（甚至被迫）啟動兜底機制——轉移支付、再分配、產業補貼、監管干預、勞工保護、稅制調整。儘管這未必意味著不平等程度會徹底扭轉，但至少意味著宏觀兜底：總需求不崩塌是全社會的共同利益。尤其是在強大的現代國家面前，我們或許見到的，更多是“潰而不崩”的停滯狀態。所以，與其沉浸在“2028末日倒計時”式的想像裡，我更想保留幾條樸素但重要的經驗判斷：零碎的微觀證據不能替代宏觀結論：我們見到很多微觀的故事在發生，比如某些企業被AI明顯賦能，某些企業在激進地裁員，但宏觀不是微觀的簡單疊加，關鍵是AI衝擊能否穿透制度與組織層層緩衝，最終演化為系統性塌縮”。到目前為止，這個證據仍然很弱：AI已經比2023年進步了相當多，但對勞動力市場的整體壓力仍然有限。那麼向未來看，我們是會見證一個奇點、從此往後衝擊突然放大，還是見證波瀾不驚的延續？我傾向於是後者。技術的末日論普遍來自於對人文缺乏信仰：技術精英很喜歡“末日論”，但實際上技術精英只是人類社會的一員，他們也需要和商業、金融、政治以及廣泛的消費者進行複雜的互動，這會控制技術的路徑、也抑制技術的副作用。相信人類文明的複雜性提供了充足的反饋機制和韌性：人類迄今的政治、法律、組織制度顯然不是吹彈可破的紙上文章，而是在複雜博弈下形成的歷史結果，其中固然有許多弊病，但仍然蘊含著相當的彈性：既劃定了邊界，又扮演了阻尼，也會基於既有的問題做出靈活的修正。我相信這些制度保證了人類文明的最終安全（儘管避免不了中間的衝突）。人的一切發明都服務於人，每一輪技術革命都帶來了人類的巨大發展，而不是消滅人類。如果要預期技術最終失控、人類社會最終被自己的發明所消滅，我覺得這個問題就無需辯論，這是最根本的大是大非都搞錯了。誠然，比起技術，制度、法律、組織、政治、文化都是慢變數，但正是後者決定了現實世界的將如何吸收技術衝擊，這也導致末日敘事經常在技術層面看似正確、在史實上卻反覆落空。所以，若你要問AI還會留給人類多少時間？我個人的答案是：比你想像得長。至少，足夠讓企業、制度和社會在衝突中適應，足夠讓分配機制在壓力下被迫調整，也足夠讓個體重新適應新技術的環境。我知道，每天睜開眼睛，就看到很多技術精英在鼓吹著超級個體、一人公司等等名詞，希望能夠借此甩下大部分人。但歷史的現實總是：技術進步不是零和博弈，它會將小部分人推向神壇，但最終也讓大部分人從中獲益。市場敘事只是敘事而已。當它退潮時，你自然會發現它的荒謬之處。要保持觀察和思考，但不必過度焦慮。 (虎嗅APP)

【新智元導讀】隨著AI即將抵達自我進化的AGI奇點和Agent氾濫的「AI繁榮」，一場更徹底的經濟危機已經在迅速醞釀中：AI能力提升 → 裁員增加、工資降級 → 消費疲弱 → 企業利潤被擠壓 → 企業購買更多AI能力 → AI能力繼續提升。所有平台層將被Agent徹底擊穿，而房貸和私募基金將成為危機的加速器。就在這兩天，由 CitriniResearch 執筆的文章《2028年全球智能危機》在美國投資者間引發病毒式傳播，閱讀一夜間已迅速達到千萬級！這篇文章通過推演，構想了兩年後Agent大規模普及，對人類社會與經濟結構的劇烈衝擊：在2028年，儘管人工智慧帶來的生產力提升超出預期，但由於其徹底顛覆了傳統白領就業市場，最終引發了「經濟瘟疫」。企業利潤與算力霸權大幅擴張，但普通家庭收入急劇收縮，導致核心消費動力衰竭，形成了僅有數字繁榮而缺乏廣泛收益的「幽靈GDP」。同時，隨著SaaS服務、中介行業及傳統金融支付模式因「交易摩擦消失」而面臨結構性崩塌，風險經由私募信貸市場蔓延至人壽保險與住房按揭領域，最終可能將全球經濟拖入系統性重定價的深淵。