Anthropic新品频发“斩杀”传统软件公司,AI与SaaS是取代还是融合?

news2026/4/27 20:23:29
Anthropic新品发布传统软件公司遭殃又一家明星公司被Anthropic无情“斩杀”。4月18日Anthropic发布新产品Claude Design。用户通过对话就能创建网页或App设计方案包括交互式原型、产品功能图等还能制作演示PPT、线上活动落地页、营销素材等功能相当丰富。此外用户还能把生成的内容一键打包到Claude Code生成代码。新产品一出首当其冲的是传统设计软件公司。当天美股交易中美国最大的设计软件公司Figma股价大跌近7%。Figma成立于2012年成长为全球UI设计的主流工具。2022年Adobe计划以200亿美元收购Figma但在多国监管机构干预下收购最终告吹。2025年7月Figma在纽交所上市首日市值高达680亿美元。然而在AI浪潮及其他因素影响下Figma股价一路走低。Claude Design的出现给低谷中的Figma沉重一击。如今Figma市值不足100亿美元股价相比52周高点跌去近90%。Anthropic横扫传统行业软件股暴跌Figma并非第一家被Anthropic斩落马下的公司。今年1月以来Anthropic推出一系列新产品、新功能面向多条传统赛道导致相关公司股价重挫发展前景蒙上阴影。法务、金融、营销、设计、安全、自动化……Anthropic兵锋所及赫赫有名的玩家几乎没有抵抗之力。有些时候Anthropic的“新菜”远未完善商业化更是无从谈起也未显露替代原有产品的潜力。即便如此资本市场依然会用脚投票整个行业也会因Anthropic的入局而陷入普遍焦虑。今年1月底Anthropic发布Claude Cowork插件包包含法律、销售、财务、市场营销、数据分析等领域的11款插件。这些插件把不同领域的工作流融入Agent中用户只需以自然语言下达指令就能快速完成一整套操作。以往用户需调用不同第三方软件掌握相应使用规范经过复杂操作才能得到结果。如今在插件帮助下这些工作都被AI代劳。以法律插件为例Claude Cowork有了它的加持可自动完成合同检阅、合规审查、法务简报等工作大大减轻企业法务人员工作量。企业需要的法务少了对第三方法律类软件的需求也降低了。随着影响扩散“Anthropic斩杀”正式开始。1月底、2月初美国股市刮起风暴软件股成为重灾区。据“量子位”统计仅2月3日当天提供法律检索服务的汤森路透大跌16%创公司史上最大单日跌幅法律科技公司CS Disco下挫12%标准化法律服务商LegalZoom大跌20%。恐慌蔓延越来越多软件股卷入其中Adobe、Salesforce、Atlassian等均出现下跌。一天之内高盛编制的一篮子美国软件股下跌6%金融服务公司指数下挫接近7%。几个小时内这些股票总市值缩水2850亿美元。另据路透社统计不到一周美国软件和服务股的市值蒸发近8300亿美元几乎与OpenAI的估值相当。有人在社交媒体上评价“Anthropic发布了11个插件纳斯达克就慌了。为什么因为第一次一家基础模型公司无视了API层直接吞噬了应用层。……如果模型能直接干活那软件就一文不值。”更震撼的是Claude Cowork上线于1月12日半个多月后就推出了这些插件。仓促赶工、略显毛糙的几个插件已经足以横扫软件行业而Anthropic对于插件生态的挖掘和推广远不到1%。软件股的暴跌引来了空头。截至2月中旬各路对冲基金通过做空软件股已经赚了240亿美元。当月下旬又一场“Anthropic斩杀”来袭受害者是安全软件。20日Anthropic发布代码安全工具Claude Code Security。这款工具被集成到Claude Code中能够像人类安全研究员那样主动理解、识别和定位漏洞而非仅仅按照规则库匹配漏洞。同一天CrowdStrike、Cloudflare等网络安全股集体重挫。