“SaaS企业，打了一场漂亮的翻身仗。

2026年初以来，上市软件公司ETF大跌约30%，几乎抹去了ChatGPT发布后的全部涨幅。Salesforce、Adobe、Intuit、ServiceNow等SaaS龙头，也在短短几周内普遍回撤25%至30%。

投资者们高喊“SaaSpocalypse”就要降临了。

由SaaS和Apocalypse拼在一起，这个词的意思是“SaaS末日”。

“SaaSpocalypse”
AI正在重新定价整个软件行业

“Apocalypse”最早来自古希腊语apokálypsis，原意“揭示”，或者“显露真相”。后来随着《圣经·启示录》（Book of Revelation/Apocalypse）的传播，它逐渐和“末世”“灾难”“世界终结”联系在一起。

在今天的英语语境里，“Apocalypse”已经变成一种很典型的硅谷和华尔街用语，用来形容某个行业遭遇毁灭性冲击。

“SaaSpocalypse”背后反映的是一种越来越强烈的市场情绪：AI正在从根本上动摇软件行业过去十几年的商业逻辑。

十五年前，风险投资机构a16z的联合创始人Marc Andreessen提出“Software is eating the world”。当时的核心逻辑是软件会不断地吞掉传统行业，企业会越来越依赖SaaS、云计算和数字化系统。后来Salesforce、Adobe、ServiceNow、Shopify等公司的崛起，都可以视作这一轮软件化浪潮的结果。

而现在，硅谷开始追捧更新的叙事：“AI is eating software.”

大模型会直接吞掉软件本身。过去需要SaaS完成的事情，现在AI agent可能通过自然语言就能完成；过去复杂的软件界面和工作流，未来也可能被聊天窗口取代。

于是，每一次GPT、Claude、Gemini更新，都会引发SaaS板块集体下跌。

因为越来越多人开始相信，AI不只是下一代软件，它可能会直接重构整个软件行业。

“AI会吃掉SaaS”
可能是今年最大的误判

不过从这一轮财报来看，“SaaS末日论”显然喊早了。

过去一年，市场一直相信，随着AI Coding和AI Agent的崛起，大量企业SaaS会失去原本的软件入口价值，最终被压缩成“只有一层UI的薄壳工具”。

但最新一轮财报出来后，市场开始重新定价。多家SaaS公司在发布财报后股价明显反弹，说明投资者开始意识到AI并没有重创SaaS，反而正在让一部分SaaS变得更重要。

4月30日，Twilio发布2026年第一季度财报，盘后与盘中最高累计涨幅曾达14%左右。公司营收达到14.07亿美元，同比增长20%；有机增长达到16%，明显高于去年同期的12%；非GAAP经营利润达到2.79亿美元。与此同时，公司还将全年收入增长预期从11.5%—12.5%上调至14%—15%。

AI并没有绕开通信基础设施，反而放大了底层通信能力的需求。例如，AI Agent想进入客服、营销、通知和用户触达场景，依然离不开短信、语音、身份验证、消息路由以及客户互动接口。AI可以生成对话，但真正把对话接入现实业务系统的，仍然是Twilio这类通信平台。

Atlassian在5月1日发布2026财年第三季度财报。次日，股价一度暴涨接近30%。公司营收达到17.87亿美元，同比增长32%；云收入达到11.32亿美元，同比增长29%；剩余履约义务（RPO）达到40亿美元，同比增长37%。

财报里最值得关注的是RPO。它代表客户已经签下、未来尚未确认的合同收入。如果企业真的准备减少对Jira、Confluence这类协作系统的依赖，RPO不应该继续高速增长。Atlassian的数据说明，AI可以生成代码，但企业依然需要项目优先级、责任分配、需求变更、客户反馈以及团队协作记录。

