Salesforce最新財報公佈後，其股價單日上漲超過22%，成為近期海外SaaS板塊回暖的鮮明訊號。更令市場關注的是，該公司旗下Agentforce與Data 360的合併年度經常性收入（ARR）已接近39億美元，同比增幅超過210%。與此同時，Salesforce還與Anthropic聯合推出了名為Claudeforce的產品，客戶每通過Claude呼叫一次Salesforce，都需要向Salesforce支付API費用。在財報釋出後，Anthropic的CEO達里奧甚至親自為Salesforce站台。幾乎同一時間，OpenAI的CEO奧特曼公開表示，OpenAI應該更像一家平台公司，而不是逐一開發應用產品與所有軟體公司競爭。這些看似獨立的事件，在作者王戴明看來，共同指向一個趨勢：AI正在進入深水區，大模型公司不再是唯一主角，平台和軟體公司正在崛起。
作者分析認為，過去兩年AI最先攻下的是科技領域那些線上化程度高、偏創作且容錯率高的工作，例如寫文案、生成程式碼等，即使AI第一次做得不夠好，人也可以快速修改。但這個世界真正的主流仍是傳統企業，它們的核心業務以SOP（標準作業程式）為主，對準確性、穩定性有極高要求，僅靠大模型公司很難啃下這塊硬骨頭。這或許解釋了為何奧特曼最近公開承認，自己此前對AI普及速度過於樂觀，並將其歸因於人們對熟悉工具和既有工作方式的依賴。但作者認為這個解釋只說對了一半，軟體行業採用AI快，是因為其工作本身太適配AI，而大部分傳統企業並不具備這樣的條件。
AI在傳統企業普及不理想，除了人的慣性，更重要的是任務本身不適配。傳統企業的核心業務往往是把一條跨部門、跨系統的SOP穩定地跑下去，而非寫一段文字或程式碼。作者舉例，很多傳統企業上了AI問數後，一開始很興奮，但很快發現AI喜歡“胡說八道”，給出的答案看似合理，但業務不敢據此行動，因為說不清它引用哪張表、用什麼指標口徑、算錯誰負責。這不是提示詞或大模型不夠聰明，而是這些工作不能只交給大模型生成，查詢、計算和校驗仍需由BI等確定性系統完成。因此，AI要滲透傳統企業核心業務，必須依賴企業的軟體底座。但有了軟體底座也不代表AI能直接落地，因為一條真實SOP往往牽涉多個部門、多個系統，以及大量藏在員工腦子的資料，企業自己做AI時通常不知道如何選擇場景、梳理資料、克服組織障礙。這正是FDE（現場開發工程師）突然流行的原因，因為這些工作需要在客戶現場反覆探索和適配。
作者將AI的普及分為上下半場：上半場是AI的“甜蜜區”，大模型本身足以重構業務流程，大模型公司是主場；當甜蜜區滲透飽和後，AI必須向傳統企業客群滲透，進入更艱難的下半場，此時大模型不再是唯一主角，平台和軟體公司都會進入牌桌。
儘管“SaaS末日論”暫時被證偽，但軟體行業仍面臨風險。模型能力每前進一步，軟體研發成本都在下降，過去需要團隊做幾個月的功能，今天可能幾個人幾周就能做出來。若有一天軟體研發成本低到可以忽略，很多軟體公司的護城河都會被擊穿。但作者對此保持樂觀，認為AI對軟體公司並非突然顛覆，軟體公司有充分時間轉型，且擁有成熟的軟體底座、場景、渠道資源和高黏性客戶，面對AI原生公司具有明顯優勢。他提到北森是一個訊號，其AI面試官、AI陪練、AI領導力教練等Agent產品已成為最重要的增長引擎，並斷言明年AI會成為很多上市軟體公司的核心收入來源。
另一個更大威脅是大模型可能促進甲方自研。隨著大模型能力增強，甲方自研動力越來越強，過去自研只能做到30分，現在可能做到60分，對不少企業來說60分已夠用——便宜、可控、還能按自己流程改。因此，軟體公司最危險的對手未必是隔壁的AI創業公司，反而可能是自己的客戶。但聰明的軟體公司不會對抗趨勢，而是順應趨勢，像傳統軟體時代用PaaS平台滿足自研需求一樣，提前佈局把自己變成甲方自研的基礎設施。
作者最後指出，AI下半場會繼續保持混沌，因為不同領域的滲透會同時進行。有人聲稱FDE根本不需要懂業務、AI落地也不需要軟體基礎設施，也有人堅持FDE必須懂業務、AI落地必須依賴軟體基礎設施。這種看似矛盾的觀點，本質上是因為看到了不同樣本：前者多屬AI上半場，資訊密度高、容錯率高，大模型自己就能搞定；後者多屬AI下半場，偏SOP執行、要求高穩定性和準確性，大模型必須深入業務、深度整合軟體設施。在一段時間內兩類樣本會同時存在，但第二類才是AI下半場的主角。