SaaS行业正经历确定性系统与概率性系统的生死分裂

投资者现在还在无脑打压所有SaaS公司的估值，却没意识到确定性平台和概率性平台的命运完全不同，这就是捡漏的机会。

咱们今天聊点刺激的，SaaS行业正在经历一场史诗级的大逃杀。所有人都说AI要"转型"软件行业，这话听起来像是安慰剂。真相根本不是转型，而是分裂，是生与死的分水岭。有些SaaS公司马上就要被碾成渣渣，另一些则会强到没朋友。这不是看谁家股票便宜就能买的游戏，估值低不代表安全，你得看懂底层逻辑。

决定谁能活下来的关键因素，既不是品牌有多响亮，也不是手里攒了多少数据，而是核心系统到底是确定性的还是概率性的。这个分类听起来像计算机课上的术语，实际上它决定了你的投资是赚十倍还是血本无归。

确定性系统就是那种必须100%精确、状态管理超级复杂、出错就会引发灾难性后果的系统。想象一下会计软件、ERP企业资源计划系统、合规平台、医疗系统、支付处理器，还有复杂的工作流引擎。这些系统必须100%正确，95%不行，99%也不行，必须是100%。当你在核对一份价值十亿美元的资产负债表，或者给五万名员工发工资的时候，"差不多对了"这种话等于是在说"差不多没犯罪"。

有个在Rippling工作的老兄在AlphaSense上分享了一段金句：传统企业功能比如人力资源，本质上是确定性的；像解雇员工这种决定是二元的，需要刚性逻辑，特定输入触发精确且不变的流程。相比之下，大语言模型本质上是概率性的，它只是在计算下一个词出现的置信度，而不是遵循硬编码的决策树。

确定性系统就是商业世界的数学考试，答案只有一个，错了就是错了，没有"我觉得差不多"这种选项。这种系统的护城河在于精确性和可靠性，AI再聪明也没法替代一个能保证100%正确的账本。

概率性系统的核心价值在于模式识别、内容生成、基础自动化或简单决策。想想聊天机器人、内容推荐引擎、基础客服自动化、简单工作流工具，还有那些通用的生产力软件。这些系统可以容忍错误，输出往往是"够好就行"的水平。

AI会吃掉整个概率性类别，而一些确定性系统会通过整合AI作为补充层变得更有价值，并开始向其他层扩张。这不是预测，这是正在发生的现实。如果你的产品核心价值能被大模型用90%的质量和1%的成本复制，而且你做的是概率性产品，那你的商业模式基本上就是在裸泳。

这听起来很反直觉。AI这么强大，为什么不去颠覆那些复杂的系统呢？有个叫延斯·埃里克思维克的家伙说得很到位：AI在自主性受到约束、执行权被明确归属、确定性被视为资产而非限制时才能成功。

看看2025年和2026年企业实际部署AI代理的方式，它们不是在替换记录系统，而是在这些系统之上构建编排层。一位前微软经理透露：CIO们正在经历现实检验，他们意识到大语言模型缺乏金融服务等关键行业所需的确定性一致性。对于承保这类用例，一个十次里只能答对六次的系统是完全不够的；这些流程需要100%的一致性，而当前的概率模型在没有大量重新工程的情况下很难保证这一点。

大语言模型负责理解人类意图，确定性系统负责执行实际工作。确定性系统没有被颠覆，被颠覆的是操作员，也就是你。这就是在生产环境中获胜的架构。

拥有这些确定性平台的公司在AI世界里变得更有价值，而不是更没价值。它们成为AI实际完成任务所必需的执行层。随着更多人借助AI从这些平台获取有价值的信息，确定性平台的使用量会大幅上升。使用量上去了，但只有那些把AI工具很好地整合进确定性平台核心的平台才能吃到这波红利。

即使是确定性系统也面临挑战。按座位收费的定价模式必须转向按使用量收费。SaaS公司现在必须疯狂削减成本，特别是劳动力成本和股权激励支出，要走在曲线前面。作为确定性平台，你可以为核心产品收取溢价。在此基础上，你还能提供补充确定性核心的概率性工具。定价逻辑很简单：推理成本加30%的利润率。随着时间推移，当你建立起粘性强的平台产品后，可以逐步尝试扩大利润率，但现在还没到那个时候。

作为确定性平台提供商，目标很明确：提供清晰的确定性核心，执行出色的概率性产品来增强核心，疯狂削减劳动力成本，同时增加云基础设施的运营支出以达到大规模，然后凭借规模优势谈判更好的推理成本。做到这些的公司会成为大赢家，因为它们能够整合并在产品之上提供概率性功能，以推理成本加30%的利润定价，并借此扩大总可寻址市场。