文章的核心邏輯鏈條是：第一輪負反饋發生在實體經濟：AI能力提升 → 裁員增加、工資降級 → 消費疲弱 → 企業利潤被擠壓 → 企業購買更多AI能力 → AI能力繼續提升。隨後它進入金融層面：收入降低開始侵蝕房貸 → 銀行損失、收緊信貸 → 財富效應破裂 → 反饋回路加速。而這兩條回路又被遲緩的政策響應進一步放大。市場對此推演迅速作出反應。截至昨日收盤，文中點名的多家上市公司股價普遍下跌。原文很長（https://www.citriniresearch.com/p/2028gic），以下是我們根據原文進行的凝練式改寫，儘可能在紛雜的文字中提取並顯露出其中的邏輯鏈條，同時儘量減少關鍵資訊的損失。接下來進入正文部分。Welcome to Cyberpunk 2028.智能過剩的後果2028年6月的一份宏觀備忘錄把「AI繁榮」翻譯成了另一種更接近真相的語言。美國失業率當日昇至10.2%，高出預期0.3個百分點；標普500自2026年10月高點回撤38%。更令人不安的並非資料本身，而是市場的反應方式：交易員幾乎沒有情緒波動，彷彿半年前足以觸發熔斷的衝擊，如今只剩一聲悶響。兩年前（2026年），華爾街還沉浸在另一幅圖景裡。2026年10月，標普一度逼近8000點，納指突破3萬點。第一波白領裁員在2026年初出現，邏輯看起來無可挑剔：人力成本下降，利潤率擴張，財報超預期，股價上行。企業利潤又被迅速回流到算力採購，形成一條看似正向的增長鏈。宏觀「抬頭資料」也配合表演。名義GDP多次報出中高個位數年化增速，生產率飆升，每小時真實產出增速被形容為「自上世紀50年代以來未見」。Agent不休息、不請假、也不需要醫保，人類勞動的單位成本在財務模型裡被一筆勾銷。算力的所有者財富暴漲，勞動者的實際工資增長卻斷崖式下滑。隨後，「幽靈GDP」成為流行語：產出寫進國民帳戶，卻不再穿過居民部門回到真實消費。經濟的癥結因此暴露得直白而殘酷。一座美國北達科他州的GPU叢集可以替代曼哈頓中城一萬名白領的產出，卻不會在周末買車、裝修、度假，也不會在餐廳點一杯酒。貨幣流通速度在這場效率革命中趨於停滯，以人為核心、曾佔GDP約7成的消費經濟開始枯萎。產出仍在，循環斷了。反身性回路，從軟體開始故事的起點往往不在宏觀，而在採購部門。2025年末，Agentic程式設計工具能力出現躍遷式進步，一個熟練開發者借助新工具，數周內就能復刻中端SaaS產品的核心功能。它未必完美，卻足以讓審閱50萬美元年續費合同的CIO問出那句致命問題：要不要自己做。企業年度預算多在2025年四季度鎖定，那時「Agentic AI」仍是熱詞。到了2026年年中復盤，採購團隊第一次用「看得見的能力」談判。有人甚至把OpenAI等公司的駐場工程師當作籌碼，逼供應商讓價，續約能拿到三折的折扣已被視為「體面結局」。長尾SaaS先倒下，市場原本以為系統底座足夠安全，直到2026年第三季度的ServiceNow給出警訊：新增合同額增速從23%放緩至14%，同時宣佈裁員15%，股價單日下跌18%。SaaS並未立刻死亡，自建仍有維護成本；變化發生在「自建成為可選項」，它進入了定價談判，也把差異化本身打成了消耗品。AI讓功能迭代變快，競爭變成價格戰；新玩家沒有歷史成本，搶份額更狠。更陰冷的一層在於「席位經濟」的機械性：客戶裁掉15%員工，就會取消15%許可證。AI幫客戶壓降人力支出，同時也在拆掉供應商的收入底座。傳統顛覆敘事裡，巨頭會抗拒新技術，緩慢敗退；2026年的巨頭幾乎沒有資格抗拒。股價下跌四到六成，董事會逼問答案，唯一能做的是裁員，把省下的錢投向AI，用更少的人維持產出。