作者：于米，编辑：何玥阳

AI Agent的风有多大？

2024年年底，微软CEO纳德拉直接作出了这样的预言：“软件即服务（SaaS）应用将会在AI Agent的时代崩塌。”

要知道，微软可是全球SaaS巨头之一，因此这番话可以说是对AI Agent潜力最具分量的背书，或许没有之一。

不过，在眼下这个时间节点，我们真的已经能看到AI Agent浪潮涌来，要将SaaS“拍死在沙滩上”了吗？

只能说，这个问题的答案，现在还远远称不上清晰。

一、3000亿美元规模背后的裂痕

和今天的AI Agent一样，SaaS曾经也是创投圈的“宠儿”。

SaaS是一种云计算模式，用户无需在本地安装软件，而是采用订阅制，通过web端连接软件服务，将更新和维护都交给了供应商。

不但Salesforce、Shopify这样以SaaS为安身立命之本的明星公司涌现，微软、Adobe这样的科技巨头也进行了转型，将SaaS作为其核心战略的一部分。

根据Statista的数据，2015年至今，SaaS市场规模逐年攀升，从314亿美元飙升至2025年的预计3000亿美元，发展势头迅猛。

Salesforce作为这个行业的代表，市值最高超过3400亿美元。

然而，这样的风光背后，SaaS也存在一些始终未被有效解决，甚至越来越成为桎梏的痛点。

如今，SaaS俨然已经成为了红海行业。全球范围内SaaS厂商已经超过了3万家（2023年数据），其中的中国厂商也达到了4500家（2021年数据）。

要在这样的竞争格局中杀出重围，SaaS厂商不得不在推广和销售渠道上加码。信通院发布的《中国企业级 SaaS 产业发展研究报告（2024）》就提到，中国SaaS厂商销售费用率和研发费用占比超过了一半。

近年来，金蝶、北森、聚水潭等多家国内SaaS厂商的销售费用率（销售及推广费用占营收比重）也都在40%以上，微盟的销售费用率甚至超过70%。

销售和市场成本的居高不下，意味着毛利很大程度上会被高获客成本所吞噬，甚至出现“赔本赚吆喝”的情况。

与此同时，传统SaaS已发展得相当成熟。在底层技术和常用功能上，各家产品大同小异，真正能让人眼前一亮的突破变得越来越少。

选哪家都一样，结果就是“换哪家都可以”，如果用户在初期感到使用不顺，就很可能会转投别家，用户留存率不高。

又因为用户往往更在意定价是否便宜，供应商很难有主动做定制化的动力，SaaS产品难以与用户的需求进行深度适配，削弱了用户黏性。

挖不来新用户，留不住旧用户，形成了恶性循环。

除了这些商业模式上的瓶颈，传统SaaS产品也存在着“先天不足”。其中最容易被感知的，就是功能的单一和数据的不互通。

为了满足各方面的需求（销售、财务、客服......），企业可能不得不同时订阅多份SaaS产品。但因为各家数据都被困在各自的服务器“孤岛”上，用户被迫在SaaS间来回切换，体验割裂，效率也不高。

这有点像是组建了一支缺乏配合的队伍，纵使单兵能力都不弱，但整体战力却不会太强。

会让用户对SaaS产生顾虑的，还有数据安全问题。选择了SaaS，也就选择了将数据交由SaaS厂商通过云端来管理和维护，厂商的安全能力和合规性变得至关重要。

正是因为这些痛点的存在，虽然SaaS在过去取得了巨大的商业成功，却也给新技术大显身手、重塑牌局留下了可乘之机——比如AI Agent。

二、AI Agent：变革者来了？

关于AI Agent，一个简单的定义可以是：能自主感知环境、进行决策并采取行动以达成特定目标的人工智能系统。

作为一个近期爆火的热词，“AI Agent”概念本身却不是什么新生事物。有人认为，相关的思想在上世纪中叶的研究中就可以找到蛛丝马迹。

但引爆新一波讨论和研究AI Agent热度的，无疑是以ChatGPT为代表的一系列大语言模型（LLM）。

2025-08-07，基于GPT-4的AutoGPT上线，人们惊奇地发现，AI Agent似乎终于有了一个落地的方式。

搭配上多模态能力和逐步分析问题的思维链（CoT），AI Agent不但有了一颗善于琢磨的大脑，也有了视觉、听觉等“知觉”，AI的“思考”方式从未如此逼近人类。

在某些场景下用AI代替人类完成工作，有了触手可及的可操作性。

那么，具体到SaaS的业务场景，以自动化和智能化为最大卖点的AI Agent，有希望成为那个秒杀现有痛点的变革者吗？

至少在某些方面，AI Agent“看上去很美”。

理论上，在AI Agent的加持下，定制化的问题可以得到很大的改善。SaaS产品通常需要用户主动适应相应的操作流程，AI Agent的上手门槛则要低上许多，可以根据用户的需求自动创建工作流程。

