SaaS 已死，RaaS 当生？

RaaS 不仅是一种新的商业模式，它还代表了一种新的生产力，一种新的生产关系变革。

图由 AI 生成

整理｜保文

编辑｜燕子

传统的数字化体系正在被 AI 重构，RaaS 能够复兴软件行业吗？

在崔牛会策划的 "DeepTalk｜DeepSeek 猜想系列 " 对话中，由崔牛会创始人 &CEO 崔强主持，邀请了盛景网联高级合伙人兼 AIC 人工智能创业孵化器创始合伙人颜艳春，围绕 "SaaS 的尽头是 RaaS ?" 的主题，展开了深入探讨。

颜艳春认为未来是一个依靠 AI 劳动力杠杆创造价值的时代。RaaS 模式背后，软件从工具变成了 AI 劳动力，软件公司将成为 AI 劳动力公司；RaaS 不仅是一种新的商业模式，它还代表了一种新的生产力，一种新的生产关系变革。

在 AI 时代，越来越多的软件公司都会被重新定义一次，所有软件公司都可以成为一个 AI 劳动力公司，甚至成为一个 AI 劳动力的外包平台或类似滴滴的 AI 劳动力派遣服务公司。RaaS 复兴软件工业，将带来 100 万亿市场的大机会。

以下是经牛透社编辑整理的对话内容：（有删减）

Tips：观看对话原视频，可通过【牛透社视频号 - 直播回放 -4 月 16 日】获取

RaaS：重新思考软件本质

崔强：今天聊的话题是 "SaaS 的尽头是不是 RaaS ？"。RaaS（Result as a Service，结果即服务），是以结果为导向，帮客户赚到钱，自己才能赚到钱。

颜总之前做零售行业很成功，公司也在纳斯达克上市，后来颜总加入盛景网联，见证了中国 SaaS 行业的成长和现状。下面请颜总先简单介绍一下自己。

颜艳春：大家好。我是软件开发出身，从 1984 年写出第一行代码到现在已有 41 年了，至今我仍然是一个非常热爱软件的 " 老兵 "。

在以往我早期的创业中，我们是一家最早在 Nasdaq 挂牌的软件公司，主要是为宝洁、百事可乐、天猫超市、京东物流、王府井、华润、永辉等中国的消费品、电商和零售客户行业提供软件。早期我们的商业模式是做项目，按人天付费，按许可证付费，或按 SaaS 收取订阅费。

当时一个比较知名的项目，是为京东提供物流软件 "211 工程 "，即每天晚上 11 点前下订单，第二天就能收到货。我们把一个仓库的物流订单，从一天 2000 张做到了一天 20000 张。我们是全球首次让电商平台做到 " 一日两配 "，那个时候包括亚马逊、淘宝的订单，还是 " 五天一配 " 或者是 " 三天一配 " 的。

虽然软件非常有价值，但我们只是得到了一个几千万的订单。一开始我们还可以收到一些许可证费用，但三年后许可证费用收不到了，因为京东掌握了这个体系，它开始重构整个系统；后来阿里也请我原来的一个老部下侯毅做了盒马鲜生。当时，我非常震撼的一点是，就像马克 · 安德森说的，" 软件正在吞噬世界 "。

今天的 AI，带给我们一个更重大的思考：软件到底是什么？

三年前，我们提了 RaaS，它的第一个逻辑是软件本质的变化。AI、Agent 武装后的软件，它的第一性变成了 AI 劳动力。以往 SaaS 的本质是卖工具，收的是工具（功能）的订阅费。

从客户视角看，软件或者 SaaS 公司仍是个 IT 公司，在客户的心理账户中只有千分之一到千分之三的预算；如果我们把 AI 看成一个劳动力，比如一个销售的智能体，就完全改变了这个逻辑，可以按效果实现 3% 甚至 10% 的收费。

比如 CLay、Sierra、11X 等公司从传统软件订阅模式，发展到按任务收费或基于任务与结果的混合定价模式。Siri 可以帮助像 OpenAI 或者谷歌等公司搜索或者打电话，按照销售金额分佣 3% ~ 8%。在 AI 智能体大规模就业的同时，AI 商业模式也正在经历深刻的范式转变——

