近日，Anthropics推出能独立处理法律文档的Claude Cowork，直接冲击了LegalZoom等公司的核心业务，引发软件股暴跌。同日，Google DeepMind发布Project Genie，展示出生成并理解复杂游戏内容的能力，导致多家游戏引擎与平台公司市值大幅缩水。

2026年初，全球资本市场为所有SaaS公司上了现实的一课。

图片来源:X@ClaudeCodeLog

市场震荡的背后源于一个冷酷判断：AI正在从“辅助工具”进化为“独立员工”，而它要取代的第一波对象，可能不是人类，而是传统SaaS软件。

一边是华尔街用脚投票，一边是正在发生的结构性转变：根据高盛数据，软件已成为今年迄今净卖出最多的行业，净敞口创下4.2%的历史新低。

我们熟悉的传统 SaaS 行业，或许正在被重新定义。

当软件学会“思考”

要理解这场变革的深度，需要回到软件的本质。

过去二十年的企业软件，无论是CRM、ERP还是营销平台，都遵循着相似的逻辑：将业务流程固化到系统中，通过表单、按钮、流程节点，让用户在预设框架内操作。

软件是刚性的，用户需要“适应系统”：你必须按照开发者设计的表单字段顺序填写信息，在预设的界面流程中点击按钮。

但Agent改变了这一切。Agent会反过来“适应人类”。用户不再需要理解复杂的界面逻辑，只需用自然语言表达意图。比如，当你输入“帮我看下昨天广州飞北京的航班数量”，Agent会自动识别其中的关键信息——意图(查询)、必要字段(出发地、目的地、时间)，判断缺失值(北京是大兴还是首都？)，然后调用相应工具获取结果。

再以出海营销为例，当用户对Agent说“为我们的新产品策划一场东南亚上市推广策略”时，背后发生的不是简单的指令执行，而是一系列复杂理解：

1. 意图识别：这是一个包含市场进入、品牌建设、销售转化的综合目标，而非“创建广告活动”的按钮点击。

2. 语境理解：智能体需要知道什么是“东南亚”——这里的文化多样性、节日节奏、媒体偏好、用户习惯

3. 任务拆解：自动分解为市场研究、创意策划、媒体投放、效果追踪等多个子任务

4. 动态执行：在运行中根据数据反馈调整策略，而非按固定脚本推进

这种转变的深层意义在于：业务逻辑正从“固化在软件里”转向“活在智能体的理解中”。传统软件的价值在于“预设的能力”，而Agent身处执行路径，价值在于“动态的理解与适应”。前者是有限的，后者在持续进化中。

智能体在执行中沉淀的每一步判断、每一次补全、每一处冲突解决，都会在“提交时刻”被完整冻结下来，编织成连接数据与行动的“上下文图谱”——这将成为AI时代最稀缺的行动资产。

新维度的竞争

面对市场震荡，红杉资本合伙人康斯坦丁·布勒提供了关键洞察：“AI未必会摧毁SaaS，反而可能加速企业级整合，让头部公司的护城河更硬。”

其深层含义是：在Agent时代，软件的竞争维度发生了根本变化。在算法和算力之外，你是否仍然掌握着某种不可替代的东西——对行业规则的理解、对复杂系统的治理能力，以及与客户长期绑定的信任关系。

翻译一下，你卖的究竟是“功能”，还是一种“不可迁移的结构性关系”？这也成为了用Agent重构SaaS的原因。

回顾传统软件的商业逻辑，其高定价建立在两个基础之上：复杂的开发成本，和将通用需求封装为标准化产品的规模效应。

但生成式AI正在瓦解这一基础。哈佛大学Fiona Chen 和 James Stratton 的一项研究，提供了一个耐人寻味的侧面印证：AI 带来的生产率提升，主要体现在软件供给侧(软件公司内部)，而非软件使用方。这意味着，AI 更快地压缩了软件生产成本，却并未等比例扩大软件需求。

也就是说，自然语言能直接生成代码，通用能力能通过大模型快速获取，软件的边际生产成本也急剧下降。原本需要数十人团队数月开发的功能，现在可能由一个智能体在几天内完成原型。当AI能够以更低成本、更高一致性完成基础服务时，企业为何还要为标准化软件支付高昂年费？标准化软件需求的价值受到直接挑战。

此外，传统软件竞争之一是功能列表的丰富性——我的CRM有20个模块，你的只有15个，所以我更好。但在智能体面前，AI最擅长的就是通过自然语言直接接管这些表层交互，所有标准化功能都可能通过大模型被快速复制，护城河反而变成了“我有多理解你的具体问题”。

