最近，国内 SaaS 行业有一种越来越强烈的悲观情绪：
SaaS 要死了。
一边是客户越来越不愿意购买标准化软件，觉得“和业务不完全匹配”；另一边是 AI 编程工具不断降低开发门槛，企业似乎只要组建一个小团队，就能把过去需要采购的系统自己做出来。
甚至还有不少老炮提出：逆向编程的想法。
许多匪夷所思的言论，令人百思不得其解的词汇，开始在圈子里面传开了。
于是，很多人得出结论：以后企业不买 SaaS 了，大家都去自研。
这个判断，有一半是对的。
企业确实会增加自研，尤其是那些贴近自身业务差异化的系统。但另一半是错的：AI 编程并没有让软件变得不值钱，它只是让“普通软件功能”变得更容易获得。
真正被淘汰的，不是 SaaS，而是那些只提供功能、配置和页面，却没有掌握业务结果的软件公司。
一、客户不是不买软件了，而是不愿意为“重复建设”付费
IDC 在中国代码生成产品评估中提到，2025年中国开发者对 AI 编程助手的覆盖率约为30%；
相关调研显示，使用 AI 编码助手的开发人员平均生产力提升35%，超过20%的受访者认为生产力提升超过50%。
这意味着，企业自研软件的门槛确实下降了。
过去，一个部门想做内部审批、客户管理、数据看板或简单的业务工具，需要等待 IT 排期，或者购买一套复杂的 SaaS。现在，业务人员可以先用 AI 生成原型或者demo，开发团队再快速完成迭代。
但这里发生的变化，不是“软件不需要了”，而是软件的获得方式变多了。
比如，一家制造企业的特殊排产逻辑，一家外贸公司的报价和跟单流程，或者是连锁企业内部独有的门店管理机制。这些能力越接近企业的核心差异，越有可能自研。
但通用 CRM、财务底座、权限系统、消息系统、数据治理和安全审计，并不会因为 AI 编程出现就自动消失。
客户不是从“购买软件”转向“完全自研”，而是从“什么都买”转向“核心自研、通用外购”。
图：SaaS 与定制开发在不同企业规模和业务场景下的选择对比。图片来源：Sparkout Tech Solutions，配图仅作示意。
二、AI编程降低的是开发成本，不是系统拥有成本
这是很多企业容易忽略的地方。
AI 可以帮你生成代码，却不能替你承担系统上线之后的责任。
一个内部应用做出来，并不代表它已经成为可长期运行的软件。企业还要继续面对：
谁来维护？
数据出了问题谁负责？
员工离职后，谁能看懂这套代码？
系统和 ERP、CRM、支付、身份认证怎么连接？
权限配置错了，谁能追溯？
模型升级后，原来的功能是否还稳定？
这就是 AI 编程带来的第一个悖论：写代码更快了，管理代码和业务系统的成本可能更高了。
METR 对开发者生产力的研究也提醒我们，AI 编程效率不能简单用“生成了多少代码”衡量。
其早期实验曾发现，使用 AI 工具的开发者完成任务反而慢了约20%；后续实验显示，AI 可能已经带来加速，但样本选择、任务类型和多 Agent 并行使用等因素，使结果难以直接解释。
这不是说 AI 编程没有价值，而是说明“编码速度”不等于“软件价值”。
真正的成本还包括测试、审查、部署、监控、安全、升级和人员交接。
图：AI 编程正在从设计、开发扩展到测试、部署和维护，而不只是生成代码。图片来源：公开行业资料，配图仅作示意。
如果企业只计算第一天少花了多少开发费，却不计算未来三年的维护成本，自研很容易变成一种错觉：看上去省钱，实际上把软件公司的成本转移给了自己。
三、SaaS真正失去价值的，是“浅定制”
过去很多国内 SaaS 的问题，不是标准化，而是标准化得不够彻底。
产品没有形成稳定的行业能力，却把大量客户个性化需求包装成“定制服务”；客户每增加一个特殊要求，厂商就增加一轮项目开发；最终，软件既不像产品，也不像真正的解决方案。
这类 SaaS 最容易被 AI 编程替代。
因为客户会发现：既然只是改几个页面、增加几个字段、配置几条简单流程，为什么不让自己的团队直接做？
所以，AI 编程首先冲击的不是成熟 SaaS，而是三种低价值产品：
把表单、审批和看板简单拼在一起的工具； 主要靠项目交付、缺少可复用能力的“伪 SaaS”； 只提供界面，不掌握数据、规则和业务结果的产品。
反过来，真正有生命力的 SaaS，必须把价值推进到更深的地方：
它要沉淀行业数据，理解复杂规则，连接多个系统，提供权限和审计，并且持续对业务结果负责。
客户可以自己做一个采购申请页面，但很难在短时间内建立一套覆盖供应商、预算、合同、审批、付款和审计的采购控制系统。
客户可以自己做一个客服机器人，但很难独立完成知识治理、权限管理、质量评估、人工接管和服务效果追踪。
AI 编程替代的是软件的表层，不是企业级软件背后的长期运行能力。
四、SaaS厂商竞争对象，已经从其他软件变成客户的研发团队
这会改变 SaaS 公司的销售方式。
过去，销售只需要证明自己的功能比竞品更多、价格比竞品更低。
现在，客户会多问一个问题：
“为什么我们不自己来做？”
大D在对外咨询服务过程中，此类的反问遇到太多了，多到我都能够背下来。
那么怎么回答才算是有效？我认为真正有效的回答应该围绕以下：
我们已经把这个行业最复杂的规则做成了可持续运行的系统；我们能保证数据安全、权限边界和版本升级；我们能把你们的业务结果提升到什么程度；如果你们自研，除了第一版代码，还需要承担哪些长期责任？
这意味着 SaaS 的销售材料必须从功能清单转向成本和结果证明。
有结果、有数据、有行业知识和持续服务能力的 SaaS，反而会获得更高的议价权。
五、企业真正需要的不是“买还是自研”，而是重新划分边界
企业不应该把自研和采购当成二选一。
更合理的方式，是先问四个问题：
第一，这项能力是否直接决定企业的竞争差异？如果决定，优先考虑自研或深度掌控。
第二，这项能力是否需要长期积累行业数据和业务规则？如果需要，不能只把它当作一次性项目。
第三，这项能力是否涉及安全、合规、权限和高可用？如果涉及，必须计算长期治理成本。
第四，这项能力是否已经有成熟的行业产品？如果已经有，企业再从零开始建设，往往没有必要。
最终形成的，通常不是纯 SaaS，也不是纯自研，而是一种混合架构：核心差异自研，通用底座采购；内部数据自己掌控，外部能力通过 API 和 SaaS 接入；AI 应用快速试错，关键系统保持严格治理。
这才是 AI 时代更现实的企业软件路径。
写在最后：SaaS没有消失，只是不能再靠“卖账号”活着
中国 SaaS 行业真正面对的，不是 AI 编程把客户全部带走，而是客户终于有了更强的议价能力。
过去，客户只能在买现成软件和做重定制之间选择。现在，AI 让客户多了第三条路：自己快速做出一个可用版本。
这会迫使 SaaS 厂商重新证明自己的价值。
你提供的到底是一套页面，还是一套经过验证的业务能力？
你卖的是账号，还是结果？
你交付的是一段代码，还是一个能够持续运行、持续升级、持续承担责任的系统？
对客户来说，AI 编程让自研变得更容易，却没有让软件经营变得更简单。
对 SaaS 厂商来说，AI 编程让普通功能变得更便宜，却让真正的行业能力变得更重要。
