穿越SaaS震盪週期：鈦動科技以AI營銷Agent構築新時代護城河

近日，Anthropics推出能獨立處理法律文檔的Claude Cowork，直接衝擊了LegalZoom等公司的核心業務，引發軟件股暴跌。同日，Google DeepMind發佈Project Genie，展示出生成並理解複雜遊戲內容的能力，導致多家遊戲引擎與平臺公司市值大幅縮水。

2026年初，全球資本市場爲所有SaaS公司上了現實的一課。

圖片來源:X@ClaudeCodeLog

市場震盪的背後源於一個冷酷判斷：AI正在從“輔助工具”進化爲“獨立員工”，而它要取代的第一波對象，可能不是人類，而是傳統SaaS軟件。

一邊是華爾街用腳投票，一邊是正在發生的結構性轉變：根據高盛數據，軟件已成爲今年迄今淨賣出最多的行業，淨敞口創下4.2%的歷史新低。

我們熟悉的傳統 SaaS 行業，或許正在被重新定義。

當軟件學會“思考”

要理解這場變革的深度，需要回到軟件的本質。

過去二十年的企業軟件，無論是CRM、ERP還是營銷平臺，都遵循着相似的邏輯：將業務流程固化到系統中，通過表單、按鈕、流程節點，讓用戶在預設框架內操作。

軟件是剛性的，用戶需要“適應系統”：你必須按照開發者設計的表單字段順序填寫信息，在預設的界面流程中點擊按鈕。

但Agent改變了這一切。Agent會反過來“適應人類”。用戶不再需要理解複雜的界面邏輯，只需用自然語言表達意圖。比如，當你輸入“幫我看下昨天廣州飛北京的航班數量”，Agent會自動識別其中的關鍵信息——意圖(查詢)、必要字段(出發地、目的地、時間)，判斷缺失值(北京是大興還是首都？)，然後調用相應工具獲取結果。

再以出海營銷爲例，當用戶對Agent說“爲我們的新產品策劃一場東南亞上市推廣策略”時，背後發生的不是簡單的指令執行，而是一系列複雜理解：

1. 意圖識別：這是一個包含市場進入、品牌建設、銷售轉化的綜合目標，而非“創建廣告活動”的按鈕點擊。

2. 語境理解：智能體需要知道什麼是“東南亞”——這裏的文化多樣性、節日節奏、媒體偏好、用戶習慣

3. 任務拆解：自動分解爲市場研究、創意策劃、媒體投放、效果追蹤等多個子任務

4. 動態執行：在運行中根據數據反饋調整策略，而非按固定腳本推進

這種轉變的深層意義在於：業務邏輯正從“固化在軟件裏”轉向“活在智能體的理解中”。傳統軟件的價值在於“預設的能力”，而Agent身處執行路徑，價值在於“動態的理解與適應”。前者是有限的，後者在持續進化中。

智能體在執行中沉澱的每一步判斷、每一次補全、每一處衝突解決，都會在“提交時刻”被完整凍結下來，編織成連接數據與行動的“上下文圖譜”——這將成爲AI時代最稀缺的行動資產。

新維度的競爭

面對市場震盪，紅杉資本合夥人康斯坦丁·布勒提供了關鍵洞察：“AI未必會摧毀SaaS，反而可能加速企業級整合，讓頭部公司的護城河更硬。”

其深層含義是：在Agent時代，軟件的競爭維度發生了根本變化。在算法和算力之外，你是否仍然掌握着某種不可替代的東西——對行業規則的理解、對複雜系統的治理能力，以及與客戶長期綁定的信任關係。

翻譯一下，你賣的究竟是“功能”，還是一種“不可遷移的結構性關係”？這也成爲了用Agent重構SaaS的原因。

回顧傳統軟件的商業邏輯，其高定價建立在兩個基礎之上：複雜的開發成本，和將通用需求封裝爲標準化產品的規模效應。

但生成式AI正在瓦解這一基礎。哈佛大學Fiona Chen 和 James Stratton 的一項研究，提供了一個耐人尋味的側面印證：AI 帶來的生產率提升，主要體現在軟件供給側(軟件公司內部)，而非軟件使用方。這意味着，AI 更快地壓縮了軟件生產成本，卻並未等比例擴大軟件需求。

也就是說，自然語言能直接生成代碼，通用能力能通過大模型快速獲取，軟件的邊際生產成本也急劇下降。原本需要數十人團隊數月開發的功能，現在可能由一個智能體在幾天內完成原型。當AI能夠以更低成本、更高一致性完成基礎服務時，企業爲何還要爲標準化軟件支付高昂年費？標準化軟件需求的價值受到直接挑戰。

