a16z合伙人：SaaS比你想象中顽强，50%年留存是AI产品及格线！
当市场都在传言传统 SaaS 会被颠覆时，a16z 的合伙人 Anish Acharya 带来了新的视角。作为主导消费与 FinTech 领域 Series A 投资的顶尖大脑，Anish 剥开行业内的夸大叙事，深度拆解他眼中极具反常识的商业逻辑：为何推理成本正在成为新的营销费用？传统 SaaS 的护城河将如何被动态数据重塑？以及大公司不愿触碰的“奇特产品”，为何反而成了创业者最大的突围空间？希望能为大家带来启发。Enjoy！最近，传统 SaaS 似乎一直在被唱衰，但实际上，目前 SaaS 支出在企业整体 IT 支出中的占比仅为 8% 到 12%。即便企业愿意承担巨大的风险和迁移成本，用基础模型代码去重写 ERP 和薪资系统，最多也只能节省这 8% 到 12% 的开支。即便企业愿意承担巨大的风险和麻烦，用基础模型代码把 ERP 和薪资系统重写一遍，最多也只能省下这 8% 到 12% 的成本。手里拿着 AI 这种破坏力极强的创新武器，却把它对准现有的 CRM 或 ERP 去做重写，显然不是明智的做法。更合理的商业路径，是利用新技术来巩固自身的核心优势，或者去优化剩下那 90% 还没有被软件覆盖的业务环节。不可否认，有些特定的商业模式确实会受到冲击，但市场对整个软件生态的悲观情绪确实过头了。从 ChatGPT 发布以来，有 75% 的上市 SaaS 公司都上调了价格。平均提价幅度保持在 8% 到 12% 之间，有一大批公司的涨幅甚至达到了 25% 及以上。价格本身就是衡量 PMF 的核心指标之一。当企业面临激烈的竞争压力时，通常的反应是降价。这些产品能够持续涨价，本身就说明了它们极难被替代。如果观察 ServiceNow 这些头部的老牌企业，它们展现出了非常强的战斗力。它们并不是注定要被淘汰的产物，而是完全有能力将新技术整合进现有的工作流程，继续保持领先。在这场技术变革里，真正深刻改变企业软件格局的，其实是客户从一家 SaaS 供应商换到另一家的迁移成本正在大幅下降。以前，有些软件公司手里攥着的其实不是客户，而是“人质”。一家企业一旦用了某种大型系统，再想换掉它，风险太高、周期太漫长，几乎就被彻底套牢了。但现在有了 Coding agent，系统迁移的复杂度、时间成本还有风险，都在大幅度下降。这让市场重新回到了理性的状态，客户不再是被绑架的人质，而是变成了真正的客户，这种改变对整个软件生态来说是一种积极的正向激励。在观察现任巨头与创业公司的博弈时，历史规律依然有效。当一个新的产品周期开启，如果巨头公司足够强大，它们通常会在原有的品类上把产品做得更好。比如 Microsoft 会将文字处理软件推向新的高度，Google 也会把搜索引擎打磨到极致。真正能让创业公司占据并赢到最后的，是那些在这一轮产品周期之前根本不存在的全新品类，比如 AI 电影制作。在这些完全由新技术催生的新蓝海中，原生的创业公司才拥有最大的胜算。基础模型和应用层到底哪一个能创造更大的价值，始终是一个很受关注的话题。但目前来看，应用层能创造的价值还是被市场低估了。如果整个行业只有一家做大模型的巨头，它就会成为所有人唯一的供应商，甚至有能力吃掉客户所有的利润，这对整个生态来说是非常危险的。好在现实情况并非如此，而是进入了一个多模型并存的世界。很多基础模型厂商的迭代速度几乎是一致的，它们大概有 80% 的能力可以互相替代，而且开源模型也在拼命追赶。这反而促使各家厂商在剩下那 20% 的差异化能力上，打磨出了自己的专长。在这种环境下，有些模型在特定场景下是替代品，换个场景可能就是不可或缺的专家。这就凸显了应用层公司的巨大价值，因为它们能把这些不同的模型聚合在一起。拿写代码来说，Gemini 特别擅长写前端，而 Codex 在后端更厉害。程序员平时做项目往往需要同时用到这两个模型，如果要不停地在不同的界面之间来回切换，体验肯定很糟糕。但有了 Cursor 这样的应用，你就可以在一个统一的界面里调度所有的模型，这就解决了非常真实且高频的痛点。