从 SaaS（Software as a Service）到 RaaS（Result as a Service）。

过去，客户为工具的 " 功能 " 付费。你提供一个好用的 SaaS 系统，大家愿意为 " 效率 " 买单。但 AI 时代，客户只愿为 " 结果 " 买单：不是这个 AI 能不能做事，而是它做出来了什么。能否写进利润表，能否转化为营收和节省的支出，才是商业价值的核心。

Ramp 已经将这一思路推向极致。它不是卖企业一个财务系统，而是直接承诺节省多少费用。你的 AI 能自动识别冗余订阅、谈判降价、预测风险，把 " 用这个工具的收益 " 变成 KPI，这是典型的 RaaS 逻辑。OpenAI 也在逐步向这一模式靠近，他们并不急于销售 " 模型能力 "，而是更看重能否构建出交付结果的闭环应用。

Sierra AI 则更为激进。它不是做一个客服系统，而是一个闭环成交的销售 Agent 平台，帮助品牌从首问到下单全流程完成销售，不光接触客户，更负责转化结果，真正走上 " 你给我一笔预算，我给你带来多少 GMV " 的路线。未来，RaaS 将成为 AI 应用公司的标准商业语言。

这让我们看到软件工业的一种新可能性：我们不再只是一个提供功能、软件系统的公司，而是成为一个提供 AI 劳动力的公司。在老板的心理账户里，它不再是一个 IT 预算，而是一个销售部分预算，这是让我们感到非常兴奋的。

所以，我们今天讲 RaaS，AI 劳动力开始进入人类劳动力市场，接管大量的白领，包括很多企业的后台、中台的系统，这是让我们非常兴奋的。RaaS 的底层逻辑在于它的 " R "，不仅是一个 Robert（机器人），更重要的是变成了一个 Result（结果）。

用盛景网络创始人老彭（彭志强）的话说，它就是一个典型的 "AI 包工头 "，不仅提供工具，还提供结果，这是软件工业一个非常伟大的里程碑式的拐点。

从软件公司，到 AI 劳动力公司

崔强：你提到了 "AI 包工头 " 的逻辑，当年很多 SaaS 公司除了卖工具之外，也在想挣点金融的钱，或者切入客户的分润环节，但最后也没有成功。最主要的原因是什么呢？

颜艳春：从商业模式来看，主要还是把自己定位成了一个工具公司。以往大量软件公司只是提供铁锹，并不懂得如何挖矿，所以就挣不到挖矿这一部分的钱。

今天我们看到 AI Agent，第一次打破了这样一个魔咒。如果通过 AI 把这种运营能力建立起来，我们可以用很少的人搭建起来产业平台，这要求我们要进化成一个平台级的公司，能够去操盘，不仅包工，还要包料，包结果，这时运营能力就要起来。

比如，我知道广州一家日化软件公司，以往每天要接 1 万个私域客户，所以就组建了一个 1000 人规模的团队，只有 5% 的转化率。一个销售平均每天要接 10 个客户，而且随着客户量的增加，慢慢就接不住了。

所以，这家公司重新思考了逻辑：为什么不把这 1000 个销售人员以往 5 年的话术，通过清洗建立 COT 数据，来训练销售智能体，使它至少可以达到人类销售的平均水平。

经过差不多一年的迭代，这家公司的销售转化率从 5% 提高到了 7% 以上。上个月我去广州时他们已经可以做到 12% 的转化率，最重要的一点他们仍然是 1000 人规模，居然可以做到一天接大概 2.5 万的私域流量，这是一个非常了不起的成就。

没有 AI 的时候，软件不具备干活的能力，现在 AI 完全具备了人类的话术，甚至能够理解用户意图，具备自我学习、自我迭代、自主行动的能力。以 DeepSeek 为代表的低成本或者边际成本为零的大模型带来的红利，让大量的 AI 智能体，能够真正建立这样一种能力，这个时候 AI 平台公司就可能很值钱。

DeepSeek 让软件公司可以成为一个 AI 劳动力公司，这背后是一个巨大的机会。

崔强：刚才你讲 AI 平台并不是一个工具，而是一个 AI 劳动力派遣公司，可以生产各种专业的数字员工。在哪些场景是适合这样做的？

颜艳春：每一个公司都有一张损益表，人工成本是很重要的一项。AI 智能体是完全可能进入人类劳动力市场，取代车间里的蓝领工人，以及大量白领工作的，比如中后台的 AI 面试、AI 会计、AI 税务等，这些场景都是完全可能被 AI 覆盖的。