在出海营销这一复杂领域，价值也不单单在于“能投放广告”，而在于理解：拉美年轻用户最近迷恋哪种社交货币？东南亚穆斯林斋月期间的广告素材应该如何调整色调？欧洲中产最钟爱的生活产品应该找哪些场景化达人能实现更高的ROI？

这种深度场景理解无法通过通用AI快速获得，它需要多年的行业积淀、真实的业务反馈、持续的数据训练。软件的价值，也将日益由其实际驱动的增长来衡量。

持续进化的AI Copilot

1. 以“意图-资产”为中心

基于对这一趋势的深刻理解，钛动科技在过去几年完成了一次彻底的自我重构。我们不是简单地为现有产品添加AI功能，而是从第一性原理出发，重新思考“在智能体时代，营销软件应该如何构建”。

传统营销SaaS是功能模块的集合：一个创意工具、一个投放平台、一个数据分析后台。用户需要在不同系统间切换，数据孤岛林立，流程断裂。

钛动构建的Navos系统，本质上是一个以意图和资产为中心的营销操作系统。

四大资产域重构业务逻辑：

• 账户资产域(广告账户、追踪链接)

• 营销资产域(广告活动、洞察报告、诊断结果)

• 创意资产域(视频素材、文案模板、A/B测试)

• 合作资产域(达人资源、服务商网络、API集成)

每个资产域对应一类用户角色、一种工作产出，不同角色分工在同一套资产体系中工作，数据自然流动。系统围绕用户要交付的“结果”组织，而非围绕软件预设的“功能”。

2. 从“点点点”到“说说说”

传统SaaS的入口是导航菜单和功能按钮，用户需要学习系统逻辑。Agent是意图的载体，入口包括：

• 自然语言对话框：“为我在东南亚上线一个美妆视频广告”

• 智能推荐卡片：基于历史行为推荐下一步操作

• 资产上下文：在已有广告活动上直接说“再复制5个版本到巴西”

• Prompt模板库：“生成适合日本市场的夏季饮料脚本”

用户无需学习复杂界面，用最自然的方式表达意图，智能体理解、拆解、执行。

3. 自进化的飞轮闭环

这是最核心的差异点。许多AI产品停留在“单次问答”层面，而钛动构建了完整的四段式进化飞轮：

• 场景积累数据

Navos智能体在全球营销实战中持续运行，背后处理超过4亿条广告策略、累计管理1400万商品品类数。每一次广告曝光、每一次用户点击、每一次转化成交，都产生真实的场景数据。

• 数据训练模型

这些带有结果标签的实战数据持续反哺钛极多模态大模型。模型不仅学习“营销知识”，更学习“在什么情境下什么策略有效”——这是与通用大模型本质不同的训练范式。

• 模型驱动Agent

进化后的模型为Navos三大智能体提供更精准的决策支持：

• 市场咨询智能体的洞察更敏锐，能提前识别区域市场趋势变化

• 营销创意智能体的生成更精准，产出内容的文化适配度持续提升

• 广告优化智能体的调优更智能，ROI提升效果随时间增强

• Agent驱动增长并开拓新场景

智能体的优化直接带来客户业务增长，而新场景、新需求又产生新数据，继续推动飞轮转动。

这个闭环的关键在于决策轨迹的完整记录。智能体在决定调整广告出价时，它不仅记录“调价”这个动作，还记录当时的市场竞争态势、用户活跃时段、历史转化数据、平台算法倾向——完整的决策上下文成为模型进化的高质量燃料。

抵达更本质的价值

Anthropic引发的震荡，或许是SaaS进化的成人礼。用Agent重构SaaS，绝非追逐技术热点：软件的终极价值，不在于封装了多少功能，而在于能否将用户意图无缝转化为业务成果。

未来五年，我们或许可以看到：

• 垂直领域深度整合：通用Agent平台与行业专属Agent并存，后者因深度业务理解而构筑更坚固的护城河

• 从“软件许可”到“价值分成”：商业模式从卖功能转向分享业务增长成果

• 企业内部AI能力“民主化”：每个业务部门都能基于企业专属Agent快速构建自己的智能工具

在这场重构中，唯一的竞争优势将是对行业最深处的理解，以及将这种理解转化为智能体行动力的能力，让技术真正服务于增长。而这，正是所有SaaS穿越周期、抵达未来的必经之路。