a16z观点:SaaS 的入口正在从数据库挪到推理层
摘要
a16z 这周发了一篇观点文章 - From System of Record to System of Intelligence。同一天 Notion 把工作区改造成 AI agent hub。两件事放一起看,是 SaaS 产品形态的一次方向调整 - 入口正在从“我帮你把数据存好”挪到“我帮你拉所有上下文做事”。

a16z 这周发了一篇观点文章,标题就是结论 - From "System of Record" to "System of Intelligence"。同一天 Notion 也上了它的 Developer Platform:Workers(云端隔离沙箱跑自定义代码)、Database Sync(从 Salesforce / Zendesk / Postgres 同步数据)、External Agent API(把第三方 agent 接进工作区)、基于 MCP 的 Agent Tools、还有一个 Notion CLI。
两件事放在一起看不是巧合 - 是 SaaS 产品形态的一次方向调整。a16z 用了两个缩写贯穿全文:System of Record(数据库式的"记录系统",下文简称 SoR)和 System of Intelligence(坐在记录系统之上的"推理系统",下文简称 SoI)。下面分几节聊聊:a16z 的核心论点、SoI 落到实际场景长什么样、为什么不是又一次 SaaS 形态翻转的空喊、Notion 这一步具体兑现了什么,以及一个 a16z 没正面回答的隐忧。
a16z 的类比 - news feed 大于 friend graph
文章用 Facebook 的演化做了类比。社交媒体早年最值钱的是 friend graph,但最终 news feed 才是真正的产品 - 个人主页沦为众多输入信号里的一个。a16z 的判断是 CRM 也会走同样的路:Salesforce(1400 亿估值)和 HubSpot(90 亿)不会消失,但它们会逐渐从"用户每天打开的入口"变成"被 API 调用的基础设施"。

为什么?因为 AI agent 不需要数据集中在一个地方才能工作。它可以同时拉 CRM、邮件、日历、电话录音、Slack、计费、产品运行数据,再合成出一个建议或动作。当上下文可以跨系统编排,"谁存了数据"就不再是一道护城河。a16z 说:"In the AI era, gravity will come from orchestration." - AI 时代的重力来自编排层。

这套类比并不新,2023 年就有人讲过。新的是现在能看到具体公司在这条路径上跑起来。
SoI 落到实际场景长什么样
a16z 用销售(GTM)作为切入点,因为这是 SaaS 商业模型最饱和、产品壁垒最依赖数据沉淀的场景之一。他们列举的几个具体形态:
- 梳理账户的早间情报 - 客户经理早上打开看到的不再是静态的客户清单,而是一个按昨夜新闻、市场动态、对手活动排过序的信息流
- 外呼系统实时给出反对话术 - 销售在电话里听到客户反对一个点,外呼系统实时给出三条历史里成功过的应对路径
- 通话 AI 自动写 CRM 笔记 - 通话结束销售开发员不用再花 15 分钟敲 Salesforce
- 复盘销售纪律的会议分析 - 跨整个团队的电话录音里找出"哪个销售在哪类对话上漏问关键问题"
这些都在销售这一个场景里。把镜头拉远,相同的形态在每个 SaaS 类目都能复现:
- 编码 - Cursor 不是 IDE 2.0,它是坐在 IDE 上的推理层;底层文件系统和 Git 仓库变成了它的"数据库"
- 会议 - Granola、Otter、Fireflies 把"开会"和"会议笔记 / 待办事项 / CRM 写入"合成一个工作流,原来的录音存储成了被消费的资源
- 企业搜索 - Glean、Lindy 把分散在 Drive / Slack / Confluence / Jira 的内容做成一个统一推理层;那些底层 SaaS 不再是日常入口
每个类目都有同样的结构:一个 SoR 形态的存量市场,一个 SoI 形态的新切入。

不是空喊 - 几个可观察的信号
类似的论点容易写成"未来会怎样"的纸上谈兵。但有几个具体信号说明这次不是。
第一个信号是老牌 SaaS 自己的姿态调整。 Salesforce 过去一年明显在往 API-first 走,发了 Agentforce 也开始把自家功能拆成可被外部 agent 调用的工具。HubSpot 类似。这不是"应对竞争",是承认自己更适合做基础设施而不是入口 - Stripe 当年走过同一条路,结果反而做大。
第二个信号是企业采购的预算结构在变。 a16z 的一个反直觉观察是:SoI 工具不替代销售团队的规模,反而把总预算做大了。逻辑是销售业绩达成率提升、ROI 改善、可以养更多销售。这点和"AI 取代销售"的叙事相反,但和过去几年实际企业采购单看到的更吻合 - Clay、Apollo、Common Room 这些都是加法不是减法。

