软件股在恐惧与释然之间摇摆，SaaSpocalypse 再度来袭

2026 年以来，随着投资者争论 AI 智能体是否会削弱 SaaS 商业模式，软件股在抛售与反弹之间剧烈震荡。一篇经由 Google News 传播的最新报道，再次将这场冲突推至舞台中央。市场已不再认为所有软件订阅都同样具有韧性。

最新一轮波动并不意味着软件正在消亡。它们表明，投资者已不再相信“经常性收入天然就应享有高估值溢价”这一旧有假设。如今，每份财报都成了一场考验：供应商究竟掌控着关键数据、拥有可持续的工作流，还是仅仅在销售一个界面。

这种区别比每日股价波动更重要。Anthropic、OpenAI 和其他模型开发商正将智能体推向研究、编程、金融、销售和行政工作。Salesforce、ServiceNow、Workday、Adobe、HubSpot 及更小型的供应商，都必须证明 AI 能在压低席位数量或定价能力之前，先扩大自身价值。

在投资者试图淡化它之后，SaaSpocalypse 又回来了

当前的争论不在于企业是否会继续购买软件，而在于当一个智能体能够跨多个系统运作时，哪些软件仍然有价值。

“SaaSpocalypse”一词成为了 AI 驱动的软件即服务公司重新估值的代名词。SaaS 通过互联网提供应用程序，通常采用经常性订阅模式。投资者过去看重这一模式，是因为它具备可预测的续订、高毛利率，以及无需与交付成本同步增长便可增加客户的能力。

AI 智能体正在挑战这套公式的一部分。智能体是一种能够在有限监督下规划并执行多步骤任务的软件。它可以检索信息、使用已连接的工具、创建文档、更新记录，并在不同应用之间传递工作。

市场眼前的担忧很简单：如果一个智能体可以完成过去需要多个专业应用才能完成的工作，客户或许会整合供应商。当自动化处理更多底层工作时，他们也可能减少员工席位。

今年 2 月，Anthropic 扩展 Claude 的编程和工作场所能力后，这一论点获得了更多支撑。其 enterprise agents 演示展示了 Cowork 和插件如何服务于法务、销售、金融、产品和数据任务。

这一产品方向为投资者提供了比笼统 AI 预测更具体的依据。Claude 不再局限于在聊天窗口中生成文本，而是被定位为一个能够结合公司数据和既有工具开展工作的执行层。

Anthropic 还表示，Cowork 可以通过针对角色的插件，将 Claude 变成专家。对于点状解决方案而言——即围绕单一狭窄任务构建的产品——这一前景提出了一个棘手问题：当智能体能通过已连接的数据和服务组合出同样的工作流时，企业为何还要维持多个独立界面？

市场的回答一再变化。当新的 AI 能力似乎会威胁既有产品时，软件股遭到抛售。当财报显示需求依然强劲，或投资者从芯片股轮动离场时，它们又会反弹。每当业绩指引、客户增长或合同指标未能达到更高门槛时，股价便再次下跌。

8 月 7 日，围绕这些剧烈情绪变化的核心 software stock debate 被明确提出。这些波动之所以重要，是因为它们显示投资者尚未形成一套适用于 AI 时代软件的稳定估值模型。

市场曾将大多数经常性收入视为防御力的证据。如今，它会追问：每一份订阅靠什么抵御整合、自动化，或更便宜的 AI 构建替代品。

强劲的单季业绩可以暂时平息这些担忧，却无法彻底解决它们。当前确认的收入，往往来自企业智能体成为可信替代方案之前签订的合同。

这种时间差解释了为何当前业绩和股价可能讲述截然不同的故事。公司可以报告收入增长，但投资者仍会下调对未来数年增长的预期。反过来，一项强劲的 AI 指标也可能推动股价大幅反弹，却不能证明公司已保护好其更广泛的业务。

这是从 Google News 对该行业的报道中得出的第一个重要结论。SaaSpocalypse 并非一次单一的崩盘，而是在运营证据尚不完整之前，市场对商业模式转型进行定价的长期尝试。

