AI应用:美股向左,A股向右

新闻

作者：微信文章
一个看事实，一个看叙事情绪

开年以来，美股的AI应用板块持续低迷，深陷被AI吞噬的泥淖中仍未恢复，但是A股的AI应用却走出来别样的风景。

同一类业务，在美股被当成“要被 AI 吞掉的利润池”，在 A 股却被当成“AI 新蓝海、0→1 渗透”的标的来爆炒。

在美股，当前自上而下共识已经很清晰——利润主要会沉淀在底层算力 / 平台 / 深流程 system-of-record，大量“薄流程、低门槛、靠人力堆出来的 SaaS/服务”，是要被 LLM + Copilot 类工具吞掉的，典型案例就是 Chegg 这类被 ChatGPT 直接冲击到股价一天腰斩的公司。

而国内投资者能直接买到的 NVDA/MSFT/GOOGL 等 AI 基础设施资产有限，监管导向又强调“数字经济 + AI 赋能实体”，于是应用层（AI 教育、AI 营销、AI 门店数字化、AI 终端等）自然成为“AI 主战场”和情绪出口。券商报告、媒体和政策口径大量讲“新场景、新消费、新质生产力”，很少讲“被 AI 替代的旧利润池”。

同一类公司：

在美股：问题是“AI 会不会把你原有的 seats / 人工服务吃掉？”

在 A 股：问题是“AI 能不能帮你开出一个新的想象空间？”

美股：叙事要经过“earnings call → sell-side 模型 → buy-side 质疑”的三重过滤

一家 AI 应用公司想讲故事，必须在：公开市场 / 财报电话会；Sell-side 模型（RPO / NRR / LTV/CAC）；大型机构 CIO / PM 的投资委员会里来回经受“质疑—验证—打脸”的回路。在这种传播结构里，“AI 会吃掉你”这个负面叙事，只要被验证过几次（如 Chegg），就会迅速形成“板块共识”，传导到估值体系。

A 股：叙事传播链更短、更偏向“主题—情绪—价量共振”

A 股一条 AI 应用叙事的路径经常是：这个传播链条中，“质疑 / 验证”的环节较少，容易形成“先把故事 price in，再慢慢用业绩证伪/证实”的路径依赖。

同一个事实：

“AI 可以自动生成广告文案”

美股 narrative：广告 SaaS 的 pricing power 危险。A 股 narrative：AI 营销平台的 TAM 打开，广告公司获得“AI 催化”。

美股带着很强的“怀疑主义 + 反泡沫记忆”；我们则更擅长把宏大叙事转成短期交易主题。

---

业务层：为什么美股觉得“被吃掉”，A 股觉得“迎来 0→1”

1）美股：从“AI 侵蚀 ARPU / seats”出发

成熟 SaaS 在美股有几个共性：底层 infra / 平台已经高度集中（OpenAI + Azure、Google Cloud、AWS），应用层大部分是薄流程 + UI 封装 + 一点 domain 逻辑；商业模式高度标准化：seat-based / usage-based 定价，毛利 70–80%，已经被市场当成“现金奶牛”。

在这个结构下，AI 一来，投资者第一反应是：“客户为什么还要为这层薄 UI 付这么多座位钱？是不是可以直接用 Copilot/ChatGPT 搞定？”

例如，HubSpot 这类 CRM / 营销 SaaS，近两年投资者讨论的一个核心点就是：AI 自助生成营销内容、自动建 campaign，会不会导致付费 seats 被压缩，甚至需要改定价模型。Chegg 甚至亲口承认 ChatGPT 影响订阅增长，直接触发股价近 50% 的单日杀估值，这在机构记忆里是一个“教训样本”：AI 来了，先假设你会被吃掉，再看你有没有反证。

2）A 股：从“AI 帮你完成数字化 / 升级”出发

反观 A 股，典型被包装成 “AI 应用” 的公司：

很多本质是系统集成 + 项目制 + 硬件附着：比如零售门店数字化、电子价签 + SaaS 云平台、营销服务外包、内容制作、to-G 信息化等。

收入结构里，硬件 / 项目占比高，纯软件订阅占比相对低。

在这种商业结构下，AI 的叙事很自然就被讲成：“AI 让你的解决方案更智能、更好卖、更容易拿项目标书，而不是砍掉你收费的 seats。”

