在时代浪潮的推动下，中国 SaaS 行业正处于变革的关键节点，充满着确定性的求变决心，却又在方向选择上存在不确定性。

一位国内 SaaS 企业创始人向产业家透露：“未来属于 Agent，多 Agent 交互也必然是大势所趋。但在此之前，‘SaaS+AI’会是过渡阶段，因为在 TO B 服务中，产业理解、流程、权限、安全等核心价值是无法绕过的。” 同时，他还表示，“SaaS 模式是否会被替代？” 已成为自己今年频繁思考的问题，也是行业内备受关注的话题。

这种焦虑并非个例。过去两年，“SaaS 模式不会是 AI 时代的主要服务模式” 的观点，大多还停留在投资人的前瞻性点评以及硅谷的相关动态中。但今年，有两件事让这个讨论更加贴近现实。

今年 5 月，全球首款通用级 Agent 产品 Manus 发布。尽管它在 C 端的表现引发了两极化的讨论，但在 B 端却产生了更为深远的影响。一位 CRM 企业创始人表示：“Manus 发布后我们就开始研究，甚至很多交付的流程、能力、结果界面都参考它重新设计。” 在一家专注数据洞察的 SaaS 企业内部，Manus 被视为 AI TO B 的标志性事件，该企业认为这意味着 AI 真正具备了解决问题、规划并交付结果的能力。过去一两年，这家企业进行了一系列架构调整，而 Manus 的出现更是坚定了他们变革的决心。

除了 Manus，红杉中国内部分享会的 “共识报告” 也推动了这一讨论。在这场有微软、OpenAI 等企业参与的分享会上，“成果交付” 成为 AI 时代产品交付标准的新共识。然而，国内 SaaS 赛道的情况却与之相悖。多年来，在 CRM、ERP 以及工业软件等领域，服务商在标准化和 “定制化交付” 之间难以平衡，很难实现完全意义上的成果交付。

那么，SaaS 企业究竟该如何变革？SaaS 的交付模型在 AI 时代是否依然适用？Agent 和 SaaS 又该如何结合？一位投资人指出：“SaaS 正在回归其本质，它不是一种软件形式，而是一种交付形态。” 挑战与机遇并存，中国 SaaS 正加速驶入 AI 时代。

事实上，中国的 SaaS 企业已在行动。从路径上看，主要分为两类。

第一类是基于 PaaS 的逻辑构建 Agent PaaS。具体做法是在现有产品中融入 AI，将 Agent 能力单独提炼出来，并融入到原有软件界面中。这种方式既能维持 SaaS 服务商现有的商业模式，又能满足客户当下对 AI 的需求。部分 SaaS 厂商会优先选择商业价值高、需求明确的场景，如营销、销售、数据、客服等。这样做的优势在于见效快、资源投入精准，能避免全面改造带来的资源浪费。从 AI 价值的角度来看，这种路径恰好应对了销售各场景发展成熟度和数据质量参差不齐的问题。率先在数据丰富、质量高的场景落地 AI，既能满足现有客户的粘性需求，又能为拓展大型客户提供技术支持，兼顾了短期商业回报和长期技术壁垒的构建。而且，其未来发展方向也较为明确。不少 SaaS 企业表示，Agent 也需要个性化定制，“Agent PaaS” 正在筹备中，底层的分子能力将从通用场景模块向产业专有场景模块不断积累。目前，这是国内 SaaS 企业的主流选择，销售易、Zoho、网易数智等都采用了这种模式。

第二条路径是打造端到端的 Agent 产品。这意味着新的 Agent 产品与原有软件不打通，在原有服务产品之外，面向新场景进行独立商业定价。以众多厂商推出的 “AI 面试官” 为例，它独立于原有产品体系，单独收费和运营。采用这种路径需要调整组织架构，新的 AI 商业化产品需要不同的人员交付，交付周期、流程和标准都与之前不同。与第一种路径相同的是，端到端产品的核心也在于场景。企业需要确认新场景具备足够的商业化价值和市场需求，很多企业对这类产品的判定标准是 “在一定时间内完成 PMF 验证” 。一位创始人表示：“这相当于和现在的 AI 创业者站在同一起跑线，但我们还是有很大优势的。”

