SaaS向GaaS（智能体即服务）转型的商业模式重构

SaaS向GaaS（智能体即服务）转型的商业模式重构

—— 企业软件从工具订阅到业务结果交付的范式变迁
作者：泷码软件（上海）有限公司、泷码软件研究院
报告日期：2026 年 08 月

摘要

生成式人工智能与自主 Agent 技术的规模化落地，正在推动全球企业软件产业发生根本性范式转移，传统 SaaS（软件即服务）产业长期依赖的席位订阅、功能售卖商业模式遭遇底层逻辑挑战，GaaS（Agent‑as‑a‑Service，智能体即服务）作为新一代软件交付形态快速崛起。传统 SaaS 模式的核心逻辑是向客户交付软件工具，由人类用户完成业务操作；而 GaaS 智能体即服务，以自主 AI 智能体为核心载体，直接向企业客户交付可落地的业务任务完成结果，软件产品由 “人操作的工具” 演变为 “自主执行任务的数字业务代理”。

本报告立足于产业实践，系统剖析 SaaS 向 GaaS 转型的底层动因、产品形态变革、定价模式重构、资本市场估值逻辑迭代、企业采购决策体系变迁，梳理传统 SaaS 厂商接入自主 Agent 能力的改造路径，识别转型过程中的技术风险、商业风险与组织挑战，构建 SaaS‑GaaS 转型的分析框架。研究发现，企业软件采购决策正在从功能清单比对转向任务完成效果、智能体可靠性、任务达成率等效果类指标；资本市场对软件企业的估值锚点，也从 ARR（年度经常性收入增速、席位续约率），逐步叠加智能体落地能力、业务结果交付能力、任务完成稳定性等新型评价维度。同时，本次转型并非简单的产品 AI 插件叠加，而是技术架构、商业契约、客户价值衡量、内部组织能力的系统性重构。报告对国内软件服务商的 GaaS 化转型路径给出参考建议，为产业参与者、投资机构、企业采购方提供研究参考。

关键词：SaaS；GaaS；智能体即服务；AI Agent；商业模式重构；企业软件；估值逻辑；结果导向交付

目录

1. 绪论
1.1 研究背景
1.2 研究问题与研究意义
1.3 研究边界与核心概念界定
1.4 研究方法与报告框架

2. 传统 SaaS 商业模式的底层逻辑与结构性困境
2.1 传统 SaaS 产业的商业范式：席位订阅制的起源与繁荣
2.2 席位制商业模式的内在激励悖论
2.3 传统 SaaS 产品形态的能力边界
2.4 产业增长天花板：来自市场端与技术端的双重挤压

3. GaaS 智能体即服务的范式内涵与产业演进
3.1 GaaS（智能体即服务）核心定义与本质特征
3.2 SaaS 与 GaaS 的多维度对比：工具交付 vs 结果交付
3.3 GaaS 产业发展的外部驱动因素
3.4 GaaS 的产业落地现状与市场规模数据

4. SaaS 向 GaaS 转型的商业模式系统性重构
4.1 价值交付重构：从交付功能到交付业务结果
4.2 定价体系重构：席位订阅向多元结果导向计费演进
4.3 产品与技术架构重构：传统 SaaS 产品接入自主 Agent 的改造路径
4.4 客户服务与实施交付体系重构

5. 资本市场估值逻辑的重新评估
5.1 传统 SaaS 企业经典估值框架及其适用边界
5.2 GaaS 时代软件企业新增估值因子
5.3 资本市场对 GaaS 标的估值溢价与风险折价
5.4 财务指标的变化：收入结构、成本结构、收入可预测性变化

6. 企业软件采购体系的变迁：从功能清单到 Agent 可靠性指标
6.1 传统 SaaS 采购决策逻辑：功能清单、席位数量、许可成本
6.2 GaaS 模式下企业采购核心评估维度
6.3 GaaS 采购的核心考核指标集：任务完成效果、智能体可靠性指标
6.4 企业采购面临的现实困境与落地障碍

7. SaaS 厂商向 GaaS 转型的现实路径、典型案例与风险识别
7.1 传统 SaaS 厂商 GaaS 化三条转型路径
7.2 海内外代表性厂商实践案例
7.3 转型过程中的技术风险、商业风险、组织风险
7.4 转型失败的主要诱因分析

8. 国内软件产业 GaaS 转型的机遇、挑战与对策建议
8.1 中国企业软件市场的特有产业环境
8.2 本土厂商的竞争机遇
8.3 本土企业转型面临的现实挑战
8.4 面向传统 SaaS 厂商的产业对策建议

9. 研究结论与未来展望
参考文献
附录 A 数据来源清单
附录 B 免责声明

1 绪论

1.1 研究背景

过去十余年，SaaS 模式重塑全球企业软件市场。基于云原生架构，软件服务商以订阅制向企业输出标准化应用，以用户席位作为核心计费单元，依靠席位扩张、续约率提升实现营收增长，造就一批高估值企业软件上市公司。但随着大模型技术成熟，具备推理规划、工具调用、多步骤任务执行能力的 AI 智能体（Agent）走向产业落地，原有商业模式出现结构性矛盾：当一个 AI 智能体可以替代多名岗位人员完成工作，客户所需软件席位数量下降，厂商产品能力越强，反而带来席位收入下滑，形成 “效率惩罚” 悖论。

