文章核心观点 - 尽管从历史标准看美股并不便宜，但并未达到惊人的高估程度，一些投资者可能认为难以找到真正被低估的标的 [1] - 即使在以持有高增长股票为主的ETF中，例如景顺QQQ信托和景顺纳斯达克100 ETF，由于近期软件股暴跌，科技板块也存在一些被低估的标的 [1] - 根据晨星的观点，一些QQQ/QQQM的成分公司目前已被明显低估，表明这些ETF存在比表面所见更多的价值投资机会 [1] 相关ETF与市场背景 - 景顺QQQ信托和景顺纳斯达克100 ETF持有多种高增长股票，这些股票通常很少与价值投资关联 [1] - 在所谓的“SaaS灾难”（指近期各种软件股暴跌）之后，科技板块中可以找到一些被低估的标的 [1] 具体被低估的科技公司分析 - **Adobe**：被视为最易受人工智能影响的股票之一，但在近期遭受打击后，其在QQQ/QQQM中的持仓已被低估，部分分析师认为其有反弹潜力 [1] - Adobe认为其目标市场规模远超2000亿美元，公司正在其各类云产品中引入和利用新功能，以推动更统一的体验、赢得新客户、向用户推销更高价解决方案并交叉销售数字媒体产品 [1] - 预计并购活动将继续加强Adobe产品组合的各个方面，以抵御新兴竞争对手 [1] - **Intuit**：是另一个因AI颠覆担忧而受到打击的QQQ/QQQM持仓公司，目前也被低估，其拥有的上行潜力杠杆比投资者所认知的更多 [1] - Intuit的TurboTax Live、QB Live和Mailchimp Live等服务，通过实时连接用户与专业人士，已成为其区别于竞争对手的关键差异化优势，并增强了公司的护城河 [1] - **Microsoft**：是QQQ和QQQM的第三大持仓股，虽然不属于传统价值股，但其交易价格较晨星公允价值估计有34%的折让 [1] - 微软正将其传统的本地部署产品转变为基于云的SaaS解决方案，关键应用包括LinkedIn、Office 365、Dynamics 365和Power平台，这些转型已过半程且不再构成财务拖累 [1] - Office 365在办公生产力软件领域保持着虚拟垄断地位，预计在可预见的未来不会改变 [1]

美国联邦贸易委员会对微软的反垄断调查 - 美国联邦贸易委员会正在对微软进行反垄断调查 调查其是否通过捆绑产品以及增加客户在其他公司云服务上使用其产品的难度 从而非法垄断企业计算市场的某些部分 [2] - 该调查始于拜登政府末期 并在第二届特朗普政府下得以继续 [3][10] 调查的具体指控与焦点 - 调查指控微软非法利用其Office 365生产力套件的市场力量来使其Azure云服务受益 [8] - 具体指控包括 对离开的客户提高订阅费 收取高额退出费用 以及使其Office 365产品与竞争对手的云服务提供商不兼容 [8] - 作为调查的一部分 美国联邦贸易委员会在2024年底向微软发出民事调查要求 要求提供有关公司人工智能运营 数据中心 软件许可实践以及与OpenAI达成协议后削减自身AI项目资金决策的信息 [11] 微软的回应与相关进展 - 自调查开始以来 微软已放宽了部分政策 并表示其部分产品与其他云不兼容是由于技术差异所致 [7] - 2024年12月 有报道称微软在反垄断调查细节被泄露后 正式要求对美国联邦贸易委员会进行调查 并要求该机构监察长审查美国联邦贸易委员会高级管理层是否披露了有关调查的非公开信息 [9][10]

微软资本支出与增长战略分析 - 自1月28日财报发布以来，公司股价已累计下跌约15% [1] - 市场担忧核心在于资本支出大幅上修但Azure增长指引未同步提升，以及Office 365业务面临AI工具竞争威胁 [1] - 高盛认为市场短期担忧掩盖了公司中期战略的合理性 [1] 资本支出与算力分配策略 - 2026财年资本支出预计达1480亿美元，较2022财年增长400% [3] - 当前总算力分配格局约为70%用于Azure，30%投向Copilot及内部研发 [3] - 新增GPU的分配比例更趋平衡，接近60%用于Azure，40%用于Copilot及内部研发 [3][6] - 公司正在主动调整算力分配，用于内部研发及Copilot的比例已从约10%提升至20% [3][5] - 若将新增GPU容量全数投入Azure，其二季度Azure增速可达近40%区间，意味着部分增长潜力被战略性后置 [3][4] “冰山模型”与战略投资 - 高盛引入“冰山类比”框架解读公司算力资本支出策略 [4] - “水面之上”指直接货币化并体现在Azure及Office 365业绩中的算力投资 [4] - “水面之下”指当前未产生直接收入但对长期战略至关重要的算力部署，为未来货币化预留空间 [4] - 管理层表示，若新增算力全数投入Azure，二季度增速按固定汇率计算将超过40% [4] - 实际报告增长率为38%，高盛估算全部分配可使增速达低40%区间，相当于提升约5个百分点 [4] 内部算力需求增加的驱动因素 - 内部算力需求由四大结构性因素共同推升 [7] - 首先，Copilot采用率持续攀升，无论是内部员工还是外部客户，依赖度提高直接拉动算力消耗 [9] - 其次，内部研发力度显著加大，公司正开发处于绝对前沿的AI模型，并基于OpenAI模型构建针对自身领域数据的专用模型 [9] - 第三，运营支出结构发生根本转变，未来运营支出增长将更多由资本支出而非员工数量驱动 [9] - 第四，软件栈基础算力水位整体抬升，客户对嵌入现有应用的AI功能已形成基本预期 [9] Azure增长潜力与市场情绪 - 未来几个季度，随着新增产能上线，Azure增长与内部研发之间的算力权衡将不再是零和博弈 [10] - 高盛估算，公司二季度约有40亿美元GPU支出未直接关联Azure或已货币化的Copilot业务 [10] - 若将该部分算力投入Azure，并使用5倍的“算力/季度新增收入”乘数，Azure可获得约3%的上行空间，对应增速提升5个百分点，使二季度报告增长率升至44% [10] - 当前投资者面临的核心障碍是信息披露不足，市场亟需一个能够区分Azure与其他业务资本支出的分析框架 [10] - 与其他超大规模云服务商相比，公司更多依赖自研内部软件解决方案，占用了本可投放于Azure的产能 [10] Copilot的战略定位与货币化进展 - 公司正通过差异化的交付机制，将Copilot打造为兼顾性能与成本的企业级LLM解决方案 [12] - Copilot 365定价约为每用户每月30美元，集成多种模型；相比之下，ChatGPT Enterprise定价约60美元 [12] - 在情境智能方面，WorkIQ正成为公司展示差异化优势的重要载体 [12] - Copilot已开始对M365商业云收入增长形成实质性贡献，该业务规模预计在2026财年达890亿美元 [13] - 过去三个季度ARPU增长率提升至10-11%，明显高于前一年的5-7%，印证了Copilot的采用正在加速 [13] 投资回报率框架与同业比较 - Azure AI算力适用4-5倍“算力/季度新增收入”乘数，即每1美元资本支出可在下一季度转化为0.20至0.25美元收入 [8] - 应用算力（包括Copilot）适用3-4倍乘数 [8] - 部分资金近期流向谷歌，主要基于Gemini的竞争定位、TPU的潜在机会以及相对较小的应用业务敞口 [11] - 谷歌提供了清晰的资本支出披露框架——60%资本支出用于服务器，其中略超一半算力分配给云业务 [11] - 高盛认为，公司若能提供类似维度的披露，将有助于投资者重建信心 [11]

行业竞争格局 - 以商业为核心的人工智能产品（如Anthropic和OpenAI的产品）正威胁现有企业软件公司的地位，促使微软、ServiceNow、Snowflake等传统软件巨头推出竞争性产品[1] - 几乎所有AI和软件公司都在销售AI Agent构建工具，让客户根据具体需求定制AI Agent，同时也在竞相销售用于管理来自不同供应商的AI Agent套件的应用程序[1] - 主要参与者普遍押注于一个未来：白领工作者将监管一套能够自主连接各类企业应用的人工智能Agent，而非手动操作应用[3] 主要产品类别与参与者 - **基于浏览器的智能体**：由OpenAI、谷歌等公司推出，能够执行多步骤任务，例如登录供应商网站下订单[5] - **计算机操作型智能体**：例如Anthropic的Cowork、谷歌的Gemini Computer Use以及ServiceNow的桌面智能体，能够运用桌面应用程序和文件生成财务报告[5] - **智能体构建工具**：可接入各类企业应用，例如Salesforce的Agentforce和谷歌的Gemini Enterprise[5] - **多平台智能体管理仪表盘（智能体操作平台）**：涵盖微软的Agent 365和OpenAI的Frontier[5] 技术发展与竞争动态 - OpenAI推出了Frontier项目，旨在帮助企业打造多个人工智能协作助手，并为它们分配涉及从各类应用程序中提取数据的任务[9] - Anthropic面向Windows计算机用户推出研究预览版Cowork智能体，而微软开发的同类Windows任务接管工具已进入功能预览阶段，加剧了该领域的竞争[8] - 尽管OpenAI、Anthropic和谷歌表示其计算机操作型智能体仅处于研究预览阶段，但依赖它们模型的供应商如ServiceNow，已宣布其计算机操作型智能体进入全面商用阶段[8] 对传统企业软件的影响与应对 - 微软CEO萨提亚·纳德拉认为，传统软件应用终将在智能Agent时代“崩塌”，因为它们“本质上只是附带一堆业务逻辑的数据库”[8] - 传统企业应用程序公司（如Salesforce或微软）目前似乎并未打算彻底阻止新型AI