2月3日，华尔街的肌肉记忆挨了一记重锤。纳斯达克综合指数在Anthropic宣布为其AI助手Claude Code推出法律与金融垂直领域功能后，不但没蹭上以往AI叙事的香饽饽，反而单日暴跌1.4%，收于23,255点。Thomson Reuters盘中跌幅一度达20.7%，创其历史上最大单日跌幅；RELX（LexisNexis母公司）暴跌14%，创1988年以来最大单日跌幅；LegalZoom跌幅超过20%；Salesforce、ServiceNow、Intuit、Adobe等传统软件巨头股价创52周新低，摩根士丹利SaaS指数年内累计下跌15%。
正如摩根士丹利分析师托尼·卡普兰所说：Anthropic向法律科技领域的新进军，标志着AI竞争进入白热化阶段，这对传统软件供应商构成潜在负面冲击。我们认为这是竞争加剧的信号，因此可能构成负面影响。也就是说，这是市场对行业存在论危机的恐慌性投票。
听起来是不是有些费解？简单点说就是，AI已经开始把传统软件服务与专业数据公司的活儿一把抢过来，稀里哗啦全给干了，既省钱又省力活儿还漂亮。投资者不得不问一句，今后这些企业，甚至所有的知识密集型服务业还有存在的必要吗？
传统法律与金融信息服务商（如汤森路透、RELX、Wolters Kluwer等等）长期依赖的是高壁垒的数据库和标准化功能订阅盈利。而Claude Code的新功能可以实现合同审查、合规检查、法律简报生成等流程自动化，并能适配企业内部规则，大幅压缩人工成本与服务周期。这就意味着：
· 数据垄断被打破：AI模型可通过公开或授权数据训练，快速构建专业分析能力，削弱传统数据服务商的独家优势。正如RELX旗下LexisNexis的核心护城河——超过一个世纪的判例法数据库（Westlaw收录近20亿份文档）——在AI的语义理解能力面前，其数据堡垒优势正在被侵蚀殆尽。
· 功能替代加速：原本需购买多个SaaS工具完成的任务，现可由一个AI代理集成处理，降低客户对单一工具的依赖。
· 定价逻辑重构：AI插件可能以更低价格提供更全面服务，迫使传统厂商降价或转型，直接影响其高估值基础。
这一悖论在AI时代呈现新的解释维度：当AI将知识工作的边际成本压降至趋近于零，传统基于劳动力稀缺性的定价体系（即时间+技能的计时收费模式）必然崩溃。正如熊彼特所言：建立一种新的生产函数，把一种从来没有过的关于生产要素和生产条件的新组合引入生产体系。
此时此刻就是如此。以往SaaS基于订阅的估值模型（通常采用10-15倍EV/Sales）将崩溃，取而代之的是效用定价的PE估值逻辑。通俗的说法就是，投资人不再认“你有多少客户”，而是看“你到底赚到了多少钱”。这种从循环流转中或走向均衡的趋势中观察到的完全不同的自发的和间断的变化，正是熊彼特所称的对均衡的干扰。
咱们举个例子：假设你开了一家“创意面馆”，推出月付99元的“无限吃面会员”，宣布要让天下不再有吃不起的面。第一年有1万人下单，年收入99万。虽然每碗面成本10元，真要撒开了吃，肯定亏到姥姥家，但是赌的就是大家吃不了那么多，而且现金流先起来了。关键是投资人认这个逻辑，发话了：“别管利润！看你的收入增长多快！”按照SaaS估值惯例，给你12倍收入估值，也就是公司值1,188万元（99万×12）。这就是过去十年科技股的玩法：增长即信仰。
但是如今经济不好，大家省着花钱，新会员涨不动了。投资人立马就不干了：“等等，你一年收PG电子官网99万，结果净亏50万？这不就是个烧钱机器吗？”于是他们换算法：不再看你收了多少钱，而看你赚了多少钱，利润率多少。
这边还打算辩几句，没想到，隔壁突然开了个AI智能面馆。据说能把买菜备料煮面的人工成本全干没了，甚至店面都能省去一半，然后1碗面售价只要5元，主打一个实在。然后一回头，发现投资人直接拍屁股跑了。
此次下跌并非孤立事件，而是前期AI冲击情绪的集中爆发：首当其冲的是法律科技股：LegalZoom暴跌近20%，汤森路透重挫15%，RELX下跌14%。之后恐慌蔓延至更广的软件与金融科技板块：追踪软件股的iShares Expanded Tech-Software Sector ETF（IGV）在2月初单日跌5.6%，已连跌六个交易日，六日累跌超14%；该ETF今年1月已累跌约15%，创2008年以来最差单月表现。市值蒸发约3000亿美元。持有大量软件类资产的BDC和另类资管公司也遭遇连带抛售，反映市场对“AI颠覆路径”的预期正在扩展。Jefferies的交易员称，SaaS股票遭遇末日式抛售，人们只是抛售一切，不在乎价格。
