AI智能体（Agent）驱动的数字商业模式重构：从软件技术走向经济范式 ——GaaS 智能体即服务冲击传统 SaaS 商业逻辑研究报告

AI智能体（Agent）驱动的数字商业模式重构：从软件技术走向经济范式

——GaaS 智能体即服务冲击传统 SaaS 商业逻辑研究报告

编制单位：泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部
报告日期：2026 年 08 月

摘要

生成式人工智能与自主智能体（Agent）技术的规模化落地，正在推动全球数字产业发生范式级变革。传统云计算商业体系以 SaaS（软件即服务）为核心，以用户席位订阅为主要计价方式，交付形态是工具使用权，业务价值实现高度依赖企业内部人员操作执行。GaaS（智能体即服务，Agent‑as‑a‑Service）作为智能体时代的新型商业范式，将交付对象由软件工具转向可自主规划、调用工具、完成闭环业务任务的 AI 智能体，企业采购逻辑从 “采购软件席位” 转向 “采购任务交付能力”。

本报告围绕 Agent 驱动下商业模式重构展开系统性研究，剖析 SaaS 向 GaaS 迭代的底层技术逻辑、商业逻辑、采购逻辑的变迁；梳理全球市场对智能体能力计量、计价、风险赔付机制的探索实践，解析全新数字服务定价体系的形成路径；同时识别 GaaS 模式落地过程中的归因困境、权责边界、风险敞口、治理缺失等现实挑战，研判产业中长期演化路径。研究表明，GaaS 并非简单替代 SaaS，而是形成共存互补的产业格局，软件行业价值分配、企业 IT 采购决策链条、服务商成本结构、资本市场估值标尺均将发生系统性调整。报告面向软件服务商、企业采购方、产业政策研究者，提出产业落地参考建议，为中国数字服务产业迎接智能体经济时代提供理论与实践参考。

关键词：AI 智能体；Agent；GaaS 智能体即服务；SaaS；商业模式重构；任务交付；价值定价；风险赔付

目录

1. 绪论
1.1 研究背景
1.2 研究问题与研究意义
1.3 研究边界与报告框架

2. 理论基础：从 SaaS 到 GaaS 的范式跃迁
2.1 SaaS 模式的商业内核与历史局限
2.2 AI 智能体 Agent 的核心技术特征
2.3 GaaS 智能体即服务的概念界定与内涵解析
2.4 SaaS 与 GaaS 模式多维度对比分析

3. 采购逻辑变革：从采购软件席位到采购任务交付能力
3.1 传统 SaaS 模式下企业 IT 采购的运行机制
3.2 GaaS 时代企业采购决策的底层转变
3.3 付费主体迁移：从 IT 部门主导转向业务部门主导
3.4 采购变革带来的连锁组织影响

4. 全球市场探索：智能体能力计量、计价与风险赔付机制
4.1 智能体服务计量的现实困境
4.2 当前主流计价模式分类与实践案例
4.3 风险赔付与结果对赌机制的市场探索
4.4 全新数字服务定价体系的演化路径

5. GaaS 商业模式落地的现实瓶颈与风险分析
5.1 业务结果归因难题
5.2 权责划分与契约风险
5.3 技术与工程实现层面约束
5.4 产业生态与治理体系短板

6. 产业演化研判：GaaS 与 SaaS 共存格局及发展趋势
6.1 短期：混合模式成为市场主流
6.2 中期：标准化计量框架与第三方审计体系逐步建立
6.3 长期：智能体经济范式成型，数字服务产业价值重估

7. 对策与启示
7.7 面向软件服务商的启示
7.2 面向企业采购方的实践建议
7.3 面向产业治理层面的参考方向

8. 结论
参考文献
数据来源说明
免责声明

1 绪论

1.1 研究背景

云计算过去十余年间重塑全球企业数字化进程，SaaS 软件即服务成为企业数字化的主流载体，按用户席位订阅付费的模式成为行业通用商业语言。企业向服务商采购软件使用权，由内部员工操作软件完成业务流程，服务商交付工具，客户承担业务落地的主要执行责任与结果风险。

