解读2020：从五家领先硅谷公司看中国To B软件企业的“危”与“机”

本文是 InfoQ“解读 2020”年终技术盘点系列文章之一。

相信对于大多数人来讲，2020 年都是自己人生经历中最为特殊的一年，用“活久见”这个词来形容应该是再恰当不过了。刚刚开年，澳大利亚的大火让很多人感叹天灾是如此残酷，而随之而来的新冠疫情，则让任何其他我们见到的天灾都变得小巫见大巫。虽然到今天多个国家开始批准新冠疫苗，但是这个疫情何时结束，对于任何人来讲都是难以预测的事情，我们现在看到的是总共 8000 多万的患者和近 180 万人去世的令人心惊的数字。因为疫情的影响，全球的经济也跌入了寒冬，而美股也在 3 月出现了历史性的四次熔断，让我们在一个月内就拥有了股神巴菲特 90 年来的 80%的股市经历。

我们回过头来看，在这个疫情笼罩下的冬天，科技企业却有非常不错的表现，无论一级市场还是二级市场，相当部分的科技企业都取得了非常不错的结果。有的科技企业在一级市场获得了大额融资，有的则在二级市场表现的非常出色。作为一个服务于 To B 行业公司 20 多年的从业者，我也一直在关注 To B 行业的企业在中国和美国的表现，今天就让我们来谈一谈 2020 年的 To B 市场的情况。

美股中的那些正在成功的 SaaS 公司

在 2020 年的美股市场，有几个标志性的事件发生，而这些事件发生所代表的趋势无疑是值得我们仔细去探讨和思考的。

第一个标志性的事件，是 Salesforce 公司的市值在 2020 年 7 月超过 To B 行业传统巨头 Oracle，并一举拉开和 Oracle 的差距，到年末已经超过 2000 亿美金的市值。

Salesforce 可以说是 SaaS（软件即服务）公司的鼻祖，公司创始人 Marc Benioff 曾经是 Oracle 历史上最年轻的高级副总裁，正是预见到了互联网的发展将要颠覆传统的软件服务模式，他 1999 年从 Oracle 离职并创立了 SaaS 公司 Salesforce。经过 20 多年的发展，Salesforce 也终于超越 Oracle，成为了企业应用软件领域最大的 To B 软件公司。对比 Oracle 和 Salesforce，可以说它们分别采用了两种服务企业客户的思路，而这两种不同思路的产生，都是由于其成立时所处的 IT 发展水平所决定的。

我们先来谈谈 Oracle 所代表的传统的软件许可证售卖模式。

Oracle 成立于上世纪 70 年代年，而那个年代企业刚刚开始信息化建设，并且信息化基础设施开始从封闭系统的大型机开始向开放系统的小型机迁移。基于开放系统，开发客户信息化所需的软件无疑是当时的最合适的选择。

在互联网普及之前，所有的服务企业的软件公司所开发的软件，都是兼容这些开放系统进行发布，然后采用安装部署的方式部署在客户的 IDC 当中。而伴随着这种安装部署的软件，其销售模式就是售卖软件许可证加上售卖服务维保的模式。这种售卖模式一般是客户通过首次付出相对比较高的价格购买终身授权，然后再每年按照授权费用的一定比例（一般不超过 20%）购买售后服务。

由于软件不像硬件或者传统家用电器有一定的使用年限，造成了传统软件公司只能通过继续拓展新客户，或者给老客户售卖新的其他类型的软件，才能获取新的授权费用。这种销售模式的增长难度会越来越大，然后维保收入占比就会越来越高，企业只能寄希望于开发新的软件来增加收入，而新软件的成功又依赖于对客户业务需求的足够了解。

但是由于软件部署在客户环境中，想要获取客户的反馈，或者通过销售人员、或者通过售后人员、或者通过产品经理去客户那里采访和调研，造成了需求采集比较缓慢，产品的迭代速度也因此变得比较缓慢。对于数据库、操作系统等等纯基础层面的软件来说，这种节奏还可以满足客户的要求，但是对于面向业务的应用，由于企业客户的业务在互联网时代面临剧烈的变化，传统模式缓慢的速度已经很难适应这种变化，此类型的公司就面临非常巨大的挑战。另外，由于是一方部署加购买终身授权的方式，对于中小企业来讲，这些软件无论采买还是使用的代价都比较高，使得很多中小企业无力使用这种软件。