個體選擇都合理，合起來卻像把燃料潑向火場：每省下一美元人力，都會轉化為下一輪裁員可用的智能能力。軟體只是開場，反身性回路很快溢出到所有以白領成本為核心的行業。摩擦歸零，中介層塌方到2027年初，大模型使用變成默認設定，很多人甚至說不清「Agent」是什麼，卻在手機裡無感地讓它替自己做決策。開源Agent購物助手的出現更像一個導火索，幾周內主流助手紛紛接入Agentic電商。模型蒸餾讓Agent能在手機與電腦本地運行，推理成本下探到足以被忽略的水平。Agent們不再等待人類提問，而是按偏好在後台持續最佳化消費路徑。到2027年3月，美國「中位數個體」日均消耗40萬tokens，較2026年底增長十倍。隨後被拆解的是中介。過去半個世紀，許多商業帝國建立在人的侷限上：沒時間比價、懶得取消訂閱、默認續費、嫌麻煩就接受更差的價格。Agent把這一層「租金抽取」翻譯成演算法問題。被閒置數月仍自動續費的會員，被Agent視為可談判的「人質條款」；訂閱經濟賴以成立的LTV（使用者的生命周期價值）開始明顯下滑。旅行預訂平台率先受挫，因為場景最標準化。Agent可以更快更便宜地拼出完整行程，並把積分、預算、退款條件一起算進去。保險續保同樣遭到重寫，依靠投保人惰性賺取的15%到20%保費空間被每年自動比價的Agent拆掉。理財建議、報稅、常規法律服務等「替你穿越你嫌麻煩的複雜性」的行業，也在Agent眼裡失去了壁壘。就連以「關係」為護城河的房地產也開始鬆動。擁有MLS資料與多年成交記錄的Agent複製知識體系幾乎不費力，主要城市買方佣金從2.5%到3%壓縮到1%以下，越來越多交易在買方側不再需要人類經紀人。很多被稱作「關係」的東西，顯露出本質是一張張人的笑臉包裝起來的「交流摩擦」。「習慣性中介」也在此刻失去意義。DoorDash成為典型樣本，程式設計Agent把做配送App的門檻打穿，數十個競品湧現，以90%到95%的配送費讓利吸走騎手；多平台接單工具又把鎖定效應抹平。Agent一旦掌控交易入口，就會在不同平台與餐廳自營網站之間無差別比價，所謂「主屏上的默認App」對機器毫無作用，市場在一夜之間碎片化，利潤率幾近歸零。當交易由Agent驅動，下一顆被瞄準的釘子是手續費。機器對機器的支付裡，信用卡2%到3%的交換費率顯得過於刺眼。Agent開始偏向更快更便宜的結算路徑，穩定幣在Solana或以太坊二層網路上的近乎即時結算與極低手續費，成為自然選擇。2027年一季度，萬事達披露淨營收仍增6%，但交易量增速從上季5.9%放緩至3.4%，並點名「Agent驅動的價格最佳化」和「可選消費承壓」，股價次日下跌9%。依賴交換費與積分體系的發卡行與單一發行機構承壓更甚，美國運通同時遭遇白領客戶基礎縮水與手續費繞行的雙重擠壓。摩擦從資產負債表上消失時，很多護城河也隨之蒸發。白領失業的滯後衝擊把風險推向系統市場曾把這一切當作類股輪動。軟體與諮詢倒下，支付與「收費站」搖晃，宏觀似乎還能撐住。問題在於，美國是一座白領服務經濟體。白領約佔就業一半，驅動了約四分之三的可選消費。AI吞噬的並非邊角料，它直接啃向了消費信貸經濟的發動機。2026年10月的JOLTS資料曾給出警報，職位空缺跌破550萬，同比下降15%。招聘平台也顯示軟體、金融、諮詢崗位發佈量急跌。債市更早聞到寒意，10年期收益率從4.3%下行到3.2%。不過，失業率 headline 沒有立刻爆表，因為大量被替代者「降檔求生」，湧入服務業與零工經濟，工資被進一步壓平，硬資料因此滯後。滯後讓衝擊更深。高收入群體用儲蓄維持表面正常兩三個季度，行為拐點到來後消費驟降。