A16z：软件的“无头”时代已经来临，该如何做？

企业软件过去最贵的东西，可能正在被 Agent 一刀砍掉。

不是功能。

是入口。

过去十几年，SaaS 公司最爽的生意是什么？让客户每天打开你的系统，在你的界面里填字段、点按钮、跑流程。用得越久，肌肉记忆越深，迁移成本越高，护城河越厚。

但 OpenClaw、Claude Code 这波 Agent 出来之后，问题变了。

如果用户以后根本不打开你的软件，只是对 Agent 说一句，把合同审批掉，把客户资料更新掉，把发票对一下。

那你的 UI 还值多少钱？

你的用户习惯还值多少钱？

你靠培训、字段、按钮、仪表盘堆出来的壁垒，还剩多少？

这就是 a16z 这篇文章最狠的地方。

它不是在聊一个产品趋势，而是在问一个非常残酷的问题：企业软件真正的护城河，到底会不会从界面里消失。

太长不看版，重点放这里了：

• Agent 会干掉 UI 带来的肌肉记忆，但干不掉真实业务逻辑。

• 未来企业软件的价值，会从界面转移到数据、权限、流程、合规和组织上下文。

• AI 可以很快复刻一个系统前 80% 的样子，真正难的是最后 20% 的例外、审批、监管和潜规则。

• 下一代 SaaS 不只是记录系统，而是能替企业行动、协调和负责的系统。

以下是全文整理。

01

｜软件正在失去它的“头”吗？

上个月，Salesforce 宣布将开放其 API，并推出一款无头产品，本质上是在押注：在一个智能体化的世界里，它的价值存在于数据层，而不是 UI 层。这是一次聪明的重新定位。（不过值得注意的是，从技术上看，似乎并没有太多变化：Salesforce 现在包装成“无头产品”来营销的 API，大多已经存在多年。换句话说，这是一次典型的 Salesforce 式营销发布。）这款新产品背后的想法是，智能体可以访问记录系统中的数据，而不需要与 UI 交互；UI 原本是为人类追踪工作流而设计的。

这则公告很好地引出了一个更有意思的问题：如果你拿掉 UI，暴露出数据库，你实际上还剩下什么？这和一个 Postgres 数据库、一个设计良好的 schema，以及一个 API 有什么不同？让记录系统具备持久性的那些经典因素还会继续存在吗，还是会出现一套新的判断标准？在 SaaS 时代，记录系统之所以有护城河，是因为人类生活在界面里。在智能体时代，这种优势会变弱。护层河会向下移动到数据模型、权限、工作流逻辑和合规，也会向上移动到网络、专有数据生成和现实世界执行。

那么，当软件变成无头形态，护城河会转移到哪里？

02

｜UI 曾经就是产品

记录系统是某个业务数据领域的权威真相来源。它是客户关系、员工记录或财务交易的官方版本所在之处，也是其他工具读取并写回的系统。CRM 是收入的记录系统。HRIS 是人的记录系统。ERP 是钱的记录系统。它们之所以强大，不只是因为它们存储数据，而是因为它们变成了整个组织共同运转所依赖的共享现实。

过去二十年里，Salesforce 卖的是一种让销售领导管理团队的方式。仪表盘、销售管道视图、预测工具和活动流，才是人们真正购买的东西。它的商业模式建立在向用户销售席位的基础上，让这些用户可以访问这些功能。底层数据库至关重要，但只是附带的。

这意味着 UI 推动了粘性。它强制执行数据卫生。它创造了共享词汇：线索、机会、账户。它让成千上万名销售代表录入他们原本不会录入的数据。UI 一直是让数据保持连贯的机制。这个产品如此有粘性，以至于许多销售领导在去新工作时坚持带上 Salesforce，并不是因为 UI 好用，而是因为它已经成为肌肉记忆。

智能体正在开始颠覆这一模式。它们不再通过 UI 交互，而是可以直接读写底层数据，这催生了一波绕过界面的新工具和变通方案（Salesforce 并不是唯一例子：我们最近也写过，SAP 周围正在迅速滋生出一个面向 AI 的完整生态系统）。使用计算机的智能体也会随着时间推移，让偏好、培训、未成文上下文等传统的人类层面因素变得过时。换句话说，成为一个持久记录系统的要求正在演变。

03

｜历史产品数据情况

在追问智能体世界里会发生什么变化之前，值得先精确说明：一套记录系统最初的粘性来自哪里。前几个因素主要关注人类如何与软件互动，以及他们的偏好。软件的粘性很大程度上由 UI、习惯、人类工作流和嵌入式流程塑造。

