公司技术策略 - 在多智能体贸易社交网络的群聊功能中，公司暂未使用阿里巴巴的千问模型[1] - 公司目前采用了混合AI模型策略，以优化外贸场景的沟通效率[1] - 技术选型针对海外用户的核心需求，综合运用了多种模型[1] 模型应用细节 - 利用特定模型在小语种的自然语言理解方面的优势，以提升沟通的准确性[1] - 借助国际领先的大模型在小语种内容生成上的能力[1] - 通过专门的模型来强化智能体间工具的调用与任务分发[1] - 该技术组合旨在为全球贸易客商提供更精准、高效的服务[1]

行业竞争格局剧变 - 人工智能技术打破传统企业软件市场边界，引发行业混战，合作伙伴转变为直接竞争对手[1] - 至少七家主要科技公司在八个不同职能领域展开正面交锋，销售用于工程、分析、财务、营销、销售和客户服务的自动化AI代理[3] - 传统数据库和数据流公司（如Snowflake、Confluent）与新兴AI应用初创公司（如Sierra、Decagon）在销售和客户支持代理等领域直接竞争[7] 产品同质化与市场反应 - 多家公司竞相推出功能高度重叠的通用AI代理产品，企业买家面临选择困难，部分公司因此推迟大规模采购决策[1][6] - 产品同质化部分源于许多公司依赖相同底层AI模型（如OpenAI、Anthropic）驱动其代理产品[6] - 企业客户反映筛选过程"极其困难"，尽管工具功能相似，但存在大量重叠[8] 现有巨头的防御策略 - 老牌软件巨头凭借庞大客户基础和数据沉淀构筑防御工事，主张使用能从其核心软件产品（如CRM、数据仓库）直接提取数据的代理更具便利性[2][8] - 采用混合AI模型策略，结合基于专有数据训练的领域特定模型（如Snowflake的Arctic模型）与外部前沿大语言模型，将客户锁定在熟悉生态系统中[12] - 企业级软件的"任务关键性"构成天然壁垒，客户因AI模型"幻觉"风险对迁移核心业务流程极为谨慎[12] 市场采用现状与挑战 - AI代理技术对Salesforce、ServiceNow和微软等公司收入增长尚未产生显著提振，企业采用速度缓慢[13] - 配置代理可能需要大量人工协助，促使亚马逊、Salesforce等公司投入额外人员提供支持[14] - 多数供应商在免费试用后按使用量收费，每个任务成本通常在20到30美分之间，但当前首要目标是抢占用户而非立即盈利[14] - 企业内部AI代理数量激增，引发对集中管理平台的需求，AI代理的管理与协同成为下一轮竞争焦点[14] 具体公司动态 - Salesforce推出用于解决IT帮助台问题的AI代理，而IT服务管理软件公司ServiceNow反向推出面向销售人员的AI代理[1] - Snowflake上月发布AI代理产品Snowflake Intelligence，宣称能处理从销售到财务等多种专业岗位任务，已有1000家客户创建12000个代理[1][8] - 企业选择逻辑倾向于数据所在地，如数据在Salesforce中则优先使用Salesforce代理，大多数员工已使用的平台（如Slack）也成为选择因素[9]

AI浪潮对软件行业的影响 - AI浪潮正以前所未有的势头重塑科技行业，引发对传统软件商业前景的激烈辩论 [1] - OpenAI发布GPT-5后，市场担忧AI取代传统软件，导致德国软件巨头SAP股价一度暴跌7.1%，市值蒸发近220亿欧元，创2020年底以来最大单日跌幅 [1] - 投资者的核心担忧是AI是否会成为颠覆性力量，侵蚀现有定价模型并压缩SaaS巨头的利润空间 [1] 高盛对AI颠覆性潜力的评估 - 高盛认为“软件已死”的论调过于悲观，AI有潜力成为行业领先供应商的“力量倍增器” [1] - 当前阶段类似于软件行业从本地部署向云计算的转型期，当时促使Adobe、Intuit和Autodesk等老牌公司转型为规模更大、增长更快、盈利能力更强的企业 [1] - 随着企业软件续约周期压力在2026年缓解，AI带来的新增贡献将为净收入留存率等关键指标提供稳定性，铺就持久多年的增长道路 [2] - 未来的软件市场领导者将由持续创新的当今巨头和成功构建差异化AI原生软件的新兴公司共同构成 [2] AI原生公司与传统SaaS公司的竞争分析 - AI原生公司能否取代传统SaaS公司的核心在于其产品是否能做到“意义深远地更好且更便宜” [3] - 如今的SaaS巨头与当年被它们颠覆的本地部署软件公司不可同日而语，SaaS企业设置的竞争门槛已相当高 [3] - AI原生公司在定价和产品功能上颠覆现有SaaS领导者的难度很大 [4] - 一项案例研究显示，在呼叫中心场景下，AI应用可使企业运营成本降低30%，但软件总预算反而增加130%，表明AI可能将应用软件的潜在市场总额做得更大 [4] 软件巨头的混合AI策略与护城河 - 企业软件巨头们正在普遍部署混合AI模型策略，将基于自身专有数据训练的领域特定模型与外部的前沿大语言模型相结合 [5][6] - 从Snowflake的Arctic模型、Salesforce的Agentforce到ServiceNow的Now LLM，行业领导者都在平台内嵌入自有模型处理核心企业工作流，同时允许客户调用外部模型 [6] - 这种策略将客户锁定在熟悉、安全且深度整合的生态系统中，极大地降低了被AI原生新贵颠覆的风险 [7] - 在专业领域，由于工作流程复杂且数据迁移成本高昂，AI更可能扮演“增强”而非“取代”的角色 [7] 企业级软件与消费级软件的区别 - 企业级软件的进入壁垒远高于消费级应用，其核心在于“任务关键性” [8] - AI模型的“幻觉”在企业环境中可能导致声誉受损、客户流失等严重后果 [8] - 即使内部维护软件应用程序的成本下降，专业供应商的成本同样会下降，因此专业供应商的性价比前沿通常始终领先于内部技术 [8] - 单纯用AI复刻一个软件栈不仅困难重重，而且“有些毫无意义”，技术变革的本质是创造新的、差异化的应用 [8] 行业当前发展阶段与未来关键指标 - 行业目前可能正处于定制化与打包化解决方案机会份额的局部最高点 [9] - 投资者需关注净收入留存率的稳定性，过去两年SaaS领导者的续约压力特别大，疫情相关的三年期合同在2024年和2025年上半年续约时面临最大压力 [10] - SaaS领导者需要证明其AI产品能带来增量收入，例如Adobe预计其AI产品在2025年底将贡献2.5亿美元的年化经常性收入 [10] - 市场将关注客户对SaaS领导者创新的反馈以及AI原生企业的发展势头，以评估其对现有利润池的实际影响 [10]