【AI漫谈系列】AI 叙事下的软件股“错杀”与再定价:哪些公司可能蕴含反转机会?

新闻

作者：微信文章

过去一段时间，美股软件板块出现了一个非常典型的交易现象：“AI Agent 将颠覆软件”的宏大叙事，叠加宏观利率与风险偏好变化，导致大量软件公司被一篮子式抛售。市场的逻辑很直白——如果 Agent 能够直接完成原本由人坐在 UI 前完成的工作，那么按 seat 收费、依赖界面交互的传统 SaaS 价值就会被侵蚀；而当“替代”叙事形成共识时，估值压缩往往先行，基本面验证滞后。

但问题在于：“软件被 AI 颠覆”并不是一个均匀冲击。AI 的确会改写软件行业的分发方式、交互方式与计费方式，但它带来的价值迁移更可能是——从“界面与按钮”迁移到“系统记录（system of record）、系统执行（system of action）、数据与安全底座”。因此，板块式下跌之中会出现错配：有些公司确实面临护城河被削弱，有些公司却可能是AI 时代的基础设施/治理层受益者，被情绪错杀。

本文尝试用一个清晰的投资框架，解释：

1）哪些类型的软件最容易被 AI 伤害；

2）哪些类型反而会因 AI 而受益；

3）如何用 1–2 个财报季的指标验证“错杀”是否成立；

4）并对 10 家代表性公司（CRM、NOW、Workday、SNOW、NET、Datadog、CrowdStrike、Palo Alto、Veeva、Guidewire）逐一拆解。





一、先把“AI 颠覆软件”说清楚：它颠覆的是什么？

AI Agent 带来的改变，本质是交互层的再分配：过去用户通过 GUI 完成操作；未来更多任务将由 Agent 调用工具链（API/数据库/权限系统/工作流引擎）完成。于是市场产生了一个粗暴推论：既然用户不需要打开软件界面，那软件就会被取代。



这个推论只在一种场景下成立：软件价值主要来自“人坐在 UI 里点点点”，并且数据沉淀弱、流程嵌入浅、可替换性强。换句话说，如果一个产品的壁垒是“界面熟练度”与“用户习惯”，而不是“数据+ 流程 + 权限 + 审计 + 交易闭环”，那么它确实更容易被 Agent 化削弱。

但对另一类软件而言，Agent 只是一个新的“入口”，而真正的价值集中在：

记录层：客户、订单、合同、财务、人事、理赔、合规数据，必须完整、正确、可追溯；

执行层：审批、工单、结算、风控、派单、合规流程必须能落地；

治理层：权限、审计、数据安全、异常处理、跨系统编排；

基础设施层：可观测性、数据平台、边缘网络与安全。

这些层次不会因为你换了入口就消失，反而会因为系统复杂度上升、自动化频率更高而变得更重要。

因此，AI 对软件行业的冲击，更像是一次价值重估：“界面溢价”下降，“系统与治理溢价”上升。

二、识别“错杀”的核心框架：价值从 UI 转移到哪里？

要判断一家公司是否被错杀，可以用一条主线：

AI 会把价值从“界面”转移到“系统记录 + 系统执行 + 数据/安全治理底座”。



据此，我们可以把软件公司分成三类：

1）高风险：纯 UI 工具型、功能模块易拼装

这类公司可能面临：用户不再需要进入软件 UI，Agent 直接调用 API 完成工作；功能模块被更便宜的开源/云原生组件替代；seat 付费被侵蚀。

2）中性：需要从 seat 向 usage/transaction 迁移

很多成熟 SaaS 并不会被替代，但商业模式会被迫调整：从“卖座位”转向“卖调用/卖交易/卖工作流 run”。短期可能承压（尤其毛利与费用结构），但长期未必差。

3）更可能受益：系统执行/治理/基础设施

Agent 越多、调用越多、系统越复杂，这类公司的价值越凸显。它们的增量往往来自：更多流程自动化、更多事件与日志、更多数据查询与治理、更刚性的安全预算。

三、“错杀鉴别清单”：6 个问题快速排雷

你可以把错杀判断压缩成 6 个问题：

1. 价值来源：产品核心价值来自 UI，还是来自记录/执行/治理？

2. 计费可迁移性：seat → usage/transaction/workload 能否顺滑？

3. 数据与流程壁垒：数据是否高质量、独占、合规沉淀？流程是否深入业务核心？

4. AI 成本传导：推理成本谁承担？能否通过定价分层把成本转成收入？

5. 分发与入口：是否拥有天然入口（工作流平台/数据平台/边缘网络/安全平台）？

6. 可量化 ROI：AI 功能是否能在 1–2 个季度内体现为更高留存/更高消费/更高渗透？

当一家公司在 1、2、3、4 上答案更偏“强”，而股价却因为“AI 取代软件”的泛化叙事大幅回撤，它就更有可能属于“被错杀候选”。

四、对8 家代表公司逐一拆解：谁更像被错杀？

1）CRM（Salesforce）——错杀概率：中

为什么 AI 可能是利好：CRM 是典型“系统记录 + 系统执行”。销售、客服、营销动作由 Agent 完成，会让“记录与执行”的频率更高：自动写纪要、自动更新商机、自动触发跟进、自动生成报价/合同草稿……这些动作如果能在 CRM 内闭环，就会提高粘性与扩张。