美國前10%收入群體貢獻超過一半消費，前20%貢獻約65%。白領就業下降2%，就可能拖出3%到4%的可選消費下滑。到2027年二季度，美國進入衰退。第三季度，初請失業金人數飆升至48.7萬，為2020年4月以來最高，申領者多為白領專業人士，標普隨後一周再跌6%。這場衰退缺少傳統周期的自癒機制。企業把人力預算取代為AI預算，屬於營運開支內部的結構遷移，經濟總開支下降時，AI投入仍在倍增。需求下滑沒有顯著減慢智能供給的擴張速度，回路繼續滾動。私募信貸與房貸，成了加速器金融端的第一道裂縫出現在私募信貸。它從2015年的不足1兆美元膨脹到2026年的2.5兆美元以上，大量資金押注SaaS等資產的「經常性收入永續增長」。這些假設早在2026年軟體業震盪時就已破產，估值卻慢慢下調，公開市場可比已到50，私募帳面仍從100、92、85緩慢挪動。2027年4月，穆迪下調14家發行人合計180億美元的PE支援軟體債務評級，理由直指AI帶來的結構性收入逆風。違約在2027年三季度蔓延，Zendesk成為標誌性事件，50億美元直貸被標到58美分，市場開始追問還有那些「結構性逆風被包裝成周期波動」。「私募信貸有永久資本」曾被反覆用來安撫。現實更複雜。大型另類資管過去十年通過收購壽險公司，把年金存款變成融資機器，資金再回流到自己發起的私募信貸，保險端吃利差、資管端收管理費。前提是，資產必須足夠安全。當違約疊加監管收緊，保險監管部門開始調整風險資本計提，逼迫增資或賣資產；穆迪將Athene財務實力展望調為負面後，Apollo兩天跌去22%。更棘手的是離岸再保險與SPV架構的層層巢狀，損失究竟落到那張資產負債表，短期內很難說清。2027年11月的市場暴跌把風險從「可控回撤」推向「系統性疑雲」，聯準會內部把它描述為一串押注在白領生產率增長上的相關賭局。金融危機往往不是因為虧損發生，而是因為虧損被承認，帳本被迫寫實。更大的問題指向房貸。美國住宅按揭規模約13兆美元，承銷建立在「借款人會在貸款期內維持大致當前收入水平」的假設上，多數房貸期限長達30年。2028年6月，Zillow房價指數顯示舊金山同比下跌11%，西雅圖下跌9%，奧斯汀下跌8%；房利美提示科技與金融就業佔比超過40%的郵編區域出現較高早期逾期。相關借款人並非次級，信用分780以上、首付20%、收入核驗齊全。2008年的貸款從第一天起就壞了，2028年的貸款從第一天起是好的，只是世界在簽字後變了，人們借債時押注的未來開始變得不敢相信。更早的壓力在2027年就已浮現，房屋淨值貸款提用、養老金提前支取、信用卡負債上升，按揭卻仍按時支付。許多家庭能還款，代價是切掉可選消費、耗盡儲蓄、推遲維修。逾期率還未接近2008年的高度，發展軌跡卻足以令人不安。若房貸市場在下半年出現系統性裂痕，股票市場的回撤可能逼近全球金融危機時期的57%，標普或回到3500點附近。政策跟不上時間成了最無情的對手政府同樣被迫面對一套舊制度無法解釋的新現實。聯邦財政的收入基礎近似對「人類時間」徵稅，薪資稅與所得稅是支柱。到2028年一季度，聯邦收入比預算辦公室基線預測低12%。生產率飆升帶來的收益流向資本與算力，勞動收入佔GDP的比重在四年內從2024年的56%進一步下滑到46%，創紀錄式下墜。產出沒有消失，卻越來越少經過家庭部門再回到企業與稅務體系，經濟循環的閉環開始斷裂；支出卻在上升。自動穩定器為周期性失業設計，面對結構性替代顯得笨拙。政府需要在稅收減少的同時向家庭轉移更多資金，圍繞市政債、財政救助與算力稅的政治爭吵迅速沿黨派分裂。