在企服赛道，北森一直是一个 " 特立独行 " 的存在。

这家公司头顶 " 中国 HR SaaS 第一股 " 的光环，常年霸占 HCM（人力资本管理）赛道市场份额第一。然而，光环之下的北森一直深陷亏损泥潭。直到刚刚发布的 2026 财年（2025 年 3 月 -2026 年 3 月），北森才依靠压缩费用，勉强实现了经调整 5.0% 的微弱净利润率。

好不容易熬到了盈亏平衡的曙光，北森的 CEO 纪伟国却干了一件让所有股东和同行都没意料到的事。

2026 年 6 月 24 日，北森正式发布一站式 AI HR 专家平台 Mavens，并宣布北森将从一家 " 传统 HR SaaS 软件厂商 " 全面转型为 "AI 应用公司 "。为了保证 AI 在客户现场的落地，北森还要组建一支超过 300 人的 FDE（前端部署工程师）地推军。更疯狂的是，纪伟国宣布未来两年将掏出 10 亿元真金白银，全部砸向 AI 产品研发。

账上躺着 16 亿现金，刚刚扭亏为盈，转身就拿一大半去押注一个目前在企服市场连成熟商业模式都还没跑通的 "AI 智能体（Agent）"。

北森到底在急什么？

过去十几年，中国的 HR SaaS 厂商都在做同一件事：流程线上化。把发筛简历、面试安排、发 Offer、考勤打卡、算工资等所有繁琐的人事流程，通通搬到云端。客户买的是一套 " 管理工具 "，按系统账号数（Seat）或订阅年费来付钱。

但这种模式在眼下的的中国企服市场，已经卷到头了。

一来，各家厂商的功能严重同质化，最后只能拼刺刀打价格战。二来，客户们需求也变了。经济下行周期中，企业买软件不再是为了 " 让 HR 的审批流程变好看 "，而是直白地要求 " 你的软件能不能帮我更便宜、更精准招到合适的人？能不能直接帮我干活？"

传统的 SaaS 系统做不到，但 AI 智能体可以。

大模型爆发后，北森在 2023 年下半年也像很多同行一样搞过 " 套壳 AI"，即在原有的 HR 系统里加一个 AI 问答对话框，或者加个简历摘要自动生成功能。结果纪伟国发现，这种 " 缝缝补补 " 的 AI 小插件，客户根本不愿意掏钱。

痛定思痛后，北森在 2024 年放弃 " 功能叠加 "，直接做能端到端解决具体场景问题的独立 AI Agent。以北森最爆款 "AI 面试官 " 为例，它不是用来辅助人类 HR 的，而是直接替代人类进行初面。它能根据不同企业的岗位模型自动生成面试提纲，采用 " 结果 - 行为 - 动机 " 三层追问，最后给出一份标准化评估报告。

纪伟国算了一笔账：企业校招时派 100 名面试官，单人面试成本约 250 至 300 元。用北森的 AI 面试官，成本直接降到 20 元左右。

当 AI 不再是一个工具，而变成了一个 " 廉价且高效的数字员工 " 时，商业逻辑就彻底变了。北森的收费模式也从传统的 " 卖软件订阅 "，变成了通过飞书等平台 " 按消耗的 Token 付费 "。

财报数据基本印证了这套逻辑的可行性。2026 财年，北森的 AI 产品新签合同额突破 8700 万元，同比增长 10 倍。其中，仅 AI 面试官这一款产品的新签合同额就超过了 2100 万元，续费率高达 120%。

