2025 年，随着 AI 革命的加速推进，企业怎么样应对创新的快速节奏成为了 SaaS 行业的核心话题。在今年的 SaaStr AI Day 2025 上，SaaS、AI 和云计算领域的顶尖专家齐聚一堂，深入探讨 AI 与 B2B 的交汇点。
值得一提的是，成立于 2017 年的 Synthesia 是最早的围绕虚拟数字人形象生成企业级视频产品的平台，最新完成了高达 1.8 亿美元由 NEA、Atlassian Ventures 等顶尖风投领导的 D 轮融资。
我们此前曾发表过一篇对 Synthesia 精心编译的文章《AI 数字人独角兽 Synthesia 如何用视频模板驱动增长和转化？》以及关于 Synthesia 的另一篇对谈《Synthesia CEO深度解析：数字人行业的天花板到底在哪里？以及大模型公司谁将胜出？》，对该行业的整体格局和发展的新趋势进行了梳理。
节目聚焦于 AI 视频模型的最新突破，这些技术如何推动生产力和创造新兴事物的能力的提升。同时，嘉宾们还探讨了更便宜的 AI 模型对企业成本的影响、基于席位与基于结果的软件定价模式之争，以及 AI Agent 在商业工作流中的未来角色。
现在，一种新的衡量指标是“ARR per employee”（每位员工的年度经常性收入），甚至“ARR per engineer”（每位工程师的年度经常性收入）。一些初创公司以“仅有 10 名员工就创造了 2000 万美元收入”为荣，这种高效率是十年前很难来想象的。
过去，AI 公司的毛利率远低于传统 SaaS 公司，推理成本是其第二大成本。而DeepSeek这类模型，可以将这一成本降低 95%。这将使 AI 公司的上涨的速度和盈利能力都得到非常明显提升，估值也可能大幅提高。
SaaS 创始人应该谨慎对待社会化媒体上的观点，多数企业客户并不希望新的定价模式与以往有太大差异。例如，如果客户之前每月为 Salesforce 支付 300 美元，那么新版本定价 200 美元会显得很划算，但如果采用“每次联络解决收费 83 美分”的模式，可能会增加销售阻力。
2023 年底，AI 领域的融资额大幅度的增加，但交易数量却下降了。这表明，资金大多分布在在少数热门领域（如 Synthesia），且更多地流向了成长期公司。对这些热门领域的公司来说，融资环境甚至比 2021 年更好。
去年，业界讨论的一个问题是，AI 领域的投入是否大多数来源于“实验性预算”（指很多企业并不是真的需要 AI 产品，但是为了跟上时代，所以会拿出一部分预算来购买一些 AI 产品来进行业务探索），这些预算有没有可持续性？Synthesia 的 Victor认为需要证明其拥有超过 100% 的 NRR（净收入留存率）等指标，以证明其收入的持久性。
Synthesia 是目前市场上领先的企业级 AI 视频平台。四年前，Synthesia 从数字人（avatars）技术起步。用户无需真人出镜，只需创建或选择一个数字人，输入文本，即可生成视频。这种方式比传统录制效率更加高，还可以每时每刻编辑、翻译成不同语言。
如今，Synthesia 已发展成为一个综合性 AI 视频平台，其核心功能仍然包括数字人，但已拓展到更广阔的应用场景。Synthesia 主要服务于企业客户，帮他们改善沟通效率。无论是对内培训、客户沟通还是合作伙伴交流，视频和音频已成为主流内容形式。
Synthesia 将数字人、AI 语音、AI 屏幕录制等功能整合到一个类似 Canva 或 PowerPoint 的操作界面中。这使得任何熟悉 PPT 制作的办公室人员都能轻松制作视频，无需专业视频团队支持，也避免了繁琐的审批流程。视频制作完成后，如果内容需要更新（例如产品的名字变更、政策调整等），可以直接在平台中编辑，不需要重新录制。
