插图来源：MAX-O-MATIc

今年2月2日，Anthropic公司宣布为其Claude Cowork人工智能软件推出一项新功能：一个简单的插件。它可以帮助用户完成合同审查或撰写保密协议等法律任务。乍看之下，这一消息似乎并不惊人，却引发了金融市场的剧烈震荡：在该工具首次发布后的24小时内，投资者便让科技股的市值蒸发了2,850亿美元，其中软件公司受创尤为严重。接下来的数周，抛售潮持续蔓延，甚至催生出一个新词——“SaaS末日”，意指当今企业软件厂商常用的软件即服务（SaaS）商业模式正在面临毁灭。（尽管软件股已经收复部分跌幅，但截至本文发稿时，依然比今年1月底的水平低约8%。）

在许多投资者看来，逻辑很简单：像Anthropic的Claude这样的人工智能模型，将取代对专用企业软件的需求。企业只需要让人工智能执行原本由其他软件完成的任务，或借助Anthropic、OpenAI或谷歌（Google）的人工智能编程智能体，通过“氛围编程”（vibe code）定制化软件。无论哪种方式，企业都不再需要向赛富时（Salesforce）、ServiceNow、微软（Microsoft）等传统厂商支付高昂的费用，那些提供法律科技、采购系统或财务规划软件的细分企业也将失去市场。

这种“末日论”引发了激烈的争论，批评者认为市场的抛售反应过度。美国银行（Bank of America）的高级分析师维韦克·阿里亚（Vivek Arya）直言，投资者对SaaS业务的看空是“无差别打击”、“夸大其词”且“逻辑不通”。就连一向看好人工智能的英伟达（Nvidia）首席执行官黄仁勋（Jensen Huang）也在接受美国消费者新闻与商业频道（CNBC）的采访时表示“市场判断错误”。他认为，人工智能体非但不会终结对现成软件的需求，反而会通过调用这些软件来完成各类任务。

尽管人工智能的出现确实让投资者面临新的认知挑战，但“SaaS末日论”背后的核心问题其实并不新鲜：每一项新技术都会开辟新的可能，并迫使我们重新审视既有实践。正如《财富》杂志采访的历史学与经济学专家所述，一项创新究竟会取代旧有技术，还是与既有体系并存，抑或开辟全新的路径，其背后的决定因素各不相同，而且难以预测。在很多情况下，无论是过度乐观的预期，还是过度悲观的判断，最终都与事实相去甚远。

以20世纪80年代问世的录像机为例。当时有人预测，视频技术将降低制作成本和对专业知识的要求，从而带来电影制作的大爆发。视觉内容确实出现了激增：根据IMDB的数据，20世纪90年代上映的影片数量是20世纪70年代的两倍。但视频技术几乎没有动摇胶片在“票房大片”中的统治地位。根据美国电影协会（Motion Picture Association of America）的数据，按照不变美元价格计算，长篇电影的平均制作成本不降反升，在1980年至2007年间增长了两倍。实际情况是，视频与胶片几乎占据了截然不同的细分市场：人们会用视频制作非院线内容，例如教育片和培训片，但大型制片厂的院线作品，仍然依赖胶片和专业制作体系。

与此同时，就在初学者开始接触录像机之际，桌面出版技术也开始兴起，并引发了对商业印刷行业“即将消亡”的担忧。毕竟，公司能够自行完成“印前”设计与排版工作，企业也能通过小巧普及的彩色激光打印机自行打印文件，看似不再需要聘请商业印刷厂。

然而，桌面出版并没有扼杀商业印刷业。相反，根据美国政府的统计数据，在该技术问世后的十年间，美国从事印刷及相关支持工作的人数不降反升，并在1998年达到约68万人的峰值；商业印刷厂数量也在1995年达到历史峰值的6.2万家。桌面出版实际上让更多的人有能力开设印刷厂。它真正淘汰的是排字工、拼版师和分色工等专业印前岗位。这些特定的职业在整个20世纪90年代确实出现了明显的下降。同时，印刷厂数量的增加带来了更激烈的竞争和利润率下滑。这最终推动了行业整合——因为只有通过规模效应，企业才能维持盈利。

