AI 时代软件股反弹:行业分化,谁能成为新的基础设施巨头?

news2026/5/24 2:41:33
【美股软件股“集体误杀”】去年 10 月底开始美股软件股经历了一场罕见的“集体误杀”。以软件 ETF——IGV 为代表整个软件板块一度从高位显著回撤跌幅接近 40%。曾经被视为高质量成长资产的软件公司突然变成了 AI 浪潮下的“旧世界遗产”。【恐慌理由与市场反应】恐慌的理由看起来非常充分DeepSeek 用极低成本推出前沿大模型让市场重新认识到模型能力的快速扩散Anthropic 推出更成熟的 AI Agent 系统让人们第一次清晰看见AI 不只是聊天工具它正在进入法律审查、销售运营、客服处理、跨部门协作等真实企业流程。与此同时Cursor、GitHub Copilot 正在数百万程序员的屏幕上自动补全、重构和生成代码。于是一个看似顺理成章的结论出现如果 AI 可以写软件、跑流程、做客服、查数据那么传统软件公司还有什么存在价值市场给出了最直接的反应卖出软件股买入算力股。英伟达、博通、云厂商成为 AI 叙事下最拥挤的交易而许多软件公司则被贴上“即将被 AI 替代”的标签遭遇无差别抛售。【市场认知盲区】在 RockFlow 投研团队看来这个结论太粗糙了。它把“部分软件会被 AI 替代”误读成了“所有软件都会被 AI 消灭”把一个庞大、复杂、分层极深的软件生态粗暴地压缩成了一个单一概念。这正是当前市场最大的认知盲区。AI 当然会改写软件行业但它并不会让软件消亡。真正发生的是软件世界正在发生一次残酷而深刻的物种分化。一部分软件会被 AI 压缩一部分软件会被 AI 放大一部分软件会失去收费理由另一部分软件会成为 AI 时代新的收费站。【技术革命与软件命运】每一轮技术革命来临时市场都喜欢讲“终结故事”。互联网刚兴起时有人说传统企业软件要完了。浏览器、网页、在线系统会彻底颠覆 ERP、CRM、IT 服务管理这些旧世界工具。但后来互联网不但没有消灭软件反而孕育出了 Salesforce、ServiceNow、Workday、Snowflake 这一批现代 SaaS 巨头。移动互联网到来时也有人说 PC 软件要死但结果是新的应用形态、新的订阅模式、新的云服务生态反而让软件行业进入了更大的黄金时代。现在AI 革命来了市场再次讲出熟悉的故事AI 会写代码所以软件公司要死AI 会执行业务流程所以 SaaS 要死AI 会自动完成工作所以企业不需要再购买软件。但这个故事忽略了一个基本事实软件并非一个单一行业它是一整套数字经济基础设施。【两类软件在 AI 时代的不同命运】有些软件确实只是“人类员工的操作界面”它们的价值来自漂亮的 UI、复杂的表单、清晰的仪表盘以及把人类工作流程在线化。但还有大量软件并非给人“看”的是给系统“跑”的它们藏在数据库、API、身份验证、云安全、日志监控、事件流、数据仓库和工作流引擎里普通员工可能一天都不会打开它们但整个企业每一秒都在依赖它们。这两类软件在 AI 时代的命运完全不同而市场此前犯的错误就是把它们放在一起做空。【SaaS 公司的物种分裂】要理解软件股为什么会反弹必须先理解这次行业分化。RockFlow 投研团队认为未来的软件公司大致可以分成两类。第一类人机交互型 SaaS这类软件的核心是为人类员工提供一个工作界面如销售打开 CRM 录入客户信息客服打开工单系统回复问题项目经理打开任务管理软件跟进进度HR 打开人力系统处理流程。它们的共同特征是用户需要盯着屏幕操作。过去十几年这类 SaaS 依靠按人头收费的商业模式高速增长员工数量增长就是 SaaS 收入增长。但到了 AI Agent 时代它开始遇到挑战因为 AI Agent 的本质是减少人类在标准化流程中的参与。当 AI 可以自动处理客户投诉、整理销售线索、生成合同审查意见、完成报销审批、更新项目进度时企业的员工数量可能下降按人头收费的软件自然会承压。对于那些主要依赖人类操作界面、功能壁垒不深、数据沉淀有限的 SaaS 公司尤其是一些“瘦应用”AI 确实不是朋友这类公司可能被重估甚至被淘汰。第二类基础设施型 SaaS另一类软件恰恰会因为 AI Agent 的普及而迎来更大的需求它们不是给人看的是给机器用的比如数据仓库、API 管理、身份验证、网络安全、可观测性监控、日志分析、事件流处理、云原生基础设施。这类软件没有那么性感普通用户很少主动打开它们甚至不知道它们存在但在 AI 时代它们会变得比以往更重要。因为 AI Agent 完成任务需要不断调用企业内部系统每一步都意味着 API 调用、数据库查询、身份验证、权限检查、日志记录和安全审计。一个人类员工每小时可能只点击几十次产生有限的系统请求但一个 AI Agent 可以在一分钟内发起数百次、上千次调用。这意味着企业软件基础设施的使用量可能被 AI Agent 放大几个数量级。