結果即服務：如何構筑產業互聯網的RAAS護城河？

【億邦原創】近期，紅杉資本拋出了“結果即服務（RAAS）將是未來十年潮流”的預言。而在這一片資本敘事與產業現實的評論聲中，一個更本質的問題浮出水面：RAAS的真正核心競爭力是什么？答案或許不在于AI技術本身，而在于企業對數據要素的駕馭能力上來——既包括將AI與數據資源深度融合的應用力，也包括對數據資源進行持續治理、構筑獨特壁壘的治理力。

01 誰更重要？資本敘事與產業現實各自的觀點

在紅杉資本那份名為《Services:The New Software》的報告中，它拋出了一個略帶顛覆性的判斷：單純做AI工具的時代已經終結，全球下一個萬億美元市值的科技巨頭，將誕生于AI服務賽道，將是一家披著軟件的外衣、然而卻直接交付結果的服務型企業。報告給出的核心論據在于一組對比數據，即：企業每花費1美元在軟件工具上，就會配套支出6美元在人力與業務服務上。如果說當前的AI技術已經進入市場成熟階段的話，那么，從“賣工具”轉向“賣結果”就是一個必然。而同時就意味著，AI企業將從相對狹小的技術工具市場，邁入體量翻倍的萬億級服務市場。

這一論述因其邏輯的自恰而迅速引爆了創投圈，許多人認為應是未來之“標準答案”。但爭議者亦隨之而來。有產業觀察人士敏銳地指出，紅杉的提出的服務的“Autopilot全自動結果交付”愿景存在根本性缺陷——真實的服務場景不存在純粹基于規則、過程零變量的工作——“服務”本身不同于產品的基本特點。AI處理非標任務必然出錯，需要人力兜底。AI企業從技術轉向服務，必然會出現輕資產生意降級為重人力交付的服務，不具備規模化基因。當前市場上標榜“結果交付”的AI項目，實質大多可歸為三類：RPA換皮、輕度AI輔助工具或傳統外包數字化升級，均未實現真正的全自動交付。

那么，RAAS究竟是一場顛覆性的商業模式創新呢，還是一場無法落地的資本幻夢？這個問題的答案，或許需要回到一個更基礎的層面來尋找：數據要素。國家數據局將2026年定義為“數據要素價值釋放年”，而在產業互聯網的土壤上，一批先鋒企業的實踐已經揭示了一個關鍵邏輯——RAAS能否真正跑通，不取決于模型參數的大小，而取決于企業對數據要素的駕馭能力。我們可以從以下兩個RAAS的典型案例——分別在AI銷售Agent和SaaS采購管理這兩個產業互聯網內的不同細分賽道，可以分析一下其中的邏輯。

案例一：光年觸達：AI銷售Agent幫企業全球“搶單”

光年觸達是2025年4月由清華90后創業者潘一鳴在上海創立的，該公司的業務很清晰而簡單：讓AI智能體替企業主動找海外客戶。光年觸達的核心產品是AI銷售Agent iSales，它不同于傳統SaaS工具——企業購買軟件后需自行配置人員使用，買回去后發現由于缺乏持續運營而難以產生實際價值。光年觸達交付的不是工具，而是結果?？蛻魺o需額外招人，也無須派人來學習系統的使用與管理，iSales自動完成業務所要求的客戶開發、郵件觸達、意向篩選等工作，企業只需跟進最終篩選出的有效線索，并按實際效果付費即可。

這一模式直擊跨境B2B企業的獲客痛點。過去，大部分企業依賴線下展會或平臺競價獲客，以致于上一代的SaaS產品在該市場的滲透率幾乎不到20%。而光年觸達不同，其獲客的服務能力不在于軟件的精妙，而在于其數據能力：iSales的后臺整合了全球商業數據源，能夠通過AI算法自動分析海外市場的行業趨勢、各國相關公司的動態和采購信號。當系統識別出某家海外企業近期有明確的采購意向或業務擴張計劃時，Agent便會自動生成多輪個性化觸達策略，以極低的成本完成從線索發現到意向篩選的全流程閉環。在盈利路徑清晰可見的基礎上，光年觸達在2026年3月完成了百萬美元的天使輪融資。

