人工智能颠覆SaaS：新时代商业模式八大共识

回溯2010年代，SaaS的商业模式展现出简洁而高效的图景：标准化产品、明晰的销售流程以及可预测的订阅收入，共同构建了一套近乎可“复制”的增长引擎。创业者们在商业模式、定价与渠道上持续微调，推动软件行业逐步成熟并趋于稳定。

然而，人工智能的崛起，正将这一切彻底重塑。

Anthropic、Cursor、fal等企业带来的不仅是技术、交付与产品形态的变革，更是一条全新的商业路径。计算成本取代代码成本成为核心生产要素；毛利率普遍走低，而增长速度却远超传统SaaS的范畴；旧有评估体系开始失效，新的衡量标准尚未建立。

在今年的SaaStr年度大会上，Anthropic的Kelly Loftus、Cursor的Jacob Jackson与fal的Gorkem Yurtseven共同探讨了这个正在成形的“AI商业世界”。

他们认为，AI创业已进入一个类似蛮荒但充满机遇的时代：规则未定，模型昂贵，速度惊人，传统SaaS模式正快速过期。

以下是这些身处AI前沿的创业者所形成的8个关键共识。

01

传统SaaS指标已不适用于AI

在传统SaaS模式下，每个新增用户几乎都能带来纯利润。但对于人工智能原生公司，每个新客户都会消耗GPU算力、电力及模型推理时间。

即便营收增长迅猛，这些非零边际成本也会压缩毛利率。部分AI公司在创纪录时间内实现从零到5000万美元年度经常性收入(ARR)的飞跃，但毛利率仅接近40%-50%，而非80%-90%。

“软件技术迭代速度超越硬件进步，”戈尔克姆指出。“即使我们扩大规模，运行最优模型也日益昂贵。”

对创始人而言，这意味需重新定义“健康增长”。应减少对传统指标（如“40法则”或毛利率扩张）的关注，转而聚焦能平衡增长与计算效率的单位经济效益。

02

销售成本(COGS)成为新客户获取成本(CAC)

Talia精辟总结：“销售成本（COGS）就是新的客户获取成本（CAC）。在SaaS领域，制约因素是客户获取成本。”

在AI领域，制约因素是计算成本。创始人无法同时承担高销售成本与高获客成本，因此，顶尖产品旨在通过品质、病毒传播与社区建设推动用户采纳。

这种“服务成本高、获客成本低”的新动态，奖励那些打造高粘性、习惯养成产品并依赖自然分销而非主动推广的团队。

03

基于结果设计定价模式

AI不仅改变产品构建方式，也变革盈利路径。像Cursor和fal这类公司正摒弃传统按席位付费的SaaS模式。固定月度订阅被基于使用量和结果的模式取代，收入与交付成果直接挂钩。

“运行相同模型或更廉价，”Fal的Gorkem称，“但人人渴求最佳模型——而最佳模型运行成本更高。”

与SaaS模式不同，SaaS服务新用户边际成本趋近于零，而AI应用每次推理都产生实际边际成本。每个令牌、帧或调用都会消耗GPU、电力与计算资源。

正如Cursor的Jacob所言：“从客户收取10美元时，你不能仅花10美分于AWS。GPU昂贵，且消耗大量电力与热能。”

创始人现在必须设计能平衡客户价值与基础设施经济效益的定价系统——将收入与可衡量的生产力或成果关联。

主要模式包括：

按使用量付费：客户为消耗量付费——如API调用、令牌或完成任务。

基于结果的定价：当AI带来可量化业务成果时，例如已解决工单或生成内容，客户才需付费。

混合模式：基础订阅提供可预测性，可变层级随使用量增加而获益。

“我最初以49美元出售开发者工具时，”Jacob回忆，“我意识到，即使生产力仅提升0.01%，也值得投入。如今，AI使开发者效率翻倍，定价也需与影响匹配。”

