2026 年，SaaS 已死，成了科技圈最流行的訃告。
邏輯聽起來無懈可擊：既然 AI 智能體可以在幾分鐘內生成軟體，企業為什麼還要為一套按席位收費的標準化軟體付錢？
既然 Agent 會取代大量白領崗位，那按「人頭」定價的商業模式，豈不是就把SaaS公司的商業模式直接連根拔起？
但事情似乎沒有這麼簡單。
最近《No Priors》播客連續採訪了兩家「被判了死刑」的公司高管——SAP 的 CTO Philipp Herzig 和 ServiceNow 的董事長兼 CEO Bill McDermott。這兩家公司，一個是 1972 年成立、擁有 40 萬企業客戶的「企業作業系統」，另一個是滾動營收超 130 億美元、仍以每年約 20% 增速狂奔的工作流平台。
兩人從不同角度給了一個同樣的結論：ai確實會給軟體生意帶來翻天覆地的變化，但是自己生意的護城河根本不是軟體，而是業務場景與資料。
但是，真正值得玩味的是——兩份答卷的辯護策略完全不同。ServiceNow在算經濟帳，SAP 在講工程帳。
他們是如何給自己辯護的呢？
一、先看清楚：末日論到底在說什麼？
「SaaS 末日論」的核心論點有二：
第一條是技術替代論：大語言模型讓軟體生成的邊際成本趨近於零，企業可以用 AI「自研」替代採購。軟體從稀缺品變成大宗商品，標準軟體失去存在的理由。
第二條是商業模式坍塌論：SaaS 按席位（Seat-based）收費。如果 AI 智能體大規模替代人力，那麼員工的席位數會萎縮，SaaS的商業模式就成了無源之水，無土之木。
二、ServiceNow 的答卷：一筆 10 倍的經濟帳
McDermott 是銷售出身的 CEO（16 歲盤下熟食店、21 歲在施樂面試現場逼著高管當場發 offer的魅力型、業務型科技領袖），他的辯護方式非常「銷售」——直接算帳。
他的核心論點：如果企業放棄 ServiceNow 這類成熟平台，轉而用語言模型「自研」去復現平台上那怕一個簡單的基礎應用，綜合成本將是直接使用平台的 10 倍。
這 10 倍從那來？他拆了三塊：
1. 組織轉型成本
——企業得把研發人力從核心業務裡抽出來養一支軟體團隊，這是機會成本；
2. 算力成本
——底層 GPU 基礎設施的建構費用和持續的 Token 消耗；
3. 數十年業務上下文的缺失
——LLM 沒有你公司過去幾十年沉澱的流程資料和業務語境。
他認為，自研便宜這個觀點，才是真正的幻覺。
這件事在歷史上曾經發生過無數次。在早年大型機年代，每個公司都編寫自己的財務軟體系統，但是成本太高，因此SAP才誕生，作為標準化的軟體大幅降低了財務應用的成本，讓更多企業用上了財務軟體。
除此之外，McDermott 還有一句更狠的話：
「商業領袖可以容忍員工a犯錯，但絕對不會原諒軟體系統犯錯。」
LLM 本質上是非確定性的（Not deterministic）。這在寫周報、做 PPT 的場景裡無傷大雅，但在跑財務結帳、發工資、管供應鏈的場景裡是致命缺陷。
ServiceNow 平台上同時運行著超過 850 億個工作流，年交易量 7 兆次——這種量級的系統，容錯率是零。
ServiceNow 的戰略卡位：AI 控制塔。
ServiceNow 選擇不去在模型能力層面競爭，而是做企業的「AI 控制塔（AI Control Tower）」——底層對接超大規模雲廠商、各家 LLM 和智能體，自己佔據業務中樞神經的位置。為此 McDermott 打了一套極快的併購組合拳，並聲稱在 20 天內完成了核心工程整合：
- Armis
把監控觸角從 IT 延伸到 OT（營運技術）——製造裝置、醫療裝置、銀行關鍵基礎設施這些 AI 容易忽視的「影子 IT」；
- Moveworks
作為企業內部智能體的「前門」；
