核心观点 - 人工智能公司Perplexity推出的新产品Perplexity Computer，作为一种云端多Agent编排系统，展示了AI在自动化复杂工作流程（尤其是金融领域）方面的巨大潜力，可能对以彭博终端为代表的高价专业金融软件构成颠覆性威胁 [1][2][4][5][6][7][8] - Perplexity公司凭借其“答案引擎”的差异化产品，在搜索领域对谷歌构成挑战，并展现出成为下一代AI原生平台和颠覆行业格局的野心 [13][17][22][23] 产品与技术 - **Perplexity Computer产品特性**：这是一个可以直接操控电脑的通用AI系统，能够完成从研究、设计、写代码到部署、管理的全流程项目 [2] - **核心技术优势**：其核心并非单一模型，而是强大的多模型调度与编排能力，系统内整合了19个顶尖模型，能根据任务类型自动调用不同模型（如Claude Opus 4.6、Gemini、ChatGPT5.2等）进行分工协作，自动拆解任务并生成子Agent [8] - **产品定位差异**：该产品不同于争夺入口或专注企业协作的AI Agent，它选择了控制桌面和云端多Agent编排的路径 [7] - **基础模型依赖**：公司的强项在于产品和整合能力，但底层模型依赖OpenAI、Anthropic等外部巨头，存在潜在风险 [25] 市场与竞争影响 - **对金融行业的潜在冲击**：有用户使用Perplexity Computer成功复现出简易版彭博终端，该金融专业工具年订阅费高达2.4万美元（约合人民币16万元），而Perplexity Max的年订阅费仅为2000美元，价格约为前者的1/12 [4][5] - **对搜索行业的挑战**：公司推出的“答案引擎”依托RAG技术，提供带引用来源的完整答案，与谷歌的“链接聚合”模式形成差异化竞争，精准解决了信息过载痛点 [17] - **竞争态势**：公司从谷歌手中切走了一部分高净值搜索流量，但同时面临底层模型提供商（如Anthropic）自身生态发展带来的流量分流压力 [23][25] 公司发展历程与战略 - **快速增长**：公司成立于2022年8月，截至2025年底，在四年时间内估值已达200亿美元，月活跃用户突破千万，每月处理上亿次查询 [13] - **核心团队**：创始人Aravind Srinivas曾在OpenAI从事核心语言模型研究，联合创始人兼CTO Denis Yarats来自Meta，师从Yann LeCun，团队背景强大 [14] - **颠覆性野心**：在2024年谷歌反垄断案期间，公司公开表示有兴趣收购估值约150亿至200亿美元的Chrome浏览器，旨在将其重塑为AI原生浏览器，深化搜索与浏览的融合，展现其进军主场的姿态 [18][19][21][22] - **商业模式探索**：当前主要收入来源为订阅费，年营收达5000万美元，但面临高昂的AI搜索成本压力，正尝试从“提供答案”向“代理执行”的Agent模式升级，以探索交易抽佣等更具想象力的商业模式 [23][25][26] 资本与行业认可 - **资本青睐**：公司获得了英伟达、亚马逊创始人贝索斯、Andrej Karpathy、Garry Tan等科技圈大佬和投资人的投资，足球巨星C罗也参与其中 [13] - **关键背书**：英伟达在2024年1月参与了公司7360万美元的B轮融资，其CEO黄仁勋公开表示几乎每天使用Perplexity查阅专业资料 [13]