Gartner 调研数据显示，2025 年末全球仅有 4.7% 企业应用内置自主智能体能力，预计至 2026 年底，该比例将提升至 40%，一年之内实现数倍增长；IDC 预测，2026 年全球头部两千家企业中，40% 岗位将与 AI 智能体协同工作，企业 IT 预算中智能体相关支出占比达到 10%‑15%。越来越多企业不再单纯采购软件工具，而是希望直接获取业务任务的完成结果，采购诉求由 “我拥有一套系统” 转向 “完成某一类业务工作”。

市场环境发生变化，倒逼软件厂商重构产品、定价、交付体系，同时资本市场开始重新审视软件企业价值，原有 SaaS 估值模型已经不能完全解释 GaaS 企业的商业价值。在此产业变革节点，系统研究 SaaS 向 GaaS 智能体即服务转型的商业模式重构，具备极强现实意义。

1.2 研究问题与研究意义

研究问题

第一，传统席位制 SaaS 商业模式在智能体时代的结构性矛盾是什么？
第二，GaaS 智能体即服务相比传统 SaaS，在价值交付、定价、产品架构、客户交付层面发生何种重构？
第三，资本市场如何重新评估 GaaS 转型中的软件企业，原有估值框架需要补充哪些新变量？
第四，企业软件采购决策逻辑发生哪些变化，GaaS 场景下的核心可靠性、效果评估指标包含哪些？
第五，传统 SaaS 厂商向 GaaS 转型的可行路径，以及转型过程中的各类风险如何识别与管控。

理论意义

现有学术研究更多聚焦 AI Agent 技术本身，针对 SaaS 向 GaaS 商业模式转型的系统性学术研究相对有限。本报告构建 SaaS‑GaaS 商业模式转型分析框架，丰富企业软件、云服务商业模式相关理论，厘清工具交付范式向结果交付范式变迁的内在逻辑。

实践意义

报告面向国内 SaaS 厂商、产业投资人、企业采购决策者，解析转型底层逻辑，识别机会与风险，为国内软件企业开展智能体化改造提供参考，帮助市场参与者理解 GaaS 时代商业规则变化。

1.3 研究边界与核心概念界定

SaaS（Software‑as‑a‑Service，软件即服务）：云服务模式，服务商云端部署应用软件，企业以订阅方式获取使用权，传统商业形态以席位（用户账号）为核心计量单位，向客户交付软件工具，业务操作由企业内部人员完成。

GaaS（Agent‑as‑a‑Service，智能体即服务）：本报告定义为智能体即服务，以具备目标规划、工具调用、多步骤任务执行、环境反馈迭代能力的 AI 智能体为核心，以托管服务形式对外输出，直接交付业务任务执行结果，客户重点获取任务产出，而非单纯获取软件操作界面与功能权限。GaaS 区别于普通 AI Copilot，Copilot 属于人在回路的辅助工具，GaaS 智能体可以在约束条件下自主完成完整业务链路。

ARR（Annual Recurring Revenue）：年度经常性收入，传统 SaaS 企业核心财务指标，代表订阅模式下稳定年度收入规模。

Agent 可靠性指标：GaaS 模式下衡量智能体业务能力的指标集合，包含任务完成率、任务准确率、错误回滚能力、合规通过率、人工介入率、任务平均耗时等。

1.4 研究方法与报告框架

本报告采用文献研究法、产业案例分析法、公开行业数据综合分析法。梳理 Gartner、IDC、Mordor Intelligence、麦肯锡、斯坦福 HAI 等机构公开行业报告，结合海内外软件厂商公开产品更新、财报、公开演讲材料，同时整理国内产业调研公开数据，构建完整分析逻辑。

报告首先梳理传统 SaaS 商业模式与困境；阐释 GaaS 范式内涵；从价值交付、定价、产品架构、客户交付四个维度解析商业模式重构；分析资本市场估值逻辑变迁；研究企业采购体系变化；总结转型路径、案例与风险；提出国内软件产业转型对策，最后形成研究结论与展望。

2 传统 SaaS 商业模式的底层逻辑与结构性困境

2.1 传统 SaaS 产业的商业范式：席位订阅制的起源与繁荣

SaaS 模式是云计算时代企业软件最重要创新，替代传统本地软件永久许可 + 维保模式。服务商统一完成软件部署、运维、版本迭代，企业无需自建服务器，按年 / 按月订阅获得软件使用权，席位（Seat，用户账号数量）成为最主流计价单位。

席位制商业逻辑非常清晰：企业内部使用软件的员工越多，采购席位数量越高，软件厂商收入越高。该模式财务可预测性强，客户续约、增购席位驱动收入增长，高续约率、高净留存率 NDR 成为 SaaS 企业核心经营指标，ARR 增速成为资本市场估值最重要锚点。CRM、客服、HR、协同办公、营销自动化大量赛道均建立在此套商业范式之上。

在该范式下，软件厂商核心价值是提供一套能力完备的工具系统；客户价值实现链条为：采购软件席位→部署配置→员工学习使用→依靠人的操作输出业务成果。软件只提供能力底座，业务结果高度依赖企业内部人员的操作水平、流程落地程度。客户付费购买的是 “使用软件的权限”，不是最终业务产出。

2.2 席位制商业模式的内在激励悖论

在没有 AI 智能体介入时代，席位制可以自洽。但自主 Agent 技术成熟后，内在激励矛盾彻底暴露：AI 智能体可以替代大量人工操作，一个智能体可以承担过去多个人的工作任务。当软件智能化能力提升，客户完成同样业务所需要人工账号席位数量下降，直接造成厂商收入承压，出现 “产品越智能，收入压力越大” 的激励悖论，行业称之为 “惩罚效率” 现象。