市场在怕什么：

seat 付费被 Agent稀释（一个 Agent 可能替代多个座位）；

AI 推理成本侵蚀毛利；

AI 变成“免费增配”而非可计费的新增价值。

看什么验证：

AI 产品相关的ARR/attach rate 是否持续加速；

cRPO / RPO 是否反映出更强的合约与扩张意愿；

AI 功能是否推动“存量扩张”，而不是仅用于续约护盘。

2）NOW（ServiceNow）——错杀概率：高

为什么 AI 可能是利好： NOW 的护城河在“流程编排 + 权限 + 审计 + 异常处理”。Agent 最难解决的是企业真实世界的约束：跨系统协作、审批链、权限边界、合规留痕、异常兜底。Agent 越深入企业，越需要一个中台把动作落地并治理，而 NOW 正是“系统执行层”的代表。

市场在怕什么：

估值较高，叙事一转就容易被砸；

AI 打包导致短期毛利承压；

“Agent 颠覆软件”的宏大叙事把它也卷进去。

看什么验证：

cRPO、订阅收入的趋势能否维持平台级强度；

AI/自动化相关产品是否带来订阅 attach，而不是只增加实施服务。

3）SNOW（Snowflake）——错杀概率：中偏高

为什么 AI 可能是利好：数据平台往往是 AI 时代的“底盘”。Agent 带来更多数据读取、加工、共享、回流，通常推动数据消费与治理需求上升。与“AI 让软件更便宜”相反，AI 往往让数据工作负载更贵、更复杂。

市场在怕什么：

消费恢复不及预期；

云厂自建/内化挤压；

AI 工作负载的计费不透明影响客户使用。

看什么验证：

NRR 与消费趋势是否出现向上拐点；

AI 相关工作负载是“新增消费”还是“替代旧查询”；

大客户扩张与行业分布是否健康。

4）NET（Cloudflare）——错杀概率：高

为什么 AI 可能是利好： Agent 时代强调实时交互、低延迟、安全与边缘能力。更多请求、更复杂的安全威胁、更高的实时性需求，会让“边缘网络 + 安全一体化”的价值上升。AI 不是让边缘网络变得不重要，反而是把更多关键交互推向边缘。

市场在怕什么：

估值与盈利路径；

AI 叙事被视为“讲故事”；

如果只有流量涨，企业付费不跟上，会被质疑商业化质量。

看什么验证：

大客户数量与大单（ACV）趋势；

Workers/安全/企业套餐是否带动合同增长，而不是仅带来字节流量。

5）DDOG（Datadog）——错杀概率：中偏高

为什么 AI 可能是利好： Agent 化后系统复杂度显著上升：调用链更长、故障更隐蔽、成本更难归因、合规与安全更难落地。可观测性（APM、日志、追踪、成本归因）从“优化项”变成“刚需项”。AI 让软件工程与运维的复杂度上台阶，因此 DDOG 的 TAM 反而扩大。

市场在怕什么：

客户优化与预算波动导致增速不稳定；

云厂自带工具“免费化”压缩空间；

指引稍弱就容易触发估值压缩。

看什么验证：

多产品渗透率、客户扩张是否持续；

AI 可观测性产品是否带来更高 attach 和净新增消费。

6）CRWD（CrowdStrike）——错杀概率：中（波动属性高）

为什么 AI 可能是利好： Agent 增加攻击面：更多身份与权限链、更多 API 调用、更多数据外泄路径，安全预算往往更刚性。防守侧更需要平台化能力（终端、身份、威胁情报、SOC 自动化等），AI 可以提升检测与响应效率。

市场在怕什么：

高估值对增长敏感；

安全事故/稳定性事件的记忆会放大波动；

“好但不够好”会触发剧烈回撤。

看什么验证：

net new ARR / 平台化渗透；

续约与扩张是否保持强度；

AI 功能是否可计费、是否提升粘性。

7）PANW（Palo Alto Networks）——错杀概率：中偏高

为什么 AI 可能是利好：攻防两端 AI 化使安全栈更复杂，“平台化整合”更有价值：网络安全、云安全、SOC 一体化可以降低客户复杂度与运维成本。并购补能力在安全行业是常态，关键是整合与交叉销售。