我们再来看看 Salesforce 的商业模式。

作为 SaaS 软件的鼻祖，Salesforce 意识到随着互联网的普及，对软件、尤其是业务应用类型的软件，未来企业会更多的通过互联网来获取服务。于是 Salesforce 首先把对于企业应用至关重要的 CRM（客户关系管理）软件进行了互联网实现。

在互联网的早期，用户都是个人用户，主要就是获取信息以及人际间的交互。而 Salesforce 首先把面向企业的软件服务互联网化，对于企业客户来讲，不需要再购买软件授权、再安装一套 CRM 系统到自己的 IDC，而是直接在 Salesforce 上开通企业账户，然后通过支付使用年费的方式来使用软件。

这种改变，首先受到了很多中小企业的欢迎。在欧美，由于企业运营的规范性非常高，同时人力成本比较高，业务流程的信息化对于任何企业都能带来切实的效率提高和成本下降。只是由于传统一方部署的软件成本高昂，对于中小企业来说投入产出比不高，因此不会去选择购买使用。但是这种基于使用时间和企业规模付费，并且不需要自己去维护的新型企业软件使用方式，无疑使得中小企业能够显著降低使用成本，并且不会带来过多的负担，因此很快就获得了中小用户的认可。

而且由于是基于互联网的服务方式，还可以非常方便的利用互联网的方式进行销售，这相比传统一方部署软件严重依赖销售人员线下销售的方式也有了非常大的不同，客户增长的速度也快的多。Salesforce 成立于 1999 年，在 2004 年上市时，企业客户就达到了 13,900 家，其发展速度也无疑是非常互联网化的。

当然，SaaS 软件在服务大型企业时也有明显的局限，因为大型企业一般都有自己的业务特点，都需要一定的定制化。但是 SaaS 软件由于是互联网标准化的服务，针对客户的定制能力就比较差。针对这个问题，Salesforce 推出了 PaaS（Platform as a Service）平台 Force，从而可以让合作伙伴针对客户的需求进行定制化开发，以满足大型客户的需求。而正是因为有了这样的 PaaS 平台，很多开发者开始基于这个平台进行应用开发，Salesforce 进而开通了应用交易平台 AppExchange，逐渐的将自己变为了一个企业应用生态厂商，这也是互联网带来的力量。

对比 Salesforce 和 Oracle，我们可以看到，Salesforce 这种结合互联网和企业应用的优点的创新，对于传统企业软件提供商来讲无疑是一种降维打击，而 Salesforce 每年漂亮的营收增长也进一步佐证了其成功：

Salesforce 按月收入曲线

Oracle 按月收入曲线

前面分析了 Oracle 和 Salesforce 的不同模式，我们再看看另外一个带来标志性事件的公司——Zoom。

在 2020 年，年轻的 Zoom 市值一举超过百年老店 IBM。在刚刚过去的 12 月 18 日，Zoom 的市值达 1,154 亿美金，而 IBM 的市值为 1,121 亿美金。年初突如其来的疫情让很多人不得不憋在家里边，远程办公、远程上课的需求一下子就带火了视频会议提供商，而 Zoom 就是其中最亮眼的那一个。Zoom 是由华人创立的一家美国公司，创始人袁征曾经是视频会议巨头 Webex 的工程副总裁。由于对 Webex 服务客户质量的不满，他离开收购了 Webex 的 Cisco，在 2011 年创立了 Zoom。

毫无疑问，疫情为 Zoom 今年的爆发式发展起了很大的助力，但其实在 2020 年之前，Zoom 就已经是一家明星 SaaS 软件公司了。如果说 Salesforce 开创了 SaaS 服务的商业模式，那么 Zoom 则是将很多 C 端的产品设计以及获客优势引入到了 SaaS 商业模式中。

作为视频会议系统，虽然付费的是客户企业，但终端使用者可能是企业当中的任何普通员工。从产品设计上，Zoom 追求互联网应用式的操作方式和用户体验，一反过去企业应用的繁琐与门槛。在获客上，则采用 free to pay 的模式，通过病毒传播获取更多的终端用户，然后通过终端用户影响企业的决策，最后完成企业的付费转化。当然，Zoom 最终的收费模式还是采用 SaaS 的收费模式，即通过续费来获取营收，费用多少则根据企业客户的账户多少来决定。

