文章核心观点 - CitriniResearch的报告《2028全球智能危机》推演了一个反直觉逻辑：AI全面替代人类劳动将导致生产力暴涨但经济崩溃，形成“幽灵GDP”现象[2] - 报告预测将触发“OpEx替代循环”，导致SaaS体系崩盘、多个依赖信息差的行业被颠覆，并引发失业率飙升、股市暴跌及信贷市场危机[3][4][5][6][7] - 然而，报告可能低估了现实世界的三套“减震系统”：法律对责任归属的刚性需求、政治与社会的干预反应、以及人类需求升级带来的新经济机会，因此2028年更可能是价值重定价的转折点而非末日[9][13][29] 行业影响与颠覆 - **SaaS行业**：AI将能低成本复刻软件功能，企业不再需要购买昂贵的按人头收费软件，导致Salesforce、ServiceNow等巨头商业模式崩盘[3] - **金融支付与中介行业**：AI代理将自动寻找最低成本支付路径并撮合交易，消除信息不对称和交易摩擦，严重冲击Visa、Mastercard（收取2%-3%手续费）以及房产中介、保险经纪等依赖“人类信息差”的行业[3][4] - **就业市场**：报告预测白领阶层被大规模替代，失业率将飙升至10.2%，劳动收入占GDP比重从56%骤降至46%，导致社会购买力严重萎缩[4][5] 市场与投资预测 - **股票市场**：报告预测标普500指数将暴跌38%，原因是即使企业利润增长，但缺乏增长预期导致估值逻辑崩塌[6] - **信贷市场**：报告预测13万亿美元的信贷市场将爆雷，违约主体从次贷转向“优贷”[7] - **投资方向**：面对AI变革，投资应锚定两个方向：改变世界的技术或世界改变不了的领域，参考HALO策略的四大核心赛道：医疗与生命科学、AI基建与应用、顶级消费与体验、关键资源与能源[40] 潜在的经济与社会调整机制 - **法律与责任框架**：现行法律要求责任归属到“法人”或“自然人”，AI无法承担法律责任，这迫使企业保留人类员工作为“责任背书人”，从而减缓AI替代速度，使其从“螺旋式替代”变为“阶梯式演进”[14][15][16][17] - **政治与社会干预**：政府可能通过征收“机器人税”、强制缩短工作周或推行全民基本收入等方式干预失业潮，以维持社会稳定和税基；消费者也可能通过抵制运动反制导致大规模失业的企业[19][20][21] - **新经济需求与价值转移**：AI压低基础生存成本后，人类消费将转向AI难以提供的领域，如情感连接、体验经济和信任溢价，利润将从“寻租阶层”转移，可能带来普惠的经济重构[24][25][26][27][28] 长期展望与价值重定义 - **行业结构更迭**：依赖信息搬运、重复计算和信息差的岗位将消失，标普500成分股可能经历大换血，旧巨头倒下，基于AI生态的新公司崛起[33] - **人类角色进化**：AI将迫使人类从工具性工作中解放，转向承担法律责任、构建社会共识、提供情感价值等算法无法触及的领域[34][35] - **未来本质**：危机（Crisis）意味着分水岭，未来价值将不再源于“像机器一样工作”，而在于“像人一样生活”[36][37]

市场波动与算法交易 - 近期市场大幅波动主要由程序化/算法交易驱动，而非基本面发生同等变化，算法不会像主动投资者一样做深入研究[1] - 算法交易的核心机制是按规则对风险敞口进行机械调整，其策略常以价格趋势、波动率、相关性、仓位风险预算等为触发条件[3] - 当价格下跌或波动率抬升，模型会自动降低风险资产敞口，这本身会进一步推高波动率与相关性，进而触发更多模型卖出，形成“反馈回路”[3] - 在资金拥挤、持仓同质化高的领域，算法交易的连锁反应容易导致无差别抛售，即“把孩子和洗澡水一起倒掉”[3][5] - 技术面主导的交易心态在上升，越多人盯着同一条均线或同一个“关键点位”，越容易出现踩踏式交易[3] - 这种由算法缺乏深度研究导致的错误定价，为主动型投资者创造了机会[5] 科技行业结构性转型与投资机会 - 市场正经历从“一刀切”的SaaS模式向高度定制化的AI代理平台转型的技术变革[4] - 