Related articles
自从 ChatGPT 问世的那天起，SaaS 行业已死的声音就充斥在软件行业内部。年初，Anthropic 在其智能体平台 Claude Cowork 上发布了面向企业法务的自动化插件，这一举动导致了当时美股 SaaS 公司的股票几乎全线崩盘。
但 SaaS 行业并不是被 AI“ 杀死”，而更像是在 AI 加持下，重获新生。那次暴跌，表面上是 Anthropic 的一个插件戳破了 SaaS 高毛利的泡沫，但本质上，它是人类社会在技术代际更替时的本能阵痛。软件的形态会变，但人类利用工具解决问题的需求永远不会消失。
从“ 订阅服务” 到“ 交付结果”
传统的“ 软件即服务” 模式，其线性流程、订阅制收费与固化的产品逻辑，在 AI 的“ 涌现” 能力面前，显得日益局促。尤其在财务这一高度专业化、强合规、重流程的领域，变革的压力与机遇尤为显著。
当我们把时间拨回生成式 AI 问世之前，SaaS 行业的核心价值在于“ 标准化工具输出”，通过将传统线下流程线上化、标准化，解决企业效率低下、管理混乱等痛点，本质上是“ 线下流程的线上复刻”。
以财务 SaaS 为例，早期的财务软件、报销系统，核心功能集中在单据录入、流程审批、报表生成等基础环节，虽然实现了财务工作的线上化，但其底层逻辑依然是“ 流程驱动”，用户必须按照预设的固定流程操作，软件仅承担“ 流程载体” 的角色，无法主动识别需求、优化决策，更无法实现财务工作的价值升级。
商业模式上，SaaS 行业的基石是订阅制。企业为客户提供标准化的软件工具，按年或按月收取许可费用。这种模式的核心是“ 卖工具”，即客户购买的是软件的使用权，至于工具用得好不好、产生了多少价值，与厂商的收入并无直接关联。然而，在 AI 时代，这一逻辑正在被彻底颠覆。
传统软件收费对标的是“ 软件” 本身，客户会将其与同类软件进行价格比较。马春荃坦言，一开始，合思以传统的软件模式推销其 AI 审核功能时，遇到了巨大阻力。因为客户仍在用“ 软件” 的尺子丈量 AI 的价值，陷入性价比的泥潭。但当他们将定价逻辑切换为“ 按替代人工带来的效率提升和审核准确率收费” 时，局面豁然开朗。
而这也引发了马春荃的自我思考，他与笔者分享了那段思路历程，“ 瓦特发明蒸汽机不按煤收费，我们也不按 Token 收费，那是‘ 卖煤’ 的逻辑。我们按‘ 马力’ 收费。”
而这种思考也意味着，AI SaaS 厂商的价值锚点，从客户对算力资源的“ 消耗”，转移到了 AI 所创造的“ 产出”（替代的人力、提升的准确率、规避的风险）。这一定价范式的转换，使得客户更容易衡量投资回报率 （ROI），也将厂商的利益与客户的业务成功深度捆绑。
AI 重塑 SaaS 价值边界
生成式 AI 的出现，不仅仅是改变了 SaaS 持续多年的商业模式，AI 技术的出现，还彻底打破了传统 SaaS 行业的发展瓶颈，推动 SaaS 行业从“ 流程驱动” 向“ 价值驱动” 转型，这种转型并非简单的“AI+SaaS” 叠加，而是底层逻辑的重构。对此，合思 CEO 马春荃强调：“AI 对 SaaS 的影响，不是在原有软件上增加一个 AI 插件，而是从产品设计、技术研发、商业模式到组织架构的全方位重构，是‘AI 原生’ 的变革。我们不再是用 AI 改造产品，而是用 AI 构建产品。” 这种“AI 原生” 的变革，正在从三个维度重塑 SaaS 行业的价值边界。
