所属主题：enterprise-ai — 企业 AI 应用

“AI 到底为企业软件公司挣了多少钱？”——这个问题在过去两年一直被模糊的”AI 相关收入贡献”和”AI 驱动的增长”之类的修辞绕过。直到 2026 年 3 月 26 日，Blossom Street Ventures 发布了一份覆盖 24 家上市 SaaS 公司财报的深度分析报告（来源：Blossom Street Ventures，2026-03-26），我们第一次拿到了系统性的硬数据。

数据呈现的画面既令人兴奋又令人警醒。

Salesforce Agentforce 的年化经常性收入（ARR）达到约 8 亿美元，同比增长 169%。 当 Agentforce 与 Data Cloud 捆绑销售时，组合 ARR 突破了 29 亿美元。在同一周内，Salesforce 还完成了两个标志性部署：美国劳工部上线了基于 Agentforce 的 DOLA 系统（来源：Boursorama/Zonebourse，2026-03-26），全球最大的人力资源公司 Adecco 签署了 Agentforce 360 的多年期全球无限使用权协议（来源：Yahoo Finance，2026-03-26）。

ServiceNow 的 Now Assist AI 年化合同价值（ACV）突破 6 亿美元，Q4 同比翻倍。超过 100 万美元的大额交易量在一个季度内环比增长了将近 3 倍。ServiceNow 将自己定位为”通用 Agentic 网络和企业 AI 治理编排层”——不只是提供 AI 功能，而是成为企业内部所有 AI Agent 的管理和协调平台。月活增长 25%，平台处理的工作流达到 800 亿。

Palantir 的 AI 平台（AIP）推动其 GAAP 利润率达到历史新高。 在所有被分析的 SaaS 公司中，Palantir 是唯一一家明确展示了 AI 产品对利润率有正面贡献的公司。其 Maven Smart System 在同一周被升级为价值约 100 亿美元的受保护预算项（来源：Gadget Review，2026-03-26）。instinctools 也宣布加入 Palantir Foundry 和 AIP 合作伙伴体系（来源：Green Bay Press Gazette，2026-03-26）。

这些数字第一次清晰地回答了”AI 对 SaaS 公司的财务影响”这个问题。但答案比大多数人期望的要复杂得多。

关键发现一：AI 目前是利润率中性的

这可能是报告中最出人意料的结论。在所有 24 家被分析的 SaaS 公司中，AI 功能的引入并没有显著提升公司的利润率。Salesforce 的 Agentforce ARR 增长了 169%，但整体利润率基本持平。ServiceNow 的 AI ACV 翻倍，但运营利润率的改善主要来自传统业务的效率优化，而非 AI 产品的高毛利贡献。

为什么？有三个原因。

第一，AI 基础设施的成本极高。 运行大语言模型和 AI Agent 需要大量的 GPU 计算资源。Salesforce、ServiceNow 和其他 SaaS 公司的 AI 功能底层依赖 OpenAI、Anthropic 或自建模型，每次 AI 推理调用都有可量化的计算成本。随着 AI 使用量的增长，基础设施成本线性甚至超线性增长。

第二，AI 功能目前主要用于”追赶竞争”而非”溢价获客”。 大多数 SaaS 公司将 AI 功能作为现有产品的增值模块提供，而非独立的高价产品。客户期望 AI 功能是”标配”而非”选配”——这意味着 AI 投资增加了成本但没有带来对应的定价提升。

第三，AI 人才的薪酬远高于传统软件工程师。 根据 Levels.fyi 的数据，2025-2026 年美国 AI/ML 工程师的中位总薪酬（包括股票）比同级别的传统软件工程师高出约 30% 到 50%。Anthropic 为其安全研究人员提供约 45.5 万美元的年薪（来源：custommapposter.com，2026-03-26）。这种人才成本结构进一步压缩了 AI 产品的利润率。

Palantir 是一个有趣的例外。它之所以能够从 AI 中获取正利润率，部分原因是其客户主要是政府和大型企业，这些客户对价格敏感度较低，且 Palantir 的商业模式不是 SaaS 的按席位订阅，而是深度定制的平台部署——这让它可以按价值而非按用量定价。

