514.【達人聊投資】Claude 一更一殺, SaaS 十載枯榮談 ft.前美股分析師 Freddy

重點摘要

AI 從根本改變 SaaS 成本結構：過去軟體的邊際成本趨近於零，AI 加入後 token 成本使變動成本大幅上升，毛利率下壓已是不可逆趨勢
競爭門檻崩潰，估值必然下修：AI 讓新創門檻大降，市場趨向完全競爭，既有 SaaS 公司即便不被取代，獲利預期也已遭下修
客戶取得邏輯正在轉型：從傳統的 Customer Acquisition 走向 Agent Acquisition——軟體未來要爭取的對象可能是機器而非人，API 設計邏輯須重構
既有 SaaS 轉換成本被削弱：AI 讓新進業者能以更低成本、更快速度從零建立產品，舊有廠商的護城河（轉換成本）正被逐步侵蝕
投資視角：已上市軟體公司多數尚未準備好：受惠 AI 的真正贏家（如算力＋演算法＋資料三位一體的 Google）多已 Price In；多數軟體股面臨的是 PE 下修而非立即消失

詳細內容

Freddy 的背景與轉型歷程

Freddy 在凱基證券（KGI）擔任美股分析師長達約九年，一手建立凱基的美股軟體研究團隊。他的研究路徑從消費性網路（FANGS 時代）出發，隨客戶需求逐步擴展至企業軟體（Microsoft、Salesforce、ServiceNow、Palantir 等）。離開凱基後，加入上游創投，擔任投資經理顧問，並主導上游洞見（投資研究）內容。

Freddy 選擇創投的原因是：「想看公司從小長大的過程，而不是看它已經很大。」——在次級市場看的是成熟商業模式，創投則能觀察公司如何從無到有成形。

企業軟體的分類框架

Freddy 將企業軟體分為兩大類：

基礎建設軟體（Infrastructure）：使用者不直接接觸，由 IT 或開發者管理，如資料庫、資安（CrowdStrike、Palo Alto）等。這類軟體屬於 Mission Critical，出錯代價極高，採購決策保守。
應用程式軟體（Application）：使用者直接使用，如 CRM（Salesforce）、協作工具（Monday、Notion）、人力資源管理（Workday）等。這類軟體較易被 AI 替代或複製。

SaaS 產業的兩個演化階段

第一階段（2010–2020）：套裝軟體 → 雲端 SaaS

過去企業採購軟體需要透過 IBM、Accenture、SAP 等 IT 顧問中介。AWS 崛起後，這層中間關係被打破，企業可直接在雲端 Marketplace 選購，SaaS 公司因此大量湧現。CrowdStrike 就是這個時代的受益者——過去銷售通路被幾家大廠把持，新進者難以出頭。

第二階段（2023–今）：雲端 SaaS → AI 驅動

AI 帶來的不只是通路改變，而是成本結構的根本轉變：

過去：新增一份軟體的成本≈ 零，廠商只需管理客戶取得成本（CAC）
現在：提供服務的 Hosting Cost（token 消耗）變成顯著的變動成本，且非 CSP（雲端服務商）的公司無法自行控制

同時，AI 也讓新創業者能以更低的毛利率（60-70%）進場競爭，而傳統 SaaS 毛利率高達 80-90%——這個差距正是新進者的機會空間。

AI 對 SaaS 競爭生態的衝擊

競爭門檻崩潰：以台灣語音轉文字工具 Typeless 為例，產品一爆紅，數週內出現多個仿製品。過去需要大量工程資源才能建立的產品，現在 AI 可快速複製。

市場不會無限碎片化：主持人 Sky 補充，搜尋成本（認知成本）仍存在——消費者不可能知道 100 個替代品，最終聲量大的少數品牌還是會勝出，只是毛利率被迫降低。

未來客戶端的轉變（從人類用戶到 AI Agent）：Freddy 觀察到「Agent Acquisition」的概念崛起——未來軟體的客戶可能不是人，而是機器（AI Agent）。軟體 API 的設計邏輯需要從 GUI（人機介面）走向「無頭化（Headless）」，這對既有廠商的資料格式與歷史積累是一大挑戰。

