存量即壁垒，定价即难题：ServiceNow 的企业级 AI 商业化样本

一句话看懂：ServiceNow做对的一件事，是没有把AI做成独立新产品去卖，而是把它嵌进自己已服务财富500强的工作流平台里，让AI直接作用于客户每天都在跑的流程。2026年第二季度，公司订阅收入38.77亿美元，同比增长24.5%；AI年度合同价值首次突破10亿美元。但更值得中国企业管理者研究的是：一个以按席位订阅为收入命脉的平台型公司，如何把AI变成新的增长与涨价理由，同时又不被自己的新定价范式反噬——这是所有做SaaS、做订阅制生意的公司都躲不开的考题。

ServiceNow（NYSE: NOW）做对的一件事，是没有把 AI 做成一个独立的新产品去卖，而是把它嵌进自己已经服务着财富 500 强的工作流平台里——让 AI 直接作用于客户每天都在跑的流程。

2026 年第二季度（截至 6 月 30 日），公司订阅收入 38.77 亿美元，同比增长 24.5%（恒定汇率口径 23%）；反映未来 12 个月将确认合同收入的当期剩余履约义务（cRPO）132 亿美元，同比增长 21%；其 AI 年度合同价值（AI ACV）在这一季度首次突破 10 亿美元。（以上为公司财报口径）

对中国企业管理者，这个案例的研究价值不在”又一家巨头搭上了 AI”，而在一个更棘手的问题：一个手握海量存量客户、以”按席位订阅”为收入命脉的平台型公司，怎么把 AI 变成新的增长与涨价理由，同时又不被自己的新定价范式反噬？这是所有做 SaaS、做订阅制生意的公司都躲不开的一道题。

一、它面对的处境与挑战

ServiceNow 起家于 IT 服务管理（ITSM），后把同一套”工作流自动化”能力扩展到 HR、客服、运营、安全、乃至客户关系管理（CRM）等场景，逐步成为企业软件里的工作流平台龙头。到 2025 财年，公司总收入 132.78 亿美元，其中订阅收入 128.83 亿美元，同比增长约 21%；GAAP 口径经营利润 18.24 亿美元、净利润 17.48 亿美元。在大型企业里，它近乎”系统级”的存在——大量 IT、HR、客服、安全流程都跑在它的平台上。

连续多年 20% 上下的高增长，是它的底色，也是它的包袱。体量越大，维持高增速越难；对一家已过百亿美元营收的公司，资本市场需要一个新故事来支撑它的估值溢价。生成式 AI 的浪潮，恰好递上了这个故事——但也递上了一把双刃剑。

机会一面很直接：企业客户愿意为”能自动干活的 AI”多付钱，这可能成为新的增长引擎和涨价理由。威胁一面更隐蔽，也更致命：如果 AI 智能体真能替代大量重复性人工，那么”软件按人头（席位）收费”这个行业共用的商业模式就会松动——客户用更少的人办更多的事，需要的席位反而可能萎缩。资本市场把这层担忧概括为”SaaS 末日论”（SaaSpocalypse）：害怕 AI 原生玩家和智能体把按席位收费的企业软件吃掉。据 Gartner 预测，到 2030 年 AI 智能体可能分流约 20%、折合约 2340 亿美元的企业软件计划支出。ServiceNow 恰好站在这条火线上——它规模庞大的按席位收入，正处在被 AI 冲击的路径中央。

更何况这条赛道并不空旷。几乎每一家主流企业软件厂商都得出了相同判断，纷纷把”智能体”作为主战场：从 Salesforce 的 Agentforce、微软的 365 Copilot，到 Workday、SAP 各自的智能体框架，无一例外。这意味着 ServiceNow 既要向客户证明自己的 AI 与众不同，又要尽快把 AI 变成能确认的收入，两件事都不能慢。

ServiceNow 的公开立场是把危机转成叙事：管理层反复强调，每一个行业的每一个业务流程都在被”为智能体而重构”，因此平台不会消失，只会被重写——而重写的中枢，理应是掌握着这些流程的它自己。这套说法能不能成立，最终要靠收入来验证；但它至少定义了这家公司接下来几年要打的仗：不是守住旧的席位生意，而是抢下”企业智能体的操作系统”这个新位置。

