但 SaaS 行业并不是被 AI" 杀死 "，而更像是在 AI 加持下，重获新生。那次暴跌，表面上是 Anthropic 的一个插件戳破了 SaaS 高毛利的泡沫，但本质上，它是人类社会在技术代际更替时的本能阵痛。软件的形态会变，但人类利用工具解决问题的需求永远不会消失。
从 " 订阅服务 " 到 " 交付结果 "
传统的 " 软件即服务 " 模式，其线性流程、订阅制收费与固化的产品逻辑，在 AI 的 " 涌现 " 能力面前，显得日益局促。尤其在财务这一高度专业化、强合规、重流程的领域，变革的压力与机遇尤为显著。
当我们把时间拨回生成式 AI 问世之前，SaaS 行业的核心价值在于 " 标准化工具输出 "，通过将传统线下流程线上化、标准化，解决企业效率低下、管理混乱等痛点，本质上是 " 线下流程的线上复刻 "。
以财务 SaaS 为例，早期的财务软件、报销系统，核心功能集中在单据录入、流程审批、报表生成等基础环节，虽然实现了财务工作的线上化，但其底层逻辑依然是 " 流程驱动 "，用户必须按照预设的固定流程操作，软件仅承担 " 流程载体 " 的角色，无法主动识别需求、优化决策，更无法实现财务工作的价值升级。
商业模式上，SaaS 行业的基石是订阅制。企业为客户提供标准化的软件工具，按年或按月收取许可费用。这种模式的核心是 " 卖工具 "，即客户购买的是软件的使用权，至于工具用得好不好、产生了多少价值，与厂商的收入并无直接关联。然而，在 AI 时代，这一逻辑正在被彻底颠覆。
传统软件收费对标的是 " 软件 " 本身，客户会将其与同类软件进行价格比较。马春荃坦言，一开始，合思以传统的软件模式推销其 AI 审核功能时，遇到了巨大阻力。因为客户仍在用 " 软件 " 的尺子丈量 AI 的价值，陷入性价比的泥潭。但当他们将定价逻辑切换为 " 按替代人工带来的效率提升和审核准确率收费 " 时，局面豁然开朗。
而这也引发了马春荃的自我思考，他与笔者分享了那段思路历程，" 瓦特发明蒸汽机不按煤收费，我们也不按 Token 收费，那是‘卖煤’的逻辑。我们按‘马力’收费。"
而这种思考也意味着，AI SaaS 厂商的价值锚点，从客户对算力资源的 " 消耗 "，转移到了 AI 所创造的 " 产出 "（替代的人力、提升的准确率、规避的风险）。这一定价范式的转换，使得客户更容易衡量投资回报率（ROI），也将厂商的利益与客户的业务成功深度捆绑。
AI 重塑 SaaS 价值边界
生成式 AI 的出现，不仅仅是改变了 SaaS 持续多年的商业模式，AI 技术的出现，还彻底打破了传统 SaaS 行业的发展瓶颈，推动 SaaS 行业从 " 流程驱动 " 向 " 价值驱动 " 转型，这种转型并非简单的 "AI+SaaS" 叠加，而是底层逻辑的重构。对此，合思 CEO 马春荃强调："AI 对 SaaS 的影响，不是在原有软件上增加一个 AI 插件，而是从产品设计、技术研发、商业模式到组织架构的全方位重构，是‘ AI 原生’的变革。我们不再是用 AI 改造产品，而是用 AI 构建产品。" 这种 "AI 原生 " 的变革，正在从三个维度重塑 SaaS 行业的价值边界。
其一，技术层面，AI 重构 SaaS 产品的核心能力，从 " 工具属性 " 向 " 智能属性 " 升级。传统财务 SaaS 产品的核心是 " 流程固化 "，通过预设的代码逻辑，实现财务流程的线上流转，其核心竞争力在于流程的完整性和稳定性。而 AI 原生的财务 SaaS 产品，核心能力在于 " 智能推理 "，通过大模型技术，实现对财务数据的自动识别、分析、推理和决策，打破了传统流程的刚性约束。
马春荃明确指出，合思公司正从 " 卖工具的 SaaS 公司 " 进化为 " 提供 AI 员工的 RaaS（Robot as a Service）服务商 "。这一转变的核心理念是 "By AI, For AI, Of Finance" ，其中 "By AI" 即利用 AI 生成代码，重构产品底层逻辑，不再依赖人工编码；"For AI" 即优化数据环境，为 AI 提供标准化、高质量的数据底座，让 AI 能够高效理解财务场景的隐性规则；"Of Finance" 即确保 AI Agent 归属于财务部门，遵循财务合规与风控要求，避免 AI 陷入 " 为个体便利而突破规则 " 的误区。
