在 AI 编程逛飙的年份，到当前的阶段，能感觉到速度在加快，形式也在不断的迭代，写代码这个事情也变得门槛很低。
X 上有人在讲「AI 让软件开发成本接近零，所以 SaaS 价值也接近零」
美股前段时间也因此大跌了一波，但当前这个价值为零的逻辑还是不成立的。
这里有一个概念混淆：构建软件的成本 vs 拥有软件的成本。AI 主要压低前者，后者还在，甚至在很多公司里变得更贵。
在各种自媒体、AI 编程培训或者博眼球的报道中，「一个下午做出 Linear 替代」「一个周末写完 Stripe 替代」这种话，我不觉得完全是吹牛。用 Claude Code 这类工具，把界面、CRUD、简单流程、甚至一些边角的自动化都拼出来，确实快。
但在做出来的那一刻，资产没增加多少，负债突然多了。尤其是碰钱、碰身份、碰合规、碰客户数据的时候。
以做了一个 Stripe 为例，我把 Vibe Coding 一个周末后，「现在拥有了什么」用更工程的语言翻译一下：
-
拥有了 规则持续变化 的税务与开票适配：欧盟 VAT、各国电子发票、免税/退税、税率变更、发票作废红冲。 -
拥有了 审计与认证的对话成本：PCI DSS、SOC 2、ISO 27001、渗透测试报告、供应商安全评估问卷。企业客户要的往往不是「你写得对不对」，是「谁在对这件事负责」。 -
拥有了 支付与账务的边界条件：拒付、部分退款、重复扣款、汇率、四舍五入、账期、对账差异、资金在途、延迟入账。 -
拥有了 全球化的坑：货币重估、货币小数位变化、地区性监管、某个国家突然要求强制 3DS、某个渠道突然不支持某种卡组织。 -
拥有了 数据与权限的事故半径：某个字段脱敏没做好、某个导出接口忘了做权限校验、某个后台操作没有审计日志。 -
拥有了 7×24 的值班现实：系统降级策略、容量、限流、重试风暴、第三方故障兜底、SLA 与赔付条款。
这些事大概率不是「可能发生」。按行业经验只是早晚问题。自从拥有系统开始，就等于自己签了那张无限期维护合同。
回想一个问题，SaaS 是什么？软件即服务，核心是服务，根本就没有提代码。
很多团队在内部系统上很执着，原因很直接：控制感强、改需求快、看起来省钱。上线半年以后，气氛通常变得不太好：需求排队、线上出过几次事故、业务抱怨响应慢、研发觉得自己在打杂。
这时候再看 SaaS，价值就很清晰了：SaaS 的核心商品是「运营表面积」的转移。
代码只是其中一层，除了代码还有：
-
基础设施与部署：多区域、容灾、备份恢复演练、变更管理。 -
安全：漏洞扫描、依赖升级、密钥轮换、权限最小化、WAF、DDoS。 -
合规：隐私条款、数据驻留、审计证据、流程制度落地。 -
可靠性：监控告警、事故复盘、容量规划、灰度发布、回滚策略。 -
支持与客户成功：工单、排障、培训、文档、FAQ、升级沟通。
当我们把软件「买回来」自己跑，这些都要自己补齐。很多公司低估的就是这一块。这也是为什么很多公司在 AI 赋能后，「运营表面积」的转移速度要慢于「代码」的转移速度。除非这些对公司不重要，如果这些都不重要， 这个系统可能也不重要了。
从 SaaS 的生命周期来看，AI 提升的是「0 到 1」，然而从成本的角度看，最贵的是「1 到 ∞」
这件事可以拆成两条曲线：
-
vibe coded 工具：初期成本很低，后期成本增长很快。越多人用、越多数据、越多流程依赖，它的「改动风险」和「维护面」指数上升。 -
成熟 SaaS：初期采购成本看着不低，后期增长更接近线性。因为供应商把大量共性维护摊薄到所有客户身上。
AI 把 0→1 压得更便宜，直觉上会让人误判「买 SaaS 更不划算」。实际情况常常相反：AI 让 1→∞ 更贵了，因为我们会更频繁地改、更大胆地接更多业务进来，系统的负债增长速度被我们自己加速了。
这个成本不仅仅是 SaaS 软件的。