对于整个 SaaS 行业来说，这个发现的含义是：AI 短期内不是利润驱动器，而是竞争必需品。不投资 AI 会失去客户，但投资 AI 不一定带来更高的利润。行业需要经历一个”AI 投资回收期”——可能需要 2 到 3 年，才能通过规模效应和技术优化将 AI 的成本结构改善到能够正向贡献利润率的水平。

关键发现二：定价模式正在从”按席位”向”按结果或按 Agent”转变

这是报告揭示的第二个重大趋势，它可能对 SaaS 行业的商业模式产生颠覆性影响。

传统 SaaS 定价的核心逻辑是”按席位”——每个使用软件的人类用户支付固定的月费或年费。这个模型简单、可预测、容易理解，是过去 20 年 SaaS 行业的基石。

但 AI Agent 打破了这个逻辑。当一个 AI Agent 可以完成原来需要 3 个人工席位的工作量时，按席位定价意味着客户可以减少 3 个席位，而 SaaS 公司的收入减少了。这就是为什么按席位定价在 AI Agent 时代是一个自我毁灭的模型——它惩罚了那些最成功地帮助客户用 AI 替代人工的 SaaS 公司。

行业正在探索的替代模型包括三种：

按结果定价：客户不为使用软件付费，而是为软件产生的业务成果付费。例如，一个 AI 招聘 Agent 按成功入职的候选人数量计费，而不是按使用该 Agent 的 HR 人数计费。Adecco 与 Salesforce 的”全球无限使用权”协议可能就包含了按结果定价的元素。

按 Agent 定价：每个部署的 AI Agent 有独立的价格，类似于”虚拟员工”的雇佣成本。这个模型的优势是客户可以直接比较”雇一个 AI Agent”和”雇一个人”的成本效益。ServiceNow 正在试验这种模式。

按工作流定价：按 AI Agent 自动化的工作流数量或复杂度定价。这个模型的优势是它与客户获得的价值直接相关——自动化越多的工作流，客户节省越多成本，SaaS 公司收取越多费用。

这三种模型都还在早期探索阶段，但方向是明确的——SaaS 行业的定价基础将从”人数”变为”价值”。这个转变的影响远超定价本身。它改变了客户关系的本质——从”我卖你软件许可证”变成”我参与你的业务成果”。它改变了竞争格局——在按席位模型下，降价是竞争的主要手段；在按结果模型下，证明更高的业务成果贡献是竞争的核心。它甚至改变了 SaaS 公司的组织结构——按结果定价需要深度理解客户业务的客户成功团队，而不仅仅是传统的销售和技术支持。

Wharton 教授 Stefano Puntoni 在同一周发布的播客中分析了这个趋势的另一面——AI 正在降低 SaaS 行业的进入壁垒，使得新进入者可以用更小的团队构建功能等价的产品（来源：Acast/Wharton Business School，2026-03-27）。这意味着即使大型 SaaS 公司成功转型定价模式，它们也可能面临来自 AI 原生创业公司的价格竞争。

关键发现三：中小企业比大企业更脆弱

报告中一个容易被忽视但极其重要的结论是：AI 对 SaaS 行业的颠覆效应在中小企业客群中比在大企业客群中更加显著。

大型企业有几个天然的防御优势。它们的工作流更复杂，AI Agent 替代的难度更高。它们有大量的历史数据和定制化集成，切换成本极高。它们的采购决策涉及安全审查、合规审计、法律尽职调查等多个环节，这让新进入者很难快速抢走客户。

中小企业则缺乏这些防御。它们的工作流相对简单，AI Agent 更容易完全替代现有 SaaS 工具的功能。它们的切换成本较低——没有那么多定制化集成需要迁移。它们的决策流程更短，可以更快地采用新的、更便宜的 AI 原生替代品。

这对 SaaS 行业的影响可能是分层的：面向大企业的 SaaS 公司（Salesforce、ServiceNow、Palantir）将受益于 AI——AI 成为它们产品的增值层，加深了客户锁定。而面向中小企业的 SaaS 公司将面临生存威胁——AI 原生创业公司可以用更低的成本提供等价甚至更优的功能。

对立视角：8 亿美元 ARR 可能只是虚幻的繁荣

对这些数据保持审慎是必要的。

质疑一：ARR 数字可能包含大量”捆绑”销售。 Agentforce 与 Data Cloud 的组合 ARR 达到 29 亿美元，但单独的 Agentforce ARR 只有 8 亿美元。这意味着相当大一部分收入可能来自将 AI 功能捆绑在更大的交易中——客户可能并不是真的为 AI 功能付费，而是在采购整体平台时”附赠”了 AI 功能。

