AI生成应用冲击SaaS：四道护城河哪些还能守住

当软件可以被一句话生成

生成式AI正在以惊人的速度改变软件的构建方式。编码助手帮助非工程师构建软件，代码智能体（Agent）也开始在几乎无人参与的情况下独立完成开发任务。这里所说的代码智能体，是指能够自主理解需求、规划任务、编写代码、调试测试并最终交付可运行软件的AI系统。与传统的代码补全工具不同，智能体具备多步推理和工具调用能力，能够在一个完整的开发流程中自主决策。2024年以来，Devin、OpenAI Codex CLI、Claude Code等产品相继涌现，顶尖智能体已能自主解决超过50%的真实GitHub Issue。这不再是未来预言，而是正在发生的现实。

在MicroConf的一场演讲中，经营DNS服务商DNSimple长达16年的创始人抛出了一个所有SaaS从业者都在思考的问题：AI生成应用的兴起，对现有SaaS意味着什么？

作为一名同时经营成熟SaaS、又在用生成式AI做独立开发的"两栖者"，他坦言自己"既是敌人也是朋友"，也没有预测未来的水晶球。但他给出了一套值得认真对待的分析框架——过去支撑SaaS的护城河，正在被重新洗牌。

SaaS的四道传统护城河：两道已经失守

他归纳了SaaS长期依赖的四道经典护城河：

网络效应：一起使用并相互连接的用户越多，产品价值越大；
专有数据与知识：系统内部沉淀的数据和领域知识本身即价值；
深度工作流集成：与其他软件系统协同，提供更顺畅的体验；
高转换成本：用户投入的时间和数据越多，离开越困难。

网络效应的概念最早源于经济学家对电话网络的分析，后经梅特卡夫定律量化——网络价值与用户数量的平方成正比。在SaaS领域，网络效应通常分为直接网络效应（如Slack中同事越多体验越好）、间接网络效应（如Salesforce生态中第三方应用越丰富平台越有价值）以及数据网络效应（用户越多数据越丰富，算法越精准，进而吸引更多用户）。这种正反馈循环一旦建立，竞争对手即便产品功能相当，也很难撬动已有用户群。

这意味着你系统内部的数据和知识

然而在AI时代，其中一部分护城河正在快速塌陷。

功能壁垒与转换成本为何不再有效

过去，独特功能是SaaS脱颖而出的关键，企业靠构建别人没有的功能、设置高转换成本来锁定用户。但推出软件功能所需的时间正在急剧缩短——一旦开始用生成式AI工具开发，构建和发布功能的速度会远超从前。这意味着功能不再具有防御性。

更关键的是，高转换成本也在瓦解。用户完全可以借助AI工具，引导自己完成从一家供应商到另一家供应商的迁移。曾经"迁移太麻烦"的心理枷锁正被AI逐步解开。

至于集成，演讲者的态度更谨慎：集成本身仍然困难，因为变化速度极快，被集成方也在不断变动。但总体而言，功能与转换成本这两道护城河已经很难再撑住阵脚。

AI时代仍然有效的四个SaaS防御方向

那么，哪些护城河还能保住SaaS的竞争力？演讲者给出了四个值得押注的方向。

协作与网络效应：多方连接的产品更安全

价值随着人类协作或智能体协作增长而增长的软件，才处于更有利的位置。这本质上就是网络效应的延续。

他特别指出一个反差：那些为自己使用、或在企业内部生成应用的人，并不追求网络效应——因为他们只是想解决单一问题。但正是在协作能发挥作用的场景里，SaaS依然拥有内部自建软件无法替代的价值。换句话说，越是需要多人、多方连接的产品，越安全。

受监管环境：合规需求是天然屏障

对于面向HIPAA合规、金融安全等受监管行业的SaaS创始人来说，这是一个可以继续深耕的领域。

很多创始人专注于受监管环境领域

原因很直接：生成式应用是以一种混乱且随机的方式产生的，而监管与随机性天然不相容。要理解这一点，需要了解监管合规的复杂性。以HIPAA为例，这是美国1996年颁布的健康保险可携性与责任法案，对医疗健康数据的存储、传输、访问和审计提出了极其严格的要求，违规罚款可高达数百万美元。类似的监管框架还包括金融领域的SOX法案、PCI DSS支付卡安全标准、欧洲的GDPR等。这些合规要求不仅涉及技术实现，还包括组织流程、审计追踪、数据保留策略、事件响应机制等全方位的治理体系。AI生成的应用往往缺乏对这些复杂合规链条的系统性考量——合规不仅是写出正确代码的问题，更是持续运营和治理的问题。在合规要求严苛的领域，一次性生成的应用很难长期生存。如果你正在寻找有壁垒的细分市场，受监管环境值得认真考虑。

