一个月内,2万亿美元蒸发了。
Salesforce跌25%、Adobe跌38%、Intuit跌46%,交易台上"SaaSpocalypse"成了关键词。
但a16z反过来说。"这不是结束,而是开始。"
为什么只有a16z反着走?
先看市场气氛。2026年Q1,iShares Expanded Tech-Software ETF(IGV)下跌30%,创下2008年Q4以来最差季度。Salesforce、Adobe、Intuit、ServiceNow、Veeva等龙头几周内跌25-46%。
导火索是2026年2月24日Anthropic推出的Claude Cowork。一个AI agent同时处理法务、财务、客服、项目管理的demo,让华尔街得出"按席位定价模式完蛋了"的结论,48小时内2850亿美元蒸发。
在这种恐慌中,a16z的Growth合伙人Alex Immerman和Santiago Rodriguez在3月2日抛出反驳。标题直白:"AI Will Eat Application Software" — 而这是好消息。
他们的核心一句话是:"代码从来就不是价值所在。"如果代码本身就是价值,开源早就把Salesforce和Adobe干掉了。更便宜的离岸开发者也早就把它们的位置抢走了。
SaaS真正积累的价值不是代码,而是叠加在代码之上的7种moat。Hamilton Helmer提出的"7 Powers"框架 — Switching Costs、Network Effects、Scale、Brand、Cornered Resources、Process Power、Counter-Positioning。
那哪些moat能活下来?
把a16z的分析压缩一下:即使AI把代码变成commodity,部分moat反而更硬。代码时代的moat和AI时代的moat根本不是同一回事。
| Moat类型 | 代码时代(被commodity化) | AI时代(现在该押的地方) |
|---|---|---|
| Switching Costs | 强力锁定工具 | 摩擦下降 — 必须靠真价值留客 |
| Cornered Resources | 辅助资产 | 独家数据=主moat(Bloomberg、Abridge、OpenEvidence) |
| Process Power | 散落在人和手册里 | 移植进AI变成不可复制(Harvey、Hebbia) |
| Network Effects | 用户图谱 | 数据飞轮加速(Salesforce、Figma) |
| Brand | 信任的一个要素 | 无限选项时代的信号(更重要) |
| Counter-Positioning | 偶尔出现的破坏者 | AI原生玩家的标准入场武器(Decagon) |
特别要关注Process Power。Hebbia的George Sivulka把它叫"process engineering",当Harvey深入学习某律所的模板、复核流程、惯例后,即使代码值归零,新进入者也不可能一夜追上。
Cornered Resources更戏剧化。同一个模型,训练数据不同,结果完全不同。Bloomberg垄断金融、Abridge垄断诊疗记录、OpenEvidence垄断医学文献、VLex垄断法律语料。代码可以抄,数据抄不了。
最后是Counter-Positioning。用现有SaaS无法跟进的商业模式切入。Decagon进入Zendesk以每席位19美元卖的市场,用"每次对话0.99美元 或 按解决付费"的不同模式,在2026年1月以45亿美元估值完成D轮。Zendesk要照搬就得自己拆掉现有的营收模型,所以跟不上。
核心要点
AI让代码降价,却抬高了"代码以外的价值" — 数据、流程、品牌、counter-positioning。市场不是死,而是分化。winners变得更硬,"只有代码"的公司消失。
HarbourVest的分析也得出同样的结论。能活下来的4个条件 — mission-critical的system of record、垂直SaaS、嵌入式金融、R&D速度 — 全部是"代码以外的资产"。
builder和运营者现在该检查的5件事
- 把真moat是代码、还是数据·流程,分开
假如把你产品的代码部分单独拿出来开源,业务还能活下来吗?"能"说明真moat在数据、流程、品牌。"不能"就是wrapper trap危险区。 - 按席位 → 按结果定价,先小规模试
像Decagon一样把一个SKU改成"每次/每解决/每通话"。从占营收5-10%的SKU开始最安全。AI agent正在替代人类席位的时代,依赖席位数的营收很危险。 - 把独家数据资产化
梳理客户工作流每天沉淀的数据中,外部模型绝对看不到的是什么。Bloomberg、Abridge、OpenEvidence、VLex做的就是这件事。在合同层级把数据权利条款、训练授权、同意结构都搞清楚。 - 把Process Power写下来
客户onboarding、复核周期、异常处理 — 这些"只在人脑里"的know-how必须变成公司资产。SOPs、启发式、决策树、评估数据集 — 都比源代码更值钱。 - 盯紧你所在品类的"Decagon"
用同价位卖更好功能的竞争者不可怕。用不同的定价模型卖同样结果的竞争者才是真威胁。每季度盘点一次进入你品类的AI原生新玩家。
注意
这篇文章是a16z的观点,而a16z是Harvey、Hebbia、Decagon等AI原生挑战者的投资方。也就是说"分化后谁赢"这个问题,他们已经下注了。但7 Powers框架本身仍然好用,把分析当分析看,结论拿到自己的市场里去验证。
想更深入
a16z — Good news: AI Will Eat Application Software Alex Immerman与Santiago Rodriguez的原文。把7 Powers按AI时代重新解读的部分是核心 a16z.com
HarbourVest — The Software Industry's Great Reset AI如何改变SaaS的"物理规律",生存4条件,PE视角整理 harbourvest.com
Taskade — The SaaSpocalypse: $285B Wiped, AI Agents Rising Claude Cowork发布后48小时分钟级复盘,三种生存情境对比 taskade.com
TechCrunch — Decagon 45亿美元tender offer Counter-positioning的教科书案例。a16z·Coatue·Index共同押注的轮次背景 techcrunch.com
eesel — Decagon vs Zendesk AI 对比 按席位 vs 按对话定价模型在商业结果上的真实差异,买方视角分析 eesel.ai
Lenny's Newsletter — Hamilton Helmer 7 Powers专访 框架作者本人讲解,"moat到底是什么"最清晰的回答 lennysnewsletter.com
