**公司及行业** * 公司：Amplitude (NasdaqCM:AMPL)，一家提供产品分析平台的公司，其平台作为数字交互的“仪表层”，用于理解用户行为模式、偏好，以驱动产品优化、忠诚度计划、转化率提升等[244][246][250][251][252] * 行业：产品分析/数字分析软件行业，服务于任何与客户有数字交互的企业，包括软件、媒体、金融、电信、医疗保健等多个行业[252][254][255][256][304] **核心业务与商业模式** * **核心功能**：公司平台是理解用户与技术交互行为模式的“仪表层”，应用场景包括移动应用优化、内容策展、广告驱动、业务流程自动化等[244][246][251][252][254] * **商业模式**：主要基于两个向量实现货币化：1) 客户输入平台的数据量；2) 向现有客户交叉销售附加功能模块（如Experiment, Session Replay, Guides and Surveys）[280][282] * **市场定位**：从服务数字原生公司（如DoorDash）起步，现已扩展到所有正在为客户构建应用程序的传统行业[256][258] * **合作伙伴战略**：长期目标是实现约40%的业务来自合作伙伴（如增值经销商、全球系统集成商），目前平台正逐步开放以支持这一生态建设[305] **财务表现与运营状况** * **近期增长**：2025年第四季度表现优异，营收同比增长17%[259][260][261] * **增长趋势**：在CFO（Andrew Casey）加入后，公司已连续6个季度实现加速增长，并从最初6%的增长率提升，同时盈利能力改善[263][264][265][270] * **盈利里程碑**：在2025年第四季度首次实现盈利[263] * **历史问题与改善**：公司曾面临高流失率和严重亏损问题，通过重新设计面向价值的销售流程、优化客户数据摄入起点、并专注于交叉销售附加模块，成功扭转了局面[263][282][284][285][292][294] **战略转型与未来展望** * **向AI原生转型**：公司正在CEO Spencer的推动下，全面转型为AI原生公司，在产品创新和整个公司运营中深入整合AI[271][273] * **平台化战略**：通过整合多个功能模块（与WalkMe、Pendo等竞争），打造统一平台，旨在解决企业使用多个独立工具导致的数据移动和界面不统一等效率问题[282] * **增长驱动因素**：未来增长将继续由数据摄入量的增加和现有客户的交叉销售（尤其是新增模块和即将推出的营销分析功能）驱动[279][280][294][296] * **市场机会**：市场机会广阔，任何与客户有数字交互的企业都是潜在客户，包括医疗保健等正在寻求提升效率的行业[252][304] **管理层与公司治理** * **CEO特质**：创始人兼CEO Spencer被描述为异常谦逊，并愿意向CFO学习，这与许多创始人不同，促进了健康的CEO/CFO合作关系[220][223][227][239] * **CFO背景与角色**：CFO Andrew Casey拥有丰富的运营财务经验，曾在Sun Microsystems、Oracle、Symantec、HP、ServiceNow、WalkMe、Lacework等公司任职，其角色定位不仅是财务报告，更是深入业务运营的合作伙伴[67][69][207][225][227] * **治理改善**：在WalkMe任职期间，CFO曾推动公司完善治理，例如在上市前确保董事会独立性[166] **其他重要信息** * **历史教训（来自Lacework）**：CFO分享了在网络安全公司Lacework的经验，该公司曾一年烧掉3.5亿美元，其中很大一部分是Snowflake托管费用，这凸显了毛利率管理的重要性[179][180][184][186][188] * **行业竞争**：公司的Guides and