摘要：本文探讨了未来五年 ToB 软件的三层架构趋势，认为 AI 将主导应用层，满足个性化需求，而 SaaS 则聚焦业务层，提供确定性逻辑。文章还指出企业系统将走向统一应用层，OA 平台有望成主流，最终形成赢者通吃的赛道标品格局。

本文探讨了未来五年 ToB 软件的三层架构趋势，认为 AI 将主导应用层，满足个性化需求，而 SaaS 则聚焦业务层，提供确定性逻辑。文章还指出企业系统将走向统一应用层，OA 平台有望成主流，最终形成赢者通吃的赛道标品格局。

五一期间我对AI-based SaaS做了一些推演，也与一些创始人、投资人交流，得出的结论连我自己的觉得震惊

本来设想是奔着SaaS+AI去的，但结论却是AI+SaaS

此外还有更多没想到的推演结论，例如toB领域也会出现赢者通吃的大量赛道……

我们分三段聊，分别是从以下3个视角观察从今天开始到未来几年会发生什么：

最后验证了这句话 —— 站得越高，看到的未来就越清楚。

请随我来…

与经典的软件分层模型（表示层Presentation Layer、业务逻辑层Business Logic Layer、数据访问层Data Access Layer）不同，我根据“程序运行中，AI是否有决定权”，将一个SaaS产品进行了分层：

未来的应用层（包含交互及与核心业务无关的周边应用能力）肯定是AI的天下。要么是AI智能体（Agent），要么是其他AI原生形态。

这是中国企业用户无法收敛的需求决定的。他们需要的是在能完成业务工作的情况下，尽量符合自己企业及个人的使用习惯，操作便捷高效。

我预计未来甚至会发展到这样的场景：一个新员工入职后，先使用超简单初级页面；随着ta对岗位的了解、操作能力的提升，页面会越来越复杂，但ta的工作效率也会因此越来越高……

是的，有点像游戏App —— 开局只有一个小城，然后区域大城和国战……

以往对于复杂的toB应用，这是不可想象的。但我们今天就可以推演出，AI可以低代价满足这些企业和员工的个性化需求。

但我们也不能完全依赖AI。

微软研究院Adam T. Kalai及其伙伴已经用数学证明：只要是语料预训练出来的、根据概率生成内容的LLM（大语言模型），就有一定比例的幻觉。

我们的直觉也是如此 —— LLM AI与我们智人一样，用的都是神经网络；而人的思维也会犯错，也会故意欺骗别人，甚至偶然并无目的地说说假话。

AI原生应用（包括Agent）的“不稳定性”是其用于追求“确定性”的toB系统最大的障碍。

推论1、目前AI不确定性问题的主要解法就是我上面画出的这个三层结构：AI在“应用层”负责灵活满足个性UI等交互需求，SaaS负责提供包含确定性业务逻辑的API供AI应用层调用。

这也是对过去二十年来全社会软件投资的充分利用。B端客户的业务并没有大的变化，所以业务层也不需要重写。

业务逻辑层产品虽然在产品设计、开发、测试中也会大量运用AI技术，但在系统运行的过程中，不会把关键决策权交给AI。以此保障流程、权限、数据安全严密可控。

其产品迭代也不是AI自动完成的，每个版本的更新仍然遵循传统的“设计-开发-测试”流程，由人类工程师来把控质量。

我与业内创始人交流，发现有少量SaaS公司已经开始按这个模式行动：拆分应用层与业务层，把SaaS的能力通过API包装出来。

推演到这里，我还认为未来是SaaS+AI的。

毕竟一个企业数字化系统的关键还在业务层嘛。但很快这个想法就被颠覆了……

且听本文继续分解——

如果认为未来的企业数字化系统还是今天的多烟囱结构——OA、CRM、ERP…各自有独立的手机App及PC端交互页面，就大错特错了。

未来一个企业系统的应用层产品将逐步走向统一。因为AI原生应用的灵活度高、快速适配个性化需求能力强，为CRM、ERP、HR等系统各自建立一个应用层入口，已经没有必要。

而且未来的企业软件中，很经常会出现AI应用层为完成一个任务，同时调用ERP和CRM业务层API的情况。

推论2、未来一个企业的全体员工都使用同一个统一的应用。不仅仅是作为门户的单点登录，而是无需跳转地对出库入库、对订单更新、对商机跟进、对员工入转调离等业务操作进行跨系统地打通。

那么这个统一的AI原生应用层将由谁提供？目前有这样一些供应商：

A、大企业的数科子公司、市场上的大量定制开发集成商：他们会捡起AI工具（例如蓝湖设计、Cursor+ Claude等），继续用定制开发的路子满足客户的个性化需求。虽然效率比以往的方式大幅提高，但这个路径不能形成标准产品。

B、现有SaaS公司也创立AI原生应用团队，结合自身对行业（快消、制造…）或领域（HR、CRM…）业务的理解，做出更贴近客户企业的业务需求的应用层产品（但仍然是烟囱式的，无法实现一个企业应用的统一）。

C、OA平台公司（企微、钉钉、飞书）：尝试做出标准AI产品，满足海量大、中、小企业的应用层需求。这些产品在AI新技术的支撑下，将能够用标品的方式解决个性化需求难题；既让客户满意，单用户成本还可控。

