TL;DR：
人工智能正重塑SaaS的商业基石，高昂的计算成本与灵活的成果导向定价模式取代传统指标，催生“人机混合”的AI原生组织和新型竞合生态。创业成功的关键在于精准定位、高效利用AI Agents并以客户价值和产品喜爱度为新的北极星指标。
曾经，SaaS（软件即服务）是企业软件领域的“金科玉律”，以其标准化的产品、可预测的订阅收入和高毛利，构建了一个高效且可复制的增长模式。然而，随着生成式AI浪潮的汹涌而至，这一根深蒂固的范式正面临前所未有的挑战与颠覆。Anthropic、Cursor、fal等一批AI原生企业，不仅带来了技术和产品形态的革新，更揭示了一条完全不同的商业路径，预示着一个由计算成本、AI Agent和结果导向所定义的“AI商业新世界”的到来。
变革驱动力解读：计算成本重塑商业逻辑
AI时代的商业逻辑，其核心变革源于计算成本（COGS）取代客户获取成本（CAC）成为新的制约因素。传统SaaS企业每增加一个用户，边际成本几乎为零，从而实现高达80%-90%的毛利率。但在AI原生公司，每次模型推理、每个令牌（token）的生成，都意味着实实在在的GPU算力、电力消耗和模型推理时间支出。这意味着即使营收实现爆炸式增长，毛利率也可能仅在40%-50%之间。正如fal的Gorkem Yurtseven所言：“软件技术的进步速度比硬件技术更快，即使我们扩大规模，运行最好的模型也变得越来越昂贵。”1
这种高昂的计算成本迫使AI创业者重新定义“健康增长”。传统的“40法则”（增长率+利润率≥40%）或毛利率扩张等指标，在AI时代显得不再适用。取而代之的是，企业需要更关注能够平衡增长与计算效率的单位经济效益。高服务成本与低获客成本的新动态，奖励那些通过产品质量、病毒式传播和社区建设来自然驱动用户采纳的公司，而非依赖传统的高投入销售推广。
商业模式创新：从使用权到价值成果
AI不仅改变了产品的构建方式，也深刻影响了其盈利模式。传统的按席位付费（per-seat）SaaS模式正在被基于使用量（usage-based）和结果（outcome-based）的定价模式所取代。Cursor和fal等公司正在探索将收入与AI交付的实际成果直接挂钩。
- 按使用量付费：客户根据API调用、令牌消耗或完成任务量来付费。这反映了AI应用每次推理都会产生边际成本的现实。
- 基于结果的定价：当AI带来可量化的业务成果时（如已解决的工单数量、生成的内容质量），客户才需付费。这种模式将收费与AI创造的实际价值紧密结合。
- 混合模式：基础订阅提供可预测性，而可变层级则随使用量的增加而获得收益，以平衡稳定性和灵活性。
Cursor的Jacob Jackson指出：“当你从客户那里收到10美元时，你不能只花10美分在AWS上。GPU很贵，而且它们会消耗大量的电力和热量。”1 这清晰地说明了AI商业化模式从“获取资源”向“创造价值”的根本性转变。那些能够设计出平衡客户价值与基础设施经济效益的定价系统，并将收入与可衡量价值（如使用量、生产力提升或业务成果）直接挂钩的企业，将更具持久竞争力。AI Agent等能够自主执行复杂任务的产品，其定价模式甚至可能采纳按任务成功率或计算时长按需付费，进一步深化了结果导向的商业逻辑。2
AI原生组织与“数字同事”的崛起
AI的出现不仅改变了外部的商业模式，也正在重塑企业内部的组织形态和工作流程。AI原生公司从成立之初就将AI深度融入组织的各个方面，推动了“人机混合”团队的崛起和“数字同事”从概念走向现实。
Anthropic通过Claude驱动的Slack助手，优化了新员工入职和知识检索；Cursor的销售人员甚至编写代码并利用AI自动化部分工作流程，其产品也使用异步“后台代理”辅助开发。这些实践表明，AI正在帮助团队变得更精简、更智能、更快速地运作，将信息密度和处理能力集中到少数关键人才手中，赋予个体创业者相当于一个中型组织的生产力。12
AI Agent（智能体）是这一趋势的核心。作为基于大语言模型（LLM）的系统，AI Agent旨在通过推理、规划和与外部工具交互，代表用户独立执行任务。在短短一年内，AI Agent领域的企业数量已从约300家激增至数千家。2 Anysphere（Cursor的开发商）从成立到估值99亿美元仅用了3年，其产品Cursor的年度经常性收入（ARR）已达5亿美元；法律AI公司Harvey以30亿美元估值完成融资，ARR已达1亿美元，这在传统SaaS时代需要7-10年才能实现。2 这些“AI原生”独角兽的产品价值主张完全建立在AI能力之上，其核心功能在没有AI的时代根本无法实现，例如Cursor的代码补全、Harvey的法律文书生成等。它们的产品价值随底层模型的性能提升而提升，而非传统软件的运营效率。