既有廠商的轉換成本被削弱：舊有廠商積累的客戶資料格式，未必符合 AI 時代需要的樣子，讓原本最大的護城河——轉換成本——有被侵蝕的風險。反而是沒有包袱的新進者，可以從零以 AI-native 方式建立系統。

現實中的 AI 導入觀察

目前企業實際導入 AI 最多的場景，主要集中在：

客服 + RAG（檢索增強生成）：用公司內部知識庫訓練 AI 助理，縮短新人學習曲線、提升客服效率
文書處理與報告：AI 輔助整理資料、縮短環節之間的時間，但並未改變工作流程本身的環節順序
工廠品質稽核輔助：結合歷史資料庫，讓 AI 判斷客訴案例的可能原因，減少對資深人員的依賴

Freddy 指出，他在凱基最後幾年，硬體與軟體分析師開始需要頻繁跨組討論——因為 AI 算法的改變會同時影響 ASIC 設計、GPU 使用、網路架構，這是過去不曾有的跨產業聯動現象。

軟體市場的未來可能變化

On-Demand 模式（Freddy 的核心假設）：Freddy 認為所有軟體最終可能走向「隨叫隨用」的 On-Demand 模式——類比 Uber 叫車，從決策到獲得服務的時間差極短。這將影響傳統 SaaS 的 Per Seat 訂閱計價是否仍然適用，因為 Per Seat 的前提是邊際成本趨近於零。

計價模式的演變：討論中提到：

Usage-based（按用量計費）已在 Infrastructure 層廣泛使用
企業客戶傾向保底抽成或 Quota 包量，預算可預測性更重要
消費者端場景中，廠商傾向不讓使用者感受到「每個行為都要付費」的摩擦感，因此會自行吸收成本，直接壓縮毛利

SI（系統整合商）的機會：在市場尚未標準化的現階段，擅長做「髒活」（資料清洗、系統串接、組織導入）的 SI（系統整合商）反而有生意做。Palantir 就是典型例子——它花費大量人力進入客戶公司整理資料，然後才有 AI 落地的基礎。

投資視角：軟體股的挑戰

多數已上市軟體公司未準備好：真正能受惠 AI 的三位一體（算力＋演算法＋資料）公司，除了 Google 少有其他，且多已 Price In
PE 下修是主旋律：競爭增加 → 毛利率下降 → Break-Even 點往後延 → 估值邏輯改變
可能的私募機會：SaaS 公司跌到重置成本附近時，PE 基金可能出手整合——收購多家垂直 SaaS，打包成 ERP 型產品，像 Thoma Bravo 過去的做法
Mission-critical 的 Infra 類（如 Cloudflare）：因為 AI 帶來使用量大增，有機會受惠

精選語錄

「你不用到它被取代——光是看它未來 12 個月的獲利往下修，就代表成本已經開始被墊高了。」 — Freddy（談軟體公司即便不被 AI 取代，獲利仍遭壓縮）

「今天你要爭取的不是 Customer acquisition，接下來可能要看到的是 AI acquisition、Agent acquisition——你的客戶不是人，是機器。」 — Freddy（談 SaaS 銷售邏輯的根本轉變）

「越不能規模化的事情，在這個時間點反而越好做、越容易勝出。」 — 討論 SI（系統整合商）在 AI 非標準化時代的機會

時間軸

逐字稿未含時間標記，以下依對話主題順序整理：

開場 — 介紹 Freddy 背景（前凱基美股軟體分析師，現上游創投顧問）
段落一 — Freddy 從券商到 IR 到創投的職涯轉變原因
段落二 — 企業軟體的分類框架（基礎建設 vs 應用軟體）
段落三 — SaaS 演化的兩個階段：套裝軟體 → 雲端 → AI
段落四 — AI 對成本結構與競爭生態的衝擊（含 Typeless 案例）
段落五 — Agent Acquisition 與無頭化 API 的討論
段落六 — 現實中的 AI 導入觀察（客服 RAG、文書、工廠）
段落七 — On-Demand 模式假設與計價模式演變
段落八 — SI 的機會與 Palantir 案例
段落九 — 投資視角：PE 下修、私募機會、Cloudflare 潛力
尾聲 — 上游創投的角色定位（協助 Portfolio 企業了解外部趨勢）