二、它做对了什么：核心动作拆解

面对这个两难，ServiceNow 的战略转向可以概括为一句话：从”卖工作流软件席位”转向”卖能在工作流上自动执行的 AI 能力”。三个关键动作值得拆解。

动作一：把 AI 嵌进平台，而不是做成独立产品

为什么（Why）：ServiceNow 真正的壁垒不是模型，而是它已经沉在客户业务里的工作流和数据。模型可以被采购、被替换，但客户十几年积累的流程、审批链、权限体系和历史工单数据搬不走。如果独立做一个 AI 产品，等于放弃这个底座去和纯模型公司拼算法；把 AI 嵌进平台，才能让它调用客户现成的流程和数据，直接在真实业务上产生结果。

是什么（What）：公司把生成式 AI 能力打包成 Now Assist，覆盖 ITSM、客服、HR 等主要产品线，提供工单摘要、案例解决建议、知识文章生成、变更影响评估等功能；再往上推出 AI Agent Studio、AI Agent Orchestrator（智能体编排）等，让客户在平台内构建和调度智能体；底层则用 Workflow Data Fabric（工作流数据结构）、RaptorDB 等把散落在各系统的数据打通，喂给 AI。2026 年，公司干脆把自己重新定位为”面向业务重塑的 AI 控制塔”（AI Control Tower）——一个统一管理、编排跨系统智能体的中枢层。

怎么做（How）：关键设计是——Now Assist 不单独售卖，必须搭在客户已有的产品订阅之上。AI 作用的对象，是客户此刻正在跑的真实流程，因此采用几乎没有迁移成本：不用换系统，在原有工作流里打开即用。这把”平台优势”直接转化成了”AI 采用优势”。据公司披露，AI 控制塔上线约半年，采用客户已超过 500 家；智能体部署量在九个月内增长约 9 倍；反映数据层被广泛采用的 Workflow Data Fabric，出现在其当季前 20 大交易中的 17 单里。数据打通得越深，AI 越有东西可用，客户越离不开——这是纯做模型的对手很难复制的。

这里还藏着一层更长远的算盘：当企业内的智能体越来越多、来自不同厂商、要跨系统协作时，总得有一个层去编排、监督、审计它们。ServiceNow 想抢的正是这个位置——不只做几个好用的智能体，而是做”管理所有智能体”的控制塔。如果这一步走通，它卖的就不再是单点 AI 功能，而是企业智能体时代的治理与调度中枢，粘性和议价权会比单纯的工作流软件更高。

动作二：用”数字劳动力”叙事，把智能体卖成能出活的数字员工

为什么（Why）：要让客户为 AI 多付钱，就得把 AI 的价值从”辅助工具”抬升到”产出结果”。只做一个更聪明的聊天框，客户不会额外付费；能自动完成一件本来要人做的事，才谈得上新的、更高的定价。价值叙事的升级，是定价升级的前提。

是什么（What）：ServiceNow 把 AI 智能体定位为”数字劳动力”——能在 IT 运维、站点可靠性、客服、安全、HR、采购、风险等岗位上自主完成端到端任务的”数字员工”。围绕这个定位，它先抛出”自主工作队伍”（autonomous workforce）概念，再配套推出”智能体工作队伍管理”（agentic workforce management），让人来监督、指导、纠正这些智能体。公司反复强调的框架是：把人放在中心，把智能体当作放大器，而不是简单地用 AI 替人。

怎么做（How）：叙事落到产品上，是一批”角色化”的 AI 专员（AI specialists），对准重复性、高频次、挤占人工时间的岗位工作，让人腾出手去做需要判断和关系的事；落到指标上，是把”自动解决率””净新增 AI 合同价值”这类结果指标，作为向客户证明价值、向资本市场证明兑现的凭据。”数字劳动力”这套话术的高明之处在于：它把讨论从”你多买几个软件席位”，换成了”你多雇几个能干活的数字员工”——后者显然值更多钱，也天然指向按产出、按用量的新计价方式。

更关键的是钱包的切换。软件席位对应的是有限的 IT 预算；而”数字劳动力”对标的是企业远为庞大的人力/运营开支。一旦客户开始用”能省多少人力、多做多少事”来衡量 AI，采购的参照系就从”这套软件贵不贵”变成了”这个数字员工划不划算”，可支配的预算池随之放大。叙事在这里不是修辞，而是一次商业上的重新定价锚点。