Agent使用、调用或修改其主流现有应用（如Salesforce的CRM或微软的Office 365）中的数据[10] - 但部分高管认为，企业应用公司可能会尝试限制AI访问应用或其存储数据的频率，例如Salesforce旗下的Slack去年春季曾禁止其他AI和软件公司搜索或存储Slack消息[11] - 讽刺的是，许多传统企业公司一直在使用从OpenAI和Anthropic购买的技术来驱动自己的智能体，尽管这些AI公司正试图说服员工使用它们自家开发的竞争性工具和应用[11] 市场机遇与客户态度 - Snowflake首席执行官Sridhar Ramaswamy表示，由于人工智能正在打破传统壁垒并催生新的竞争，软件公司的领导者们感觉“要么达到万亿美元估值，要么就彻底归零”[12] - 人工智能客户表示越来越需要能够管理和连接人工智能智能体的工具，但在资金投入方向的选择上仍持谨慎态度[13] - 例如，年收入超50亿美元的分时租赁公司希尔顿分时度假俱乐部，已结合使用OpenAI、微软、Salesforce、Oracle及其他供应商的多种AI产品来运行内部智能体，实现收入预测和人力需求预测等任务的自动化[13] - 尽管市场涌现大量新产品，但客户并不急于签署新的订阅服务，因为要获得成效需要投入大量时间，例如该公司花费了近三年时间开发其客户支持Agent[14] 现存挑战 - 在智能体被广泛采用之前，仍有诸多障碍需要克服，例如能操作浏览器和计算机的新型智能体存在重大安全隐患，可能意外泄露用户凭据，或让远程攻击者得以控制个人电脑[8] - 部分人工智能采购方认为，当前这类产品操作门槛过高，难以实际应用[8]

涉及的公司与行业 * 公司：微软 (Microsoft Corp, MSFT) [1] * 行业：软件行业 (Americas Software) [4] 核心观点与论据 * **投资评级与目标**：高盛维持对微软的“买入”评级，12个月目标价为600美元，较当前404.37美元有48.4%的上涨空间 [1] * **近期股价疲软原因**：自1月28日财报发布后，微软股价下跌约15%，主要由于两个原因：1) 资本支出预期上调但Azure增长预期未同步上调，引发对投资回报率及Azure相对同行竞争地位的担忧；2) 关于知识工作者应用业务（Office 365）是否会因Claude Cowork等新AI竞争而被“去中介化”的持续争论 [1] * **资本支出分配与增长权衡**：微软目前面临供应限制，新增的计算能力被优先分配给Copilot和内部研发，导致用于内部用例的计算资源占比上升 [2] 这影响了Azure的短期增长，公司表示，若将增量产能全部分配给Azure，第二财季Azure增长率将超过40%（按固定汇率计算），而非实际公布的38% [2] 分析师估计，若将未用于Azure或Copilot的约40亿美元GPU支出分配给Azure，可使当季Azure增长率提高5个百分点至44% [40] * **“冰山”投资理论**：微软的计算资本支出策略被比喻为一座冰山，一部分是“水面之上”直接货币化并体现在Azure和Office 365数据中的计算；另一部分是“水面之下”当前未直接货币化但对微软更广泛战略重点至关重要的计算（如内部研发、Copilot基础支持）[2] * **资本支出与回报周期**：公司正处于AI投资周期，预计2026财年资本支出将比2025财年更快增长，高盛预计将达到1480亿美元，是2022财年（ChatGPT突破前）水平的4倍 [23] 分析师估计，计算资本支出的现金回收期约为2.5-3.0年 [29] * **计算资源分配估算**：在总计算资源中，估计约70%分配给Azure，约30%分配给Copilot和内部用例，而新增GPU的分配比例可能接近60/40 [25] 分析师将内部计算分配占比从约10%上调至约20% [3][17] * **内部计算需求上升的驱动因素**：1) Copilot使用量增加；2) 内部研发力度加大，公司正开发“绝对前沿”的模型；3) 运营支出增长将越来越多地由资本支出而非员工人数增长驱动，因为工程工作负载对计算的需求更密集；4) 由于基本功能（如基础LLM聊天）被嵌入现有应用，软件堆栈所需的基础计算水平提高 [26][27] * **Copilot的战略价值**：微软将Copilot构建为一种解决性能和成本的LLM交付机制，与当前领先LLMs的市场定位不同 [43] Copilot 365定价约为30美元/用户/月，而ChatGPT Enterprise约为60美元/用户/月 [43] 分析师认为Copilot已经开始推动M365商业云增长，稳定了大规模业务（2026财年预计约890亿美元）的收入增长，并体现在过去三个季度更高的ARPU增长（10-11% vs 前一年的5-7%）[43] * **改善Azure市场情绪的路径**：1) 