文章核心观点 - 大语言模型正在系统性地瓦解垂直软件行业过去赖以生存的护城河，导致市场对相关公司进行残酷的价值重估，市值蒸发近1万亿美元 [1][10][11] - LLM将复杂的业务逻辑和界面简化为自然语言对话和Markdown文件，大幅降低了进入壁垒，使竞争格局从少数巨头垄断变为“百团大战” [2][7][41] - 垂直软件的价值构成正在被重新定义：依赖“信息不对称”和“界面复杂性”的模式被摧毁，而拥有独家数据、监管锁定或嵌入交易的公司护城河依然稳固甚至增强 [5][6][13] 垂直软件被LLM摧毁或削弱的护城河 - **“习得性界面”护城河被摧毁**：LLM将所有复杂专有界面坍缩为一个聊天窗口，用户无需学习即可通过自然语言调取功能，使得基于“熟练度壁垒”的高昂溢价（如彭博终端每年2.5万美元/席位）瞬间归零 [1][14][18] - **“业务逻辑”护城河被蒸发**：过去需要懂行业的工程师编写数年代码才能构建的工作流，现在只需领域专家编写一个Markdown提示词文件即可实现，竞争对手复制时间从几年缩短到几周 [2][20][22] - **“公共数据访问”护城河被商品化**：LLM天生能解析和理解10-K年报、法律文档等复杂公开文件，使得依赖整理和解析公开数据来创造价值的模式（如金融、法律数据平台）价值崩溃 [3][23][25] - **“人才稀缺性”护城河被倒置**：构建垂直软件不再需要既懂代码又懂业务的稀缺复合型人才，领域专家可直接用自然语言指挥AI工作，导致进入壁垒崩溃 [4][26][27] - **“捆绑销售”护城河被削弱**：AI智能体可以跨多个最佳或最便宜的服务商协调工作，用户无需为单一供应商的整个捆绑套件支付溢价，解绑（unbundling）成为可能 [28][30] 垂直软件未被LLM撼动或增强的护城河 - **“私有和专有数据”护城河增强**：无法被抓取、合成或从第三方许可的独家数据（如彭博的实时交易台数据、标普的信用评级）在AI时代价值倍增，成为智能体必需的“稀缺燃料” [5][31][32] - **“监管和合规锁定”护城河稳固**：涉及严格监管认证（如医疗软件的HIPAA、FDA认证）或深度嵌入监管流程的软件，其切换成本不会因LLM而降低 [6][35] - **“网络效应”护城河保持粘性**：作为行业事实通信层或依赖多边网络的软件（如彭博的IB chat、Veeva），其价值源于用户网络，LLM不会打破这种效应 [36] - **“交易嵌入”护城河持久**：直接位于资金流或关键交易流程中的软件（如支付处理Stripe、贷款发放系统），LLM可能成为其更好的界面，但无法取代其基础设施地位 [37] - **“记录系统”护城河长期受威胁但短期稳固**：作为关键业务数据权威来源的软件（如医疗EHR系统Epic）切换成本极高，但AI智能体通过积累跨平台用户记忆，正在悄然构建新的记录系统 [38][39] 行业竞争格局与市场影响 - **竞争格局剧变**：进入壁垒大幅降低，导致每个垂直领域的竞争对手可能从2-3个巨头激增至数百个AI原生初创公司，引发价格体系崩塌 [7][40][41] - **估值倍数压缩是当前抛售主因**：市场抛售并非基于即时收入崩溃，而是对垂直软件公司失去定价权和超高客户留存率后估值倍数（如从15倍营收降至6倍）的重新定价 [44] - **面临“上下夹击”的生存威胁**：垂直软件同时受到下方数百家AI初创公司撕咬和上方微软、Anthropic等通用平台通过“通用智能体+插件”模式直接杀入垂直领域的双重挤压 [8][45][48] - **市场调整在结构上合理但时间上被夸大**：企业客户合同（通常为多年期）不会立即终止，收入下滑将是一个持续12-24个月的“斜坡”而非“悬崖”，但市场已提前为护城河侵蚀定价 [42][43][44] 不同风险类别公司的前景 - **高风险公司**：主要价值在于为公开或可许可数据提供“搜索层”或更好界面的公司（如部分金融数据终端、法律研究平台），其护城河正在蒸发，市值已损失40-60% [51] - **中等风险公司**：业务线混合了防御性（如专有数据）和暴露性（如数据重新包装）部分的公司，市场对其估值存在不确定性，股价下跌约20-30% [52] - **低风险公司**：护城河根植于监管认证、合规基础设施或深度嵌入交易流程的公司（如医疗EHR、支付处理），其中期竞争地位几乎不受LLM影响，甚至可能受益 [52]