4月初Claude Mythos Preview正式亮相。Anthropic宣称尽管新模型并未为了安全而生但它挖掘与利用漏洞的效率约为前代模型的十倍。为避免被滥用、冲击网络安全公司决定暂时不公开发布而是先提供给数十家关键基础设施和头部科技公司使用。不难想象倘若Claude Mythos Preview全量开放安全公司的传统商业模式将面临崩塌面临前所未有的生存压力。更多“武器”已经或即将亮相Cowork定时任务Claude Code ChannelsClaude Managed Agents等。Anthropic每一次出手都会让一批公司、行业和投资人风声鹤唳。这也是“Anthropic斩杀”的可怕之处Anthropic从未把刀锋指向某个垂直行业也没有把某一家软件公司作为敌手但它随便挥舞大棒就能轻松扫倒一大片人。别人不仅无从防御“Anthropic斩杀”甚至难以判断下一场斩杀何时会发生、发生在哪里。Anthropic为何能制造“斩杀线”关键原因就是AI一个顶十个性价比爆棚。大公司主要成本之一是购买第三方SaaS服务的账号。规模越大、员工越多的公司需要买的账号就越多。以法律服务为例汤森路透旗下的WestLaw是全球最大判例和法条数据库之一几乎是美国法律从业人员的必备工具其收费标准分为不同档次主流档位为每月每人300 - 400美元。对于大量中小律所而言这是一笔沉重负担。如今有了Claude Cowork的法律插件律所就可以省下一大笔费用甚至砍掉一些专门从WestLaw查资料的初级岗位进一步压缩成本。至于工作能力AI同样不遑多让。在Claude Opus 4.6模型的支撑下上述插件在BigLaw Bench法律推理基准测试的得分为90.2%足以满足日常工作要求。又比如在安全领域Claude Code Security在生产级开源代码库中发现了超500个此前未被检出的漏洞。一些漏洞存在了数十年专家审查并未发现。Claude Code Security之所以如此强悍关键在于它模拟了真人安全测试人员的工作方式理解代码库追踪数据流动方式分析组件交互逻辑最后发现规则库难以覆盖的复杂漏洞。随后AI会尝试证实或证伪每一项检测结果过滤误报并为每个漏洞分配严重性评级和置信度评分再把所有发现和修复建议呈现在仪表盘中供安全团队审查。相比之下大多数安全软件还停留在规则库匹配的基本框架里。倘若维护不及时规则库难以覆盖所有漏洞安全软件的性能就会大打折扣。刚刚被冲击的Figma面临的则是从内到外的产品力超越。根据Anthropic的介绍Claude Design可以提前读取用户的代码库和设计文件以便在进行新设计时保持同样的规范和标准。用户可以使用自然语言进行设计、微调并将最终成果一键打包传递给Claude Code进行下一步的工作彻底打通设计与开发。相比之下Figma的AI原生能力弱得多各种操作远不及Claude Design方便。此外用户需要投入时间和精力进行学习才能上手使用Figma人人都可以用Claude Design设计产品且与编程环节无缝衔接Figma却很难做到这一点。由此可见Anthropic的“斩杀”并不是单纯地以AI工具取代传统软件而是融合了技术、产品、生态与成本优势的“组合拳”。Anthropic并不讳言这种愈演愈烈的“斩杀”。就在Figma被Claude Design重锤的同时Anthropic CEO达里奥 - 阿莫迪公开表示AI将在未来五年内取代最多50%的初级白领岗位。他认为行业不能淡化这种冲击必须让AI带来更大的正面价值。此外Anthropic在3月初的一份报告中表示程序员的日常工作中已有约75%的任务可以被Claude覆盖。此外客服代表70%、数据录入员67%等岗位也面临类似状况。倘若大代替真的发生被取代的显然不仅仅是人也会包含从事这些业务的公司。美国软件公司被集体“斩杀”只是这场大代替的外在表现之一。