AI Agent如何改变SaaS软件的定价模式与商业逻辑？

AI Agent的兴起正在根本性地重塑SaaS软件的定价模式与商业逻辑，核心变化在于价值计量单位从“人工席位”向“工作负载”和“任务执行量”迁移。

首先，传统席位制面临失效风险。过去，软件价值与员工数量高度相关，但在Agent模式下，数字劳动力替代了部分人工操作，导致企业对新增席位的需求放缓。如果收费单位仍主要锚定人工席位，厂商将无法捕捉Agent创造的新增工作负载。因此，头部厂商开始探索混合定价模式。例如，Salesforce推出了按对话次数、弹性积分（Flex Credits，按操作次数计费）以及按用户每月收费等多种模式并行的体系，允许客户在传统许可证与弹性积分间配置预算。ServiceNow则明确采用“基础许可证+AI用量”的混合定价，基础部分提供预算可预测性，增量价值通过用量收费体现。

其次，商业化指标发生显著变化。投资者不能仅关注收入增速和净收入留存率，更应关注AI调用量、任务执行量（如Salesforce的AWUs）、自动化流程渗透率以及Agent依赖程度。这些指标反映了AI是否带来了可持续的新增使用场景，而不仅仅是附加功能。例如，Snowflake的数据工作负载增长验证了AI应用扩张带来的二阶需求，即Agent运行需要更多的数据查询、治理和上下文获取。

最后，利润率结构出现分化。虽然AI推理成本可能上升，但能够将AI同时用于对外商业化和对内降本增效的公司，其利润率有望维持甚至扩张。关键在于软件公司能否建立新的计价单位承接Agent创造的工作负载，并将数据控制权、流程控制权和治理能力转化为可收费、可审计的商业价值。因此，AI时代的SaaS商业逻辑已从单纯的界面粘性竞争，转向对企业核心数据、流程权限和系统连接能力的掌控竞争。