那么，当人工智能降低编写代码的门槛时，软件行业是否会出现类似的局面？与其说软件厂商会被“淘汰”，不如说未来会涌现出更多开发细分业务应用的企业，因为对稀缺专业编程人才的依赖程度将下降。与印刷行业类似，SaaS的利润率或许会收窄，从而推动行业整合。但这并不是因为人工智能“吞噬”了SaaS，而是因为人工智能“滋养”了SaaS。

纽约州立大学石溪分校（State University of New York at Stony Brook）的经济学家洛伦茨·埃克尔特（Lorenz Ekerdt）指出，在过去大半个世纪中，企业的专业化程度越来越高，并将更多辅助性职能外包。他认为人工智能不会逆转这一趋势。他说：“我认为我们会看到更多细分软件的诞生与应用。但谁来开发这些软件？答案很可能依然是现在的这些公司。”原因在于，软件厂商已经建立起成熟的软件开发与维护流程与基础设施，包括安全协议、代码审查流程等。而非软件企业如果想要自行开发，则需要从零开始重建这些流程。即便人工智能可以实现部分自动化，但非软件企业仍然极有可能在执行过程中出现问题。

购买还是自建？

决定一家企业是“购买”还是“自建”的经济学理论，最早能够追溯到英国经济学家罗纳德·科斯（Ronald Coase）在20世纪30年代末的研究。科斯认为，这类决策主要取决于“交易成本”，即企业为获得所需产品或服务，在合同条款的制定与执行上的难易程度。对于标准化程度较高的投入要素，交易成本通常较低，因此企业更倾向于外部采购。对于高度定制化或需求快速变化的要素，由于难以以合理成本制定和执行合同，企业则更倾向于内部生产。此外，企业还需要权衡两种风险：一是随着时间推移，供应商利用自身优势抬高价格的风险；二是担心内部自建是否可以在质量、规模、成本和时间上达到预期要求的风险。

在人工智能与软件领域，这一逻辑同样适用。企业或许会允许员工通过“氛围编程”开发一些小型、个性化的效率工具，以提升工作效率。但对于那些关键且趋于标准化的系统，即专业化带来的竞争优势有限的领域（比如财务或人力资源软件），企业可能会发现，继续从成熟厂商采购效率更高。这些厂商能够聘请顶尖的程序员和用户体验设计师，并具备完善的产品路线规划和大型代码库维护能力。在这种情况下，软件市场可能出现分化：现有最成功的头部厂商持续发展壮大，而更多的细分应用程序开发者，则将越来越多地与企业内部的“氛围编程”解决方案展开竞争。

哈佛大学（Harvard University）的诺贝尔经济学奖得主奥利弗·哈特（Oliver Hart）长期研究企业经济理论。他指出，在人工智能与软件领域，需要考虑多方面的交易成本。一方面，人工智能有望降低现有软件厂商为特定客户定制产品的成本，从而削弱企业选择自行开发软件的意愿。

但另一方面，哈特也表示，如果软件厂商通过“锁定”客户数据，或对数据迁移收取费用来获取利润，那么这些交易成本可能就会促使部分企业选择自行开发软件，以获得更大的灵活性并控制未来成本。一些企业甚至可能尝试用人工智能自建软件，哪怕只是为了以“内部开发”为威胁手段，在与外部供应商谈判时增加议价筹码。不同企业可能会做出截然不同的选择。哈特称：“这最终会高度取决于具体客户的情况。很难一概而论哪种路径会占据上风。”

此外，人工智能与SaaS之间的“博弈”，其演变过程也可能比许多人预期的更为缓慢。明尼苏达大学（University of Minnesota）的教授、信息技术史专家、曾经长期任职于IBM的詹姆斯·科尔塔达（James Cortada）指出，企业为规避风险，对新技术的采用几乎都是循序渐进的，不太可能从采购SaaS产品全面转向自主编写软件。他举例称，企业从使用COBOL语言编写大型机程序，转向C++和Java等现代编程语言，耗时长达四十年；而从本地服务器迁移到云端也用了近十年时间，即便如此，许多企业依然将最关键的数据保存在自己直接管控的服务器中。

在人工智能与软件的关系上，科尔塔达认为更有可能的情景是，现有厂商将逐步把人工智能整合进自身产品，客户也会使用这些新功能，而不是用人工智能彻底取代现成软件。他说：“让人们用人工智能去开发薪资系统或采购系统等关键软件，无异于在一辆以每小时60英里（约96.56千米）行驶的汽车上更换轮胎。风险实在太高了。”

译者：Biz