新产能将在未来几个季度分阶段上线，减少Azure增长与内部研发之间的零和博弈 [39]；2) 提供关于新产能和分配比例的更好披露，帮助投资者建立更长期的Azure增长预期框架 [40] * **长期战略定位**：微软专注于“为未来50年而非仅未来5年构建Azure”，这意味着将优先服务于大多数客户的工作负载，并错开建设计划以部署未来的处理器 [24] 分析师认为，微软优先将计算资本支出用于第一方应用和内部研发而非短期Azure收入，最终将在技术栈的多个层面驱动更具战略性的AI定位，并在中期带来更好的回报 [17] 其他重要内容 * **财务数据与预测**： * 市值：3.0万亿美元，企业价值：3.0万亿美元 [4] * 营收预测：2025年6月财年2817.2亿美元，2026年6月财年3286.3亿美元，2027年6月财年3870.1亿美元，2028年6月财年4563.3亿美元 [4] * 每股收益预测：2025年6月财年13.83美元，2026年6月财年16.63美元，2027年6月财年19.64美元，2028年6月财年23.53美元 [4] * 资本支出预测：2025财年645.5亿美元，2026财年1050.6亿美元，2027财年1338.5亿美元，2028财年1472.3亿美元 [15] * 自由现金流预测：2025财年716.1亿美元，2026财年708.2亿美元，2027财年711.1亿美元，2028财年1061.0亿美元 [15] * **估值指标**： * 市盈率：2025年6月财年30.7倍，2026年6月财年24.3倍，2027年6月财年20.6倍，2028年6月财年17.2倍 [9] * 企业价值/息税折旧摊销前利润：2025年6月财年19.8倍，2026年6月财年15.6倍，2027年6月财年12.7倍，2028年6月财年10.2倍 [9] * **增长与利润率预测**： * 总营收增长：2025年6月财年14.9%，2026年6月财年16.6%，2027年6月财年17.8%，2028年6月财年17.9% [9] * 息税前利润率：2025年6月财年45.6%，2026年6月财年46.4%，2027年6月财年46.5%，2028年6月财年47.1% [9] * **近期股价表现**：过去3个月绝对回报为-20.5%，相对标普500指数为-21.6% [11][16] * **关键下行风险**：包括来自OpenAI合作的收入贡献不及预期、内部硅芯片推广时间更长限制市场份额增长或毛利率扩张、对预期外项目（如非Azure）的投资增加、关键领导层变动以及向定制软件的更重大转变可能对其应用业务产生负面影响 [44]

文章核心观点 - 科技巨头正进行史无前例的资本投入，预计2026年仅亚马逊、谷歌、微软等几家公司的资本支出就将达到6500亿美元，但当前AI应用收入增长缓慢，存在严重的投入产出倒挂问题，行业面临“气穴”风险 [1][2] - 行业巨头深知当前AI应用渗透率低（如微软Copilot在4.5亿商业用户中渗透率仅3.3%）与巨额投入不匹配，但仍选择持续投资，这背后是基于生存恐惧、构建物理壁垒和压低成本等待技术奇点的三重博弈逻辑 [4][5][6][7] - 解决当前行业困境的关键在于AI从Copilot（辅助工具）模式转向Agent（自主智能体）模式，即从“卖软件”转向“卖服务”或“卖劳动力”，从而打开高达数十万亿美元的全球劳动力市场，实现收入曲线的指数级增长 [21][22][26][27] 科技巨头资本支出与行业现状 - 预计到2026年，亚马逊、谷歌、微软等科技巨头的资本支出总额将达到6500亿美元，投入呈现指数级增长 [1][2] - 巨额资本支出主要投向购买芯片（如H100/H200）、建设数据中心和争夺电力资源，其投入力度被形容为“赌国运”级别 [4] - 与狂热的基础设施投入形成鲜明对比的是AI应用端收入的缓慢线性增长，这种“基建在平流层，应用在爬坡”的倒挂现象是行业核心矛盾 [3][4] - 以微软为例，其Office 365拥有4.5亿商业用户，但愿意每月多花30美元购买Copilot服务的用户仅约1500万，渗透率仅为3.3%，意味着超过96%的用户认为当前AI工具不值其定价 [4][5] 巨头持续投资的深层逻辑 - 巨头面临“囚徒困境”，投资不足的风险远大于投资过度，停止投资可能意味着在竞争对手取得突破（如GPT-6级别AGI）时被彻底淘汰，因此6500亿美元支出被视为一笔昂贵的“生存税” [8][9] - 投资正在重塑物理世界，为满足算力需求，巨头涉足能源领域，例如微软重启“三哩岛核电站”计划，旨在构建以数据中心和芯片集群为核心的物理壁垒，掌握未来算力资源的定价权 [10] - 巨头通过疯狂投入来“暴力压低”AI推理成本，赌注到2026年底推理成本能降至当前的十分之一甚至百分之一，使AI变得像“3美元的水电煤”一样普及，从而引爆应用层生态 [12][13][14] 中美AI产业环境对比 - 美国AI产业面临“富贵病”，资本和算力供给过剩但消化不及，而中国AI产业则呈现“低血糖”状态，面临资金不足、高端芯片获取难等问题 [15] - 中国AI行业因DeepSeek等公司将推理成本降至“白菜价”而陷入激烈的“内卷式”价格战，行业利润空间被严重挤压 [15] - 中国AI玩家分化为两类：“赌徒”型新势力公司（如智谱、MiniMax、月之暗面）仍在重金投入基建和模型，但面临模型同质化和寻找用户场景的挑战 [15][16]；“全栈地主”型巨头（如字节跳动、百度、阿里）拥有数据、流量、场景的完整闭环，获客成本低，并能通过提升现有业务效率（如广告点击率、云服务销售）来覆盖AI成本，在行业低谷期优势明显 [17][18][19] 行业破局方向：从Copilot到Agent - 当前以Copilot为代表的AI模式本质是售卖软件（SaaS），存在“价值悖论”：用户仍需承担最终责任，因此其作为工具的价值上限较低，这也是渗透率难以提升的根本原因 [22][23] - Agent（智能体）模式代表从“副驾驶”到“自动驾驶/员工”的转变，其核心是售卖劳动力或服务，能够独立完成复杂任务（如追回季度逾期款项），并交付最终结果 [21][24][25] - 全球SaaS软件市场规模仅为数千亿美元，而全球劳动力市场是数十万亿美元的规模，Agent模式为AI打开了巨大的市场空间 [24] - 当AI能够替代真实人力成本时（例如一个每月成本800元的数字员工替代月薪8000元的人类助理），其商业价值将得到根本性重估，收入曲线有望从线性增长转为指数级暴涨 [26][27] - 行业走出“气穴”的标志是AI收费模式从按“Token”计费转向按“工作结果”计费，完成从“卖工具”到“卖服务”的惊险一跃 [27]

AI叙事分化与市场定价标准转变 - 北美主要科技公司计划在2026年投入约6600亿美元的资本支出[1] - 市场对AI价值的评判标准已从技术先进性转向对收入结构、盈利能力及现金流的实际贡献[4] - AI不再是统一估值加分项，市场开始区分“已兑现收益”与“投入期远景”，定价差异更多反映企业所处商业化阶段[4] - 能够率先证明AI投入转化为可持续盈利的公司更易获得市场认可，ROI与自由现金流成为关键定价指标[4] AI智能体发展的核心转折点 - Claude Code被视为AI智能体发展的核心转折点，完成了从AI模型被动响应到AI智能体主动执行的范式突破[7] - AI智能体的普及让软件开发、信息处理的边际成本趋于零，能直接替代传统软件的核心功能[8] - AI智能体瓦解了SaaS等传统软件的数据锁定、工作流绑定等护城河，颠覆了按席位计费的传统软件商业模式[8] - 过长的上下文窗口会导致逻辑连贯性下降，这是当前AI智能体发展的关键瓶颈[9] - 模型推理和动作时间越长，逻辑连贯性越差，在多步骤、跨上下文的长程任务中现象被放大[9] - 部分模型单纯扩大窗口却未优化Token效率，海量冗余Token形成的噪声掩盖了有效信号[9] - OpenAI的GPT-5.2 High虽有更大上下文窗口，但完成任务所需的Token消耗量远高于Anthropic Opus 4.5，长程任务连贯性表现更差[9] 微软面临的战略冲突 - 微软Azure云服务与Office 365生产力软件的战略诉求相互对立、相互牵制[11] - Azure作为AI云服务商，是OpenAI、Anthropic等AI企业的核心算力供应商，但其合作方的AI智能体产品正颠覆Office 365的商业根基[11] - 微软陷入“左右互搏”：全力发展Azure是为颠覆自身核心业务的“对手”提供算力支持；加大投入保护Office 365又会分散Azure的战略精力[11] - 微软的Copilot产品虽有一年先发优势，却在落地中几乎无进展，产品竞争力持续下滑[11] - 其核心AI合作伙伴OpenAI也正被Anthropic颠覆，加剧了微软的被动[11] 存储行业周期性 - 存储行业的周期性源于供需响应的严重时间错配[12] - 供给端，存储芯片制造属于超高资本密集型领域，先进晶圆厂建设需数十亿美元投入，供给弹性极低[12] - 需求端受宏观经济、终端产品周期、新计算平台落地等因素影响，呈现出高度波动性[12] - 行业形成“短缺 - 涨价 - 扩产 - 过剩 - 降价”的循环周期[12] AI驱动的存储超级周期 - 本轮由AI算力驱动的存储超级周期为行业四十年一遇，预计可延伸至2027年[13][14] - 核心特征是规模大、周期长，且呈现HBM与通用DRAM双短缺的供需失衡[14] - 2026-2027年DRAM整体供给缺口维持7%，HBM短缺缺口将从2025年5%扩大至2027年9%[15] - 需求端，AI服务器对HBM需求激增，三大厂商2023-2025年HBM晶圆产能提升2.7倍[15] - 