案例二：將“省錢”本身打包為結果即服務的Vendr

如果說光年觸達是AI原生RAAS的代表，那么Vendr則展示了一條更傳統的路徑：用歷史交易數據與專家智慧的復利，將“省錢”本身打包為結果即服務。

Vendr是一家總部位于波士頓的美國公司，該公司2022年B輪融資后估值達到10億美元。其盈利模式就是收取企業軟件支出1%至5%的管理傭金。以500人規模的企業為例，年度軟件采購成本通常在200萬至350萬美元，按2.5%的中位費率計算，單筆服務可產生5萬至8.75萬美元的收益?？蛻羝髽I之所以愿意為其服務買單，是因為Vendr提供了成本控制承諾，即平臺確保為客戶節省的軟件采購成本超過其服務費，若未能達成，全額退還服務費。這種“效果保障型”合作機制，本質上是RAAS在非AI領域的成熟映射。根據Vendr官網披露的數據，客戶平均ROI高達8倍——即客戶每支付10萬美元服務費，Vendr平均為他們省下80萬美元。

Vendr并沒有大規模使用當前最新的大模型技術，其最強悍的壁壘是企業SaaS采購價格數據庫。這家公司日復一日地積累各個品類軟件在不同客戶規模、合同期限、附加條款組合下的真實成交價格樣本。Vendr還深度追蹤每家主要SaaS供應商的價格策略沿革——什么時候漲價、什么條件下可以拿到折扣、什么樣的客戶畫像更容易獲得優惠條款——這些跨越多年的歷史數據構成了一個深度治理的知識圖譜。當新客戶提出服務請求時，Vendr的團隊和系統基于歷史交易數據的再挖掘與結果映射，為客戶輸出精準的成本控制方案。因為價格數據庫極其厚重且積累了長期治理經驗，任何新的競爭者想要在短時間內建立同等深度的數據資產都幾乎不可能。

此外，Vendr還持續跟蹤了成千上萬家企業的實際采購結果與議價實踐，并在公司內部形成一套不斷優化的標準化價格分析與效果校對機制。每一筆交易完成后節省的資金，不僅是客戶的收益，更成為Vendr數據資產的一次迭代增量。

02 RAAS模式的核心邏輯：數據要素的雙重駕馭能力

從這兩個案例來看，光年觸達和Vendr分處不同賽道——一個是AI驅動的銷售Agent，一個是傳統數據驅動的采購服務——但它們卻有著一個共同的底色：其模式的核心競爭力都來自于對數據要素的系統性駕馭能力，而這種能力主要表現為“應用”與“治理”這兩個相互支撐的維度。

一般來講，應用力指的是企業能否將AI技術與數據資源高效結合，在產品層面交付可量化的業務結果。在RAAS模式下，“應用力”的直接表現是越用越聰明、越跑越精準的交付閉環。當前中國AI應用市場正迎來從“能力展示”到“產業應用”的歷史性轉折，但產業互聯網領域面臨的核心瓶頸之一，正是“模數共振”能力不足——即AI模型與行業數據資源的深度融合仍處于初級階段。當大模型能力高度同質化之后，誰能將自有數據資產與模型能力結合得更緊密、更智能，誰就能交付更精準、更可靠的結果。光年觸達的價值恰恰來自對全球商業數據源進行持續高效處理，并能根據每次結果反饋實時調整——這是典型的“應用力”驅動模式。

而治理力指的是企業能否對數據資源進行持續的管理、清洗、結構化與安全治理，形成稀缺且難以被模仿的數據資產護城河。應用力解決的是“跑得更快”的問題，而治理力解決的是“別人追不上”的問題。Vendr的實踐充分揭示了治理力的價值。它的核心資產不是算法模型，而是在漫長經營中日積月累的軟件采購價格數據。這些數據在合規保護和行業數據稀缺性的雙重加持下，變成了一道無法被輕易跨越的圍墻。任何新進入者想從零開始復制Vendr的價格數據庫和議價經驗，即便投入巨額資金和時間也難以實現——因為Vendr的數據是過去幾年數千家客戶真實交易的自然沉淀，具有顯著的時效性和獨占性。同樣，光年觸達長期積累的海外B2B獲客數據資產，既是產品持續迭代的燃料，也是防止跟風者用通用大模型輕易取代的“先發壁壘”。

