到目前为止，大多数 Crunchbase News 读者都会熟悉这个标题：SaaS 已死。

市场认为软件企业不能再收取额外费用，并预测增长将无限期放缓。

有两个原因。首先，人工智能使软件生产成本降低了 10 倍。其次，这些人工智能功能催生了一大批新的竞争对手，包括风险投资资助的初创公司和内部解决方案。

他们说，软件生产成本的降低和竞争的加剧将消除软件的定价能力。今年截至 5 月中旬，公共软件股票的交易价格下跌了 20%，软件交易价格低于标准普尔 500 指数平均市盈率，这在历史上尚属首次。 SaaS 已死。

诚然，人工智能带来了成本下降和竞争加剧。但这并不意味着 SaaS 已经消亡。降低软件生产成本并不意味着软件收入会减少。事实上，历史表明事实恰恰相反。

在某些情况下，效率会产生消耗。这就是杰文斯悖论的教训。它适用于煤炭发动机，适用于数据中心，也适用于人工智能驱动的软件。

杰文斯悖论

我们先从煤炭开始吧。在 1860 年代的英国，许多人担心该国的煤炭资源消耗过快。传统观点认为，开发更高效的燃煤发动机将使煤炭的使用寿命更长。

但经济学家威廉·斯坦利·杰文斯认识到，更节能的发动机将导致对煤炭能源的需求增加，结果是英国人会更快而不是更少地燃烧煤炭。

杰文斯是对的。当更高的效率产生更低的成本时，它也释放了巨大的新需求。这消耗煤炭储备的速度更快，而不是更慢。

二十五年前，我在 2001 年互联网泡沫破裂期间加入了一家收购公司。我的第一笔投资是对一家陷入困境的数据中心公司的投资。 Exodus Communications 的市值曾达到 320 亿美元的峰值，但由于数据中心需求持续下降，该公司两次破产。

2004 年，我建议我们公司以 2 亿美元收购第二次破产的数据中心业务，并将其合并到名为 Savvis 的竞争对手中。

当时，市场认为数据中心是一个正在萎缩的行业。互联网公司正在将服务器机架从站点中撤出，数据中心楼层也被清空。行业分析师预测，根据芯片容量呈指数级增长和服务器功率密度不断增加的摩尔定律，10 年内单个机架的性能将达到 2005 年 100 个机架的性能水平，而 20 年后，一个机架的性能将达到 2005 年 10,000 个机架的性能水平。传统观点认为，随着时间的推移，更高效的芯片将需要更少的数据中心占地面积。

我们关于数据中心占地面积需求将会增长的论点当时并不流行。如果 2005 年的 10,000 个机架到 2025 年将被一个机架取代，那么美国不是已经有足够的数据中心占地面积了吗？

IBM 正在投放广告，展示了一个装满服务器的房间被一台大型机取代的情况。一位持怀疑态度的投资委员会成员告诉我，这家公司在两年内已经破产两次，如果第三次破产，我也会选择破产。

如今，一个机架的计算能力确实是 2005 年机架的 20,000 倍，而且众所周知，我们不仅没有太多的占地面积，而且无法足够快地构建新的数据中心容量。随着机架效率的提高，对计算能力的真正巨大潜在需求被释放。 Savvis 的故事也有一个圆满的结局，六年后以 32 亿美元的价格售出。

杰文斯悖论对于煤炭来说是正确的，对于数据中心来说也是如此。对于人工智能支持的知识工作也是如此。

知识工作和市场拓展

二十五年前，只有富人才能获得个性化的投资建议。 1996 年，诺贝尔奖获得者比尔·夏普 (Bill Sharpe) 与他人共同创立了 Financial Engines，为任何拥有 401(k) 账户的人提供个性化投资建议。

我的公司是投资者，我有幸与该公司密切合作。起初，它试图出售有关如何投资 401(k) 基金的建议，但只有约 20% 的员工有兴趣听取建议，然后自行管理其 401(k) 头寸。