在传统商业契约下，厂商技术迭代带来客户侧人力成本下降，但厂商自身无法从客户降本收益中获得合理商业回报。客户减少席位采购，厂商技术价值无法转化为收入增长，原有商业契约和价值分配机制不再匹配新的技术现实。

2.3 传统 SaaS 产品形态的能力边界

传统 SaaS 产品以 GUI 交互界面为中心，属于用户驱动、被动响应模式。需要人发起指令，人点击操作，人串联多步业务流程；系统更多承担记录、存储、流程流转功能，缺少自主规划、主动执行、跨系统串联完成复杂任务的能力。

即便早期 SaaS 产品加入 AI 能力，大多是 Copilot 辅助模式：智能能力嵌入软件界面，作为员工助手，人依然是业务流程核心决策者和操作者，本质还是增强人的工作效率，没有脱离工具定位。传统 SaaS 产品能力边界体现在：

1. 需要人类进行分步操作，无法自主完成长链路复杂业务任务；

2. 跨系统业务处理能力弱，不同业务系统之间需要人工做信息中转；

3. 价值高度依赖客户方人员的使用能力，同样一套软件，不同客户产出差异巨大，厂商无法对业务结果负责。

2.4 产业增长天花板：来自市场端与技术端的双重挤压

从市场端看，国内 SaaS 市场逐步进入存量竞争，大量赛道渗透率提升之后，新增席位增长放缓；企业客户预算管控趋严，对软件 ROI 提出更高要求，单纯功能堆叠已经难以打动客户，很多企业出现软件采购过剩，大量功能没有实际使用。

从技术端看，AI 智能体带来新的替代威胁。通用大模型 + Agent 框架，可以绕过传统软件 GUI 界面，直接调用 API 完成业务操作。部分标准化业务场景，客户甚至可以不采购完整 SaaS 席位，直接搭建智能体调用原有系统接口完成工作，对传统 SaaS 产品形成 “智能体套利” 冲击，软件界面逐步走向隐形化。

多重因素叠加之下，单纯依靠席位扩张的传统 SaaS 增长模式遇到明显瓶颈，产业需要寻找新的商业范式。

3 GaaS 智能体即服务的范式内涵与产业演进

3.1 GaaS（智能体即服务）核心定义与本质特征

GaaS 智能体即服务，将具备目标推理、任务规划、工具调用、多轮迭代、风险约束能力的 AI 智能体作为云服务对外交付。客户输入业务目标，智能体在安全约束下自主拆解任务、调用各类业务系统工具、执行多步骤工作，反馈任务结果，客户获取的是任务产出，而不是一套需要人操作的软件界面。

GaaS 智能体即服务五大核心特征：

1. 目标驱动而非指令驱动：客户定义业务目标，智能体自主拆解执行路径，而非等待人类一步步下发指令；

2. 有限自主执行：在预设安全边界、权限、合规规则内自主开展工作，高风险节点可配置人工复核；

3. 工具编排能力：可以对接 CRM、ERP、工单系统、数据库等多类业务系统，把现有软件当作工具来调用；

4. 任务闭环迭代：执行之后接收结果反馈，动态调整执行策略，形成闭环；

5. 结果可度量：任务产出可以被量化评估，为按结果计费提供基础条件。

需要区分 GaaS 智能体即服务与 Copilot：Copilot 是人在回路辅助工具，人主导流程；GaaS 智能体以完成业务任务为目标，承担完整工作链路，人更多作为监督者、复核者，而不是流程执行者。

3.2 SaaS 与 GaaS 的多维度对比：工具交付 vs 结果交付

传统 SaaS 如同向客户售卖汽车，客户买车之后自己开车；GaaS 相当于提供专职司机，客户只需要告知目的地，由司机完成驾驶全过程，客户得到抵达终点的结果。

3.3 GaaS 产业发展的外部驱动因素

第一，大模型能力持续迭代。大模型推理、规划、工具调用能力提升，使得复杂多步骤业务任务具备可落地基础；同时大模型推理成本持续下行，让智能体大规模商用具备经济可行性。

第二，企业数字化基础成熟。大量企业已经部署 CRM、ERP、工单等业务系统，开放 API 接口，为智能体调用各类业务工具提供基础设施条件。

第三，企业客户诉求发生变化。企业数字化投入越来越看重实际业务产出，不满足于购买工具，希望直接获得降本增效的业务结果，愿意为真实产出付费。

第四，云原生、Agent 开发框架快速成熟。各类智能体开发编排框架降低智能体开发门槛，传统软件厂商可以基于现有业务能力叠加 Agent 能力，不需要从零重建全部产品。

第五，资本端的催化。资本市场看好智能体带来产业重构机会，推动厂商加速向结果导向服务模式转型。

3.4 GaaS 的产业落地现状与市场规模数据

根据 Mordor Intelligence 市场测算，2025 年全球 Agent‑as‑a‑Service 市场规模约 157.4 亿美元，预计 2030 年达到 739 亿美元，2025‑2030 年复合增长率 36.25%。Markets and Markets 数据显示，全球 AI 智能体市场规模由 2025 年 78.4 亿美元增长至 2030 年 526.2 亿美元，复合增速 46.3%。

Gartner 预测，到 2030 年，全球约 2340 亿美元 SaaS 预算将受到智能体模式冲击，约 20% 传统 SaaS 支出会被新型智能体服务替代。IDC 调研显示，2025 年末 33% 千人以上规模企业已经部署 AI 智能体，另有 48% 企业计划 12 个月内部署；已经落地智能体的企业平均投资回报率达到 171%。

