# 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。