市场在怕什么：

平台化往往伴随打包折扣，短期毛利/账单节奏可能变难看；

并购整合的不确定性；

竞争激烈导致价格压力。

看什么验证：

RPO/NGS ARR（或同类领先指标）能否证明平台化确实增强黏性；

并购后的 pipeline 转化是否体现在合同与续约。

8）VEEV（Veeva）——错杀概率：中偏高（垂直 SaaS 典型）

为什么 AI 可能是利好：生命科学领域强监管、强审计、强合规，AI 很难取代系统记录，更多是作为“合规助手 + 内容/流程自动化”嵌入。对这类行业，正确性与可追溯性比生成更重要，壁垒来自数据与流程。

市场在怕什么：

商业端竞争与份额风险；

AI 变成“锦上添花”，无法抵消竞争压力；

客户迁移节奏影响短期增速。

看什么验证：

AI 是否作为可计费增配被快速渗透；

Vault 相关扩张是否抵消商业端波动；

大客户签约与续约质量。

五、未来 1–2 个财报季的统一验证指标：用数据证伪“叙事恐慌”

要证明“错杀”成立，你不需要相信故事，你需要指标。对上述公司，有 6 类共同指标值得作为跟踪清单：

1. AI 相关收入口径：ARR/ACV/attach rate 是否披露并加速（从概念到规模化）。

2. 合同领先指标：cRPO/RPO/booking 是否走强（反映客户真实意愿）。

3. 消费与净留存：NRR、消费趋势、扩张率是否拐头向上（尤其数据/可观测性公司）。

4. 毛利与费用结构：推理成本是否能被定价分层传导；seat 向 usage 迁移是否可控。

5. 大客户与大单：$100k+、$1m+ 客户、ACV 增长与行业分布（衡量企业化深度）。

6. 从试点到生产：生产环境部署数、使用频次、自动化 run 的增长（验证“真的在用”）。

当这些指标在 1–2 个季度内给出一致方向（例如合同领先指标走强、AI attach 提升、消费与留存改善），市场叙事往往会从“替代恐慌”转向“平台扩张”，估值修复就有基础。

六、AI 不是“软件末日”，而是价值链的再分配

本轮软件股下跌的核心，不完全是基本面崩坏，而是市场对“AI 改写价值链”的提前定价。真正的分水岭在于：软件公司能否从“卖界面”升级为“卖执行与治理”，并把 AI 成本转化为新的计费维度。

因此，在“AI 颠覆软件”的叙事里，最值得被重新审视的不是那些“做了一个 Copilot 按钮”的公司，而是那些能成为 Agent 时代“企业操作系统”的公司：能承接记录、执行、编排、权限、审计、可观测与安全的底座型平台。对这类公司，股价的剧烈下跌，往往不等于基本面被摧毁，反而可能是市场情绪与商业模式再定价的错配。

对于投资者而言，最有效的策略不是跟着叙事起舞，而是回到指标：用合同、留存、消费、毛利、AI attach、生产部署这些可验证的数据，去判断一家公司究竟是在被替代，还是在成为 AI 时代新的基础设施。

---

系列文章：【AI漫谈系列】模型SOTA易主，谷歌Gemini 3.0 Pro王者归来【AI漫谈系列】AI“华袍”之下：璀璨的万亿狂欢与两个隐忧【AI漫谈系列】AI 点燃存储“芯”引擎：价格狂飙，超级周期真的来了吗？【AI漫谈系列】OCP重磅：新联盟ESUN亮剑，以太网能否撼动英伟达NVLink？【AI漫谈系列】美股Token化，大势所趋？【AI漫谈系列】哈萨比斯与DeepMind的二十年：从象棋神童到诺奖得主，一场关于“智能”的终极模拟【AI漫谈系列】谷歌TPU突袭：如何撕开英伟达的万亿帝国防线？重磅深度 | 2026 美股科技股投资展望：从 Mag 7 到 Elite 8，谁是AI下半场的“核心资产”？【AI漫谈系列】深度拆解：光交换机（OCS）如何重塑AI算力网络？从谷歌的秘密武器到百亿产业链机遇年度收官，万字重磅深度 | 2026年AI科技展望【AI漫谈系列】硅谷现场直击：关于AI泡沫，OpenAI vs Gemini，TPU vs GPU，META与Apple，World Model，能源瓶颈，2026年AI风险【AI漫谈系列】突破“摩尔墙”：未来存储还会有哪些技术升级？【AI漫谈系列】AI Agent是我们当前面对的最大的颠覆性创新