最猛的还是Datadog的反弹。受5月8日财报利好刺激，公司股价盘中一度暴涨约38%，创下近年来最大单日涨幅之一。公司2026年第一季度营收首次突破10亿美元，达到10.06亿美元，同比增长32%，高于去年同期约27%的增速。这意味着Datadog不只是“守住增长”，而是在重新加速。年化经常性收入超过10万美元的大客户数量，也从一年前约3770家增长至约4550家。此外，公司还上调了全年收入指引。

AI带来的GPU集群、推理流量、模型调用、日志、安全告警以及Agent工作流反而让系统变得更复杂、更难治理。而越复杂的系统，越需要监控、排查和治理工具。Datadog的财报本质上说明了一件事：AI没有消灭“仪表盘”，反而让“仪表盘”变得更重要。

5月21日，Snowflake发布2026年第一季度财报后，股价同样明显走强。公司产品收入达到9.968亿美元，同比增长26%；剩余履约义务达到67亿美元，同比增长34%；净收入留存率达到124%。与此同时，公司还上调了FY2026全年产品收入指引至43.25亿美元。

企业仍在持续扩大对Snowflake的长期承诺。无论是RPO还是净收入留存率，都意味着更多核心数据、权限体系和内部工作流正在继续沉淀在Snowflake上。企业内部最核心的资产，本来就是长期积累的数据、权限体系、组织流程与业务上下文。而这些东西往往分散在不同部门、不同系统和大量历史流程里，需要持续治理、维护与协同。AI Agent可以调用模型，但如果无法接入这些底层结构，就很难真正理解企业如何运转，更无法进入核心业务系统。

把这几家SaaS公司的财报放在一起看，结论已经越来越清晰：AI确实会改变软件入口，但它还无法接取代企业系统。越是掌握数据、工作流、权限体系、组织上下文与治理能力的软件平台，反而越可能因为AI变得更加重要。

企业级SaaS的护城河
从来不是代码

围绕“SaaSpocalypse”的核心逻辑，其实建立在一个典型误解之上：SaaS公司卖的只是代码，既然AI越来越会写代码，那么SaaS的护城河迟早会被抹平。

但企业软件真正值钱的部分，从来不是代码本身。不然过去二十年，软件行业早就被开源软件、低价外包，甚至Stack Overflow彻底摧毁了。

a16z最近关于SaaS与AI的分析里提到，企业级SaaS的护城河，本质上来自几个更深层的东西：切换成本、网络效应、规模效应、品牌、专有数据、工作流深度，以及AI-native公司与传统SaaS之间的商业模式差异。

比如，企业一旦深度接入某套系统，更换供应商本身就意味着巨大的迁移成本；当大量员工、客户、合作伙伴和第三方开发者都围绕同一个平台协作时，软件本身也会逐渐演化成生态系统；大型SaaS公司则能够依靠长期积累的算力、合规、安全和基础设施能力持续降低边际成本；而在支付、财务、CRM、ERP这类关键系统里，品牌本身往往意味着稳定性与风险控制。与此同时，真正高价值的数据——客户数据、业务数据、流程数据——也并不是短时间内可以复制出来的。

这些能力的共同特点在于，它们几乎都不是“写代码”本身能够解决的。

现在很多人看到AI coding，很容易产生一种错觉：既然AI已经能快速生成 CRM、客服系统甚至ERP demo，企业为什么还要继续给Salesforce、ServiceNow或SAP付费？

“做出一个工具”和“运营一个企业平台”，本来就是两件完全不同的事情。

谁拥有生产环境权限，哪些审批需要法务介入，哪些客户数据受到监管，哪些系统之间存在依赖关系，一个Agent调错接口会不会影响整个生产环境——这些关键问题，并不写在代码里，而是长期沉淀在企业内部的工作流、组织结构和生产环境之中。

虽然任何人都可以通过prompt快速生成一个应用，甚至用vibe coding搭出自己的CRM或财务系统。真正困难的部分是AI无法解决的：系统维护、网络安全、权限管理、合规审计、稳定性，以及大规模API调用下的生产环境管理。