从落地形态来看，现阶段产业处于过渡期，完全自主无人工干预的 GaaS 大规模落地尚需时间，市场主流形态是 “半自主智能体 + 关键节点人工复核”，也就是人在回路的 GaaS 形态，完全全自主智能体还在持续演进阶段。

从赛道替代压力来看，标准化、低切换成本的轻量 CRM、营销自动化、文档协作类 SaaS，受到 GaaS 替代压力最大；ERP、财务、医疗 HIS 这类强监管、深度业务流程系统，替代压力较小，更多是局部智能体能力增强，不会被整体替换。

4 SaaS 向 GaaS 转型的商业模式系统性重构

SaaS 向 GaaS 转型，不是简单在原有 SaaS 产品上增加 AI 对话窗口，而是价值交付、定价、技术产品架构、实施交付全链条系统性重构。

4.1 价值交付重构：从交付功能到交付业务结果

传统 SaaS 价值链条：采购软件权限→客户人员操作→产生业务结果。软件厂商只对系统功能可用性负责，业务结果好坏取决于客户方人员能力、内部流程。

GaaS 模式价值链条：客户提出业务目标→GaaS 智能体完成任务执行→交付业务结果。服务商价值焦点从 “提供功能模块” 转向 “保障业务任务完成质量”。价值评判标准从 “软件具备哪些功能” 变成 “能不能稳定、合规把指定业务任务做完”。

价值交付重构带来契约关系变化：传统 SaaS 商业契约是工具使用权契约；GaaS 商业契约是业务任务服务契约。客户购买的不再是 “可以点开使用的软件”，而是一整套包含智能体能力、业务知识库、工具集成、异常处理、风险兜底的服务。

随之带来厂商责任变化：传统 SaaS 厂商不承担业务结果责任；GaaS 模式下服务商需要面对任务失败、智能体幻觉带来业务错误等风险，需要配套异常拦截、回滚、人工兜底机制。

4.2 定价体系重构：席位订阅向多元结果导向计费演进

席位订阅制在 GaaS 时代逐步走向多元化，行业演化出四类主流计费模式，多数厂商会采用混合模式，而不是单一模式。

第一，业务结果计费（结果导向定价）。按照成功完成的业务任务数量计费，例如成功处理的客服工单、完成审核的合同份数、完成处理的业务单据。客户只为智能体实际完成并校验通过的任务付费，任务失败不计费。Zendesk、Intercom 已经在客服赛道落地该模式，不再完全依靠客服座席收费，转向自动解决工单量计费。该模式的优势是厂商收益和客户价值高度对齐；难点在于需要建设任务结果计量系统，收入可预测性下降，厂商需要承担业务波动风险。

第二，智能体实例租赁模式（数字员工模式）。按照部署的智能体实例数量按月 / 按年收费，类比租赁数字员工，价格锚定对应岗位人力成本一定比例。一个智能体实例可以 7×24 小时完成对应岗位批量任务，不再绑定自然人账号。

第三，任务消耗量计费：基于任务执行消耗，例如任务调用次数、工具调用量、token 消耗、数据处理量，偏向用量计费，适合任务波动大的业务场景。Salesforce Agentforce 采用按对话次数计费，区别于原有 Einstein AI 按席位收费模式。

第四，混合定价模式（产业过渡期主流）：保留部分基础订阅，叠加任务量 / 结果计量。过渡期大量传统 SaaS 厂商不会直接完全放弃席位模式，而是 “基础订阅 + GaaS 任务包”，平滑完成客户迁移，降低商业模式切换阵痛。

4.3 产品与技术架构重构：传统 SaaS 产品接入自主 Agent 的改造路径

传统 SaaS 向 GaaS 改造，不能简单叠加对话窗口，需要对底层架构做分层改造，分为四层：

第一层：原有 SaaS 业务底座层。保留原有成熟业务模块、数据存储、权限体系、业务规则，这是传统软件厂商最大资产，不需要全盘推翻。

第二层：Agent 编排中间层。新增智能体编排引擎，包含任务拆解、规划模块、工具调用调度、记忆管理、任务状态管理，作为智能体的中枢。智能体通过 API 调用原有 SaaS 系统能力，把原有业务功能变成智能体可以调用的工具集。

第三层：安全与管控层。GaaS 最重要的新增模块，包含权限隔离、操作白名单、风险规则、幻觉拦截、任务审计、异常回滚机制。智能体拥有系统操作权限，一旦出错会直接修改业务数据，安全管控是 GaaS 落地的硬性前提。

第四层：交互与观测层。不再只面向人类操作员的 GUI 界面，增加目标输入接口、智能体任务看板、任务执行链路溯源、可靠性指标仪表盘。业务人员不再点点操作，更多是下达业务目标、监控任务执行、复核异常任务。

传统 SaaS 厂商接入自主 Agent 能力，存在三条改造技术路线：
路线一：外挂 Agent 层。原有 SaaS 产品基本不动，外部搭建独立 Agent 编排服务，通过 API 对接现有系统。改造成本低、周期短；缺点是深度业务流程融合不足，适合快速试点。
路线二：产品内部原生嵌入 Agent 能力。重构产品内核，把 Agent 编排能力内置到 SaaS 平台内部，业务逻辑和智能体深度打通，改造周期长，产品体验最好，是中长期方向。
路线三：独立原生 GaaS 产品。不改造老 SaaS，直接开发全新原生智能体服务产品，新旧产品并行，面向不同客户群体。