动作三：重构定价与打包，并靠并购补强能力

为什么（Why）：AI 要单独产生收入，就得有单独的计价方式；但新的计价方式又会冲击旧的按席位订阅。如何既捕获 AI 的增量价值、又不动摇存量收入，是巨头做 AI 变现最现实、也最凶险的一道题。定得太激进，动了自己的收入命脉；定得太保守，AI 又变不成钱。

是什么（What）：2026 年 4 月 9 日，ServiceNow 把沿用已久的五级订阅（Standard、Pro、Pro Plus、Enterprise、Enterprise Plus）重构为三个”AI 原生”层级——Foundation、Advanced、Prime，旧 SKU 于 2026 年 7 月 1 日停售。三个层级不再只按功能多少划分，而是对应 AI 成熟度：Foundation 侧重任务级辅助，Advanced 支持智能体工作流，Prime 提供最自主的 AI 智能体。Now Assist、Moveworks、Workflow Data Fabric、AI 控制塔等能力被打包进各层级，最自主的智能体能力放在最高的 Prime 层——AI 从”可选加购项”变成了”每一档里都内置、且越往上越强”的东西。落到迁移上，原来的中低档大致对应 Foundation，Pro Plus、Enterprise 一类升到 Advanced，而顶配 Enterprise Plus 对应 Prime；部分过去在低档就能用的模块，被上移到更高层级才提供。换句话说，这次改档不只是换名字，而是借 AI 之势，把整条产品线的价值阶梯整体抬高了一格。

怎么做（How）：定价从”纯按席位”转向”席位 + 用量”的混合模式：仍按用户授权计费，但 AI 使用量以”assist”为单位按消耗计量，一次简单摘要与一段多步骤智能体流程的计费可以差出数倍，用量超出打包额度还需另购。能力上则靠并购补短板——2025 年 3 月，公司宣布以 28.5 亿美元收购前端 AI 助手与企业搜索公司 Moveworks（其年度经常性收入在 2024 年底已过 1 亿美元），补上自己相对薄弱的”员工前端入口”和中端市场触达，这是 ServiceNow 史上最大一笔收购，历经反垄断审查后于 2025 年 12 月完成交割；同年还有 data.world（数据）、Logik.ai（配置报价，指向 CRM）、Cuein 等一串补强型收购，并通过一系列安全类收购，把自身安全与风险业务做到公司所称约 10 亿美元的规模。（各收购金额、时间以官方公告为准）

把 AI 内置进每一档、而非单列为加购项，还有一层商业设计：这样一来，每一次续约、每一次升级，客户都无法绕开 AI，AI 就从”要不要买”变成了”用多少”。但这套混合定价并非没有代价——按用量计费意味着账单不再稳定可预测，一段复杂的多步骤智能体流程可能消耗大量额度，超额还要另购”加量包”。对习惯了固定席位预算的企业采购而言，这种不确定性本身就是阻力；ServiceNow 要一边推动客户接受用量计费，一边安抚他们对”账单失控”的担忧，这也是它把过渡节奏拿捏得极其谨慎的原因。

三、成果：用数据说话

财务层面：公司总收入从 2023 财年的 89.71 亿美元增至 2024 财年的 109.84 亿美元、再到 2025 财年的 132.78 亿美元；订阅收入同期从 86.80 亿增至 106.46 亿、再到 128.83 亿美元，连续保持约 21% 的年增速。分季度看，订阅收入从 2025 年 Q2 的 31.13 亿美元逐季升至 2026 年 Q2 的 38.77 亿美元。反映未来收入可见度的 RPO（剩余履约义务）在 2026 年 Q2 达 290 亿美元、cRPO 132 亿美元，同比均增约 21%。这里要分清口径：GAAP 与 Non-GAAP 差异明显——2025 财年 GAAP 经营利润率约 14%，而公司披露的 Non-GAAP 经营利润率在 30% 上下（2026 年 Q2 为 29.5%），两者不能混用。