生态重构与竞合策略
AI时代，产业生态的竞争与合作模式也在发生深刻变化。在通用型AI工具充斥的市场中，专注成为制胜之道。fal的成功源于其专注于“生成式媒体推理”领域，明确划分并占据细分市场，再考虑横向扩张。这与戈尔克姆的观点不谋而合：“大家都以为所有人工智能模型都属于同一个市场，但我们很早就发现，媒体模型的买家群体各不相同。这种转变改变了一切。”1
与此同时，AI生态系统正形成一种竞合（coopetition）关系。Anthropic和Cursor虽在不同层级（模型提供商与应用开发商）有所重叠，但却密切合作，分享反馈并共同改进。Anthropic的Kelly Loftus指出：“我们与Cursor等合作伙伴携手，共同推进模型功能的发展。”Jacob Jackson补充道：“每当模型变得更好，Cursor的性能也会随之提升。”1 这种共生关系表明，模型提供商和应用开发人员并非零和博弈，而是相辅相成的盟友。这与OpenAI囤积算力，Anthropic专注企业级解决方案的差异化策略异曲同工，共同构建着AI产业的多元化生态。3
大型科技公司在AI智能体开发方面拥有显著优势，而Salesforce、ServiceNow等企业软件巨头也已推出智能体平台。然而，垂直领域的专业化AI Agent仍有巨大机会。Harvey在法律领域的成功证明，当AI掌握特定领域知识、理解行业工作流并能生成符合专业标准的输出时，它可以承担律师助理甚至初级律师的部分工作。AI编程Agent、客户服务AI Agent等细分市场正展现出惊人的增长潜力和估值溢价。2
新的“北极星”指标与投资风向
在SaaS时代，年度经常性收入（ARR）、毛利率和净留存率是衡量成功的核心指标。但在AI时代，这些指标已不足以全面反映企业的健康状况和增长潜力。最具前瞻性的创始人正在追踪一系列新的“北极星”信号：
- 使用情况和参与度随时间的变化：这是用户留存和增长的最直接领先指标。
- 内部NPS（净推荐值）：衡量团队成员是否真正喜欢并频繁使用自家产品。
- Logo多样性和新logo获取：营收分布在足够多（如30个以上）的客户中，且新客户不断增长。
- 钱包份额：客户在AI或媒体方面的支出中，通过您的平台进行的百分比。
正如Cursor的Jacob Jackson所强调：“收入滞后于用户增长，用户增长又滞后于产品质量。我们最重要的衡量标准是我们自己是否愿意每天都使用它。”1 这种以用户喜爱度和产品实用性为导向的新准则，反映了AI产品从工具向“数字同事”的演变。资本市场也敏锐捕捉到这一变化，对AI领域的投资呈现指数级增长。2025年，全球估值超过10亿美元的54家公司中，超过半数（57%）是AI公司。投资逻辑从“AI+行业”赋能转向追逐只有AI才能创造的全新价值，超级独角兽的崛起和天价种子轮融资（如ThinkinMachinesLab）是其最直观的体现。2
未来展望：AI驱动的文明进程
“SaaS已死”的论断并非指软件即服务模式的彻底消亡，而是其核心逻辑在AI冲击下的结构性重构。AI的融入使创业变得更加廉价和便捷，任何人都有可能成为AI时代的创业者，就像自媒体博主一样。这种“AI平权”的趋势，将AI信息密度和处理能力集中到少数关键人才手中，极大地降低了初创企业的资本需求，并加速了组织决策和产品迭代速度。2
然而，机遇与挑战并存。AI Agent的可靠性仍然是其广泛应用面临的一大挑战，故障、幻觉或异常行为都可能带来业务风险。随着AI能力的提升，推理和记忆能力的进步将推动Agent向更复杂的决策、适应性和任务执行能力迈进。未来，AI Agent将从静态任务执行演变为更具适应性、推理驱动的系统，支持动态决策。
长远来看，AI商业范式的演变不仅仅是技术和经济层面的迭代，更是对人类文明进程的深层影响。它将彻底改变我们的工作方式、商业组织形态乃至社会结构。企业将如何平衡高昂的计算成本与客户价值？AI Agent将如何与人类员工协同，构建新型混合团队？以及，我们又将如何应对AI带来的伦理挑战和潜在风险？这些问题将是未来几年科技前沿持续探索和深思的哲学命题。AI时代的商业画布正在铺展，其宏伟与复杂程度，远超任何单一技术变革所能比拟。