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]