2025年8月18日·1 分钟
David Sacks：AI + SaaS 的新创业手册
对常与 David Sacks 相关的 AI + SaaS 创业策略做出实用拆解：哪些发生了变化、哪些保持不变，以及如何构建可持续的业务。
对常与 David Sacks 相关的 AI + SaaS 创业策略做出实用拆解：哪些发生了变化、哪些保持不变，以及如何构建可持续的业务。
AI 不只是你加在订阅应用上的另一个功能。对创始人来说，它改变了“好”产品想法的含义、竞争者复制你的速度、客户愿意支付的内容，以及当推理成本出现在账单上时你的商业模式是否还能成立。
这篇文章是对常与 David Sacks 以及更广泛的 AI + SaaS 讨论相关主题的实用综合——不是逐句引用或传记。目标是把反复出现的观念翻译成创始人或产品负责人可以实际执行的决策。
经典的 SaaS 策略奖励渐进式改进：选一个类别，构建更干净的工作流，卖席位，依靠随时间积累的切换成本。AI 把重心转向结果和自动化。客户越来越多地问：“你能替我把工作做完吗？”而不是“你能帮我更好地管理工作吗？”
这改变了创业起点。你可能需要更少的界面、更少的集成和更小的初始团队——但你需要更清晰的证据证明系统是准确的、安全的，并且值得每天使用。
如果你在评估一个想法——或试图重新定位现有的 SaaS 产品——本指南旨在帮助你选择：
阅读时请记住四个问题：AI 将完成什么工作？谁会因为痛点而付费？定价如何反映可测量的价值？当他人能接触到类似模型后，是什么让你的优势持久？
文章余下部分围绕这些答案构建一个现代的“创业手册”。
经典 SaaS 能奏效，因为它把软件变成了可预测的商业模式。你卖订阅、随时间扩大使用、并依赖工作流锁定：一旦团队在你的产品内建立了习惯、模板和流程，离开就很痛苦。
这种锁定常常建立在明确的 ROI 上。宣传很简单：“付 $X 每月，节省 Y 小时，减少错误，成交更多。”当你可靠地交付这些时，你获得续订——续订进一步创造复利增长。
AI 改变了竞争速度。曾经需要数个季度完成的功能，现在可能在几周内被复制，有时只需接入相同的模型提供商。这压缩了许多 SaaS 公司依赖的“功能护城河”。
以 AI 为原生的竞争者从不同的位置出发：他们不只是把一个功能加到现有工作流上——他们尝试替换整个工作流。用户正逐渐习惯 copilots、智能代理和“直接告诉它你想要什么”的界面，这把预期从点击和表单转向结果。
由于 AI 在演示中可能显得神奇，差异化门槛迅速升高。如果每个人都能生成摘要、草稿或报告，真正的问题变成：为什么客户要信任你的产品在他们的业务内完成这些？
尽管技术发生变化，基本面未变：真实的客户痛点、感受到痛点的特定买家、付费意愿，以及由持续价值驱动的留存。
一个有用的层级帮助你保持专注：
结果（Value） > 功能（features，检查项）。
不要仅仅发布 AI 检查表（“我们加了自动记录、自动邮件、自动标记”），而应以客户识别的结果为先（“把成交时间缩短 20%”、“把支持积压减少一半”、“在几分钟内生成合规报告”）。功能是证明点——不是策略。
AI 让每个人更容易复制表层，所以你必须拥有更深层的结果。
许多 AI + SaaS 初创公司失败，因为他们一开始就“有 AI”而后才找工作要完成。更好的方法是选择一个切入点（wedge）——一个与客户紧迫性和你对恰当数据的访问匹配的狭窄入口。
1) AI 功能（在现有产品类别内）。 你在熟悉的工作流中增加一个 AI 能力（例如“总结工单”、“起草跟进”、“自动标记发票”）。因为买家已经理解类别，这通常是最快的早期收入路径。
2) AI copilot（人与机器协作）。 产品在用户旁边工作，加速可重复任务：起草、分拣、研究、审查。Copilot 在质量重要且用户需要控制时效果好，但你必须证明每日价值，而不仅仅是有趣的演示。
3) AI-first 产品（围绕自动化重建工作流）。 在这里，产品不是“软件 + AI”，而是一个有明确定义输入输出的自动化流程（通常具有代理性）。这可能最具差异性，但要求深刻的领域理解、严格的护栏和可靠的数据流。
使用两个过滤条件：
如果紧迫性高但数据访问弱，先做copilot。如果数据丰富且工作流定义明确，考虑AI-first。
如果你的产品只是商品模型上的薄界面，客户一旦大厂打包类似功能就会切换。解药并不是恐慌——而是占有工作流并证明可量化的结果。
当很多产品都能接入相似模型时，制胜优势往往从“更好的 AI”转为“更好的触达”。如果用户从未在日常工作中遇到你的产品，模型质量也无关紧要——因为你没有足够的真实使用去迭代并找到产品市场匹配。
一个实用的定位目标是成为人们在已有工具里完成任务的默认方式。不要让客户去采纳“另一个应用”，而是在他们工作的地方出现——邮件、文档、工单、CRM、Slack/Teams、数据仓库。