AI 让一个工程师单位时间产出更高，但单位工程小时的机会成本同步上升。
至少当前的认知是这样的，可能到终极形态，完成不用人介入的时候，这个机会成本也会消失掉。
那是另一个话题了。
所以我对「AI 让 SaaS 价值归零」的判断是反的：AI 越强，成熟 SaaS 越值钱，前提是它真的把服务做扎实，真的帮我们把运营表面积吃掉。
SaaS 本质上还是一种服务。
如果 SaaS 只是「界面更好看的 CRUD」，那这样的 SaaS 确实会死掉一批。
这些 SaaS 太薄了。
在 AI 时代要想活得更好，SaaS 通常需要如下的一些特征：
-
规则密度高，正确性要求高 -
合规与安全负担重 -
生态变化快，需要持续跟进 -
故障代价高，客户不想背锅 -
接口与集成复杂，长期维护吃人
Stripe、WorkOS、Cloudflare 这类产品的共同点很明显：它们难点不在「写出来」，难点在「长期把它跑对」。正确性要靠无数细碎决策堆出来，运营水位要常年拉满。
AI 始终会改写 SaaS，整体逻辑会有一些变化。这里的 AI 改写过程，肯定不是「加一个聊天框」「做一个总结」「做一个生成报表」。
我觉得至少有三个点在当前阶段能快速跟进：
-
意图驱动，SaaS 的用户最终都是想通过 SaaS 完成工作，以前靠 UI 引导的，现在可以让用户意图表达，然后把意图落为可审计的操作序列，不管是用 MCP，还是 SKILLS； -
更关注结果，传统 SaaS 交付的是工具，客户负责把工具嵌进流程。AI 让厂商有机会把流程吃进去，直接交付结果，比如「自动完成对账」「自动完成入职」「自动完成工单分流」。关键点在「责任」 -
定制方式的迭代，企业客户永远会提定制。以前定制意味着项目制和人力黑洞；AI 让「生成」变得便宜，但不要把生成等同于可维护，可以允许客户用自然语言提出规则，系统把规则编译成可测试、可审计的约束，每次变更都能跑回归校验，出问题能定位到规则版本与变更人。
我们常听到对于自研和购买 SaaS 的一个判断逻辑是：「核心业务自研，非核心买 SaaS」。
这句话太粗，没有啥指导意义。
如下一个判断清单，可以做为决策的一些依据：
适合买 SaaS 的场景 ：
-
领域合规重：支付、税务、身份、隐私、审计 -
失败代价高：一出错就上新闻、上法务、上客户群 -
生态变化快：标准常变、监管常变、攻击手法常变 -
需要对外背书：企业客户会问「谁负责」「有没有认证」「有没有 SLA」
这种场景自研的隐性成本巨大。AI 再强，也只是让我们更快地把「维护合同」签在自己身上。
适合自研的场景
-
强差异化：流程就是你的竞争力，外部产品很难贴合 -
业务规则变化快，且只对内部负责：错了能快速纠正，不会引发合规事故 -
生命周期短：一个季度就会重构或下线的东西 -
数据高度敏感，且已经有成熟的数据治理与安全团队
这里自研的价值很实在：迭代速度、贴合度、数据控制。
AI 时代的「自研陷阱」会更隐蔽
以前自研失败，多数死在「做不出来」。现在会死在「做出来以后一路堆债」。
AI 会在早期持续正反馈：
-
功能做得快 -
Demo 好看 -
业务觉得爽 -
老板觉得省钱
债务也在同期累积：
-
没有威胁建模 -
没有权限与审计体系 -
没有数据分级与脱敏 -
没有灾备演练 -
没有 SLA 与值班机制 -
没有供应链安全策略（依赖库、镜像、密钥）
等到系统进入关键路径，会发现自己已经没有退路。再想补课，代价是「停业务」或者「带病重构」。
这也是我反复强调「拥有软件是负债」的原因。负债不会因为 AI 变聪明就消失，它只会增长得更快。
AI 把「做一个能用的软件」变成了常态，把「把软件长期跑对」推成了门槛。薄 SaaS 会被挤压，真正提供服务、背负责任、把运营表面积吃掉的 SaaS，会更值钱。
以上。