Financial Engines 的突破性创新是直接管理 401(k) 职位，而不仅仅是提供建议。员工可以勾选一个框：“为我做”。以前无法获得这些建议的人们的需求超出了所有人的预期，并且带来了巨大的好处。我记得早期的客户是 JCPenney，其数万名平均年龄为 27 岁的员工的 401(k) 资金中约有 40% 是现金，40% 是 JCPenney 的股票（最终将在 2020 年申请破产），20% 是其他东西。只要将他们转移到适合他们年龄和其他财务目标的合理低成本共同基金中，就会产生巨大的好处。

Financial Engines 于 2018 年以 30 亿美元的价格被收购，管理资产从零增至 1,690 亿美元。

该公司提供的服务与我们今天所说的代理人工智能非常相似。客户（有退休储蓄的员工）将决策（投资我的钱）委托给计算机系统，而员工以与结果相关的方式付款（资产管理规模约为 50 个基点）。

当然，实现这一点的技术是完全不同的，而且这是一个非常狭窄的应用。教训仍然是：软件在提供知识工作（在本例中为个人投资建议）方面实现了巨大的效率，并且似乎有巨大的潜在市场购买该服务。

知识工作配给的结束

人工智能成本效率的提高，就像金融引擎算法成本效率的提高一样，使得需求增加，因为它放宽了对知识​​工作的供应限制。

纵观人类历史，即使到了今天，知识工作始终是定量配给的，因为它的供应有限。

知识工作者需要接受多年的教育和培训，往往想要生活在高成本的地方，随着时间的推移，他们只想解决他们感兴趣的某些类型的问题，并且需要大量的管理才能相处。这就是为什么我们向他们支付如此高的工资，并尽一切努力提高他们的生产力。

商业软件是提高知识工作者生产力的工具。据 Gartner 称，美国商业软件市场总额每年约为 5 万亿美元。根据美国劳工统计局的数据，美国的知识工作市场，即支付给该国 1 亿知识工作者的金额，约为 10 万亿美元。目前，我们将知识型员工成本的大约 5% 花在帮助他们的软件工具上。

正如我在之前的 Crunchbase 文章中所写的那样，人工智能使软件公司不仅能够向知识工作者出售工具，而且能够开始自行出售知识工作成果。

将这些放在一起：软件开发成本压缩 90%，加上销售知识工作的能力。我们知道，对知识工作有着巨大的潜在需求，只要它不是那么昂贵和难以获得就好了。

数以百万计从未接触过战略家、分析师、律师或财务顾问的个人和企业将第一次获得这样的机会。

软件还远未消亡。人工智能带来的效率提高将使其能够以更少的成本做更多的事情，就像更高效的煤炭发动机或数据中心一样，这将释放对知识工作的巨大潜在需求。

最终，这将增加使用人工智能进一步提高知识工作者的生产力或直接交付知识工作成果的软件企业的收入和实力。今天软件的工作是解决安全可靠地交付这一问题。

对于工业界来说，学习如何管理人类知识工人并不是一项小任务，学习如何管理机器知识工人也是一项艰巨的任务。这就是挑战。

但请记住，如今知识工作市场的规模是软件市场规模的 20 倍。软件公司所获得的奖励规模正在释放对知识工作的潜在需求，如果以历史为鉴的话，这种需求将使当今的软件市场相形见绌。

当今市场担心人工智能带来的效率将导致软件行业萎缩。事实恰恰相反。人工智能将释放对知识工作的巨大潜在需求，软件市场将出现爆炸式增长。软件万岁。

Bob Morse 于 2014 年与他人共同创立了 Strattam Capital，并担任管理合伙人。他曾在多家私营和公共技术公司董事会任职，目前担任 CloudHesive、Contegix、Daxtra Technologies、Green Security、Resource Navigation 和 Trax Group 的董事。此前，他曾担任 Oak Hill Capital Partners 的合伙人兼投资委员会成员。他还曾在 GCC Investments 和摩根士丹利工作。 Morse 是奥斯汀 PBS 的董事会成员，也是德克萨斯大学奥斯汀麦库姆斯商学院 HMTF 私募股权融资中心的顾问委员会成员。他曾就读于普林斯顿大学，以优异的成绩获得 BSE 学位，随后又就读于斯坦福大学商学院，获得 MBA 学位，并成为 Arjay Miller 学者。莫尔斯住在奥斯汀。

相关阅读：

插图：莉-安妮·迪亚斯