过去四年，Synthesia 从一家专注于数字人培训的公司，发展成为企业级视频平台。其成功之处在于将原本分散的视频制作流程整合到一个平台中：从内容拍摄（数字人）、编辑（Adobe）、协作（frame.io）到发布（Vimeo 或 YouTube），Synthesia 提供了一站式解决方案。
作为一个现代化的协作平台，Synthesia 支持团队协作、内容管理，并提供安全保障。此外，Synthesia 还推出了发布平台，让用户都能够直接将视频内容交付给终端用户。这种对整个视频价值链的整合，为 Synthesia 带来了独特优势。例如，可通过视频的互动数据自动创建效果更佳的新版本，或者将视频转化为双向互动的 AI Agents，使其更像一个小型应用程序。
Synthesia 正在提升企业沟通的效率。未来三到六个月内，Synthesia 将发布全新的 AI 视频模型，这将明显提升数字人的质量和逼真度，并允许用户将数字人置于不同的场景中（例如丛林、超市、网球场等）。
Synthesia最初选择从培训市场切入，是因为数字人技术在这一领域已经足够成熟，能够替代传统的 PDF 文档。随着数字人质量的不断的提高，Synthesia 的应用场景也逐渐扩展到产品营销和客户支持等领域。如今，产品营销和客户支持已成为 Synthesia 最大的两个服务领域。
AI 带来的新增预算，可能大多数来源于“劳动力”成本。一些公司通过部署 AI 辅助的 IDE，减少了工程师数量，从而节省了人力成本。原本需要雇佣 10 名工程师（每年花费 300 万美元）的工作，现在可能只要消耗 10 万美元购买 AI 软件。
AI 确实能大大的提升生产力，让公司能够用更少的工程师完成更多的工作。但不一样的公司会有不同的发展路径。如果要建立一家千亿美元级别的公司，仍然需要大量的销售人员和工程师。
如今，一种新的公司类型正在出现：它们更看重效率，不急于扩张团队。这是一种很酷的模式。但如果要进军企业级市场，仍然需要大量的人力。
现在，一种新的衡量指标是“ARR per employee”（每位员工的年度经常性收入），甚至“ARR per engineer”（每位工程师的年度经常性收入）。一些初创公司以“仅有 10 名员工就创造了 2000 万美元收入”为荣。这种高效率是十年前很难来想象的。如今，一些创始人甚至在融资时表示，他们并不打算扩大团队规模。这是一种不同寻常的现象。
但是，当公司发展到一定规模（例如 200-300 名员工）时，仍然需要大量的人力来完成各项任务。即使 AI 可提升效率，也可能仅仅是将这样的一个问题推迟了一两年。
例如，Salesforce 雇佣了大量销售人员来销售其 AI Agents。这表明，即使在 AI 时代，企业级软件仍然需要大量的人力投入。
目前来看，要让一家只有 20 名员工的公司，完成与大规模的公司的百万美元级交易，仍然十分艰难。这需要大量的销售和交易管理工作。
DeepSeek 这类模型的出现，对 B2B SaaS 应用产生了显著影响。最直接的影响是，AI 推理成本大幅度降低。过去，AI 公司的毛利率远低于传统 SaaS 公司，推理成本是其第二大成本。而 DeepSeek 这类模型，可以将这一成本降低 95%。这将使 AI 公司的上涨的速度和盈利能力都得到非常明显提升，估值也可能大幅提高。
对于 Synthesia 而言，推理成本并非主体问题，因为公司已有很好的软件利润率。但 DeepSeek 这类技术突破，从长久来看，对应用层的影响是巨大的。
短期内，用户可能仍会倾向于使用 OpenAI、Anthropic 等主流模型，而非 DeepSeek。但长久来看，这类技术会产生深远影响。模型的性能提升与实际应用之间有差异。优秀的模型需要与具体应用场景结合，才能发挥最大价值。
