軟體公司只剩兩條路,你站哪邊?
a16z Growth 合夥人 David George 對軟體產業發出最直白的警告:公開市場已經重新定價,舒適的中間地帶結束了。你的 12-18 個月計畫,必須在「AI-native 加速成長」和「重建真實利潤率」之間選一條全力推。這篇拆解他的框架,以及對台灣 SaaS 團隊的實際意義。

重點摘要
2026 年 3 月 23 日,a16z Growth 合夥人 David George 發了一篇文章,標題就是結論:「軟體只剩兩條路。」八小時內超過 32 萬次瀏覽,Andrew Chen 轉發,X 上的 SaaS 圈炸開。不是因為這個觀點新,而是因為從 a16z 這個位置說出來,代表市場共識已經形成。
舒適的中間地帶結束了。不是「可能快要結束」,是結束了。
SaaS 的估值發生了什麼事?
公開市場已經把軟體的終端價值永久下調。SaaS 公司的 EV/Revenue 中位數從 2021 年高峰的 6.7x,一路壓縮到 2023-2024 年的 2.6x,2025 下半年才微微回升到 3.1x。這不是週期性的修正,George 認為這是結構性的重定義——因為 AI 正在從根本上改變軟體能收多少錢、能存活多久。
過去 SaaS 的估值邏輯很簡單:高毛利、高續約率、可預測的經常性收入。投資人願意給高倍數,因為假設這些收入會持續很久。但現在這個假設被打破了。AI-native 的新進者可以用十分之一的團隊規模、十分之一的時間,做出功能相當的產品。你的護城河如果只是「用戶已經在用了」,那不是護城河,是慣性。慣性會消失。
路徑一:靠 AI 把成長拉上去
George 的第一條路很明確:未來 12-18 個月內,推出真正 AI-native 的新產品,讓營收成長率比去年高出 10 個百分點以上。
注意用詞——是「AI-native 的新產品」,不是「在現有產品上加個 AI 功能」。在 sidebar 放一個 chatbot 不算。把搜尋欄換成自然語言也不算。他說的是從頭設計、以 AI 為核心的產品線,能打開新的營收來源。
這裡有個殘酷的數學:如果你去年的營收成長率是 20%,你需要做到 30%。對一個已經有規模的 SaaS 來說,多出來的 10 個百分點不會從現有客戶的 upsell 來,必須是全新的價值。
路徑二:老實面對利潤率
第二條路聽起來沒那麼性感,但可能更務實:重建公司結構,達到 40% 以上的真實營業利潤率,理想目標是 50%。
George 特別強調「真實」兩個字——把股票薪酬(SBC)算進去。很多軟體公司的 GAAP 利潤率看起來還行,但把 SBC 加回去就變另一個故事了。如果你的 SBC 佔營收 25%,你報的 20% 營業利潤率其實只有負數。
這條路意味著什麼?大規模重組。砍掉不產生直接營收貢獻的團隊。用 AI agent 取代重複性工作。George 提到一個讓人頭皮發麻的數據:頂尖工程師現在同時管理 20 到 30 個 AI agent。以前需要十個人開會決定的事,現在四個人加一堆 agent 就能搞定,而且更快。
中間地帶為什麼消失了?
過去幾年,很多軟體公司活在一個舒適的灰色地帶:成長不算快但也沒停、利潤不算高但也沒虧。投資人給的倍數不像以前那麼瘋狂,但還過得去。
George 說到明年底,這個灰色地帶會變成無人區。成長壓力、持續稀釋、倍數壓縮——三面夾擊。不快不慢的成長,投資人不買單。不高不低的利潤率,也不構成投資理由。你會卡在一個「什麼都不是」的位置。
Andrew Chen 在轉發時補了一刀:2020-2025 年間拿到資金的非 AI 原生新創,面臨的機會成本計算更殘酷——跑道更短、資源更少、而且 AI-native 的競爭者可能已經在重新定義你的市場。
你的 12-18 個月計畫是什麼?
我自己看完這篇的第一個反應是:這不只是矽谷的事。
如果你經營的是台灣的 B2B SaaS,特別是 2020-2023 年間建立的產品,現在需要做一個很誠實的自我評估。拿出你產品的 top 10 使用場景,逐一問自己:這個場景有多少可以被 AI agent 直接取代——不是「輔助」,是「取代」?如果答案超過一半,你需要的不是「加 AI 功能」,而是重新定義產品存在的理由。
具體可以做的事:
第一,盤點你目前的營收成長率和趨勢。如果同比成長已經低於 15% 而且在減速,路徑二可能比路徑一更現實。
第二,算你的真實營業利潤率,把 SBC 和所有非現金成本都加回去。如果離 40% 還很遠,開始規劃哪些職能可以用 AI 工具或外包取代。
第三,如果你選路徑一,問自己一個問題:你打算推出的 AI 產品,是「有了 AI 所以更方便」,還是「沒有 AI 就不可能存在」?只有後者才算 AI-native。
資料來源

Walt Chuang
ARTOGO 共同創辦人・成長行銷
相關文章
你可能也會喜歡...

你把 AI 當計算機用,難怪團隊的知識永遠在歸零
Hiten Shah 指出多數團隊用 AI 的方式是「計算機模式」——每次都重來,知識從不累積。他的做法是在 Slack 裡跑 AI,讓 agent 看到所有脈絡,知識像複利一樣成長。三個月後差距是指數級的。

Anthropic 的 Growth Marketing 只有一個人,而且他不會寫程式
Anthropic 的 growth marketing 曾經只有一個人,Austin Lau,一個從沒寫過程式的行銷人。他用 Claude Code 建了完整的 performance marketing 自動化系統,廣告製作時間壓縮 87%,單人產出超過多數完整行銷團隊。

Consumer AI 的贏家公式:不是模型最強,是 ARPU 跑贏推論成本
Andrew Chen 提出 consumer AI 贏家公式:ARPU 必須跑贏推論成本。目前差距約 10 倍,月 ARPU $2-5 但 token 成本可能 $20-50。高 ARPU 類別(金融、健康、生產力)有空間用最好的模型,低 ARPU 類別被迫用更差的模型、更脆弱的留存。