“‘SaaS模式要被替代了吗？’这是我今年开始频繁思考的问题，也是行业里不少人越发重点谈论的一个话题。”一位国内SaaS企业创始人告诉产业家。

　　焦灼的不仅是他，如果说在过去的两年里，“SaaS模式不会是AI时代的主要服务模式”的论调更多的还仅仅停留在投资人的前瞻在今年5月，首个通用级Agent Manus发布，尽管它在C端不够惊艳的表现带来的是冰火两重天的讨论，但在B端， Manus带来的影响要更为深远。“ Manus一出来我们就开始研究，甚至很多交付的流程、能力、结果界面我们都开始在我们软件中重新参考设计。”另一位CRM企业创始人告诉我们。

　　不仅是他，在一家面向数据洞察的SaaS企业内部， Manus也更被视为AI TO B的标志性动作。“这意味着AI开始真正具备解决问题的能力了，真正可以经过思考规划来交付结果。”这家企业在过去的一两年时间里进行了一系列的架构调整，而这次 Manus的到来更大的意义则是给这个架构调整“吃了一个定心丸”。

　　在 Manus之外，另一个催化这个讨论的事件是红杉中国内部分享会的“共识报告”。即在这个有微软、OpenAI等企业参与的分享会上，“成果交付”成为所有人对于AI时代产品交付标准的新共识。

　　而与之相悖的是，在国内的SaaS赛道，在过去的多年时间里，不论是CRM、ERP还是工业软件等等赛道，在标准化和“定制化交付”的权衡中，服务商很难做到完全意义的成果交付。

　　SaaS企业到底应该怎么变？或者说，SaaS的交付模型在AI时代是否还绝对成立？以及Agent和SaaS的结合模式到底是怎样的？

　　挑战和机会并存。中国SaaS，正在驶入AI时代。

　　实际上，如果从动作来看，中国的SaaS企业们已经有所行动。

　　从路径来看，整体路径可以分为两类，，具体表现是在现有产品中融入AI，把Agent能力单独列出来的同时，也更融入到固有软件界面，这种路径可以保证SaaS服务商维持现有的商业模式，也更能满足客户当前的AI需求接。

　　在此之中，部分SaaS厂商会优先选择商业价值高，需求明确的场景，比如像营销、销售、数据、客服等，这一路径的优势就是见效快、资源投入精准，避免全面改造的资源浪费。

　　从AI价值的角度来看，，用AI率先在数据相对丰富和高质量的场景进行落地，既能真实满足现有客群粘性需求，又为向上渗透大型客户提供技术背书。这种打法兼顾了短期商业回报与长期技术壁垒的构建。

　　而这种路径的未来展望也更加明确。，基于此的“Agent PaaS”已经筹备之中，底层的分子能力从通用场景模块到产业专有场景模块不断积累。

　　从布局数量来看，这是目前国内SaaS企业选择的主流方式，比如销售易、Zoho、数智等都是采取的这类模式。

　　。所谓端到端，也意味着新的Agent产品和固有的软件并不打通，在固有的服务产品之外，新的产品面向新的场景，进行新的商业定价，典型的比如北森，金蝶的相关产品。

　　以不少厂商都推出的“AI面试官”等产品为例，不同于将AI与现有产品进行融合的路径，AI面试官是一个独立于原有产品体系的AI Agent，其会在固有的产品之外进行单独收费和运营。

　　“其实这个就相当于把自己和现在的AI创业者放到同一个战场上，但我们还是有很大的优势的。”一位创始人告诉我们。

　　路径之外，更核心思考的一个问题是：SaaS的AI改造到底是不是具备相应的价值？

　　根据Gartner发布的《2024 AI Agent市场陷阱报告》显示，在目前整个AI Agent行业内，有超过80%的Agent宣传演示的是理想化场景，实际使用效果大打折扣。