AI 智能体让问题从席位转向已完成的工作

AI 智能体威胁着员工人数与软件收入之间的联系，但也为受治理的数据和可靠执行创造了新的需求。

传统 SaaS 供应商通常按用户、团队或组织单元销售访问权限。当员工在应用内完成大部分任务时，这种安排行之有效。更多员工通常意味着更多席位，而更广泛的采用则支撑账户扩张。

智能体削弱了这种关系。少量自动化工作者可以检索记录、编制报告、监控系统并流转审批。如果一个智能体服务多名员工，客户可能需要更少面向人工用户的席位。

一个实际例子能更清楚地说明这种风险。销售团队可能分别使用不同产品进行潜在客户研究、通话准备、客户记录、预测和后续信息跟进。连接到底层系统的智能体可以收集背景信息并生成下一步行动，而无需销售人员打开每一个界面。

这并不会淘汰所有产品。客户关系记录仍需要一个可信的归属地。权限必须继续可执行，管理者也需要审计轨迹。预测逻辑、行业数据和合规控制同样需要可靠的系统。

压力主要落在这些系统之间的界面层。一个主要帮助人们将信息从一个数据库转移到另一个数据库的产品，将更容易被替代。其工作流可以由使用连接器和 API 的智能体复现，而这些技术使不同应用能够交换数据。

Anthropic 的产品扩展体现了这一方向。该公司发布了用于准备推介材料、客户验证和月末会计工作等任务的 finance agents。

这些智能体通过插件、已连接的桌面应用和托管基础设施运行。Anthropic 表示，用户仍会参与审查和批准面向客户或受监管的工作。这一限定很重要，因为企业自动化仍需要监督。

不过，这一产品仍改变了竞争边界。模型提供商如今可以打包针对特定角色的工作流，而不必等待每家 SaaS 供应商自行构建。它还可以跨 Microsoft 文档和其他已连接系统工作，从而削弱独立界面的优势。

现有软件供应商正以自己的智能体作出回应。Salesforce 推广 Agentforce，ServiceNow 则将 AI 连接到 IT 和员工工作流。Microsoft 正在其应用组合中部署 copilots 和智能体。Adobe、Workday、HubSpot 等公司也正将生成式功能嵌入现有产品。

因此，这场战略冲突并非字面意义上的“AI 对抗软件”。AI 本身就是软件，而且大多数智能体依赖既有应用来获取数据、授权和处理交易。

真正的冲突发生在捆绑式智能体平台与碎片化点状工具之间。模型开发商希望成为用户发起工作的入口。现有 SaaS 公司则希望其应用继续作为主要控制点。

对用户起点的控制至关重要，因为它决定了哪个产品获得关注、捕捉上下文并影响采购决策。如果员工在通用智能体内开始每一项任务，专业应用可能会沦为不可见的基础设施。

即便底层服务得以存续，这种转变也可能削弱品牌忠诚度。客户可能仍在使用某个数据库、设计引擎或分析服务，却通过另一家公司的智能体与之交互。原始供应商随即面临差异化和利润率压力。

不过，智能体也会创造更多机器活动。自动化工作者可以生成更多搜索、数据库查询、安全事件、文档和交易。按使用量或已完成工作收费的供应商，可能会从这一增长的规模中受益。

这带来了核心反转。AI 可以减少人工用户数量，同时提高软件的总体使用量。结果取决于公司是按访问权限、活动、成果，还是三者结合来定价。

为什么软件股总是因同样的证据而剧烈波动

投资者正试图用短期财务数据为长期颠覆定价，因此业绩指引的微小变化会引发异常巨大的信心变化。

上市软件公司会披露收入、利润率、客户增长和合同承诺。这些数据能很好地描述当前业务，却不太能衡量两年后一名智能体是否会取代某个工作流。

这种不匹配使得每份季度报告都容易引发相互竞争的解读。看涨投资者可以指出经常性收入、续订表现和不断扩展的 AI 产品。看跌投资者则可能认为，这些数字反映的是客户拥有可信替代方案之前签订的合同。

ServiceNow 在 7 月提供了一个清晰例子。投资者考量有关新企业 AI 竞争的报道时，其股价在常规交易中下跌。随后，公司季度业绩和展望带来缓解，股价随即反转。