政策討論中出現了「轉型經濟法案」，計畫用赤字支出與推理算力稅為被替代者提供直接轉移；更激進的「共享AI繁榮法案」試圖讓公眾對智能基礎設施回報擁有某種索取權，以分紅形式反哺家庭。與此同時，反對聲浪高漲，「佔領矽谷」示威者曾連續三周封鎖Anthropic與OpenAI舊金山辦公室入口，媒體關注度一度超過失業資料本身。這場危機最核心的變數始終是速度。AI能力進化按季度加速，制度適應按議程表推進。公眾需要的是對未來的信心，政策提供的卻常常是對立與遲疑。回頭看，「全球智能危機」更像對一個長期被忽視的假設做了壓力測試：當智能從稀缺變成充沛，社會與金融體系會如何重估人的價值，如何重建消費與稅基，如何讓產出重新回到循環裡。重定價帶來劇痛，卻未必意味著崩塌，新的均衡仍可能出現，難點在於人類能否在時間面前學會更快地協商與重寫規則。 (新智元)

過去幾年，市場對 AI 的看法其實挺一致：AI 來了，效率上去，成本下來，利潤變多，股價自然就漲。這個邏輯幾乎沒什麼爭議。但到了 2026 年，情緒變了。頭部 SaaS 公司增速放緩，軟體類股集體承壓。市場開始意識到：AI 越強，可能意味著現有的商業壁壘會越快崩塌。Citrini 這份報告《2028全球智能危機》（THE 2028 GLOBAL INTELLIGENCE CRISIS）正是為了回應這種焦慮。報告聯合作者 Alap Shah 在採訪中強調，他們不是在預測未來，而是基於長期模型做了一次壓力測試：如果 AI 真的像大家期待的那樣持續變強，那些商業邏輯會最先行不通？那些行業會最先被波及？這份報告，就是拆解市場到底在怕什麼。第一節｜白領收入下滑，消費在萎縮危機從那裡開始？市場最怕的是什麼？Shah 在採訪中談得最多的，不是模型參數或技術突破，而是白領的工資在下滑和崗位在減少，而且幅度驚人。美國 IT 行業的就業人數，從 2022 年高點到 2026 年初，累計下降了 8%。這是過去十年都沒出現過的跌幅。這個行業，正是 AI 滲透最快的地方。Shah 直接指出：一個行業越容易把工作交給 AI，崗位減少就越明顯。而最容易被替代的，正是白領工作。資訊處理、資料分析、流程審批，這些過去需要高學歷、高收入人群完成的工作，現在 AI 都能做。白領崗位的減少為什麼重要？因為這群人是消費的主力。根據美國勞工部和公開財報最新資料，收入排在前 20%的群體，貢獻了全美約 65% 的消費支出。餐飲、旅遊、訂閱服務、家裝、電商，幾乎所有可選消費，都靠這群人在買單。在這個情景推演中，白領的收入一旦出問題，整條消費鏈的現金流就跟著出問題。報告推演了一個具體場景：5% 的白領失業，帶來的消費下跌可能遠超 5%。一個年薪 15 萬美元的產品經理失業後，不太可能直接退出勞動力市場。更可能的情況是，他會轉向零工經濟，開網約車、送外賣、接臨時項目。收入從 15 萬跌到 4 萬，降了 70% 以上。這意味著什麼？房貸、車貸、信用卡帳單可能都還不上。他除了停止消費，還要開始處理債務。這對消費的打擊，遠超失業人數本身。問題還不止於此。白領下沉到零工市場後，會增加這些崗位的勞動力供給，壓低原本在這些崗位工作的人的收入。供給增加，價格下跌，這是基本的市場規律。藍領工資被壓低，消費能力進一步收縮。一層壓一層，影響範圍會超出最初的失業群體。這和以往的技術變革完全不同。過去的新技術，比如電腦、網際網路，是幫人提高效率。一個會計用上 Excel，效率提升 10 倍，但他還是要理解業務、做判斷、和客戶溝通。工具變了，人的角色還在。但 AI 不一樣。它直接接管整個工作流程。客服系統可以完全不需要人工客服，文案、營運支援、項目匯報，這些曾經需要大量人力完成的任務，現在可以被 AI 全盤接管。