2027年HBM将占其超三分之一DRAM晶圆产能[15] - HBM产能扩张挤压通用DRAM产能，且其单位晶圆比特产出仅为通用DRAM的三分之一（HBM4阶段将达四分之一），加剧通用DRAM短缺[15] - 供给端面临三重硬性约束：洁净室产能不足、新产线落地滞后、先进制程迁移存在短期摩擦[15] 存储厂商的应对与竞争格局 - 头部厂商通过加速先进制程迁移和大幅提升资本开支来提升比特产出，缓解供给缺口[16] - 三大厂商将1b、1c作为核心方向，2025末-2027末其合计产能将提升80%[16] - 2026年末三家厂商1c制程产能占比均接近30%[16] - 2026年三星、SK海力士、美光的DRAM晶圆厂设备资本开支分别提升26%、34%、20%[16] - 本轮供需失衡引发DRAM价格历史级暴涨[17] - 2026年一季度DDR5、LPDDR5合约价环比分别涨70%、35%，同比涨幅达638%、369%[17] - 预计2025年四季度-2026年四季度价格或将再翻倍[17] - HBM3E 12-Hi因供给短缺，2026年价格从预期下跌15-20%调整为持平，三星还有望实现10-15%涨幅[17] - HBM4竞争由韩系厂商主导，在NVIDIA Rubin平台初期供应中，SK海力士占60%、三星占30%，美光无份额[17] - 三星因通用DRAM占比更高受益最显著，SK海力士凭借HBM技术优势占据高端市场，美光受HBM4技术短板影响，受益程度弱于前两者[17] 产业链传导与未来演变 - 存储超级周期形成上游设备/材料商显著受益，下游终端OEM厂商承压的两极格局[18] - 上游环节，EUV设备厂商及HBM制造专用材料、设备商需求激增[19] - 下游环节，内存价格暴涨推高终端产品BOM成本[19] - 头部厂商如苹果凭借采购优势仅面临15%左右涨幅，但毛利率仍受拖累[19] - 中小OEM厂商缺乏定价权，2026年手机、PC出货量面临下调预期[19] - 短期（2026-2027年），短缺格局仍将维持，DRAM价格高位运行[20] - 中期（2027年末-2028年），行业供给缺口逐步收窄，价格进入平稳阶段[20] - 长期来看，本轮短缺或推动行业商业模式变革，存储厂商有望与云厂商签订长期供货合约[21] - 2027年HBM需求占比超10%，服务器DRAM整体占比约40%，成为行业需求核心支柱[21]

市场反应与估值冲击 - 本周二，SaaS、数据和软件类投资公司的市值蒸发了约3000亿美元，直接诱因是一款人工智能产品的发布，而非盈利或宏观经济因素[1] - 市场危机已持续数月，IGV软件指数较9月下旬的峰值下跌了约30%，上周多家根基深厚的企业软件公司股价在一天内大幅下跌：Salesforce、ServiceNow、Adobe和Workday下跌约7%，Intuit暴跌近11%[2] - 整个行业的估值倍数急剧下降，软件公司的平均预期市盈率在短短几个月内从约39倍暴跌至约21倍[2] - 做空者已通过押注传统SaaS业务在2026年获利超过200亿美元，并且还在加倍下注[2] 核心逻辑的颠覆与假设打破 - 市场抹去巨大价值的核心原因是传统SaaS增长模式的可持续性假设被打破[3][4] - 过去二十年，企业软件受益于稳定的经济形势，高开发与转换成本、数据存储在专有系统中，使得平台一旦成为记录系统便具有高度粘性，这支撑了从估值倍数到私募信贷承销的整个逻辑[5] - 人工智能正在同时测试该逻辑的每个部分，真正的变化在于现代AI系统能够直接取代大部分人类工作流程，使研究、分析、起草、核对和协调可以跨系统自主执行，不再局限于单一应用程序[6] - 风险投资家Chamath Palihapitiya指出，“SaaS大崩溃已经开始”，一种全新的以AI为导向的工作流程即将到来，依赖高增长却长期低盈利的SaaS发展路径正在失去市场信任[7] AI对SaaS商业模式的重构 - 核心矛盾集中在：短期增长是否真正可持续？长期在AI冲击下盈利可能性是否正变得渺茫？[8] - 过去SaaS公司的蓝图是“先抢占市场，未来再兑现利润”，但AI技术可能颠覆这一逻辑，成本更低、以AI为核心的新解决方案可能迅速取代许多SaaS企业的增长[8] - 微软CEO纳德拉一年前提出“SaaS已死”，认为每一次真正的平台迁移都会带来核心应用架构的根本性变革，未来将进入以“智能体为中心”的时代，由任务和意图驱动[11] - 未来的智能体将能够跨越多个SaaS应用，对业务逻辑进行协调与编排，通过调用API实现跨系统操作，SaaS应用的本质可能只是一个集成了大量定制化业务逻辑的“增删改查”数据库，其调用与编排将从封闭业务逻辑中解放出来[11] - 纳德拉举例，只需向Copilot发出指令，它便能自动查询CRM、提取Office 365数据并生成报告，无需登录独立系统，这极大地提升了数据访问和使用效率[12] - 