AI Agent 与 Copilot 的区别,在于前者开始从“辅助操作”走向“自主完成任务”
传统 SaaS 的核心指标是用户席位,Agent 时代可能转向任务量、调用量和业务结果
简单工具型 SaaS 更容易受到冲击,掌握企业数据、权限、流程和系统记录的软件反而更有护城河
软件行业近期反弹说明市场正在重新评估“AI 必然杀死 SaaS”的叙事
真正值得观察的不是 AI 会不会替代软件,而是软件能否成为 Agent 的基础设施
过去两年,AI 与 SaaS 的关系一度被描述成“替代”。如果大模型可以直接生成报告、分析数据、写代码并完成客户服务,那么企业是否还需要购买大量软件?这种担忧直接打击了软件公司的估值,因为传统 SaaS 的商业模式建立在用户席位、续费率和企业软件预算扩张之上。
但 2026 年市场开始出现另一种解释。软件板块在经历“AI 会摧毁 SaaS”的估值冲击后重新走强,Salesforce 等公司的业绩和 AI 产品进展让投资者重新思考:AI 不一定减少软件调用,反而可能把软件变成 Agent 工作的后台。人类使用软件的时间可能减少,但机器调用软件的次数可能增加。
Copilot 主要是在原有软件界面旁边增加智能助手,而 Agent 更像一个能够规划任务、调用工具、读取数据并完成流程的数字执行者。它不一定每天登录 CRM,却可能持续调用 CRM、数据库、邮件、文档和权限系统。软件因此从“人操作的工具”变成“机器工作的基础设施”。
传统 SaaS 的增长模型是企业增加员工、员工需要账号、账号增长带动订阅收入。因此席位数、每用户平均收入和净收入留存率长期是软件公司的核心指标。
Agent 时代可能改变这一结构。一个企业可能减少部分人工操作席位,却同时增加大量自动化任务。销售 Agent 可以整理客户资料并更新 CRM;财务 Agent 可以读取发票、调用 ERP;客服 Agent 可以查询知识库并执行退款。软件的价值开始从“有多少人在用”转向“完成了多少工作”。
这意味着收费模式可能从单纯按席位,向席位加用量、按任务甚至按结果收费演变。如果 Agent 扩大软件调用量,单位用户减少未必意味着收入下降;反过来,如果 Agent 直接绕过某个软件重新组合功能,原本靠界面收费的软件就会受到挤压。

最容易被替代的通常是功能简单、数据壁垒低、用户迁移成本低的工具。一个生成摘要、整理文本或制作简单报告的应用,很容易被通用 Agent 吸收。
真正更有价值的是掌握企业长期数据和业务规则的软件。CRM、ERP、数据库、安全和身份管理系统不仅提供功能,还保存企业运行中的事实记录。Agent 可以替代人工操作,却很难轻易替代这些系统作为“事实来源”和“权限中心”的角色。
因此,AI Agent 时代的软件竞争可能出现反直觉结果:前端界面的重要性下降,后端系统的重要性上升。过去软件公司争夺的是用户每天打开多少次页面;未来更重要的是 Agent 完成一项业务任务时必须经过哪些系统。
如果一个 Agent 每天执行数千次任务,传统的“每人每月多少钱”就不再完全适用。企业可能需要大量自动化任务,却不需要同等数量的人类席位。
未来软件定价可能出现三种方向:席位与用量并存;按任务或业务结果收费;软件成为企业 Agent 的治理、权限和数据平台。对于软件公司而言,这既是风险,也是机会。
投资者也需要改变指标体系。除了收入和利润,还要观察 Agent 使用量、自动化任务量、AI 产品收入贡献,以及 AI 推理成本能否被新增收入覆盖。
如果 Agent 要真正替企业执行任务,它必须知道企业内部发生了什么,也必须知道自己“能做什么、不能做什么”。这让数据和身份权限成为新的核心基础设施。模型可以负责理解自然语言,但客户名单、合同、财务记录、库存和员工信息仍然需要从企业系统中获得。
这也是传统 SaaS 的重要护城河。一个新模型可以在几个月内获得很强的通用能力,却很难复制一家企业多年积累的数据关系、审批规则和权限体系。谁能够让 Agent 在安全边界内访问这些资源,谁就更有机会成为企业 AI 的长期基础设施。
因此,未来企业软件的竞争可能从“谁拥有最好用的界面”转向“谁拥有最可靠的数据连接和权限控制”。这会让数据库、身份管理、网络安全和 API 管理等看似幕后环节的重要性明显提升。
AI 产品并不是免费增加收入。每一次模型推理都需要计算资源,复杂 Agent 任务还可能连续调用多个模型和企业系统。如果软件公司只是把 AI 功能加入产品,却无法提高客户付费金额或扩大软件使用量,那么 AI 反而可能压缩原有利润率。
因此,投资者判断“AI 是否带来第二增长曲线”时,不能只看 AI 功能上线数量,而应该看单位客户收入有没有增长、客户是否扩大使用范围,以及 AI 毛利率是否随着模型成本下降和规模效应改善。
这也是软件行业从“AI 故事”进入“AI 财务验证”的关键一步。只有当 AI 同时带来更高的客户价值和可持续的单位经济效益,Agent 才会真正从产品创新变成软件公司的新商业模式。
| 软件类型 | AI Agent 带来的影响 | 核心观察指标 |
|---|---|---|
| 简单工具型 SaaS | 容易被通用模型和 Agent 吸收 | 功能差异化、迁移成本、用户留存 |
| 系统型软件 | 可能成为 Agent 的数据与权限基础设施 | 数据壁垒、工作流覆盖、API 调用量 |
| 平台型 SaaS | 有机会成为企业 Agent 的治理与执行平台 | AI 收入、Agent 使用量、生态规模 |
| 垂直行业软件 | 取决于行业知识与业务流程壁垒 | 行业数据、合规能力、自动化率 |
Copilot 主要在现有软件中辅助用户,而 Agent 更强调自主规划、调用工具和执行多步骤工作。
更可能发生的是 SaaS 分化。简单功能型软件更容易被吸收,掌握数据、权限和关键工作流的系统型软件可能反而获得更多机器调用。
因为 Agent 不一定对应一个人类账号,任务量、调用量和业务结果会成为更自然的计费单位。
关注 AI 产品的真实收入贡献、客户扩容、Agent 使用量、数据与工作流壁垒,以及推理成本能否被新增收入覆盖。
如果价值被模型厂商或新的 Agent 平台截走,传统软件可能从主入口变成后台供应商,议价能力随之下降。
* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。
* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。