AI商业化正从资源获取转向价值创造。那些将收入与可衡量价值（如使用量、生产力或成果）直接挂钩的创始人，将打造更持久、更具竞争力的企业。

现今，每次模型调用皆有成本。顺应此现实而非对抗的公司，将塑造AI时代的经济格局。

AI定价模式正从按使用权付费转向按结果付费。最终赢家将使商业模式与实际创造价值相匹配。

04

影子目标：AI GTM团队的新配额

在Anthropic，销售无传统配额。“我加入公司时，我们无法预测市场接受度，”负责初创企业销售的Kelly Loftus说。“故我们未设销售配额，而是基于反馈与公司使命制定目标。我们称之为‘影子目标’。”

模型采用不可预测性使得长期预测几乎不可能。因此，AI公司正组建规模更小、技术更精湛的市场团队，这些团队深谙产品，并专注于学习循环而非流程管理。

例如，Cursor的销售人员也编写代码，并使用Cursor自动化部分工作流程。“我们使用AI筛选潜在客户，”Jacob说。“销售团队许多成员亦开发内部工具助力公司。”

关键点：市场策略须具适应性，非僵化。应聘请建设者与反馈收集者，而非仅是销售人员。

05

AI已融入日常运营

AI公司从成立之初便将AI融入组织各方各面。每位小组成员都分享了内部使用AI扩展团队规模的案例：

Anthropic构建了由Claude驱动的Slack助手，可搜索内部知识库回答员工问题，从而优化新员工入职流程并缩短洞察获取时间。

Cursor使用异步“后台代理”完成开发者可审核、纠正与迭代的任务，提升精确度与控制力。

fal通过开放计算资助计划聘请顶尖研究人员，候选人可在加入全职团队前提出并运行平台上的实验。

这些策略展示AI如何变革工作流程与文化，并助力团队更精简、更智能、更高效运作。

06

专注新兴AI赛道以建立领先地位

fal的突破源于团队收窄关注范围。fal专注于“生成式媒体推理”领域，避免为所有模型和模态（包括LLM）提供推理服务的诱惑。这一决策使其市场定位更精准，并加速产品应用。

“众人以为所有AI模型属同一市场，”戈尔克姆说。“但我们早发现，媒体模型的买家群体各异。此转变改变了一切。”

在充斥通用AI工具的市场中，专注才是制胜关键。赢家会先明确划分产品类别并占据主导，再横向扩张。

07

增长源于合作，而非竞争

Anthropic与Cursor代表了AI领域的新型合作关系：竞合（合作与竞争结合）。虽然Anthropic构建了Claude Code，而Cursor作为AI编码助手，但两家公司密切协作，分享反馈并共同改进。

“我们与Cursor等伙伴携手，共同推进模型功能，”Kelly说。

“每当模型优化，Cursor性能亦提升，”Jacob补充。

此动态表明AI生态系统如何通过相互促进而繁荣。模型提供商与应用开发者非零和博弈，而是相辅相成的盟友。

08

新北极星：关注使用情况、客户喜爱度与杠杆作用

在SaaS时代，投资者演示常以年度经常性收入(ARR)、毛利率和净留存率衡量成功。但在AI时代，这些指标仅反映部分情况。

最具前瞻性的创始人正追踪一系列新信号。这些信号衡量使用情况、客户喜爱度与利用率，而非仅收入。

使用情况与参与度随时间变化：是用户留存与增长的最直接领先指标。

内部NPS：指团队是否真心喜爱使用该产品。

客户多样性与新客户获取：收入分布在至少30多个客户中，非集中于少数大客户，且持续增长。

钱包份额：客户在AI或媒体支出中，通过您平台进行的百分比。

正如Cursor的Jacob所言：“收入滞后于用户增长，用户增长又滞后于产品质量。我们最重要衡量标准是我们自己是否愿每日使用它。”

这才是AI产品真正契合市场的标志，不止是用戶采纳，更是用户对AI解决方案的忠诚，因AI解决方案不再仅是工具，而常成为用户的同事。用户喜爱与产品实用性是驱动参与度、价值与最终收入增长的新准则。