Related articles
文 | 航通社，作者 | 书航
进入 2 月，全球软件股遭遇一次似曾相识的抛售。
2 月 4 日，汤森路透创下史上最大单日跌幅 15.8%，LegalZoom 暴跌近 20%，RELX 下跌 14%，FactSet 下跌 10.5%，Salesforce 和 Workday 也出现明显下跌。标普 500 软件与服务指数连续五个交易日下跌近 13%，较 10 月高点跌去 26%。有交易员将此称为"SaaSpocalypse"——SaaS 的末日。
起因是 1 月 13 日，Anthropic 推出了 Claude Cowork，这是把交互不友好的 Claude Code 的主要能力，向非技术用户下放的通用 AI 智能体 （Agent），可以读取、编辑和创建用户电脑上的文件。1 月 30 日，Anthropic 为 Cowork 推出了 11 个开源插件，涵盖法律、金融、销售、市场营销等垂直领域。
一个超级简单的结论就产生了：如果 Claude Cowork 的用户能用自然语言下令，获得和购买使用超高价企业软件同等水平的结果，那么软件巨头们的专业知识，垂类经验等建基于 SaaS 商业模式上的积累，是否都打了水漂？
为什么说是似曾相识呢？因为一年前，DeepSeek 带来的市场恐慌步调与之几乎是一个模子刻出来的，都是先发了产品一个多星期以后，再被资本市场充分认知，从而一夜之间引发踩踏。
2025 年 1 月 20 日，DeepSeek 发布了推理模型 R1，声称其训练成本仅为 560 万美元，却在多项基准测试中达到甚至超越了 OpenAI 的 o1 模型。一周后的 1 月 27 日，英伟达股价暴跌 17%，单日市值蒸发近 5890 亿美元，创下美国股市历史上单家公司单日最大市值损失纪录。纳斯达克指数下跌 3.1%，标普 500 下跌 1.5%。博通跌 17%，阿斯麦跌 7%。
DeepSeek 被投资者简化为一个超级简单的逻辑：如果中国公司能用更便宜的旧芯片、更少的资源制造出同等水平的 AI 模型，那么美国科技巨头们数百亿美元的 AI 基建投资，是否都打了水漂？
所以现在是时候来比较一下两次非常相似，但也有很大不同的市场恐慌。
Cowork 恐慌可能比 DeepSeek 恐慌更为持久
作为当时通过航通社 「每日 AIGC 早报」 不断追踪事件动态的社长，清晰记得 DeepSeek 在 2024 年底就已经获得了 AI 专业人士的广泛关注，甚至社长自己都写了一篇 《为什么说 DeepSeek 是 2025 年的 Kimi》。（这个标题在 DS 冲击之后就显得十分滑稽了……）
此事传导到资本市场的链条有几个关键的中转节点：安德鲁·卡帕西等人的持续安利，1 月 24 日 CNBC 半个小时的特别节目，都被很多人引用作为解读的来源。
Cowork 的影响从 AI 圈传达到金融圈的节点，则是沃顿商学院教授 Ethan Mollick 的 「全自动尽职调查」 演示，以及人们把这件事和红杉资本一年前的 「Service-as-Software」 备忘录联系在一起。
两次恐慌的相似之处还有不少，比如都有分析师认为市场反应过度。Anthropic CEO 阿莫戴伊去年 1 月 29 日称 DeepSeek 之后的市场反应 「令人费解」。上次被舆论赶着发言的黄仁勋这次也主动评论，针对软件股的抛售是 「世界上最不合逻辑的事情」。
但社长认为，除去相似之处外，这次的 Cowork 恐慌可能比 DeepSeek 恐慌更为持久。
DeepSeek 恐慌的来源是一家中国开源模型公司，而 Cowork 恐慌的来源是美国闭源模型公司。前者是用更低的成本复现已有成果，后者是做出一个此前未有的成果或者用例。简单说，挑战分别是 「从 1 到 n」 和 「从 0 到 1」。虽然做得好都可以冲击，但相对 「从 1 到 n」 来说，「从 0 到 1」 的迷思想要证实或者证伪，都需要更长的时间和更多的案例。
