我们之前说 “软件是物理世界的二进制映射”

如果把软件狭隘等于 SaaS，那么垂类 SaaS 公司产研的价值是提供容器满足物理世界的业务问题，业务问题越痛客户掏钱意愿越强（增收 > 合规 = 降本 > 提效），能解决的业务问题越深 SaaS 公司的价值越大

而其中产研优秀与否的一条是懂场景，说白了就是洞察物理世界业务问题的能力，一方面是已然具备垂直领域的业务视角，另一方面是具备持续学习业务问题的能力

前者是经验带来的稀缺资源，因为难复制所以存在阶段性红利，比如电商 SaaS 公司的老板们大多都有一段成功的卖家经历，比如当年我们招产品负责人首先是看有没有相关经历，这跟今天大模型的 Pre-train 类似，起手就得几千张卡，就像之前我们常说 SaaS 业务的启动成本高，不单需要几千万做到可用阶段的产研成本，更重要的是得有预先输入的业务视角

胜负手在后者，因为不但预先输入的经验有其天花板，且业务在时刻动态变化，比如电商从 “传统的货架式”到 “15 年的图文内容”再到 “近几年短视频带来的直播形态”，这就需要提供容器的产研具备持续学习业务问题的能力

很多公司解决后者的方法是把它理解成组织能力，比如要求产研下现场，萃取客户案例，依赖“更多的客户带来更多的需求，满足了更多的需求带来更多的客户”这样的增强环，本质还是把产研当成 “专家系统”，再基于优先级逐步优化各个 Corner case，而随着业务问题越来越复杂，很多 SaaS 公司开始 PaaS 化，尝试用技术手段来解决需求的多样性和系统的可拓展性

这两年讨论蛮多的一个问题是 LLM 带给 SaaS 公司最大的变化会是什么，按照这个角度去想，如果基于 Post-train 的 LLM 能自主学习业务问题，那产研的核心职责是否要发生改变，再进一步，端到端之后还需要 PaaS 这个容器来满足每个个性化的需求吗，以及，还需要 “容器” 吗

软件吞噬一切，AI 吞噬软件