创意工具也是同样的道理。MidJourney 生成的图片有着强烈的视觉风格，而 Ideogram 为了方便平面设计师使用，会刻意保持美学上的中立。在大公司做创意工作的人，必须同时驾驭这两类工具。这时候，通过一家优秀的应用层公司来统一操作，显然是更优的选择。很多人在讨论市场空间时，都忽视了一个基本常识：人类追求更好体验的欲望，永远比满足这些欲望的手段增长得更快。实际上，市场对软件的渴望和需求，远远超过了目前的供给能力。所以，不管是功能丰富的 IDE，还是偏底层的命令行工具，它们都能在广大的开发者群体里找到自己的 PMF，并且实现稳步增长。开发者工具市场并不会陷入那种没有底线的价格战。它的竞争格局其实更像云计算市场，属于一种寡头格局。即便大家的能力有很大的重叠，各家公司依然能活得很好，保持着不错的利润率。现在很多模型公司亲自下场做垂直应用，这确实构成了一定威胁，但也并非没法应对。比如，Granola 在会议录音和转录方面取得了突破，后来大模型公司也原样复制了这个核心功能。但是，应用层公司的眼光通常放得更长远。它们不只满足于做一个单点功能，而是致力于围绕核心功能去搭建一整套完整的生产力工具。反观模型公司，它们的精力被分散在太多不同的方向上。很难抽出足够的资源和专注度，专门为某个特定行业打磨一套具有独特主张的 UI，也很难沉下心去深度整合多模型的工作流。这恰恰是应用层公司可以牢牢把握住的机会。三、“奇葩者胜”：大厂不愿碰的 AI 陪伴与情感出口以前大家总觉得做些四平八稳的实用工具更容易赢，但现在，赢家往往是那些敢于打造“奇葩”产品的人。现在的 AI 模型和过去所有的技术都不一样。以前的技术是客观、可量化的，在处理情感时有着明确的界限。但现在的技术充满了不确定性，非常有“人情味”，甚至会触碰到一些让人觉得不太舒服的真实人性，比如分歧与说服。大型科技公司里通常设有繁琐的审核流程，他们必须确保这些带有争议、涉及深层情感的元素，永远不会出现在自家的主流产品里。而这，恰好给创业公司留出了巨大的发挥空间，去打造那些直击人类核心体验，但大公司又绝不敢碰的奇特产品。AI 陪伴赛道展现出了非常好的用户反馈，市面上已经涌现出从 Character.AI 到 Janitor AI 再到 Replica 等各种各样的产品。它们真正的核心价值，是让技术和人之间产生真实的情感联结。对于年轻一代来说，“情境陪伴”是一个极具潜力的方向。比如，给沉迷游戏的小孩配备一个专属的 AI 伙伴，陪他们在游戏的情境里互动。在保持轻松酷炫体验的同时，潜移默化地传递正向价值观，这其实是一种非常绝妙的教育方式。很多人担心 AI 会削弱人与人互动的能力，但实际情况恰恰相反，AI 能够帮助人们做更深层的自我反思。在现实生活中，只有极少数拥有丰富社交资源、财富或者宗教信仰的人，才能找到倾诉内心的出口。对于大多数普通人来说，这种情感出口是缺失的，而技术正好填补了这个空白。特别是对于独居老人，陪伴的意义尤为重大，但这里的关键在于互动的“间接性”。如果每天直接打电话去关心，老人可能会有些反感，觉得失去了尊严。但如果 AI 是带着提醒吃药的间接目的打来电话，顺便聊聊历史或者日常琐事，这种自然的互动情境，反而能传递出深层的精神滋养。在探讨未来 UI 界面的演进时，语音交互在企业端确实展现出了强大的力量。但在消费端，对话式 UI 的绝对统治地位或许被高估了。那些工作效率极高的专业人士，确实偏好意图明确的对话框，恨不得节省下每一秒钟。但大多数普通用户在很多时候，根本不想节省时间，他们反而希望去消磨时间。在随便闲逛和浏览的过程中，用户自己也未必明确知道到底想要什么。因此，那种没有明确目标的浏览模式，在未来依然会长期存在，并且占据非常重要的位置。在 AI 时代，大家一直很担心企业怎么建立护城河。但其实，传统的护城河依然发挥着核心作用。直到今天，“网络效应”仍然是评判防御力的黄金标准，比如那些记录系统，只要它们和人工工作流深度绑定、能处理海量并发交易，并且对准确性要求极高，它们的壁垒就依然稳固。与此同时，新形态的护城河也开始出现了。