质疑二：169% 的同比增长建立在极低的基数上。 Agentforce 是 2025 年初才上线的产品，8 亿美元 ARR 虽然增长率惊人，但绝对值在 Salesforce 总收入中的占比仍然很小。高增长率在产品早期阶段是正常的——关键问题是这个增长率能否在规模扩大后持续。

质疑三：利润率中性意味着这些收入的质量存疑。 如果 AI 收入的成本结构导致其利润贡献为零甚至为负，那么快速增长的 ARR 可能只是在用利润换规模——这种增长模式在没有明确利润率改善路径的情况下是不可持续的。

这些质疑都有道理，但我认为它们低估了两个因素：第一，AI 功能的战略价值不能仅用短期利润率来衡量——它是客户留存和竞争防御的关键因素。第二，AI 的成本结构正在快速改善——推理成本在过去 12 个月下降了约 50%，未来还有继续下降的空间。

大多数人没看到什么：企业护城河正在从”产品功能”迁移到”专有数据飞轮”

报告中最深刻的洞见可能是这一条：在 AI 时代，SaaS 公司的护城河正在从”产品功能差异化”迁移到”专有数据和工作流集成”。

在传统 SaaS 世界中，竞争优势主要来自产品功能——谁的 CRM 更好用、谁的工作流引擎更强大、谁的报告工具更直观。但 AI 让功能差异变得不那么重要了——如果一个 AI Agent 可以在任何平台上完成类似的工作，那么平台本身的功能就不再是差异化因素。

新的护城河是数据。当一个企业在 Salesforce 上运行 Agentforce 时，每次 AI Agent 与客户交互、每次自动化工作流的执行、每次决策的结果反馈，都在积累专有的训练数据。这些数据让 AI Agent 越来越”懂”这家企业的业务——它知道哪些客户容易流失、哪些产品最常被退货、哪些内部流程效率最低。随着时间推移，这些积累的专有数据让 AI Agent 的表现越来越好，客户切换到另一个平台的成本也越来越高——因为新平台的 AI 需要从零开始学习这一切。

这就是”数据飞轮”效应。Salesforce、ServiceNow 和 Palantir 之所以愿意在 AI 上进行利润率中性甚至亏损的投资，是因为它们在赌：数据飞轮一旦转起来，产生的锁定效应将远超传统的产品功能锁定。这可能是 SaaS 行业有史以来最深的护城河转变。

So What：如何基于这些数据做决策

对 SaaS 公司：利润率中性不是坏消息——它是投资期的正常特征。关键问题不是”AI 现在赚钱吗”，而是”AI 正在积累的数据飞轮能在 2 到 3 年后转化为利润吗”。如果答案是肯定的，现在应该加速 AI 投资而不是因为短期利润率而缩手缩脚。

对 SaaS 客户（企业采购者）：了解你的供应商正在建立的数据飞轮。每次你在一个平台上部署 AI Agent 并让它积累运营数据，你就在增加自己的切换成本。这不一定是坏事——如果 AI 确实在让你的业务变好。但你需要有意识地管理这种依赖关系，而不是在不知情的情况下被锁定。

对投资者：区分”AI 收入”和”AI 利润”。8 亿美元的 ARR 是一个令人印象深刻的数字，但在 AI 利润率转正之前，它更多是一个竞争指标而非盈利指标。关注的核心应该是：哪些公司的数据飞轮转得最快？哪些公司最有可能在未来 2 到 3 年内将 AI 的规模优势转化为利润率提升？

参考资料

  1. The Impact of AI on 24 Publicly Traded SaaS Companies — Blossom Street Ventures, 2026-03-26
  2. Salesforce Agentforce DOLA 部署 — Boursorama/Zonebourse, 2026-03-26
  3. Adecco Group Taps Salesforce — Yahoo Finance, 2026-03-26
  4. Pentagon Locks In Palantir’s AI as Core Military Infrastructure — Gadget Review, 2026-03-26
  5. instinctools 加入 Palantir 合作伙伴体系 — Green Bay Press Gazette, 2026-03-26
  6. Wharton Podcast: AI is Reshaping Enterprise Software — Acast/Wharton Business School, 2026-03-27