加之这两次冲击实在是过于相似，人们很难不在第一时间比较它们。当人们发现，比较完了其实也不能放心，还不能说是虚惊一场的时候，恐慌就更显著和漫长了。
事实上，Cowork 恐慌已经比 DeepSeek 恐慌更为持久了。
DeepSeek 恐慌在一天内基本消化，英伟达次日就反弹了 9%。到 2025 年 10 月，英伟达短暂突破了 5 万亿美元市值。而 Cowork 恐慌触发的软件股抛售蔓延了整整一周，从华尔街扩散到伦敦、东京、印度的 IT 服务股，且在随后发布 Opus 4.6 模型后进一步加剧。截至发稿，也没有缓解的迹象。
杰文斯悖论在软件 SaaS 领域失效了
DeepSeek 恐慌后，杰文斯悖论 （Jevons Paradox） 一度成为科技圈的热门话题。微软 CEO 纳德拉是最早促进这个词流行起来的人之一。他说：「随着 AI 变得更高效和更易获取，我们将看到其使用量飙升。」
杰文斯悖论的原始含义是：当一种资源的使用效率提高时，其总消耗量反而增加，因为更低的单位成本刺激了更大的需求。这个理论适用于 AI 模型和算力，因为更便宜的模型确实带来了更多的使用。它甚至适用于 Cowork，因为更简单的交互降低了使用门槛，带来了更多的使用。
但它并不能直接推导出传统 SaaS 软件公司会因此受益，事实上，情况可能恰恰相反。
第一，软件的定价模型先天脆弱。 传统软件有按用量计费和按人头计费两种主流模式。席位制是一种买断制，一个人本月支付费用以后，想怎么用就怎么用。当 AI 驱动的效率提升，导致企业裁员或缩编时——不论裁员是否真的由 AI 直接造成——席位数量会下降，按人头计费的收入随之减少。
SaaS 不得不纷纷取消买断制，向用量计费过渡。
PricingSaaS 500 指数跟踪 1800 多个价格变动。它指出，2025 年排名前 500 的 SaaS 公司，每家公司平均每年发生 3.6 次定价变动。在 PricingSaaS 追踪的 500 家公司中，79 家现在提供基于点数的定价，也就是按用量计费，同比增长 126%。Figma、HubSpot、Salesforce、Monday、Airtable 都在 2025 年采用了点数制度。
Salesforce 是吃了苦头才明白这一点的，他们以每段对话 2 美元的价格推出了 Agentforce，支持团队计算了 5 个智能体每月实际成本是 2 万+美元，几个月内不得不转用点数计费。越是撑不住算力成本的公司，计费尺度越小：N8N 按每次运行工作流收费，50 步与 2 步相同价格。但是 Zapier 按任务收费，每一步都计费一次。
最终结果，采用基础月费+超额买点卡的混合模式，效果最佳。此类产品报告最高中位增长率为 21%，表现优于纯订阅和纯基于使用量的产品。46% 的 SaaS 公司结合订阅与可变收费，59% 的人预计基于使用量的定价将在 2026 年实现收入份额增长，高于 2023 年的 18%。
第二，传统软件加入 AI 后涨价的逻辑遭到强烈抵制。CNBC 报道，部分管理团队拒绝为数千名员工支付每月 30 美元的 365 Copilot 费用，因为他们不确定它有多大帮助。去年 10 月，澳大利亚监管机构起诉微软 「强制捆绑 AI」 及隐藏低价方案，诱导订户认为涨价 45% 的 AI 版是唯一续费选择，将不带 Copilot 的低价 「经典版」 刻意隐藏在取消订阅的二级页面。微软最终在去年 12 月宣布，将从今年 7 月起对全线商业套件每人每月涨价 3 美元，并强制加入初级 AI 功能，引发客户不满。
第三，传统软件公司的 AI 转型往往笨拙而低效。 许多传统软件巨头试图在现有产品中嵌入 AI，但本质上他们并不明白 AI 如何与其积累的数据集协同作用。结果往往是功能越堆越多，也没人用。与此同时，一大批在传统软件所涉及的领域、从头开始做原生 AI 智能体的初创公司正在获得大量融资。
