a16z:软件公司只剩两条路了,没有中间态

周末看了 a16z 的一篇文章,标题很直接,叫《There are only two paths left for software》。

文章的意思可以概括成一句话:

接下来,很多软件公司真正能走的路,大概只剩两条:要么靠 AI 做出新的增长产品,把收入重新拉起来;要么接受自己已经不是高速增长公司了,把公司做成一家利润很高、效率很高的生意。

中间那种既没有明显增长、又没有很强利润的状态,以后会越来越难维持。

真正麻烦的,是很多公司都卡在中间

过去很多 SaaS 公司日子还算好过。哪怕增速慢一点,市场也愿意给耐心,因为默认你后面还有扩张空间。

现在这个前提变了。

文章提到,这几年不少上市软件公司的收入增速已经放缓,但如果把股权激励这些因素也认真算进去,真实利润并没有表面上那么好看。

结果就是,很多公司都落在一个有点尴尬的位置:增长不够快,撑不起原来的想象;利润又不够高,也称不上一家特别扎实的成熟公司。

这才是问题所在。

不是说这些公司不行,而是它们都停在中间。既不像增长公司,也不像利润公司,看上去还在跑,但方向已经没那么清楚了。

AI 来了以后,这种状态会更难维持。因为外面的环境,已经不太会继续给这种模糊地带留太多空间。

第一条路,不是给老产品加几个 AI 功能

现在很多软件公司都在做 AI,但很多所谓"做 AI",本质上还是在老产品里加一点新功能。

比如聊天框、自动总结、智能搜索、辅助生成、自动分类。这些当然有价值,但问题是,它们未必真的改变了一家公司的增长逻辑。

这篇文章说的第一条路,不是把产品做得更智能一点,而是要用 AI 做出新的收入产品

而且这个"新"不是做个 demo,不是做个发布会亮点,而是真的要把公司的整体增长重新带起来。

文章甚至给了一个很具体的标准:12 个月内,把整体增速往上拉大约 10 个点。

这句话已经说明很多问题了。

也就是说,AI 在这里不是一次功能升级,而是一轮收入重建。

如果最后只是让原来的产品更顺手一点,客户更满意一点,但收入结构没变,增长逻辑也没变,那这件事其实还不算真正走上了第一条路。

文章还提到,以后企业预算流向也会变。过去大家更多是按席位、模块、系统付费;以后越来越多的钱,可能会流向 token、使用量、自动化、效果这些方式。

这背后真正变的,不只是定价表,而是客户买单的理由。

以前买的是工具,是谁来用。

以后买的可能是,这套东西替我干了多少活,帮我省了多少人,最后交付了什么结果。

这两者不是一回事。

真正难的,不是接模型,而是把公司的一线信息重新收回来

文章的意思很明确:如果你真想靠 AI 做出新产品,第一步不是先讲一个很大的故事,也不是先组一个很大的 AI 团队,而是先把公司内部那些最真实的一线材料重新捞出来。

比如流程文档、支持记录、工单、CRM、操作日志、知识库、历史案例这些。

这个判断很重要。

因为很多软件公司对自己业务的理解,平时更多停留在流程图、组织汇报和产品架构这一层。

但 AI 产品到底能不能做出来,往往取决于你手里有没有足够真实的工作现场。

客户每天到底在重复做什么。

客服最花时间的动作是什么。

销售流程最容易断在哪一步。

交付团队哪些事情最耗人,但一直没人认真拆过。

这些以前看起来只是运营细节,到了 AI 时代,反而成了最重要的原材料。

很多公司现在的问题,不是没有模型,不是没有工程师,也不是不知道 Agent 是什么,而是它从来没有认真把自己的业务上下文整理成可以被调用、被复用、被封装进产品的东西。