　　实际上，这场改造，远比想象中难。一组数据显示，全球超过60%的SaaS企业仍处于亏损状态，

　　在这种情况下，企业如果要进行相关的AI改造，即使现在的token价格足够低廉，但在对应的智能体推理训练下，AI改造也更是一笔巨额支出。有数据显示，某HR SaaS企业为构建人才画像系统，仅数据清洗就耗资270万元。

　　难题不仅在成本，也更在。前面说到SaaS厂商改造的两种路径，一是在原有产品中融入AI，二是打造一个新的端到端Agent产品，从当下来看，这两种路径都存在一些商业模式抑或是发展瓶颈。

　　拿前者来说，

　　这也导致了不少SaaS厂商在今年开始将“增值服务”转为独立的Agent产品，虽然还是要嵌入到原有的产品之中，嵌入到既有的软件流程中，但产品的定价机制更为明确和“不妥协”。

　　后者的问题也同样明显。即恰如前文所说，端到端的“另起炉灶”也更对应着对新商业场景需求的验证，对企业而言需要重新走一遍PMF的验证过程，但从目前的AI产品创业真实水温来看，伴随着AI技术的逐步迭代，现阶段从AI应用层创业的难度要比之前更大，不仅要远离大厂射程，更要远离AI技术的发展射程。

　　即伴随着Manus等通用Agent产品的出现，成果交付和agent形态正在成为愈发确定性的TO B服务形态，

　　此外，基于Agent交付的TO B服务形态和固有的SaaS服务模型并不相同，其对应的服务流程、交付逻辑等等都需要重新变化，对比如目前有新式CRM企业的服务方式已经是先对齐项目指标，最终从指标倒推产品服务形态等等。

　　“其实Saleforce也不知道怎样的方式才是最好的方式，它现在是两条腿走路。”一位企业负责人告诉我们。

　　Saleforce是全球范围内目前估值最高的SaaS企业。关于它的一个介绍是，伴随着Agentforce 等产品进度被不断推进后，其股价截至目前仍经过着连续多周的上涨，市场持续看好。

　　诚然如此。从Saleforce的路径来看，其面向AI大模型的更新动作是，一方面持续强化自身既有的CRM产品模型，把对应的底层AI能力嵌入进原来的产品模块中，进行产品侧进化；另一方面，推出Agentforce的端到端产品，基于Agentforce 的强Agent PaaS能力帮助企业搭建各式各样的Agent产品。

　　此外，在架构侧为了保证交付，Saleforce也更重新招聘了新的AI销售人员，建立新的AI交付体系。

　　一个事实是，SaaS的AI改造，或者说AI原生化改造很难一步到位，一旦有了“大跃进”的念头，便很难走的长久。就像当年自动驾驶发展初期，大部分自动驾驶厂商被市场教育后，慢慢从L4级“一步到位”的路径，转成了L2级“渐进式”的路径，从辅助驾驶慢慢实现商业化落地，现在活下来的自动驾驶厂商，无一不是及时转向。

　　。

　　比如Salesforce的Agentforce虽强调自主任务执行，但仍依赖原有CRM数据模型和API接口，本质上是将AI代理作为现有系统的“智能插件”。国内厂商如钉钉推出的AgentStack，则通过低代码平台让企业自行组合AI能力与现有功能模块，形成“工具箱式”解决方案。

　　此外，也有更多国际厂商的动作也更在成为新参考。比如微软提出“Agent Stack”愿景，试图构建跨企业应用的智能中枢，通过统一框架调度多个Agent完成复杂任务，甚至计划替代传统数据库成为企业核心操作系统。OpenAI等大模型厂商则通过API生态聚合开发者，推动AI Agent成为标准化服务接口，伴随着MCP/A2A协议的出台，这种交互模式也更在逐步可行。

　　。

　　“未来还是Agent的天下，多Agent交互也一定会成为未来，就像企业采购流程可能由多个Agent协作完成——需求分析Agent对接财务系统，供应商比价Agent整合电商平台，合同生成Agent联动法务模块，最终实现全流程无人干预。”开篇的企业创始人告诉我们。