Zoom 的成功也给 SaaS 企业带来了新的启示。曾几何时，企业软件的核心是技术和业务逻辑的抽象，但是缺乏对产品体验的重视。而实际上，企业软件的最终用户还是每个真实的人的个体，更贴近人的使用习惯、提供更好使用体验的软件，无疑能够更有利于完成最终的付费转化。而且由于 SaaS 软件采用的是互联网使用方式，可以通过对用户使用行为数据的采集分析来优化产品和服务，因此将 C 端产品的设计和运营方式融入到 B 端 SaaS 软件中，是未来的一种趋势。

2020 年上市的那些美国 To B 软件公司

虽然疫情下 2020 年的全球经济遭受重创，但是我们仍旧可以看到在美国有多个 To B 软件公司完成了自己的 IPO，并且在二级市场表现得非常的出色，比如 Snowflake、Palantir 和刚刚上市的 C3.ai。

由 Peter Theil 参与创立的大数据智能公司 Palantir，由于帮助抓捕本拉登而名声大噪，又由于其与美国政府机构和知名大型企业的合作而颇显神秘。作为全球大数据行业的明星企业，已经成立 17 年的 Palantir 终于在 2020 年 9 月公开上市，并且表现优异。国内大数据企业应该对 Palantir 非常熟悉，甚至很多也将 Palantir 视作目标，这里就不过多进行赘述。

Snowflake 则因为刚上市就快速达到千亿美金左右的市值，而值得我们去做些研究。

Snowflake 成立于 2012 年，提供的是 OLAP（online analytical processing）在线数据分析的服务，属于典型的面向企业市场的业务。曾几何时，OLAP 也曾是企业级市场中非常具有商业价值的领域，传统软件时代成就了 Cognos、海波龙、Brio 等等成功的公司，可惜这些公司最终都被各个传统商业软件巨头通过并购纳入旗下，而在移动互联网兴起之后的大数据时代，这些传统的 OLAP 软件公司已逐渐跟不上时代发展。

在这个新的时代，云作为基础设施逐渐替代了曾经的小型机和开放系统，以云为基础设施的企业软件服务也才更符合客户的需求。而 Snowflake 就是顺应这一潮流的最为成功的代表之一。Snowflake 完全以主流的云平台为基础设施，构建自己的在线分析系统，为客户提供灵活的计费能力，进一步颠覆了企业软件的付费模式。

传统的 SaaS 大部分采用的是年费或者月费方式，而 Snowflake 由于完全构建在云上，可以充分利用云平台的弹性伸缩能力，然后将底层的云资源进行一定的封装，配合自身优秀的在线分析引擎，提供非常弹性的使用资源，支持客户按照资源的使用情况进行付费。

在实践中，大数据应用经常面临的就是资源的弹性问题，尤其是对中小企业来说，采用公有云平台作为基础设施，在利用云平台的弹性来合理规划计算能力，是更具性价比的选择。Snowflake 的机制就充分利用了云平台的优势，叠加其超强的产品设计能力，从而颠覆了传统 OLAP 软件的商业模式，最终获得了巨大的成功，甚至获得了很少投资科技企业的巴菲特的投资。

再看看另一个初上市就实现超过 100 亿美金市值的 C3.ai。相信很多人对这家公司感到很陌生，不过提到这家公司的创始人，可能就熟悉多了——Tom Siebel，被 Oracle 收购的曾为 CRM 领导者 Siebel Systems 的创始人。C3.ai 是一家为企业提供 AI 赋能的 SaaS 软件公司，其核心业务是通过低成本的 AI 平台，让各垂直领域的企业能将 AI 能力整合到自身业务中，使得 AI 对于企业不再是高不可攀。C3.ai 也是基于云原生的能力，与云平台做适配，再提供一站式的 AI 能力，使得客户企业仅需要付出可控的成本，就能够构建自己的 AI 能力。

中国 To B 企业：道路曲折，前途光明

前面花了大量篇幅来介绍美国的 To B 企业，究其原因是美国的 To B 企业无论从规模、到价值再到认知度都取得了巨大成功。但是回头来看国内的 To B 企业，却发现大家的日子都不那么好过。在二级市场上，中国 To B 行业没有一家千亿美金市值的公司，上市公司的数量也远远比不上美国。在 2020 年完成上市的企业中，也只有奇安信、金山云、声网、明源云等几家企业达到了一定的规模。

