AI冲击下哪些SaaS面临淘汰 Ramp图表揭示行业新机遇

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

这张图来自Ramp发布的《Spring 2026 Business Spending Report》，为我们提供了一个观察企业软件采购趋势的独特视角。报告基于超过5万家企业的匿名交易数据，追踪了超过1000亿美元的年化商业支出，其价值在于它反映的不是调研问卷或投资叙事，而是企业真金白银的支付流向。

需要说明的是，Ramp的数据样本更偏向高增长、技术前沿且乐于采用现代财务系统的企业。因此，这张图更像是一份“未来软件采购趋势的领先指标”，而非反映整体市场份额的普查报告。

图中，横轴代表某个供应商在其所属软件类别中的“采用率”，即过去12个月内，在该类别有过采购行为的企业中，选择该供应商的比例。纵轴则是这一采用率的同比变化。气泡大小则代表了支出份额。

这张图的有趣之处，并非在于告诉我们Salesforce或Figma依然庞大，而在于揭示了一些新趋势：一批原本不那么显眼的新公司，正从图表的左上角和右上角快速崛起。

左上角是“崛起中的挑战者”，它们的采用率基数尚不高，但增速迅猛。这个区域聚集了Clay、Granola、Decagon、Modal等公司。右上角则是“规模化领导者”，它们已具备可观的采用率，且仍在持续增长，代表如Anthropic、Profound等公司已开始进入企业的常规采购清单。

这背后传递出一个核心信号：AI时代的软件竞争，关键已不再是“谁接入了大模型”，而在于“谁能占据新工作流的控制点”。传统SaaS多是“记录系统”，负责记录数据与管理流程；而新一代的AI原生软件更像是“行动系统”——它们不止于告诉你发生了什么，更致力于直接帮你完成下一步动作。

下面，我们来深入剖析几个最具代表性的象限和公司。

一、右上角：已经开始规模化的新赢家

能进入右上角的公司，意味着它们已跨越早期尝鲜阶段，开始被主流企业广泛接纳。除了众所周知的Anthropic，这里有几家相对低调但极具代表性的公司值得关注。

Profound：抢占AI搜索时代的“新货架”

Profound的业务是AI搜索可见性分析。它解决了一个新问题：当用户不再点击谷歌的十个蓝色链接，而是直接向ChatGPT、Perplexity或Google AI Overviews提问时，你的品牌会在AI的答案中被提及吗？会被如何描述？竞争对手是否会被推荐？

这为何重要？过去二十年的互联网营销，核心战场之一是搜索引擎优化。品牌投入大量资源，只为在谷歌的搜索结果页面上获得靠前排名。然而，AI正在改变游戏规则。用户一句“最适合创业公司的CRM是什么？”，AI可能直接给出答案，跳过了传统的点击浏览环节。于是，AI生成的答案本身，成了新的、更直接的“数字货架”。

因此，Profound的增长并非源于它也是AI工具，而是因为它精准卡位了一个全新的流量入口。它可能替代的传统预算包括SEO工具、品牌监测、内容营销分析，甚至部分SEO咨询业务。未来，市场总监们的问题可能从“我们的谷歌排名如何？”转变为“我们的AI能见度份额怎么样？”

Prefect：成为AI时代的数据与任务“调度中枢”

Prefect做的是工作流编排，主要面向数据工程和机器学习团队。你可以将其理解为：当企业拥有大量自动化任务（如抓取数据、清洗、更新数据库、运行模型、生成报告）时，Prefect负责将这些流程有序地调度、监控和管理起来。

这听起来像是传统数据工程范畴，但AI的普及极大地扩展了这个市场。因为每一个AI应用背后，都依赖着大量新型数据管道：RAG系统需要定期抓取和向量化新文档；模型应用需要持续进行评估；客服或销售Agent需要与知识库、业务系统实时同步……这些流程动态、实验性强，且高度依赖Python与API。

Prefect的成功之处在于，它比Airflow等传统系统更贴近现代数据/AI团队的开发习惯，对快速搭建、灵活修改和可视化运维的需求更友好。它的增长，本质上源于AI应用带来的后台复杂度飙升。每一个简单的AI产品前端，背后都可能需要一个像Prefect这样的“交响乐指挥”。

PostHog：打造产品团队的“一体化操作系统”

PostHog可能是这张图里最值得玩味的公司之一。它起步于产品数据分析，类似Mixpanel，但并未止步于此。通过不断整合会话回放、功能开关、A/B测试、用户调研等能力，PostHog正试图成为产品团队的“一站式工作台”。

传统SaaS市场是高度割裂的：分析用Mixpanel，录屏用Hotjar，功能发布用LaunchDarkly……PostHog的逻辑是，这些功能都围绕“理解用户、发布功能、验证假设”这一核心工作流，为何要分散在五六个工具里？

AI产品的兴起，让这种一体化需求变得更为迫切。AI产品的不确定性更高：模型输出不可控、用户路径更发散、问题更难复现。产品团队迫切需要将观察、实验、发布控制形成一个快速闭环。PostHog的胜出，不只是因为开源或性价比，更是因为它抓住了从“分析工具”到“产品操作系统”的演进趋势。