Citrini 報告裡有個簡單的邏輯：如果你的工作主要靠電腦完成，AI 就能替代你。因為 AI 提升的正是電腦能做的事，電腦能做的越多，需要人做的就越少。市場擔心的，就是消費萎縮會比失業資料更早到來。在報告的推演中，那些還沒失業、但感受到裁員壓力的人，會主動削減開支、增加儲蓄。消費收縮的速度，快於失業資料的更新速度。這也是為什麼報告發佈後，資本市場會出現劇烈反應。投資者在重新評估一個可能性：AI 帶來的收入下行，會從局部行業擴散成整體經濟的結構性問題嗎？這是市場最先開始擔心的事：AI 提效的同時，白領收入正在以超出預想的幅度減少。第二節｜資訊差消失，中間環節在崩塌白領收入下行之後，消費開始收縮，企業的營收壓力隨之而來。但市場擔心的第二件事，觸及更本質的問題：很多看起來穩固的商業模式，其實建立在正在快速消失的“摩擦”上。什麼是摩擦？使用者懶得換 App，懶得比價，懶得算清楚到底那個更便宜，反正差不多就行。這種消費習慣，撐起了過去二十年裡很多公司的收入模型。報告認為，AI 智能體正在打破這一切。正如 Shah 在採訪中指出的：“AI 代替使用者做決策時，它不會有習慣，也不會嫌麻煩。它每次都會選最便宜、最快的那個選項。這個變化帶來的衝擊，遠比表面看起來嚴重。”那些依賴抽成、廣告競價、搜尋排序、會員鎖定的商業設計，在 AI 面前會直接失效。比如某外賣平台，過去能從每筆訂單裡抽走 15% 的佣金。這筆錢，一部分來自使用者的惰性（懶得打開五個 App 比價），另一部分來自商家的無奈（因為流量被平台壟斷）。當 AI 智能體代替使用者下單時，情況變了。它會以毫秒級的速度同時查詢 DoorDash、Uber Eats、餐廳官網以及二十個新冒出來的小平台，然後永遠選擇收費最低、配送最快的那一個。平台的抽成可能瞬間從 15% 被壓到 7%。使用者不再被鎖定在某個App裡，不僅平台喪失了議價權，更關鍵的是，新競爭者的門檻也在急劇降低。Shah 提到，一些創業團隊用 AI 程式設計工具，幾周就能做出一個功能完整的外賣或預訂 App。過去需要 200 人團隊、18 個月才能上線的東西，現在可能是 3 個人和一個月。DoorDash 過去的護城河，建立在三件同樣困難的事情上：拿下騎手、拿下餐廳、拿下使用者。現在 Gemini 和 ChatGPT 替你把使用者獲取解決了，創業者只需要搞定供應端就行。進入門檻直接降了一半。在這個情景推演中，新平台開始大量湧現。十幾個新對手冒出來，都以更低的抽成搶份額。DoorDash 原本拿走的那 15%，一部分被新平台拿走，一部分流回到消費者和騎手手裡。外賣如此，其他靠資訊差賺錢的行業也一樣。報告認為，支付行業正在被穩定幣衝擊。AI 智能體發現，通過 Solana 或以太坊 Layer 2 網路結算，每筆交易只需要幾美分，遠低於信用卡 2% 到 3% 的交換費。於是它開始繞開傳統支付網路。保險續約的玩法也會改變。那些靠投保人懶得比價、每年自動續費賺取的 15% 到 20% 溢價，會被 AI 智能體每年重新比價一遍，自動切換到更便宜的保險公司。旅遊預訂、酒店比價、理財顧問，只要是靠幫使用者省麻煩、賺資訊差的生意，都在面臨同樣的壓力。這些行業的共同特點是：它們的護城河，都建在使用者的摩擦成本上。但 AI 把摩擦成本降到了接近於零。投資者開始緊張的原因在於，消費者可能暫時還感覺不到變化，但企業的利潤模型已經在承壓。當所有價格都被 AI 推向透明時，企業會突然意識到，過去賺的那部分錢，來源是資訊差，產品能力的貢獻很有限。