“数据猿发布《Agent时代的软件新物种》白皮书，后台回复关键词“白皮书”即可获得电子版。

2024年到2026年，软件行业被一个尖锐的问题反复拷问：Agent会取代SaaS吗？

支撑这个问题的，是一连串令人眩晕的信号。

一边是Agent-Native产品的爆发式增长。AI编程工具Cursor在两年左右的时间里，完成了传统SaaS需要五年以上才能走完的收入跃迁。这类产品的共同特征是：AI不是“塞进去”的功能，而是从第一天起就以Agent为核心来组织整个产品。人类的角色从“操作者”变成了“意图的提出者与结果的审校者”。它们的增长速度本身就是一种论据——在某些场景下，Agent形态确实释放了旧形态无法企及的价值。

另一边却是同样刺眼的现实。大量企业的AI项目卡在了“试点”与“规模化”之间的鸿沟里。更具戏剧性的是瑞典金融科技公司Klarna的故事：它曾高调宣布用AI客服替代了数百名全职员工，不久后却又开始重新招募人类客服——理由是复杂问题的处理质量下滑，客户体验受损。

两组信号截然相反，却都是真的。

它们测量的，根本不是一个东西。

第一组信号反映的是技术的能力上限——在数据干净、任务边界清晰、容错空间充足的理想条件下，Agent能达到的高度。这个上限确实在以惊人的速度抬升。

第二组信号反映的则是技术的落地下限——在真实业务环境中，当数据是脏的、流程是纠缠的、错误要有人负责、决策要能被审计时，Agent能稳定守住的底线。这个下限的抬升，远比上限缓慢。

上限与下限之间，横亘着一道巨大且持续的鸿沟。它解释了几乎所有表面的矛盾——也直接宣告了那个流行命题的死刑。

“替代论”错在哪？

“Agent替代SaaS”这个命题之所以广为流传，不是因为它正确，而是因为它触碰到了真实的痛点，却套用了错误的框架。它至少踩进了三个环环相扣的认知陷阱。

第一个陷阱：二元思维——把“替代”想象成非生即死的品类替换。

“杀死”这个词预设了软件是一个静态的、有明确边界的品类。但软件史反复证明，范式更替的真实机制从来不是“品类的消灭”，而是价值层的迁移。

桌面软件在互联网时代并未消亡，微软Office至今仍是全球最广泛使用的生产力软件。但那个时代最大的价值不再由“卖软件许可证”创造，而是流向了搜索、平台与网络效应——流向了谷歌，而不是流向了一款更牛的Word。

互联网没有杀死桌面软件，只是把最大块的钱从“软件货架”上挪走了。

第二个陷阱：把SaaS当成铁板一块。

“SaaS”这个标签掩盖了其内部巨大的结构性差异。有些软件只是薄薄一层界面，本质上只是把某个规则或某次信息搬运包装成产品，这类逻辑恰恰是Agent可以即时重建的。而另一些软件沉淀了厚重数据资产、承载着复杂而模糊的业务逻辑，Agent或许能重建它们的界面，却无法凭空复制它们积累多年的数据与业务上下文。

笼统地谈替代，等于把一整片有梯度的地形压成了一个点。

第三个陷阱：把“过渡态”看作即将过去的临时现象。

替代论的隐含叙事是：现在的混乱只是短暂的黎明，终点是清晰的新范式全面取代旧范式。但技术的能力就绪与生态的制度/信任就绪之间，存在系统性的不同步。能力可以在实验室里一夜跨越，但让一个组织信任Agent去执行有后果的决策、让监管框架接纳自主系统的责任归属，这些都需要以年为单位的时间。

过渡态不是异常，而是常态本身。

三个误区叠加，使“Agent是否替代SaaS”成了一个无法给出有意义答案的问题。因为它用一个静态、笼统、非此即彼的框架，去描述一个动态、分层、渐进演化的过程。

正确的问题不是“谁替代谁”，而是价值会从软件的哪一层，迁移到哪一层。

Agent时代的“三国杀”

三条路径，三种命运

当我们放弃“替代”这个单一维度，改用“Agent在价值链中的位置”来重新审视市场，纷繁的产品实验迅速收敛为三条清晰的路径。它们不是三种“做法”，而是三种在收益与约束之间的结构性取舍。

