【人工智能】平台化是企业软件唯一护城河 | MongoDB CJ Desai | 拒绝单点工具 | 数据基础设施 | SaaS价值跳水 | 企业级门槛 | 监管合规 | 氛围编码挑战 | 云计算转型

大家好，这里是最佳拍档 当AI技术已经能批量生成软件代码 当各种代码辅助、工程自动化工具层出不穷 企业软件的价值究竟在哪里？

曾经被奉为圭臬的护城河 在AI时代是否还依然存在？

如果不是 那企业软件的新护城河又该如何构建？

最近，MongoDB的首席执行官CJ德赛 在No Priors播客2026年的首场直播活动中 与知名风险投资人萨拉郭 展开了一场深度对话 这场对话被业内视作解读AI浪潮下SaaS价值重构、企业软件发展方向的关键内容 德赛是硅谷公认的顶尖产品战略专家 他现任MongoDB的CEO

此前还长期担任ServiceNow的总裁兼首席产品官 也曾经在Cloudflare等顶尖科技公司出任要职 在推动企业级软件架构转型、平台化战略及AI与数据基础设施融合方面 拥有卓越的领导力和深厚的行业洞见 在这场对话中 他结合自己多年的从业经验 给出了一个掷地有声的答案

平台化才是企业软件唯一的护城河 单点工具必将被AI颠覆 今天 我们就来完整拆解这场对话的核心观点 首先，我们要回答一个最核心的问题 也是萨拉郭在对话开篇 就向德赛提出的问题 当我们可以生成大量软件的时候 软件本身的价值到底在哪里？

这个问题不仅是投资人日常思考的核心 也是整个技术生态都在反复探讨的话题 毕竟从技术发展的脉络来看 企业软件已经走过了多个时代 从大型主机时代到互联网时代 再到如今的AI时代 每一次技术范式转移 都会重新定义软件的价值 德赛认为 这是一个非常犀利但又必须直面的问题 而要回答这个问题

首先要想清楚的是 企业软件真正的护城河到底是什么 在行业中，有一些坊间说法，比如 我的护城河是和客户的关系足够好 或者，我的渠道能力非常强 但是在他看来 这些都不是AI时代企业软件的核心护城河 真正重要的是速度 当技术发生范式转移时 企业是否能以最快的速度推进技术构建

是否能在转型过程中持续学习、持续进化 是否能顺应平台变革 快速拥抱并借力新技术 我们可以回顾一下科技行业的历次转型 不管是互联网对传统软件的颠覆 还是2010年初 Meta向移动端的关键转型 核心都是企业的转型速度 谁能更快地跟上平台级的变化 谁就能占据先机

而一旦在这场技术竞赛中落后 投资者和客户都会抛出同一个问题 贵公司的未来何在呢？

这是所有企业软件公司都无法回避的拷问 当然，德赛也强调 技术转型的过程中 并非每一次押注都会成功 这是行业的常态 但那种认为 部分软件的终极价值会归零的极端说法 其实被严重夸大了 软件行业的发展 从来不是简单的替代与归零 而是迭代与重构 AI的出现是重构而非颠覆

这一点是我们理解企业软件价值的基础 聊到软件的价值和护城河 就不得不提企业软件行业一个核心的分歧 到底是做平台，还是做单点工具呢？

萨拉郭在对话中也将这个问题抛给了德赛 她以ServiceNow为例 这家公司一直被认为是最具持久力的企业软件公司之一 但如今这个判断也开始受到挑战 而对于很多具有工程师思维的人来说 将客户粘性、分发能力作为护城河 这些说法都太过抽象 他们更想知道的是 平台对客户来说到底意味着什么 单点产品的局限性又在哪里

德赛给出的核心观点非常明确 平台是有黏性的 而产品不是 单点产品本质上都是可以被替换的 这一点在AI时代会表现得更加明显 他分享了一个来自ServiceNow的细节 ServiceNow的弗兰克·斯拉特曼 过去常说一句话 tools are for fools 也就是把自己的东西称作工具 从来都不是好信号 之所以有这样的说法