有意思的是，这股冲击波很快从软件与金融科技板块延烧到了整个纳指。2026年2月3日前后，纳斯达克指数两日累计下跌超2.9%，核心拖累已经转成了半导体与AI概念股。因为投资人的联想是无边界的，Anthropic密集宣布Claude Code在金融、法律等垂直领域的商业化落地，在冲击传统软件服务与专业数据公司的同时，也引发了市场的进一步反思：
如果连Anthropic这样的头部AI公司，都必须“下场做行业定制”抢人家饭碗，是不是说明通用大模型已无法单独变现？
高盛2月3日的研报《The End of the AI Hype Cycle?》（AI炒作周期之终结？）毫不客气地指出：“Anthropic推动Claude Code向B2B垂直场景深化，恰恰印证了我们此前的判断：纯API调用模式的毛利率正在坍塌。未来只有能嵌入工作流、绑定行业Know-How的AI才能收费。”
从矛盾论的角度来看，当前科技板块的主要矛盾已经发生转化：从算力不足与AI需求爆发之间的矛盾（2023-2024年），转化为通用AI技术供给过剩与垂直场景变现困难之间的矛盾（2025年起）。这一主要矛盾的转变，决定了事物（科技板块估值体系）的性质也随之起变化。
于是，当Anthropic得意洋洋地展示“卖金融插件也能赚钱”的新场景时，投资者却猛然意识到：AI革命不是普惠红利，而是残酷的行业渗透战。这直接触发对整个科技板块的“价值重估”。估计此时此刻，一帮AI巨头掐死Anthropic的心都有了！
· 复杂决策仍需人类介入：AI目前仅能处理标准化、重复性任务，重大商业判断、风险权衡和法律责任仍需专业人士把关。
· 合规边界尚不明确：监管机构尚未认可AI独立出具法律意见的效力，企业不会完全放弃人工审核流程。
· 融合而非取代是主流趋势：掌握核心数据的企业如果能快速整合AI能力，反而可能强化竞争力。
投资者对AI的认知，正从2023-2024年的感性认识（AI无所不能）向理性认识（AI落地艰难）飞跃，而当前的估值重估，正是这一认识运动第二次飞跃的剧烈表现。长远来看，价值重估的方向将是：无差异化的纯工具型SaaS公司将被淘汰，而具备数据深度、行业理解和影响力，以及具备AI融合能力的企业将重塑价值中枢。AI对SaaS行业的冲击并非全面颠覆，而是结构性重塑。受冲击最大的是那些功能单一、缺乏数据壁垒、高度依赖标准化流程的通用型SaaS企业，尤其是在招聘、客服、文档处理、代码辅助等可被大模型快速替代的领域。相比之下，具备垂直行业深度、强数据闭环和复杂业务集成能力的企业则更具韧性。
未来学家阿尔文·托夫勒早在1980年，就在《第三次浪潮》（1980）中警告：未来的文盲将不再是不识字的人，而是那些不会学习、不会忘记、不会重新学习的人。而当下市场的惩罚，直接指向的就是那些不会重新学习的人。
北森 HRSaaS：虽为中大型企业主流选择，但其传统优势正被AI原生系统削弱。系统操作复杂、报表偏差等问题在AI驱动下被放大，尤其在简历解析与面试评估环节，已落后于AI原生厂商。
Moka：尽管以“AI原生架构”为标签，在招聘模块表现亮眼（AI简历解析准确率达95%），但其功能局限性明显，难以满足大型企业一体化管理需求，面临被集成式平台反向吞噬的风险。
用友大易：作为国内首家基于企业服务大模型的智能招聘系统提供商，依托YonGPT大模型实现AI简历评估与跨系统集成，正加速挤压传统招聘SaaS市场空间。
这类工具曾以“提升效率”为核心卖点，但如今AI已能直接产出结果，削弱其存在价值。
Salesforce：正从纯SaaS向AI驱动的智能业务协作平台转型，通过Agentforce平台实现销售线索自动处理与客户行为预测，内部AI甚至开始减少支持岗位。
Sift（原Sift Science）：利用AI实时识别欺诈行为，保护企业免受网络威胁。但在OpenAI等通用AI平台推出安全检测API后，其独立价值受到挑战。
OpenAI（API服务）：其API已被集成到众多SaaS平台中，用于增强客户服务、内容生成与自动代码编写，反过来成为传统SaaS的“底层引擎”，形成“上游吃掉下游”的格局。