除了路径选择，更关键的问题是：SaaS 的 AI 改造是否具有价值？

Gartner 发布的《2024 AI Agent 市场陷阱报告》显示，目前 AI Agent 行业内，超过 80% 的宣传视频展示的是理想化场景，实际使用效果大打折扣。实际上，SaaS 的 AI 改造比想象中困难得多。数据显示，全球超过 60% 的 SaaS 企业仍处于亏损状态，大部分 SaaS 厂商盈利困难，现金流紧张。在这种情况下，企业进行 AI 改造，即便当前 token 价格较低，但在智能体推理训练方面，仍是一笔巨额开支。例如，某 HR SaaS 企业为构建人才画像系统，仅数据清洗就花费了 270 万元。

难题不仅在于成本，还在于新服务模型的建立。前面提到的两种改造路径，无论是在原有产品中融入 AI，还是打造新的端到端 Agent 产品，目前都面临着商业模式或发展瓶颈。

对于前者，本质上是将 AI 作为现有产品的增值服务，这存在两个现实问题。一方面，很难在企业内部量化 AI 对原有产品的加持效果；另一方面，价格方面也面临困境。不少厂商表示，作为增值服务，客户很难单独付费，即便付费，费用也较低。这导致许多 SaaS 厂商今年开始将 “增值服务” 转变为独立的 Agent 产品，虽然仍需嵌入原有产品和软件流程，但定价机制更加明确。此外，交付也是难点，目前基本依靠厂商自己交付，基于 AI Agent 的外部交付渠道商几乎不存在，厂商只能自行摸索。

后者的问题同样突出。端到端的 “另起炉灶” 意味着要重新验证新商业场景的需求，企业需要重新走一遍 PMF 验证过程。但从当前 AI 产品创业的实际情况来看，随着 AI 技术的迭代，现阶段 AI 应用层创业的难度比以往更大，不仅要避开大厂竞争，还要跟上 AI 技术发展的步伐。

这些难题反映出 SaaS 厂商在变革时的矛盾心态：既清楚必须做出改变，又对未来方向感到迷茫。随着 Manus 等通用 Agent 产品的出现，成果交付和 Agent 形态逐渐成为 TO B 服务的发展方向，SaaS 企业必须突破原有的产品和交付模式。然而，大模型的能力边界尚未完全突破，Agent 的 AI 应用形态也不成熟。而且，基于 Agent 交付的 TO B 服务模式与传统 SaaS 服务模型不同，服务流程、交付逻辑等都需要重新调整，SaaS 服务商需要经历 “阵痛”，才能构建新的交付模式。比如，一些新式 CRM 企业已经开始先明确项目指标，再根据指标确定产品服务形态。

一位企业负责人表示：“其实 Saleforce 也在探索，目前采取两条腿走路的方式。”Saleforce 作为全球估值最高的 SaaS 企业，在 AI 大模型方面的动作备受关注。一方面，它不断强化自身的 CRM 产品模型，将底层 AI 能力嵌入原有产品模块，推动产品升级；另一方面，推出端到端的 Agentforce 产品，借助其强大的 Agent PaaS 能力，帮助企业搭建各类 Agent 产品。此外，为确保交付，Saleforce 还重新招聘 AI 销售人员，构建新的 AI 交付体系。

SaaS 的 AI 改造，或者说 AI 原生化改造难以一蹴而就。当年自动驾驶发展初期，多数厂商最初追求 L4 级 “一步到位”，但经过市场洗礼后，逐渐转向 L2 级 “渐进式” 发展路径，通过辅助驾驶实现商业化落地，如今存活下来的自动驾驶厂商大多是及时做出转变的。SaaS 厂商同样需要 “渐进式” AI 改造，经历 “半自动” 过渡阶段。

例如，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。这种中间态的好处在于，既能降低技术重构风险，又能通过增加 AI 功能提高用户粘性。

此外，更多国际厂商的做法也为行业提供了参考。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，甚至计划取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，随着 MCP/A2A 协议的出台，这种交互模式逐渐可行。

可以看出，SaaS 的固有形态正在发生改变，这已成为市场共识。正如文章开头提到的企业创始人所说：“未来是 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。但在此之前，‘SaaS+AI’会是中间态，因为只要涉及到 TO B 服务，产业理解、流程、权限、安全等这些都绕不过去，这些才是最核心的价值。”