算法交易无法区分哪些公司正在成功转型为AI平台，哪些会被淘汰，从而对SaaS板块执行无差别抛售[5] - 当前应集中投资于信念度最高的股票，市场波动提供了这样的机会[5][20] - 当前科技巨头的资本开支激增并非泡沫信号，而更像1996年互联网革命起步阶段，是健康投资的表现[6] - 与1999年互联网泡沫顶峰不同，当前市场对科技巨头增加资本开支的反应是股价下跌，表明投资者充满恐惧而非非理性繁荣[6][21] - 谷歌、Meta、微软和亚马逊应该激进支出，因为AI是“一生中最大的机会”[7][21] - 市场正在“攀爬忧虑之墙”，这通常是强劲牛市的特征[1][20] 宏观经济与通胀展望 - AI驱动的生产率提升可能改变“增长必然推升通胀”的传统叙事，增长不等于通胀[9][11] - 生产率提升可能使财政赤字占GDP比重下行，并可能在本届总统任期末（2028年末至2029年初）走向财政盈余[10][22] - 预测到本十年末全球实际GDP增速可能达到7%-8%，且该预测可能偏保守[10][23] - 美元若反弹将成为“强有力的反通胀力量”[11][27] - Truflation实时通胀指标显示通胀正在“破位下行”，读数约为同比0.7%[12][34] - 现房价格通胀已降至1%以下，新房价格通胀为负，租金开始下行[12][33] - 油价同比出现“双位数下跌”，相当于给消费者和企业“减税”[12][33][41] 就业市场、消费者情绪与创业潮 - 消费者信心低迷源于就业市场真实疲软和住房负担能力危机[15][36] - 去年就业人数被下修了86.1万人，相当于每月减少约7.5万个岗位，解释了消费者情绪与GDP数据的背离[16][37] - 16-24岁人群的失业率曾超过12%，近期已回落至10%以下[16][37] - 年轻人失业率下降可能部分源于AI赋能下的“创业大爆炸”，AI工具普及使个人能更高效地创立企业[16][17][37] - 约43%的CEO表示因AI每周节省8小时以上，而只有5%的工人这么说，这可能意味着创业活动增加推动了效率提升[38] 行业与市场具体观察 - 在制造业，ISM采购经理人指数出现反弹，新订单指数从约47跳升至54，就业也上升[35][36] - 现房销售数据在抵押贷款利率下降90个基点后不升反降，价格环比持续下降，同比涨幅仅为0.9%[39] - 政府统计数据（如就业数据）可能失真，若就业人数被低估，则意味着生产率、实际GDP增长被低估，而通胀被高估[40] - 标普500指数相对于油价的比率表现与70年代相反，油价下跌利好消费者和企业[41] - 黄金表现远超比特币，比特币在近期市场波动中受到算法式抛售的影响[41] - 比特币的长期上升趋势（更高的高点和更高的低点）并未被打破[42] - 在加密生态中，建设者正为代理型AI时代开发新生态系统，以处理每秒200万到400万笔的机器对机器交易[43] 历史对比与市场阶段判断 - 当前市场环境比科技和电信泡沫时期健康得多，投资者拥有2000年泡沫破裂留下的“伤疤记忆”，变得极度谨慎[6][44] - 当前更像互联网革命刚刚起步的1996年，而非泡沫顶峰的1999年[6][44] - 市场充满恐惧和“在忧虑之墙上攀升”的状态，比科技泡沫时期的投机过剩更有利于创新投资者[44] - 所有研究表明，行业正处于相当于1996年的技术革命早期阶段[44]

市场波动与算法交易 - 近期市场大幅波动主要由程序化算法交易驱动，而非基本面发生同等变化，算法交易缺乏深度研究，倾向于按价格趋势、波动率等规则进行机械调整，执行“先卖再说、回头再问”的操作 [1][3] - 算法驱动的同向交易容易在资金拥挤、持仓同质化的领域引发踩踏式抛售，将“好公司”和“差公司”一起抛售，即“把孩子和洗澡水一起倒掉”，这造成了市场的定价错误 [3][6] - 这种由算法制造的波动和定价错误，为主动型投资者提供了集中投资于高确信度股票的机会，当前市场环境被形容为“爬上忧虑之墙”，这类市场往往更加强劲 [1][5][12] 科技行业转型与投资逻辑 - 科技股，尤其是软件板块，正经历从“一刀切”的SaaS模式向高度定制化的AI代理平台转型的结构性变革，传统SaaS面临压力是必然的，但市场反应过度 [4][11] - 市场对“科技七巨头”激进的资本开支表示担忧，但ARK Invest认为当前环境更像1996年互联网革命起步阶段，而非1999年泡沫顶峰，公司应积极投资于AI，因为这是“毕生最大的机会” [6][7][13] - 在互联网泡沫顶峰期，公司宣布亏损投资会推动股价大涨，而当前“科技六巨头”宣布增加资本开支却导致股价下跌，这表明市场充满恐惧而非非理性繁荣，是长期牛市的健康基础 [7][34] 宏观经济与通胀展望 - AI驱动的生产率提升可能改变“增长必然推升通胀”的传统叙事，生产率增长将抑制通胀，甚至可能在未来几年将通胀拉至更低水平 [7][20] - Truflation实时通胀指标显示通胀正在“破位下行”，读数约为同比0.7%，而官方CPI数据可能高估了实际通胀 [8][24] - 财政赤字占GDP比重有望改善，ARK Invest预测到2028年末或2029年初美国可能实现财政盈余，并预计到2030年末全球实际GDP增速可能达到7%-8%，且该预测可能偏保守 [8][14][15] 行业与市场具体指标 - 房地产市场：现房价格通胀已降至1%以下，新房价格通胀为负值，租金开始下行，这些因素将对未来几年的CPI构成下行压力 [10][23] - 能源市场：油价同比出现“双位数下跌”，这相当于给消费者和企业“减税”，是一种强大的抗通胀力量 [10][18][31] - 就业与创业：去年就业人数下修了86.1万，相当于每月减少约7.5万个岗位，但16-24岁人群的失业率已从超过12%回落至10%以下，这可能部分源于AI赋能下的“创业大爆炸” [10][27] 加密货币与数字资产 - 比特币近期表现受到算法式“避险”抛售的影响，但其长期上升趋势（更高的高点和更高的低点）并未被打破，在20-22-23k价格区域存在支撑 [31][32] - 加密生态系统（如LayerZero）正在为代理AI时代的海量机器对机器交易（每秒200万至400万笔）开发基础设施，这代表了未来的技术方向 [33] - 黄金相对于M2的比率处于历史高位，甚至超过70年代末通胀时期，而比特币的供应增长不可能加速 [31]

文章核心观点 - 市场对高估值成长股（如ZOOM、Snowflake）的狂热已退却，其股价从历史高点大幅下跌，而许多传统行业公司（如沃尔玛、宝洁、能源公司）的股价则创下历史新高，表明投资中“买什么”和“以什么价格买”至关重要 [1][2][5] - 投资应避免支付过高价格，并以合理价格购买可靠的成长股，而非押注于可能被颠覆的热门投机股 [6] 云计算与软件服务板块表现 - 美股软件与服务板块近期集体下挫，曾经备受追捧的云计算概念股ZOOM和Snowflake股价已从历史高点大幅回落 [1] - ZOOM股价在2021年曾高达588美元/股，当前仅95美元/股，距离最高点跌幅超过80%，2024年最惨时一度跌至55美元/股，距离最高点跌去90% [1] - Snowflake在2021年股价触及429美元/股的历史新高，2024年最低一度跌至107美元/股，距离最高点跌幅达75%，目前距离最高点跌幅仍有60% [1] - 今年以来，美股的软件和服务板块持续下跌，连甲骨文和微软这样的巨头跌幅都在15%以上，小公司跌幅更是接近40% [4] 公司财务与估值变化 - ZOOM在2019年上市时销售收入为6.227亿美元，2024年销售收入增至46.65亿美元，增长6.5倍；每股收益从0.09美元增至3.28美元，增长35倍 [3] - ZOOM估值大幅跳水，2021年市盈率高达238倍，目前市盈率仅为17倍 [3] - Snowflake在上市前一年度（2019财年）销售收入为2.647亿美元，2024年销售收入增至36.26亿美元，增长12.7倍 [3][4] - Snowflake亏损持续扩大，2019年亏损3.485亿美元，2024年亏损增至12.86亿美元，利润从未转正 [4] - ZOOM和Snowflake上市时均为现象级公司，分别是2019年和2020年美股IPO市值第四大和第一大公司 [5] 行业趋势与挑战 - 过去十年软件行业增长依赖于SaaS模式的订阅收入扩张与基础自动化服务普及 [4] - 生成式AI的快速迭代可能颠覆传统SaaS商业模式，AI可能会挤压软件公司的定价空间，引发投资者质疑“软件是否已死” [4] - 曾经的行业颠覆者（如ZOOM）现在自身也站上了被挑战者的地位 [5] 传统行业公司表现 - 在过去五年中，沃尔玛、宝洁、菲利普·莫里斯、美国银行、埃克森美孚、康菲石油、迪尔等传统公司股价创出历史新高 [1][5] - 康菲石油股价在过去5年多时间里从低点上涨了近5倍，其在2021年动态股息率高达9.36%，2022年每股派息（含特别派息）达4.99美元 [6] 投资理念与原则 - 投资的核心在于两个问题：买进什么样的公司，以及支付多少价格 [6] - 戴维斯家族的投资原则是绝对不付高价，以合理的价格买入成长股，投资那些市盈率低于15倍且拥有7%—15%成长率的公司 [6] - 依靠“戴维斯双击”（即盈利增长和估值提升）来提高回报率，而非押注于热门投机股 [6] - 戴维斯家族从不投资科技股，认为即使当时估值合理，科技股也可能会被颠覆，未来依然很难盈利 [6]

美股软件板块与传统行业表现对比 - 近期美股软件与服务板块集体下挫，而沃尔玛、宝洁、菲利普·莫里斯、美国银行、埃克森美孚、康菲石油、迪尔等传统公司股价在过去五年创出历史新高 [1][9] - 曾经备受关注的云计算牛股ZOOM和Snowflake股价已从高点大幅回落，而传统能源与日常消费公司股价稳步走高 [1][2][6][9] - 风头最劲的新兴公司很难成为下一个微软，而一度被资本市场抛弃的传统股却稳步走高，相同故事在资本市场重复上演 [2][9] ZOOM公司具体表现 - ZOOM在2021年股价曾高达588美元/股，当前仅剩95美元/股，距离最高点跌幅超过80%，2024年最惨烈时一度跌至55美元/股，距离最高点跌去90% [1][8] - 公司过去4年实现了真实成长，销售收入从2019年上市之初的6.227亿美元增至2024年的46.65亿美元，增加了6.5倍，每股收益从0.09美元增至3.28美元，增加了35倍 [3][10] - 但市场已将其视为普通公司，估值大幅跳水，市盈率从2021年238倍（股价588美元/股，每股收益2.37美元）降至目前的17倍 [3][10] Snowflake公司具体表现 - Snowflake于2020年以120美元/股上市，2021年触及429美元/股历史新高，2024年最低跌至107美元/股，距离最高点跌幅达75%，目前距离最高峰跌幅仍有60% [1][8] - 公司过去4年销售收入从上市前一年的2.647亿美元增至2024年的36.26亿美元，增加了12.7倍 [3][10] - 但公司利润从未转正，亏损从2019年的3.485亿美元扩大至2024年的12.86亿美元 [3][10] - 巴菲特旗下的伯克希尔在2024年第二季度清仓了该公司，其以发行价参与IPO，清仓时股价跌至发行价附近，推断这笔持有4年的交易无明显获利甚至有小幅亏损 [5][6][12] 软件行业面临的挑战 - 2020年和2021年，云计算公司是资本市场主流叙事，SaaS模式将企业软件支出从资本支出转为运营支出 [4][11] - 今年以来，美股软件和服务板块持续下跌，连甲骨文和微软这样的巨头跌幅都在15%以上，小公司跌幅更是接近40% [4][11] - 投资者开始质疑“软件是否已死”，因为AI可能会挤压软件公司的定价空间，生成式AI的快速迭代直接颠覆了依赖SaaS订阅收入扩张的传统商业模式 [4][11] 传统行业代表案例 - 康菲石油在2020年跌幅为36%，股价一度跌至20.84美元，但2021年每股派息1.95美元，动态股息率高达9.36%，2022年每股派息（含特别派息）达4.99美元 [6][13] - 康菲石油股价过去5年多时间从低点上涨了近5倍 [6][13] - 宝洁、沃尔玛、可口可乐等传统日常消费公司也在过去五年中股价屡创新高 [6][12] 投资的核心问题与经验 - 投资的核心在于两个问题：一是买进什么样的公司，二是支付多少价格 [6][13] - 戴维斯家族的经验是绝对不付高价，以合理的价格买入成长股，投资那些市盈率低于15倍且拥有7%—15%成长率的公司，依靠戴维斯双击提高回报率 [7][13] - 戴维斯家族从来不买科技股，他们认为即使当时估值合理，科技股也可能会被颠覆，未来依然很难盈利 [7][13]