Anthropic：专注于安全、伦理的AI系统开发，其AI模型能准确理解语境，减少误解风险，成为金融、医疗等领域SaaS部署AI时的首选合作伙伴。
那么回到AI板块自身，Anthropic CEO曾宣称Claude将“重塑知识工作”。但此次推出的金融插件、法律合同审查、代码接受率仪表盘等等功能，本质上仍不过是高级自动化工具，而非完全意义上的“智能体”（Agent）。
黄仁勋在2026年1月CES上坦言：“AI不会取代软件，它需要运行在现有软件之上。”这句话被市场解读为：AI的天花板就是现有软件生态的边界。同时还有可能催生出后续的一个巨大变数：企业客户不愿再为“通用智能”付费，只愿为“解决具体问题”买单。
这与美国1月ADP就业数据仅新增2.2万人（远低于预期16万） 形成共振——经济放缓信号强化了企业削减非必要IT支出的预期。
结果就是，投资者开始抛售那些估值建立在“AGI（通用人工智能）即将降临”幻想上的股票，转而拥抱工业、能源、消费等确定性的“实体资产”，同时重新思考AI的价值所在。
15世纪古腾堡印刷术的发明，瓦解了中世纪教会对知识的垄断；18世纪瓦特蒸汽机的改良，摧毁了行会手工业的生存基础；而今天，当Claude Code可以在几小时内完成初级律师的尽职调查工作，时间+技能的交换价值基础被釜底抽薪，同样正在动摇知识服务商的垄断地位与规则解释权。
《实践论》指出：认识从实践始，经过实践得到了理论的认识，还须再回到实践去。
这一辩证唯物主义认识论，在AI时代获得了新的解释维度。当AI通过大模型预训练+人类反馈强化学习（RLHF）模拟人类认知过程时，只要数据库够大、语料够多，实践-认识-再实践的循环就将被转化为数据-算法-再数据的闭环。
这意味着什么？意味着市场认知的趋同性风险正在指数级上升。当大多数投资者使用相似的AI分析工具，基于相同的大数据集做出决策，集体非理性决策的破坏力，将远超1929年与2008年。这一次金银价格的狂暴涨跌，就已经可见一斑。
而解决这一矛盾的路径，显然不可能是简单的技术叫停或贸易壁垒，而必须是制度创新——包括全民基本收入、数据产权确权、以及AI算力的公共化供给等等。比如我国推出的《算力互联互通行动计划》，计划在2028年基本实现公共算力资源标准化互联，构建跨区域、跨架构的算力调度平台；同时着手建设全国一体化算力网监测调度平台，促进资源高效匹配，破解“算力东聚、绿电西富”的结构性矛盾。
再回到SaaS这个行业。高德纳提出了一个“Result as Agentic Solution”（RaaS）的新概念，即软件不再仅提供功能访问，而是以达成业务成果为目标。具体来说，就是传统SaaS依赖的网络效应正在被AI的规模个性化能力解构。当AI能够为每个用户提供定制化解决方案时，传统赢家通吃的平台垄断逻辑让位于长尾效率——即通过AI精准服务细分场景，重构价值链分配。这一趋势有可能推动全行业向以下方向演进：
· 个性化适配：AI弥补SaaS标准化短板，实现“千人千面”的定制化服务。
· 智能体协同：通过AI代理可调用数据库、API和文件系统，完成复杂任务。
· 成果导向定价：越来越多的企业将倾向于按实际使用效果而非用户数计费，推动SaaS公司重构商业模式。
当然尽管前景广阔，AI-SaaS的融合之路还会不断遭遇各种现实障碍，比如AI幻觉与数据质量、大型企业自研的冲击、法律监管与责任界定的滞后、估值的共识缺位导致融资难度上升等等。但是线;的不可逆的改变，也只能是“唯变所适”了。
正如熊彼特所言，资本的本质就是创造性的破坏——在毁灭旧经济结构的同时，创造新的、更高效率的均衡。对于投资者与企业家而言，与其在末日恐慌中抛售资产，不如在价值重估中寻找那些能够自是一家的新势力。
莫听穿林打叶声，何妨吟啸且徐行。竹杖芒鞋轻胜马，谁怕？一蓑烟雨任平生。
当技术应用的场景目标直奔利润，而不是单纯产值或销售收入之类，其意义已经发生了质变。说一段十几年前的餐桌对话，背景是企业正在推进管理信息化。甲：有些人的财不好发了。乙：放心，别看那帮家伙学历高有技术，到时候谁先混蛋都不一定知道是咋回事。这是几十年来企业信息化遇到的最大障碍，而且不是哪个企业哪个老板能单独面对的。感谢冯老师的分享！受教了，且信心满满！致敬！