B2B 公司需要思考的是，如何充分的利用这些新技术，提升产品体验。例如，Gorgeous（一家 AI 客服公司）曾面临每月高达 100 万美元的 AI 成本，但通过优化，他们成功降低了成本。Opus Clip（一家视频剪辑公司）也通过优化业务模式，实现了盈利。
这表明，B2B 公司更应该关注如何利用 AI 技术，提供更好的产品和服务，而不是过分关注成本。例如，HubSpot 目前并未对其 AI Agents 收费。
未来，SaaS 领域的定价模式可能会发生明显的变化。过去两年，SaaS 产品价格持续上涨。但随着 AI 技术的普及和成本的降低，用户可能不再愿意为平庸的 AI 功能付费。这有几率会使 SaaS 行业出现通货紧缩。
对于现有 SaaS 公司而言，增加 AI 功能并收费，可能会侵蚀其利润率。而对那些将 AI 作为核心产品的新兴公司来说，则更容易实现盈利。
SaaS 产品的定价，不应基于成本，而应基于价值。像 Twilio 这样的公司，会在短信成本基础上加价。但大多数 SaaS 公司并不会对 AWS 存储或计算资源加价。
未来，随着 DeepSeek 这类模型的推理成本大幅度降低，SaaS 公司可能会大幅度的增加 AI 使用量，以提升使用者真实的体验，而不是简单地降低价格。用户对 AI 产品的期望也会慢慢的高。
DeepSeek 的一个亮点是，它能够展示其思考过程。这有助于用户更好地理解模型的工作方式，并更有效地使用模型。
未来，SaaS 行业的销售模式，可能会从销售“席位”转向销售“结果”。例如，销售线索，而不是销售代表（SDR）席位；销售已解决的客户支持案例，而不是客服席位。如果这种转变发生，那么 AI 成本的降低，将变得不那么重要，因为客户会更关注 AI 带来的实际价值。
多年前 KeyBank（一家美国的银行和金融服务企业）的 SaaS 行业报告表明，按席位收费的定价模式，从来都不是 SaaS 收入的全部。早在 2020 年或 2021 年，按席位收费收入占比就低于 50%，其余部分来自 API 定价等其他模式。
尽管如此，企业客户仍然希望对支出有明确的预期。他们盼望像控制 Snowflake 支出一样，对各项支出有清晰的掌控。
Synthesia 目前其实是采用按席位收费的销售模式。这与其产品形态有关，Synthesia 升级版的 PPT，在大规模的公司内部有数千名用户。但 Synthesia 也希望销售“成果”，例如减少客户支持电话量、提高销售线索转化率等。
对于 SaaS 公司而言，选择哪种定价模式，很大程度上取决于产品类型。对于创作者工具来说，按席位收费模式可能更合理。
SaaS 创始人应该谨慎对待社会化媒体上的观点，多数企业客户并不希望新的定价模式与以往有太大差异。例如，如果客户之前每月为 Salesforce 支付 300 美元，那么新版本定价 200 美元会显得很划算，但如果采用“每次联络解决收费 83 美分”的模式，可能会增加销售阻力。
SaaS 公司应该更多地关注如何以低摩擦的方式获取客户，而不是在定价模式上花费过多精力。
不要过度关注社会化媒体、VC 或创始人的个人意愿。SaaS 公司应该与客户沟通，明白他们的需求，帮他们实现价值，别的问题自然会迎刃而解。对于 AI 模型这类技术，多数客户并不关心，他们购买的是产品。
2023 年底，AI 领域的融资额大幅度的增加，但交易数量却下降了。这表明，资金大多分布在在少数热门领域（如 Synthesia），且更多地流向了成长期公司。对这些热门领域的公司来说，融资环境甚至比 2021 年更好。
Databricks 近期在私募市场的融资额，甚至超过了 Facebook 当年 IPO 的规模。这表明，成长期 AI 公司的融资规模非常大。