底层运营并未在数小时内发生转变。市场改变的是对未来损害有多少已反映在估值中的判断。

今年早些时候，Salesforce CEO Marc Benioff 反驳了 AI 会摧毁成熟软件的观点。他将当前焦虑与早期技术转型相比较，并认为随着智能体使用 Salesforce 的客户数据和工作流，Salesforce 可能变得更有价值。

这一论点具有逻辑基础。通用模型需要准确的业务上下文，才能可靠地采取行动。记录系统，即关于客户、财务、员工或运营的权威数据库，提供了这种上下文。

然而，同一论点也包含风险。如果供应商的主要防线是 AI 需要其数据，客户可能保留数据库，同时减少对相邻功能的支出。数据的持续存在，并不能保证每个界面、附加功能或员工席位仍能保有原先的价值。

因此，软件公司正同时接受多方面检验。投资者希望看到当前需求、可防御的数据、有意义的 AI 收入、可持续的利润率，以及一套适应自动化的定价模式。

仅通过其中一项测试已不再足够。收入强劲但指引疲弱可能引发抛售。AI 采用迅速却没有明确变现路径，可能引发对成本的担忧。若竞争对手能够以更低成本复现工作流，高利润率也可能显得脆弱。

当资本在不同技术类别之间轮动时，这场争论也会发生变化。2026年的部分时间里，投资者偏好芯片和数据中心基础设施，因为模型开发需要大量算力。软件看起来面临更高的颠覆风险，而AI带来的即时收入也更少。

这种交易逻辑可能迅速逆转。如果对芯片公司的预期变得过高，投资者可能回归拥有经常性现金流、估值较低的软件股。一次协同反弹并不一定意味着SaaSpocalypse论调已被否定。

它可能只是意味着相对风险发生了变化。市场定价的是可替代选项，而非孤立的公司。软件股可能连续几个交易日跑赢大盘，只因为科技市场的另一部分看起来更昂贵。

因此，不应将股价波动解读为市场每天都在对SaaS能否生存投票。其背后混合了财报、利率、估值、仓位，以及对AI采用情况不断变化的预期。

这种波动确实揭示了一项持久变化。投资者不再给予软件供应商无限时间来解释其AI战略。他们希望看到财务证据，证明新产品在不削弱核心订阅业务的前提下带来收入。

2月市场对Anthropic的反应尤为剧烈，因为该公司展示的是可用产品，而非遥远的研究概念。Claude Opus 4.6旨在处理更长时程的智能体任务、编程、金融分析、研究和办公文档。

Anthropic后来表示，自2026年初以来，Claude Code的企业订阅数量已增长至四倍。其融资公告还称，企业使用占Claude Code收入的一半以上。

这些数字来自Anthropic，并非衡量SaaS被替代程度的直接指标。但它们表明，企业正以显著规模为智能体工具付费。这让上市软件供应商更难忽视竞争威胁。

最有力的防线是对数据和后果的掌控

当软件保存权威信息、执行政策，或对关键业务结果承担责任时，依然具有防御力。

通用智能体可以迅速生成一个颇具说服力的界面。但构建企业系统远不只是生成页面和工作流代码。

企业需要身份管理、权限、保留政策、审计记录、集成、可靠性和支持服务。受监管机构还需要明确的问责机制，以应对系统作出或建议作出具有重大影响的决策。

这些要求有利于记录系统。一个保存多年交易记录的金融应用，不会像轻量级报表界面那样轻易被替代。当人力资源平台决定薪资、福利、访问权限和合规事项时，它仍然至关重要。

ServiceNow在运营工作流中也具备类似防线。其平台连接了请求、审批、事件、设备、员工和业务服务。替换界面比重建其底层可信的运营结构容易得多。

同样的逻辑也适用于Datadog等可观测性公司。可观测性是指收集和分析系统数据，以了解软件性能。AI生成的应用可能增加工程团队必须监控的服务和变更数量。

在这种情况下，AI会为监控层创造需求。更多自动生成的代码可能意味着更多部署、依赖关系、安全警报和意外故障。若供应商的产品仍是调查这些事件的可信入口，它便可从中受益。

