范凌 特赞Tezign创始人
张济徽 智慧芽创始人
胡一川 来也科技联合创始人&CTO
黄翔 法大大创始人
沈爱翔 订单来了创始人
李文轩 ThetaWave创始人
周靖宇 QTrade创始人
刘玉龙 腾讯青腾负责人
刘子轩 腾讯投资总监
特赞创始人范凌提出了一个发人深省的框架——SaaS公司面对AI有四种转型选择
旧瓶装旧酒，保持不变。如果你的产品有行业领导地位且仍在盈利，战略上选择不动也未尝不可，考验战略定力也是 SaaS 企业面对的挑战之一。
旧瓶装新酒，在原有产品上添加AI功能，但仍包装成 SaaS 产品。看似顺理成章，也是很多 SaaS 企业在做的事情，但实际面临了很多挑战，比如添加 AI 功能后原本的SaaS产品更复杂了，用户体验遇到挑战；在产品定价不变的情况下，添加 AI 功能后 token 的消耗导致产品毛利下降等。
新瓶装旧酒，用AI原生方式重做原有业务，解决原有需求。比如用Agent重新实现视频生成，目前看来，这是SaaS 企业在面对 AI 挑战时防御性的明智之举。
新瓶装新酒，开发 AI 原生产品，解决全新需求。这是最具想象力的方向，超越 SaaS 行业的原本需求，能够重新定义市场。
AI 极大降低了开发的难度，使得SaaS 过去积累的护城河被削弱，不论是哪种转型路径，都在迫使创始人们去思考如何产品外溢？开发效率的提升使得水平外溢成为一种可能，比如订单来了从 酒店PMS 延展到「酒店营销 AI 助手」，实现“碰一碰” 3 秒极速发小红书，助力商家规模化提升品牌声量。特赞则是从内容延展到用户，推出了一款专注于商业研究和用户洞察的智能体 atypica.AI。开发效率提升使得 SaaS 企业能快速通过 PMF 来验证市场，实现水平外溢。
与此同时，垂直外溢成为更多SaaS企业的选择，从软件，到软件加服务，到软件加服务加成果，在交付层面上做深做透。智慧芽提供了一个典型的案例，从提供给大企业知识产权部门的数据库产品，延展到给研发部门和 IT 数字化部门的 Agent 产品，他们在单一客户身上，实现了两到三倍的营收增长。
代码壁垒正在消失，传统 SaaS 企业大多能实现 30% 的代码由 AI 生成，AI 原生公司更是超过 95% 代码由 AI 生成，在代码本身不再是壁垒的当下，如何选择转型之路成为了所有 SaaS 创业者的必答题。
随着 AI 技术对于软件产业的全面渗透，SaaS企业默契地形成了共识：AI 时代 SaaS 商业模式的核心突破点在于交付结果，而非交付工具。
结果交付的价值凸显。首先，客户服务成本降低，“卖工具”需要客户配合进行组织架构调整，需要为客户做产品使用培训；而“卖结果”不仅取代了部分人力，交付的成果也更加到位，降低沟通成本。其次，交付结果能大幅提升用户的付费意愿，atypica 的用户付费转化率是传统 SaaS 产品的 10 倍。更有趣的是，结果交付带来了销售路径的转化，由于交付的结果是明确的，2B产品也具备了在公司员工层面自增长的属性，这使得2B 产品自下而上的销售路径成为可能。
AI Service 成为新的增长点。从工具到结果的渗透，带来了一个新的理念“AI Service”，这个概念是相较于 Professional Service（第三方专业服务）提出的。利用AI 工具直接交付结果， SaaS 企业可以触及客户原本用于Professional Service如咨询、代运营、代理机构的预算，有效拓宽了SaaS 企业的 TAM。以来也科技为例，RPA产品过去多服务于企业中后台部门，随着 AI 的引入，其提供的服务开始往前台走，覆盖了营销市场等环节；把过去基于规则和经验的流程，扩展到需要 AI 决策和判断的业务里去，从订阅收费拓展到基于销售线索收费。法大大的 iTerms 通过 AI 技术，完全接管了法务人员人工审查环节，为企业提供AI 合同审查服务。AI Service 带来的毛利率并不比卖工具低，且客户的接受度更高。
商业模式的转变给定价模式带来了新挑战。“Token 消耗”可能只是在“订阅制”和“结果交付”中间的一个过渡期定价模式。首先，基于“token 消耗”的定价模式对于客户是全新的付费方式，定价的逻辑与使用方式的变化，带来了更高的沟通成本，延长了销售周期。其次，当与 token 消耗做价值关联，客户会很自然地跟 OpenAI 的 token价格做对比，从而产生为什么会有超高溢价的疑问。智慧芽创始人张济徽提到，在 AI agent 发展的早期，占领市场，鼓励客户高频使用产品，可能是比追求利润最大化更重要的战略考量。
结果交付带来的价值是清晰的，更容易形成看得见的 ROI 提升。展望未来，AI 产品的演进将更多地强化“生产力”属性，而非纯粹的“工具”属性。