報告發佈後，外賣、支付、廣告、訂閱類公司的股價普遍下跌，背後的邏輯就在這裡：那些建在使用者習慣和資訊差上的收入，可能會比預想的更快消失。依靠流量壁壘、使用者鎖定、習慣養成的打法，會越來越行不通。AI 不會因為品牌大就多付錢，它只看那個選項在當下最優。但很多公司的估值，還是按照這些摩擦會一直存在來計算的。第三節｜企業降本，需求在萎縮商業摩擦消失後，企業的營收增速開始放緩。通常情況下，公司會做兩件事來應對：降本、提效。但報告的推演顯示，降本提效反而加速了問題惡化。報告設想了這樣一個場景：ServiceNow。這家全球 SaaS 公司在 2026 年三季度財報中宣佈，年度合同額增速從 23% 降到 14%，同時裁員 15%。股價當日暴跌 18%。表面上看，這是標準的成本最佳化。營收增速放緩，公司削減開支保護利潤率，這在任何經濟周期裡都很常見。但 Shah 看到的是：這些人被裁掉，是因為 AI 已經能接管他們相當一部分的工作。公司裁員後省下來的錢，去了那裡？過去可能是分紅、回購、或者投資新業務。按照報告的邏輯，這筆錢的主要去向會是 AI 工具和算力。企業面對競爭壓力越大，就越會把省下來的錢投到 AI 上。這形成了一個不斷加速的循環：AI 幫企業提效，企業壓縮崗位省下成本，把成本投入更多 AI 能力，AI 能力提升後進一步替代崗位，企業繼續壓縮人員。每一家企業都覺得自己在做正確的事。營收增速在下滑，成本壓力在上升，用 AI 降本是理性選擇。但當所有企業都這樣做時，整體結果就會出問題。企業省下的成本，原本是要發給員工的工資。工資減少，消費就會減少。消費減少，企業的營收壓力會進一步加大。營收壓力加大，企業會更依賴 AI 來削減成本。這個循環一旦啟動，就停不下來。ServiceNow 的案例讓市場警覺，是因為它揭示了一個致命矛盾：它賣的是按席位收費的企業軟體。當客戶公司裁員 15%，他們就會註銷掉 15% 的席位授權。那些幫客戶提升效率、推動客戶裁員的 AI 工具，正在摧毀自己的收入基礎。這家賣“流程自動化”的公司，正在被更強的“流程自動化”顛覆。它的應對方式是裁員、降本、把省下的錢投入 AI。它別無選擇，坐等被淘汰顯然不是選項。單個企業的絕對理性，最終匯聚成了整個經濟體的非理性結果更隱蔽的變化發生在招聘市場。按照報告的推演，到 2026 年 10 月，JOLTS 資料顯示職位空缺已降至 550 萬以下，同比下降 15%。下降最明顯的是軟體、金融、諮詢這些白領崗位。報告認為，很多企業正在採用一種更隱蔽的模式：崗位凍結，但不裁人。 業務還在增長，但新增的任務全交給 AI，不再招任何新人。這種做法看似溫和，實則影響深遠。裁員會立刻反映在失業率裡引發政策干預，但“崗位凍結”不會。它像溫水煮青蛙一樣，讓勞動力市場慢慢失去造血能力。在這個推演情景中，新增崗位減少意味著對未來收入增長的預期降低了。應屆畢業生找不到工作，在職員工看不到晉陞機會，消費意願會提前收縮。即便是那些當下財務狀況良好的公司，股價也會下跌。原因很簡單：如果所有企業都在用 AI 替代人工來保護利潤率，那麼三年後，誰來買他們的產品？企業沒有其他選擇。面對營收壓力時，唯一的應對方式就是繼續降本，而降本的最有效手段就是用 AI 替代人工。每一輪最佳化，都在削弱下一輪的消費能力。市場擔心的第三件事是：企業的自救行為，正在演變成一場集體的自我傷害。第四節｜政策工具失靈，時間差在拉大企業自救形成負循環後，按理說政府應該介入。經濟下行時，聯準會降息、財政刺激、擴大就業，這套組合拳過去總能托住局面。但報告的推演顯示，傳統的經濟工具對 AI 造成的壓力可能不管用。