路径A：入口级的机会，通用性的诅咒（Agent-as-Interface）

逻辑：对话成为一切的总入口，Agent是总编排者，传统软件退化为被调用的后端能力。

诱人之处：交互门槛趋近于零——自然语言是人类的母语，不需要学习。历史上每一次入口级机会，本质都是一次门槛的坍塌。路径A潜在的服务对象是全人类，而非“学会了某款软件的那部分人”。

致命短板：通用入口要服务一切场景，就无法为任何单一场景做深度定制。法律推理的法域差异、财务模型的勾稽关系——越通用，越难深；越深，越不通用。这不是模型再大一点就能填平的裂缝，而是“一个入口要同时满足所有人”这一定位本身内含的矛盾。

更微妙的是，纯对话还有三重结构性的硬伤：信息是线性表达的，而人脑处理空间性信息靠的是视觉扫视；纯对话压缩了分步可回退的过程，在高风险场景中缺乏可验证性；系统能做但用户不知道的能力，因为没有功能地图而永远沉睡。

趋势判断：路径A正在主动引入界面元素，这本身就是对“纯对话不够用”的承认。它最终会收敛为入口层，牢牢占据“起点”和“低频、探索、跨应用编排”的位置，负责把模糊意图接住、分诊、转交——而不是亲自把所有事做到交付标准。

路径B：存量的理性，包袱的代价（Agent-in-Software）

逻辑：AI的最大价值不是取代软件，而是让现有软件更强。在既有产品之上叠加一层Agent能力。

优势一目了然：对已经深度依赖某款软件的用户而言，启用其Agent能力往往只是一次订阅升级。用户已经在那里了，分发管道现成的。更关键的是，场景边界清晰使Agent更可控——表格里的Agent不必会写法律意见。边界即约束，约束即可靠性。

更深的护城河在数据侧：一个了解企业全部客户历史的销售Agent，其价值远高于一个通用AI——差别不在模型，而在它能看到什么数据。而存量数据是多年业务运行中沉淀的，通用Agent可以在算法上迅速追平，却无法一夜之间获得别人积累了十几年的私有数据与客户信任。

致命短板：现有软件的底层是为确定性逻辑设计的——给定输入，必得确定输出，可测试、可回滚。而Agent是概率性的——同样的输入可能给出不同的结果。把一个概率性的引擎植入一个假设了确定性的系统，这是两种计算哲学的摩擦，不是接口对接的工程量问题。

更长的隐患是：因为产品的核心逻辑与交互范式被保留下来了，Agent能改善的往往是“把旧流程做得更快”，而非“重新定义应该做什么”。它容易沦为“更聪明的模板”。

趋势判断：掌握存量的巨头几乎必然选择路径B。但当某个领域出现一个从第一性原理重新设计体验的路径C新物种时，路径B的“改良”就会显得像是给马车装上更好的挽具。存量是护城河，也是转身的枷锁。

路径C：新物种的纯粹，模型的天花板（Agent-Native）

逻辑：正如智能手机不是“更好的功能机”，Agent-Native产品也不该是“加了AI的传统软件”。如果今天从零开始、且AI能力可以作为地基而非补丁，这个产品应该长成什么样？

结构性优势：没有历史包袱，可选最优架构。当AI是地基而非附加层，产品体验是浑然一体的，不存在“AI模式”与“普通模式”的割裂。最锋利的优势在于——没有向后兼容的负担，路径C可以第一时间把最新的模型能力吃进产品。底层模型跃升时，整个产品体验可以随之整体跃升。

致命短板：新物种要从零获取用户，而用户早已被存量工具驯化。产品仅仅“更好”不够，必须好到让用户愿意承担切换成本。更本质的约束是：模型能力决定产品体验的天花板。如果模型在某类任务上有硬缺陷，产品体验就有对应的硬伤——这道伤是产品设计无法弥补的，你无法用更好的界面去修复一个推不动的推理。路径B可以在AI失灵时退回确定性功能兜底，路径C没有退路。

路径C最容易突破的领域是三个条件的交集，高频+专业+现有工具体验差。高频保证AI的持续参与能兑现价值；专业让深度优势形成碾压；旧工具体验差意味着切换成本被主动抵消了一部分。这解释了为什么当前最耀眼的路径C突破，集中出现在少数几个高频专业工种上——编程，恰好完美命中了这三个条件。