过去经常被质疑的数据网络效应，现在变得非常强大。不过前提是，这些数据必须是动态、实时更新的。拿健康领域来说，如果你手里有源源不断的实时数据，把它们和一个相对通用的模型结合起来，最后输出的质量，会远远超过那些没有这类数据的顶尖模型。在看这些新公司的利润率时，我们得先理清以前市场过热时留下的刻板印象。在 2021 年，很多投资都被砸在了无效的广告投放上，这种烧钱什么也留不下。但现在的补贴形式不一样了，通常是给用户提供零毛利甚至负毛利的免费体验额度。这表面上看是拖累了利润，但实际上非常健康。因为这种方式能带来真正的付费转化，帮你筛选出很高比例的重度付费用户。整体来看，AI-Native 公司的混合毛利率虽然有点低，但内在结构比以前健康多了。在这一轮周期里，推理成本本质上就是新的销售和营销成本。现在的重度用户，展现出了前所未有的商业价值。以前，消费类产品的价格天花板通常卡在每个月 20 到 25 美元左右。不管用户觉得多好用，付费意愿就是很难突破这个界限。但现在不一样了，头部 AI 产品的订阅费涨了十倍，而且还能叠加按量付费的消耗型收入。所以，为了拿下这些高净值的重度用户，早期哪怕牺牲一点毛利去补贴，最后的回报率也是极其可观的。第一个月的自然流量获客成本要单独拿出来看，免费试用阶段消耗掉的毛利，就应该直接当成获客成本。真正核心的指标，是用户完成付费转化之后的毛利结构，这代表了你的商业模式到底能不能长久。因为现在很难准确预估 LTV，所以留存率就成了最关键的锚点。为了剔除早期免费流量里那些凑热闹的“观光客”，用第二个月的留存率来做基准会更加科学。按照这个标准，50% 的年度留存率算是一个扎实的及格线，要是能做到 60% 到 70%，那就非常令人满意了。另外，现在也没有出现产能过剩导致的价格战。推理算力一释放出来，很快就被市场需求消化掉了，而且初期的补贴主要也是大型科技公司在承担。这说明整个市场其实并没有处在危险的泡沫之中。如今企业的预算在经历迁移。企业原本拨给“雇佣人力”的这部分预算，正在被重新分配给“AI 软件”。在传统的组织架构里，客服、销售和运营这些职能被分得很开，因为每种工作需要的人格特质不一样。但模型的出现打破了这个限制，它能随时在“耐心的倾听者”和“有感染力的推销员”之间无缝切换。最前沿的公司已经开始利用这种技术，把这些原本孤立的职能整合到一起，让所有部门统一受同一个目标驱动：提升客户的生命周期价值。这种深层的组织重构，才是实现十倍生产力飞跃的真实路径，而不仅仅是为了省下几个客服的成本。在看待竞争时，分清“市场”和“行业”非常重要。以法律赛道为例，它不是一个单一的、赢者通吃的市场，而是一个支撑现代商业体系运转、规模高达 5,000 亿美元的庞大行业。这个行业有足够的空间，容纳几十家在不同细分专业方向上胜出的企业。在做投资决策时，最容易掉进两个坑：一是低估了市场的真实规模，二是高估了从 0 到 1 的容易程度。A 轮投资通常是一个入场的最优平衡点，因为这时候产品已经发布，且有客户愿意买单，这是一个非常强有力的商业信号。很多错失的机会都源于对市场规模的低估。无论是看轻科技巨头上市后的增长空间，还是误判了用户对工具的高频需求，本质上都是认知的局限。当一个极具实力的创始人正在创造非线性的进展时，“惯性”就是最有效的思维框架。如果创始团队能持续达成目标，投资人就该坚定地押注他们会一直赢下去。这种“持续正确”的特质，比任何精密的财务推演都重要。不同的市场背景，决定了公司完全不同的增长节奏。在消费端或者由产品驱动的赛道，我们常能看到爆发式的数据增长；但在企业级软件领域，由于客户决策周期长，增长曲线往往显得更加稳健。对任何创业者来说，赚到第一个 100 万美元的难度，都值得保持敬畏。市场中除了那些追求极致增长速度的公司，还有一类“曲线下面积型（Area under the curve）”公司。它们可能需要花上数年时间来慢慢打磨产品基础，但却能赢得客户极高的忠诚度，并随着客户一起成长。这类公司最终能沉淀出无法被轻易复制的网络效应。这种长期积累的价值深不可测，是极容易被资本圈忽视的隐形巨头。