AI“斩杀”并非Anthropic独有传统企业有机会修复扮演“杀手”角色的并非只有Anthropic。每当大公司发布重磅AI新品总是会有一批传统公司的生存根基面临挑战甚至被严重动摇。以影视行业为例字节去年底推出Seedance 2.0视频生成模型成品效果几乎赶上了“手搓”视频制作周期只需几天成本却从动辄数十万元压缩至几千元甚至几百元。传统影视行业沿袭百年的工业化流程面临重塑随之而来的将是一大批制作公司的消亡。更可怕的是字节及其他公司仍在快速迭代新模型比如阿里近期推出的Happy Horse已经在部分指标上超越Seedance 2.0。AI视频反超“手搓”视频只是时间问题。又比如谷歌2月初发布世界模型Genie只需要一段话、一张图就能快速构造可交互、可漫游的虚拟世界。外界很快意识到Genie对游戏制作的影响Unity、Roblox、Apploving等公司股价随即大跌。具备“斩杀”能力是一家AI公司推高估值的手段之一。它意味着AI公司具备摧毁一个旧行业、塑造一片新市场的惊人能力并从中切走最大的蛋糕。截至目前四处“斩杀”的Anthropic估值已逼近8000亿相比两个月前的3800亿美元增长超过1倍。能够以AI技术创新“吸收”旧行业的价值是这一估值的重要支柱。不过Anthropic的“斩杀”虽然凶猛却也很难瞬间摧毁一整个行业。从成本上看使用AI取代传统工作流虽然可以省下不少SaaS订阅费却也需要承担不菲的token费用。两者相抵消后未必能够让企业省多少钱。尤其是那些需要频繁调用Agent的应用场景token消耗速度极快。据“极客公园”报道有人体验Claude Design后发现仅仅是构建设计系统、搭建原型网站、再做几次调整就已经消耗了超50%的每周配额需要额外付费。另一方面被Anthropic“斩杀”的企业也有长期沉淀、不容易被复制的优势。SaaS之所以收费高昂并非仅仅是软件有多么好用。相反大多数SaaS软件的UI和交互停留在十年甚至二十年前体验十分糟糕。即便如此仍有大量企业愿意为之付费关键是SaaS服务商千锤百炼的数据、规则、范式、工作流等综合能力。像Figma这样的公司其产品迭代十余年每一个功能改进都是基于万千用户的体验和需求并不是AI能够全盘复制。此外传统SaaS公司的真正长板是解决方案而AI大模型更擅长单点突破两者并非完全重叠。以安全软件为例Claude Code Security表现出色但企业对于网络安全的要求显然比“查漏洞”复杂得多。第三方安全公司能够提供的往往是量身定制的解决方案而非单一的产品其能力更加全面和系统绝非单一AI模型所能比拟。一些投资机构也持有这样的看法。巴克莱此前一份研报指出Claude Code Security本质上是一个开发者安全工具不构成对网络安全公司的直接竞争。后者的核心业务如端点防护、身份管理、网络安全、威胁情报等与代码漏洞扫描有明显的功能差异。AI与传统软件并不一定是取代更有可能的是融合。传统SaaS服务商都在积极拥抱AI而AI工具在炫技之余也需要与SaaS平台合作以触达更精准的用户群。这也意味着被Anthropic“斩杀”的各个行业走出最初的恐慌后市值和信心都有机会迎来修复。特别是那些龙头企业反而有很大机会从AI中获利。不过长期来看随着AI工具在越来越多场景落地、用户心智越来越强被“斩杀”行业再也回不到过去了。身处其中的企业除了争夺客户也更要争夺AI大模型的青睐——谁与AI大模型结合得更好谁才能继续活下去而非被AI公司逐渐淘汰。新时代对旧时代的“斩杀”已经发生在智能手机vs.功能机、新能源汽车vs.燃油车、短视频vs.中长视频等领域。如今轮到AI和SaaS了。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2538558.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…