文章核心观点 - 大语言模型正在系统性地瓦解垂直软件行业过去赖以生存的护城河，导致市场对相关公司进行残酷的价值重估，软件股近期市值蒸发近1万亿美元即是体现 [1][12][13] - 垂直软件的价值构成和应得的估值倍数正在被重新定义，市场抛售在结构上合理但在时间上被夸大，真正的威胁是来自AI原生初创公司和横向平台巨头的“上下夹击” [13][18][55][60] 垂直软件的十大护城河及LLM影响 - **被摧毁或削弱的护城河 (5项)**： - **习得性界面**：LLM将复杂专有界面坍缩为自然语言聊天窗口，用户无需学习即可操作，使基于“软件难用”和“熟练度壁垒”的切换成本与高额溢价归零 [3][20][23][24] - **自定义工作流和业务逻辑**：业务逻辑从需要工程师编写“百万行代码”转变为领域专家编写“一个Markdown文件”，复制竞争对手的时间从几年缩短到几周 [4][26][27][28] - **公共数据访问**：LLM天生能解析SEC文件、判例法等公开文档，使“整理公开数据”和“信息不对称”赚钱的模式被商品化，相关公司的价值层崩溃 [5][29][30][31] - **人才稀缺性**：LLM翻转了人才壁垒，懂业务的领域专家无需懂代码即可将经验转化为软件，稀缺资源（领域知识）在转化为软件的能力上变得丰富 [5][32][33][34] - **捆绑销售**：AI智能体本身即是集成层，可以协调多个最佳工具，削弱了软件公司通过捆绑功能增加切换成本的护城河 [35][36][38] - **保持稳固或增强的护城河 (5项)**： - **私有和专有数据**：无法被抓取、合成或从第三方许可的独家数据（如彭博实时交易数据、标普信用评级）在AI时代价值倍增，拥有者将掌握定价权 [6][39][40][41] - **监管和合规锁定**：如医疗软件的HIPAA合规、FDA认证，金融软件的监管要求等，AI无法绕过，相关公司的护城河结构性稳固 [7][43][44] - **网络效应**：作为行业通信层（如彭博IB chat）或连接多方（如Veeva）的软件，其网络效应带来的粘性不受LLM影响，甚至可能更有价值 [45][46] - **交易嵌入**：软件直接位于资金流中（如支付处理、贷款发放），切换会中断收入，LLM不会去中介化此类基础设施 [47][48] - **记录系统地位**：作为关键业务数据权威来源的软件（如Epic之于患者数据），短期内地位稳固，但长期看AI智能体可能通过积累用户上下文构建新的记录系统 [49][50] 行业竞争格局与市场影响 - **准入门槛剧降，竞争格局碎片化**：以前构建垂直软件需要数百名工程师、数年时间和巨额预算，导致每个行业通常只有2-3个巨头垄断；现在利用API和小团队几个月就能实现巨头80%的功能，竞争对手数量可能从3个变成300个，导致价格体系崩塌 [8][9][52][53] - **估值倍数压缩，而非收入立即崩溃**：企业客户合同多为多年期，收入不会立即消失，但市场预期护城河溶解将终结其溢价定价权，导致估值倍数（如从15倍营收降至6倍）大幅压缩，引发股价下跌 [56][57][58] - **真正的威胁是“上下夹击”与“无头化”**：垂直软件面临来自下方数百家AI原生初创公司的撕咬，和上方微软、Anthropic等横向平台通过“通用智能体+插件”方式杀入垂直领域的双重威胁；软件正变得“无头化”，用户可能通过AI智能体直接调用服务，软件公司有沦为利润被榨干的“数据供应商”的风险 [10][60][63][64] 不同类别公司的风险评估 - **高风险（搜索层）**：主要价值在于通过专门界面使公开或可许可数据可搜索的公司（如部分金融数据终端、法律研究平台），其界面锁定和有限竞争的优势正在蒸发，市值已损失40-60% [66][67] - **中等风险（混合投资组合）**：同时拥有防御性（如专有数据）和暴露性（如数据重新包装）业务线的公司，市场对其估值存在不确定性，股价下跌20-30% [68][69] - **低风险（监管堡垒）**：护城河核心是监管认证、合规基础设施及与关键任务工作流深度集成的公司（如医疗EHR、金融合规软件），LLM在中期内几乎不影响其竞争地位，甚至可能受益 [69]