架构改造过程中核心技术难点：智能体幻觉带来业务错误；长链路任务稳定性；智能体操作业务数据的安全审计；大模型推理成本管控；复杂行业业务规则和 Agent 规划逻辑融合。

4.4 客户服务与实施交付体系重构

传统 SaaS 实施交付重点：系统配置、字段定义、流程配置、用户培训，教会客户员工使用软件。

GaaS 模式下实施交付重点发生变化：梳理企业业务目标、定义智能体任务边界、配置业务约束规则、对接企业内部多系统接口、导入行业知识库、调试任务执行逻辑、配置人工复核节点、校准任务效果指标。交付工作不再是 “教会人用系统”，而是 “把智能体调通，让智能体适配企业业务规则稳定干活”。

客户成功团队的工作重心同样改变：传统 SaaS 客户成功重点关注席位活跃度、账号登录情况；GaaS 模式客户成功重点关注智能体任务完成率、任务错误率、业务目标达成情况，持续迭代调优智能体业务表现。

5 资本市场估值逻辑的重新评估

资本市场对软件企业的估值逻辑，跟随商业模式变迁发生调整，原有 SaaS 估值框架不能完全适配 GaaS 转型企业。

5.1 传统 SaaS 企业经典估值框架及其适用边界

传统 SaaS 估值核心指标：ARR 年度经常性收入、ARR 增速、净留存率 NDR、毛利率、销售费用率、客户续约率。市场普遍给予高增长、高 NDR 的 SaaS 企业估值溢价。该套框架建立在席位订阅模式基础之上，收入可预测性强，收入增长和客户侧人员规模扩张强相关。

当企业转向 GaaS，这套体系出现局限性：

1. 如果客户因智能体替代人工，削减原有席位，会造成原有 ARR 短期下滑，但是客户实际获得价值提升；传统指标会误判企业经营恶化；

2. 结果导向计费模式收入波动性更强，收入可预测性下降；

3. 原有指标无法衡量智能体业务能力、任务交付质量，但是这些恰恰是 GaaS 企业长期竞争力。

5.2 GaaS 时代软件企业新增估值因子

资本市场在原有财务指标基础上，增加多维度非财务评估因子，分为四大类：

第一，智能体商业化落地指标：GaaS 相关业务收入占总营收比重；付费 GaaS 客户数量；客户 GaaS 任务实际执行规模；客户愿意为结果付费的付费意愿。区分是产品仅仅增加 AI 聊天插件，还是真正实现业务任务自主执行的 GaaS 落地。

第二，智能体业务质量指标：任务完成率、任务错误率、人工介入复核占比、单任务平均推理成本、任务失败回滚能力。反映智能体能不能稳定可靠完成企业真实业务，直接决定客户留存与客户价值。

第三，壁垒指标：垂直行业业务知识库积累、业务系统深度集成能力、安全管控与审计体系、行业合规适配能力。通用大模型可以被所有厂商采购，真正壁垒是行业业务沉淀。

第四，风险指标：幻觉带来业务事故的历史记录；智能体推理成本管控能力；收入结构波动风险；客户对 GaaS 业务的依赖程度。

5.3 资本市场对 GaaS 标的估值溢价与风险折价

市场对真正实现 GaaS 落地、完成业务结果交付的企业给予估值溢价，行业调研显示垂直 GaaS 企业估值溢价最高可达传统 SaaS 企业 3 倍区间，但溢价建立在真实商业化落地基础之上，单纯只是叠加 AI 对话功能，不会获得 GaaS 溢价。

同时市场也会给出风险折价，出现以下情况会带来估值压制：

1. 仅仅做表层 AI 对话增强，没有实现业务任务自主执行，属于 AI 包装传统 SaaS；

2. GaaS 业务收入占比低，没有可验证商业化案例；

3. 智能体任务稳定性差，错误率高，频繁出现业务事故；

4. 商业模式切换造成原有 ARR 大幅下滑，新 GaaS 收入无法及时补位；

5. 推理成本失控，GaaS 业务单元不具备健康毛利。

5.4 财务指标的变化：收入结构、成本结构、收入可预测性变化

收入结构：收入由席位订阅，逐步演化成 “基础订阅 + 任务计量 / 结果计费” 混合结构；长期看结果导向收入占比提升。部分存量客户会出现原有席位收入下降，需要 GaaS 增量收入进行补偿。

成本结构：除原有研发、销售成本之外，新增大模型推理算力成本、智能体调优成本、任务异常兜底人工成本。GaaS 业务毛利水平取决于任务效率优化、推理成本控制。如果不加管控，推理成本会快速侵蚀利润。

收入可预测性：纯席位订阅模式收入可预测性最高；结果导向计费模式，受客户业务量波动影响，收入可预测性下降。厂商需要通过合约设计、任务包采购等方式平滑收入波动。

资本市场已经开始理解：GaaS 转型是中长期价值提升过程，短期可能带来财务指标阵痛，需要区分短期财务扰动和长期真实竞争力。

6 企业软件采购体系的变迁：从功能清单到 Agent 可靠性指标

6.1 传统 SaaS 采购决策逻辑：功能清单、席位数量、许可成本

传统 SaaS 采购，企业 IT 部门、业务部门开展选型，核心工作是比对产品功能清单，核对需要多少账号席位，核算席位采购总费用。评估重点：功能模块是否齐全、界面易用性、并发能力、原有系统兼容性、每席位单价。采购完成之后，风险很大一部分转移到采购方，需要企业内部人员用好软件，才能实现业务价值。很多企业采购 SaaS 之后，大量功能闲置，ROI 不及预期。