还有一个经常被忽略的问题：AI token成本依然高企。

很多人会想象一种未来：企业不再购买SaaS，而是直接调用模型API，动态生成软件。但现实里，这种模式很多时候并不划算。企业SaaS最大的价值之一，本来就是把高频、稳定、标准化的工作流固化下来，而大模型更适合处理低频、模糊、非结构化的问题。

如果一家企业每天几十万次审批、客服、ERP查询、CRM调用都实时走大模型推理，那么token成本、延迟、稳定性以及推理资源消耗，很快就会失控。很多工作流，本质上并不需要“每次重新思考”，它们需要的是稳定、确定、低成本和高可靠性。

这也是为什么，大模型更适合作为“智能层”，却很难真正替代企业执行层（enterprise execution layer，企业执行层）。

过去软件行业最大的瓶颈是开发速度，而现在，新的瓶颈开始变成治理能力（governance）、可观测性（observability）、系统可靠性（system reliability）、工作流编排（workflow orchestration）以及安全体系（security）。

归根结底，AI正在让“写软件”越来越便宜，但“运行软件”并没有变简单。

企业真正需要的，从来不是一个能跑的demo，而是一个能够稳定运行十年、经历无数权限变更、合规审计和生产事故之后，依然不会崩掉的系统。

这恰恰是企业级SaaS真正能打的地方。

真正危险的，不是企业SaaS
而是“薄薄一层UI”

过去一年，市场一直在讨论“AI会不会杀死SaaS”。

如果仔细看行业变化，你会发现，真正被AI冲击最严重的是那些“薄薄一层UI包装”的工具型SaaS。

这类公司的共同特点很明显：它们通常解决的是一个非常单点的问题，提供一个轻量功能，然后在大模型外面包一层交互界面，比如会议总结、AI写作、文案润色、摘要生成、搜索增强、轻量自动化、AI助手。

一旦OpenAI、Anthropic、Google或Microsoft把类似能力原生集成进平台，它们的价值就会迅速被压缩。因为它们真正拥有的，往往只有“交互层”，而不是工作流，更不是基础设施。

这种趋势已经越来越明显。Otter.ai曾经是AI会议总结赛道最有代表性的公司之一。早期它的核心价值非常清晰：自动转录、生成摘要、提取待办事项。但很快，Zoom、Google Meet、Microsoft Teams、Copilot、ChatGPT全部开始原生支持会议转录和总结。

于是问题就出现了：如果会议软件、操作系统甚至模型本身已经自带会议总结，用户为什么还要额外打开一个Otter.ai？

Otter.ai既不掌握企业协同系统，也没有“系统记录源”（system of record，企业核心数据来源）的地位，更没有组织依赖关系。它提供的是一个“功能”，而不是一个“系统”。

也正因为如此，Otter.ai也开始往AI Agent和企业协作方向发展，让AI自动跟进待办事项、同步CRM、安排会议、调用企业知识库等。

Jasper的故事也类似。2022年，它一度是AI写作赛道最火的明星公司，融资和估值一路暴涨，因为在ChatGPT出现之前，“AI自动生成营销文案”本身就是一个非常惊艳的能力。但ChatGPT出现之后，整个行业突然发现：文案生成，本身只是大模型的基础能力。

于是Jasper很快开始转型，从“AI写作工具”转向企业营销工作流，希望进入团队协同、品牌管理和营销流程，因为它意识到，只靠“生成文案”本身，很难建立长期护城河。

越来越多AI-native SaaS开始拼命往“平台化”转，希望真正进入工作流、数据和企业协同体系。因为模型能力本身，很难形成长期壁垒。今天GPT更新，明天Claude升级，后天Gemini发布新版本，很多AI工具公司最核心的功能，可能一夜之间就会变成模型默认能力。