但是，对那些传统的、没有 AI 加持的 SaaS 公司（即“triple triple double”公司）来说，融资环境则相对严峻。这类公司通常会获得较低的估值倍数，投资价格也较为合理。如果这类公司没有 AI 概念，且竞争非常激烈，那么融资会更加困难。
AI 领域的现状，可以用“Groupon 时代”来形容。当年 Groupon 兴起后，迅速涌现出大量竞争者。如今的 AI 领域也是如此，一个企业取得成功后，很快就会出现大量类似的公司。这导致产品差异化变得不那么重要，市场执行力变得更关键。
注：Groupon 是一家于 2008 年成立的团购网站，在 2010-2011 年间迅速走红。其商业模式是通过提供限时折扣优惠券，将消费者与本地商家连接起来。Groupon 在美国取得成功后，这一模式很快被全球复制。尤其是在中国，2010年被称为团购元年，掀起了千团大战的热潮，短时间内涌现了近2000家团购网站，几乎所有人都在复制同一个商业模式。
如今的 AI 产品，在初期往往表现出色，演示效果极佳。但这并不代表它们能长期创造价值。
Synthesia 的融资并非最轻松的一次。在当前的市场环境下，投资者会更加关注企业的实际数据和业绩，例如客户数量、合同金额、续约率等。
一些估值极高的 AI 公司（例如 Devin AI），可能更多地依赖于其强大的故事和团队背景。但对于 Synthesia 这样的应用型 AI 公司来说，估值更接近 SaaS 公司，并在此基础上有所溢价。
Synthesia 在最近一轮融资中脱颖而出，不仅是因为其擅长获取新客户，还因为其在客户续约和扩张方面表现出色。这表明 Synthesia 的产品能够持续为客户创造价值，而不单单是一个“酷炫的演示”。
当前 AI 领域存在一种“恐惧驱动”的投资现象。企业和个人都担心被 AI 浪潮淘汰，因此愿意尝试各种 AI 产品。这导致市场上充斥着大量的“演示预算”。而 Synthesia 的成功，证明了其产品能经受住市场考验。
投资者对 AI 领域“不持久收入”的担忧依然存在，但程度有所减轻。去年，由于 AI 技术的快速变化，整个行业格局都在不断调整。
目前，应用层 AI 的重点是，确定哪些 AI Agents 能够真正创造价值。例如，对于会议记录这类应用，用户愿意支付多少费用？要不要大量不同的会议记录应用？这些都是需要思考的问题。
去年，业界讨论的一个问题是，AI 领域的投入是否大多数来源于“实验性预算”（指很多企业并不是真的需要 AI 产品，但是为了跟上时代，所以会拿出一部分预算来购买一些 AI 产品来进行业务探索），这些预算有没有可持续性？Victor 表示需要证明其拥有超过 100% 的 NRR（净收入留存率）等指标，以证明其收入的持久性。
Zylo 的多个方面数据显示，过去一年，企业并没有增加其应用栈中的应用数量。这在某种程度上预示着，企业可能在增加一些应用的同时，也在整合其核心应用。
Synthesia 有时可能是“替代品”，例如替代培训应用或 Adobe 的部分功能。
问题在于，风险投资、勇于探索商业模式的公司、YC 等领域的活力，似乎都建立在“我们将为三到四倍数量的 Agents 付费”这一假设之上。但企业是不是真的能够处理和负担这么多付费 Agents？
目前，SaaS 领域出现了整合趋势，许多功能被捆绑到一起。例如，销售技术栈就出现了大规模整合。
未来，人们购买 Agents 的原因，可能与购买传统软件不同。例如，大规模的公司可能有数百个安全产品，产生大量警报，但只有不到 1% 的警报会被人工审查。企业可能会购买 Agents 来处理这些警报，而不是购买更多软件。
未来 BDR（业务发展代表）的角色也会发生明显的变化。现在的 BDR 可能只管理少数几个 Gmail 收件箱，而未来的 BDR 可能管理数十个。这在某种程度上预示着 BDR 的数量可能会减少，但每个 BDR 的价值会大幅提升。