核心原因在于软件行业本身是一个变化极快、不断被颠覆的市场 单点工具的核心竞争力 往往是某个单一的功能或用例 而在AI能快速生成同类工具的时代 这种单一的竞争力很容易被超越 客户替换起来几乎没有成本 而平台则完全不同 当企业将自己定位为平台时 面对客户的销售周期可能会更长

因为平台合作不是简单的替换现有工具 而是客户经过深思熟虑做出的重要决策 这种决策背后 是客户愿意将自身的业务系统与平台进行深度融合 而这正是平台黏性的来源 当然 德赛也并不否认单点产品的价值 他认为任何平台型企业 最初都需要一个切入点 一个真正的杀手级用例

比如ServiceNow最初的切入点是IT服务台 这个颠覆性的用例 能让企业轻松进入客户视野 获取第一批用户 但问题在于 如果你依靠单点用例进入客户体系 那么客户未来替换你也会同样轻松 因为他们并没有围绕你 构建太多的业务系统和集成关系 这种单点产品的模式 在企业发展的早期

比如从0到1000万营收、从1000万到1亿营收的阶段 也许是行得通的 但是当企业想要向更高的规模迈进 比如从1亿到10亿、从10亿到50亿 甚至到100亿以上时 就会变得越来越难 这也是为什么软件行业发展了这么多年 诞生了无数聪明的创业者和公司

但真正能做到纯软件收入超过100亿美元的公司 却只有个位数 因为真正的平台型企业 实在是太稀缺了 一家企业软件公司 想要从单点产品升级为平台 核心标志是什么呢？

德赛给出了一个明确的答案，他说 你的客户至少在使用你两种以上的产品 而且这些产品彼此之间能协同工作 从技术层面形成真正的黏性 更进一步，客户还愿意把你的平台 与他们现有的大量系统做深度集成 而真正的企业软件市场 真正的可服务总市场TAM 其实就在财富500强的这些大型企业之中

这些企业往往拥有几十年甚至上百年的发展历史 自身的业务系统错综复杂 他们对于技术合作的需求 从来都不是一个单点工具 而是能与现有系统深度融合、支撑多业务场景的平台 如果用单点产品的思维去服务这些大型企业 最终一定会触顶 企业只能不断叠加新的功能和产品

却始终无法与客户建立深度的绑定关系 而平台则能解决这个问题 因为平台的多产品协同能力 以及与客户现有系统的打通能力 会让客户用得越多，黏性越强 最终融入到客户基础设施的底层之中 德赛在对话中分享了一个非常具体的MongoDB的客户案例 让这个观点变得更加具象

他曾经代表MongoDB与一家大型银行进行交流 了解到这家银行已经将商业银行的核心应用 运行在MongoDB之上 同时还基于MongoDB构建了大量的系统集成 完成了所有的安全检查、治理等工作 他当时问对方的CTO 你们在MongoDB上构建了多少个应用？

对方最初只说很多，而且都很关键 在他的追问下 这位CTO在伦敦的交流中给出了具体的数字 300个 而当他继续追问，总数是多少时 对方的答案是9000个 这家银行总共有9000个应用 其中300个核心应用都构建在MongoDB之上 而这位CTO当时的一句话也道出了平台的核心黏性 CJ，别担心，我们哪儿也不会去

这个案例完美印证了平台的价值 客户在MongoDB上投入的开发、集成、治理成本 让他们形成了深度的绑定 而对于MongoDB来说 客户的9000个应用 也意味着巨大的业务机会 这就是平台化带来的双赢 在AI时代 还有一个被很多人提及的观点 那就是随着vibe coding、工程自动化和代码生成能力的发展

