Salesforce最新财报公布后，其股价单日上涨超过22%，成为近期海外SaaS板块回暖的鲜明信号。更令市场关注的是，该公司旗下Agentforce与Data 360的合并年度经常性收入（ARR）已接近39亿美元，同比增幅超过210%。与此同时，Salesforce还与Anthropic联合推出了名为Claudeforce的产品，客户每通过Claude调用一次Salesforce，都需要向Salesforce支付API费用。在财报发布后，Anthropic的CEO达里奥甚至亲自为Salesforce站台。几乎同一时间，OpenAI的CEO奥特曼公开表示，OpenAI应该更像一家平台公司，而不是逐一开发应用产品与所有软件公司竞争。这些看似独立的事件，在作者王戴明看来，共同指向一个趋势：AI正在进入深水区，大模型公司不再是唯一主角，平台和软件公司正在崛起。

作者分析认为，过去两年AI最先攻下的是科技领域那些在线化程度高、偏创作且容错率高的工作，例如写文案、生成代码等，即使AI第一次做得不够好，人也可以快速修改。但这个世界真正的主流仍是传统企业，它们的核心业务以SOP（标准作业程序）为主，对准确性、稳定性有极高要求，仅靠大模型公司很难啃下这块硬骨头。这或许解释了为何奥特曼最近公开承认，自己此前对AI普及速度过于乐观，并将其归因于人们对熟悉工具和既有工作方式的依赖。但作者认为这个解释只说对了一半，软件行业采用AI快，是因为其工作本身太适配AI，而大部分传统企业并不具备这样的条件。

AI在传统企业普及不理想，除了人的惯性，更重要的是任务本身不适配。传统企业的核心业务往往是把一条跨部门、跨系统的SOP稳定地跑下去，而非写一段文字或代码。作者举例，很多传统企业上了AI问数后，一开始很兴奋，但很快发现AI喜欢“胡说八道”，给出的答案看似合理，但业务不敢据此行动，因为说不清它引用哪张表、用什么指标口径、算错谁负责。这不是提示词或大模型不够聪明，而是这些工作不能只交给大模型生成，查询、计算和校验仍需由BI等确定性系统完成。因此，AI要渗透传统企业核心业务，必须依赖企业的软件底座。但有了软件底座也不代表AI能直接落地，因为一条真实SOP往往牵涉多个部门、多个系统，以及大量藏在员工脑子的数据，企业自己做AI时通常不知道如何选择场景、梳理数据、克服组织障碍。这正是FDE（现场开发工程师）突然流行的原因，因为这些工作需要在客户现场反复探索和适配。

作者将AI的普及分为上下半场：上半场是AI的“甜蜜区”，大模型本身足以重构业务流程，大模型公司是主场；当甜蜜区渗透饱和后，AI必须向传统企业客群渗透，进入更艰难的下半场，此时大模型不再是唯一主角，平台和软件公司都会进入牌桌。

尽管“SaaS末日论”暂时被证伪，但软件行业仍面临风险。模型能力每前进一步，软件研发成本都在下降，过去需要团队做几个月的功能，今天可能几个人几周就能做出来。若有一天软件研发成本低到可以忽略，很多软件公司的护城河都会被击穿。但作者对此保持乐观，认为AI对软件公司并非突然颠覆，软件公司有充分时间转型，且拥有成熟的软件底座、场景、渠道资源和高黏性客户，面对AI原生公司具有明显优势。他提到北森是一个信号，其AI面试官、AI陪练、AI领导力教练等Agent产品已成为最重要的增长引擎，并断言明年AI会成为很多上市软件公司的核心收入来源。

另一个更大威胁是大模型可能促进甲方自研。随着大模型能力增强，甲方自研动力越来越强，过去自研只能做到30分，现在可能做到60分，对不少企业来说60分已够用——便宜、可控、还能按自己流程改。因此，软件公司最危险的对手未必是隔壁的AI创业公司，反而可能是自己的客户。但聪明的软件公司不会对抗趋势，而是顺应趋势，像传统软件时代用PaaS平台满足自研需求一样，提前布局把自己变成甲方自研的基础设施。

作者最后指出，AI下半场会继续保持混沌，因为不同领域的渗透会同时进行。有人声称FDE根本不需要懂业务、AI落地也不需要软件基础设施，也有人坚持FDE必须懂业务、AI落地必须依赖软件基础设施。这种看似矛盾的观点，本质上是因为看到了不同样本：前者多属AI上半场，信息密度高、容错率高，大模型自己就能搞定；后者多属AI下半场，偏SOP执行、要求高稳定性和准确性，大模型必须深入业务、深度集成软件设施。在一段时间内两类样本会同时存在，但第二类才是AI下半场的主角。