纳德拉强调，下一代SaaS企业必须主动拥抱智能体，将其深度集成甚至开放给Copilot等平台，并据此革新商业模式，这对任何现有SaaS公司都是强大的竞争向量[14] 市场重心与利润池的迁移 - 高盛研究预测，到2030年（本十年末），人工智能代理将显著扩大整个软件市场，并攫取不成比例的利润份额，超过60%的软件经济效益可能会通过Agent系统而非传统的SaaS服务实现[15][18] - 市场正在增长而非萎缩，但随着智能、内存和执行能力从静态应用程序转移到跨工具运行的自适应系统中，传统软件的经济效益正在被削弱[18] - 企业并非在软件本身上花费更少，而是在软件许可证费用上花费更少，在最终成果上花费更多[18] - 当利润池的流动速度超过收入的减少速度时，公开市场会立即做出反应，而私募市场则会随后跟进[19] - 过去十年大量资金涌入软件行业基于可预测收入、低客户流失率和高回收价值的假设，AI不会一夜之间摧毁投资，但会造成滞后效应：支出压缩先于客户流失，利润率下降先于违约[20] 平台与产品的战略分野 - MongoDB CEO CJ Desai指出，产品终将被替代，而平台方能长青，全球纯软件业务营收超百亿美元的公司屈指可数（个位数），原因在于真正的平台是稀有的[22][26] - 在技术转型（如互联网、AI、移动时代）中，速度至关重要，公司必须快速构建、学习并转向以保持领先，一旦落后就会被质疑未来[23][24] - 平台具有粘性，产品则没有，产品可以被替代，因为软件市场是颠覆性的，公司必须确保呈现给客户的是一个“平台”[25] - 平台意味着至少有两个或以上的产品被客户使用且能协同工作，并与客户的所有现有系统深度集成，这构成了真正的粘性[27] - CJ Desai以一家银行为例，该行在MongoDB上构建了300个应用（总应用数为9000个），深度集成使得平台替换成本极高，粘性很强[28] 对新兴开发模式的审视 - 针对“氛围编程”和按需创建应用的威胁，CJ Desai指出，企业级应用需要满足监管合规、高可用性、多云部署、内部部署（如气隙网络）等严格要求，这限制了简单工具快速进入大企业市场（TAM）的能力[29][30] - 大银行、医疗公司或公共部门等客户的市场进入需要克服大量检查、治理和安全审计，这构成了实质性壁垒[30] 当前投资焦虑与未来价值锚点 - 当前投资者环境焦虑，焦点集中在模型层而非应用层，对SaaS应用、数据基础设施和AI原生公司感到焦虑，担心所有价值最终都集中在模型里[31] - CJ Desai认为，在软件栈中，大型语言模型（LLM）层和数据层在可预见的未来是必然存在的恒量，其他一切都会演变[32] - 除了LLM层和数据层，顶层的、聚焦特定行业（如保险）用例的部分将始终至关重要，能够利用AI实现旧SaaS无法实现价值的新公司将有机会[33]

文章核心观点 - AI智能体技术（以Claude Code为代表）已达到规模化商用拐点，正从生成响应转向交付成果，重构全球价值15万亿美元的信息工作市场，并引发软件商业模式、企业运营及科技巨头战略的根本性变革 [1][3][7] Claude Code的技术突破与市场影响 - Claude Code是一款终端原生的AI智能体，作为命令行工具能直接读取代码库、自主规划并执行多步骤任务，实现了从“代码生成器”到“系统级操作代理”的范式跨越 [9] - Claude Code已占据GitHub公共代码提交量的4%，预计到2026年底该比例将超过20% [1][4] - 该工具正在重新定义软件开发，使程序员从代码编写者转变为任务规划者，多位顶尖技术从业者（如NodeJS创始人、Linux创始人）已成为其活跃使用者，并认为人类手写代码时代已结束 [10] AI智能体重塑信息工作与商业模式 - AI智能体将重塑全球约10亿信息工作者构成的、价值15万亿美元的市场 [3][12] - 其应用正从软件开发延伸至客户支持、金融服务、法律合规、战略咨询等高价值专业服务产业 [3] - AI智能体成本极低，例如Claude Pro月费仅20美元，相比美国知识工作者每日350-500美元的全成本，仅需6-7美元的日均成本即可实现10-30倍的投资回报率，驱动规模化部署 [14] - 传统SaaS商业模式（依赖数据迁移成本、工作流锁定）面临根本挑战，其高达75%的毛利率成为吸引AI替代的明确信号，AI代理能够以更低成本实现跨系统数据迁移并降低集成难度 [15][16] 行业竞争格局与公司动态 - Anthropic依托Claude Code实现营收快速增长，其季度年度经常性收入（ARR）增量已超越OpenAI [1][3] - 未来三年Anthropic将部署与OpenAI相当的算力规模，其增长直接受算力供给约束 [20] - 企业级部署进入规模化阶段，埃森哲已签署协议，计划在金融、医疗及公共部门培训3万名专业人员使用Claude，为目前规模最大的企业级部署案例 [3][16] - 