降息能讓企業拿到更便宜的資金，但企業會怎麼用這些錢？他們會買更多 AI 算力，而不是招更多人。AI 替代崗位的根本原因，是 AI 比人工便宜，跟貸款利率關係不大。所以，Shah 認為：白領崗位減少這件事，貨幣政策很難改變。那財政政策呢？這裡的問題更複雜。現代國家的財政收入，主要建立在對人類勞動的徵稅上。個人所得稅、工資稅、社保繳費，這些構成了政府收入的主體。你掙得越多，交的稅越多；企業雇的人越多，繳納的社保醫保就越多。但 AI 替代的，正是工資高、納稅多的那群人。如果大量白領收入從年薪 15 萬跌到 4 萬，或者直接失業，帶來的不只是消費萎縮。政府的稅收收入會同步下降，失業救濟、醫療補助、社會福利的支出會上升。按照報告的推演，在 2028 年的情景中，勞動力在 GDP 中的佔比會從 2024 年的 56% 跌到 46%。這意味著四年內下跌 10 個百分點，而從 1974 年到 2024 年的五十年間，這個數字也只下降了 8 個百分點。產出還在增長，但收益流向了資本和算力，不再流向勞動力。錢不再經由家庭流回企業，也不再經過稅務系統。這就是財政困境：政府需要在稅收減少的時候，向家庭轉移更多的錢。Citrini 在報告中提出，可能需要對 AI 帶來的新增收益徵稅。但具體怎麼征？這是個棘手的問題：是對算力徵稅？是對 AI 模型的使用徵稅？還是對那些用 AI 大規模替代人工的企業徵稅？報告設想了一些可能的政策方案。比如“經濟轉型法案”，通過AI算力稅為失業人員提供直接轉移支付。還有更激進的“AI共享繁榮法案”，對AI基礎設施的收益建立公共主張，類似主權財富基金的模式，以分紅形式資助家庭。但這些方案目前都還在討論階段，而且分歧很大。有人擔心對算力徵稅會影響技術競爭力，有人擔心這會被大公司操控，還有人指向財政赤字問題。爭論還在繼續，但經濟結構的變化不會等政策討論結束。與此同時，AI 的收益正在快速向少數人集中。報告指出，贏家集中在幾個領域：：半導體、能源、資料中心、算力基礎設施。這些行業的利潤和估值在快速膨脹，OpenAI、Anthropic 等 AI 公司的創始人和早期投資者，幾年內積累的財富超過傳統行業幾十年。與之對應的，白領崗位在萎縮，服務業在承壓，中介行業收入在下降。當經濟增長過度集中在少數行業和少數人手裡時，社會的不平等會加速擴大，進一步壓縮需求。在這個推演情景中，公眾對 AI 公司的不滿情緒正在上升。但這不會讓 AI 公司放慢腳步。模型公司有動力往前衝，同時會刻意迴避經濟後果的討論。模型必須迭代，工具必須上線，競爭絕不能輸。主動探討負面影響，會損害他們的聲譽和融資能力。那麼，問題在於：誰來討論？誰來制定規則？誰來決定如何分配 AI 帶來的收益？現實是，制定規則的機構，反應速度遠遠跟不上技術迭代的節奏。政策討論以月和年為單位，AI 能力的提升以周為單位。這就形成了一個危險的時間差：當一邊在加速，一邊在延遲時，風險會持續累積。這是市場擔心的第四件事：政策以年計，AI 以周進，經濟等不起。結語｜舊邏輯還能撐多久按照 Citrini 與 Alap Shah 的分析，當前社會中的很多行業建立在三個假設上：白領收入會持續增長，摩擦成本會長期存在，企業降本不會影響整體需求。如果這個推演成真，AI 將逐一擊穿這些假設。依賴白領消費的行業，天花板會下移。靠資訊差賺錢的模式，議價權會消失。企業的降本提效，會匯聚成整體的需求萎縮。傳統的政策工具，對這種結構性變化效果有限。市場現在怕的，是那些支撐了過去二三十年增長的商業邏輯，還能撐多久。這不只是一次壓力測試，更是一次對未來的預演。 (AI 深度研究員)