当然，我更看好的是前端的 AI 销售，即 AI sales agent 销售智能体，这也是最可能实现 RaaS 模式（按结果来付费）的场景。为了销售结果，每个老板都愿意拿出收入的 3%～10%，在一些高毛利行业甚至愿意拿出收入的 20% ～30% 作为预算，这是一个非常令人兴奋的机会。

在研发场景，比如医药科技，AI 可以大大提高新药研发的效率，加速研发进程。随着 AI 能力的进化，未来也可能有 AI 科学家智能体，极大地改变材料科学、生命科学的进程；中国有数百万家工厂，在采购场景，智能体也是可以立刻发挥作用的；在销售场景，AI 销售公司 Clay，不仅可以帮助商家找线索，而且还能够把线索转化成销售额。

今天我们看到大量的产业互联网平台，其实也具备这样一种潜力。很多产业互联网平台的注册用户有几十万，但是付费用户可能只有两三万，有 80% 的用户其实都没有货币化。如果可以重新用 AI 来武装这些产业互联网平台，它就不再只是一个软件公司了，而是可能进化成为一个 AI + 产业互联网的平台级公司，这些公司的命运也可能彻底被改写。

Agent to Agent 的智能体互联网，可能是未来最伟大的一个机会。以往的互联网是连接人，或者连接人和信息。3.0 时代的互联网将是人和智能体，智能体和智能体的互联网，每个人都会有多个分身。

刚才提到的广州那家公司，它的一个销售一天有 100 个客户，可能有 1020 个 AI 分身，能够同时处理与每位客户的交流。假如每个人都可以有 10 个常用智能体，未来全球可能就是一个千亿级的巨大智能体网络，将催生 Agent to Agent 的新商业模式，其中软件价值也会非常大。

Anthropic 推出了 MCP 协议，OpenAI，包括国内的阿里、百度、腾讯、字节跳动等大厂都在支持 MCP 协议。智能体对软件工具链、内外部数据源的大量调用，再配合智能体互联网的能力，这种大模型带来的新商机，将大大改变以往中国软件的困境。

国内一些软件大厂帮客户开发软件，结果客户越大，利润越少。未来，AI 解决复杂问题的能力，将更大程度地超越人类，在 AI 时代越来越多的软件公司都会被重新定义一次，所有软件公司都可以成为一个 AI 劳动力公司，甚至成为一个 AI 劳动力的外包平台公司，这是我们认为接下来最大的机会。

崔强：盛景做 RaaS 平台，是不是意味着也下场参与到具体的项目运营中，不是简单地做投资，而是真正去做一个整合者？

颜艳春：是的。我们提出这个想法，在整个投资界也形成了高度共识。智能体的第一性就是劳动力。所以，未来一到两年时间，盛景计划投资 100 到 200 个按照 RaaS 模式运行的软件公司或者产业公司。我觉得这是一个伟大的时刻。

比如美国公司 11x 把整个销售流程重构了一次，它推出的数字销售员工可以一次性发送大量个性化邮件，抓取互联网信息快速生成行业内容，还可以在拿到线索后，打电话与客户谈判，根据客户反馈实时调用折扣策略。

以 11x AI 推出的旗舰产品 Alice 为例——这是一个专为销售开发任务打造的 AI 劳动力，能够自动执行市场调研、潜客挖掘、邮件撰写和初步沟通等流程。相比人类 SDR（销售开发代表），Alice 的成本只有百分之一，却能全天候运作，效率更高、响应更快。

更重要的是，这不是一个简单的自动化工具，而是一个具备上下文理解、自主决策能力的 "AI 劳动力 "，能从数据中持续学习、优化执行策略，并与 CRM 系统无缝协同。

这家公司刚成立时是靠座席数收取订阅费，这种模式往往受制于 IT 预算。去年它重新思考了逻辑，按照效果收费，比如帮客户成交一次，就按照销售收入的 5% 收取费用，这种模式也更受客户认可。去年这家公司的 ARR 已经突破了 1, 000 万美金，红杉资本最近给了它 3.5 亿美金的估值。