这也是为什么，市场现在越来越不愿意给“AI wrapper（AI套壳）”高估值。因为大家开始意识到：如果一家SaaS公司既不掌握数据，也不嵌入工作流，更没有组织级依赖关系，那么它本质上更像一个“功能”，而不是企业基础设施。

AI真正吃掉的是那些缺乏数据、工作流、权限体系和“系统记录源”地位的软件价值。

相反，真正掌握工作流和企业上下文的公司，反而会因为AI变得更加重要，因为AI Agent想真正进入企业，最终仍然必须运行在这些系统之上。

连Anthropic都还离不开工程师
AI真能取代SaaS吗？

过去一年，市场最大的误判之一，是把AI的“生成能力”误认为“企业能力”。

Anthropic CEO Dario Amodei是这种叙事里最激进的代表之一。他曾多次公开预测，AI很快将完成绝大部分软件工程工作，软件开发会被高度自动化。这样的表述很容易点燃市场情绪，因为它恰好对应了资本市场最喜欢的故事：代码成本趋近于零，软件行业的护城河也会随之消失。

但现实往往比发布会复杂得多。

一边是“AI即将接管软件工程”的口号越来越响，另一边，Anthropic自己却仍然在大量招聘工程师、基础设施人员和产品团队。原因其实很简单：AI可以提高代码生成效率，但它仍然远远无法替代复杂系统里的工程判断、架构设计、权限治理以及生产环境管理。

过去两年，行业已经出现越来越多类似案例。2026年初，Amazon内部就曾因为AI辅助生成代码引发严重生产事故。部分改动在局部测试里看起来完全合理，甚至能够顺利通过code review，但进入复杂生产系统后，却触发了巨大的“爆炸半径”，一度导致北美订单系统异常，影响数百万订单。

这其实暴露了AI Coding最大的问题：它很擅长生成“局部正确”的代码，却并不真正理解整个系统如何运转。

它可以快速生成函数、页面和接口，却不知道哪个服务和财务系统存在底层依赖，哪个权限策略会影响整个生产环境，哪个看似无害的改动可能触发连锁故障，哪些工作流背后牵涉审计、合规和跨部门协同。

某种程度上，AI更像一个效率极高、但缺乏系统责任感的初级工程师：它可以快速产出大量代码，但并不为捅的篓子负责。

而企业级软件最核心的价值，恰恰不是“能跑”，而是能不能稳定运行五年，能不能经历权限体系调整，能不能通过审计与合规，能不能在高并发与复杂组织协同下依然不崩。

AI更擅长“生成”，但今天真正支撑企业运转的，仍然是那些“靠谱”的系统

“AI将杀死SaaS”
本质上是一场华尔街资金迁徙

某种程度上，这轮“SaaSpocalypse”的叙事，本身更像是一场华尔街与AI公司共同推动的资本故事。

过去十多年里，SaaS一直是美股最赚钱的主线之一。大量云软件公司长期占据 QQQ权重核心，从Salesforce、Adobe、ServiceNow到Intuit、Atlassian、Snowflake，SaaS板块曾贡献了纳斯达克过去十多年里相当大一部分涨幅，投资人也获得了巨额回报。

当生成式AI出现后，资本市场自然会寻找“下一轮更大的故事”。相比已经成熟、增长逐渐放缓的SaaS，AI显然拥有更大的想象空间、更高的估值弹性，以及更容易讲述的未来叙事。于是，大量资金开始从SaaS撤离，转向GPU、算力、模型和AI Agent。

华尔街永远需要新的增长神话。

但市场同样存在周期。过去两年AI板块的疯狂上涨，本身已经积累了大量获利盘。一旦资金开始发现，许多AI业务并没有想象中那么具备经济效益：推理成本居高不下、商业化回报有限、企业付费意愿低于预期，而真正稳定赚钱的企业，依然离不开工作流、数据治理、组织协同和系统可靠性，那么资金自然会重新回流那些被低估、却仍然掌握企业核心基础设施的公司。

而那个方向，或许恰恰就是SaaS。