Surveys模块与WalkMe和Pendo存在竞争关系[282] * **具体客户案例**：包括The Economist（内容策展）、First American Title（抵押产权流程自动化）、NTT Docomo（广告促销活动）、以及多家医疗保健客户（患者登记、急诊室自助服务机、护士站优化）[251][254][255][304]

文章核心观点 - 2026年软件板块回调的核心驱动因素与以往不同，市场焦点从短期增长转向对长期“终值”的辩论，即质疑软件公司的护城河和商业模式在“代理式”AI时代能否维持 [1][2] - 高盛报告通过为七个主要看空论点评分，系统性地拆解了风险，认为最尖锐的担忧在于价值从系统记录层向代理式操作系统/编排层迁移，以及技术迭代速度带来的定价不确定性 [1][3] - 在不确定性中，报告指出应关注两类关键信号：软件公司能否证明其行业域经验能转化为高质量的代理式结果，以及财报基本面能否保持稳定或改善 [1][15] 市场担忧与风险评分分析 - **系统记录层被彻底替换风险极低（评分1）**：生成式AI更偏向分析与生成引擎，而非交易引擎，企业级AI依赖的高质量结构化数据仍需SoR作为容器和治理体系，因此“rip and replace”风险低 [3] - **价值向代理式操作系统/编排层迁移风险高（评分4）**：更现实的风险是SoR变为“合规数据底座”，价值转移到能跨系统推理、调用API、自动执行工作流的编排层，这会削弱SoR依赖用户界面和习惯形成的护城河 [5] - **技术迭代速度导致终局难定价风险最高（评分5）**：技术演进过快（如Anthropic Cowork、OpenAI OpenClaw等）使长期终局难以预测，高不确定性本身会压低估值倍数 [13] 垂直软件与横向平台的竞争 - **垂直软件短期更具韧性（评分2）**：行业专有数据、深度嵌入的工作流、长期口碑及强监管合规构成了护城河，例如Guidewire管理着全球约7750亿美元的财产与意外险保费，数据积累难以复制 [6] - **横向平台构成长期定价权威胁**：当横向平台的AI功能达到“够用”水平，可能因其集成更简单、碎片更少而吸引客户，侵蚀垂直软件的长期定价权，例如Intuit推出GenOS让用户在会计软件中编码垂直工作流 [7] AI对开发成本与商业模式的影响 - **代码成本下降带来的竞争风险较低（评分2）**：AI编码工具虽降低开发门槛，但软件工程涉及设计、排错、审查等多个环节，效率提升会将瓶颈转移至安全、维护、集成等企业级交付的硬性要求上 [8] - **企业自建趋势构成中等风险（评分3）**：代码成本下降不会普遍改变“自建与购买”的决策，但可能促使企业将预算投向传统SoR之间连接不好的“中间地带”进行自建 [9] - **Palantir展示定制化平台模式**：通过AIP与客户共建AI用例，强调可量化ROI，其美国商业业务2025年增长109%，预计2026年加速至超过115%，并以约85%的毛利率运行混合模式 [9] 利润结构与成本压力 - **“LLM税”带来短期毛利压力（评分3）**：行业预计经历12-24个月的温和毛利压力，厂商为抢占采用率可能吸收GPU推理和第三方模型API成本，使SaaS经济模型更接近按消费计价 [12] - **AI原生公司毛利率普遍较低**：一些最快达到1亿美元年经常性收入的AI原生公司毛利率约25%（部分为负），更成熟的也在60%左右，低于传统SaaS水平 [12] - **长期毛利有望恢复**：LLM推理成本正快速下降（实现与GPT-4相近性能的价格年降约40倍），长期毛利恢复取决于产品差异化带来的定价权，微软因垂直整合在价值链中具有优势 [12] 关键观察信号与护城河演变 - **稳定信号一：域经验的兑现**：需观察软件公司能否证明其行业域经验能带来更高质量的代理式AI结果，例如Datadog展示用内部数据训练的小语言模型在成本更低时准确率更高 [10][15] - **稳定信号二：基本面的稳定**：需要通过财报和业绩季验证基本面是否稳定或改善 [15] - **护城河向架构层延伸**：未来的护城河不只在于应用层界面和工作流，更可能延伸到底层的技术与平台架构，例如Salesforce的replatforming和Workday的开放路线调整 [3][15]