AI 商业化进展（均为公司披露口径）：公司的 Pro Plus AI 方案在 2024 年底 ACV 已过 2 亿美元，被其称为史上增长最快的产品；2025 年 Q4，Now Assist 净新增 ACV 同比翻倍以上；2026 年 Q1，Now Assist 年合同价值超 100 万美元的客户数同比增长逾 130%；到 2026 年 Q2，AI ACV 突破 10 亿美元，公司称有望在 2026 年底达到 15 亿美元。这条兑现曲线是从两亿、翻倍、到过十亿一步步走出来的，而非一蹴而就——这本身也说明，即便对底子最好的巨头，企业级 AI 变现也是一个渐进过程，需要用两三年、而非两三个季度来衡量。

运营与客户层面：截至 2026 年 Q2，公司服务 8800 多家客户，约占财富 500 强的九成；年合同价值超 500 万美元的客户从 2024 年底的近 500 家增至 658 家；2025 年 Q2 时，年合同价值超 2000 万美元的客户数已同比增长逾 30%；2026 年 Q2 当季，净新增 ACV 超 100 万美元的大单有 123 笔，同比增约 40%；续约率维持在 98% 的行业高位。这些数字合在一起说明一件事：AI 目前更多是在存量大客户里做”加购”和”扩容”，让老客户在同一平台上买得更多、买得更贵，而非单独开辟一个全新战场。对一个平台型公司来说，这恰恰是最健康的增长方式。

结构上还有两个值得注意的信号。其一，增长来源在扩宽：除工作流主业外，公司安全与风险业务已做到约 10 亿美元规模、被其称为增长最快的板块之一，美国联邦政府需求也表现强劲，AI 并非孤军。其二，收入构成正在悄悄变化：有分析师观察到，其净新增业务中”非按席位”（用量/消费型）的比重正在上升——若属实，这意味着 AI 商业化确实开始摆脱对传统席位的单一依赖，向增量的消费型收入迁移。这一趋势能否持续、占比能否稳定抬升，是后续判断其 AI 变现成色的关键窗口。

四、为什么不能盲目照搬

ServiceNow 的打法有效，但前提条件极强，多数企业学不来。看清这几点，比记住它的成绩更重要。

第一，平台底座不可复制。它的 AI 能卖得动，是因为它已经握有海量工作流数据和存量大客户，AI 一接入就有现成的流程可作用、有现成的预算可加购、有现成的销售关系可推。白手起家者没有这个底座，同样一套智能体拿出去，往往找不到能立即产生结果的场景，也没有能顺势加购的客户。ServiceNow 的 AI 故事，本质是”存量优势的再变现”，不是”从零做一个 AI 产品”。

第二，定价范式的”自我革命”两难。把 AI 按用量、按结果计价，恰恰会侵蚀自己赖以生存的按席位订阅——AI 越是让客户”用更少的人办更多的事”，席位收入越可能被自己的产品蚕食。ServiceNow 用”席位 + 用量”的混合模式和三层重构来缓冲这种冲击，但这本质上是在给行驶中的汽车换引擎，节奏一旦出错，动的就是收入命脉。多数企业既没有它面对客户的谈判筹码，也承受不起这种主动的自我冲击。愿不愿意、能不能承受”革自己命”，是这套打法的隐藏门槛。

第三，”叙事先行、兑现滞后”是真实的资本风险。市场愿意给 AI 溢价，但收入兑现需要时间，预期差随时可能反噬。2026 年内，尽管经营数据持续超预期，ServiceNow 股价仍较年内高点大幅回落，机构对”AI 投入是否快过 AI 收入””按席位模式是否终将被侵蚀”的质疑并未消散。分析师阵营的分裂很能说明问题：有人因看好 AI 兑现而上调评级，也有人预期 AI 变现终将令人失望、仅仅因为估值跌得够便宜才转为买入——同一只股票，多空双方给出的理由几乎相反。这提醒管理者：热闹的叙事和冷静的报表，永远要分开看。

第四，企业级 AI 落地是长周期生意，且 AI 本身有成本。大客户采购、合规审查、系统集成的节奏，决定了 AI 收入不会一夜爆发；地缘或宏观因素还可能让部分大单延后。同时，AI 也有沉甸甸的成本一面——公司披露，Non-GAAP 订阅毛利率因加大对超大规模云厂商（hyperscaler）算力的依赖、以及 AI 采用加速而承压，2026 年相关利润率指引已相应下修，市场对此一度反应剧烈。2026 年一季度就出现过一次典型情形：当公司给出的全年经调整订阅毛利率指引低于市场预期、叠加部分海外本地部署大单因外部环境延后时，股价随即出现大幅下挫——尽管当季订阅收入其实同比仍增 22%。经营基本面稳、市场预期却剧烈波动，正是这门生意”叙事与兑现之间存在时间差”的直接体现。想靠 AI 立刻改善利润的企业，要对这条”先投入、后兑现、毛利先降后稳”的曲线有足够耐心和现金准备。