事實上，從“應用力”的維度看，光年觸達的價值不在于調用某個“更大”的模型，而在于將全球商業數據資源與銷售Agent實現了深度融合。當其他AI銷售項目大多直接調用通用大模型加付費數據庫時，光年觸達的創始人以算法驅動思維將商業流程抽象成算法再優化，選擇了一條實現門檻更高、但效果更好的技術路線。這背后正是“應用力”的體現——通過持續的反饋數據閉環，每一次郵件是否被打開、每一條線索是否轉化為有效商機，都成為訓練模型下一輪任務的養料，讓AI越用越聰明、越跑越精準。把AI用到痛點上，就是這種能力的體現。

當然，應用力來需要治理來支撐。從“治理力”的維度看，光年觸達的核心壁壘在于其積累的行業數據和客戶行為數據的治理深度。針對B2B貨物貿易這一高度垂直的場景，企業需要處理大量的非標信息——不同國家的貿易政策、不同行業的采購周期、不同企業的決策習慣——這些數據只有經過長期的清洗、標注和結構化治理，才能轉化為Agent可理解的銷售策略知識圖譜。任何新進入者想要在短時間內復制同等深度的垂直領域數據資產都幾乎不可能，因為光年觸達的治理基礎是在服務真實客戶的過程中自然沉淀和迭代出來的。這正是“數據治理力”構筑起的競爭護城河。

在AI應用領域，有一個被反復驗證的判斷：AI在企業核心業務場景（如風控合規、招投標評審）中的差錯率仍然居高不下——這也是近期億邦智庫訪談多家產業互聯網企業后得到的實際結果——其中數據治理與標準體系建設缺乏明確主體被認為是主要瓶頸。這也從反面印證了：沒有扎實的數據治理基礎，RAAS的“結果交付”承諾很難成為事實。而換個角度來看，我們也可以看到，數據治理與數據應用的共同優化，事實上構成了RAAS模式的內在護城河。

03 數據為錨：產業互聯網在當前與未來的競爭法則

紅杉資本的RAAS敘事雖然在落地節奏和商業化路徑上引發了激烈爭議，但它所指明的方向無疑是正確的：未來的商業競爭將從“賣工具”全面轉向“交付結果”。但誰能成為這一浪潮的最終贏家，答案不在模型的參數比拼中，而在企業對數據要素的駕馭深度里。

應用力的強弱，決定了你的RAAS產品能否跑得通、用得好；治理力的高下，則決定了你在跑通之后能否守住市場優勢、拉開與追趕者的距離。缺乏應用力的RAAS只是一具沒有靈魂的數字軀殼，交付不了客戶所要的價值；而缺乏治理力的RAAS則是一座沒有圍墻的金礦，任何一個擁有足夠資本的競爭者都能在較短時間內快速逼近。

數據要素正通過變革創新模式、重構產業生態、優化要素配置和催生新業態四種路徑，成為推動實體經濟高質量發展的核心引擎。而在產業互聯網的土壤上，這條邏輯正在被光年觸達、Vendr等企業用真金白銀的實踐反復驗證。

在未來，不僅有可能是參數最大的通用AI服務商，而更大可能的是那些能夠在垂直場景中建立起數據飛輪、讓數據治理壁壘不斷加固的控制型RAAS企業。它們既懂得如何用AI和數據資源激發應用力，更懂得如何通過持之以恒的治理建設，讓這份競爭力固若金湯。護城河不再僅僅源于技術能力，而在于與客戶需求的深度綁定及阻力最小的使用路徑。而在AI加速去魅的2026年，這條護城河的基石已經清晰顯現——數據要素。以數據為錨，以結果服務為帆，那些手握數據雙核能力的企業，才能真正在RAAS的浪潮中行穩致遠。

億邦智庫將持續關注產業互聯網發展與企業數據要素競爭力提升，并報道相關發展的新成果與新案例。

聯系郵箱為：huangbin@ebrun.com