商业模式转型的本质，在于人与组织的重构。正如圆桌嘉宾们当下的切身体会：AI 时代最大的挑战从来不是技术的迭代，而是组织架构与人才认知的深度重构。
组织结构的扁平化与精简。中层管理人员在极速减少，随着 AI 高效接管信息分发、任务调度与进度追踪，传统中层管理者的"职能护城河"正在消失。与此同时，结果导向的商业模式倒逼组织追求极致效率，这迫切要求压缩沟通链路，消除协同摩擦，以适应高频快节奏的交付需求。特赞尝试将所有职能分为面对客户和面对产品的 POD，强调“高内聚，低耦合”，减少不必要的跨部门会议。作为一家 AI 原生企业，ThetaWave 对组织架构进行了根本性重塑，摒弃传统职能划分，转而采用“基于结果定义岗位”的模式”，以终为始，因果定岗，在这里，每一个敏捷作战单元都直接对最终的产品交付全权负责。
人才能力的边界被打破。员工的全栈能力在圆桌中被多次提及，产品要有增长思维，销售要有产品思维，正如硅谷大热的 Palantir 用产品经理做售前，本质上是对人才能力边界的打破。来也科技联合创始人胡一川提到，打破产品经理、设计、前端、后端、测试、市场等传统职能的设置，推行“为端到端结果负责”。这就要求，产品经理不能只写 PRD，还需要用 Claude Code 去做原型，工程师不能只照着需求去写代码，还需要有产品思维。熟练驾驭 AI 工具，是构建员工全栈能力的核心驱动力。我们需要明确AI 已从加分项变为必选项，它是每一位员工必须掌握的通用职场技能。而构建这项技能，要求公司能为员工提供更多触手可及的 AI 工具，可落地的AI 实操课程良好的 AI 使用氛围，甚至将 AI 融入到考核绩效中去。
市场中已经有企业把 AI 员工列入公司组织架构，其背后正是企业对于 AI awareness 的全面提升，对生产力单元的重构，更是对流程标准化的极致倒逼。但这里面的象征意义可能大于实操意义，它标志着企业数字化转型进入了深水区。
在传统 SaaS 领域，Rule of 40长期被奉为衡量企业经营健康的北极星指标。然而，在 Agent 产品的全新语境下，企业正在重构一套以「真实消耗」与「业务结果」为核心的度量体系。这一转变在行业先锋中已初见端倪。
ThetaWave 关注「付费用户 Token 消耗量」，旨在剔除 AI 早期的尝鲜效应，确保产品能提供持续、深入的长期价值；
智慧芽强调 “Average Token per User” 的持续增长，以此作为用户深度依赖产品的风向标；
来也科技则更进一步，将指标锚定于客户的最终结果产出，如RPA产品的“客户端活跃运行的Worker数量”，ADP产品的“帮助客户处理的文档份数”。
这些新指标共同指向了一个趋势：AI 时代的增长，不再仅看卖出了多少账号，更看为客户解决了多少实际问题。
可能正如腾讯投资总监刘子轩所说，Agent 大部分还在早期阶段，行业变化太快了，更重要的指标还是人，创业者决策的速度和质量，对于模型和行业实践的理解深度，成为投资人们对于一家Agent企业的首要判断指标。
尽管 AI Agent 描绘的商业图像极具诱惑力，但在企业大规模落地方面仍处于非常早期，阻碍其爆发的不仅仅是技术瓶颈，更是复杂的工程化难题与组织适应性挑战。
Agent 的能力不足与成本高昂。QTrade创始人周靖宇提到一个典型案例，同一个项目在竞标时，两次遇到大厂 AI 团队中标，而后又主动放弃的情况。金融交易行业本身具备更高的壁垒，相较于传统 SaaS 方案，AI 方案使得算力成本提高了一个数量级。然而在用户端，暂时这种高昂的技术投入转化为产品能力差异以及价值体现上并不明显，导致用户付费意愿并没有显著提升，导致项目服务方 ROI 算不过来，逼退了交付团队。
法大大创始人黄翔提到，AI 能力不足影响了当下的发展， Agent 的落地还是要找到对的场景。
人才的规模化挑战。AI 在让代码的护城河变低
，SaaS 产品代码背后包含的行业知识与认知品味成为了新的壁垒。市场已验证了“AI + 精锐小组”的高效交付模式，我们看到像 Palantir 的 FDE 团队已经跑通了这条路，通过将领域专家（Echo 团队）与原型设计专家（Delta 团队）有机结合，即可像创业公司一样敏捷作战。但问题也摆在眼前：代码可以自动生成，这种既懂行业又有品味的人才却无法批量复制。如何挖掘和培养这类人才，成为了 SaaS 公司面临的普遍挑战。咨询公司、代理公司、垂直行业上下游，是大多 SaaS 企业寻找潜在候选人的主要渠道，但理想的人才不仅仅需要行业知识和认知品味，还要具备创始人精神，这就对SaaS 企业自身提出了更高的要求：SaaS 公司不能只做人才的“收割者”，更要做“孵化器”。
结语