1. 首先是访问频率有多高？CRM 每天都会被 GTM 团队以及更多团队使用。这种频率让它成为关键基础设施，而建立在其上的人类层，比如仪式、肌肉记忆、多年形成的管理节奏，往往是最难迁移的东西，因为它甚至不会被识别为需要迁移的对象。

2. 其次是它是只写系统，还是读写系统？有粘性的 SoR 是读写型 SoR。比如，CRM 不是一个只写档案库；它会被不断读取。每一通被记录的电话、每一次阶段更新、每一项被创建的任务，都是由某个人输入的（可以假设这个人关心自己在做什么）。这种双向流动意味着任何替代品都必须处理实时运营数据，而不只是历史导出。没有一个安全的切换时刻，因此企业一旦完成上手，就倾向于继续留在同一个供应商那里。相反，申请人追踪系统（ATS）往往偏只写；招聘完成之后，回到这些数据里的理由很有限。

3. 有多少未成文的 SOP？业务关键上下文并不存在于任何 wiki 里；它被编码在管理员和系统集成商多年积累出来的工作流规则中。以销售为例，未成文的上下文是：超过 10 万美元的企业级交易需要副总裁批准，EMEA 交易需要隐私审查，战略标杆客户的折扣只有在季度末才可以绕过财务。而这种上下文往往决定了一件事能否及时完成（或能否不违反某项重要惯例），甚至决定这件事到底会不会发生。迁移意味着要逆向工程每一条自动化规则，否则就会彻底失去机构记忆。

4. 内部或外部依赖呢？是否很多？核心问题是，有多少内部系统、团队流程或外部利益相关方依赖这个记录系统。内部连接性指的是其下游的其他软件或工作流。外部连接性指的是审计师、会计师或监管机构等外部方，他们需要直接访问数据，例如访问 ERP 中的数据。无论在哪个维度上连接性越高，迁移时需要解开的东西就越多。

5. 从合规角度看，这些数据有多关键？这里的核心问题很简单：这个系统是否合规关键？像薪资、ERP 和 HR 数据这样的合规关键系统，需要一个在法律上可辩护的真相来源、严格的管理员访问控制，以及审计师和监管机构对任何迁移的直接参与。这会让它们显著更有粘性。销售数据和 Zendesk 这样的客户支持工具则位于另一端：你会关心连续性和上下文，但如果数据迁移或有人获得访问权限，并不存在监管暴露风险。

并不是所有记录系统都具有相同的切换成本。用同样的维度来给 CRM 和申请人追踪系统（ATS）打分，差距会非常明显。ATS 是一个服务于有限流程的工作流工具：招聘。一旦候选人被录用或拒绝，该记录基本上就是一次写入。集成更窄。用户群也更小、更集中。

ERP 则位于另一个极端：总账就是审计轨迹，而你的会计师、审计师和监管机构都会成为任何迁移中的直接利益相关方。替换 ATS 很痛苦，但能活下来。替换 CRM 是开胸手术。替换 ERP 则是在病人跑马拉松时做开胸手术。

传统上，记录系统并没有利用专有数据或网络效应这样的护城河创造器；工作流通常已经创造了足够的护城河。如果说有什么相反例子，那也是消费级业务把工具和网络结合在了一起；历史上，SoR 并没有这么做。原因有俩：

6. 专有数据情况如何？ - 虽然许多记录系统收集了客户数据，但它们并没有真正用这些数据做太多事情（而且往往在合同上也不能这么做）。因此，虽然 CRM 拥有丰富的数据集，并且本可以跨客户聚合，产生跨客户洞察，但它们从未以有意义的方式做到这一点（尽管也有过一些尝试，比如 Salesforce 的 Einstein）。

7. 网络效应 - 网络效应本来会是圣杯。CRM 会因为软件销售方可以找到买方而变得更有价值。和数据一样，从历史上看，网络效应对于记录系统来说最多也只是很弱。

04

｜那么，如果 UI 消失了，而智能体到来了，该怎么做？

智能体不需要浏览器。它需要 API、上下文、指令，以及采取行动的能力。有两件事让这一切得以规模化发生：LLM 已经具备足够的推理能力。因此，一个智能体现在可以读取上下文、制定计划、选择工具、执行动作并审查输出；在大多数任务中，不需要人类介入。而 MCP 标准化了工具访问，为智能体调用外部能力提供了通用接口。一个拥有你平台 MCP 访问权限的智能体，可以在毫秒级、规模化地完成一个人类用户会做的事情，而不需要浏览器。有了正确的上下文，使用计算机的智能体甚至应该能够导航既有软件界面，而不需要 API。