大模型能力迭代推动自主 AI 智能体 Agent 走向产业可用。区别于传统对话式 AI，智能体具备目标拆解、多步骤规划、外部工具调用、迭代纠错、闭环执行的能力，能够独立完成过去由人在软件系统中执行的系列业务动作。技术能力的突破带动商业模式的底层重构，市场开始出现 GaaS 智能体即服务新业态，服务商不再售卖软件登录权限，而是交付可以完成业务任务的数字执行主体。

这一变革带来连锁反应：企业采购不再优先考量软件功能清单、用户席位数量，转而评估智能体的任务交付成功率、业务产出质量；传统按席位收费商业逻辑遭遇根本性挑战，一套面向智能体的计量、计价、风险赔付机制尚处在探索阶段，新的数字服务定价体系正在萌芽。全球科技企业、云计算厂商、垂直行业服务商均在开展 GaaS 商业试点，部分企业已经落地按任务、按结果、效果对赌的合作模式，但同时面临指标定义模糊、归因困难、风险责任不清、契约不完善等大量现实障碍。

在此背景下，系统梳理 GaaS 范式的内在逻辑，剖析采购模式、定价机制、风险机制，识别现实约束，研判产业走向，具备重要理论价值与产业实践价值。

1.2 研究问题与研究意义

研究问题

第一，GaaS 智能体即服务相较于传统 SaaS，在技术、价值交付、商业契约层面发生了哪些本质变化；
第二，智能体时代企业采购逻辑如何从采购软件席位转向采购任务交付能力，带来组织、决策链条的连锁改变；
第三，全球市场在智能体能力计量、计价、风险赔付方面的实践路径，全新数字服务定价体系如何构建；
第四，GaaS 模式落地面临的核心瓶颈，未来产业演化方向，不同市场主体应当采取何种应对策略。

理论意义

现有学术研究更多聚焦 Agent 技术架构、大模型算法优化，对于智能体驱动的商业模式范式变迁系统性研究相对不足。本报告厘清 SaaS‑GaaS 范式差异，丰富云计算服务商业模式理论，补充智能体经济的商业分析框架。

实践意义

报告对软件服务商、企业采购方、产业从业者提供参考：帮助服务商理解商业逻辑变革，设计适配智能体时代的产品、定价与契约；帮助企业客户建立 GaaS 服务采购评估框架；同时为产业政策、行业标准建设提供现实依据。

1.3 研究边界与报告框架

本报告研究对象为面向企业 B 端的 GaaS 智能体即服务商业模式，不聚焦 C 端消费级 Agent 产品。GaaS 在本报告中定义为智能体即服务 Agent‑as‑a‑Service，区别于 MaaS 模型即服务、传统 API 调用服务。报告重点分析商业范式、采购逻辑、计量计价、风险赔付机制，对底层算法技术细节不作深度展开。

报告结构：绪论提出研究背景与问题；第二章开展理论对比，辨析 SaaS 与 GaaS 范式差异；第三章分析企业采购模式变革；第四章梳理全球市场计量、计价、风险赔付实践；第五章分析落地瓶颈与各类风险；第六章研判产业中长期演化趋势；第七章提出多方主体对策启示；最后总结结论，附数据来源说明、免责声明。

2 理论基础：从 SaaS 到 GaaS 的范式跃迁

2.1 SaaS 模式的商业内核与历史局限

SaaS 软件即服务，是云计算时代成熟的商业范式。服务商将软件部署在云端，客户通过订阅方式获取软件访问权限，行业主流计价模式为按用户席位（Per‑Seat）订阅收费。

SaaS 模式核心商业逻辑可以概括如下：服务商交付标准化工具，提供软件功能、操作界面、系统运维更新；客户购买登录权限，由内部员工作为执行主体，操作软件完成业务工作；业务结果好坏，主要取决于客户方人员能力、流程、数据质量，服务商对业务产出结果一般不承担契约责任。