因此，未来应用数量可能会保持不变甚至减少，但软件总支出可能会增加，因为它取代了部分人工成本。
从企业管理的角度来看，引入大量新的 Agents（即使它们被称为 Agents，但本质上仍然是应用），会增加采购、IT 流程、安全审计、成本效益分析等方面的负担。
但如果 UX 设计得当，认知负荷可能并不会很高。例如，销售人员可能有数百个 Agents，每个 Agent 负责管理一个潜在客户。这些 Agent 可以收集新闻、社会化媒体信息、播客内容等，并进行转录。销售人能轻松地查看这些信息。
关键在于谁来为这些 Agents 付费。销售代表通常不会自掏腰包购买这些工具，因此公司需要承担这笔费用。这笔费用可能会来自销售预算。过去，每个销售代表的销售预算可能只有几百美元，但后来增加到近千美元。Salesforce 的 Einstein 定价，就是将基础销售席位费用与 AI 功能费用分开。因此，有极大几率会出现现有销售技术栈内的整合和压缩，部分预算会转移到 AI 上。
企业可能会对审查数百个付费 Agents 感到疲惫。但这指的是那些独立的 Agents，而不是那些已集成到现有平台（如 Synthesia、HubSpot）中的 Agents。
从某种意义上说，Agents 可以被视为一种新的软件功能。将其称为“Agents”，可能是为了迎合市场营销的需求。但从本质上讲，它们仍然是软件，是 LLM 驱动的功能。
未来五年，人们可能会反思，为何会花费这么长时间将算法视为“同事”。它们只是为我们达成目标的软件。
Synthesia 认为存在全新的产品类别。Synthesia 通常不会取代现有产品或抢占预算，而是创造新的需求。但跟着时间的推移，Synthesia 可能会取代部分视频制作预算。
关键在于，人们并不是将 Synthesia 与现有产品做比较，而是一个全新的事物。
Synthesia 的预算，可能部分来自服务性支出，例如视频制作机构、翻译服务等。这非常适合于 Agents。
摩根士丹利的一项研究表明，50% 的 AI 预算来自现有软件的替代，50% 来自新增预算。这在某种程度上预示着 AI 预算可能正在蚕食人工成本。
在过去的商业环境中，风险投资家经常建议勇于探索商业模式的公司将开发工作外包到劳动力成本较低的国家，如印度、东欧或东南亚地区。这被视为一种降低经营成本、加速产品开发的解决方案。
这种策略与当今 AI 技术在商业中的定位惊人地相似——两者都被宣传为能够明显降低成本并提高效率的万能工具。
然而，外包策略的成功与失败案例同样存在。一些公司如 Slack、GitHub 和 Skype 在早期阶段成功地利用了外包开发，而另一些则因沟通障碍、质量控制问题或文化差异而遭遇挫折。这些经验教训直接映射到当前 AI 应用的情境中：技术本身并非成功的唯一决定因素，而是如何战略性地实施和管理这些工具。
正如外包的成功并非简单地将任务转移到低成本地区，AI 的应用也远不止于引入技术本身。重点是如何将 AI 与现有的人力资源和业务流程相结合，实现真正的效率提升和价值创造。历史经验表明，盲目追求技术“万能药”往往适得其反，成功的重点是战略性的整合与管理。
AI 的优点是增强人类的能力，而不是完全取代人类。例如，Synthesia 建议人们制作视频，Cursor 这类工具让开发者更高效。那种认为 AI Agents 可以完全自主达成目标的想法，目前来看还为时过早。
未来，优秀的 AI Agents 可能会比 C 级员工表现更好。在客服中心领域，AI Agents 的 CSAT（客户满意程度）通常能排在前 10%，因为它们能高效、准确地达成目标。AI 可能会迅速取代 C 级员工，并逐步取代 B 级员工。