此外，傳統軟件競爭之一是功能列表的豐富性——我的CRM有20個模塊，你的只有15個，所以我更好。但在智能體面前，AI最擅長的就是通過自然語言直接接管這些表層交互，所有標準化功能都可能通過大模型被快速複製，護城河反而變成了“我有多理解你的具體問題”。

在出海營銷這一複雜領域，價值也不單單在於“能投放廣告”，而在於理解：拉美年輕用戶最近迷戀哪種社交貨幣？東南亞穆斯林齋月期間的廣告素材應該如何調整色調？歐洲中產最鍾愛的生活產品應該找哪些場景化達人能實現更高的ROI？

這種深度場景理解無法通過通用AI快速獲得，它需要多年的行業積澱、真實的業務反饋、持續的數據訓練。軟件的價值，也將日益由其實際驅動的增長來衡量。

持續進化的AI Copilot

1. 以“意圖-資產”爲中心

基於對這一趨勢的深刻理解，鈦動科技在過去幾年完成了一次徹底的自我重構。我們不是簡單地爲現有產品添加AI功能，而是從第一性原理出發，重新思考“在智能體時代，營銷軟件應該如何構建”。

傳統營銷SaaS是功能模塊的集合：一個創意工具、一個投放平臺、一個數據分析後臺。用戶需要在不同系統間切換，數據孤島林立，流程斷裂。

鈦動構建的Navos系統，本質上是一個以意圖和資產爲中心的營銷操作系統。

四大資產域重構業務邏輯：

• 賬戶資產域(廣告賬戶、追蹤鏈接)

• 營銷資產域(廣告活動、洞察報告、診斷結果)

• 創意資產域(視頻素材、文案模板、A/B測試)

• 合作資產域(達人資源、服務商網絡、API集成)

每個資產域對應一類用戶角色、一種工作產出，不同角色分工在同一套資產體系中工作，數據自然流動。系統圍繞用戶要交付的“結果”組織，而非圍繞軟件預設的“功能”。

2. 從“點點點”到“說說說”

傳統SaaS的入口是導航菜單和功能按鈕，用戶需要學習系統邏輯。Agent是意圖的載體，入口包括：

• 自然語言對話框：“爲我在東南亞上線一個美妝視頻廣告”

• 智能推薦卡片：基於歷史行爲推薦下一步操作

• 資產上下文：在已有廣告活動上直接說“再複製5個版本到巴西”

• Prompt模板庫：“生成適合日本市場的夏季飲料腳本”

用戶無需學習複雜界面，用最自然的方式表達意圖，智能體理解、拆解、執行。

3. 自進化的飛輪閉環

這是最核心的差異點。許多AI產品停留在“單次問答”層面，而鈦動構建了完整的四段式進化飛輪：

• 場景積累數據

Navos智能體在全球營銷實戰中持續運行，背後處理超過4億條廣告策略、累計管理1400萬商品品類數。每一次廣告曝光、每一次用戶點擊、每一次轉化成交，都產生真實的場景數據。

• 數據訓練模型

這些帶有結果標籤的實戰數據持續反哺鈦極多模態大模型。模型不僅學習“營銷知識”，更學習“在什麼情境下什麼策略有效”——這是與通用大模型本質不同的訓練範式。

• 模型驅動Agent

進化後的模型爲Navos三大智能體提供更精準的決策支持：

• 市場諮詢智能體的洞察更敏銳，能提前識別區域市場趨勢變化

• 營銷創意智能體的生成更精準，產出內容的文化適配度持續提升

• 廣告優化智能體的調優更智能，ROI提升效果隨時間增強

• Agent驅動增長並開拓新場景

智能體的優化直接帶來客戶業務增長，而新場景、新需求又產生新數據，繼續推動飛輪轉動。

這個閉環的關鍵在於決策軌跡的完整記錄。智能體在決定調整廣告出價時，它不僅記錄“調價”這個動作，還記錄當時的市場競爭態勢、用戶活躍時段、歷史轉化數據、平臺算法傾向——完整的決策上下文成爲模型進化的高質量燃料。

抵達更本質的價值

Anthropic引發的震盪，或許是SaaS進化的成人禮。用Agent重構SaaS，絕非追逐技術熱點：軟件的終極價值，不在於封裝了多少功能，而在於能否將用戶意圖無縫轉化爲業務成果。

未來五年，我們或許可以看到：

• 垂直領域深度整合：通用Agent平臺與行業專屬Agent並存，後者因深度業務理解而構築更堅固的護城河

• 從“軟件許可”到“價值分成”：商業模式從賣功能轉向分享業務增長成果

• 企業內部AI能力“民主化”：每個業務部門都能基於企業專屬Agent快速構建自己的智能工具

在這場重構中，唯一的競爭優勢將是對行業最深處的理解，以及將這種理解轉化爲智能體行動力的能力，讓技術真正服務於增長。而這，正是所有SaaS穿越週期、抵達未來的必經之路。