OpenAI发布桌面版Codex并调整访问策略 - OpenAI发布macOS桌面版Codex应用，定位为“AI智能体指挥中心”，支持多Agent并行工作，通过“工作树”模式隔离不同任务的代码变更 [1] - 该应用支持异步后台运行、技能系统和定时自动化任务，内置沙箱控制精确管理AI权限，公司CEO称“仅凭Codex就完成了一个完整项目” [1] - OpenAI同时为所有付费用户临时加倍速率限制两个月，并首次向免费用户开放Codex访问权限，正面迎战Anthropic和Cursor [1] 智谱发布并开源小参数高性能OCR模型 - 智谱发布并开源GLM-OCR模型，仅0.9B参数在OmniDocBench V1.5以94.6分登顶SOTA，性能接近Gemini-3-Pro [2] - 模型专攻手写体、复杂表格、代码文档及印章等高难场景，支持vLLM、SGLang和Ollama部署，API价格仅0.2元/百万Tokens [2] - 技术上采用自研CogViT视觉编码器，首次将多Token预测损失引入OCR训练，支持批量处理和RAG检索增强生成 [2] 腾讯混元发布研究揭示模型上下文学习能力短板 - 腾讯混元技术博客正式上线，发布姚顺雨团队研究成果CL-bench，揭示当前前沿模型从上下文学习的能力严重不足 [3] - 评测显示十个SOTA模型平均仅解决17.2%任务，最好的GPT-5.1也仅达23.7%，68.5%的候选解存在根本性错误 [3] - 研究指出AI竞争焦点将从模型能力转向“谁能提供最丰富Context”，记忆机制可能成为2026年另一核心研究主题 [3] xAI发布免费视频生成模型并取得高使用量 - xAI正式发布Grok Imagine 1.0视频生成模型，支持文生视频和图生视频，单次生成10秒720P视频，音频效果大幅提升 [4] - 模型具备电影级运镜理解、多主体自然互动能力，在Artificial Analysis文生视频排名综合第一，延迟和成本指标最优 [4] - 测试期30天内已生成12.45亿条视频，API已发布，官网免费开放体验 [4] 腾讯ima接入混元图像模型支持多场景创作 - 腾讯ima接入混元图像3.0图生图模型，支持上传照片生成旅游图、家装效果图、四格漫画等多场景创意内容 [5] - 产品可用于娱乐玩梗、家庭写真定制、设计稿快速生成、医疗科普配图等工作生活场景 [5] - 用户只需上传图片并输入指令，即可获得符合创意的生成图片，支持绘本故事定制和家装布置预览 [6] Adobe关停传统动画软件全面转向AI战略 - Adobe宣布3月1日停售拥有25年历史的Animate软件，企业客户三年支持、其他用户仅一年，之后将无法访问任何文件 [7] - Adobe未提供像样替代方案，仅建议用After Effects和Adobe Express部分替代，被批评为“用滑板替代汽车” [7] - 此举被视为Adobe全面转向AI战略的信号，用户质疑被逼使用尚未成熟的技术，历史上Flash曾推动互联网多媒体革命 [7] SpaceX收购xAI并计划部署太空数据中心 - 马斯克宣布SpaceX完成收购xAI，合并后估值达1.25万亿美元，xAI将成为SpaceX全资子公司 [8] - SpaceX计划推进太空数据中心部署，马斯克称每年可通过百万吨级卫星发射新增100GW AI算力，长期目标达1TW [8] - 合并让xAI获得稳定资金支持，此前xAI每月烧钱约10亿美元，SpaceX被认为是马斯克旗下“最成功最稳健”的企业 [8] 谷歌研究揭示AI辅助数学研究的实际挑战 - 