传统的SaaS产品需要提供一个包含了按钮和菜单的在内的图形化界面，而AI Agent的前端可以简单到只有对话界面，这也给个性化的视觉设计留足了空间。

甚至，如果开发者愿意开放权限，AI Agent还可以“猜你喜欢”，根据用户的偏好自动对UI和调用的功能进行重构。

要联合不同的SaaS解决涉及到多场景的复杂问题时，以往体验可能会在反复的切换中被切得稀碎，但有了AI Agent，用户只需要交代清楚想要的结果，大部分中间过程可以由AI代劳，中间过程的烦恼可以抛在脑后。

要做到这些，可能只需要你像平时和Siri 小爱同学说话一样，用自然语言直接给出指令。

也正是因为AI Agent能够“自主思考”，又跨模块获取和分析数据的潜力，与SaaS这样相对死板的“牛马”相比，它甚至有可能在你没有“吩咐”的情况下，主动给你提供业务建议，完成从工具到助手的进化。

打个比方，在传统的SaaS模式下，使用ERP（企业资源规划）系统时，用户需要手动录入采购计划、库存数据、生产排期、财务核算等信息。这不仅需要大量人工操作，还需要用户熟悉各个功能模块的使用逻辑和流程。

要通过AI Agent达成同样的效果，你可能只需要告诉AI，“我们需要将产品A的产量提升20%，请做好相应调整。”

接下来，AI Agent便会自动分析现有库存、原材料供应情况、生产能力和成本，然后制定采购计划、调整生产排期、预估资金需求并生成财务影响报告。它甚至能主动预警可能的供应链风险，并提出备选方案。

用户体验如果能好成这样，用户留存自然也就不再会是SaaS供应商的“绊脚石”。

三、AI Agent与SaaS的未来：融合还是颠覆？

AI Agent对SaaS的影响已经初见端倪，国外的Salesforce、微软，国内的用友、微盟等，都在推出自己的AI Agent解决方案。

目前，AI Agent更像是被“集成”到了SaaS应用中，在某些节点负责规划和决策，两者的未来格局可能有两种趋势。

一是SaaS继续存在，但与AI Agent深度融合，通过后者“重塑肉身”。根据需要，AI Agent会被嵌入到一些业务环节中，解决某些特定的需求，SaaS则会接受AI Agent的调用，成为一种类似API的基础工具。

在这种思路下，SaaS尽管从台前退居幕后，但也不会被彻底“击碎”。AI Agent将对SaaS起到整合作用，两者不会是“你死我活”的取代关系，而是处于共生状态。

Salesforce的CEO马克·贝尼奥夫就是这一路线的支持者，他坚信AI Agent无法孤立地发挥其最大效能，仍需要可靠的数据基础和完善的应用（即SaaS）支持。

他认为，AI Agent的出现正推动SaaS向一个更高级的形态——服务即软件（SaSo）进化。

第二种趋势则存在于更激进的想象中——既然SaaS某种程度上可以简化理解为“数据库+业务逻辑”，是处于业务和数据之间的中间层，那为什么不干脆让AI Agent直接与数据库“对话”，将逻辑接管过来呢？

纳德拉的设想显然更接近于后一种，但我们现在已经看到黎明的曙光了吗？

起码现在，AI Agent要想真正颠覆SaaS，眼前依然有诸多障碍。

首先，AI Agent的本质上是大模型的“套壳”应用，其能力天花板，依然受充当底座的LLM约束。LLM的推理能力、多模态能力和幻觉率，都会在不同程度上影响AI Agent的可用性。

在OSWorld基准测试（评估多模态Agent在真实计算机环境中执行任务的表现）中，目前AI Agent所取得的最好成绩，也才42.5%（来自字节跳动UI-TARS-1.5 ），而人类平均水平为70%以上。

这对于辅助一些私人的日常工作或许够用，但企业业务显然要更加严肃，容错率要低得多，对AI Agent的要求也会苛刻许多。

从成本角度来看，尽管大模型厂商持续下调推理API的定价，但整体价格水平仍未达到大规模部署所需的经济性。对于需要多步骤推理的复杂任务，AI Agent的调用成本依旧偏高，可能导致资源快速消耗。

与此同时，在垂直行业中完成模型的微调、部署及迭代优化也伴随着大量的技术和资金投入。“足够酷”并不足以成为企业全面押注AI Agent的理由。

更不用提AI Agent并没有从根本上解决SaaS的数据安全和合规问题，反而引入了新的不可控因素。

与SaaS相对清晰的回溯链条相比，AI Agent一旦“爆雷”，溯源和追责都可能会十分复杂。

各个方面来看，虽然AI Agent虽然已经呈现百花齐放的状态，但在企业这一层级，我们仍然寻觅不到一款可以真正有机会取代SaaS的“杀手级应用”。

总而言之，AI Agent或许将改变SaaS行业的游戏规则，但这场变革的序幕才刚刚拉开。当然，SaaS厂商必须现在就认真思考如何转型或融合，不然慢了一步，可能就是生死存亡的问题了。

       原文标题 : AI Agent，会是SaaS的终结者吗？