文章核心观点 - 德意志银行分析师警告，软件与科技行业正对投机级信贷市场构成前所未有的集中度风险，其潜在冲击堪比2016年能源行业危机 [1] 行业风险集中度 - 软件与科技行业在投机级信贷市场中的规模分别达到5970亿美元和6810亿美元，合计占比约30% [1] - 软件行业违约率若上升，其庞大的存量债务可能拖累整体市场情绪恶化 [1] 风险传导路径 - 本轮压力或将率先出现在私募信贷、商业发展公司(BDC)与杠杆贷款领域，高收益市场将随后承压 [1] - BDC投资组合中，软件类实物支付贷款占比已升至11.3%，较指数平均水平8.7%高出2.5个百分点以上 [1] 行业基本面压力 - AI工具快速普及可能进一步压制SaaS企业的估值倍数与营收 [1] - SaaS的价值创造模式尚未成熟到能抵御AI工具快速普及带来的冲击 [2] - 美联储自2022年以来的鹰派立场已对企业现金流形成压力 [1] - 当前现实环境已与企业最初融资时截然不同 [2]

AI应用爆发的关键拐点与核心驱动力 - 2026年被视为AI应用爆发的关键拐点 其核心动力源于算力成本降低 模型性能突破及成功商业案例涌现 [1] - 算力成本大幅降低 普及门槛有望被破除 英伟达CES 2026发布的Rubin平台大幅降低AI训练与推理成本 推动算力从“稀缺资源”走向“普惠服务” [1] - 大模型在多模态 长上下文及推理能力上取得突破 使其能胜任更复杂专业的现实任务 新架构如谷歌Titans Mamba提升长序列处理效率 RLVR等强化学习技术提升模型逻辑与规划能力 [2] - 市场付费意愿与增长潜力得到验证 例如AI编程软件Cursor年度经常性收入一年内跃升至10亿美元 AI agent Manus在8个月时间达到1亿美元 [2] AI重构软件生态与投资机会 - AI正在重构软件的价值与生态 传统通用型轻量级SaaS工具面临被大模型原生能力替代的风险 [2] - 真正的投资机会集中于两类软件：一是能深度融合AI 重塑复杂工作流的新型智能SaaS 二是在垂类细分领域拥有深厚数据壁垒与行业知识的专业软件 [2] - AI编程是商业化落地最快的场景之一 据Grand view research AI编程市场2030年有望达到260亿美元 [2] - 伴随DeepSeek等国产模型在代码能力上的突破 本土化工具的商业化前景广阔 [2] 重点关注的AI应用方向 - 生产力工具：AI编程正从辅助补全向“需求-代码-部署”全流程自动化演进 [2] - 企业服务：“SaaS+AI”是企业降本增效需求最直接的承接者 在财税 ERP CRM等领域 AI驱动的工作流自动化 智能分析与决策支持正推动相关企业迎来经营拐点 [3] - 内容与营销：AI在图文 短视频 跨模态内容生成上已实现工业级应用 极大降低创意与制作门槛 改造营销产业链 为平台带来新用户增长与黏性 与电商广告结合紧密 [3] - 垂直行业赋能与自主可控：在工业软件 金融科技 医药研发等领域 AI与专业知识的结合正在攻克高价值场景 在信创政策驱动下 从操作系统 数据库到工业设计软件的国产化替代与AI化升级构成另一条坚实的成长逻辑 [3]