大型企业未来会自己按需生成软件 做出完全符合自身需求的系统 届时不仅横向的标准化应用会被取代 甚至连垂直行业的应用都会变少 企业软件公司的市场会被大幅压缩 萨拉郭也将这个问题抛给了德赛 想知道他如何看待这种观点 在德赛看来 这种观点其实忽略了企业级市场的真实门槛

vibe coding确实能让开发者快速做出一个应用 甚至结合MongoDB这样的工具 还能进一步提升开发速度 但是做出应用 和把应用卖给大型企业 尤其是银行、医疗、公共部门这类高监管行业的企业 是完全不同的两件事 他认为，想要进入企业级市场 首先要解决的是触达问题 也就是go-to-market的渠道

你要怎么接触到这家大型银行的决策层 你的产品真正的颠覆性到底在哪里 而更重要的是，大型企业 尤其是银行这类金融机构 会提出一系列严苛的企业级要求 这些要求是vibe coding生成的简单应用根本无法满足的 比如银行的业务系统 需要面对大量的监管机构，他们会问

这套系统能不能通过监管测试？

系统的韧性如何？

如果你的系统只部署在AWS上 那绝对不行 银行需要同时在GCP、Azure等多个云平台上运行 需要多云弹性 还有的银行会要求 核心应用必须跑在本地部署环境 而且是真正的物理隔离网络 这是数据安全的基本要求 这些都是企业级客户的核心需求 也是真正的可服务总市场的核心所在

你的产品到底是不是一个企业级应用 能不能满足这些高要求 决定了你能否真正进入大型企业市场 所以说Vibe Coding等AI工具 确实降低了应用开发的门槛 能让创业者快速做出有颠覆性想法的用例 但从go-to-market的角度来看 想要真正打入大型企业市场 还需要解决大量的问题

比如监管合规、多云部署、本地隔离、安全审计、治理流程等等 这些问题才是企业级市场真正的门槛 也是AI暂时无法替代企业软件公司的核心原因 聊到这里 萨拉郭又提出了一个非常实际的问题 基于在ServiceNow、Cloudflare这些平台型存量巨头公司的工作经验 如果今天站在这些大型企业软件厂商的角度

在未来五到十年里 真正通往成功的路径是什么呢？

还有哪些关键点 是投资人群体目前还没有真正理解的呢？

德赛的回答 首先给所有平台型企业吃了一颗定心丸 这些平台型公司的可服务总市场依然存在 而且仍然很大 在他看来，对于企业软件公司来说 最可怕的事情不是技术变革 而是自己的可服务总市场在缩小 或者突然变得不再重要 而平台型企业的核心优势 就是市场的持久性和规模性 而在此基础上

企业想要在AI时代取得成功 核心就一句话 你必须非常非常清楚自己真正的护城河是什么 并且要保护好这个护城河 甚至要借助AI把它进一步强化 不管企业的护城河是什么 是与大型医疗公司50个不同系统的深度集成 还是在某个垂直行业的全场景解决方案 都可以借助AI做两件事 一是强化现有的护城河

比如把50个系统的集成扩展到100个 让客户的绑定关系更加紧密 二是利用AI快速为更多用例创造新的产品 拓展新的业务场景 而这里有一个关键的点 那就是企业的创新必须与商业转化结合 你必须持续向市场证明 AI正在帮助我们实现增长的再加速 帮助我们更快地创新、卖出更多东西

因为如果一家公司只说自己在更快地创新 却没有实现实际的商业增长 没有卖出更多的产品和服务 那么不管这家公司的技术有多先进 都必然会面临问题 这一点也是投资人真正关心的核心 德赛表示 他经常和投资人交流 而投资人对于AI时代企业软件公司的判断标准非常明确

AI是否会让这家公司实现增长的再加速 如果你能向市场展示出这种再加速的能力 展示出创新与商业转化的结合 那么投资人会持续看好 如果你无法展示这种能力 投资人可能会保持中立 而在一些极端情况下 投资人甚至会转为看空 所以对于企业软件公司来说 AI不是一个单纯的技术概念 而是推动业务增长的工具