说白了,很多企业最值钱的能力,原来都散在人身上,散在邮件里,散在会议里,散在各种 SOP 和历史记录里。

以前这些东西散着也能转,因为总有人去补;现在如果你想把它变成产品、变成自动化能力、变成新的收入来源,就得先把这一层收回来。

这件事,往往不是靠"大团队转型"做出来的

文章还有一个判断也很现实。

它不太相信那种"全员一起拥抱 AI、整个组织同步转型"的说法。

它更相信的是,先抽出一小批最强的人,围着真实问题去做。

这个思路更像创业,不像大公司的常规创新。

因为大公司最容易出现的情况是,所有人都在说要转型,所有部门都在开会讨论 AI,最后做出来的东西也很完整、很热闹,但离真正能卖钱还有一段距离。

原因很简单:大家都不愿意轻易动原来的流程,也不愿意放弃原来的指标。

所以文章的意思其实很直接:先别想着全面铺开。

先把最懂业务、最懂客户、最能拍板的人拎出来,让他们去做最靠近收入、最靠近真实工作流的新产品尝试。

今天 AI 产品的竞争,已经不只是技术竞争了。很大程度上,它更像是谁更懂客户现场,谁更快把零散经验整理成结构化流程,谁更能把重复劳动压缩成标准动作。

所以现在大家都在做 AI,但真正能把 AI 变成新收入线的公司并不多。

很多时候差的不是技术,而是公司内部那些最重要的信息,过去根本没有被系统整理过。

另一条路,也不是失败

如果说第一条路,本质上是重新创业,那第二条路其实也不丢人。

文章说,如果你看不到靠 AI 再做出一轮增长产品的机会,那就别继续硬讲增长故事了。

更现实的做法,是把公司改造成一家真实高利润的生意。

而且它给的目标并不低。文章提到的是 40% 甚至 50% 以上的真实利润率。

而且不是靠会计口径修出来的数字,而是把股权激励这些也认真算进去之后,依然站得住的利润。

为什么这条路今天成立?

因为过去很多 SaaS 公司默认一件事:只要增长还在,利润可以先放一放。

组织大一点、销售贵一点、管理成本高一点,都还能解释,因为大家相信后面会摊薄。

但如果今天增长已经明显慢了,AI 又在冲击原来的产品边界和定价逻辑,那原来那套为了增长而存在的大团队、大开支、大组织结构,就未必还合理。

以前这些投入是为了往前冲。现在如果冲不动了,它们就会变成负担。

所以第二条路不是简单收缩,而是承认一件事:接下来这家公司追求的,不再是高增长外形,而是经营质量。

这条路没那么性感,但对不少公司来说,可能更诚实。

说到底,AI 不是给老软件续一口气

我看完这篇文章,最直接的感受是,它表面在讲产品怎么变,实际上在讲公司要重新做选择。

你到底还是不是一家增长公司。

你卖的到底还是软件,还是结果。

客户到底是在为账号付费,还是在为完成的工作买单。

你的组织到底还是为了旧时代的交付方式存在,还是已经准备进入一种更轻、更快的新状态。

这些问题,以前很多公司可以不急着回答。现在不太行了。

接下来,最难的可能不是会不会做 AI,而是你得先想清楚,你到底要成为什么样的公司。

以上,祝你今天开心。

封面和摘要

周末看了 a16z 的一篇文章,标题很直接,叫《There are only two paths left for software》。

修改封面和摘要

相关推荐
Candy 9172 小时前
AI漫画 #AI绘画 #内容创作 #自媒体工具 #漫画创作 #赛博朋克 #AI漫剧 #创作神器
人工智能
晓晓不觉早2 小时前
2026年最新AI大模型全景解析:性能迭代与场景落地新突破
人工智能
饼干哥哥2 小时前
GLM-4.7发布后,n8n就不用学了!搭个AI Skills一键生成工作流
人工智能
TDengine (老段)2 小时前
TDengine IDMP 工业数据建模 —— 数据情景化
大数据·数据库·人工智能·时序数据库·iot·tdengine·涛思数据
Omics Pro2 小时前
端到端单细胞空间组学数据分析
大数据·数据库·人工智能·算法·数据挖掘·数据分析·aigc
zzb15802 小时前
Agent记忆与检索
java·人工智能·python·学习·ai
这张生成的图像能检测吗2 小时前
(论文速读)MoECLIP:零射异常检测补丁专家
人工智能·深度学习·计算机视觉·异常检测·clip·zero-shot方法
TOSUN同星2 小时前
研发周期缩短、成本压力大?同星云平台用“数字孪生+AI”重构研发模式
人工智能·重构
Deepoch2 小时前
Deepoc具身模型:让智能轮椅从“避障”转向“预判”
人工智能·科技·开发板·具身模型·deepoc