中国消费品牌出海趋势与核心逻辑演变 - 中国企业国际化正经历从低附加值代工到产品出口再到品牌出海的迭代过程[1] - 当前消费企业出海的核心逻辑已改变 不再是微笑曲线底部的代工模式 而是叠加品牌、研发创新高附加值 同时在文化输出上转向融合中外文化并加以本地化改良的模式[3] - 中国制造正在从产业优势输出向品牌文化输出转变 除了家电、消费电子等传统优势产业 潮玩、餐饮、食饮等更本土化、受文化生活方式影响的品类也呈现加快出海态势[4] - 海外用户对中国品牌的预期发生改变 不再只是低廉的商品 而是更高品质的输出[3] 出海模式面临全方位“系统重构” - 品牌出海要实现长期扎根和规模化盈利 面临一场全方位的“系统重构”[2] - 重构主要体现在三个维度：从“单店输出”到“中台驱动”、从“经验决策”到“数据决策”、从“单兵作战”到“生态协同”[2] - 真正的全球化成为能力的全球化 需要一个强大的生态圈在背后支撑 涵盖金融支付、物流供应链、SaaS及本地化营销[2] - 企业越来越多不再依赖海外代理 而是派遣具备强运营、高数字化能力的本土人才直接出海以提升品牌竞争力[3] 区域市场差异与本地化运营挑战 - 不同国家的消费习惯、税务法规、支付偏好千差万别 出海目的地多元化使区域挑战差异较大[1][5] - 以华莱士为例 其在美国市场面临消防、用工法规严格导致审批与装修周期长 单店开业耗时常超半年 供应链自建资质要求高、成本大 而本土合作又依赖门店规模基础 初期拓展难度显著[5] - 相比之下 马来西亚、泰国等市场开店速度更快 但也面临员工管理理念差异、物料损耗等本地化运营问题[5] - 新荣记在日本市场遇到文化差异、合规性和供应链挑战 例如国内高端餐饮的贴身服务在日本可能不受欢迎 部分食材无法合法运入日本 供应链管理及食品添加剂管控严格[6] 数字化与合规风控的关键作用 - 在复杂海外环境中 企业要实现资金流、信息流、物流顺畅 对中台调度能力和合规风控能力提出更高要求[2] - 依靠“老师傅”经验已不够 必须依靠实时的数据和数字化系统 确保门店选址、资金收付精准且安全[2] - 出海成功的关键在于因地制宜调整管理 并通过数字化手段优化供应链 以应对不同市场的合规、成本与运营挑战[5][6] - 一套能适应全球的数字化管理系统 能从消费者购买行为、门店现金流管理、供应链管理等多个维度为企业提供数据指引 有效驱动品牌加速规模化扩张和本土化经营[7] 具体行业实践与数字化建设挑战 - 华莱士已在海外开出180多家门店 还有近百家在装修中 美国目前只有1家 但马来西亚已突破100家[5] - 全球连锁餐饮龙头杨国福提出 海外区域POS系统统一、全球供应链数据对接、跨国团队协作管理是餐饮品牌规模化出海的三大数字化建设核心挑战[6] - 在POS系统统一环节 需要对接海外多国支付渠道 确保实时汇率转换和跨境资金流通安全合规 这让连锁品牌的数字化建设难度呈指数级增长[6] - 出海企业常遇到数据割裂问题 各个系统之间的打通成本非常高 时差也可能影响数据的完整性[6] 东南亚市场特定挑战与支付基建 - 东南亚市场在线点餐、电子支付等渗透率偏低 本土品牌仍依赖现金支付[7] - 区域内本地支付工具极为复杂和分散 对于跨境经营的连锁品牌而言 其接入成本、语言沟通成本高昂 并且服务响应度较差[7] - 支付平台将持续投入数字化支付底层基础设施建设 用数字基建赋能中国品牌走向世界[8] 产业链投资机会：“卖水者”率先受益 - 在明确的出海大周期开启趋势下 除了优势出口型产业外 为出海企业提供配套服务和资源企业的“卖水者”可能将率先受益[4] - 跨境平台、物流、支付、营销服务、商会服务等均是可重点关注的方向[4] - 新一代中国零售餐饮连锁企业及新消费品牌正凭借与生俱来的数字化基因、全球最完备的供应链体系和韧性创新的企业家精神 向全球输出独特的商业发展模式 并已展现出成为顶级全球品牌的潜力[7]