笔者曾与多位 To B 企业创始人有过交流，总结起来看，国内 To B 企业发展相对困难的原因无非如下几个：

• 企业规范性不高
• 人力资源便宜
• 大型企业客户定制化需求太多
• 中小企业客户生命周期短
• 中小企业客户付费意识不高

中国改革开放到现在刚刚 40 多年的时间，前面几十年由于人口红利以及高速的经济发展，大部分的企业也都是高速发展过程中，这样造成了企业无论从管理流程还是规范化程度都不如欧美成熟市场的企业。如果没有成熟的流程和规范化的管理，给企业提供 To B 服务时就很难平衡项目和产品间的关系。To B 企业服务经常会沦为定制项目，然后就只能通过控制人力成本来保证项目的盈利，这样就很难有很高的质量将项目沉淀成产品。虽然有不同的企业做了不同的尝试，但是项目实施一直是中国服务 To B 企业一个绕不开的问题。

另外，无论曾经的 IT 还是现在 DT，其中非常重要的价值是帮助企业提高效率、降低成本。欧美由于人的成本非常高，只要产品能够显著降低企业的人力成本，企业就愿意花钱买单，但是中国由于人工相对便宜，很多企业宁愿养人干活，也不愿意购买产品来提效。另外，过去很多企业员工的电脑使用水平不高，如果产品设计不能让企业的终端用户很容易上手使用，企业就更不愿花钱给自己戴上枷锁。这也是中国 To B 服务不好做的一个非常重要的原因。

从客户群体来讲，国内由于商业环境不够成熟，造成很多中小企业的生命周期短，对于服务于 To B 行业的企业来讲，把大型企业客户做标杆、标准产品售卖给大量的中小企业客户，是典型的营收模式。可是如果中小企业生命期短，就会存在客户生命周期价值小于获客成本的问题，最终使得 To B 业务很难盈利。

不过，随着数字化经济转型，我们可以看到国内的 To B 企业也在逐渐迎来新的发展机会，而资本市场也开始意识到投资 To B 企业的价值。仅仅在最近两个月，我们就看到了多个针对 To B 企业的投资消息，比如数据库公司 PingCap 获得 2.7 亿美金的融资、AI 公司滴普科技完成 4000 万美元的新一轮融资等等。

从宏观经济层面来看，中国的人口结构在发生变化，野蛮增长的时代已经过去，越来越多的企业都面临数字化转型升级的挑战，如果跟不上这一趋势，就很有可能会被淘汰。而各行各业的数字化转型升级，无疑是需要 To B 企业的技术和创新服务来支撑。

另外，随着移动互联网发展进入下半场，C 端流量寡头化的趋势已经形成，做 To C 创业的

机会越来越小、成本越来越大，基本成为资本+巨头的游戏，这在最近的社区团购大战中也得到充分的体现。对于投资人来讲，找到新的更稳妥的投资标的是不得不做的选择，而 To B 企业虽然成长慢，但是因为其核心是服务于 B 端客户，自身就能够造血，不像 C 端企业经常要考虑“羊毛出在猪身上”的问题。因此投资 To B 企业虽然很难快速产生百倍的回报，但是成功率更高，综合回报未必低于赌 C 端创业的低概率。

从国家政策层面来讲，To C 创业一般都是服务于个体消费者，涉及到社会民生。从 P2P 到长租公寓，暴雷过后经常会留下一地鸡毛，带来很多问题。因此从政策层面对于 To C 创业也越来越谨慎，从最近引发热议的反垄断调查也可以看出变化。通过烧钱形成垄断再进行变现的模式，相信未来在国内将会变得越来越困难。另外，中美贸易战也使得我们强烈意识到科技创新和自主知识产权的重要性，由于大部分 To B 企业的核心业务都是通过技术创新和商业模式创新来提供服务，更符合国家的政策方向，因此也更容易获得支持。数据库的国产化就是一个典型的场景。

