【亿邦原创】近期，红杉资本抛出了“结果即服务（RAAS）将是未来十年潮流”的预言。而在这一片资本叙事与产业现实的评论声中，一个更本质的问题浮出水面：RAAS的真正核心竞争力是什么？答案或许不在于AI技术本身，而在于企业对数据要素的驾驭能力上来——既包括将AI与数据资源深度融合的应用力，也包括对数据资源进行持续治理、构筑独特壁垒的治理力。
01 谁更重要？资本叙事与产业现实各自的观点
在红杉资本那份名为《Services:The New Software》的报告中，它抛出了一个略带颠覆性的判断：单纯做AI工具的时代已经终结，全球下一个万亿美元市值的科技巨头，将诞生于AI服务赛道，将是一家披着软件的外衣、然而却直接交付结果的服务型企业。报告给出的核心论据在于一组对比数据，即：企业每花费1美元在软件工具上，就会配套支出6美元在人力与业务服务上。如果说当前的AI技术已经进入市场成熟阶段的话，那么，从“卖工具”转向“卖结果”就是一个必然。而同时就意味着，AI企业将从相对狭小的技术工具市场，迈入体量翻倍的万亿级服务市场。
这一论述因其逻辑的自恰而迅速引爆了创投圈，许多人认为应是未来之“标准答案”。但争议者亦随之而来。有产业观察人士敏锐地指出，红杉的提出的服务的“Autopilot全自动结果交付”愿景存在根本性缺陷——真实的服务场景不存在纯粹基于规则、过程零变量的工作——“服务”本身不同于产品的基本特点。AI处理非标任务必然出错，需要人力兜底。AI企业从技术转向服务，必然会出现轻资产生意降级为重人力交付的服务，不具备规模化基因。当前市场上标榜“结果交付”的AI项目，实质大多可归为三类：RPA换皮、轻度AI辅助工具或传统外包数字化升级，均未实现真正的全自动交付。
那么，RAAS究竟是一场颠覆性的商业模式创新呢，还是一场无法落地的资本幻梦？这个问题的答案，或许需要回到一个更基础的层面来寻找：数据要素。国家数据局将2026年定义为“数据要素价值释放年”，而在产业互联网的土壤上，一批先锋企业的实践已经揭示了一个关键逻辑——RAAS能否真正跑通，不取决于模型参数的大小，而取决于企业对数据要素的驾驭能力。我们可以从以下两个RAAS的典型案例——分别在AI销售Agent和SaaS采购管理这两个产业互联网内的不同细分赛道，可以分析一下其中的逻辑。
案例一：光年触达：AI销售Agent帮企业全球“抢单”
光年触达是2025年4月由清华90后创业者潘一鸣在上海创立的，该公司的业务很清晰而简单：让AI智能体替企业主动找海外客户。光年触达的核心产品是AI销售Agent iSales，它不同于传统SaaS工具——企业购买软件后需自行配置人员使用，买回去后发现由于缺乏持续运营而难以产生实际价值。光年触达交付的不是工具，而是结果。客户无需额外招人，也无须派人来学习系统的使用与管理，iSales自动完成业务所要求的客户开发、邮件触达、意向筛选等工作，企业只需跟进最终筛选出的有效线索，并按实际效果付费即可。
这一模式直击跨境B2B企业的获客痛点。过去，大部分企业依赖线下展会或平台竞价获客，以致于上一代的SaaS产品在该市场的渗透率几乎不到20%。而光年触达不同，其获客的服务能力不在于软件的精妙，而在于其数据能力：iSales的后台整合了全球商业数据源，能够通过AI算法自动分析海外市场的行业趋势、各国相关公司的动态和采购信号。当系统识别出某家海外企业近期有明确的采购意向或业务扩张计划时，Agent便会自动生成多轮个性化触达策略，以极低的成本完成从线索发现到意向筛选的全流程闭环。在盈利路径清晰可见的基础上，光年触达在2026年3月完成了百万美元的天使轮融资。