利用AI强化护城河、实现商业增长 才是核心目标 接下来 这场对话的焦点转向了赛道选择 萨拉郭提到 当前投资市场发生了一次很大的资金转向 不管是公开市场还是私募市场 资金都从传统的商业软件 大量转向了AI基础设施、模型层 以及超大规模云厂商

而数据基础设施和开发者基础设施这一层 并没有成为这轮资金迁移的重点 而德赛在职业生涯中 有过很多次选择的机会 他完全可以去做AI基础设施或者模型层的业务 却最终选择了MongoDB 选择了数据基础设施这条赛道 萨拉郭想知道，他当初是如何判断 哪些赛道在长期内仍然会重要的

又是如何坚定地选择走平台化这条路的 德赛坦言，有选择本身往往是最难的 他当时也可以继续留在Cloudflare 这是一家非常优秀的平台型公司 但他最终选择MongoDB 核心基于两个层面的判断 而这两个判断 也正是他赛道选择的底层逻辑 第一个判断 是赛道是否存在一个足够持久的可服务总市场

他大学毕业后的第一份工作是在Oracle 在那里 他深入理解了Oracle如何扩展数据库平台 如何围绕数据库之上构建应用 如何在大规模并购之前实现有机增长 也了解到数据库平台、中间件、应用层的软件栈层级逻辑 而当他在Cloudflare工作期间 对数据库市场有了更深入的理解之后

发现这是一个拥有巨大且持久TAM的市场 而MongoDB，恰好就处在这个市场之中 这是他选择的核心前提 第二个判断 是MongoDB在这个赛道中的颠覆性和行业地位 德赛在加入MongoDB之前 做了大量的尽职调查 也和大量MongoDB的客户进行了深入交流 而一个让他非常意外的发现是 很多行业的关键任务级应用

无论是零售商的电商应用、商业银行的核心系统、医疗行业的诊疗系统 还是保险行业的理赔处理系统 都已经运行在MongoDB之上 这些应用都是企业的核心业务 一旦出现问题 会直接影响企业的正常运营 而MongoDB能成为这些核心应用的技术底座 足以证明其技术实力和可靠性 数据库行业本身非常悠久

Oracle再过一年半就要庆祝成立50周年了 而MongoDB在2007年诞生 到2026年也就大约18年左右 却已经成为数据库行业中一股真正的颠覆力量 这背后 是MongoDB对行业需求的精准把握 也是其技术的核心竞争力 而除了这两个核心判断 德赛还发现了一个重要的行业趋势

那就是MongoDB已经成为了数字原生和AI原生公司的技术底座 他在和旧金山地区的一些公司交流时发现 2010年到2015年左右出现的一批数字原生公司 以及现在新一代的AI原生公司 很多都是构建在MongoDB之上的 这个现象让他意识到 MongoDB的产品特性 恰好契合了新时代的技术需求

当年MongoDB的创始人在创建这家公司时 可能并没有完全预料到 未来会充满如此多的非结构化数据 会需要极高的开发和迭代速度 还需要强大的搜索能力 而这些正是AI应用的典型特征 AI的数据源本身是混乱且多样的 而MongoDB恰好非常适合处理这种非结构化的、复杂的AI数据

这也是MongoDB能成为AI原生公司技术底座的核心原因 在此基础上 德赛还提出了一个重要的观点 数据基础设施是软件栈中永远的常量 是AI时代企业软件的核心底层设施 他认为，当下的科技行业 正处于两个重要的转型过程中 第一个是云计算转型 这个转型从AWS诞生开始算起

到现在已经接近20年了 但是即便到了2026年 财富500强的公司依然在讨论 要把百分之多少的应用迁移到GCP、AWS、Azure 或者是这些云平台的组合 在欧洲市场 还会涉及阿里云等其他云平台的选择 这意味着云计算转型仍然在进行 而且还会继续 第二个转型就是AI转型