11x 打破了收订阅费的工具逻辑，它在客户心目中就是一家能拿结果的 AI 销售公司。相信未来在这类公司中将产生非常了不起的公司。

AI 劳动力可以成为中小企业的 " 倍增器 "。过去，资源和人力是大企业的壁垒。如今，小公司只需部署像 Alice 这样的 AI 劳动力，就能在没有大量雇员的前提下，迅速构建高效运营能力。这意味着，创业门槛被进一步降低，而创新机会将更广泛地分布在全球每一个角落。

对于软件公司，或者软件行业来说，现在是可能改变命运的时刻。我觉得软件不是在重新定义世界，也不是在吞噬整个世界，而是真正在解放人类。软件第一次变成了大量劳动力。我们希望将来投资这样一大批公司，它可以让人类回到两天或者三天工作制，把大量的工作交给智能体体系，交给 AI 劳动力公司，或者 AI 劳动力平台公司，这可能是我们投资的一个初衷。

牛透社小贴士：

11x 是一家美国的 AI 和自动化公司，总部位于旧金山，成立于 2023 年，员工人数在 51～200 人。

业务领域：专注于构建自主数字员工，涉及人工智能数字员工、流程自动化等领域。

融资情况：2024 年 9 月完成 A 轮融资 2400 万美元，11 月完成 B 轮融资 5000 万美元，投资方包括安德森 · 霍洛维茨（Andreessen Horowitz）、基准资本（Benchmark）等知名风投机构。

技术特点：其产品不依赖传统的软件构建方式，而是聚焦于 " 编码劳动力 "，旨在提供可衡量的成果，并且能够替代企业现有的技术堆栈。例如，其开发的 Alice 2.0 是完全自主的，利用第一方数据，并从每次交互中学习以不断改进。

崔强：大模型有幻觉和能力欠缺的问题，人应该怎么去补位？

颜艳春：将来人类的价值，是要干一些 AI 干不了的工作，比如脏数据清洗、复杂场景任务执行、AI 模型持续调教优化等环节。大家其实可以重新思考，虽然 AI 劳动力市场前景美好，但实际上它的转化率还有很大的提升空间。要想让 AI 劳动力更有战斗力、结果更好，还需要人类的调教。

未来 AI 劳动力公司的护城河在哪里？私有数据，特别是 COT 非常重要。软件公司、SaaS 公司对接了大量脏数据，一线真实的交易数据，对于这些数据的处理，以及对智能体的调教，这也是我们建立护城河的基础。

崔强：我能包工、包料、包结果，为什么不直接做这个生意呢？中国企业更愿意自研，而不是购买商用系统。如果我有这样独特的资源，我让 CIO 直接用脏数据去训练 Agent 就好了，为什么还要再找第三方来分利润呢？

颜艳春：现在具备这样能力的，通常是较大的央国企，以及 AI 能力较强的公司，它们可能会这样做。但大多公司其实并不具备这样的能力。AI 和软件公司的壁垒依然很高。

比如，很多公司可以把智能体做到 L2 的水平，但要做到 L3、L4 的水平，真正不需要太多的人类干预，脏活累活也不用干了，这还需要有非常强大的人工智能工程师团队，以及数据工程团队，要建立思维链（COT）数据、思维树（TOT）数据等。

DeepSeek 的成功，如果没有在量化基金领域两三年的锤炼，它可能也做不出 V3 基础版本。而且一直到 R1 推理大模型出来后，大家才有了惊艳的感觉。 R1 背后，其实就是它第一次建立了自己独立的、有 80 万参数规模的 COT 数据，这构成了它最核心的竞争力壁垒。

虽然今天 DeepSeek 把自己的权重开源了，但迄今为止，我们看到 COT 数据仍然没有开源，这意味着还是存在很高的技术壁垒，甚至数据壁垒。这就好比制造原子弹，大家都知道公式，但最终只有少数国家能真正研制出来，背后的参数非常重要。

