今年一季度，伴随anthropic的模型性能提升与企业端业务的频繁更新，市场上最悲观的主流叙事是AI将吞噬一切软件，在这样的大背景下，微软股票都创下了08年金融危机以来的最大的季度跌幅，作为全球2B软件的绝对霸主，壁垒高如微软也没有逃脱掉AI吞噬叙事的困扰。一季度软件股被杀，尤其连微软这种全球 2B 软件霸主都出现极端季度跌幅，说明市场当时交易的不是单一公司基本面，而是一个宏大 terminal-risk 叙事：AI Agent 会绕过传统软件界面、压缩 seat、压缩 NRR、压缩 terminal multiple。关于叙事对于股价的影响，我前期已经有很多文章来讨论，具体参见前期的系列文章AI、叙事与反身性投资等。AI带来的同质化解读与二元倾向，市场变得越来越被叙事与注意力主导，一旦一个板块或者公司有负面叙事，一定会被放大，股价波动的幅度会大幅度偏离历史均值，一季度所有的美股软件公司基本上就处在这样的宏大恢弘的叙事中，anthropic吞噬一切几乎成为传播度最高最高的叙事标签，也基本上成为了市场的一致共识，那就是软件行业的terminal value没了，杀估值、杀逻辑、杀事实。这一点在港股也体现得很明显，被认为AI落后字节的腾讯与阿里股价今年以来就一直十分疲弱。但是叙事与共识不一定是事情的原貌与真相，也不一定是真理。抱团、共识与真相。但这不是 “AI kill software” 结束，而是进入AI 分层定价阶段的分岔点。→ SaaS terminal value 被怀疑→ SaaS 从 compounder 变成 terminal-risk asset最近的变化是：AI吞噬软件，将变成AI将软件分层。也就是说，市场不再简单问：软件会不会被 AI 吞噬？而是开始问：这个软件到底是 AI agent 的替代对象，还是 AI agent 必须依赖的系统、数据、流程、权限、治理和基础设施？近期软件抛售更多是投资者情绪快速迁移，而不是所有公司基本面同时恶化。
1. “SaaS 区别对待” 是真正的后验更新
过去市场的粗暴定价是：SaaS = seat-based software = AI 替代风险 = terminal multiple 下修。应用层里，agent orchestration 可能改变 engagement 和 value capture，尤其是依赖 seat/user license 的产品；但在 platform 和 infrastructure 层，AI agent 通常会增加对数据管理、工作负载编排、安全、恢复等能力的需求，这些能力在 UI 之下，不容易被绕过。AI 不一定 kill software，但会 kill 掉“只靠人类点击 UI + seat 扩张 + 弱系统地位”的旧 SaaS 估值宪法。
2. 为什么 2B 业务流 SaaS 可能被错杀？
但企业 2B 业务流的核心不是“生成答案”，而是：这就是为什么 HR、ERP、ITSM、财务、合规、数据库、监控、安全、备份、数据治理、施工管理、医疗合规等流程，并不会因为一个通用 agent 出现就被轻易替代。而不是：Task Completion = agent 生成一段看似正确的文本。这就是 SaaS 被错杀的核心区域：市场一开始把所有 SaaS 都当成“可被 agent 绕过的 UI”，但有一批 SaaS 其实是 agent 运行所需要的状态机、数据库、权限系统、流程控制层和审计层。
3. agent 成本问题，是这轮重估最被低估的变量
agent 跑业务流面临的token 成本可能是人工一步步对话的N倍。因为企业真实 agent 成本不是：model token price企业自研agent 的问题在于：看起来模型调用便宜，但把它变成可靠企业流程很贵。所以企业最后大概率不是每家公司从零自建 agent，而是采购：专业软件公司提供的 agentic workflow。- 一个 agent workflow 可以卖给几千个客户。
- 它们可以把 agent 变成产品功能，而不是企业内部实验项目
- 它们可以用 deterministic workflow 降低 token path length，不是纯 LLM 自由漫游。
所以Agent 不会消灭所有 SaaS；agent 会消灭“没有 workflow ownership 的 SaaS”，但会强化“能够把 agent 产品化、流程化、低成本化、合规化的平台型 SaaS”。这就是为什么专业 SaaS 公司仍然可能有价值：它们可以把 agent 产品化、流程化、低成本化、合规化，而不是让企业自己用通用模型拼装一堆脆弱 workflow。
4. “AI kill software” 的真正受害者是谁？
4.1 人力外包型软件 / 服务
这里 AI coding agent 的替代逻辑最直接。4.2 轻量 UI wrapper
4.3 seat-based productivity SaaS
收入 = 人数 × seat price。如果 AI 让企业少雇人、少开 seat，或者用 agent 完成多人工作，那么原来的 NRR/seat expansion 逻辑会被破坏。4.4 没有 AI product conversion 的旧 SaaS
如果公司只是说 “我们也有 AI”，但没有体现为：
5. 谁可能从这轮 “SaaS 区别对待” 中受益？