对于狭窄的单点工具而言，这种差异就不那么有利了。如果其主要功能是起草文本、汇总记录、转移信息或格式化报告，通用模型可以通过已连接的数据完成类似任务。

这并不意味着每个单点工具都会过时。专业公司仍可通过专有信息、领域专属评估、分销能力或集成深度保留价值。它们必须证明自己拥有通用智能体无法凭借一段提示词和若干连接器复制的能力。

企业买家也会抵制不受控的替换。迁移核心系统可能涉及重新培训员工、迁移数据、修订控制措施，以及接受运营风险。这些转换成本为现有供应商争取了时间。

时间并不等于免疫力。现有供应商必须利用这段时间重新设计产品和商业模式。仅仅在现有应用中增加聊天面板，无法应对工作开始和结束方式发生的更深层变化。

更好的应对方式，是将产品转变为执行平台。这意味着让智能体在保留业务规则、数据质量和问责机制的同时，执行获批操作。

例如，客户支持平台可以按已解决的工单收费，而不只是按人工客服坐席收费。安全产品可以将定价与受保护的工作负载或已分析事件挂钩。开发工具则可以将用户访问权限与自动化用量结合起来。

这些模式让收入与不断增长的机器活动保持一致。但它们也带来衡量难题。客户需要了解什么才算结果，以及自动化是否真的提升了质量。

AI智能体可能犯错、使用过时上下文，或在互联的系统中执行错误操作。当智能体运行时间更长，或在未经审查的情况下使用多种工具时，风险会进一步上升。

Anthropic自身的企业资料强调基于角色的控制、连接器权限、使用情况监控和审计功能。其企业部署指南描述的是分阶段采用，而非立即在全组织范围内替换。

这构成了反驳最极端SaaSpocalypse情景的证据。企业并非简单删除可信系统，再向模型交出不受限制的访问权限。它们是在受治理的环境中部署智能体。

这也支持了更具选择性的颠覆论调。一旦智能体能在这些环境中安全运行，企业就可能重新审视自己究竟还需要多少独立界面和工作流工具。

知识工作者个人也面临同样的整合压力。当信息分散在会议、文档和应用之间时，可搜索的AI knowledge base能够在不同任务之间保留上下文。这一原则与企业层面的争论相呼应：随着智能体获得行动能力，有组织的上下文会变得更有价值。

看空论点仍缺乏明确的替代证据

SaaSpocalypse论调指出了真实的定价威胁，但它往往在技术能力与客户行为之间缺乏足够证据的情况下，直接从前者跳到后者。

模型可以迅速生成应用原型。但这并不意味着企业会将其部署到受监管或任务关键型工作流中。

内部软件伴随着维护义务。必须有人更新集成、监控安全、处理故障、记录控制措施并支持用户。AI生成的应用可以降低初始开发成本，但并不会消除这些持续性成本。

因此，自建还是采购取决于工作流。临时仪表盘或面向特定团队的审批工具或许容易内部构建。全球薪资系统、客户数据库或财务总账则面临不同级别的风险。

模型供应商也依赖软件公司。智能体需要API、身份系统、云平台、数据库和运营工具。当智能体完成任务时，它往往会调用由其声称要替代的同一行业维护的服务。

Nvidia CEO Jensen Huang称，AI将广泛替代软件的说法不合逻辑。他的观点与这样一种看法一致：更强的智能会带来更多而非更少的软件使用。

这一观点值得审视，因为AI采用范围扩大将使Nvidia受益。但它抓住了一个重要的技术现实：模型无法消除对确定性系统的需求，即应用既定规则并产生可预测交易的软件。

智能体可以判断某张发票应获批准。金融系统仍需记录审批、验证访问权限、更新账户并保留审计轨迹。智能体与应用承担的是不同功能。

最可信的看空论点更为狭窄。AI会减少位于关键系统之上的界面和人工工作流产品数量。它还会在客户就更容易复刻的功能进行合同谈判时，赋予客户更多议价权。

这种压力可能逐步显现。客户可能续签核心合同，同时取消部分模块、减少坐席增长，或要求将AI功能纳入合同。收入或许仍在增长，但扩张率和利润率会走弱。

这正是为什么当前财报无法终结这场争论。相关信号包括合同构成、工作负载消耗、客户留存，以及与AI产品直接相关的收入占比。

供应商披露的AI指标需要谨慎看待。不同公司对预订额、年度经常性收入、用户和消耗量的定义各不相同。AI指标上升，可能包含从其他产品转移而来的支出，而非完全新增的需求。