而这个转型才刚刚开始 和云计算一样 AI转型也会持续很长的时间 而在这两个转型过程中 数据库这一层 是企业无论如何都必须拥有的一层 因为数据是所有应用的核心 是AI的燃料 数据总得存储在某个地方 而数据基础设施 就是负责数据存储 管理处理的核心载体

这也让数据基础设施 成为了一个具备巨大time 且几乎没有被颠覆风险的关键赛道 而MongoDB的前任CEO戴夫 也曾经对德赛说过一句话 让他印象深刻 戴夫说很多人都尝试过 去创造下一代的数据库 或者说下一个颠覆性的数据库 但是没有人能做到收入突破10亿美元 更别提20亿美元了

而MongoDB做到了 这句话也印证了 MongoDB在数据基础设施赛道的独特性 也让德赛更加坚定了自己的选择 在聊完赛道选择之后 对话又回到了投资人的焦虑上 萨拉郭表示，当前的投资人群体 整体处于一种焦虑的状态 他们对SaaS应用感到焦虑 因为应用的构建方式在AI时代快速演变

他们对数据基础设施也感到焦虑 担心价值会被AI稀释 同时，他们对AI原生公司也感到焦虑 因为担心所有的价值 最终都会集中在大语言模型这些模型层之中 她想知道，在德赛看来 未来哪些方式下的应用会真正有价值 能让投资人摆脱这种焦虑 重新建立信心 德赛认为

2022年是软件行业的一个关键节点 尤其是ChatGPT在2022年秋季发布之后 到如今已经走过了三年多的时间 在这之前 软件行业的发展相对比较静态 而在这之后 软件行业的发展速度被彻底加快 软件的未来也开始面临广泛的质疑 这种质疑不仅来自投资人 也来自客户

客户会不断问自己，我该用X还是Y呢？

而这个节点 也成为了软件栈上的一个关键转折点 而想要判断未来的应用价值 首先要分清软件栈中的“常量”和“变量”， 也就是哪些部分是永远存在的 哪些部分是持续演化的 在他看来 软件栈中有两个核心的常量 第一个是大语言模型 在可预见的未来 大语言模型都会存在

尤其是当企业真正构建依赖这个软件栈的AI应用时 模型是核心的技术底座 而且这个领域还在持续创新 比如xAI这样的公司 从无到有发展得相当好 未来模型也会持续存在于Agent化的软件框架中 第二个常量，就是数据层 也就是我们之前聊到的数据基础设施 因为数据是所有应用的核心

不管是传统应用还是AI应用 数据总得存储在某个地方 数据的管理、处理、分析 也需要专业的基础设施 所以数据层是必然存在的 这也是他一直坚定看好数据基础设施赛道的原因 而除了大语言模型和数据层这两个常量 软件栈中其他一切环绕在这两层之上的东西 也就是顶层的应用用例

都会不断演化 这也是软件行业创新的核心领域 而这些顶层应用想要真正有价值 核心就是要展示出真实的、可落地的价值 无论你是做平台化的解决方案 还是在软件栈的顶层 聚焦某个具体的垂直用例 比如 如果你是在为保险行业打造AI native公司 保险行业有大量不同的用例

从核保、理赔到客户服务 每个用例都有不同的需求，你要做的 就是让客户能从旧的SaaS系统 平滑迁移到新的AI原生系统 并且这个新的系统能够实现极快的价值体现 比如提升核保效率、降低理赔风险 只有这样 才能在竞争中始终保持领先 而AI的出现

也让很多在旧SaaS系统中认为不可能的事情 变得可能 这正是顶层应用用例的创新机会 作为MongoDB的CEO 德赛的客户覆盖从初创公司、个人开发者 到财富前10强的大型企业 几乎涵盖了所有类型的客户 萨拉郭因此想知道 他从这些最大公司的开发者和采购方那里 听到的关于AI价值的真实看法是什么