第五，巨头的特殊基本盘学不来。ServiceNow 在企业 IT 里近乎”系统级”的存在、约九成财富 500 强的客户基础、强劲的美国联邦政府需求，以及由此带来的议价权和交叉销售能力，构成了它独有的护城河。这种地位是二十年积累的结果，不是一套 AI 打法能速成的。学它”怎么做 AI”之前，先得掂量自己有没有它”做 AI 的本钱”。

五、给管理者的启示与行动

法则一：AI 要长在你的存量优势上，而不是另起炉灶。 ServiceNow 的经验是，AI 的价值不来自模型本身，而来自它能作用于什么。与其追逐一个孤立的 AI 新产品，不如先盘点：我们手里有哪些别人没有的流程、数据或客户关系，能让 AI 一接入就产生结果、并能顺势变现？

法则二：新定价要与旧模式的冲突提前想清楚。 任何按结果、按用量的 AI 计价，都可能与你现有的收费方式互搏。与其回避，不如像 ServiceNow 那样主动设计过渡结构（混合计价、分层打包、老 SKU 有序退场），并接受这是一场需要节奏管理的”自我革命”，而不是一次性的涨价动作。

法则三：把 AI 叙事和 AI 兑现分开管理。 对内对外都要区分”我们讲了什么”和”我们收到了什么”。用可核实的结果指标（自动解决率、净新增 AI 合同价值、AI 大客户数等）来约束叙事，既避免对外把预期当成已实现的收入，也避免对内被自己的 PPT 说服。

自检清单（对照自身逐条打钩）：

• 我们的 AI 计划，是嵌进客户已在用的流程，还是又造了一个要客户重新学习的新产品？
• 如果 AI 让客户”用更少的人办更多的事”，我们现有的收费方式会因此增收，还是减收？
• 我们向客户和投资人讲的 AI 价值，有没有可核实的结果指标撑着，还是只有形容词？
• 我们是否把 AI 的成本（算力、集成、并购整合）和 AI 的收入分开、诚实地算过账？
• 对于”AI 收入需要多长周期才兑现”，我们内部有没有一个不自欺的预期？

今天就能开始的小动作： 挑一个客户（或内部团队）已经每天在用的高频流程，只在这一个流程上试验 AI 能否端到端把某类任务做完，并事先定好用什么结果指标判断成败——先证明”能出活”，再谈定价和放大。

结尾：一个更大的判断

ServiceNow 的样本给出一个更大的判断：平台型巨头做 AI 商业化，最大的优势从来不是模型，而是”数据 + 存量 + 分发”——AI 有地方落、有预算加、有渠道推。但同一枚硬币的背面，是新定价范式与旧订阅体系的左右互搏，以及”叙事领先于兑现”的预期差。这两股力量此消彼长，决定了这类公司的 AI 故事究竟是重估还是泡沫。AI 会不会真正抬升企业软件的价值，最终取决于这些公司能否把”自动化的结果”稳定地变成”可确认的收入”。

对正在做订阅制、做 SaaS、做产品化服务的中国企业，这个样本的启发是双向的：一方面，如果你已经握有客户在用的流程和数据，AI 是把存量优势再变现的好机会，不必另起炉灶去追模型；另一方面，越早想清楚”新计价与旧收入怎么共存””叙事与兑现差多久”，越不会在 AI 热潮里把预期当成收入。真正的考题从来不是能不能上 AI，而是能不能让 AI 的账，最终结在报表上。

想把这套打法用到你自己的业务上？

如果你正在做订阅制或 SaaS，不妨对照文中的五条自检清单，看看自己的 AI 计划是长在存量优势上，还是又另起炉灶。用 AI 顾问诊断一下你的业务，找到那个能让 AI 一接入就产生结果、并能顺势变现的具体流程。

💎 核心承诺：先诊断、再合作，思路不对不推进。

专属咨询热线：400 822 8832

扫码加顾问 Ben 评估