AI对软件行业的影响 - AI浪潮重塑科技行业，引发对传统软件商业前景的激烈辩论 [5] - OpenAI发布GPT-5后，市场恐慌性抛售导致SAP股价暴跌7.1%，市值蒸发220亿欧元 [5] - 高盛认为"软件已死"的论调过于悲观，AI可能成为行业领先供应商的"力量倍增器" [5] - 当前阶段类似软件行业从本地部署向云计算转型期，老牌公司转型后为投资者创造显著超额回报 [5] 软件行业的未来展望 - 高盛预计2026年企业软件续约周期压力缓解，AI将为净收入留存率等关键指标提供稳定性 [6] - 未来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 [6] - AI应用在呼叫中心场景可使企业运营成本降低30%，但软件总预算增加130%，扩大应用软件潜在市场总额 [8] AI原生公司与传统SaaS公司的竞争 - AI原生公司能否取代传统SaaS公司的核心在于产品是否能"意义深远地更好且更便宜" [7] - SaaS巨头设置的竞争门槛已相当高，AI原生公司在定价和产品功能上颠覆现有领导者的难度很大 [7] - SaaS领导者通过有机增长和并购保持高速创新步伐，如Salesforce发布Agentforce定义AI采用下一阶段 [7] 软件巨头的混合AI策略 - 企业软件巨头部署混合AI模型策略，结合专有数据训练的领域特定模型与外部大语言模型 [9] - 该策略保留数据优势同时提供灵活性，降低被AI原生新贵"釜底抽薪"的风险 [9] - 垂直领域软件供应商因深刻行业知识拥有更坚固壁垒，AI更可能扮演"增强"而非"取代"角色 [9] 企业级软件与消费级软件的区别 - 企业级软件进入壁垒远高于消费级应用，核心在于"任务关键性" [11] - AI模型"幻觉"在企业环境中可能导致严重后果，企业级软件涉及复杂体系 [11] - 专业供应商的性价比前沿通常始终领先于内部技术，用AI复刻软件栈困难且"毫无意义" [11] 行业现状与未来指标 - 行业目前处于定制化与打包化解决方案机会份额的局部最高点 [12] - 需关注净收入留存率的稳定性，2024-2025年续约面临最大压力 [14] - SaaS领导者需证明AI产品能带来增量收入，如Adobe预计2025年底AI产品贡献2.5亿美元ARR [14] - 需关注客户对SaaS领导者创新的反馈及AI原生企业的发展势头 [14]

全球云计算市场增长趋势 - 2024年全球云计算市场规模达6929亿美元，同比增长20.3% [1][2] - 预计到2030年，全球云计算市场规模将接近2万亿美元 [1][2] - AI模型训练对IaaS消费的拉动以及应用类模型服务在SaaS侧的完善持续增加云计算需求 [2] 中国云计算市场发展现状 - 2024年中国云计算市场规模达8288亿元人民币，同比增长34.4% [1][3] - 其中公有云市场规模6216亿元，同比增长36.6%，私有云市场规模2072亿元，同比增长29.3% [3] - 预计到2030年，中国云计算市场规模有望突破3万亿元，在“十五五”期间保持20%以上增长 [3][7] 市场细分与竞争格局 - 2024年中国公有云IaaS市场规模达4201亿元，同比增长超800亿元，智能算力服务需求是主要增长因素 [5] - 中国公有云IaaS市场份额前五为阿里云、天翼云、移动云、华为云、腾讯云 [5] - 公有云PaaS领先厂商包括阿里云、百度云、华为云、腾讯云、天翼云、移动云 [5] 技术融合与商业模式变革 - 云计算服务模式加速向“人工智能+”转化，AI大模型用云交付形态将从传统算力租赁转向模型即服务模式 [1][6] - 量子计算、区块链、人工智能等技术与云计算融合革新，将进一步扩展云计算市场边界 [3] - 智能体服务等新兴商业模式将带动云计算上下游产业链协同发展 [6] 行业应用与渗透 - 云计算持续向交通、能源、制造等传统行业渗透，具有行业属性的云平台受到关注 [2] - 云计算和人工智能将深度融入行业全链条，从研发设计、生产制造到运营管理，推动各行业数智化升级 [7] 数据安全挑战与应对 - 到2029年约有58.53ZB的数据直接在云端生成，AI云面临高频繁数据交互和庞大数据规模的安全挑战 [9] - AI云场景中“劣进劣出”效应显著，低质数据输入可导致模型输出空洞化与逻辑偏差，形成负反馈 [9] - 需加强AI云数据安全标准体系顶层规划，覆盖数据入口管控、数据清洗、分类分级安全管理等方面 [10]