这些大型企业现在对AI最兴奋的点是什么 又对哪些方面持怀疑态度 德赛给出了一个非常重要的工作原则 如果他一周至少没有跟10个客户交流 他就觉得这一周完全失败 当然 这需要大量的准备和后续跟进工作 但通过这种高频的客户交流 他能不断获取第一手的市场数据

并且尝试对行业现象进行模式匹配 而这也是他能精准把握市场需求的核心原因 基于这些交流 他总结出了大型企业对AI的真实反馈 整体来看 财富500强这些大型企业的AI落地推进速度 其实并不算快 而且在不同的应用场景 反馈呈现出明显的分化 第一个场景是办公生产力类的Copilot

这是很多企业最早尝试的AI应用 比如用自然语言生成Excel公式、制作PowerPoint幻灯片等等 但是从客户的反馈来看 他们从这类应用中获得的价值并不明确 甚至可以说价值偏低 这也是为什么这类应用在大型企业中没有得到快速推广的核心原因 第二个场景是代码辅助 这是2024年开始有明显进展

而且在2025年实现突破性发展的领域 从最初的GitHub Copilot 到Claude Code 都在大型企业中得到了广泛的应用 而德赛从客户那里得到的反馈也非常积极 客户表示 这些代码助手不仅提升了开发速度 还在创新能力、代码安全性等方面带来了明显的提升 这也是目前大型企业对AI最兴奋的领域

因为它的价值是实实在在可以感知和量化的 第三个场景是客户支持 这是目前大型企业仍然在尝试和探索的领域 还没有实现规模化的落地 比如一家大型电信公司或医疗公司 是否能让AI原生公司的产品 完全接管客户支持呢？

答案显然是否定的 这些企业目前只是将AI应用在客户支持的一些初步用例中 比如智能问答、工单分类等等 但是要实现端到端的客户体验 AI还远远不够 因为客户支持中会涉及大量的复杂场景和个性化需求 需要人的参与和判断 这也是大型企业对AI在该领域应用 持谨慎态度的原因 而除了场景上的分化

大型企业对AI还有一个核心的疑问 那就是在引入AI原生产品时 应该把它当作一个“and”， 还是一个“or”。

也就是 是将AI原生产品叠加在现有的记录系统之上 还是用AI原生产品 直接替代现有的记录型系统 比如在客户支持领域 很多企业已经有了Salesforce这样的记录系统 当出现一个声称能解决客户支持问题的AI原生公司时 企业会纠结 是在Salesforce的基础上叠加AI功能

还是直接用AI原生产品替换Salesforce呢 这是一个非常现实的问题 也是德赛几乎每天都会和客户探讨的问题 而德赛给出的观点是 企业其实是愿意接受直接替代的 前提是这个AI原生产品能展现出足够的价值 他表示，作为企业领导者 如果有一家公司说 我能完全替代你的现有系统 而且更便宜、更快、更好

定价方式也能颠覆现有模式 让你得到的价值匹配你支付的费用 那么他一定会认真听这家公司的方案 而这个观点 也打破了行业中的一个传统认知 认为记录系统已经深度嵌入到了企业内部 新的产品只能做切入口 或者在其之上加一层 而无法直接替代 德赛还分享了一个真实的案例 印证了这一观点

他在前些天的纽约NRF大会上 和一家欧洲零售商进行了交流 这家零售商此前尝试过很多传统的记录系统 来做ERP系统 但是这些系统的实施成本非常昂贵 而且失败的案例很多 从供应链管理到财务系统 都出现了各种各样的问题 最终 这家零售商决定自己投入资源来构建ERP系统

而这个系统的技术底座，正是MongoDB 这个案例说明 当传统的记录系统无法满足企业的需求时 企业愿意放弃现有的解决方案 基于更适配的平台自建系统 而这也为AI原生产品和平台型企业提供了新的机会 尤其是在数据层 传统的数据库比如Oracle 难以处理AI时代的非结构化数据 而像MongoDB这样的新型数据基础设施