现在聊聊等式的另一边，那些有麻烦的SaaS公司。如果你的核心价值主张能被大模型用90%的质量和1%的成本复制，而且你提供的是概率性产品，那你就没有靠谱的商业模式了。问题出在你的核心价值是模式匹配、内容生成、推荐或简单自动化。基础模型在这些任务上变得如此出色，以至于它们能用几行代码复制你的整个产品。

问题不只是成本，虽然成本确实是个大问题，问题还延伸到用户界面、数据、集成和品牌护城河。作为SaaS提供商拥有"很棒的UX"在自然人机交互成为界面时变得无关紧要。用户宁愿在ChatGPT里输入"为我们的一季度发布生成10封营销邮件"，也不愿意在HubSpot那47屏的工作流构建器里点来点去。

有些人说专有数据是这类业务的强大护城河，我要说恰恰相反。现代大语言模型能从小样本中学习，表现得和拥有数千个样本的模型一样好。大语言模型的加速发展特性和合成数据的出现也伤害了现有数据持有者的利益。

Meta在2024年的研究显示，用GPT-4生成的合成数据训练的模型，在大多数分类任务上的表现与用真实数据训练的模型相差不到2%。这还是2024年的数据，到今天只会更好。即使专有数据让你的模型准确率提高了2-3%，由于业务的概率性本质，客户也不愿意为这2-3%的改进支付100倍的溢价。如果你做的是确定性系统，他们可能会愿意，但概率性系统没这个待遇。

说到集成护城河，关键论点是这些SaaS解决方案与数千个其他应用集成，这个生态系统很难复制。大多数SaaS产品都有文档完善的API。AI作为集成层表现出色，不需要预构建的连接器。随着AI代理的普及和SaaS公司想在代理AI时代保持"有用性"，这些集成和连接会变得更加无缝，它们会让API更加开放和清晰。

现在聊聊品牌护城河。企业在某种程度上对品牌忠诚，因为它们在这些品牌上建立了信任，这确实有点道理。但对于概率性系统，这种信任远不如确定性系统那么强烈和忠诚，在确定性系统里你知道结果100%准确。企业有一定程度的忠诚，直到成本差距变得太大。如果折扣是20-30%，大多数不会换，但如果折扣达到50-70%，换供应商就开始了。信任因素也是流动的。提供低成本概率性系统解决方案的AI初创公司通过媒体报道、筹集数十亿美元的新风投基金、从现有企业挖走高调人物来建立信任。

概率性SaaS的削减已经在进行中，这不仅仅是削减座位数那么简单。Publicis Sapient报告说正在积极削减约50%的传统SaaS许可证，包括Adobe这样的大平台，用生成式AI工具和聊天机器人替代它们。该公司的一位高管在专家访谈中解释，AI代理比初级员工快10倍、聪明100倍，这种冗余直接蚕食了支撑商业SaaS模式的按座位收费收入。

对于概率性SaaS，唯一可行的模式是把成本降到最低，按推理成本加30%以上的利润率定价，但即使这样也可能不够粘性，特别是如果你没有任何确定性产品，而且客户主要是中小企业。这些公司不会被AI直接颠覆，而是会被确定性系统竞争颠覆，后者提供AI生成的概率性产品，并将其与核心确定性系统捆绑成单一产品。如果你的ERP提供商开始提供与你的ERP完美配合的客服系统，并且两种用例都使用你的推理积分，你很可能会换过去，而不是保留一个单独的客服产品，即使价格一样。

估值压缩已经来了，但是是无差别打击。现在市场正在无差别打击所有SaaS公司，因为它看到了AI颠覆的风险。截至2025年12月，上市SaaS公司的中位数企业价值与收入倍数是5.1倍，远低于疫情高峰期的18-19倍，也低于历史平均水平。

市场还没有完全定价进去的是我前面阐述的确定性平台和概率性平台之间的差异，所以以合理价格拥有确定性SaaS平台的机会确实存在。基于本文列出的标准，我整理了一份上市SaaS公司名单，按确定性/概率性排序，其中一些我强调为AI颠覆风险最低的公司。

SaaS行业正经历确定性系统与概率性系统的生死分裂，会计ERP等硬核软件因AI加持更值钱，聊天机器人等内容工具被大模型用1%成本干翻，市场无差别打压估值创造捡漏机会。