基础设施软件按使用量收费未来企业中运行的大量 AI Agent 将成为软件基础设施的新客户且是最理想的客户这就是“基础设施型 SaaS”的核心投资逻辑。【软件商业模式的自救】软件股反弹的另一个关键原因是市场终于看到了 SaaS 公司商业模式的调整能力。过去投资者担心 AI 让企业减少员工按人头收费的软件公司收入会下降。但优秀的软件公司正在主动切换收费模式从按席位收费转向按使用量收费、按结果收费、按自动化成果收费。以 Salesforce 的 Agentforce、ServiceNow 的 AI 工作流产品为代表软件公司开始销售一个结果如 AI 成功解决一次客户投诉、自动完成一次 IT 工单、推进一个销售线索、完成一次合规检查、帮企业节省一段人工处理时间等都会收取费用。软件公司正在从“卖工具”变成“参与效率分成”未来赚的是 AI 替企业完成任务的钱这改变了市场此前的悲观假设。更重要的是大模型推理成本正在快速下降软件公司调用 AI 的边际成本明显降低形成了高定价、低成本的财务结构利润空间变厚这也是市场重新评估软件公司 AI 变现能力的原因。【AI 时代的赢家公司】如果把软件股重新放回 AI 时代的定价框架里投资者真正要看的不再是“它是不是软件公司”而是它处在什么位置。RockFlow 投研团队认为更值得关注的是以下三类公司。平台型巨头掌握入口和生态第一类是平台型软件巨头它们深度嵌入企业运营客户迁移成本极高数据沉淀深厚天然具备 AI 变现能力。微软通过 Azure 承接 AI 基础设施需求通过 Microsoft 365 Copilot 向企业用户销售 AI 办公能力且掌握了文档、邮件、会议、协作、开发者工具和云基础设施形成了极强的生态闭环。Salesforce 掌握了企业最核心的客户数据和销售流程Agentforce 把 AI 嵌入销售、客服、营销等真实商业场景并尝试按照结果收费。ServiceNow 是企业工作流自动化的核心玩家IT 工单、内部审批、人力流程、企业服务管理适合 AI Agent 接管流程越复杂、重复性越高AI 自动化价值越明显。这类公司的优势是客户和数据都在其平台上AI 只是对既有生态进行升级收费。数据与基础设施公司吃到机器调用红利第二类是数据与基础设施公司AI 的每一次执行本质上都是一次数据调用和系统交互。MongoDB、Snowflake 这类公司受益于 AI 应用对数据存储、检索、分析和上下文管理的需求增长。MongoDB 的灵活文档模型适合许多现代 AI 应用开发场景Snowflake 是企业历史数据和分析工作负载的重要平台。Datadog 和 Elastic 代表可观测性方向AI Agent 越多系统越复杂企业越需要监控系统以确保关键流程的安全和稳定。网络安全与身份验证AI 越强安全越贵第三类是安全和身份管理公司。AI Agent 时代身份问题会变得极其复杂企业需要确认 Agent 的创建者、可访问数据、授权情况、指令是否被篡改、能否跨系统执行操作以及调用是否可追溯等。Okta 这类身份管理公司迎来机会身份验证会从低频登录行为变成高频安全基础设施。网络安全也是同样逻辑AI 会提高企业效率也会提高攻击者效率企业削减预算时很难大幅削减安全预算CrowdStrike、Palo Alto Networks 等公司的价值就在于此。AI 时代的安全支出不会下降反而会变得更加高频、复杂和昂贵。【软件股反弹的分层】软件股的反弹并不意味着所有软件公司都值得买入。在极度超跌之后板块往往会出现 Beta 修复好公司和差公司都会一起反弹。但反弹进入后半段市场一定会重新分层。真正能走出来的公司必须证明三件事第一它有没有不可替代的数据资产第二它有没有嵌入关键工作流第三它有没有新的定价权。只是在官网和财报里反复提 AI却没有真实产品、真实客户、真实收入转化的软件公司短期反弹时也许会跟着上涨但长期看市场会重新审判它们。【结论AI 改变软件未来】在 RockFlow 投研团队看来近半个多月美股软件板块的反弹不简单是情绪修复市场已经开始意识到一个更深层的事实AI 没有让软件消亡但它改变了软件的未来。过去软件的主要客户是人未来软件越来越多的客户会变成机器。人类员工的点击是低频的机器员工的调用是高频的人类会下班机器人不会。投资软件应该押注谁掌握了 AI 时代的数字收费站。无论未来最强的 Agent 来自 OpenAI、Anthropic、Google还是某个尚未出现的新玩家只要它们进入真实商业世界就必须经过数据、身份、安全、监控、工作流和应用平台这些关口而守住这些关口的公司才是 AI 时代真正隐形的基础设施巨头。所以软件没有死它只是从服务人类升级为服务机器人而这可能正是一轮新估值周期的开始。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2635181.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…