SaaS 模式极大降低企业软件部署成本，替代传统本地部署软件 License 模式，推动全球企业数字化普及，但随着产业发展逐步显现内在局限：

第一，价值交付依赖人的劳动。软件只是工具，工具本身不能产出业务结果。即便软件功能完备，如果企业内部人员不足、操作能力不足，软件就无法转化为业务价值，大量 SaaS 系统出现上线后使用率低迷、ROI 不及预期的现象。

第二，席位计价模式与 AI 时代效率提升存在内在矛盾。一个 AI 智能体可以同时完成过去多名员工在软件系统内的工作。如果继续沿用席位收费，智能体带来数倍效率提升的同时，服务商收入模型会被严重冲击，席位计价的经济基础被削弱。

第三，价值与付费错位。客户付费购买工具使用权，却很难直接购买业务成果。客户希望得到降本增效的业务结果，但 SaaS 合同只能保障软件功能可用，无法承诺业务产出，形成 “买工具不等于买结果” 的错位。

2.2 AI 智能体 Agent 的核心技术特征

AI 智能体 Agent 是具备自主目标导向的人工智能系统，区别于普通大模型对话交互。其核心能力包含五个层面：目标理解与任务拆解；多步骤规划执行；外部工具与系统调用；环境反馈接收与迭代纠错；任务闭环完成与结果输出。

普通大模型对话系统更多完成单次问答；而 Agent 可以接收高层业务目标，自动拆解成一系列动作，调用 CRM、ERP、文档系统、数据库等外部工具，中间遇到问题自我调整，直到完成完整业务任务，例如自动处理票据对账、自动处理 IT 工单、自动完成合规资料筛查等。

Agent 并不脱离现有软件系统，恰恰相反，Agent 大量调用现有 SaaS 软件作为执行载体，Agent 和 SaaS 不是简单的替代关系，存在技术层面的依存关系。

2.3 GaaS 智能体即服务的概念界定与内涵解析

本报告将 \\GaaS 智能体即服务（Agent‑as‑a‑Service，GaaS）\\ 定义为：以自主 AI 智能体为核心交付载体，服务商向客户输出可执行完整业务任务的能力，客户获取业务任务产出结果，而非仅仅获取软件登录使用权的新型数字服务模式。

GaaS 的三层核心内涵：
第一，交付物从软件工具转向任务执行能力。客户拿到的不再是操作界面，而是一套可以干活的数字执行主体；客户定义业务目标，Agent 完成中间全部执行步骤。
第二，价值责任发生转移。SaaS 模式下执行责任在客户；GaaS 模式下服务商需要对智能体任务交付质量承担更多契约责任。
第三，价值衡量标尺发生变化。价值标尺不再是 “多少个账号、多少功能模块”，而是 “多少任务完成、任务质量如何、带来多少业务价值”。

需要明确区分几组容易混淆概念：

• MaaS 模型即服务：交付大模型推理 API，客户自行开发上层应用与智能体逻辑；

• GaaS 智能体即服务：已经封装好规划、工具调用、纠错闭环的完整 Agent 服务，直接面向业务任务交付；

• SaaS 软件即服务：交付供人操作的软件工具。

三者可以上下游协同：MaaS 提供底层模型能力，GaaS 基于模型与 SaaS 系统构建任务执行能力，SaaS 提供业务数据与操作接口。

2.4 SaaS 与 GaaS 模式多维度对比分析

SaaS 的底层逻辑：租工具，人干活；GaaS 底层逻辑：租能力，Agent 干活。二者并非非此即彼的对立，未来产业主流是共存融合。SaaS 继续承担数据存储、业务记录系统底座；GaaS 智能体作为上层执行层，跨系统调用 SaaS 完成业务任务。

3 采购逻辑变革：从采购软件席位到采购任务交付能力

3.1 传统 SaaS 模式下企业 IT 采购的运行机制

传统企业数字化采购链条中，IT 部门占据主导地位。采购评估重点：功能清单、模块完整性、并发数、用户席位数量、系统稳定性、安全合规。采购决策围绕 “软件好不好用” 展开。