例如，法律 AI 领域的 Harvey 在 2025 年两次融资各 3 亿美元，估值达 50 亿美元；企业搜索 AI 公司 Glean 估值达 72.5 亿美元。据 Menlo Ventures，2025 年 AI 应用层占据了超过一半的企业 AI 支出 （190 亿美元），其中 AI 原生初创公司的收入几乎是传统软件厂商的两倍。AI 原生初创公司的中位年增长率达到 100%，而传统 SaaS 公司仅为 23%——差距达 4.3 倍。
企业自建工具及其它
另一个对传统软件构成威胁的趋势是 Vibe Coding 的兴起。社长曾在航通社的文章 《用 AI 一句话生成应用：理想丰满，现实依然骨感》 中指出，如果 Vibe Coding 走向成熟，个人将倾向于自己制作工具而不是购买第三方工具。这一逻辑同样适用于企业。
企业客户购买 SaaS 产品后，很可能会长期沿用，而不会盲目追新，这可能是因为定制过程过于繁琐。如果 Vibe Coding 让 「言出法随」 成为现实，情况可能完全不同。事实上，当新事物足够简单、部署成本足够低时，企业的适应速度并不慢。
社交网络普及后，很多企业的官网立刻减少了更新频率；Threads 上线后，企业迅速将其添加到了继 X/Twitter 之后的社交媒体运营列表。甚至 2025 年初企业纷纷给自己接入 DeepSeek 本身，也是一个例子——只要门槛够低，企业会主动拥抱变化。
即使在 Vibe Coding 的实际应用还没有诞生时，其前辈低代码/无代码产品就已经试图让企业员工个人编程，解决产线上的实际问题。只不过，基于规则和高度依赖平台运行时环境的低代码系统，是 AI 模型能力进化的第一个牺牲品，例如去年 2 月宣布做不下去的澜码科技就是一个例子。
对于被 AI 冲击的传统软件和服务公司而言，存在一个可辨识的 「三步走向灭亡」 模式。我们以 Chegg 举例说明一下。
第一步：否认 AI 有效。 2022 年，Chegg 员工提议开发 AI 工具来自动化解答，但管理层未采纳。ChatGPT 发布后，Chegg 高管认为 AI"答案不准确"，不构成威胁。
第二步：宣布接入 AI 或转型 AI，但效果不佳。Chegg 随后与 OpenAI 合作推出了"CheggMate"，试图将其 1.2 亿条专家解答数据库与 AI 结合。然而学生不愿为此付费——ChatGPT 已经"够用"了，而且免费。
第三步：走向灭亡。 Chegg 的订阅用户从 2022 年高峰的 530 万骤降至 2025 年的 320 万。股价从 2021 年的高点 113 美元跌去 99%，市值从 147 亿美元萎缩至约 1.56 亿美元。2025 年，公司先后裁员 22% 和 45%，超过半数员工在六个月内被裁。
现在，对于传统法律科技公司、金融数据公司、甚至咨询公司，Cowork 恐慌暂时还处于第一阶段，甚至是有很多 「大儒代为辩经」，说 AI 幻觉难以完全消除，不堪一用。
但企业对软件的需求，在于其工作当中的某些流程需要无纸化、信息化。而原先从员工需要学习适应，到软件公司驻场开发，都属于别人去模拟和倾听你的需求，不可能像你自己一样清楚你想要什么，大量的成本被浪费在沟通上面。
所以企业员工真正知道写个小东西就能解决问题，即使这东西没有任何大模型成分，它只是个 python 脚本也行——这可能是 SaaS 真正崩溃的开始。
估计今后，传统软件业的最大价值仍在于客户千奇百怪的非标需求，做通用 AI 产品不想干的，客户自己 Vibe 不出来的脏活累活。但这种在 2023 年就被说成是 「大模型施工队」 的活计，肯定不是什么性感的商业模式。
而模型方面，还是需要加大力度卷编程能力，直到幻觉堡垒被逐一攻破，到达那个就算还有一丢丢不对劲，但人们不在意的临界点。然后 Less structure, more intelligence，大力飞砖，卷走一切。