二、左上角：挑战者象限里的新逻辑

左上角是想象力的聚集地。这里的公司采用率虽未登顶，但增速惊人，预示着一股新兴力量正在被高增长公司快速采纳。

Decagon：重新定义客服软件的价值

Decagon专注于企业级客服AI Agent。它与上一代客服机器人的根本区别在于能力边界：传统Bot大多只能回答预设问题，复杂情况则转人工；而Decagon旨在打造能真正处理业务流程的Agent——理解问题，查询订单、账户、物流等系统，并直接执行解决方案。

这标志着客服软件从“记录与分配工单的系统”，向“直接解决问题系统”的范式转变。它替代的不只是Zendesk等客服SaaS，更可能替代一部分客服人力。对企业而言，如果一个AI能可靠处理大量常规问题，其投资回报率计算将变得非常直接。

Granola：让会议记录成为“组织记忆”

Granola是一款AI会议笔记工具。表面看，它与Otter等竞品相似，但其产品思路有所不同。许多工具是“机器人入场，生成标准化摘要”。Granola则更强调个性化：它允许用户先记录自己的碎片化笔记和关键词，再结合会议转录，生成更具上下文、更贴合个人关注点的总结。

真正有价值的会议纪要，从来不是完整的文字副本，而是“对我有用的行动指南与记忆索引”。Granola抓住了这一点：AI的价值不在于记录，而在于将散落的对话转化为可查询、可关联、可行动的知识资产。它的场景可能从会议延伸至CRM、招聘、客户成功等多个领域。

Harmonic：押注AI的“可验证性”未来

Harmonic的定位更为底层和硬核，专注于数学推理与可验证AI。其核心产品Aristotle的目标，是让AI在数学、代码、科学等需要高可靠性的领域，给出可验证的答案。

大模型已证明其强大的生成能力，但“幻觉”问题在严肃场景中是致命伤。当企业不再满足于一个“听起来合理”的答案，而是需要一个“能被证明正确”的答案时，对可验证性的需求就诞生了。Harmonic押注的正是这个方向，它可能成为AI时代的“可信计算层”。

三、老牌玩家的新故事：资产在AI时代被重新放大

值得注意的是，左上角并非全是新面孔。一些成立较早的公司，如Clay、Ahrefs，不仅未被AI浪潮淘汰，反而焕发新生。原因往往并非简单“增加AI功能”，而是它们原有的核心资产，在AI催生的新工作流中变得更具价值。

Clay：从销售数据库升级为“GTM工作流平台”

Clay早期更像是一个数据增强和销售触达工具。AI时代，它的定位愈发清晰：GTM工作流平台。销售真正的需求不是一堆联系人数据，而是找到客户、判断匹配度、补全信息、生成个性化内容、同步CRM、启动触达序列这一整套动作。Clay将这些环节整合进一个类电子表格的工作流中，并接入AI与多种数据源，从而演变为一个销售操作系统。

Ahrefs：将SEO数据资产迁移至AI搜索时代

作为老牌SEO工具，Ahrefs出现在高增长象限令人深思。这并非因为它突然转型为AI原生公司，而是它成功地将多年积累的网页、关键词、外链数据资产，应用于AI搜索可见性分析这一新战场。当SEO变形为AI Visibility，品牌仍需了解用户提问、内容影响和竞品动态，Ahrefs的数据宝库因此找到了新的用武之地。

Vercel、Clerk与WorkOS：成为AI应用商业化的“基础设施”

Vercel从前端部署平台，顺势成为构建AI应用（前端交互+流式响应+Serverless等组合）的首选平台。Clerk和WorkOS则分别解决了AI应用商业化中的两大核心问题：用户身份认证与企业级功能。它们的增长，直接受益于AI创业公司和现代SaaS的爆发式增长，将复杂但标准化的需求产品化，让创新者无需重复造轮子。

纵观这些公司，无论是新锐还是老将，我们可以梳理出AI时代软件竞争的几条清晰脉络：

第一，价值重心从“记录”转向“行动”。赢家不再满足于记录信息，而是致力于直接完成工作流中的关键动作。

第二，竞争焦点是“工作流的控制点”。单点功能易被复制，但谁能整合并控制一个完整、高频的工作流，谁就构建了更深的护城河。

第三，老公司的成功转型，依赖于将原有资产置于新语境中重新估值。数据、开发者生态、工作流引擎，这些旧资产在新需求下被再次激活。

第四，替代关系往往是“组合拳”。许多新公司替代的不是单一SaaS，而是一组工具加上一段昂贵的人工操作流程。

第五，AI-native的本质是“将判断接入业务系统”。最高价值的AI软件，能够理解业务上下文、做出判断、调用工具、写回系统并触发后续步骤，实现从内容生成到工作流执行的跨越。

可以说，我们正进入一个“下一代工作流”的时代。这里的核心命题无关乎执行主体是Agent还是人类，而在于如何利用AI重构工作流本身，创造前所未有的效率与价值。这张来自企业真实支出的图谱，正是这场深刻变革的早期注脚。