合同标的是软件使用权，企业购买若干席位，分配给内部员工。系统上线之后，业务转化为价值的重担落在企业内部：员工学习系统操作、配置流程、录入数据，依靠人的操作把软件功能转化业务成果。

该模式下经常出现矛盾：IT 部门完成系统上线验收，但是业务部门感受不到价值。系统验收标准是软件功能是否跑通，而不是业务指标是否提升。即便业务没有改善，服务商并不承担违约责任，这是 SaaS 商业契约天然特点。

3.2 GaaS 时代企业采购决策的底层转变

进入 GaaS 时代，企业采购的标的发生本质改变：不再优先采购 “软件账号”，而是采购 “任务交付能力”。企业关心的不再是有多少功能，而是给定业务目标，智能体能不能稳定把任务做完、做好。

采购评估指标体系发生全面切换，重点评估维度转变为：

1. 任务场景适配度：该智能体是否适配本企业特定业务任务；

2. 任务完成率：目标任务闭环完成比例；

3. 错误率：智能体输出错误结果的发生概率；

4. 可观测性：任务全流程日志、审计记录是否完备；

5. 容错与人工接管机制：Agent 异常时如何切换人工介入；

6. 交付契约与赔付条款：任务不达标时的约束与补偿机制。

采购逻辑转变的本质：从 “买工具使用权” 转向 “购买业务工作量的交付”。企业相当于采购一批 “数字员工”，由数字员工跨系统完成大量重复性业务工作。当一个智能体可以替代多名岗位人员的工作，继续按席位付费就失去商业合理性。

3.3 付费主体迁移：从 IT 部门主导转向业务部门主导

SaaS 时代采购决策链：IT 部门主导选型，业务部门提出需求，IT 负责预算、招标、验收。验收标准偏向技术指标。

GaaS 模式下，业务结果直接和业务部门 KPI 挂钩，业务部门深度介入采购甚至直接主导预算。IDC 调研数据显示，66% 的中国企业倾向基于业务成果计费采购 AI 能力，显著高于全球平均水平，业务部门对价值、ROI、实际产出的诉求显著增强。

IT 部门角色发生变化：不再是采购的唯一决策者，更多承担安全管控、权限治理、数据安全、系统对接、审计监督的角色。业务部门关心任务产出，IT 部门管控风险与安全，形成全新分工。

付费主体迁移带来现实变化：服务商销售沟通对象从 CIO 扩展到业务负责人，销售话术不再侧重功能模块，而是案例、任务成功率、业务价值、风险边界。

3.4 采购变革带来的连锁组织影响

第一，企业内部成本核算逻辑改变。过去软件成本计入 IT 信息化费用；GaaS 服务按任务交付，一部分成本可以直接计入对应业务部门业务成本。
第二，企业内部岗位结构调整。大量重复性系统操作工作由 Agent 承接，人员工作重心向目标定义、结果审核、异常处置、战略决策转移。
第三，企业风险管控体系升级。Agent 拥有跨系统操作权限，一旦出错会直接修改业务数据，企业必须建立针对智能体的权限管控、操作留痕、异常拦截、人工复核机制。

4 全球市场探索：智能体能力计量、计价与风险赔付机制

GaaS 商业落地最大难点之一，就是建立可落地的计量、计价、风险赔付体系。传统 Token 计费、席位订阅都不能完全匹配 GaaS 价值逻辑，全球产业仍处在探索迭代阶段，尚未形成统一行业标准。

4.1 智能体服务计量的现实困境

计量是计价的基础。对于普通大模型 API，可以简单统计 Token 调用量；但 GaaS 是完整任务闭环服务，单纯 Token 数量无法代表价值。同一个业务任务，Agent 可能多次重试、多次调用工具，Token 消耗波动巨大，Token 数量和业务产出价值不存在稳定线性对应关系。

GaaS 计量面临三重困境：
第一，任务复杂度差异巨大。简单任务与高难度任务消耗资源差距极大，简单按照任务次数计费会出现公平性问题。
第二，重试与失败开销。Agent 执行任务会出现失败、重试、回滚，失败任务同样消耗算力资源，但不能给客户带来业务价值，失败任务如何计量成为难题。产业界开始提出指标 CST（Cost per Successful Task，每个成功任务成本），把成功完成的业务任务作为核心计量单元。
第三，归因边界模糊。Agent 输出结果，哪些价值属于 Agent 贡献，哪些来自客户原始数据、外部市场环境，难以做清晰切割，直接影响按结果付费模式落地。