为什么“分层共存”是最可能的中期均衡

三种“独霸”都要求某条路径克服自己的结构性局限：A要填平通用与深度的矛盾，B要甩掉架构包袱，C要突破规模天花板。而这些局限恰恰是结构性的、难以根除的。

最可能的中期均衡是分层共存：

·入口层归路径A——低频、探索、跨应用编排的起点

·企业级归路径B——存量数据、合规资质构筑的护城河

·高价值垂直归路径C——高频专业工种上的深度碾压

就像今天的互联网中，搜索入口、企业SaaS、垂直应用三者长期共存一样——不是谁消灭谁，而是各安其位。

关键不是“押注哪条路径”，而是判断“在特定领域、特定阶段、特定用户群，哪条路径拥有结构性优势”。

隐藏的主战场：

谁定义接口，谁控制生态

如果说应用层的路径竞争是看得见的战场，那么还有一个更安静却更致命的博弈正在发生。

任何一次范式迁移都不是瞬间完成的断裂，而是新旧系统长期并存、必须相互连接的过程。谁定义了新范式与旧世界之间的通信协议、数据交换格式、调用接口，谁就掌握了整个生态的收费站——所有流量都必须经过它，所有玩家都必须适配它的规则。

这种控制力比任何单一产品的成功都更持久、更根本，因为它锁定的是生态的连接层，而非应用层。

Agent与软件的对接，正在自然分化出三层协议：

第一层，Function Calling——模型如何输出一次结构化调用。这是最底层的原语，相当于通信中的“编码方式”，解决了单点表达，却不构成网络。

第二层，MCP——Agent与工具之间的标准接口。它解决的是集成的组合爆炸问题：没有统一标准时，M个Agent框架和N个工具需要M×N个定制集成。MCP把它降维成M+N。这个降维把“集成”从每次都要重做的定制工程，变成了一次性投入、全网复用的公共品。

谁定义了这个交汇点，谁就坐上了收费站。

第三层，A2A——Agent与Agent之间的协作协议。当任务复杂到需要多个各有专长的Agent协同工作时，问题不再是“调用一个确定的工具”，而是“与一个同样具备自主性、会思考会犯错的对等实体协作”。用面向工具的协议去描述Agent间协作，就像用“调用API”的思路去管理一支团队。

这三层是互补分层，而非互相替代。一个成熟的Agent系统会同时用三者。

而这场标准博弈中，还有一个被严重低估的变量，Computer Use。

让Agent像人一样看屏幕、移动光标、点击输入。作为技术，它慢、贵、不稳定——效率比原生调用低一到两个数量级。但它的战略意义不在技术本身，而在于改变了博弈的力量对比。

那些靠“不开放接口”把Agent挡在门外的封闭软件，Computer Use直接抽走了这张牌。既然Agent能像人一样从界面进入，那么“不开放API”就不再等于“挡住Agent”，而只等于“逼Agent走一条更慢的路”。

封闭策略从“有效防线”退化为“徒增摩擦”。这产生了一个反向倒逼：既然Agent无论如何都能进来，与其让它低效、不可控地爬取，不如主动提供一个高效、可控、可计费的原生接口。Computer Use未必会被大规模长期使用，但它作为一种可信的“威慑”持续存在，把整个行业推向开放。这才是它最深刻的意义。

“卖座位”，到“卖结果”

定价，是一个行业底层逻辑最诚实的表达。

SaaS最主流的按座位（Per-Seat）收费，其底层假设只有一句话：价值正比于人类使用者的数量。人越多，说明软件被用得越广、创造的价值越大，因此该付更多钱。

Agent恰恰击穿了这条公理。

当一个Agent能够替代若干人类去操作软件时，诡异的事情发生了：业务还是那么多业务，数据还是那么多数据，但需要的“座位”大幅减少了。企业会理直气壮地质问：我处理的工单量没有变，凭什么因为换成了Agent就该付同样的座位费？