6.2 GaaS 模式下企业采购核心评估维度

GaaS 模式采购，企业不再把功能清单作为第一优先级，采购决策发生底层切换，核心评估维度分为五大板块：

1. 业务目标匹配度：该 GaaS 智能体能不能完成我方真实业务任务，能否覆盖业务边界，是否适配本行业业务规则；

2. 任务效果能力：也就是 Agent 可靠性指标集合，衡量智能体干活的质量；

3. 安全与风险管控能力：智能体具备系统操作权限，必须评估权限管控、操作审计、错误拦截、数据安全、合规能力；

4. 计量与结算机制：计费规则是否清晰透明，任务失败如何界定，失败任务如何计费，异常场景如何处理；

5. 兜底服务能力：智能体出错之后的回滚机制，人工兜底能力，故障响应机制。

功能清单退居次要位置，客户不再关心 “你有多少功能”，而是关心 “你能不能稳定把我的业务任务做完”。

6.3 GaaS 采购的核心考核指标集：任务完成效果、Agent 可靠性指标

企业在 GaaS 选型、SLA 协议签署时，需要引入 Agent 可靠性指标体系，本报告整理产业通用核心指标集合：

1. 任务完成率：下发的业务任务中，成功闭环完成的任务占全部任务比例；区分完全自主完成、人工介入后完成。

2. 任务准确率：成功完成的任务当中，业务结果符合业务规则、无错误的任务占比，对抗智能体幻觉带来业务错误。

3. 人工介入率：多少比例任务需要人工介入复核、干预。人工介入率过高，说明智能体自主能力不足，客户依旧需要大量人力，GaaS 价值大打折扣。

4. 任务平均处理耗时：完成标准业务任务平均时长，衡量处理效率。

5. 任务失败回滚成功率：任务执行出错之后，能否安全回滚业务数据，消除错误影响。

6. 合规通过率：任务执行结果满足行业监管、内部制度要求的比例。

7. 任务可追溯性：每一条任务完整执行链路、工具调用记录可完整审计留存。

以上指标可以写入服务 SLA，作为服务质量考核依据，部分场景和结算条件挂钩。传统 SaaS 的 SLA 主要保障系统可用性；GaaS 时代 SLA 不仅包含系统可用，更增加业务任务执行质量相关条款。

6.4 企业采购面临的现实困境与落地障碍

现阶段企业采购 GaaS 同样面临现实障碍：
第一，行业缺少统一标准化指标体系，不同厂商指标口径不一致，选型对比难度高；
第二，智能体幻觉带来业务错误风险，企业对直接交给 AI 处理核心业务心存顾虑，更愿意先从非核心、低风险业务试点；
第三，结果计费模式下预算编制难度提升，传统 IT 预算体系适配固定席位订阅，对于波动型任务计费模式，企业内部财务流程需要调整；
第四，缺少成熟行业案例参考，很多企业处于观望试点阶段，不会直接大规模替换现有业务系统。

因此产业落地呈现规律：企业优先选择非核心、低风险、高重复度业务场景落地 GaaS；核心强监管业务，优先采用 “智能体执行 + 关键节点人工复核” 模式，不会直接全自主运行。

7 SaaS 厂商向 GaaS 转型的现实路径、典型案例与风险识别

7.1 传统 SaaS 厂商 GaaS 化三条转型路径

路径一：渐进迭代模式（多数传统中大型 SaaS 厂商选择）。保留原有席位订阅业务，作为基本盘；逐步在产品内部搭建 Agent 能力，推出 “基础订阅 + GaaS 任务包” 混合模式，存量客户平滑迁移，一边保护现有收入，一边布局 GaaS 新商业模式。优势是风险可控；劣势是转型周期长，内部组织需要同时维护两套商业逻辑。

路径二：分拆独立产品模式。原有 SaaS 产品维持不变，独立团队开发原生 GaaS 智能体服务，新产品采用结果导向定价，新旧产品面向不同客户需求。老产品负责存量收入，新产品做创新业务探索，避免老业务转型阵痛。

路径三：彻底重构模式。全面重构产品架构与商业契约，放弃传统席位制，全面转向 GaaS 结果交付模式。适合体量较小、垂直细分赛道厂商，对企业能力要求极高，会承受短期收入波动风险。

7.2 海内外代表性厂商实践案例

案例一：Zendesk 客服 SaaS 向 GaaS 化演进
传统 Zendesk 以客服座席席位订阅为核心收入。面对 AI 智能体冲击，推出 AI 智能工单处理服务，除传统座席模式外，新增按成功自动解决工单数量计费模式。智能体承接大量一级客服工单，厂商不再单纯依靠增加客服账号获得收入，转向依靠解决业务工单获得收益，属于渐进迭代路径，保留原有席位模式同时新增结果计费选项。

案例二：Salesforce Agentforce
Salesforce 推出 Agentforce 智能体平台，区别于原有 Einstein AI 按席位收费，Agentforce 支持按对话调用计量计费，智能体可以自主完成 CRM 内部多步业务动作。原有 SaaS 订阅业务继续保留，叠加 Agentforce 智能体服务，采取混合商业路径，传统 CRM 工具与 GaaS 智能体服务并行推进。

国内产业实践：国内大量垂直 SaaS 厂商处于试点阶段，多数采用渐进迭代模式，优先在营销、客服、财税单据处理等标准化场景落地 Agent 能力，优先采用 “订阅 + 任务包” 混合定价，完全结果导向大规模商业落地案例仍在持续成长。