案例二：将“省钱”本身打包为结果即服务的Vendr
如果说光年触达是AI原生RAAS的代表，那么Vendr则展示了一条更传统的路径：用历史交易数据与专家智慧的复利，将“省钱”本身打包为结果即服务。
Vendr是一家总部位于波士顿的美国公司，该公司2022年B轮融资后估值达到10亿美元。其盈利模式就是收取企业软件支出1%至5%的管理佣金。以500人规模的企业为例，年度软件采购成本通常在200万至350万美元，按2.5%的中位费率计算，单笔服务可产生5万至8.75万美元的收益。客户企业之所以愿意为其服务买单，是因为Vendr提供了成本控制承诺，即平台确保为客户节省的软件采购成本超过其服务费，若未能达成，全额退还服务费。这种“效果保障型”合作机制，本质上是RAAS在非AI领域的成熟映射。根据Vendr官网披露的数据，客户平均ROI高达8倍——即客户每支付10万美元服务费，Vendr平均为他们省下80万美元。
Vendr并没有大规模使用当前最新的大模型技术，其最强悍的壁垒是企业SaaS采购价格数据库。这家公司日复一日地积累各个品类软件在不同客户规模、合同期限、附加条款组合下的真实成交价格样本。Vendr还深度追踪每家主要SaaS供应商的价格策略沿革——什么时候涨价、什么条件下可以拿到折扣、什么样的客户画像更容易获得优惠条款——这些跨越多年的历史数据构成了一个深度治理的知识图谱。当新客户提出服务请求时，Vendr的团队和系统基于历史交易数据的再挖掘与结果映射，为客户输出精准的成本控制方案。因为价格数据库极其厚重且积累了长期治理经验，任何新的竞争者想要在短时间内建立同等深度的数据资产都几乎不可能。
此外，Vendr还持续跟踪了成千上万家企业的实际采购结果与议价实践，并在公司内部形成一套不断优化的标准化价格分析与效果校对机制。每一笔交易完成后节省的资金，不仅是客户的收益，更成为Vendr数据资产的一次迭代增量。
02 RAAS模式的核心逻辑：数据要素的双重驾驭能力
从这两个案例来看，光年触达和Vendr分处不同赛道——一个是AI驱动的销售Agent，一个是传统数据驱动的采购服务——但它们却有着一个共同的底色：其模式的核心竞争力都来自于对数据要素的系统性驾驭能力，而这种能力主要表现为“应用”与“治理”这两个相互支撑的维度。
一般来讲，应用力指的是企业能否将AI技术与数据资源高效结合，在产品层面交付可量化的业务结果。在RAAS模式下，“应用力”的直接表现是越用越聪明、越跑越精准的交付闭环。当前中国AI应用市场正迎来从“能力展示”到“产业应用”的历史性转折，但产业互联网领域面临的核心瓶颈之一，正是“模数共振”能力不足——即AI模型与行业数据资源的深度融合仍处于初级阶段。当大模型能力高度同质化之后，谁能将自有数据资产与模型能力结合得更紧密、更智能，谁就能交付更精准、更可靠的结果。光年触达的价值恰恰来自对全球商业数据源进行持续高效处理，并能根据每次结果反馈实时调整——这是典型的“应用力”驱动模式。
而治理力指的是企业能否对数据资源进行持续的管理、清洗、结构化与安全治理，形成稀缺且难以被模仿的数据资产护城河。应用力解决的是“跑得更快”的问题，而治理力解决的是“别人追不上”的问题。Vendr的实践充分揭示了治理力的价值。它的核心资产不是算法模型，而是在漫长经营中日积月累的软件采购价格数据。这些数据在合规保护和行业数据稀缺性的双重加持下，变成了一道无法被轻易跨越的围墙。任何新进入者想从零开始复制Vendr的价格数据库和议价经验，即便投入巨额资金和时间也难以实现——因为Vendr的数据是过去几年数千家客户真实交易的自然沉淀，具有显著的时效性和独占性。同样，光年触达长期积累的海外B2B获客数据资产，既是产品持续迭代的燃料，也是防止跟风者用通用大模型轻易取代的“先发壁垒”。