谷歌用Gemini对700个Erdős未解数学问题进行系统攻关，推进13个问题，其中5个是模型自主新解，8个是从文献中挖出被遗漏的解答 [9] - 研究显示68.5%候选解存在根本性错误，真正有意义的正确解仅6.5%，大量时间消耗在核验、纠错和文献排查上 [9] - 谷歌坦言这些问题任何领域专家都能轻松完成，AI辅助数学研究的真实成本远超想象，需警惕AI“潜意识抄袭”文献的风险 [9] a16z报告阐述AI时代软件护城河的重要性 - a16z AI应用团队认为AI时代是所有技术周期的叠加，传统软件正全面走向AI native，greenfield机会大于brownfield [10] - 软件正在“吃掉”劳动力市场，但真正价值不在于省钱而在于增收，如Salient通过AI让回款率提升50%而非单纯降低成本 [10] - 围墙花园类公司因掌握专有数据而价值倍增，护城河在软件可快速构建的时代比以往任何时候都更重要 [10]

文章核心观点 - 生成式AI浪潮并非一个全新的独立周期，而是对PC、互联网、云、移动等所有过往技术周期的叠加与爆发，其普及速度因智能手机和云的广泛存在而前所未有 [3][7][8] - AI正在驱动软件领域有史以来最大、最快速的产品转变，新增收入的绝大部分已源自AI，涵盖基础设施层与应用层 [2][8] - 人类行为的核心驱动力是“用更少的工作换取更多的经济回报”，而生成式AI正在解锁这一价值，其创造的价值规模已大到惊人的程度 [14] - 在软件可被快速构建的时代，构建强大的“护城河”比以往任何时候都更加重要，数据、对端到端工作流程的掌控以及构建“系统级记录系统”是形成防御性的关键 [4][49][50][57] AI应用爆发的背景与特征 - **技术叠加与快速普及**：AI的爆发建立在PC、互联网、云、移动（尤其是全球80亿人中绝大多数拥有智能手机）等技术周期累积之上，因此普及速度前所未有 [7][8] - **能力飞跃与标准重定义**：相比两年前仅有纯文本和基础推理，当前AI系统已具备原生语音、实时互动等能力；公众对AGI（通用人工智能）的判定标准随着技术进步被不断抬高 [8][9] - **企业级采用拐点已至**：企业支出数据（如Ramp公司在2025年1月的支出陡增）表明，AI已从“炫技”阶段进入大规模为企业节省时间和金钱的现实应用阶段 [10][13] - **用户渗透与依赖加深**：AI（如ChatGPT）已占据类似WiFi的基础需求位置，全球约15%的成年人每周使用，其使用场景规模无限，用户使用时长正急剧增长 [18][19] AI应用的三大投资机会方向 - **方向一：现有软件品类的AI原生重构** - 所有传统软件市场（如CRM、HR、营销、财务、IT支持）都面临被AI原生 entrants 重新发明的机会，将诞生大量新的赢家 [28][30] - 成功关键在于抓住“绿地机会”，即面向全新公司或在企业发展的关键拐点（如员工数达50、业务复杂度激增时）提供替代方案，而非在“棕地机会”中与现有产品直接竞争 [31][32][34] - 现有头部玩家（如Adobe、SAP、Workday）也会全面拥抱AI以增强自身业务，并对新功能持续收费 [34] - **方向二：软件“吞噬”劳动力，创造全新品类** - 软件开始进入过去根本不存在对应软件产品的劳动力领域，直接替代或增强人类工作，这是一个远大于传统软件市场的机会 [28][40] - 这类产品的价值主张不是简单省钱，而是帮助客户“赚更多钱”，例如Salient公司的自动贷款服务能帮助客户多收回50%的款项 [55][56] - 要避免被廉价替代，必须构建垂直领域的“系统级记录系统”或操作系统，深度融入客户工作流程，形成极高黏性 [43][50][59] - 以法律科技公司Eve为例，其产品处理了原告律师几乎100%的案件，并通过处理非公开案件结果数据不断优化模型，形成了复利式的数据护城河 [47][48][50] - **方向三：“围墙花园”——利用专有数据交付最终成果** - 