按座位定价所依赖的那条公理，在Agent面前失效了。这才是整个SaaS定价体系动摇的真正震源。

顺着这个逻辑往前推，一个更激进的收费模式正在浮现：按结果收费（Outcome-based）。

某客服软件从“按坐席数收费”改为“按被成功解决的工单数收费”——它宣告软件卖的不再是“给多少人用的工具”，而是“帮你解决了多少个问题”的结果。当AI解决率足够高时，即便单价下降，因处理总量放大，总收入仍可能增长。

这背后是一次价值单位的跃迁：Service-as-Software（服务即软件）。

传统链条是：人打开软件→人操作软件→产出结果。软件的价值被限制在“人使用它的效率”这个上限之下，软件做得再好，也只能让人做得更快，而不能替人把事做完。

Agent时代的链条则变成：Agent理解需求→Agent调用软件→产出结果。人退出了执行环节。

这意味着一个反直觉却深刻的结论：当Agent成为软件的主要使用者时，UI的精美不再是核心竞争力。Agent不看界面，它读的是接口、数据结构与能力描述。决定胜负的是API质量、数据结构清晰度、能力的可组合性。那些长期重视“开发者体验”和“API设计”的公司，反而在Agent时代占据了结构性优势。

更根本的变革在TAM（潜在市场总规模）层面。SaaS的TAM是企业的“软件预算”；而Service-as-Software的TAM是企业的“人力/服务预算”。二者不在一个量级上，全球每年花在知识工作者身上的支出，远超花在软件上的支出，前者是后者的一个数量级以上。

当AI+软件的组合开始替代的不再只是软件开支、而是人力开支时，可寻址市场发生了量级跳跃。这正是“Agent超级周期”叙事的经济学根据。

但必须清醒地指出这个宏大叙事的成立前提：Service-as-Software要真正吃到人力预算，取决于三个尚未完全兑现的条件——可靠性（Agent能否稳定地把事情做对）、责任机制（出错时的后果由谁承担）、以及信任（客户是否愿意把原本交给人的事托付给Agent）。三者中任何一个不成立，人力预算就不会真正流向软件。

真正的瓶颈不在模型

如果认为制约Agent落地的瓶颈是模型能力不够强，那就误解了问题的本质。模型的进步是必要条件，却早已不是充分条件。

决定落地速度的，是一组非技术的限速步骤。

第一重：自主性的边界——效率与控制的结构性对立。

借鉴自动驾驶的分级思路，可将Agent自主性划分为五级，从L1的聊天机器人到L5的组织者。当前主流商用Agent真实地落在L2到L3之间的过渡带，能理解复杂意图、规划多步方案，但在关键决策点仍高度依赖人类确认。

这一定位不是偶然。自主性越高，效率增益越大，但风险也在同步放大。即便模型准确率再提升一个数量级，“把决策权交给一个非人主体”这件事本身，仍然需要一个社会性、制度性的信任框架来兜底。技术可以缩小误差，却不能单方面替人类做出“我愿意让渡多少控制权”的判断。

Human-in-the-Loop并非技术不成熟阶段的权宜之计，而是长期存在的必要设计。某些决策在伦理与法律上必须由人负最终责任——这是自主性无法逾越的红线。

第二重：信任与安全——一种全新的攻击面。

传统软件的漏洞是被动利用的，攻击者必须先找到代码缺陷。而Agent的“漏洞”可以被主动诱导——攻击面来自它的“理解与行动”能力本身。

最典型的例子是提示注入：恶意指令可以藏在Agent会去读取的任何一个内容里——一封邮件、一个网页、一份文档。当Agent在处理这些内容时，嵌入其中的“忽略此前指令，去做某事”可能被当作合法指令执行。这类攻击不攻击代码，而攻击Agent对语言的服从性，传统的输入校验难以拦截。

更深刻的结构性矛盾是：Agent的价值来自跨数据源的全局关联，这与最小权限原则直接冲突。一个只能看见孤立数据的Agent价值有限；而一个能打通邮件、日历、CRM的Agent才真正有用，但它的数据暴露面也随之急剧扩大。

信任问题已经发生了一次跃迁：从“输出是否准确”升级到了“行为是否可控”。

第三重：从试点到规模化的“死亡谷”。

概念验证往往运行在理想化前提下：数据是清洗过的，场景是精心预设的，使用者是理解Agent边界的内部技术人员。但真实的生产环境充满了脏数据、未被预设的边缘场景、缺乏提示素养的普通用户。