其二，商业模式层面，AI 推动 SaaS 行业从 " 订阅收费 " 向 " 价值收费 " 转型。长期以来，SaaS 行业的主流商业模式是 " 订阅制 "，即企业按照使用时长、用户数量等维度支付订阅费用，这种模式的核心痛点在于 " 价值与价格脱节 " ——企业支付的费用仅对应 " 工具使用权限 "，而非工具带来的实际价值，导致很多企业虽然购买了 SaaS 产品，但因使用效率不高、价值感知不强，出现续费率偏低的问题。艾瑞咨询数据显示，2024 年中国财务 SaaS 行业的平均续费率为 68%，其中中小微企业的续费率不足 50%，核心原因就是 " 价值感知不足 "。
AI 技术的落地，为 SaaS 行业的商业模式变革提供了可能。马春荃告诉笔者，合思已经彻底放弃了传统的订阅制模式，转向 " 按结果付费 " 的商业模式 " 用户不再支付固定的订阅费用，而是按照 AI 提供的实际价值付费，" 马春荃如是说。
例如 " 审核一单付费 10 元 "" 优化一笔成本节省付费比例 " 等。这种模式的核心逻辑，是将 SaaS 产品的价值与客户的实际收益绑定，让客户能够清晰感知到 AI 带来的价值。马春荃分享了一个典型案例：某客户原本对合思的产品持怀疑态度，采用 " 按结果付费 " 模式后，由于 AI 审核效率提升、风控能力增强，客户的财务成本降低了 30%，最终客户的充值额较传统订阅模式翻了 5 倍，且续购意愿极强。
这种商业模式的变革，正在重塑 SaaS 行业的竞争逻辑。未来，SaaS 企业的核心竞争力不再是 " 产品功能的完整性 "，而是 " 价值输出的能力 "。
与此同时，面对 " 软件行业已经灭亡 " 的提问，马春荃部分认同该观点，他指出，未来的软件形态将发生巨变，核心价值将从代码本身，转向其承载的数据、算法与持续的服务能力。软件可能变得 " 日抛型 " 或成为一种隐形的 " 数字基建 "，而显性的价值则由其上运行的 AI 员工来创造。
这预示着 SaaS 公司的终极形态，可能不再是软件公司，而是 AI 服务公司。马春荃将之比作从 " 卖炊具 " 到 " 卖厨子 " 的转变。客户不再需要关心 " 锅碗瓢盆 "（软件）如何制造，只需 " 雇佣厨子 "（AI 员工）来做出 " 美味菜肴 "（完成工作）。基于此，马春荃将合思的自身定位升级为 "AI 驱动的财务收支管理与服务伙伴 "，强调 " 伙伴 " 关系，意味着双方必须从冰冷的甲乙方，转变为共同训练、管理和优化 AI 员工的协同作战关系。
其三，服务逻辑层面，AI 推动 SaaS 行业从 " 被动响应 " 向 " 主动服务 " 转型。传统 SaaS 行业的服务模式是 " 被动响应式 "，即客户遇到问题后，主动联系 SaaS 企业的客服人员，客服人员再根据问题进行解答或优化，这种服务模式的效率低下，且无法提前预判客户的需求。而 AI 时代的 SaaS 服务，通过 AI Agent 的自主学习和推理能力，能够主动识别客户的需求，提前提供解决方案，实现 " 主动服务 "。
值得注意的是，AI 对 SaaS 行业的破壁，并非一蹴而就的过程，而是一个 " 循序渐进、逐步渗透 " 的过程。对此，马春荃坦言，合思的转型并非预设好的 " 一刀切 "，而是在实践中不断试错、不断优化的结果——最开始，合思只是想改造产品，但后来发现仅改产品无法解决问题，必须重构商业模式和组织生产关系；在转型过程中，也曾遇到 " 新旧引擎切换 " 的风险，即旧的订阅模式现金流减少，而新的 " 按结果付费 " 模式尚未形成规模，一度面临 " 损益崩盘 " 的风险。但正是这种持续试错、持续迭代的态度，让合思在 AI 原生转型中找到了正确的方向，也为整个 SaaS 行业提供了宝贵的实践经验。
仍面临挑战
虽然 AI 为 SaaS 行业带来了巨大的发展机遇，但在实际转型过程中，尤其是财务 SaaS 细分赛道，依然面临着诸多痛点和挑战。财务工作的核心属性是 " 合规性 "" 准确性 "" 保密性 "，这与 AI 技术的 " 不确定性 "" 数据依赖性 " 存在天然的矛盾；另一方面，传统 SaaS 企业的组织惯性、客户的思维惯性，也成为 AI 原生转型的重要阻碍。
具体来看，财务领域面临的首要挑战与其他行业应用 AI 面临的挑战 " 如出一辙 "，那就是数据。AI 技术的高效运行，依赖于高质量、标准化的数据底座，而财务数据的 " 碎片化 "" 非标准化 "" 私密性 "，成为制约 AI 在财务 SaaS 领域落地的核心瓶颈。对此，马春荃指出：" 数据治理是 AI 落地的最大障碍之一，我们不试图在脏数据上直接跑 AI，而是通过‘收敛’数据环境，为 AI 提供干净、标准化的数据。"
