AI 写代码冲击 SaaS?“面包悖论”给出另一种答案

AI 写代码冲击 SaaS?“面包悖论”给出另一种答案

N
News Editor
2026-07-16 02:31:23
BlockTempo 引述科技作家 Joan Westenberg 的“面包悖论”指出,代码成本下降并不等于整套软件服务会同步变便宜。文章提到,AI 生成代码的重大缺陷数量约为人类编写的 1.7 倍,而 Gartner 观察到企业 SaaS 续约涨幅仍多落在 10% 至 20%。Avenir 2026 年 1 月报告还显示,63% 企业采购方预计现有软件供应商会因生成式 AI 受益,只有 8% 认为会受害。
AI编程SaaSVibe Coding企业软件生成式AI软件行业科技动态

AI 写代码正在冲击软件行业估值,但代码变便宜,并不等于整套服务会一起变便宜。BlockTempo 援引科技作家 Joan Westenberg 提出的“面包悖论”称,廉价工具和公开配方,并没有让商业烘焙消失;同样,AI 降低编程门槛,也未必会直接杀死 SaaS 软件业。

文章把这组判断放回今年 1 月那场软件股恐慌中审视。当时 Claude Cowork 与 Claude Code 的流行,让市场喊出“SaaSpocalypse”,即“SaaS 末日”。报道提到,那场情绪冲击曾让软件股单日蒸发约 3,000 亿美元。但文中认为,如果便宜的食谱和便宜的机器在过去五千年里都没有让烘焙业倒闭,那么便宜的代码大概率也不会自动让软件服务行业失去存在基础。

从面包机到商业烘焙

文章举例称,一台面包机可以在 3 小时内做出一条面包,材料成本不到 3 美元,机器本身也不过 100 美元左右。按这个逻辑,家庭自制似乎很划算,但现实是,美国人每天仍会买走约 1,000 万条预烤面包。

Westenberg 把这种反差概括为“面包悖论”。她认为,问题核心不在于“能不能自己做”,而在于“自己做是否真的更便宜”。经济学里的 make-or-buy,也就是“自制或外购”判断,关键就在于把隐藏成本算进去:记材料、按开关、等待发酵、事后清洁,这些步骤单独看都不大,长期重复后却并不便宜。

文章继续回顾了商业烘焙的长期历史。早在公元前 3000 年,古埃及人已在尼罗河沿岸经营商业烘焙坊。到罗马时期,烘焙已经形成产业,普林尼写作《自然史》时,罗马已有专业面包师公会、兽力驱动的和面机,以及将面包送到数十万城市居民手中的物流网络,而这些消费者几乎没有自己烤面包。

报道还提到,中世纪伦敦的面包师公会在 12 世纪就拿到皇家特许状,卖轻秤面包的师傅甚至会被绑上雪橇拖街示众。所谓“家家户户自己烤面包”的想象,往往只在买不到面包时才成立。

时间继续往后推。1928 年,Otto Rohwedder 发明商用切片机;1961 年,Chorleywood 制程把烘焙时间从数小时压缩到几分钟。即便如此,今天美国人每年仍消耗约 2,100 万吨面包烘焙品,每天买走约 1,000 万条预烤面包。文章借此说明,原料便宜、设备不贵、做法流传已久,并没有让商业供应链失去意义。

文中还引用了乔治·奥威尔对工业化英国面包的抱怨。他曾形容这类面包“苍白、松软、无味”,但消费者照样购买,原因并不复杂:买面包的心理成本,仍低于自己烤。

AI 让代码更便宜,但没有替企业接管整条服务链

在 SaaS 讨论里,最常见的一种说法是:只要有足够好的 AI 模型,再配合像样的提示词,一个下午就能做出一套定制 CRM 或分析仪表板。既然代码几乎免费,服务器也便宜,企业为什么还要继续交月费。

这篇文章的回答很直接:企业订阅 Notion、Jira 或 Basecamp,买的从来不只是代码本身。它们购买的,是几千名工程师、法遵人员、资安审计人员多年打磨出来的制度知识、集成生态、法规认证和支持体系。

如果一家企业决定用 AI 自己刻一套系统,本质上更像是买了一台面包机。食材不贵,机器也能代劳大半工作,但企业自己要成为那个烘焙师,后续得承担维护、边角案例处理,以及 AI 代码可能带来的资安风险。文章指出,研究显示,AI 生成代码的重大缺陷数量约为人类编写代码的 1.7 倍。

报道还描述了另一个企业实际会遇到的问题:半年后,当初写这套系统的人已经调去别的部门,留下的系统没人看得懂它如何运作;凌晨两点系统出问题时,也没人能接电话。这部分并非代码生成速度能解决的事。

企业客户并没有准备撤离 SaaS

从定价和采购信号看,文章认为市场押注的方向已经相当明确。Gartner 观察到,近期企业 SaaS 续约涨价幅度多落在 10% 至 20% 之间,甚至快过多数 CIO 预算的增长速度。表面看上去像是厂商趁乱提价,但买方并未明显转身离场。

Avenir 在 2026 年 1 月的报告也给出类似信号:63% 的企业采购方预期,现有软件供应商会因生成式 AI“受益”,只有 8% 认为它们会“受害”。文章据此判断,客户真正想要的并不是把旧系统推倒重来,而是让既有服务把 AI 能力纳入进去。

报道还提到,Klarna 常被拿来举例,作为“自建打败 SaaS”的案例,但实际情况并不是用 AI 从零造出一整套系统去取代 Salesforce,而是改成另一组 SaaS 组合,再加上一部分自建能力。与此同时,其团队至今仍离不开 Salesforce 里的 Slack。

真正脆弱的是单薄功能,不是整条软件供应链

文章认为,真正需要担心的,是那些可以被一句提示词快速复制的单一功能产品。比如把 PDF 转成表格、自动生成会议纪要、发送跟进邮件,这类工具型产品本身的存在理由就比较薄。

相较之下,那些拥有深度集成、专有数据、法规认证,以及多年业务逻辑和合作伙伴生态的 SaaS 公司,对应的是面包行业里整套商业烘焙体系。个人用户当然也能自己烤出一条面包,但这从来没有真正威胁过商业烘焙,因为面包师出售的不是面粉和食谱,而是稳定、一致,以及“出事有人扛”的保障。

接下来更可能变化的是定价方式。文章判断,随着 AI agent 成为软件的新一类用户,按人头收费的模式会逐步让位给按用量和按结果收费。那些单薄、单一功能的产品会死,而这也符合其原本的商业结构:它们并不是独立成立的一门生意,只是在软件开发成本还很高、连零碎功能都能收月费的年代,被包装成了公司级产品。

文章最后把 SaaS 的核心逻辑归结为一句话:企业花钱租用的是一个解法,而不是自己接手整个问题。从罗马帝国到今天,这套逻辑能够持续,不靠技术门槛本身,而在于人们通常更愿意为“有人处理麻烦”付费,只要价格仍合理、信任关系还在。

本文最初由 Bit.Fan 发布。 欲了解更多加密货币新闻与市场洞察,请访问 www.bit.fan.
1000

免责声明:

本平台展示的市场信息、项目资料与第三方内容仅用于行业信息分享,不构成任何形式的投资建议或收益承诺。

加密资产交易具有较高风险,用户应充分评估自身风险承受能力并独立作出决策,相关盈亏及法律责任由用户自行承担。