运营卓越：代码质量下降催生新需求

第三点与其说是一种环境，不如说是一种核心能力。演讲者从工程角度提出了一个深刻洞察：

随着生成式AI产出越来越多的代码，这些代码的质量必然会下降。代码会更多，但质量更低、更容易出故障。于是压力将从"代码开发"转向"代码运营"。

这与软件工程中"技术债务"（Technical Debt）的概念密切相关。技术债务是Ward Cunningham在1992年提出的概念，指为了短期速度而在代码质量上做出的妥协，日后需要额外成本来修复和重构。AI生成代码加剧了这一问题：大语言模型倾向于生成"看起来能运行"的代码，但往往缺乏对边界条件的完整处理、缺少适当的错误处理机制、安全漏洞检测不足，且难以保持一致的架构风格。根据GitClear 2024年的研究报告，AI辅助编码导致代码变更中"churned code"（短期内被反复修改或撤销的代码）比例显著上升。虽然代码产出速度提高了，但系统的可维护性、可观测性和长期稳定性面临更大挑战。

人们会去用那些一次性生成的应用，其中很多会非常糟糕——它们能完成任务，但效果更差、故障更多。当用户被这些低质应用折磨之后，他们会重新寻找那些运营卓越依然存在的产品。因此，组织内部的技术卓越与运营能力做得越好，SaaS存活的机会就越大。

基础设施与资本支出：真金白银构筑的壁垒

最后一道护城河是资本支出。如果你做的事情需要真金白银的投入——需要别人不愿或无法承担的资金，那你依然拥有壁垒。

那就是托管服务

演讲者以自家的DNSimple为例：DNS（域名系统）是互联网的基础服务之一，负责将人类可读的域名解析为机器可识别的IP地址。一个高质量的DNS服务需要在全球部署Anycast节点——通过BGP（边界网关协议）广播相同的IP地址，使用户的DNS查询自动路由到地理位置最近的服务器，从而实现低延迟和高可用性。这种全球化的基础设施部署涉及与多个数据中心签约、购买或租赁服务器硬件、维护网络连接、应对DDoS攻击等持续性资本支出。即使在小规模运营时，这些投入也不可回避。正是这种基础设施成本，天然限制了竞争者的进入——新进入者无法仅凭AI生成代码就绕过物理世界的投入。托管服务、IP地址管理等围绕互联网基础设施的领域仍然大有可为——而且它往往需要与"运营卓越"这道护城河协同发挥作用。

SaaS不会消亡，但会走向分化

演讲者反复强调一个核心判断：SaaS不会消亡，它将会改变。

他引用了一个颇具冲击力的观点——"SaaS在人类需要图形操作软件之前就已经存在，生成式AI消除了对这些工具的需求，因此AI成为了应用层。"这是"机器人霸主视角"的看法。但即便如此，小众软件仍会被使用和开发，而问题在于：谁来制作这些软件？ 答案似乎依然是那些执行力强的团队和公司。

他给出的关键结论包括：

SaaS会出现分化，有些存活、有些消亡，这本就是常态，能一次又一次高效执行的创始人才能胜出；
单人或极少数人使用的、非协作、非监管、非基础设施类的项目，很可能转向内部软件自建；
而拥有网络效应的产品，用户继续选择SaaS的可能性依然很高。

SaaS的成本结构正在重构

最值得深思的一句话是：创建代码的成本将会下降，但创建良好系统的成本将会上升，在正确时机触达买家的成本也会上升。

这句话精准概括了AI时代的价值迁移——写代码不再稀缺，构建可靠系统、找到并服务对的客户，才是真正的壁垒所在。

在问答环节，有人问及"基于结果的定价"（而非按席位或用量）会带来什么影响。这一问题触及了SaaS商业模式的深层变革。传统SaaS的定价模式主要有三种：按席位（per-seat）、按用量（usage-based）和固定订阅（flat subscription）。按席位模式曾是Salesforce、Slack等公司的核心商业模式，但在AI时代面临根本性挑战——当AI Agent可以替代人类完成工作时，"席位"的概念变得模糊。基于结果的定价则按照软件实际交付的商业价值收费，例如AI帮助完成的交易数量、处理的工单数量或生成的合格报告数量。Intercom已经开始按"成功解决的客户问题"收费，而非按客服坐席数。这种模式更符合AI时代的价值分配逻辑，但也带来了归因困难、结果定义模糊、收入波动大等新挑战。

演讲者认为，Token的成本模式必然会影响SaaS内部功能的定价方式。参考Anthropic和OpenAI的收费逻辑——订阅费与结果计费兼而有之——他建议，如果有能力引入基于结果的定价模式，不妨开始尝试，关键是弄清楚在哪些环节适合运用哪种护城河。

对于已经投入时间构建SaaS的创业者，他留下了一句既是安慰也是提醒的话："你会没事的。" 经济格局会变，但真正能持续执行、能交付可靠系统的团队，依然拥有未来。