同时，中国很多行业的 IT / SaaS 渗透率还在 0→1 早期，AI 被包装成“连数字化 + 智能化一起完成的跨越”，而不是在一个已经饱和的 SaaS 市场里重新分蛋糕。券商和媒体的表述也更喜欢“新场景、新引擎、新周期”。
美股：平台化 + API 化极致 → 应用被“上游 API”吃掉OpenAI / Anthropic / Google / AWS / Azure 等，已经把模型能力封装成极易调用的 API；再叠加 Copilot / Workspace / 365 / Salesforce 等“平台内应用”，很多原本独立的应用创业方向，被直接覆盖到平台的 roadmap 里。对技术同行和美股机构来说，看到的是一条很清晰的“应用→API→平台”吞噬链条：

简单问答客服 → LLM + RAG + 工单系统插件文案生成工具 → Copilot / Canva / Office 内嵌轻量 BI / 报表 → Excel / Sheets + Agent

所以“AI 应用股”在美股常被问的第一句是：“你对平台 API 的不可替代性在哪里？你的 moat 在数据 / 深流程 / 行业规范哪一层？”答不上，就被贴“会被平台吃掉”的标签。A 股：技术栈不以“API 为中心”，而以“项目 / 解决方案”为中心本土 AI 技术栈仍在“模型百花齐放 + 工程化能力分散”的阶段，“谁是最终平台”的轮廓没完全定型。很多“AI 应用公司”实际上是：把若干大模型（国内外）封装进自家解决方案；再配硬件、项目实施、定制集成，一起卖给政府 / 大企业 / 门店。技术视角下，这些公司不是被平台 API 吃掉，而是充当“多模型、多云、多系统”的集成器。对本土客户来说，它们解决的不是“一个 API 挂上去就行”，而是“谁负责把整套系统跑起来”。所以从技术栈视角：

美股：API → 应用的“吸血顺序”已经定了，应用只要不很深，就会被边缘化。A 股：更多是“谁能混搭多模型 + 旧系统 + 行业 know-how，把项目跑通”，技术栈上反而给了“垂直 AI 应用 / 集成商”比较大的想象空间。

---

谁在买单，怎么定价“AI 应用”

1）美股：机构主导 + 现金流 / 单位经济约束

机构占主导，经历过 2000 年互联网泡沫、2014–2021 SaaS 泡沫，对“讲故事但不赚钱的应用层”容忍度显著下降。infra 已经有清晰的盈利样本（NVDA、MSFT、AVGO、AWS 等），相当于“AI 稳定现金机”。在这种情况下，任何看起来会被这些平台吞噬的应用层，都会被打折甚至直接否定。

所以，美股的核心问题是：“你有没有独立于 LLM 的护城河（深流程 / 数据 / 权限 / 合规 / 集成），还是仅仅把 LLM 包一层壳？”答不上来的，就被划入“被 AI 吞噬”一档。

2）A 股：高比例散户 + 主题轮动 + 政策信号

A 股这边：

主题轮动 & 情绪交易占比高，“有没有故事”往往比“有没有稳定 FCF”重要。本土巨头互联网（阿里、腾讯等）估值长期受监管和宏观情绪压制，想要获得 AI β，只能在本土能讲 AI 故事的中小票上做文章。政策口径长期强调“数字经济”“产业数字化”，官方叙事自然偏向“AI 赋能各行各业应用”，券商专题也偏爱列“AI 应用概念龙头股”清单：比如蓝色光标、易点天下等“AI 营销 / 媒体 / 软件服务”标的被当成龙头来推。

结果就是：

美股资金更像“做减法”：先画出会被 AI 吃掉的利润池，再往下筛真正能活下来的应用。

A 股资金更像“做加法”：先找一切能和 AI 挂钩的场景，再往上叠政策、换机周期、消费升级等各种 story。

美股：长线机构主导，经验里对“应用泡沫”有过敏反应

2000 年互联网、2014–2021 的 SaaS 泡沫，让很多机构经历过“应用故事股高估 → 杀估值”的痛。

现在再看到“AI 应用”，行为模式是：先怀疑“这是下一个 Chegg / 下一个 ARK 池子里的高估股”；真要买，也多半是做 event / short squeeze，而不是长期“AI 复利故事”。

A 股：高频交易 + 公募 / 私募 + 游资的混合场，让“题材轮动”几乎是制度化

A 股的微观结构里：

游资 / 高换手散户 → 追题材 + 用龙虎榜 / 盘口做反馈；

很多主动公募 / 私募，也会用“主题轮动 + 换手率”作为 alpha 来源。

结果是，AI 应用天然是个“可操作的题材集群”：有新闻、有故事、易讲清楚给持有人；有足够小的市值和筹码结构，易炒作出趋势和空间。对行为金融来说，这就是典型的“attention-driven trade + limited arbitrage”：理性的 Long-only 即使觉得估值高，也未必愿意做空或大幅减持主题。