简化来看，现在软件买家有三条路径：

1. 既有系统 + 智能体。使用既有系统的 CLI 和 API，或者通过它们原生的智能体产品（Salesforce 的 Agentforce、SAP 的 Joule），或者在其上构建自己的智能体。（先暂时相信 API 是完整且可用的，也先暂时相信无头化并没有实际那么复杂。）

2. 完全 DIY 记录系统。自己从零构建数据模型、运营逻辑、权限、审计轨迹、集成等，以及自己的智能体（很可能会利用第三方智能体构建工具和数据库工具）。

3. 购买 AI 原生替代品。购买新一代从一开始就为智能体时代构建的软件，它面向机器可读性而设计，把智能体编排作为一等功能，而不是事后加上的补丁。这也可能是无头形态。

那么，旧评分表里有哪些东西会留下来？由人类行为和偏好驱动的元素会消退，比如访问频率，或读写与只写之间的差异，这些都和人类肌肉记忆相关。智能体也许会杀死作为护城河的肌肉记忆，但它们不会杀死作为护城河的运营逻辑和上下文。恰恰相反，它们会让这种逻辑更重要，因为智能体需要明确的规则、权限和流程定义，才能安全地行动。

短期内，未成文的 SOP 仍然重要。编码在工作流规则中的机构逻辑，正是智能体代表你正确运作所需要的东西。它也是最难重构的东西。至少目前，它还不能被干净地导出，尤其是在流程中的某些部分仍然有人类参与时。不过，捕捉上下文正在变得更容易；随着智能体取代更多劳动，这一点会变得不那么相关。

连接性仍然难以解开，而且会进一步延伸。连接性这个因素正在转变。它不再那么关乎跟上人类，而更多关乎在传统上相互孤立的职能和软件之间保持连接。一个 CRM 智能体需要把销售、账单和客户成功之间的数据与上下文缝合起来。如果你的平台同时也是来自多个外部组织的智能体进行交易的节点，连接买方、卖方、合作伙伴，那么依赖会进一步加深。带有智能体的既有厂商，将更难跨越各种底层软件的基础对象来工作；DIY 数据库加一组智能体也会遇到同样的问题。

合规关键数据仍然重要。面向监管机构的数据，或带有监管/法律风险的数据，需要一个单一可信的数据来源。如果客户信任既有产品，他们就不太可能切换。以薪资和会计数据为例：智能体可能想访问这些数据，但你不太可能在内部自建并维护它。在一个完全智能体化的世界里，最难解决的未解问题之一是：哪些智能体被授权做什么、代表谁、具备怎样的可审计性？一个成为智能体间交互的身份与权限层的记录系统，会拥有一种真正难以取代的结构性角色；这不是因为它持有的数据，而是因为它强制执行的信任架构。

向前看，对于 AI 原生创业公司来说，一组越来越相关的因素会变得重要，用来推动护城河：

重建这个 SoR 有多难？- 数据会以几种方式变得更加重要。首先，短期内，重要的是提取并重建记录系统底层数据的难易程度。AI 正在通过许多工具让这件事变得容易。在短期内，既有厂商可以、也会通过让 API 变得痛苦、受限、不完整，或在经济上不具吸引力来增加难度；如果它们真的提供 API 的话。但随着提取工具变得更好，尤其是随着使用计算机的智能体提升，这会变得更容易。与此同时，当然，新公司也正在从邮件、电话、语音智能体和内部文档中重建一组更丰富的数据。AI 降低了重建一个记录系统前 80% 的成本。剩下的 20%，也就是例外情况、审批、合规要求和边缘工作流，仍然是一个有用切入点和真正替代品之间的分水岭。

是否存在有意义的专有数据？- 其次，数据本身会变得更有意思。护城河的数据不是你导入的数据，而是你的产品独特地促成其存在的数据。我们谈到过数据围墙花园，也就是专有的、受监管的，或需要不断更新的数据。一个投入精力收集权威且完整数据的软件提供商，相比通用型提供商或没有这些数据的竞争对手，会拥有优势。数据的另一个方向，是当数据依赖于内部生成的行动时。最好的公司不会只是把别处输入的数据拿来入库。它们会因为自己处在流程闭环中，而生成新的数据尾迹，包括观察到的行为、响应率、时间模式、流程结果、基准、异常模式和智能体性能轨迹。这里的关键在于，数据现在就是上下文。