当然，我们不能排除有能力的公司可以找到强大的 AI 科学家、AI 工程师、数据工程团队，他们也可能做出来，但软件公司在这方面无疑更具优势。

RaaS 变革：软件复兴的新机会

颜艳春：未来不再是一个靠人类劳动力杠杆来创造价值的时代，而是一个由 AI 劳动力杠杆来创造价值的时代，智能体第一次开始为人类服务，它的第一性就是劳动力。

想清楚这个本质，我们就无需纠结，只需要做到 10% 的市场份额就够了。未来，即便大客户也做这个事情了，我们一样可以成为大客户的合作伙伴。中小客户没有能力做，它生意的 20%、30%，或者逐渐扩展到 60%～70% 都通过我们的 AI 劳动力平台完成，我们只需要合理收取佣金就可以了。

RaaS 不仅是一种新的商业模式，它代表了一种新的生产力，一种新的生产关系变革。这是一个可以真正改变我们软件行业、软件企业、SaaS 企业命运的时刻。

2019 年，我参加崔牛会的 SaaS 大会时，也讲过 "SaaS 已死 " 的主题，当时很多老板听了都不是很开心。2021 年，SaaS 在经历了一个巅峰之后，回到了底部，正是有了这样一个 " 战略黑暗期 " ，我们才有了一个可以重新去思考命运的时刻。

崔强：RaaS 是一种新的商业模式，它提供了一种新的解法。SaaS 是软件即服务， RaaS 是结果即服务。今天颜总提到 RaaS ，他也和我讨论说能不能找一些愿意尝试 RaaS 变革的朋友，盛景愿意投资大家，共同往前走。

颜艳春：其实每个十年，世界都会发生一次深刻的改变。这一次 AI 不同，它可能是下一个 30 年，也是一个可以让软件工业繁荣的 30 年。未来，所有的企业都将是 AI 公司。

如果今天的软件公司能够利用自己的技术优势，较早地接受 RaaS 的概念（结果经济，结果即货币），无疑将会更受欢迎，软件公司也可能变成一个伟大的 AI 销售公司、AI 招聘公司、AI 律师公司等。比如 Harvey，提供的就是 AI 律师服务。

今天，我觉得好多事情需要反过来思考。与其竞争，不如不同；与其不同，不如相反。当其他人都还在收软件许可费，收订阅费的时候，我们只按结果收费。RaaS 模式，让我们第一次看到技术价值曲线和商业价值曲线动态地绑定在一起，让我们真正为客户创造更大价值。

未来，我们将看到在研采供销服人财物每个节点，一个个 Agent（智能体）将会诞生。这些智能体的生产力可能是过去的十倍甚至百倍，但成本只有原来的十分之一、百分之一。而且当智能体的边际成本接近为零以后，很自然的就要按效果来收费。

智能体蕴含了对行业的深刻理解，它可能最懂客户的 AI 销售、AI 招聘、AI 会计等，慢慢地 ERP、供应链等过去基于人设计的数字化体系都将基于智能体重构，这意味着软件企业原来构建的优势可能在三五年之后就不复存在了，这才是最大的危机。

正如我之前提到的一个观点：SaaS 已死，现在是 RaaS 复兴软件工业，可以把一个以往只有 6, 000 亿的赛道，做成一个 100 万亿的大机会。

崔强：有一个网友在问，有没有微观可落地的方法机会？

颜艳春：我们盛景创业方法论中有一个极简增长的 " 四核战略 " ：要找到核心客户，客户的核心需求，要开发核心产品，然后再做核心销售系统。在这样一个增长战略里面，我们怎样用一个最简的载体来验证核心假定（Core Assumptions），找到我们的核心客户、核心需求、核心产品，需要我们重新思考要怎么做。

在场景选择上，一个重要的标准是高容错。今天 AI 有很多幻觉，所以场景选择上要允许有幻觉，这一点非常重要。11x 公司是从线索自动化筛选切入，当有效线索筛选出来之后自然可以过渡到第二个阶段，帮客户做转化，所以它可以击穿这个赛道，因此 MVP 非常重要。资源是有限的，要用很低的成本去快速验证，就像探照灯一样只聚焦到舞台上的表演者。

" 智能体不是一次性交付，而是持续学习的循环。" 像 AI 劳动力这样的智能体，无论是什么工种，最终肯定需要时间验证，不能指望一开始就效果很好，通常需要三个月的数据飞轮，把 COT（包括公有数据、私有数据）转动起来，形成数据飞轮效应，才能慢慢找到感觉，切入目标赛道，找到可以放大的机会。数据飞轮一旦高速自主、自动转动，智能体将越用越聪明。