第三个信号是协议层的成熟。 一年前要让一个 agent 同时拉 5 个 SaaS 的数据要写 5 套集成代码。MCP 普及之后这件事的边际成本急剧下降 - 这才是 SoI 在 2026 年具备工程可行性的真正原因。
Notion 这一步具体兑现了什么
回到开头。Notion 同一天发的 Developer Platform 是把 a16z 的论点落到自家产品上的一次公开兑现:
- Notion Workers - 云端隔离沙箱跑自定义代码。意思是不用自己跑后端,业务逻辑直接编排在工作区里
- Database Sync - 从 Salesforce、Zendesk、Postgres 把实时数据拉进 Notion。Notion 不再要求你把数据搬过来,它去取
- External Agent API - 第三方 agent 可以以一等公民的身份接进 Notion 工作区
- Agent Tools - 基于 MCP 的自定义工具构造器
- Notion CLI - 工具链开始向开发者倾斜
自 2 月推出 Custom Agents 起,用户已经造了 100 万+ 个 - 这个数字单看不重要,重要的是 Notion 已经验证了"在工作区里直接写 agent"这种做法有用户基础。Workers 在 8 月之前免费用,是经典的"先把人吸进来再说"的扩张姿态。
把这套东西放回 a16z 的框架:Notion 之前的护城河是"我帮你把所有 doc / db / wiki 存在一个地方",是典型的 SoR。今天它在主动让出这个位置 - 数据可以不存在 Notion,但编排必须经过 Notion。这是一次形态切换。
一个 a16z 没正面回答的隐忧
a16z 文章下有一条评论很尖锐:编排层一旦积累两年的推理与行为数据,它自己就会变成新的客户锁定来源,故事再循环一遍。这点 a16z 整篇文章都没正面回应。
我觉得这条评论说对了一半。"编排层会变成新的锁定来源"这点几乎一定会发生 - 但形态会和数据锁定不一样。
数据锁定是显式的:要换 CRM,得迁数据,痛苦但可量化。编排锁定是隐式的:你的 agent 经过两年积累,知道你们公司的对话风格、知道哪个客户值得加分、知道哪些任务可以自动执行、哪些必须人审。这是隐性知识,连显式描述都很难,更别说迁移。
所以下一代企业软件的护城河可能既不是数据,也不是 UI,而是 agent 对一家公司具体业务的"理解程度"。这个东西不在数据库里,而是分散在提示词、工具定义、历史决策样本、人 + agent 的交互模式里。这种护城河没人形容过、没有现成的术语,但是它比数据更难绕开。
builder 看到什么、buyer 看到什么
对正在做企业软件的人:a16z 这篇值得读完。它没有告诉你怎么做(这类文章本就不该告诉你),但它告诉了你哪个方向现在是开放的 - SoI 形态的新公司,每个垂直类目都还没有明确赢家。
对正在评估企业软件的人:可以开始留意"这家公司的 agent 是不是真的能跨我现有系统拉上下文",而不是"它的数据库有多大"。前者是它的 SoI 能力,后者只是它的 SoR 锁。
对自己写 agent 的人:这两年里你做的 agent 工具集(特别是 MCP server)、agent 的指令文件、积累的运行轨迹样本比数据更值钱 - 因为它们就是上面说的那种隐式知识的载体。保护好它们。
相关文章
2026年6月20日
【AI早读 0620】AI Agent 重塑软件生命周期
Google 的新软件生命周期白皮书把 Agent 定义为“模型加 harness”,强调 Context Engineering、验证和渐进式披露;多篇实践进一步展示 Agent 如何从写代码延伸到部署、数据分析、信息检索和云平台运维。
2026年6月19日
【AI早读0619】GLM-5.2登顶开源,智能体安全框架密集发布
GLM-5.2 以 753B MoE、百万 token 上下文和 IndexShare 稀疏注意力机制登顶开放权重模型;Google DeepMind 发布 AI Control 路线图,Amazon Bedrock AgentCore 正式 GA,智能体安全与运行基础设施同步加速。
2026年6月17日
【AI早读 0617】模拟部署预测模型安全,OpenAI 发布 Deployment Simulation
OpenAI 发布 Deployment Simulation,用真实对话分布模拟新模型上线后的行为,在发布前预测安全风险;Martin Fowler 网站则通过 Bayer 的 PRINCE 案例,总结 Context Discipline 与 Harness Engineering 如何提升 Agentic RAG 系统可靠性。
最近一封 · Sample
【AI早读 0621】透明度与人才流动:Google 给扩散模型做解剖,AlphaFold 之父投奔 Anthropic
“Google DeepMind 对 DiffusionGemma 展开透明度审计,发现扩散语言模型的中间变量仍可解释,但非时序推理让算法透明度更具挑战;AlphaFold 创造者 John Jumper 离开 DeepMind 加入 Anthropic;Codex 则新增从一次操作演示中学习并重复执行工作流的能力。”
—— william
来信
里面装的是
- 新文章 — 写完一篇就寄一封,不攒货
- 这周读到的、看到的、好用的工具
- 正在折腾的实验,附带翻车记录
约莫 1–2 周一封 · 随时退订
合作伙伴
CompeteMap — 英国及爱尔兰学生竞赛一站式搜索
数学、编程、科学、写作等各类竞赛信息汇总,支持按年龄和科目筛选,再也不错过报名截止日。