4.2 当前主流计价模式分类与实践案例

结合全球产业实践，当前 GaaS 领域主要存在四类计价模式，大量商业项目采用混合模式：

模式一：底层资源计量（Token、工具调用次数）

继承 MaaS 的计费逻辑，统计大模型 Token 消耗、外部工具调用次数。优势：计量简单，技术容易实现；劣势：和业务价值脱节，客户无法预判业务产出，客户承担全部任务失败风险。适合智能体开发测试阶段，不适合面向业务成果的正式 GaaS 商业合同。

模式二：按任务实例计费

以完成的业务任务作为计费单元，例如每处理一张票据、每解决一张 IT 工单、每完成一份文档审核收取对应费用。只对成功闭环任务计费，失败重试不计费。
优势：计价和业务动作对齐，客户只为拿到结果付费；劣势：任务复杂度不均，复杂任务成本高，简单任务成本低，需要对任务分级。海外 Devin 代码智能体、法律智能体 Harvey 已经采用类似思路开展商业试点。

模式三：订阅 + 任务混合模式

保留基础订阅费用，用于覆盖平台、运维、安全治理成本；叠加按成功任务计量的可变费用。基础订阅保障服务商基础现金流，可变部分随业务量弹性变化，是现阶段最具备落地可行性的主流模式。火山引擎 AFP 智能体流定价方案就采用混合计费思路，基础月费叠加任务相关可变计费。

模式四：按业务价值结果计费（效果分成）

按照智能体带来的可量化业务增量价值分成，例如降本金额、新增线索、转化率提升等。这是 GaaS 商业范式的终极理想形态，但落地门槛最高。必须满足前提：业务结果可量化、可独立核验、贡献可以清晰归因。大量场景归因难以切割，因此该模式目前只在局部垂直小范围试点，尚不具备大规模推广条件。

4.3 风险赔付与结果对赌机制的市场探索

当服务商售卖任务交付能力，就不可避免需要面对任务失败、输出错误结果带来的业务损失，风险赔付、结果对赌成为 GaaS 契约中的关键组成部分，这也是和传统 SaaS 合同最大差异。传统 SaaS 合同一般只针对系统宕机做 SLA 可用性赔付，不会针对业务结果赔付；GaaS 合同需要扩展业务层面 SLA。

当前市场实践的风险机制分为几类：
第一，任务质量 SLA。合同约定任务完成率、错误率指标。如果指标低于约定阈值，执行减免服务费、返还部分费用。服务商不对客户间接业务损失承担赔偿，只针对服务费进行补偿，是现阶段使用最广泛的模式。
第二，局部结果对赌。在边界清晰、可核验的业务场景，设置效果门槛，达不到约定效果免收或者减收对应任务费用。例如票据处理、工单处理、资料筛查等标准化强的场景。
第三，有限损失赔付。在合同中明确约定服务商赔付上限，通常上限不超过该项目合同总金额，规避服务商承担无限连带责任。现实中几乎没有商业项目会接受无上限业务损失赔偿，会直接摧毁服务商商业可行性。

风险赔付机制落地现实约束：很多业务损失属于间接损失，链条很长，很难区分是 Agent 错误、客户数据问题、外部市场环境变化哪一方导致。因此风险赔付不能无限放大，必须在合同中清晰界定触发条件、责任边界、赔付上限、核验方式。

4.4 全新数字服务定价体系的演化路径

综合全球产业实践，GaaS 全新数字定价体系演化分为三个阶段：

第一阶段（当前阶段）：多元模式并存，混合计费成为主流。Token 计费、按任务计费、订阅叠加任务计量共同存在，行业没有统一标准。服务商根据场景选择模式，合同重点通过人工条款约定任务质量与补偿。