其一，技术层面，AI 重构 SaaS 产品的核心能力，从“ 工具属性” 向“ 智能属性” 升级。传统财务 SaaS 产品的核心是“ 流程固化”，通过预设的代码逻辑，实现财务流程的线上流转，其核心竞争力在于流程的完整性和稳定性。而 AI 原生的财务 SaaS 产品，核心能力在于“ 智能推理”，通过大模型技术，实现对财务数据的自动识别、分析、推理和决策，打破了传统流程的刚性约束。
马春荃明确指出，合思公司正从“ 卖工具的 SaaS 公司” 进化为“ 提供 AI 员工的 RaaS（Robot as a Service） 服务商”。这一转变的核心理念是 “By AI, For AI, Of Finance” ，其中“By AI” 即利用 AI 生成代码，重构产品底层逻辑，不再依赖人工编码；“For AI” 即优化数据环境，为 AI 提供标准化、高质量的数据底座，让 AI 能够高效理解财务场景的隐性规则；“Of Finance” 即确保 AI Agent 归属于财务部门，遵循财务合规与风控要求，避免 AI 陷入“ 为个体便利而突破规则” 的误区。
其二，商业模式层面，AI 推动 SaaS 行业从“ 订阅收费” 向“ 价值收费” 转型。长期以来，SaaS 行业的主流商业模式是“ 订阅制”，即企业按照使用时长、用户数量等维度支付订阅费用，这种模式的核心痛点在于“ 价值与价格脱节”—— 企业支付的费用仅对应“ 工具使用权限”，而非工具带来的实际价值，导致很多企业虽然购买了 SaaS 产品，但因使用效率不高、价值感知不强，出现续费率偏低的问题。艾瑞咨询数据显示，2024 年中国财务 SaaS 行业的平均续费率为 68%，其中中小微企业的续费率不足 50%，核心原因就是“ 价值感知不足”。
AI 技术的落地，为 SaaS 行业的商业模式变革提供了可能。马春荃告诉笔者，合思已经彻底放弃了传统的订阅制模式，转向“ 按结果付费” 的商业模式“ 用户不再支付固定的订阅费用，而是按照 AI 提供的实际价值付费，” 马春荃如是说。
例如“ 审核一单付费 10 元”“ 优化一笔成本节省付费比例” 等。这种模式的核心逻辑，是将 SaaS 产品的价值与客户的实际收益绑定，让客户能够清晰感知到 AI 带来的价值。马春荃分享了一个典型案例：某客户原本对合思的产品持怀疑态度，采用“ 按结果付费” 模式后，由于 AI 审核效率提升、风控能力增强，客户的财务成本降低了 30%，最终客户的充值额较传统订阅模式翻了 5 倍，且续购意愿极强。
这种商业模式的变革，正在重塑 SaaS 行业的竞争逻辑。未来，SaaS 企业的核心竞争力不再是“ 产品功能的完整性”，而是“ 价值输出的能力”。
与此同时，面对“ 软件行业已经灭亡” 的提问，马春荃部分认同该观点，他指出，未来的软件形态将发生巨变，核心价值将从代码本身，转向其承载的数据、算法与持续的服务能力。软件可能变得“ 日抛型” 或成为一种隐形的“ 数字基建”，而显性的价值则由其上运行的 AI 员工来创造。
这预示着 SaaS 公司的终极形态，可能不再是软件公司，而是 AI 服务公司。马春荃将之比作从“ 卖炊具” 到“ 卖厨子” 的转变。客户不再需要关心“ 锅碗瓢盆”（软件） 如何制造，只需“ 雇佣厨子”（AI 员工） 来做出“ 美味菜肴”（完成工作）。基于此，马春荃将合思的自身定位升级为“AI 驱动的财务收支管理与服务伙伴”，强调“ 伙伴” 关系，意味着双方必须从冰冷的甲乙方，转变为共同训练、管理和优化 AI 员工的协同作战关系。