延续国内过往三十年信息化的惯性，今天的市场份额是A>B>C，但估计未来会这样发展：

原因无他，还是AI新技术这个变量提供了用标品满足个性化需求的能力。

以往标品确实解决不了中国企业需求不收敛的问题。但今天有了新AI技术，标品成为新解法。在这样的形势下，利润率超低的定制开发企业也会谋求转型。

推论3、SaaS公司主导的AI应用层产品将会因为结合了AI应用层的灵活和SaaS本身的严密业务逻辑而得到新市场。但几年后，随着各家SaaS公司“业务逻辑层”API产品的成熟，企微/钉钉/飞书等平台产品会因为能提供一个企业的“统一AI应用层”而占据更大市场份额。

我们对比一下5年前很火热的“低代码/无代码”方案。当时，我也曾寄希望于她解决企业需求不收敛的问题。

但缺少上图的“三层结构”，低代码应用往往是从零开始，只适合满足企业部门内部的简单需求，很难解决企业里复杂的跨部门的系统问题。

有了AI，这个底层逻辑其实已经发生变化；而影响结果就会在今、明两年展现。

继续推演到第3步，我竟然得到一个事先完全没想到的结论——赢者通吃！

由于中美的竞争态势，中国数字化肯定会形成一个独立的生态。

但生态内会出现大整合。

首先，是“应用层”的大整合。如上文所述，既要适应千奇百怪的中小企业的个性化需求、又要满足大企业整合成百信息系统的需求，“应用层”会出现大产品、大聚合。

其次，“业务层“也将出现行业、领域级的赢家通吃产品。

每个大行业的主业务系统（如汽车配件行业MES）、关键通用系统（如装备制造行业的CRM）会赢者通吃，分散中小行业的通用系统（如通用HR）也会赢者通吃。

为什么？

因为需求趋于一致后，AI时代数据积累的黑洞效应会让强者更强。由此我们可以一起推演一下，未来几年会如何发生多米诺骨牌似的变化：

SaaS公司更懂行业/领域，个性化的部分由应用层通过AI技术承担。无论是前文所述的A（定制公司）/B（SaaS公司）/C（平台公司），哪方负责“应用层”产品，应用层下、只能由SaaS公司负责的“业务层”都将更容易做出我们梦寐以求的“标准产品”。

当前SaaS公司的主要竞争对手其实不是SaaS公司，而是大大小小的定制开发公司。未来无论大小企业，都会转用上面这个三层架构。也许5年后，90%的定制开发公司都不得不转型，而提供业务层API的SaaS公司会有越来越大的“标准化产品”及数据的积累优势。

做业务层产品的门槛是对业务的深刻理解，这个门槛很高。这与做灵活的应用层产品公司的基因就不同，未来“应用层”与“业务层”更可能会分化为两类公司分别负责。

”业务层“产品的门槛随着数据积累、业务层AI技术的应用（数据分析及预测等），会越来越高。做“业务层”产品的公司，会获得曾鸣教授所说的”黑洞效应“。

在应用层，中短期看SaaS公司有更懂业务的优势，但企微、钉钉、飞书这3家平台公司才是“时间的朋友”——AI技术让通用产品能力越来越强，在“业务层”API的支持下，将逐渐覆盖和碾压SaaS公司烟囱式林立的“应用层”产品。也许5~10年后，大部分企业都会选择平台公司的统一“应用层”产品。而目前我们的SaaS公司更可能会退守“业务层”的能力。

那么SaaS公司能够选择不提供“业务层”API给其他公司的“应用层”产品吗？我们推演一下：这赛道上有第2、3名，你不提供，别人就会提供；这是客户的选择，不是SaaS公司能掌控的。

所以，最终专业的人做专业的事：“应用层”产品会按toB、toC等客户大类型聚合，“业务层”产品也会按行业、按领域实现聚合。赢者通吃，由此而来。

本次推演的最终结果就是：1990s到如今，折腾了30年的中国企业信息化无解的“需求不收敛”难题，最后会被AI灵活的“应用层”产品解决。而且应用层、业务层都会出现非常成功的标准产品。

政府和国、央企也会用上公有云“应用层”标准产品，区别只是他们的“公有云”是“政务云”/ “金融云”/“国资云”这些国企掌控的云而已。Deepseek这一波我们也都看到了政府和国企拥抱AI的决心。数字化、智能化，事关国运，不得不为之。

四、SaaS公司的可选项不多，但更值得期待

所以，当前的几千家中国SaaS公司有几个关键路径可以选择：

A、分离应用层与业务层，增强业务层API，为自家及外部应用层产品提供服务；

B、同时在业务层与应用层发力，在AI应用上大额投资，努力保住自己的应用层。

C、（对于业务层太薄的公司）放弃业务层，重塑自己成为AI原生产品公司。

对于已经投入几亿、十几亿构建PaaS的软件公司，虽然痛苦也需要放下PaaS在应用层的能力（自定义页面、报表、BI等），而是把PaaS能力聚焦在业务层上（流程配置、自定义对象及字段等）。

聚焦业务层，帮客户解决现实业务问题，把应用层（个性化交互页面、个性化需求等）的问题留给原生AI团队、内外部实施团队解决，也许正是中国SaaS产品的标准化难题的解法。

最后，我给SaaS团队近两年的发展建议：

聚焦业务层，贴近客户帮客户解决业务问题；行业SaaS和通用SaaS都要设法参与行业或领域（例如HR、营销）数字化改造，做出差异化优势。

将产品中的业务层能力包装成API，供内部及外部团队使用。

考虑调整收费方式，从年费走向按业务量收费（e.g. 业务层API调用次数）、按效果收费（e.g. 按销售额抽佣）。

努力使自己成为一个赛道的老大（某二级行业或某通用领域）

从数据层面找到构建“黑洞效应”的逻辑

来源：人人都是产品经理