第二阶段（中期）：形成行业标准化计量框架。产业逐步形成对任务分级、成功任务定义、失败重试处理、审计日志的行业共识，出现第三方任务核验审计服务，帮助甲乙双方确认任务完成质量，降低归因扯皮。

第三阶段（长期）：价值导向定价成熟。在大量标准化场景实现基于业务价值的计价，风险赔付机制标准化，形成完整智能体商业契约模板。但按价值分成不会覆盖全部场景，高复杂度、弱可量化场景依旧使用混合任务计费模式。

Mordor Intelligence 数据显示，全球 Agent‑as‑a‑Service 市场 2025 年规模 157.4 亿美元，预计 2030 年达到 739 亿美元，复合增速 36.25%，亚太地区为增长最快区域，市场高速扩张的同时，定价体系建设成为产业发展核心瓶颈。

5 GaaS 商业模式落地的现实瓶颈与风险分析

尽管 GaaS 范式拥有巨大想象空间，但是从技术原型走向大规模商业落地，仍存在多重现实瓶颈，需要市场参与者充分识别风险。

5.1 业务结果归因难题

归因是 GaaS 定价最大技术与商业卡点。业务最终产出是多重因素叠加：智能体能力、客户输入数据质量、客户业务流程、外部市场环境共同影响结果。当业务指标变好或者变差，很难精确拆分多少来自 Agent 贡献。

如果归因无法解决，按结果付费就会陷入合同纠纷：客户认为效果不好是 Agent 能力不足；服务商认为是客户数据、业务流程问题导致。即便按任务次数计费，也会存在 “什么算合格任务结果” 的定义分歧。因此 GaaS 商业合同必须前置明确：任务合格标准、核验材料、哪些因素不属于服务商责任范围。

5.2 权责划分与契约风险

GaaS 模式下 Agent 拥有跨系统执行权限，一旦输出错误，可以直接修改业务数据，带来业务损失。传统 SaaS 时代风险主要是系统宕机；GaaS 时代新增 Agent 业务操作错误风险。

契约层面现实挑战：

1. 无限责任风险：客户希望服务商承担全部业务损失，服务商如果接受无限赔付，商业模式不可持续；

2. 博弈风险：服务商为达成 SLA 指标，倾向优先承接简单任务，把高难度任务退回人工；

3. 数据责任边界：Agent 基于客户业务数据开展工作，数据质量问题带来的结果错误责任归属需要明确。

因此 GaaS 契约必须做好三件事：明确 Agent 操作权限边界；清晰定义各方责任；设置赔付上限，区分直接损失与间接损失。

5.3 技术与工程实现层面约束

第一，智能体稳定性不足。当前自主 Agent 面对复杂多变业务场景，存在幻觉、路径跑偏、执行中断等问题，任务完成率还达不到传统软件的稳定水平。
第二，可观测性不足。Agent 多步骤黑盒执行，内部思考过程难以完整记录，一旦出错排查溯源难度高，对审计、合规造成挑战。产业需要完善 Agent 全链路日志、操作痕迹留存技术。
第三，异常接管机制不完善。Agent 执行失败时，如何平滑转交人工处置，如何避免错误结果直接流入业务系统，工程实现复杂度高。

5.4 产业生态与治理体系短板

目前全球尚未形成 GaaS 相关统一行业标准。计量口径、任务分级、审计规范、安全治理、合同范本均处于空白。缺少第三方中立机构做任务结果核验，甲乙双方容易各执一词。同时法律层面对 AI 自主执行行为带来的责任划分，还缺少成熟司法判例支撑，商业纠纷处理缺少参照。

6 产业演化研判：GaaS 与 SaaS 共存格局及发展趋势

GaaS 智能体即服务的崛起，并不意味着 SaaS 会被快速替代，二者将形成长期共存、互相赋能的产业格局。SaaS 作为业务记录、数据底座持续存在；GaaS 作为上层执行层调用 SaaS 完成任务。本报告分短、中、长期研判产业趋势。