7.3 转型过程中的技术风险、商业风险、组织风险

技术风险

1. 智能体幻觉风险：智能体生成错误业务结论，修改业务数据，造成企业业务损失；安全管控、任务校验、人工复核机制缺失将放大该风险。

2. 长链路任务稳定性风险：复杂业务流程中，任务中断、逻辑跑偏，无法完整闭环。

3. 推理成本失控：业务规模扩大，大模型算力成本快速上涨，吞噬毛利，GaaS 业务单元陷入亏损。

4. 原有系统与 Agent 层集成风险：遗留系统接口不完善，造成智能体调用工具不稳定。

商业风险

1. 新旧业务收入冲突：GaaS 带来原有席位收入下滑，新 GaaS 收入不能及时弥补缺口，造成整体营收承压。

2. 结果计费带来收入波动，收入预测难度上升，对财务预算、资本市场沟通带来挑战。

3. 客户预期管理风险：客户对 GaaS 智能体能力预期过高，现实落地达不到预期，造成客户流失。

4. SLA 履约风险：当商业契约绑定业务任务结果，厂商需要承担业务任务失败带来的服务责任。

组织风险

1. 产品团队思维惯性：原有团队习惯于做工具产品，缺少面向 “结果交付” 的产品思维，只愿意做 AI 对话插件，不愿意改造完整业务链路。

2. 销售体系冲突：原有销售团队考核席位、账号数量，GaaS 模式考核任务规模、业务结果，原有销售激励体系不匹配，需要重构销售绩效考核。

3. 研发团队能力缺口：需要同时懂行业业务、大模型 Agent 架构、安全管控的复合型人才，人才供给存在缺口。

7.4 转型失败的主要诱因分析

第一，伪 GaaS 改造：仅仅增加对话 Copilot 窗口，底层架构、商业模式完全不变，没有真正实现智能体自主任务执行，只是 AI 概念包装，无法创造真实增量价值。
第二，急于全面切换商业模式，直接放弃成熟席位订阅业务，GaaS 商业化尚未跑通，造成收入大幅下滑。
第三，忽视安全与风险管控，急于上线智能体自主操作业务数据，出现业务事故，摧毁客户信任。
第四，成本管控缺失，算力成本没有做优化，GaaS 业务毛利持续为负，无法形成可持续商业模式。
第五，销售、客户成功组织体系没有同步改造，仅仅做产品技术升级，商业侧没有配套，新模式无法落地。

8 国内软件产业 GaaS 转型的机遇、挑战与对策建议

8.1 中国企业软件市场的特有产业环境

国内企业软件市场和海外存在明显差异：大量中小客户预算有限，对 ROI 敏感度极高；企业数字化成熟度参差不齐，部分企业内部系统接口不完善；垂直行业业务规则复杂，行业合规要求多；企业采购预算体系大多适配传统软件订阅模式，面向结果计费的新型采购模式还在培育期。同时国内大模型产业快速发展，为本土 GaaS 落地提供算力与模型底座基础。

8.2 本土厂商的竞争机遇

第一，本土 SaaS 厂商深耕国内垂直行业，深度理解国内业务规则、监管合规要求，这是通用大模型厂商不具备的壁垒。GaaS 竞争核心不是大模型本身，而是行业业务理解，传统软件厂商积累的行业业务资产可以充分复用。
第二，国内大量中小企业存在强烈降本诉求，对于可以直接交付业务结果的 GaaS 服务具备潜在需求。
第三，国内企业数字化存量系统庞大，智能体可以作为上层能力，盘活存量软件资产，不需要企业全部替换现有 IT 系统。

8.3 本土企业转型面临的现实挑战

第一，国内很多 SaaS 厂商本身盈利压力较大，GaaS 改造需要研发投入，企业资源约束明显。
第二，国内企业客户对于 AI 智能体处理核心业务风险顾虑较强，大规模落地需要较长培育周期。
第三，国内缺少成熟 GaaS 行业标准，Agent 可靠性指标没有统一规范，选型、SLA 签署缺少行业参照。
第四，复合型人才缺口，同时懂行业业务、Agent 技术、云商业模式的人才供给不足。

8.4 面向传统 SaaS 厂商的产业对策建议

1. 采取渐进式转型策略，不盲目一刀切。优先保留原有成熟 SaaS 基本盘，优先选择重复性高、风险可控的业务场景试点 GaaS，跑通产品、成本、客户验证之后，再逐步扩大规模。优先采用 “基础订阅 + GaaS 任务包” 混合商业模式，平滑过渡，规避收入剧烈波动。

2. 区分 Copilot 辅助能力与真正 GaaS 自主智能体，拒绝伪 GaaS 改造。试点阶段重点搭建安全管控、任务审计、异常回滚体系，把风险控制放在第一位，高风险业务坚持配置人工复核节点。

3. 建立 GaaS 业务单元独立成本核算，严格管控推理算力成本，把单任务成本作为核心经营指标，保证 GaaS 业务具备合理毛利，避免规模越大亏损越大。

4. 组织侧同步改造：产品团队建立结果导向思维；重构销售、客户成功考核体系，新增 GaaS 业务相关考核指标；补充 Agent、大模型应用方向人才。

5. 客户侧做好预期管理，客观说明智能体能力边界，不夸大宣传；在商务合同中明确任务边界、SLA 指标、异常处理规则，把 Agent 可靠性指标纳入服务协议。

6. 积极参与行业实践沉淀，积累垂直行业知识库、业务规则库，行业业务沉淀才是本土厂商核心壁垒，避免单纯依赖第三方通用大模型。

9 研究结论与未来展望

9.1 研究主要结论

第一，AI 自主 Agent 技术推动企业软件产业发生范式转移，传统席位制 SaaS 商业模式出现内在激励悖论，产品越智能化，客户所需席位越少，厂商收入承压，原有商业契约不再适配技术变革。产业由售卖软件工具、售卖席位，向 GaaS 智能体即服务 —— 交付业务任务结果方向演进。