具体来看，财务数据的治理困境主要体现在三个方面：一是数据碎片化，企业的财务数据分散在不同的系统中，如报销系统、核算系统、税务系统等，不同系统的数据格式不统一、口径不一致，导致 AI 无法高效整合和分析；二是非标准化，不同企业的财务流程、核算标准、风控规则存在差异，甚至同一企业的不同部门，财务数据的录入规范也不统一，导致 AI 难以识别和理解；三是数据私密性，财务数据涉及企业的核心商业机密，如营收数据、成本数据、税务数据等，企业对数据安全的要求极高，而 AI 技术的训练和运行，需要大量的财务数据作为支撑，这就形成了 " 数据需求 " 与 " 数据安全 " 的矛盾。
针对这一痛点，合思的转型路径值得借鉴——通过 " 数据收敛 + 隐性规则萃取 " 的方式，破解数据治理困境。一方面，合思通过技术手段，对企业的非结构化数据（如发票、录音、合同等）进行标准化处理，对复杂的嵌套数据进行扁平化处理，适应 AI 的注意力机制；另一方面，通过 " 深度现场部 " 深入客户现场，挖掘客户财务工作中的隐性规则，将这些未写在纸面上的规则转化为 AI 可理解的语言，填补 " 合规与合格 " 之间的鸿沟。
马春荃举例说明：" 证监会的财报审核逻辑、国资委的穿透式监管要求，这些隐性规则不会上网，大模型也无法直接获取，只有深入客户现场，才能将这些规则萃取出来，让 AI 能够适配专业场景的需求。"
此外，为了确保数据安全，合思采用了 " 通用大模型 + 加强版小模型 " 的混合架构，针对大型企业提供私有化部署方案，使用国产大模型，确保数据不出域，既满足合规要求，又通过算法调优保证准确率。这种 " 数据治理 + 安全保障 " 的双重路径，为 AI 在财务 SaaS 领域的落地奠定了基础。
除了数据层面的阻碍之外，" 人类思维惯性 " 也是阻碍 AI 在财务领域落地的一大掣肘。无论是 SaaS 企业内部，还是客户层面，都存在严重的思维惯性，这种惯性成为 AI 原生转型的重要阻碍。马春荃坦言，转型过程中最大的挑战之一，就是 " 思维的惯性 " ——包括企业内部的思维惯性和客户的思维惯性。
从企业内部来看，传统 SaaS 企业的组织架构、工作流程、考核机制，都是围绕 " 流程驱动 " 的产品设计的，员工已经习惯了 " 按流程做事 "，对 AI 原生的 " 模型驱动 "" 价值驱动 " 逻辑难以适应。
例如，传统的产品经理习惯于 " 需求调研 - 功能设计 - 代码开发 - 测试上线 " 的流程，而 AI 原生的产品设计，需要产品经理具备 "AI 思维 "，能够将业务需求转化为 AI 可执行的 Skills，而非传统的写代码；传统的销售团队习惯于 " 卖工具、讲功能 "，而 AI 时代的销售，需要 " 卖价值、讲结果 "，这对销售团队的专业能力提出了更高的要求。马春荃提到，合思为了打破内部的思维惯性，组建了独立于组织之外的 " 小组 "，负责将业务需求转化为 AI 可执行的 Skills，同时重构了内部的工作流和考核机制，推动员工从 " 流程思维 " 向 "AI 思维 " 转型。
从客户层面来看，客户的思维惯性主要体现在 " 价格对标 " 和 " 需求固化 " 两个方面。马春荃分享了一个典型案例：某客户在对接合思的 AI 产品时，始终用传统财务软件的价格来对标，认为合思的产品价格过高，即使合思的 AI 产品能够为其节省大量的人力成本，客户依然难以接受。后来，合思改变了报价逻辑，不再与传统软件对标，而是与人类员工的价值对标—— AI 审核一单的成本远低于人工审核，且效率更高、准确率更高，客户瞬间接受了报价，甚至愿意支付更高的费用。马春荃表示：" 客户的思维惯性，本质上是对 AI 价值的不理解，我们需要做的，是引导客户从‘软件思维’转向‘ AI 思维’，让客户明白，他们购买的不是工具，而是 AI 员工创造的价值。"
此外，客户的需求固化也成为转型的阻碍。很多客户依然习惯于 " 按流程操作 "，对 AI 的 " 自主决策 "" 主动服务 " 能力存在疑虑，担心 AI 会出现错误、突破合规边界。针对这一问题，合思采用 " 渐进式落地 " 的方式，先从简单的重复性工作（如单据录入、基础审核）入手，让客户逐步体验 AI 带来的效率提升，再逐步拓展到复杂的决策支撑、风控管理等环节；同时，通过 " 审计留痕 "" 推理日志 " 等功能，让 AI 的决策过程可追溯、可验证，消除客户的疑虑。
对于 SaaS 行业而言，AI 不仅是技术升级的工具，更是价值重构的核心引擎，它打破了传统 SaaS 的流程束缚，重构了商业模式和服务逻辑，拓展了行业的价值边界。
当 AI 不再仅是卖工具，而是要让用户能看见价值。从 " 卖软件 " 到 " 卖结果 "，背后的逻辑其实很朴素——客户从来不需要一堆功能列表，他们要的就是问题被解决、成本降下来、风险被管住。
（文｜Leo 张 ToB 杂谈，作者｜张申宇，编辑丨杨林）