虽然有这些利好消息，To B 行业仍旧是一个非常考验创业者耐心的行业。在美国，一个 To B 企业从创立到成功上市，大部分都要经过 10 年左右的时间。在国内，由于前面提到的原因，这条创业之路一定会更艰难。但是经过 20 多年的发展，中国已经有了相当多的懂得 B 端服务的人才，资本环境和国家政策也将支持更多的人才投入到 To B 行业当中。

前面谈了那么多，现在我们再回过头来看中国企业客户的现状，然后来分析一下 To B 企业的机会在哪里？

我们首先来分析一下中国的金融行业。金融行业在我国一直是 To B 服务的重点行业，再细分下去又可以分为银行、证券、保险以及一些新的消费金融公司。

在我国，银行业包含六家国有银行——工、建、农、交、中以及新成立的邮储银行，另外还有十二家股份制银行以及 134 家城商行、17 家民营银行、2000 家左右的农村商业银行和信用社。在过去 20 年，做 To B 服务，银行业是必须要考虑的行业，主要是银行业务特点决定了银行业重度依赖信息化建设，来自银行业的收入也养活了众多在中国的外资软件公司以及民营企业。

不过随着银行自身技术能力的增强，很多 To B 企业发现银行业的生意越来越不好做了。究其原因，一个是银行已经完成了大部分的信息化建设，相关的需求在减少；另外，银行在信息化建设过程中，也逐渐建立起自有的科技团队，对外部服务的需求也在减少。现在已经有超过 10 家银行建立了自己的科技子公司，还有多家银行有了自己的金融科技部。很多大型银行已经从被服务的企业，逐渐转变为科技能力输出的企业，开始服务更小的商业银行，并与金融服务领域的 To B 企业产生竞争。而且银行的金融科技公司还有业务理解和合规性的优势。现在，如果面向银行做 To B 业务，要么得有极具技术领先性的产品，要么就逐渐变成一种采用人力外包计价模式的苦哈哈的生意。

再说说证券行业，中国有 135 家证券公司，笔者刚刚工作时赶上第一波互联网浪潮，当时服务券商主要是帮助券商做基于互联网的行情系统或者信息资讯系统。经过这 20 多年的发展，券商也已经开始进入到数据驱动的时代。很多券商都设立了互联网金融部门，通过自己的移动应用对用户行为数据进行采集和分析，TalkingData 也帮助很多券商构建移动运营分析平台。最新的趋势是，很多头部券商越来越重视用数据来驱动整体业务增长，包括建立数据化、智能化的营销平台。另外也有不少券商开始将千人千面的精准营销模式嵌入到移动应用中，应用的运营方式也越来越互联网化。利用互联网产品的思路来服务券商，无疑具有一定的市场空间。

除了金融行业，包括快消、连锁零售、美妆和服饰等在内的中国消费品行业也值得关注。曾几何时，消费品行业的大部分预算都给了品牌广告，只是随着人的时间分配在不同媒体类型间进行转移。但是随着基于互联网思维的新消费品牌的兴起，传统消费品企业开始面临越来越大的转型压力，也纷纷开始数字化升级，将传统以生产为驱动的模式转变为以消费者为驱动的模式，并用数据和 AI 能力探索全链条的提效降本。一些走在前列的行业头部企业正在积极实践，像 TalkingData 与某连锁餐饮集团的合作中，已经能够利用销售预测模型进行单店单品的销量预测，利用多种维度的数据来辅助开关店面、人员管理的决策，并看到了实效。随着中国逐渐从增量市场进入精细化运营驱动的存量市场，传统消费行业企业的数字化转型升级场景下也蕴藏着无限的机会。

谈了这么多，可以看到虽然中国 To B 行业存在这样那样的问题，但也存在非常多的机会。相信随着大家的努力，中国 To B 创业会逐渐迎来自己的春天，会诞生出越来越多的成功者。而国内的各类行业和政府机构，也会因为 To B 企业的创新、高效的助力，迎来自身的新发展。

作者简介：

阎志涛，TalkingData CTO。整体负责 TalkingData 技术中台管理和技术研发方向，领导研发了 TalkingData 的数据管理平台（DMP）、数据观象台等核心产品，并专注于构建一个融合多种计算模型、支持机器学习和数据挖掘的大数据计算平台。拥有超过 20 年的 IT 领域从业经验，一直从事大规模分布式计算系统、中间件、BI 等相关工作，关注 Spark、Hadoop、HBase、MongoDB 等技术。