- Vizia
統一管理人類與非人類（數字身份）的身份體系。
配套的還有「零複製架構（Zero-Copy Architecture）」——直接對接客戶的資料湖和雲基礎設施，資料不搬家、不遷移就能完成流式交易。這一手直接化解了企業最大的顧慮：資料主權。
三、SAP 的答卷：承認舊軟體已死，但「重寫」輪不到別人
如果說 McDermott 的答卷是 CEO 式的（算帳、卡位、講故事），Herzig 的答卷就是 CTO 式的——他把「為什麼 AI 吃不掉 SAP」拆成了一個個具體的工程問題。
他的開場白甚至比末日論者更激進：
「設計需要人類坐在電腦前、通過點選 UI 來教他們如何完成任務的『啞巴軟體』的時代，已經結束了。」
翻譯一下：SaaS 作為一種軟體形態，確實死了。但重寫這套系統的，是我們自己。
Herzig 把這次變革類比為當年 On-Premise 向雲的遷移，認為 AI 正在三個層面重構企業軟體：
UI 層 —— 生成式 UI。 軟體從「人作業系統」變成「系統主動找人」。他舉的例子很具體：系統在夜間自動跑完分析，清晨主動向員工推送警報——比如荷姆茲海峽局勢或新關稅影響了供應鏈物流，系統直接附上重新規劃建議。
流程層 —— 從 SaaS 到「成果即服務」（Outcome as a Service）。 傳統的訂單到現金（Order-to-Cash）、採購到付款（Source-to-Pay）是僵化的 SOP。
在智能體時代，智能體可以實現無縫融合結構化與非結構化資料和工作流，能直接交付業務成果（以此為依據收費）而不是交付軟體使用權。
資料層 —— 知識圖譜作為語義粘合劑。
AI 的強大取決於資料。SAP 手裡握著全球企業最核心的總帳、發票、庫存資料，正在用 SAP Knowledge Graph 把自然語言和結構化資料焊在一起。
資料管理在生產級環境中的難度是超越一般人想像的。
他舉例子說到：
兩年前，任何人都能在 10 個文件上用 RAG 做出讓 CEO 震驚的 Demo。但企業級應用面對的是 100 個、1000 個乃至更多文件的工程挑戰。
比方說，SAP 的 AI 助手 Jewel 面對同一個差旅政策問題，必鬚根據提問員工所在的國家、稅制、薪酬體系，深度連接底層主資料（Master Data），給出完全不同且合規的答案。
再比如，MCP 協議連 10 個 API 很簡單，連 100 個就會遭遇上下文膨脹（Context Bloat）——而 SAP 有超過 20,000 個 API，橫跨財務、HR、供應鏈。高效組織這些API的難度是極高的。
除此之外，還有資料安全紅線。他提到不久前開源 LLM 路由框架暴露安全漏洞、導緻密鑰憑證可能被竊取的事件——「企業不可能直接從 GitHub 部署未經審計的 AI 工具」，這在 CISO 眼裡沒有商量餘地。
這些例子和觀點，構成了對「末日論第一條」最有力的反駁：AI 降低的是寫程式碼的成本，但沒有降低「在兩萬個 API、上百個國家的合規體系之上交付確定性成果」的成本。後者才是企業軟體的定價依據。
除了資料和工作流護城河之外，
Herzig 的答卷裡還有一張技術底牌，值得單獨拿出來講。
他認為，LLM 極其擅長非結構化世界——文字、圖像、方案。
但企業最核心的決策（需求預測、製造計畫、現金流預測）依賴的是表格化資料（Tabular Data），涉及的是分類、回歸和時間序列問題。
LLM 逐個 Token 生成的序列機制，天生不適合幹這個活。
他舉了一個精彩的例子：某製藥公司要在 90 個國家做付款延遲預測，每個國家需要分類和回歸兩個模型——總共 180 個模型，每一個都需要昂貴的資料科學家做特徵工程來喂養和維護。