拥有高价值专有数据（或独家访问权）的公司，可利用AI将原始数据直接转化为可执行的“成品”交付，价值被成倍放大 [29][69][77] - 数据本身可能公开或免费（如飞机ADS-B信号、WHOIS域名记录、老旧说明书），但因其分散、难以整理而具备稀缺性，整合并数字化后形成“围墙花园” [66][67][76][79] - 案例：OpenEvidence获得顶级医学期刊独家授权，为医生提供远超通用ChatGPT的循证医学答案；vLex公司数字化西班牙法律判例后加入AI，收入增长了五倍 [73][74] - 商业模式从出售“原材料”（数据订阅）转变为出售“做好的菜”（最终答案或解决方案），定价能力和价值大幅提升 [68][69][75] 投资策略与市场判断 - **护城河至关重要**：在软件构建极快的时代，仅靠AI功能实现差异化不够，必须通过数据、工作流程整合构建真正的防御性，避免被大模型公司或快速跟进的竞争者复制 [4][49][51][57] - **看好“棕地机会”与“绿地机会”并存**：现有软件巨头会利用AI变现并增强业务，但“绿地机会”（新公司、新拐点）和基于新数据源的机会同样大量存在 [84] - **消费者AI遵循相同逻辑**：传统消费软件品类正AI原生重构（如Krea之于Photoshop）；全新品类被创造（如ElevenLabs之于语音模型）；专有数据构建优势（如Slingshot利用真实治疗记录训练AI心理治疗模型） [98][101][102] - **“聚合层”存在机会**：在许多场景下，能聚合调用多家模型供应商能力的“聚合层”公司，比只依赖单一模型的大模型实验室或科技巨头更具优势 [103] - **采用“逆向筛选”寻找最佳交易**：投资机构通过深度研究、产出行业基准与认知（如发布AI生产力基准、行业Top榜单）来建立专业声誉，从而吸引并判断最好的创业公司，而非筛选市场上滞留的便宜项目 [106][108]

商业模式与市场策略 - 华强北厂商采取"先上车，边走边看"策略，即使商业模式和软件功能未完善也快速推向市场，通过百万套订单完成市场教育[2][7] - 行业遵循"出货单生存法则"，强调快速占领市场而非完美产品，草根团队通过帮耳机品牌做App一年内实现财富跃升[2][5] - 供应链博弈形成独特平衡术，厂商需在10万个耳机壳生产压力下容忍供应商瑕疵品，同时防止设计被转卖[3][5] 行业竞争格局 - 华强北供应链迭代速度超越大厂，某些品类已迭代2-3轮后国内大品牌才入场，市场传导路径从"自上而下"变为双向影响[3][22] - 低端品牌通过10倍降价实现100-1000倍销量增长，用低成本方案复刻大牌功能，承担市场教育角色[18] - 部分华强北品牌完成从贴牌到自主品牌的升级，两年内产品质感显著提升，出现反向影响大牌设计的现象[22] 产品与技术创新 - AI耳机被行业视为快消品，本质仍属耳机赛道，AI功能作为营销概念叠加[11] - 中低端AI耳机（低于1000元）出货量优于普通蓝牙耳机，主流用户群体更关注低价尝鲜而非完美体验[13] - AI睡眠耳机意外走红，月出货量达10万套，显示细分场景需求通过直播电商被激活[26] 成本与供应链管理 - 深圳厂商极度重视成本控制，拒绝只谈技术不谈成本的合作方，每0.1元成本差异都影响竞争力[15][16] - 生产环节强调极限效率，样品运输不惜采用顺风车或货拉拉加急，包装未完成时员工亲自赴70公里外工厂催货[9] 人才与组织特点 - 行业人才门槛较低，普通院校毕业生对接爆款产品可获得月提成3万元，形成草根逆袭机会[5] - 从业者核心能力是清晰对接需求，行业人员素质未达科技公司水平但发展空间大[5] 市场发展趋势 - AI耳机市场尚未出现类似AirPods的标杆产品，行业期待领头羊品牌推动市场扩容[20] - 软件功能（如App）成为产品差异点，AI助手的token续费模式仍在探索中[7][25] - 华强北产线更迭速度超越大厂PPT更新节奏，反映市场响应机制发生本质变化[3][23]