行业竞争焦点已从“生成最佳回答”转向“实现可交付成果”，未来评估模型效能的核心指标将转化为任务完成度、系统稳定性及自动化边界 [22][23] 科技巨头的战略困境（以微软为例） - 微软陷入战略两难：Azure的快速增长需要满足市场期待，而投资Copilot系列则是保护Office 365核心利润的必要防御，两者存在内在冲突 [5][18] - 若将本财年前两季度全部新增GPU资源投入Azure，其关键增长指标将超过40%，但公司最终选择优先保障M365 Copilot与GitHub Copilot等第一方AI产品的产能 [18] - 微软作为OpenAI和Anthropic的主要云服务商，正通过出租算力支持可能瓦解其核心生产力软件护城河的技术 [18] - 首席执行官Satya Nadella已亲自深度介入AI产品管理，表明当前竞争态势关乎公司整体未来命运 [19] AI智能体的演进与未来趋势 - Claude Code的出现标志着继2023年ChatGPT时刻之后AI演进的新临界点，代表从提供“响应”到系统交付“成果”的根本范式演进 [7] - 智能体已验证出可广泛复制的工作范式：读取非结构化信息、应用专业知识、生成结构化输出并自主验证结果，与绝大多数知识工作核心环节高度契合 [12] - 自主任务处理时长的翻倍周期已缩短至约4个月，每一次时长突破都将开启全新的规模化应用场景 [13] - 智能体已从编码专用工具演进为可编程的通用工作引擎，例如通用工具“Cowork”由四名工程师在十天内开发完成，可实现整理收据、归类文件等办公自动化任务 [12]

Claude Code的市场渗透与影响 - Anthropic旗下AI编程工具Claude Code已占GitHub公共代码提交量的4%，预计到2026年底该比例将超过20% [1] - Claude Code的出现是AI“智能体”的转折点，标志着AI正从提供“响应”转向系统交付“成果” [1][5] - 其设计逻辑超越了传统IDE增强工具或聊天助手，实现了从“代码生成器”到“系统级操作代理”的范式跨越 [7] 对软件开发与信息工作的重塑 - Claude Code正在重新定义程序员的职业内核，使其从代码编写者转变为任务规划者，编程已接近一个“被解决的问题” [8] - 全球约10亿信息工作者所构成的、价值15万亿美元的市场正面临系统性重塑 [3][9] - 该工具已验证出一种可广泛复制的智能体工作范式：“感知-思考-输出-校验”，与绝大多数知识工作的核心环节高度契合 [9] - 自主任务处理时长的翻倍周期已缩短至约4个月，每一次时长突破都将开启新的规模化应用场景 [10] 经济模型与成本优势 - Claude Pro等高级AI工具的月费仅为20美元，相比美国知识工作者每日350-500美元的全成本，优势显著 [11] - 即便AI智能体仅完成日常工作中一小部分任务，约6-7美元的日均成本即可实现10-30倍的投资回报率 [11] - 智能成本的急剧下降正在系统性重塑信息产业的利润结构，传统SaaS行业高达75%的毛利率成为吸引AI替代的明确信号 [11][12] 企业级部署与行业竞争格局 - 埃森哲已签署协议，计划在金融、医疗及公共部门培训3万名专业人员使用Claude，成为目前规模最大的企业级部署案例 [3][12] - Anthropic的季度年度经常性收入（ARR）增量已超越OpenAI，反映出AI智能体赛道的竞争格局正发生结构性变化 [3][16] - 未来三年Anthropic将部署与OpenAI相当的算力规模，其增长将直接受算力供给约束 [16] 对传统软件生态的挑战 - 传统SaaS商业模式依赖数据迁移成本、工作流锁定与集成复杂性构筑的护城河，正被AI代理逐步侵蚀 [11][12] - 从商业智能分析到后台对账，凡是涉及信息采集、格式转换与分发的可重复工作流程，均在AI的自动化射程之内 [12] - 这种以自然语言为接口、以任务达成为导向的交互范式，对建立在传统人机交互范式之上的整个软件生态构成了根本性挑战 [12] 科技巨头的战略困境（以微软为例） - 微软面临战略性两难：Azure的快速增长需要满足公开市场期待，而投资Copilot系列则是保护Office 365核心利润来源的必要防御 [14] - 微软坦言，若将本财年前两季度全部新增GPU资源投入Azure，其关键增长指标将超过40%，但公司最终选择优先保障第一方AI产品的产能 [14] - 首席执行官Satya Nadella亲自深度介入AI产品管理，表明当前AI产品的竞争态势已关乎公司整体未来的命运走向 [4][15] 技术演进与评估标准转变 - 竞争焦点已从“生成最佳回答”转向“实现可交付成果” [18] - 未来评估模型效能的核心指标将转化为任务完成度、系统稳定性及自动化边界，而非孤立的响应质量 [18] - Claude Code的成功本质上是Opus 4.5模型在复杂任务中工程化能力的体现 [18]