其三，服务逻辑层面，AI 推动 SaaS 行业从“ 被动响应” 向“ 主动服务” 转型。传统 SaaS 行业的服务模式是“ 被动响应式”，即客户遇到问题后，主动联系 SaaS 企业的客服人员，客服人员再根据问题进行解答或优化，这种服务模式的效率低下，且无法提前预判客户的需求。而 AI 时代的 SaaS 服务，通过 AI Agent 的自主学习和推理能力，能够主动识别客户的需求，提前提供解决方案，实现“ 主动服务”。
值得注意的是，AI 对 SaaS 行业的破壁，并非一蹴而就的过程，而是一个“ 循序渐进、逐步渗透” 的过程。对此，马春荃坦言，合思的转型并非预设好的“ 一刀切”，而是在实践中不断试错、不断优化的结果—— 最开始，合思只是想改造产品，但后来发现仅改产品无法解决问题，必须重构商业模式和组织生产关系；在转型过程中，也曾遇到“ 新旧引擎切换” 的风险，即旧的订阅模式现金流减少，而新的“ 按结果付费” 模式尚未形成规模，一度面临“ 损益崩盘” 的风险。但正是这种持续试错、持续迭代的态度，让合思在 AI 原生转型中找到了正确的方向，也为整个 SaaS 行业提供了宝贵的实践经验。
仍面临挑战
虽然 AI 为 SaaS 行业带来了巨大的发展机遇，但在实际转型过程中，尤其是财务 SaaS 细分赛道，依然面临着诸多痛点和挑战。财务工作的核心属性是“ 合规性”“ 准确性”“ 保密性”，这与 AI 技术的“ 不确定性”“ 数据依赖性” 存在天然的矛盾；另一方面，传统 SaaS 企业的组织惯性、客户的思维惯性，也成为 AI 原生转型的重要阻碍。
具体来看，财务领域面临的首要挑战与其他行业应用 AI 面临的挑战“ 如出一辙”，那就是数据。AI 技术的高效运行，依赖于高质量、标准化的数据底座，而财务数据的“ 碎片化”“ 非标准化”“ 私密性”，成为制约 AI 在财务 SaaS 领域落地的核心瓶颈。对此，马春荃指出：“ 数据治理是 AI 落地的最大障碍之一，我们不试图在脏数据上直接跑 AI，而是通过‘ 收敛’ 数据环境，为 AI 提供干净、标准化的数据。”
具体来看，财务数据的治理困境主要体现在三个方面：一是数据碎片化，企业的财务数据分散在不同的系统中，如报销系统、核算系统、税务系统等，不同系统的数据格式不统一、口径不一致，导致 AI 无法高效整合和分析；二是非标准化，不同企业的财务流程、核算标准、风控规则存在差异，甚至同一企业的不同部门，财务数据的录入规范也不统一，导致 AI 难以识别和理解；三是数据私密性，财务数据涉及企业的核心商业机密，如营收数据、成本数据、税务数据等，企业对数据安全的要求极高，而 AI 技术的训练和运行，需要大量的财务数据作为支撑，这就形成了“ 数据需求” 与“ 数据安全” 的矛盾。
针对这一痛点，合思的转型路径值得借鉴—— 通过“ 数据收敛+隐性规则萃取” 的方式，破解数据治理困境。一方面，合思通过技术手段，对企业的非结构化数据 （如发票、录音、合同等） 进行标准化处理，对复杂的嵌套数据进行扁平化处理，适应 AI 的注意力机制；另一方面，通过“ 深度现场部” 深入客户现场，挖掘客户财务工作中的隐性规则，将这些未写在纸面上的规则转化为 AI 可理解的语言，填补“ 合规与合格” 之间的鸿沟。
马春荃举例说明：“ 证监会的财报审核逻辑、国资委的穿透式监管要求，这些隐性规则不会上网，大模型也无法直接获取，只有深入客户现场，才能将这些规则萃取出来，让 AI 能够适配专业场景的需求。”