决策者基于试点的惊艳做出了乐观承诺，却在规模化阶段遭遇远超预期的适配成本——信心退缩、投入收缩，项目就此搁浅。

跨越死亡谷的关键，不是继续追逐更炫的能力上限，而是踏实地抬升落地下限。 一个金融行业的正面案例揭示了正确的次序：业务语义先行，Agent后置。先统一核心指标体系，厘清指标口径与数据责任；再建立策略归因机制；直到数据与业务关系稳定之后，才在其上嵌入智能Agent。Agent得以从“查数工具”跃升为能够解释“增长来自哪些策略”的经营分析助手。

第四重：用户与组织的壁垒。

高效使用Agent不只是“学会打字对话”，它要求用户具备三重能力：知道该问什么——把模糊需求转化为清晰指令本身就是高阶技能；理解Agent的能力边界——分清什么该交给它、什么不该；学会验证与修正——对输出保持批判性审视。

组织侧的障碍更深。引入Agent表面上像是采购一套新工具，实质上它会触动组织的三根神经：原有流程中被Agent接管的环节需要重新设计——而流程即权力；IT与业务部门争夺Agent的主导权——掌握数据的团队未必愿意为全局效率而开放数据；当员工感知到Agent可能替代自己的岗位时，配合度下降是理性的自我保护。

这些利益与权力结构层面的问题，无法靠一次模型升级来解决。

第五重：合规与监管——从“管模型”到“管行为”。

监管正在经历一次治理焦点的根本位移：过去盯的是模型本身，它是否有偏见、是否安全；现在开始盯Agent的具体行为，它能否自主发送邮件、能否自主修改数据库、能否代表用户签署协议。规制对象从“模型的属性”转向了“行动的权限”。

这带来了一系列结构性新难题：Agent的个性化能力依赖对用户行为与偏好的长期记忆，但用户随时可能要求删除个人数据——如何从一个已把信息内化进记忆模式的系统中“彻底删除”某段数据？当Agent把在A系统收集的数据用于B系统的决策时，是否违背了数据最初的收集目的？

合规成本正成为中小玩家的隐性壁垒。大企业有法务与合规预算去消化多国监管差异，而初创公司可能被迫放弃某些市场或功能以控制风险。

第六重：评估标准的缺失。

如何衡量一个Agent的好坏？这个问题看似基础，却尚无共识。

传统软件的评估指标清晰而客观——响应时间、可用率、功能完备度，都可量化。但Agent的评估天然涉及主观判断：任务完成的“质量”如何定义？在多步任务里，中间步骤是否合理该如何评判？尤其棘手的是“未做之事”——Agent没有主动提醒一个本应提醒的风险，算不算失败？这种“沉默的遗漏”在传统指标体系里根本无从捕捉。

没有统一的标尺，整个行业的进步就难以被度量，也就难以被有效引导。

结语：这不是一道三选一的选择题

回到开篇的问题：Agent时代，软件走向替代、共生，还是融合？

我们的回答是：这是一场深刻的融合演化。

“替代”的叙事过于简化，它低估了存量软件所沉淀的数据资产、行业知识与用户信任，这些不会因交互方式的改变而蒸发。

“共生”的叙事又过于保守，它低估了Agent对产品形态与商业模式的根本性冲击，把一场范式跃迁误读成了平静的并存。

真实的未来是融合。软件正从“工具范式”向“智能体范式”发生根本跃迁。它不再只是被人使用的工具，而是正在成为能够理解意图、自主行动、并为结果负责的智能体。

历史反复提醒我们：真正的变革，从不按人们最初想象的方式展开。互联网没有如预言那样“消灭中间商”，而是重新定义了中间商；移动互联网没有简单“取代”PC，而是创造了全新的场景与商业模式。

Agent同样不会简单“取代”软件，它将催生我们今天尚无法完全想象的新物种。最激动人心的形态，很可能尚未被发明。

唯一可以确定的是：不参与这场融合演化的参与者，终将被边缘化。无论选择渐进升级还是另起炉灶，行动都必须从现在开始。未来不是等来的，而是在一行行代码、一个个产品决策、一次次真实用户验证中，被逐步构建出来的。

文：随风 / 数据猿
责编：凝视深空 / 数据猿

来源：数据猿