6.1 短期（1‑2 年）：混合模式成为市场主流

席位订阅的传统 SaaS 仍然是企业软件市场主体。GaaS 主要落地在标准化强、任务边界清晰的场景：IT 工单处理、票据对账、合规筛查、文档处理等。

商业计费以 “基础订阅 + 按成功任务计费” 混合模式为主；纯粹按业务价值分成只在小范围试点。服务商普遍采用保守赔付策略，赔付上限约束在合同金额之内。大量 SaaS 厂商会在原有产品之上叠加 Agent 能力，形成 “SaaS+Agent” 混合产品形态，不会直接全盘切换 GaaS 模式。企业采购端，大部分企业保持双轨采购：一部分继续采购 SaaS 工具，一部分试点 GaaS 任务交付服务。

6.2 中期（3‑5 年）：标准化计量框架与第三方审计体系逐步建立

随着大量商业项目落地，产业逐步沉淀任务分级、任务合格判定、日志审计的行业实践，出现行业协会、第三方机构推动计量参考框架。第三方 Agent 任务核验审计服务兴起，帮助甲乙双方客观确认任务完成质量，缓解归因纠纷。

GaaS 适用场景持续拓宽，向更多垂直行业渗透。资本市场对于软件企业估值逻辑发生变化：不再单纯看席位数量增长，同时评估任务交付规模、任务完成率、单位任务经济模型。部分原生 GaaS 服务商成长起来，同时传统 SaaS 厂商完成商业模式迭代。

但并非所有业务都适合 GaaS，高度创意、高度战略决策、边界模糊的业务，仍然需要人作为主体，Agent 仅作为辅助工具。

6.3 长期（5 年以上）：智能体经济范式成型，数字服务产业价值重估

智能体经济范式成型，数字服务产业完成从 “卖工具” 到 “卖任务结果” 的完整范式跃迁。GaaS 成为数字服务重要组成部分，和 SaaS、MaaS 共同构成完整云计算商业生态。

会形成分层的商业体系：底层 MaaS 提供模型能力；中层 SaaS 提供业务系统底座；上层 GaaS 提供面向业务的任务执行服务。同时配套成熟的行业契约模板、保险配套机制，针对智能体业务操作风险出现专项商业保险产品，分担商业风险。

同时市场也会形成清晰认知：GaaS 不是万能解药，其适用边界被充分理解，企业理性区分哪些工作适合交给 Agent，哪些工作必须保留人的主导。

7 对策与启示

7.1 面向软件服务商的启示

第一，理性看待范式变革，不盲目全盘抛弃 SaaS。多数厂商最优路径是 “SaaS 基座 + Agent 上层能力”，两条商业路径并行。SaaS 提供稳定现金流，GaaS 作为新增长曲线迭代打磨。
第二，产品设计上强化可观测性与审计能力。完善 Agent 全链路执行日志，把任务过程可追溯作为产品核心能力，为计量、核验、纠纷处理提供基础。
第三，谨慎设计定价与契约，不要盲目承诺无上限结果赔付。优先采用 “基础订阅 + 成功任务计量” 混合模式；合同中明确任务合格标准、责任边界、赔付上限、哪些情形不属于服务商责任。优先从边界清晰的标准化场景切入 GaaS 业务，避免直接承接高度模糊的业务目标。
第四，建立任务成本核算体系。重点核算每个成功任务的综合成本，包含推理、工具调用、重试失败开销、人工接管成本，保障 GaaS 业务单元经济模型健康。

7.2 面向企业采购方的实践建议

第一，区分工具采购与任务交付采购。如果业务需要人的主观判断，优先选择 SaaS 工具；如果是大量标准化闭环业务任务，可以试点 GaaS 任务交付服务。
第二，建立 GaaS 专项评估框架。评估重点不只是演示效果，重点考察真实场景任务完成率、错误率、日志审计能力、异常人工接管机制。
第三，高度重视合同条款。签约前明确任务合格判定标准，明确数据质量、外部环境带来的风险划分，明确赔付触发条件、赔付上限。不要轻信 “100% 达成业务效果” 的口头承诺。
第四，完善内部风控。Agent 拥有跨系统操作权限，做好权限最小化配置，设置关键业务人工复核节点，建立 Agent 操作审计流程。