客户案例研究也可能夸大广泛采用的程度。早期用户往往获得额外支持，也可能选择条件更有利的工作流。一次成功的试点并不能证明同一智能体能在整个组织中运行。

相反的错误，是将每一次实施困难都视为现有供应商永久的保护。模型可靠性、上下文处理和工具控制能力都在提升。Anthropic的Sonnet 4.6公告强调了计算机使用、规划、编程和长上下文推理方面的进步。

这些是公司基于评估和早期用户反馈提出的主张。它们并未独立证明该模型能够取代某个特定的企业应用。但它们确实指出了挑战更多工作流软件所需的能力。

审慎的结论介于消亡论与否认论之间。SaaS模式将继续存在，但其经济性会变得不再那么一致。拥有可信数据、运营责任和高转换成本的产品，应当具备更强的防御能力。

主要为人类用户打包信息的产品则面临更大压力。其功能可能会转移到通用智能体、现有平台或内部构建的工具中。

Google News结果可能让这场争论看似非黑即白，因为尖锐标题的传播速度快于渐进的商业模式变化。企业采用将带来更复杂的结果：整合、新的消耗型收入、坐席增长放缓和智能体使用扩大可能同时发生。

投资者和软件买家接下来应关注什么

三项信号将决定SaaSpocalypse会成为持久的盈利问题，还是仍只是一场激进的估值重置。

第一项信号是主要SaaS供应商的净收入留存率。该指标衡量的是，在考虑扩张、缩减和取消后，现有客户群体的支出会随时间增加还是减少。

稳定的留存率将削弱广泛替代论调。它将表明，客户增加的产品或消耗量足以抵消坐席缩减。若多个季度的留存率持续下降，则意味着AI整合正在影响真实合同。

构成与 headline number 同样重要。投资者应区分新增 AI 消费与从既有模块转移出来的支出。他们还应关注：在平均合同扩张放缓的同时，客户数量是否仍在持续增长。

第二个信号是供应商如何调整定价。按席位订阅仍然容易理解，但当机器承担更多工作时，这种模式并不十分适配。按用量和按结果定价与自动化活动的匹配度更高。

如果转型成功，供应商即使面对更少使用界面的员工，也能在 agents 创造有价值工作时获得更高收入。若转型失败，则可能造成客户困惑、账单难以预测，或因模型计算成本带来利润率压力。

软件采购方应比较整个工作流的总成本，而不只是许可证数量。该计算应包括模型使用、集成工作、治理、监控以及人工审核。如果员工必须反复纠正 agent 的操作，那么它并不更便宜。

第三个信号是，通用 agents 是否会成为值得信赖的交易层。创建文档和摘要还不够。真正的重大转变出现在企业允许 agents 更新客户记录、批准交易、修改基础设施或完成受监管工作流之时。

权限与审计日志将起决定性作用。无法解释或约束自身操作的通用 agent，仍然只是助手。能够在多个系统中安全运行的 agent，才能成为可信的整合层。

应通过这三个信号来解读 Salesforce、ServiceNow、Workday、HubSpot、Adobe 及其他供应商接下来的季度报告。仅凭收入增长，无法回答核心问题。

投资者需要看到有关留存、定价和 agent 实际执行情况的证据。企业采购方则需要证明，自动化能够在不削弱控制力的前提下，降低工作的全成本。

在这些答案仍不完整时，软件股的波动还会持续。强劲业绩可以证明韧性，而另一项模型发布又可能在数小时内重新引发担忧。任何一种反应都不应被视为最终结论。

更有价值的问题不是 SaaS 是否会消失，而是当界面变成 AI agent 时，哪些公司仍能掌控可信数据、业务规则和可衡量的结果。

关注客户续订什么、移除什么，以及他们允许 agents 在何处采取行动。这些决定所揭示的信息，将多于下一条引人注目的 Google News headline。