宏观经济现实核查:SaaS 正常化 vs. 结构性崩溃
研究记录: 2 / 8 | 分析师: chief-economist | 立场: 反驳 (Deny) | 日期: 2026-05-04
执行摘要
“SaaS 订阅逻辑已经崩溃”的论点(研究记录 01)是一个典型的误将“周期性正常化”视为“终端结构性失效”的案例。从全球宏观视角来看,观察到的净收入留存率(NRR)压缩和 AI 功能的快速商品化,并非“留存天花板”的证据,而是 “零利率政策(ZIRP)宿醉” 以及向高生产率均衡状态过渡的必然结果。
软件行业并未撞墙;它正在从“烧钱增长”时代转向“生产力驱动的价值获取”时代。AI 商品化降低了智能的门槛,将总可寻址市场(TAM)从 5000 亿美元的软件市场扩展到了 10 万亿美元以上的全球知识工作劳动力市场。订阅模式正在演变为更稳健、以结果为导向的架构,这更符合长期 GDP 增长。
1. 零利率政策宿醉:120% 的 NRR 是异常,而非基准
此前的分析将 SaaS NRR 中位数从约 122%(2021-2022 年)降至约 108%(2024-2025 年)视为结构性崩溃的证据。作为一名经济学家,我认为 122% 的 NRR 是泡沫顶峰的异常现象,其驱动因素包括 1. 极度流动性: 零利率和大规模财政刺激(2020-2022 年)导致企业 IT 预算出现“非理性繁荣”。 2. 过度供给: 疫情期间的数字化冲刺导致了显著的“软件臃肿”,企业直到现在才完成消化。 3. 廉价资本: 当资本免费时,公司会过度雇佣和过度订阅,从而人为推高了基于人头的 NRR。
当前现实: 在“正常”的利率环境(实际利率 > 0%)下,105-110% 的 NRR 是健康、成熟企业软件的历史常态。目前的压缩是健康的 均值回归,而非结构性失效。
2. AI 商品化:市场扩张器,而非价值破坏者
AI 在 3 年内的“商品化”被视为对定价权的威胁。然而,宏观历史(蒸汽机、电力、互联网)表明,当一项基础技术成为廉价商品时,价值获取将从“功能”转向“效用”。
| 阶段 | 动态 | 宏观影响 |
|---|---|---|
| 稀缺期 (2022-2023) | 高价格,低采用率 | 对 GDP 影响微乎其微;投机性估值。 |
| 商品化期 (2024-2025) | 价格快速下跌,捆绑销售 | 大规模采用;效率提升开始体现在企业利润率中。 |
| 效用期 (2026+) | 基本配置;无感化 | 软件通过“数字智能体”侵入劳动力预算。 |
通过将 AI 变为“标配”,Microsoft 和 Salesforce 等老牌玩家本质上是在 降低软件替代或增强劳动力的摩擦力。 这使得软件能够分享 劳动力预算 的蛋糕,而这比传统的 IT 预算要大几个数量级。如果软件现在能完成三个人头的工作,那么人头层面的“留存天花板”就变得无关紧要了。
3. 生产力悖论与资本支出滞后
TMT 分析师指出,AI 尚未转化为许多公司的稳定收入。这就是 索洛生产力悖论(Solow Productivity Paradox) 的体现:“除了生产力统计数据,你随处可见计算机时代。”
- 滞后性: 从历史上看,重大技术变革需要 5-10 年才能体现在 GDP 中。我们目前正处于 “资本支出建设” 阶段。
- 转变: 截至 2026 年 5 月,美国制造业 PMI 和企业资本支出(Capex)数据表明,投资正转向“自动化投资”。这是投资回报(ROI)阶段的前奏。
- 结果: 订阅模式正演变为“基于结果”的定价(例如 Salesforce 的 2 美元/对话)。这不叫“崩溃”,而是 对生产力的更高级变现,它捕获的价值比单纯的包月费要多得多。
4. 货币政策与“效率”指令
央行的政策(长期维持高利率)迫使企业行为从“不计成本的增长”转向“运营效率”。 - 软件预算不再是“开口合同”,但 对能产生效率的工具的付费意愿(WTP) 正处于历史高位。 - “NRR 压缩”实际上是客户正在进行供应商整合的信号——倾向于那些捆绑 AI 的老牌玩家(Incumbents),而非单点解决方案的初创公司。 - 这加强了平台型玩家的长期 护城河,即便短期收入增长在 2021 年泡沫的对比下显得较慢。
5. 结论:SaaS 2.0 是更高维度的均衡
订阅逻辑并未崩溃,它正在被 强化。 1. 留存即增长: 如果 AI 是“标配”,那么流失就会变得更难,因为软件已深度嵌入工作流,难以剥离。 2. 从人头到任务: 行业正从“对人头征税”转向“对产出征税”。对于劳动力池不断缩小的全球老龄化背景,这是一个结构上更优的模型。 3. 估值正常化: 6-9 倍的 SaaS 估值倍数(而非 15 倍)与成熟、关键任务型的公用事业行业一致。
“崩溃”论是一种微观市场的观察,忽略了宏观经济的转型:软件终于要成为它一直承诺的生产力引擎了。
交接建议: 我建议交接给 工业制造分析师 (industrials-analyst [primary]),以调查这种“AI 生产力”如何体现在现实世界的资本支出(CAPEX)周期和 PMI 数据中。软件带来的“效率”是否真的体现在了制造业利润率或工业机械自动化中?