Agent 浪潮下 SaaS 行业的变革与挑战——对话李国平
一、Agent 浪潮下 SaaS 行业的变革趋势
（一）人机交互模式的转变
在李国平看来，Agent 浪潮给 SaaS 行业带来了颠覆式变革，人机交互模式发生根本性转变。过去软件时代，操作系统是数字世界核心；PC 互联网时代，门户网站和搜索引擎成为入口；移动互联网时代，App 占据主导；云计算时代，SaaS 整合封装所有能力。而在智能时代，人机交互范式将再次变革，未来 SaaS 会从人操作系统、调用数据的模式，转变为人下达指令、智能体执行任务的新模式。例如，现在人通过操作 SaaS 界面调用数据完成业务闭环，未来可能是人下指令给财务、业务营销等智能体，由智能体自主完成工作并交付结果。
（二）SaaS 产品的演变方向
SaaS 在五年内大概率不会消亡，但会先经历向嵌入式、局部性的智能体化转型。未来会逐步从人主宰 80%、智能体辅助 20%，向人指令负载 10% - 20%、智能（体）工具承担 80% - 90%工作负载的方向转变，最终实现全面由智能体主宰。或许用不了三五年，SaaS 产品可能一部分保留传统界面（部分可能源自监管合规要求），一部分承载业务流程，其余则由一组组专业化智能体构成。
（三）智能体带来的人机协同场景
以制造行业为例，原来制造全链路需要一个大 PM 带着三四个制造业专业岗位工种的团队完成，现在由一个人带着四五个不同角色的智能体就可以替代原来的真人团队。PM 负责分配任务，各个智能体各司其职，最终协同交付成果。百望也基于过往十年服务近 3000 万家企业财税发票积累的数据，构建面向财税数智合规、企业经营决策、数智金融服务、出海全球化合规等领域的智能体平台，让凭证处理、财务记账、报税等出纳会计的重复手工劳动通过智能体完成，释放财税领域的智能生产力。
二、智能体深度驱动的 SaaS 产品特点
（一）技术层面
真正的智能体具备记忆、任务规划、工具调用链路、数据应用以及动态交付结果的能力。比如生成一份财税合规动态报告，以前是人工操作界面静态生成，现在会转变为由智能体主动扫描业务风险并生成报告。
（二）商业模式层面
以制造行业为例，未来智能体将逐步替代人工岗位，企业决策者要算清楚人工替代的成本价值，同时智能体要实现自我迭代进化，在业务侧形成新的能力。这会对 SaaS 的订阅制付费模式产生影响，目前百望的智能体已经采用按 MCP 调用次数收费的模式，未来按量、按结果付费等模式都会有，具体取决于用户的认可度。过渡阶段仍会保留按月订阅模式，未来智能体应用可能出现按业务价值分成等多种商业模式。
三、国内外 SaaS 行业的差异与挑战
（一）资本层面
中国在大模型、智能体这一波浪潮里，拿到的全球风投类资金非常有限。2024 年底的数据显示，中国大概只有美国的 7%。这使得中国的创业公司被迫用更低的成本、更少的算力，产出更极致的技术成果，国内市场更卷，但也倒逼中国的 AI 企业追求极致的性价比，更重视技术内核的优化。
（二）技术生态层面
开源成为国内技术生态的关键突破点。国内的通义千问、DeepSeek 等开源产品，在全球范围内的整体性价比和能力排名获得了很多认可。中国把一些有技术密度、有积累的平台开源化，既能获得全球市场、用户的认可，也能带动基于中国核心技术的应用生态繁荣。
（三）SaaS 厂商技术差异层面
中外 SaaS 差异并非完全由这波大模型带来，但相关度很高。中国 SaaS 盈利困难，很大一部分原因是头部付费客户更喜欢本地化部署、定制化开发，SaaS 厂商需要投入大量人力成本、技术资源做非标化产品满足客户需求。而海外产品多采取标品化云订阅模式交付，同时为不同客户预留二次开发平台和定制化接口，盈利模式更清晰，长尾效应更显著。未来 SaaS 的智能体化转型不一定能打破这一困境，因为智能体也面临非标品化挑战。
（四）国内智能体 To B 应用面临的挑战
国内智能体的 To B 应用面临与公有云发展初期类似的困境，出于安全因素的考虑，在央国企、金融机构的部署和使用受到诸多监管限制。例如财税领域，即使 AI 技术层面能够实现流程重塑，但仍然存在操作规程、审计等方面的问题，如 AI 执行任务出错了，责任该由谁承担等，这些问题在法律、业务落地等层面还有很多需要论证的地方。
四、SaaS 厂商的生存之道
（一）转型的必要性
中国 SaaS 厂商没有一家可以在原地生存，不转型肯定都得“死”。SaaS 厂商需找到适合自己的发展路径，一是加强核心竞争力，二是寻找最适合的转型战略。转型必须贴合自身业务 DNA，构建新的智能化能力、新产品、新平台。
（二）百望的核心竞争力与战略路线
百望的核心价值和差异化资产在于掌握的交易级数据，以及在这些数据之上针对不同应用场景挖掘数据价值。百望的发展曲线是一层战略叠着一层战略往上走：最底层是过往的税控设备，依托税控设备拓展电子发票业务，通过电子发票沉淀数据资产，再基于数据业务构建智能体护城河，持续加高行业壁垒。
（三）百望的智能体矩阵及应用场景
百望推出了睿界、金盾、问数三大智能体，分别对应金融业务、交易管理、经营决策三大方向。三大智能体虽然相互独立，但能够通过 A2A、MCP 等能力整合，覆盖企业不同环节需求。
睿界智能体主要满足企业负责信贷、与银行对接的人员以及银行客户经理的需要。
金盾智能体聚焦企业财税合规风险扫描，更受企业财务领导关注，可提供针对性合规解决方案。例如将金税四期国家税务总局电子发票服务平台的建设经验、国家税务总局对企业合规提出的高标准严要求，以及百望过往在税务侧、信贷侧积累的异常识别或风险防控能力，转化为 RAG 化数据，帮助企业设立更高的合规经营标准。
问数智能体则面向企业市场营销、整体经营的 CXO 级别人员。
以百望的汽车经销商监控服务为例，其底层核心就是发票数据。通过企业授权，可以全程追踪汽车经销商销售机动车流转中的数据，比如汽车销售填写的机动车号、发动机号，而这些车辆可能涉及信贷动产抵押。银行愿意为这类数据服务买单，汽车经销商也可通过该服务识别供应商风险和上下游欺诈行为，并获得成本更低的金融信贷与保险服务。这是一个典型的数据智能应用场景，解决了金融客户有效利用动态实时的市场交易数据、构建数据驱动的创新业务，从而实现价值闭环，也是百望在数据智能领域持续产生订阅收入的 ARR 业务之一，是在鼓励数据要素流通的时代合法合规实现数据商业化的典型案例。
（四）数据对 SaaS 厂商的重要性
根据大模型的 scaling law（缩放定律/规模法则），算法、算力、数据缺一不可。现在的模型基本已经吸收了全世界互联网的公开数据，但未来如果只依赖算力和算法的提升，没有高价值数据集的支撑，很难实现模型的指数级跃迁。对于 SaaS 等 To B 厂商而言，本身不太可能开发通用大模型，如果想形成自身的核心竞争力，关键在于能否把自身的私域数据提炼成高价值数据集，为自身的垂类大模型和场景化智能体提供支撑。