恰好能满足企业的新需求 这也是其能成为企业自建系统底座的核心原因 这场对话的最后 萨拉郭将话题转向了领导力 她认为德赛不仅是一位优秀的CEO 更是一位非常出色的产品人 而且在她认识的十年里 德赛谈论商业战略的频率 比很多产品人都高得多 她想知道 作为一个产品和工程背景的人

他是从什么时候开始思考护城河、客户购买方式这些商业问题的 而出色的产品人 又应该具备哪些核心的领导力特质 德赛表示 他的商业思维和产品领导力 最早可以追溯到2005年左右 在Semantic工作的时期 当时的CEO约翰·汤普森 教会了他很多核心的道理 而这些道理 也成为了他职业生涯中坚守的原则

约翰·汤普森对与客户互动、向客户销售、为客户服务的标准都非常高 他教给德赛最核心的一点是 当你和客户交流时，不仅要问他们 我们如何能更好地为你服务 还要问他们 还有哪些其他问题、痛点 是你们正在经历的 而且，这种交流不能是远程的 而是要亲自去见客户 和他们面对面沟通

真正去理解客户的业务场景和需求 因为只有这样，才能“看到拐角”， 也就是提前预判行业的趋势和客户的潜在需求 而这正是出色的产品人最核心的能力 约翰·汤普森还给了他一个最重要的建议 也是他一直坚守的原则 那就是除非你一直和客户交流 否则你不可能成为出色的产品和工程人员 这里的“一直”是关键

因为高频的客户交流 不仅能帮助产品人做市场现象的模式匹配 还能让他们洞察未来的发展方向 让产品的研发不再是闭门造车 而是真正贴合市场需求 德赛表示 即便MongoDB已经有了成熟的平台化战略 他依然会坚持和客户面对面交流 而这样的交流 也总能带来新的业务机会 比如他在纽约NRF大会上

见了一家零售商的CTO 对方表示他们的电商应用完全运行在MongoDB之上 电商收入占公司总收入的20%， 而德赛在交流中发现 这家公司竟然没有使用MongoDB的搜索功能 甚至不知道MongoDB还有向量搜索这样的核心功能 而这次交流之后 MongoDB的团队就开始和这家公司进行跟进 这就是客户亲密度带来的机会 在德赛看来

很多产品人存在一个误区 就是认为，产品做好了 客户自然会来，但是实际上 这种想法在企业软件行业根本不成立 企业软件的产品价值 不是产品人自己定义的 而是客户定义的 只有和客户保持深度的交流 才能知道客户是如何考虑部署你的产品的 部署需要多久 他们期望获得多少价值，而这些信息

会反过来指导产品的研发和迭代 让产品更贴合市场需求 同时，和客户的深度交流 也能让产品人理解商业的本质 比如销售团队应该如何出现在客户面前 如何给客户定价 如果出现系统故障或中断 应该如何在危机中应对客户 这些经历会让产品人变得更加脚踏实地

也能让产品的研发和企业的商业战略更好地结合 萨拉郭还提出了一个企业软件行业的痛点 很多SaaS和基础设施公司 都无法实现从单一产品扩展到多产品的跃迁 也无法顺利完成技术转型 比如从云转型到AI转型 她想知道，德赛认为 是什么让一个产品和工程团队能成功应对这种转型

而另一些团队则失败了 德赛的答案是，核心在于变革管理 也就是企业是否有主动拥抱新技术的意识和能力 是否能适应技术转型的节奏 他分享了自己在ServiceNow的经历 在ServiceNow早期讨论AI时 他和工程团队沟通 很多工程师的态度是 哦，这只是外面的趋势，不太确定 而他当时就明确表示 不主动参与AI转型

不是一个选项 因为无论AI技术在两年后还是四年后成熟 这都是一个未来的平台 企业必须提前布局 主动探索，而不是被动等待 他还举了一个经典的行业案例 就是诺基亚和黑莓的衰落 诺基亚的手机曾经做得非常好 黑莓也是商务手机领域的绝对领导者 但是在iPhone发布之后 这两家公司都没有快速跟上智能手机的平台转型