第二，SaaS 向 GaaS 转型不是简单叠加 AI 对话插件，而是价值交付、定价模式、产品技术架构、实施交付体系的全链条重构。定价模式由席位订阅，演化出结果计费、智能体实例租赁、用量计费、混合模式等多元形态；技术上需要在原有业务底座之上新增 Agent 编排层、安全管控层；实施交付重心从教会人使用软件，转向调优智能体适配企业业务。

第三，资本市场对软件企业估值逻辑正在重新评估，原有 SaaS 财务指标依然具备参考价值，但需要补充智能体商业化落地指标、智能体可靠性质量指标、壁垒指标、风险指标。GaaS 转型会带来短期财务阵痛，需要区分短期扰动与长期真实商业价值。

第四，企业软件采购逻辑发生变迁，采购重心从比对功能清单，转向评估业务任务完成效果与 Agent 可靠性指标，任务完成率、准确率、人工介入率、回滚能力等指标成为 GaaS 选型与 SLA 协议核心内容。

第五，传统 SaaS 厂商转型分为渐进迭代、独立新产品、彻底重构三条路径，转型过程中同时面对技术、商业、组织多重风险；伪 GaaS 改造、成本失控、新旧业务冲突、风险管控缺失是转型失败主要诱因。国内软件厂商具备垂直行业业务理解的本土优势，但同时面临人才、客户接受度、成本投入等现实挑战，适合走稳健渐进的落地路线。

9.2 未来展望

中长期看，SaaS 不会完全消失，工具形态软件依然存在，但 GaaS 智能体即服务会成为企业软件重要形态，形成 “SaaS 工具 + GaaS 智能体服务” 共存的产业格局。智能体不会完全替代人类，更多承担高重复标准化业务任务，人转向决策、复核、复杂业务处理。

未来行业会逐步形成 GaaS 相关行业标准，Agent 可靠性指标体系走向标准化；大模型推理成本持续下行，进一步推动 GaaS 商业化成熟；产业会出现更多混合商业契约，工具订阅和结果服务深度融合。对于国内软件服务商，能否完成 GaaS 化转型，将决定未来市场竞争格局。

本次研究仍存在局限：当前 GaaS 产业仍处于发展早期，大规模长周期商业案例还在持续积累，后续随着产业演进，相关商业模式、估值体系还会持续迭代优化。

参考文献

[1] Gartner, 2026, Hype Cycle for Agentic AI
[2] IDC, 2026, DAA Daily Active Agents 智能体产业研究报告
[3] Mordor Intelligence, Agent‑as‑a‑Service (AaaS) Market Size & Share Analysis 2025‑2030
[4] McKinsey, State of AI Report 2025
[5] Deloitte, TMT Predictions 2026: AI Agent and SaaS Transformation
[6] Stanford University HAI, AI Index Report 2026
[7] FourWeekMBA, From SaaS to AgaaS: How AI Agents Are Killing Per‑Seat Pricing
[8] [padiso.ai](padiso.ai), From SaaS to Agent‑as‑a‑Service: The New Business Model for Vertical AI
[9] 东莞证券，计算机行业深度报告：AI Agent 爆发元年，企业服务 SaaS 厂商有望率先受益，2025
[10] arXiv, Agentic Web Infrastructure Gap Analysis, 2026

附录 A 数据来源清单

1. Gartner 公开行业预测报告 2025‑2026

2. IDC DAA 智能体研究报告 2026

3. Mordor Intelligence Agent‑as‑a‑Service 市场分析报告 2026

4. Markets and Markets AI Agent 市场规模预测报告

5. 麦肯锡 McKinsey State of AI 2025 调研报告

6. 德勤 Deloitte TMT 2026 技术趋势报告

7. Stanford HAI AI Index 2026

8. 海内外软件厂商公开产品发布、财报、公开演讲材料

9. 国内证券机构公开计算机行业深度研报

10. 行业公开产业调研、技术博客、产业白皮书公开资料综合整理

附录 B 免责声明

本报告由泷码软件（上海）有限公司、泷码软件研究院编制发布。报告所有内容仅用于产业研究、行业交流参考，不构成任何投资建议、商业决策建议、法律意见。

报告内容基于公开可获取的行业资料、第三方机构公开报告、产业公开信息整理分析，本机构不对报告引用第三方数据的绝对准确性、完整性、时效性做出保证。报告中的市场规模、增长率、渗透率等预测内容，均为第三方机构的情景化推演，受技术迭代、宏观经济、政策环境、市场竞争多重因素影响，未来实际情况有可能与报告预测存在显著差异。

报告观点为本报告出具时点的研究判断，后续随着产业发展，机构可能产出与本报告不一致的后续分析，本机构无义务对本报告进行持续更新。任何机构或个人依据本报告内容做出商业、投资、采购等决策，产生的各类直接或间接损失，均由决策方自行承担，本机构不承担相应责任。

本报告版权归泷码软件（上海）有限公司、泷码软件研究院所有，未经书面授权，禁止对报告内容进行篡改、商用转载。