事实上，从“应用力”的维度看，光年触达的价值不在于调用某个“更大”的模型，而在于将全球商业数据资源与销售Agent实现了深度融合。当其他AI销售项目大多直接调用通用大模型加付费数据库时，光年触达的创始人以算法驱动思维将商业流程抽象成算法再优化，选择了一条实现门槛更高、但效果更好的技术路线。这背后正是“应用力”的体现——通过持续的反馈数据闭环，每一次邮件是否被打开、每一条线索是否转化为有效商机，都成为训练模型下一轮任务的养料，让AI越用越聪明、越跑越精准。把AI用到痛点上，就是这种能力的体现。
当然，应用力来需要治理来支撑。从“治理力”的维度看，光年触达的核心壁垒在于其积累的行业数据和客户行为数据的治理深度。针对B2B货物贸易这一高度垂直的场景，企业需要处理大量的非标信息——不同国家的贸易政策、不同行业的采购周期、不同企业的决策习惯——这些数据只有经过长期的清洗、标注和结构化治理，才能转化为Agent可理解的销售策略知识图谱。任何新进入者想要在短时间内复制同等深度的垂直领域数据资产都几乎不可能，因为光年触达的治理基础是在服务真实客户的过程中自然沉淀和迭代出来的。这正是“数据治理力”构筑起的竞争护城河。
在AI应用领域，有一个被反复验证的判断：AI在企业核心业务场景（如风控合规、招投标评审）中的差错率仍然居高不下——这也是近期亿邦智库访谈多家产业互联网企业后得到的实际结果——其中数据治理与标准体系建设缺乏明确主体被认为是主要瓶颈。这也从反面印证了：没有扎实的数据治理基础，RAAS的“结果交付”承诺很难成为事实。而换个角度来看，我们也可以看到，数据治理与数据应用的共同优化，事实上构成了RAAS模式的内在护城河。
03 数据为锚：产业互联网在当前与未来的竞争法则
红杉资本的RAAS叙事虽然在落地节奏和商业化路径上引发了激烈争议，但它所指明的方向无疑是正确的：未来的商业竞争将从“卖工具”全面转向“交付结果”。但谁能成为这一浪潮的最终赢家，答案不在模型的参数比拼中，而在企业对数据要素的驾驭深度里。
应用力的强弱，决定了你的RAAS产品能否跑得通、用得好；治理力的高下，则决定了你在跑通之后能否守住市场优势、拉开与追赶者的距离。缺乏应用力的RAAS只是一具没有灵魂的数字躯壳，交付不了客户所要的价值；而缺乏治理力的RAAS则是一座没有围墙的金矿，任何一个拥有足够资本的竞争者都能在较短时间内快速逼近。
数据要素正通过变革创新模式、重构产业生态、优化要素配置和催生新业态四种路径，成为推动实体经济高质量发展的核心引擎。而在产业互联网的土壤上，这条逻辑正在被光年触达、Vendr等企业用真金白银的实践反复验证。
在未来，不仅有可能是参数最大的通用AI服务商，而更大可能的是那些能够在垂直场景中建立起数据飞轮、让数据治理壁垒不断加固的控制型RAAS企业。它们既懂得如何用AI和数据资源激发应用力，更懂得如何通过持之以恒的治理建设，让这份竞争力固若金汤。护城河不再仅仅源于技术能力，而在于与客户需求的深度绑定及阻力最小的使用路径。而在AI加速去魅的2026年，这条护城河的基石已经清晰显现——数据要素。以数据为锚，以结果服务为帆，那些手握数据双核能力的企业，才能真正在RAAS的浪潮中行稳致远。
亿邦智库将持续关注产业互联网发展与企业数据要素竞争力提升，并报道相关发展的新成果与新案例。
联系邮箱为：huangbin@ebrun.com
热门跟贴