即便在iPhone发布后的三到五个季度 黑莓的销量依然很好 并没有被立即颠覆 但最终还是因为固步自封 被时代所淘汰 这个案例说明，技术转型的过程中 企业最可怕的不是技术不成熟 而是没有变革的意识 当新的平台型技术出现时 如果你选择观望 那么最终必然会被颠覆 而MongoDB的经历

也印证了变革管理的重要性 MongoDB顺利完成了Atlas转型 也就是从传统的数据库产品 转向云原生的数据库平台 也完成了多云转型 满足了企业的多云部署需求 而现在，MongoDB正在进行AI转型 德赛表示 MongoDB在架构上有很多优势 比如对非结构化数据的处理能力、向量搜索功能等

这些都让它更适配AI时代的需求 但是即便如此 MongoDB依然需要扎实地推进AI转型 从客户那里获得信任 用实际的产品和服务证明转型的价值 因为如果企业无法完成转型 无法用成果证明自己的价值 就只能停留在所谓的“bare thesis”， 也就是投资人不确定你的未来 而企业证明投资人错误的唯一方式

就是通过业务的再加速展示转型成果 让市场看到，我们又回来了 在对话的最后 萨拉郭提出了一个存量企业的AI转型误区 很多大型企业，他们的销售方式之一 是把一堆产品捆绑在一起 然后把其中一部分对客户根本没什么用的产品 称作cloud或者AI 然后通过一些定价上的小花招来达成业绩目标 她认为

这些企业拥有很多有才华的人 却做出这样的行为 核心是缺乏真正的转型领导力 而德赛也对此表达了认同 德赛表示 这也是为什么MongoDB在发布第三季度财报时 他一次又一次被问到，这是因为AI吗？

，而他的回答始终是 绝对不是，甚至在CNBC的公开采访中 他也明确表示 MongoDB的增长核心是自身的核心数据平台业务 AI并不是核心 他解释道 虽然有上百家AI原生公司在MongoDB上构建应用 这是一个积极的信号 但这些AI原生公司目前的规模都还比较小

今天能做到1亿ARR甚至10亿ARR的AI原生公司 也就十来家 他们的数据量和业务规模 还不足以成为MongoDB增长的核心 对于MongoDB来说 AI原生公司的合作是一个增量 而不是替代核心业务 当AI浪潮真正起来时 这些增量会为MongoDB带来更多的价值 但是MongoDB的核心增长

依然来自于传统企业的数字化和云转型 来自于自身数据平台的价值 而在他看来 存量企业想要避免这种虚假的AI转型 核心需要两点 第一，要有真正致力于技术转型的人 一个把创新当作北极星的领导者 这个领导者能带领团队真正投入资源做AI研发 而不是把AI当作一个营销概念 第二

要在组织内部建立一些知识诚信的护栏 让每周和客户沟通的真实反馈 与资本市场看到的数据之间保持平衡 不能为了迎合资本市场的期待 而做出虚假的AI包装 忽略客户的真实需求 这场对话的核心 其实为我们勾勒出了AI时代企业软件的发展逻辑 当AI能批量生成单点工具时 工具的价值会被大幅稀释

而平台化才是企业软件唯一的护城河 这种护城河源于多产品的协同、与客户系统的深度集成 以及客户的深度绑定 而在AI时代 企业想要守护并强化这条护城河 需要做到三点 一是保持技术范式转移时的快速转型速度 借助AI拓展产品和用例 二是坚守赛道的核心价值

比如数据基础设施这样的“永远的常量”， 不被市场的资金热潮所裹挟 三是保持与客户的深度交流 让产品的研发和企业的转型始终贴合客户的真实需求 拒绝虚假的概念包装 对于所有的企业软件公司来说 这三点 就是AI时代的生存和发展之道 感谢大家收看本期视频 我们下期再见