App 会消失吗?AI Agent 时代的软件护城河重构
> 基于 Fortune 文章《I spent 8 years building Google Sheets. Now I think apps are on their way out》的中文分享版。原文作者 Zach Lloyd 曾参与 Google Sheets 建设,现为 Warp 创始人。原文链接:https://fortune.com/2026/05/13/google-sheets-engineer-apps-ending-meta-app-ai-zach-lloyd-warp/
一句话结论
AI 编码工具正在降低软件构建成本。传统软件的价值,可能会从“固定前端界面”转向“底层数据、业务逻辑和可被 Agent 调用的能力”。如果一个 SaaS 只是“数据库外面套一个前端”,它的护城河会越来越薄。
这篇文章在说什么
作者的核心判断是:
> 当 AI 可以在几天内生成一个可用 App 时,App 本身就不再稀缺;真正稀缺的是数据、流程理解和复杂业务能力。
作者用自己的经历做对比:当年 Google Sheets 从小团队成长为数亿用户产品,需要多年时间和大量顶尖工程师;但今天,他的团队用 AI 工具几天内就做出了一个可工作的 Sheets 克隆版。
这个例子不是说 Google Sheets 已经不重要,而是说明一个趋势:软件前端的构建门槛正在快速下降。
为什么传统 App 前端会变弱
很多 SaaS 的前端,本质上是厂商替用户预设的一套工作流。但用户真正想要的,往往不是“使用某个界面”,而是完成自己的任务。
作者举了一个例子:他的公司使用某招聘 SaaS,但几乎不再使用它的前端,而是基于 API 自己做了一个更适合内部流程的界面。这样一来,那个 SaaS 在实际价值上就变成了一个“昂贵的数据库”。
这背后的变化是:
- 用户不再必须接受厂商设计的固定界面;
- AI 可以帮助团队快速生成定制工具;
- 前端从核心资产变成可替换层;
- 数据和 API 反而变得更重要。
什么是“元应用”
作者提出的关键词是 meta-app(元应用)。
它不是一个固定功能的 App,而是一个可以根据你的意图临时生成工具的系统。你告诉它你想完成什么,它生成界面、流程或脚本来完成任务。
Claude Code、Codex、Warp 这类 AI 编程工具,就是这种方向的早期形态。
传统 App 的逻辑是:
1. 厂商预先设计功能; 2. 用户学习界面; 3. 用户在固定流程里完成任务。
元应用的逻辑是:
1. 用户描述目标; 2. AI 理解上下文; 3. AI 生成或调用合适工具; 4. 用户直接得到结果。
这会让“懂业务但不懂代码”的人获得更强的软件构建能力。
哪些软件更危险
最危险的是这类产品:
- 核心只是 CRUD;
- 数据并不独特;
- 前端只是套在数据库上的固定界面;
- API 能暴露主要能力;
- 用户经常觉得现有界面不贴合自己的工作流。
这类 SaaS 很容易被用户用 AI 工具重做一个轻量替代界面。
尤其是内部工具、管理后台、工作流系统、简单协作系统,都可能受到冲击。
哪些软件仍然有护城河
作者也承认,App 不会一夜消失。某些软件仍然很难被替代:
- 有复杂业务逻辑的系统;
- 有强合规、安全、权限、审计要求的系统;
- 拥有独特数据资产的平台;
- 支付、金融、音视频、供应链等高复杂度基础设施;
- 网络效应强、内容或生态独特的产品。
比如 Stripe 和 Spotify 这类产品,不只是一个前端界面,而是复杂系统和独特能力的集合。
SaaS 厂商可能如何反击
文章提醒:当数据成为真正的核心资产,一些 SaaS 公司可能会通过两种方式防守:
1. 提高数据迁移和导出成本 让用户更难把数据拿走。
2. 推出封闭 Agent 生态 让用户只能在厂商自己的 AI 工具里使用数据和自动化能力。
这类策略短期可能有效,但会加剧用户对数据锁定的警惕。
对企业和团队的启发
如果这篇文章的判断成立,团队应该把注意力从“买哪个 App”部分转向“如何组织自己的数据和流程”。
更具体地说:
- 重要数据不要只锁在 SaaS 前端里;
- 优先选择 API 开放、导出友好的系统;
- 内部知识、业务规则、客户数据要结构化;
- 尽量让数据可以被 AI Agent 读取、检索和调用;
- 非技术岗位也可以尝试用 AI 工具构建轻量自动化。
未来的软件能力,可能不再只是工程团队的专属能力,而会扩散到运营、设计、销售、财务等业务岗位。
采购 SaaS 时可以多问几个问题
在 AI Agent 时代,选 SaaS 不应只看界面好不好看,还要问:
- 数据能否完整导出?
- 是否有清晰稳定的 API?
- 权限和审计是否能满足企业要求?
- 能否被外部 Agent 或自动化工具调用?
- 如果不用它的前端,只用它的数据和能力,是否仍然值得付费?
- 供应商是否有明显的数据锁定倾向?
这些问题会比“这个按钮在哪里”更重要。
需要保留的判断边界
这篇文章很有启发,但也有明显立场。
作者是 Warp 创始人,Warp 正是 AI 编程和 Agentic Development 工具。因此,“App 会衰落、AI 工具会崛起”的判断,也符合作者自身业务利益。
另外,企业级 SaaS 的价值不只有前端,还包括:
- 权限管理;
- 稳定性;
- 合规;
- 审计;
- 多人协作;
- 数据安全;
- 长期维护;
- 责任边界。
AI 动态生成的小工具是否能长期承担这些企业级要求,还需要时间验证。
最小行动建议
如果你是团队负责人,可以先做三件事:
1. 盘点关键 SaaS 里的数据 看哪些数据只能在前端里操作,哪些可以导出或通过 API 访问。
2. 找一个低风险流程做 AI 工具试点 例如报表整理、内容发布、内部查询、简单运营后台。
3. 建立数据可迁移原则 新采购系统时,把开放 API、导出能力、数据归属写进评估标准。
核心提醒
AI Agent 真正挑战的不是所有软件,而是那些“没有独特数据、没有复杂逻辑、主要靠固定前端锁住用户”的软件。
未来更稳的护城河,不是界面做得复杂,而是:
> 数据干净、逻辑清楚、接口开放、能被人和 Agent 一起使用。
来源与限制
- 来源文章:Fortune《I spent 8 years building Google Sheets. Now I think apps are on their way out》
- 作者:Zach Lloyd
- 发布时间:2026-05-13
- 原始分享链接:https://share.google/74KQNHYwu0tlaNKHK
- 解析后的原文链接:https://fortune.com/2026/05/13/google-sheets-engineer-apps-ending-meta-app-ai-zach-lloyd-warp/
- 本文为基于原文和 Gemini 摘要整理的中文分享版,不是独立行业研究。