7.3 面向产业治理层面的参考方向

第一，鼓励行业协会牵头，推动 GaaS 相关行业参考规范。围绕任务计量、日志审计、安全权限、商业契约指引输出行业参考文件，不做强制约束，给市场提供实践参照。
第二，鼓励第三方核验、审计服务发展。培育中立第三方主体，帮助解决甲乙双方归因争议，降低商业落地摩擦成本。
第三，持续关注法律与责任议题。跟踪 AI 自主业务操作带来的民事责任案例，逐步厘清服务商、客户、数据提供方之间的责任边界。

8 结论

AI 智能体 Agent 带来的不是单纯技术迭代，而是数字商业模式范式级变迁。GaaS 智能体即服务冲击传统 SaaS 商业逻辑，企业采购逻辑由采购软件席位转向采购任务交付能力，整个数字服务产业的交付对象、付费逻辑、责任主体发生系统性改变。

SaaS 模式的核心是 “租工具，人干活”；GaaS 模式核心是 “租能力，Agent 干活”，二者并非替代关系，而是长期共存互补，SaaS 继续承担业务数据底座，GaaS 作为上层执行能力跨系统完成业务任务。

全球市场正在探索智能体计量、计价、风险赔付机制，现阶段 “基础订阅 + 按成功任务计费” 混合模式最具备落地可行性；纯粹按业务价值分成模式受归因难题约束，仅可在边界清晰场景小规模试点。风险赔付不能设置无上限责任，需要契约清晰界定任务标准、责任划分、赔付上限。

GaaS 大规模落地仍面临归因、契约、工程稳定性、产业标准缺失多重瓶颈。软件服务商、企业客户、产业治理方都需要适配新范式，理性把握技术红利同时管控商业风险。面向未来，随着技术工程能力进步、行业实践沉淀，一套适配智能体时代的全新数字服务定价体系将逐步成熟，推动数字经济迈向智能体经济新阶段。

参考文献

[1] Mordor Intelligence. Agent‑as‑a‑Service (AaaS) Market Size & Share Analysis, 2026.
[2] IDC. 中国企业 AI 采购模式调研白皮书，2026.
[3] FourWeekMBA. From SaaS to AgaaS: How AI Agents Are Killing Per‑Seat Pricing, 2026.
[4] [feluda.ai](feluda.ai). GaaS vs SaaS: What Is the Difference? 2026.
[5] [pexo.ai](pexo.ai). Agent‑as‑a‑Service vs SaaS: From Tools to Outcomes, 2026.
[6] GSDCouncil. Agentic AI Monetization Framework, 2026.
[7] 21 世纪经济报道。软件行业迎来剧烈重构：从 SaaS 到 GaaS，AI 智能体开启服务新纪元，2026.
[8] 北京市相关产业研究。智能体产业商业模式研究简报，2026.

数据来源说明

1. 市场规模数据来源于 Mordor Intelligence 公开行业报告；

2. 企业采购偏好调研数据引用 IDC 公开调研结果；

3. 产业案例、商业模式实践来源于公开行业媒体、技术社区公开材料；

4. 部分逻辑推演、趋势研判为本报告编制单位基于公开产业信息开展分析得出；

5. 报告中部分概念案例来源于全球头部科技厂商公开产品文档与技术博客。

免责声明

本报告由泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部编制。报告所有内容仅供产业研究、学术参考，不构成任何商业投资建议、采购决策建议。

报告中引用第三方公开数据，数据来源为公开渠道，编制单位不对第三方原始数据的绝对准确性做担保。报告中的趋势判断、推演结论基于截至 2026 年 08 月的产业现状，技术与产业快速迭代，未来实际产业情况可能和本报告研判存在差异。

未经编制单位书面许可，本报告不允许进行篡改、二次加工后对外发布；引用本报告内容请注明完整出处。任何主体依据本报告做出的商业行为，其全部风险由行为主体自行承担，编制单位不承担由此产生的直接或间接法律、经济责任。