这重要因为：
集成与市场（Integrations & marketplaces）： 构建最小可用集成并发布到相关市场（例如 CRM、支持平台、聊天）。市场能带来高意向发现，集成减少安装摩擦。
外呼（Outbound）： 针对有痛点且频繁的窄角色。以具体结果开场（“把分类时间降低 40%”）并提供快速验证步骤（15 分钟即可安装，而不是数周的试点）。
内容（Content）： 发布“我们如何做 X”的手册、拆解贴和模板，匹配买家日常工作的具体产物。包含可复制的工件（提示、检查表、SOP）时内容更有效。
合作伙伴关系： 与代理商、咨询机构或已拥有目标用户的相邻软件配合，提供共同营销和推荐分成。
AI 改变了定价，因为成本和价值不再与“席位” neatly 绑定。用户可能点击一次按钮触发一个长流程（昂贵），也可能整天在产品中做轻量任务（便宜）。这迫使很多团队从基于席位的方案转向基于结果、使用量或积分的定价。
目标是把价格与交付的价值对齐，并覆盖服务成本。如果你的模型/API 账单随 tokens、图像或工具调用增长，计划需要明确限制以防重度使用悄然导致负毛利。
Starter（个人 / 小型团队）：基础功能、较小的月度积分包、标准模型质量、社区或邮件支持。
Team：共享工作区、更高积分、协作功能、集成（Slack/Google Drive）、管理员控制、使用报告。
Business：SSO/SAML、审计日志、基于角色的访问、更高限额或定制积分池、优先支持、采购友好发票。
注意可扩展的点：限制、控制与可靠性——而不仅仅是“更多功能”。如果你仍保留席位定价，考虑混合型：基础平台费 + 席位费 + 包含积分。
“永远免费”听起来友好，但会训练客户把你当玩具——并且可能迅速烧钱。
还要避免不清晰的上限（“无限 AI”）和意外账单。在产品内放置使用计量器，发送阈值提醒（例如 80%/100%），并让超额计费透明可见。
如果定价感觉复杂，说明它可能确实复杂——收紧计量单位、展示计量器，并让首个方案容易购买。
AI 产品在演示中常常显得“神奇”，因为提示是精心准备的、数据干净、且有人在操控输出。日常使用更杂：客户真实数据有边界情况，工作流有例外，人们会根据系统“自信但错误”的那一次来评判你。
信任是驱动留存的隐形特性。如果用户不信任结果，他们会悄悄停止使用产品——即便第一天印象深刻。
引导（onboarding）应降低不确定性，而不仅仅解释按钮。展示产品擅长什么、不擅长什么，以及哪些输入最重要。
首次价值发生在用户迅速获得具体结果时（可用的草稿、更快解决的工单、生成的报告）。把这一刻明确化：突出发生了什么以及节省了多少时间。
习惯形成于产品融入重复的工作流。构建轻量触发器：集成、定时运行、模板或“继续你上次的工作”。
续约是信任审查。买家会问：“它持续有效吗？它降低了风险吗？它成为团队运作的一部分了吗？”你的产品应以使用证据和明确的 ROI 回答这些问题。
良好的 AI UX 显示不确定性并让恢复变得容易：
中小企业（SMB）通常能容忍偶发错误，前提是产品快速、价格可承受且明显提高吞吐量——尤其当错误容易被发现并撤销时。
企业客户则期待可预测行为、可审计性与控制。他们需要权限、日志、数据处理保证与明确的失败模式。对他们来说，“大多数情况下正确”不够；可靠性本身就是购买决策的一部分。
“AI + SaaS”意味着你的产品价值越来越以完成的结果来衡量，而不仅仅是更好的界面来管理工作。与其帮助用户“跟踪”任务，AI 驱动的产品更被期待去“完成”工作的一部分（撰写、分发、路由、解决、审阅），同时在规模化上保持安全、准确且具成本效益。
AI 压缩了竞争复制特性的时间，尤其当每个人都能访问相似的基础模型时。这把战略从“功能差异化”转向了：
根据你今天能安全交付多少自动化来选择：
用两个过滤器判断：
如果紧迫性高但数据弱，先做copilot。如果数据充足且工作流明确，考虑AI-first。若目标是最快营收，功能切入到现有工作流可能是好入口。
“Wrapper 风险”是指你的产品仅仅是对商品化模型的薄界面封装，一旦大厂打包类似功能，客户就能轻易切换。降低风险的办法：
目标成为人们已经使用工具里完成任务的默认工作流，而不是“又一个应用”。早期常见有效渠道：
快速路径：
基于“使用量”而非“登录席位”的方案更常见：
避免“无限 AI”，在产品内展示使用仪表盘，发出阈值提醒，并明确超额计费，防止惊讶账单或负毛利。
AI 引入了真实且随使用增长的可变 COGS（tokens、工具调用、GPU 时间），因此应跟踪：
马上能用的成本控制手段：
把优秀的演示转成日常使用与续约，需要用户在真实流程中信任你的产品。能帮助的模式：
对企业客户，还要提供清晰的数据处理、管理员控制和审计能力；在销售早期把 /security 页面或文档展示出来能减少沟通阻力。