这 8700 万，就是北森敢于砸掉传统 SaaS 饭碗、All in AI 的最硬底气。

那么问题来了，如果只接入大模型做一个 AI 面试官，那么百度的文心、阿里的通义甚至各类创业公司都能做。北森凭什么觉得这 10 个亿砸下去，能砸出一条护城河？

北森的解法是 300 人的 FDE（前端部署工程师）团队。

SaaS 的精髓本是 " 标准化、轻资产、边际成本递减 "。但北森偏偏反其道而行之，搞出了一支庞大的人肉地推和实施团队。为什么？

因为 ToB 的 AI，根本做不到 " 开箱即用 "。

通用大模型可以写诗作画，但它肯定不知道一家企业在评价一个 " 区域销售经理 " 时，底层标准差异多大；它也不懂面对央企领导时，话术如何调整。

北森已经意识到，AI 在企业落地的最大瓶颈，不是算力和模型，而是对场景和业务的 "Know-how"。

这恰恰是北森积累了 24 年的老本行。早在做软件前，北森就已经是中国最大的心理测评和人才测评机构。它手里握有 300 多个岗位胜任力模型、亿级的真实测评样本，以及近 200 人的心理学专家团队。这些被称为 "People Science（人才科学）" 的独家语料，是训练垂直 AI 最宝贵的饲料。

但这还不够。要把这些模型变成客户真正能用的 "AI 员工 "，就需要 FDE 团队出马。这 300 名既懂 HR 业务、又懂北森 PaaS 系统、还懂 AI 大模型提示词工程的 " 复合型人才 "，要深入客户现场，把企业特有的岗位体系、组织语言、薪酬规则，手把手 " 喂 " 给 AI。

正如纪伟国所言，以前这些心理学顾问在做标准化软件时被边缘化，觉得自己快被淘汰了，" 结果 AI 时代到来后，他们反而成为了北森最贵的人。"

用最重的人力，去干最脏最累的 " 最后一公里 " 交付，把北森的 AI 变成 " 客户独有的 AI"。这套极重的交付体系，短期内会严重侵蚀北森刚刚改善的利润率，但长期看，一旦这些定制化的经验能被沉淀为可复用的行业模板，它将成为通用大模型厂商和普通 SaaS 同行根本无法逾越的护城河。

从宏大叙事切到现实财务，北森向 "AI 应用公司 " 的转型，依然充满风险。

北森 2026 财年实现营收 11.05 亿元，其中 AI 应用收入连总收入的一成都不到。公司之所以能在今年勉强实现经调整后的扭亏为盈，根本原因是在过去两年严控了销售和研发费用的增长。

如今，在 AI 收入还未完全挑起大梁的过渡期，突然要在未来两年增加 10 亿元的 AI 产品研发与行业内容建设投入，还要供养一支 300 人的高薪 FDE 跨界人才团队。这笔开支，随时会将北森重新拖回亏损泥潭之中。账上 16 亿的现金储备，经得起烧吗？

再一个，是 FDE 模式带来的 " 非标化 " 倒退。

SaaS 之所以享受高估值，是因为它是一本万利的标准化生意。而 FDE 模式，本质上还是 " 驻场咨询 + 系统定制 "。如果这 300 人的团队无法将客户现场的经验迅速抽象、沉淀为可复用的产品功能，那么北森的 AI 服务就会变成劳动密集型的 " 新一代 IT 外包项目 "。

项目制是规模化和高毛利的死敌，这与 SaaS 的底层商业逻辑完全背道而驰。

最重要的，是企业客户对 AI 应用的信任危机与付费意愿。

AI 面试官在校招等高频标准化场景是跑通了，但北森 Mavens 平台规划的 "AI 领导力教练 "、"AI 排班专家 " 等应用，涉及企业最核心的薪酬、绩效和组织架构数据。在国内企业对 AI 数据隐私越来越敏感的环境下，让客户放心地将数据交给一个三方 AI 平台去训练，仍面临着极高的信任门槛。

纪伟国曾经自嘲，" 我原本都觉得自己差不多该退休了，但现在又得从头折腾一遍。" 其实，他根本没有选择。

在 SaaS 行业被资本冷落、传统软件增长见顶的 2026 年，如果继续死守 " 卖软件账号 " 的旧模式，北森大概率会在走向平庸。主动砸碎旧饭碗，用过去 20 年积累的 " 测评知识底座 +PaaS 系统 " 去押注 Agent，去卖 " 数字员工的作业能力 "，是这家公司目前唯一能讲的新故事。

这不是北森一家公司的转型，更是整个 ToB 行业在 AI 时代的一场被动求生。