第一类：多业务线 workflow platform，比如微软或者NOW等;第二类：Datadog / observability / infrastructure control plane；→ logs / metrics / traces / security events 增加→ observability 和 reliability 需求增加这类不是 “AI 替代软件”，而是：AI 让软件系统更复杂，所以更需要监控、治理、安全、成本控制和故障定位。以datadog为例，本季度几乎各个业务线都全面提速，电话会表示AI-native 客户增长显著快于整体；AI-native 中有 22 个年化消费 > $1M、5 个年化消费 > $10M 的客户；并且本季度签下两个全球最大科技公司 AI research divisions 的大单，一个是 7 位数 annualized deal，一个是 8 位数 annualized deal，用于 hyperscale AI training workloads 和 GPU Monitoring。相当于openai跟anthropic是datadog的前两大AI客户，如果说底层软件可以轻松通过vibe coding来实现，当今执牛耳的两个AI巨头也不会把底层监控的业务交给datadog来做，所以anthropic dario天天鼓吹的AI吞噬论，当前营销叙事的成分更大，很多领域vibe coding无法很好解决。DDOG 的核心不是前端界面，而是长期生产系统能力。可以 vibe coding 出来的东西：log dashboard、metrics chart、trace viewer、GPU utilization panel、alert UI、简单 anomaly detector。- 高基数 logs / metrics / traces 存储与查询
- 跨云、容器、数据库、网络、GPU、LLM、security 的 integration graph
- APM + RUM + Logs + Security + LLM Observability 的统一上下文
- RBAC / audit / compliance
- incident response workflow
vibe coding 可以生成 Datadog-like UI，但至少现阶段还完全生成不了 Datadog-like operational trust。第三类：数据库 / 数据平台 / data infrastructure
Snowflake、Databricks 这类逻辑在于：agent 没有企业数据就无法完成任务；企业数据越复杂，越需要数据库、治理、向量检索、权限、数据质量和 lineage。第四类：垂直 system-of-record
这些领域的问题不是 agent 能不能写文本，而是能不能在复杂规则下可靠执行。
6. 可以开始看多部分 SaaS？
AI吞噬的风险消失了吗？我认为还远没有，不是 “AI 风险消失”，而是市场进入了三阶段后验修复。第一阶段：Negative Attention Saturation
- terminal multiple collapse
第二阶段：Taxonomy Repair
第三阶段：Short Cover + Multiple Repair
如果某些软件已经跌了 50%–60%，但基本面没有同步恶化，那么只要卖方叙事从AI kills all software变成AI hurts some, helps some，就足以触发明显反弹。软件板块在 2026 年 Q1 出现了极端相对下跌，IGV 当季跌幅超过 24%，个股做空量处于 2016 年以来高位，说明此前已经存在较强 capitulation 状态。
7. 不能把这理解为 “SaaS 全面见底”
- SaaS blanket short 进入危险区；
- 但 SaaS blanket long 也不成立。
现在的机会是：被 AI 一刀切错杀的 system-of-record / workflow-of-record / infra-like SaaS。而不是：所有跌深 SaaS，很多 SaaS 跌了 55%，仍然可能不便宜，因为它们可能是：- + 高 consensus（买卖方预期并没有明显下修）
- + terminal value 未出清（估值终值并未下修）
- + AI revenue proof 不足（AI收入正面证据不足）
我会用这个框架重新打分 SaaS：AI-Resilient SaaS Score
= System-of-Record Ownership× Compliance / Reliability Requirement
把当前 SaaS 状态定义为从 Negative Attention Rerating，进入 Selective Identity Repair。这不是全面反转，而是分层反转。4. 数据 / 安全 / 监控 / 恢复 / 混合云4. 没有数据闭环的 productivity tool
过去一年半，市场交易的是AI吞噬一切软件；现在市场开始交易 “AI区别对待的软件”。软件不再按 SaaS 标签定价，而是按它在 agentic enterprise stack 里的位置定价。被错杀的 workflow infrastructure+ system-of-record / system-of-action 地位P(AI kills seat/UI/outsourcing SaaS) 仍高P(AI strengthens system-of-record / infra SaaS) ↑↑P(selective SaaS re-rating) ↑P(blanket SaaS bottom) 仍不高所以当前最佳表达不是：long SaaS，而是：long AI-resilient workflow / infra software，short or avoid AI-fragile seat/UI SaaS，这才是这轮软件分裂之后真正有 alpha 的地方。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