此外，为了确保数据安全，合思采用了“ 通用大模型+加强版小模型” 的混合架构，针对大型企业提供私有化部署方案，使用国产大模型，确保数据不出域，既满足合规要求，又通过算法调优保证准确率。这种“ 数据治理+安全保障” 的双重路径，为 AI 在财务 SaaS 领域的落地奠定了基础。
除了数据层面的阻碍之外，“ 人类思维惯性” 也是阻碍 AI 在财务领域落地的一大掣肘。无论是 SaaS 企业内部，还是客户层面，都存在严重的思维惯性，这种惯性成为 AI 原生转型的重要阻碍。马春荃坦言，转型过程中最大的挑战之一，就是“ 思维的惯性”—— 包括企业内部的思维惯性和客户的思维惯性。
从企业内部来看，传统 SaaS 企业的组织架构、工作流程、考核机制，都是围绕“ 流程驱动” 的产品设计的，员工已经习惯了“ 按流程做事”，对 AI 原生的“ 模型驱动”“ 价值驱动” 逻辑难以适应。
例如，传统的产品经理习惯于“ 需求调研-功能设计-代码开发-测试上线” 的流程，而 AI 原生的产品设计，需要产品经理具备“AI 思维”，能够将业务需求转化为 AI 可执行的 Skills，而非传统的写代码；传统的销售团队习惯于“ 卖工具、讲功能”，而 AI 时代的销售，需要“ 卖价值、讲结果”，这对销售团队的专业能力提出了更高的要求。马春荃提到，合思为了打破内部的思维惯性，组建了独立于组织之外的“ 小组”，负责将业务需求转化为 AI 可执行的 Skills，同时重构了内部的工作流和考核机制，推动员工从“ 流程思维” 向“AI 思维” 转型。
从客户层面来看，客户的思维惯性主要体现在“ 价格对标” 和“ 需求固化” 两个方面。马春荃分享了一个典型案例：某客户在对接合思的 AI 产品时，始终用传统财务软件的价格来对标，认为合思的产品价格过高，即使合思的 AI 产品能够为其节省大量的人力成本，客户依然难以接受。后来，合思改变了报价逻辑，不再与传统软件对标，而是与人类员工的价值对标——AI 审核一单的成本远低于人工审核，且效率更高、准确率更高，客户瞬间接受了报价，甚至愿意支付更高的费用。马春荃表示：“ 客户的思维惯性，本质上是对 AI 价值的不理解，我们需要做的，是引导客户从‘ 软件思维’ 转向‘AI 思维’，让客户明白，他们购买的不是工具，而是 AI 员工创造的价值。”
此外，客户的需求固化也成为转型的阻碍。很多客户依然习惯于“ 按流程操作”，对 AI 的“ 自主决策”“ 主动服务” 能力存在疑虑，担心 AI 会出现错误、突破合规边界。针对这一问题，合思采用“ 渐进式落地” 的方式，先从简单的重复性工作 （如单据录入、基础审核） 入手，让客户逐步体验 AI 带来的效率提升，再逐步拓展到复杂的决策支撑、风控管理等环节；同时，通过“ 审计留痕”“ 推理日志” 等功能，让 AI 的决策过程可追溯、可验证，消除客户的疑虑。
对于 SaaS 行业而言，AI 不仅是技术升级的工具，更是价值重构的核心引擎，它打破了传统 SaaS 的流程束缚，重构了商业模式和服务逻辑，拓展了行业的价值边界。
当 AI 不再仅是卖工具，而是要让用户能看见价值。从“ 卖软件” 到“ 卖结果”，背后的逻辑其实很朴素—— 客户从来不需要一堆功能列表，他们要的就是问题被解决、成本降下来、风险被管住。
（文｜Leo 张 ToB 杂谈，作者｜张申宇，编辑丨杨林）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