SAP 的解法是：自己訓練大模型RPT1（Relational Pre-trained Transformers，關係型預訓練 Transformer）。
基於 Transformer 架構但採用不同設計，只需少量上下文和資料，就能在分類、回歸、時間序列預測上達到很高的精準度。
這步棋的戰略含義是：在 LLM 覆蓋不到的結構化資料領域，SAP 想用自己的預訓練模型建立「預測的平民化」，讓商業預測不再依賴資料科學家軍團和傳統大模型能力。
如果這條路走通，它就不是「被 AI 吃掉的 SaaS」，而是拿著別人沒有的資料、訓練別人訓練不了的大模型公司。
四、真正的軟肋：兩家公司都答不利索的那道題
技術辯護到此為止，都很紮實。但末日論的第二條——商業模式坍塌論——兩位高管的回答就開始閃爍了。
席位制的悖論：
一個尷尬的事實：McDermott 一邊預測未來幾年將有 22 億個 AI 智能體進入全球勞動力市場、智能體數量最終遠超人類員工，一邊預測五年後企業的淨新增員工數大幅減少、財務和 HR 部門招聘數千人的模式將不復存在。
這意味著CEO自己明牌了：他不看好自己當前的商業模式，自己公司的未來寄託於一條關於agent的逃生通道。
Herzig 在這個問題更加坦誠。他直言：
目前 SAP 的大部分軟體仍是按席位授權，只有 Concur、Fieldglass 和商業網路等少數例外。
AI 的引入必然推動收費走向消耗制（Consumptive），乃至更激進的成果制（Outcome-based，行業先鋒如 Sierra 已在實踐）。
當下只能採用混合模式（Hybrid Model）—— 因為企業客戶既害怕純消耗制帶來的成本暴增，又對 AI 成果沒有 100% 的信任，他們要的是成本的「可預測性」。
這裡有個微妙的雙向博弈：客戶對「可預測性」的需求，暫時保護了舊定價模型；但同一份需求，也在拖慢 SaaS 公司轉向新商業模式的速度。
轉型太快，收入確認方式劇變、華爾街憂慮。
轉型太慢，容易被原生 Outcome-based 的挑戰者（Sierra 們）從邊緣切入。
這是一場時間窗口的賽跑。
五、把兩份答卷疊在一起看
疊加一下，我們可以提煉出一個共同的底層邏輯：
「SaaS 已死」這句話裡，死的是 S（Software 的舊形態），活的是 aaS（as a Service 的商業本質）。
從大型機到客戶端/伺服器，到網際網路、移動、雲。雖然軟體形態換了五代，但客戶買的東西從來沒變過——業務成果和 ROI。
Herzig 說 2026 年的市場存在「AI 創新賽」與「AI 成果賽」的巨大鴻溝，SaaS 巨頭們賭的就是自己在後一場比賽裡的先發位置：資料在我手裡、流程在我手裡、確定性在我手裡。
但這個賭注要成立，有一個前提被兩位高管都輕輕帶過了：他們必須在舊收入模型枯竭之前，完成向新收入模型的換血。
結語：作為觀察者（或投資者），比起站隊「SaaS 已死」或「SaaS 永生」，更有用的是盯住幾個可證偽的訊號：
1. 定價遷移速度
SAP 和 ServiceNow 財報中消耗制/成果制收入的佔比變化——這是商業模式轉型速度的直接進度條。
2. 智能體滲透率與席位數的剪刀差
如果客戶的智能體用量暴漲而席位數開始淨流失，混合模式的緩衝期就進入了倒計時。
3. 結構化資料護城河的成色
RPT1 這類關係型預訓練模型能否形成真實的商業化收入，還是停留在 NeurIPS 論文和發佈會——這決定了 SAP 是「擁有獨家彈藥的軍火商」還是「講了個好故事的老牌廠商」。
除此之外，也不能看SaaS，模型能力的進化水平更加值得關注。當模型智能水平增加速度放緩，甚至停止時，我們能更加清楚的看到，模型能力的邊界 —— 那些SaaS公司依舊是模型無法侵蝕的，甚至是模型賺錢而不得不依賴的。 (集葉堂)