美股更多是“Fama + Shiller”的混合体；A 股则更像“Shiller + MEME + 轮动”的组合。

---

行业 mapping：哪些是“美股要被吃 / A 股要爆炒”的重叠区间

“很多 A 股爆炒 AI 应用，在美股是被认为要被 AI 吞噬的”，可以粗暴画一个 2×2：

纵轴：美股视角（AI 对该业务的净影响）

上：AI 提升护城河 / 扩张 TAM

下：AI 直接替代 / 压缩价格

横轴：A 股视角（叙事 β）

左：叙事平淡

右：叙事爆炸（概念反复上热搜）

最极端的就是右下角：“美股视角：AI 替代风险巨大；A 股视角：AI 概念 β 爆棚”

典型类别包括（只说业务类型，不点个股）：

①营销 / 广告 / 公关内容生产

美股：生成式 AI 已经证明可以写广告文案、短视频脚本、海报，很多 MarTech 细分工具被视为功能性、可替代；A 股：同一套“内容 + 分发”业务，叠上“AI 营销引擎、AIGC 内容工厂”的故事，就可以被包装成“AI 应用龙头”，在 AI 概念榜里反复出现。

②外包式客服、标注、 BPO、简单咨询

美股：这一块被视作 LLM + Agent 最直接替代的环节（first line support、FAQ、工单分拣、数据标注），劳动力成本又高，市场普遍预期毛利会被压缩、部分业务消失；A 股：很多 to-G / to-B 服务商，把“原本靠人力的项目”加一个 AI 中台，就可以讲“AI 城市大脑、AI 产业园、AI 客服”的故事——股价跟着“项目 + 政策 + AI 关键词”走，而不是跟未来十年 FCF 模型走。

③门店 / 零售数字化的“薄 SaaS + 设备”

美股：超市 / 零售的 POS、库存/标价系统，很容易被大型云厂商 + 大零售巨头自建的 AI 工作流吞掉；投资者会问：“你的软件是不是变成一个可被替代的 widget？”

④在线教育、题库、作业辅导

美股：Chegg 已经提供了最典型的负面样本——管理层自己承认学生转向 ChatGPT 导致订阅受压，股价单日腰斩，此后估值长期打折，整个“题库 + 作业辅导”赛道被贴上“AI 吞噬”的标签；A 股：AI 口语老师、AI 作业批改、AI 课件生产，很容易被包装成“AI 教育 0→1、千亿空间”。监管对 K12 辅导压制之后，“AI 教育”又天然带点“技术升级 + 合规度更高”的想象空间，成为一个新的故事出口。

---

更深一层：真正的结构差异在哪里？

如果把这些现象背后的结构因素压成几点，基本是：

①劳动成本 / 替代弹性不同

美国：中高端白领人工很贵，AI 节省的人力成本巨大 → 投资者自然问“AI 会不会把你原本可以收的 service fee / seats 吃掉？”；中国：大量场景的人力成本仍然相对低廉，短期的“降本”并不能很快变成利润表上的爆发点；反而是“能不能帮你拿到更多项目 / 政府订单 / 大客户”更重要。

②数字化基数不同

美国：很多流程已经有成熟 SaaS，AI 更多是重写现有软件层、重新分配利润；中国：不少行业还处在“Excel + 人”阶段，AI 可以被包装成“一步到位从 Excel 跳到 AI 工作流”，认知中是净新增的 TAM。

③平台结构与“谁吃谁”的路径不同

美股：OpenAI / MSFT / GOOG 等平台对应用层的“边界”非常模糊，日常已经在做“从 Copilot 向垂直场景渗透”的动作，所以应用层被视为“平台的试验田和潜在 M&A 池子”，独立上市公司容易被打贴现；A 股：本土大模型与垂直应用之间，更多是“联合发布 / 合作伙伴”的关系，产业链被讲成“平台 + 生态”故事，投资者更愿意相信是共赢，而不是吞噬。

④监管 / 产业政策方向

美股监管目前更多集中在反垄断 / 隐私 / 安全，对“AI 应用 vs 平台”的分蛋糕少直接干预；中国这边“新质生产力、数字经济、AI 赋能实体”是明确政策主线之一，应用落地、行业解决方案、to-G 项目在话语体系里天然更有话筒。

最终，还是要看付费意愿，这么多年我们的B端成功的企业软件公司甚少，这一次会不一样吗？

全文完。

---