AI时代,哪些软件公司最安全?

软件与AI · 企业软件护城河

马儿聊世界 · 参考：伯恩斯坦《Software: AI Agents need Line of Business software? / How competitive moats evolve in an AI-world》，2026-09-14

过去一年，市场一直在问一个很直接的问题：如果AI Agent（人工智能智能体）能自己写代码、查资料、执行任务，企业还需要原来的软件吗？

伯恩斯坦没有给整个软件行业发“安全证”。报告的核心结论是：AI正在重新划分软件护城河。界面和功能的价值下降，数据、流程与权限的价值上升。

AI没有让所有护城河同时消失。网络效应、监管和基础设施仍然稳固；系统记录、业务流程和数据飞轮正在变强；功能堆叠、UI体验和先发优势则在弱化。

LoB（Line of Business，业务线）软件并不只是一个操作界面。企业用它安排工作、分配资源、推进审批、记录进度和汇总预算。智能体可以替人点按钮，却仍要知道该访问什么数据、拥有什么权限、任务做到哪一步，以及结果应该写回哪里。

更重要的是，智能体在执行任务时会更新知识库、调用接口、与其他智能体协作，并留下审计记录。它不是绕过业务系统，而是在不断给系统添加新的工作记录和流程关系。这会让成熟平台从“工具”变成智能体的企业记忆。

所以报告相对看好Atlassian（TEAM）和ServiceNow（NOW）这类掌握关键工作流的平台；在全球软件中，ERP（企业资源计划）被认为是保护程度最高的应用市场。报告同时把SAP和微软列为覆盖范围内更可能成为AI赢家的公司，并认为Oracle核心SaaS（软件即服务）业务保护度较高。

AI可以复制功能，但很难在短时间内复制一张已经部署到大量终端、网络和云环境中的传感器网络。CrowdStrike、SentinelOne、Palo Alto Networks和Fortinet的核心优势，来自持续产生的安全信号；Zscaler、Cloudflare和Okta又叠加了网络基础设施或身份数据。

Datadog（DDOG）代表另一条路线：实时数据与工作流整合。客户用得越多，平台越了解系统状态，也越能把监控数据转化为新的自动化能力。这里的护城河不是“存了多少历史数据”，而是能不能持续拿到鲜活数据，并把它放回业务动作里。

这张图按业务位置和护城河分组，不是股票评级。伯恩斯坦此次没有调整模型、目标价或投资建议。

最容易被削弱的，是过去靠大量功能、复杂界面、先发优势和“技术更好”维持差异的软件。自然语言正在替代一部分菜单和仪表盘，代码智能体又在降低迁移老系统、重写应用的难度。用户未必还愿意为数百个很少使用的功能付费。

报告把GitLab（GTLB）的DevOps场景视为较窄的用例：如果领先AI实验室进一步进入开发运维，它的价值主张可能被侵蚀。Zoom（ZM）虽然拥有基础设施和先发优势，但微软和谷歌都能持续投入，先发本身并不足以重新拉开差距。

中小企业软件也要格外小心。它们往往靠统一的“最佳实践”降低部署成本，但AI原生产品可以用更低成本做出高度定制。至于不保存关键记录、也不涉及核心流程的小应用，智能体甚至可能直接在企业内部搭出来。

在全球应用软件里，报告给出的保护顺序是ERP最高，其次是HCM（人力资本管理），CRM（客户关系管理）相对更弱。Workday的ERP业务被认为较安全，但HCM会受到全球招聘放缓的影响；Salesforce和HubSpot的平台不容易被整体替换，真正的问题是AI创造的价值最终留在原平台，还是被上层智能体拿走。

这里有一条很实用的分界线：智能体只是调用原平台，还是开始接管客户入口、上下文和任务编排？前一种情况会加深原平台护城河，后一种情况才会改变价值归属。

软件厂商服务一个真实客户，就能从实际使用中理解流程、改进模型、生成更合适的功能，下一次再以更低成本解决类似问题。伯恩斯坦把这种循环称为数据飞轮和强化学习。

这对已有大量企业客户、真实数据和分发渠道的公司尤其有利。它们未必拥有最炫的模型，却拥有模型训练最难补齐的东西——业务现场。

研报原文已上传星球。

资料来源：Bernstein Research，2026-09-14。文中公司分组为对研报护城河讨论的整理，不构成投资建议。