它是否拥有行动层？- 在旧世界里，存储记录就足够了。在新世界里，智能体会采取行动，而护城河可能会转移到那些能够闭环运营的产品上：从采取行动，到捕捉结果，再到利用反馈改善未来决策。对 ERP 来说，这可能包括批准支出、触发薪资发放、对账发票、发送通知等等。能够闭环的产品更具护城河，因为它们处在执行之中，而不只是观察之中：它们生成独特数据，随着使用而改进，并且在不破坏工作流的情况下更难被移除。当然，随着收集到更多上下文、处理更多边缘案例，这里的价值会继续增加。

是否存在现实世界执行元素？- 有些商业模式与不会被完全自动化的现实世界运营相连。显而易见的例子是那些已经建立运营网络的企业，比如 DoorDash；它们历史上并不是记录系统，但在这里很有启发性。更广泛地说，任何能够把闭环延伸到服务、履约、物流、现场运营或支付中的软件业务，都拥有一种不同于纯 SaaS 的护城河。这些公司不只是存储记录或推荐行动；它们会派遣人员、移动货物，或完成服务。

对建设者而言，这意味着机会会出现在这样一些市场：软件越来越能做决定，智能体越来越能协调，但最后一公里仍然需要在现实世界中执行。例如，与现场服务绑定的垂直软件。

是否存在网络效应？- 从历史上看，大多数记录系统中的网络效应都很弱，因为软件主要用于内部。但在智能体世界里，如果系统嵌入了多方工作流，网络效应可能会变得重要得多。如果系统调解多个参与方之间的经常性交互，比如买方和卖方、雇主和雇员、公司和审计师、供应商和客户、付款方和医疗服务提供方，那么每增加一个参与者，都可能让网络对下一个参与者更有用。

一种方式是共享工作流协调：产品成为流程双方进行交易、交换上下文和解决异常的地方。另一种方式是基准和智能：系统可以基于跨网络观察到的模式，呈现常模、异常和建议，这一点与上面的数据因素共同发挥作用。第三种方式是信任和标准化：一旦交易对手开始依赖同一套轨道来进行审批、交接、合规或支付，产品就会变得更难被取代，因为它不再只是一个数据库，而是市场本身协调基础设施的一部分。

买家的技术能力有多强？- 在一个任何人理论上都可以构建自己智能体的世界里，买家实际做到这一点的能力仍然存在巨大差异。尤其是在垂直终端市场，以及历史上没有强大内部工程资源的职能买家中，他们自建、维护并持续改进自己的数据库、工作流逻辑、智能体栈和治理层的概率仍然很低。成本在这里也很重要：DIY 理论上可能降低软件许可费用，但往往会把支出转移到实施、维护和内部复杂性上。这意味着，在买家运营复杂但技术服务不足的类别中存在真正机会；大量制造业、建筑后台、工业和现场服务工作流，以及会计等领域，都是如此。

还有几个同样会成为软件入场券的重要因素。例如，本体需要不同。许多“DIY 数据库”的思考低估了对象模型本身承载了多少价值。既有软件是为仪表盘、报表和人类而构建的，捕捉的是工作流。对象会是机会、工单、候选人等等。智能体化 schema 需要捕捉推理、行动、状态追踪、异常处理、委派，以及跨系统协调。原生对象模型可能会变成任务、意图、线程、策略或结果。

类似地，权限也需要更新，用来管理智能体，而不只是人类。这包括：谁可以做什么，通过哪个智能体，在什么政策之下，需要哪些批准，带有什么审计轨迹，以及具备怎样的回滚/异常处理。

当然，所有这些都处在成本语境之中（例如，构建和维护智能体/数据库要花多少钱，API 访问成本是多少），这又会绕回到数据有多难重建、依赖数量有多少等问题。

05

｜那么，这最终把我们带到哪里？

随着既有厂商走向无头化，它们是在做一个隐含押注：数据层将继续是价值来源。在某些类别中，尤其是金融服务等深度受合规约束的类别里，这个押注可能还能成立一段时间，无头化也可能离得更远。对于软件建设者来说，随着既有厂商走向无头化，与它们竞争并构建持久软件的机会正在改变。下一代记录系统已经开始呈现出不同面貌：它们不只是用来记录人类工作的数据仓库，而是智能体化的系统，能够捕捉上下文、发起工作并记录数据尾迹。更进一步，最有意思的公司会延伸到现实世界执行中，协调现场工人、物流提供商、服务团队和物理资产，或位于多方之间。它们会混合旧世界的商业模式，而传统记录系统的核心，也就是数据，将退到背景里。