夜雨聆风机构解读:资金从高位半导体一切低位软件，属于健康内部轮动
- 软件 TAM 确定性扩张
企业将 AI 工作流定位为劳动单元 / 生产力单元销售，撬动更大订单与新预算，如 Salesforce 的Agentic Work Units、Workday 的工作单元弹性 credits。 定价与价值挂钩，脱离底层 LLM 成本压力，行业可维持80%+ 毛利率。 - AI 模型价值分配重构
前沿大模型推理成本高企，行业转向开源蒸馏模型（蒸馏成本仅为原模型训练2%）与专属小模型（SLM）。 企业采用多模型路由策略，Superhuman97% API 调用走专属模型，Intercom 切换专属模型后重排序成本降80%，Writer 自研自进化 LLM 可追平前沿模型性能。 企业倾向选择独立于模型厂商的软件生态，规避定价突变风险。 - 算力成为 AI 规模化核心约束
推理需求增速远超算力供给，企业推理预算超支数倍，工程端推理成本已达人力成本10%，未来或与人力成本持平。 - 多云生产部署
从可选项变为必需，新型云厂商因推理业务获得更持久收入。 Baseten 运营4-8 万张 GPU集群，新增 5 千张 GPU 年承诺支出达1-1.25 亿美元，当前全球推理年支出约15-20 亿美元。 - 垂直领域 AI 赋能新趋势
- 网络安全
：AI 推动全面补丁升级，类似 2000 年 Y2K 周期，CrowdStrike、Okta、Zscaler 受益，AI 代理流量提升带来新 monetization 机会。 - 可观测性
：Grafana 云业务加速，自适应追踪技术降 **90%** 链路数据，行业转向开放标准，Traversal 等 AI 原生企业布局因果分析。 - AI 原生企业
：不与传统 SaaS 正面竞争，抢占跨系统空白市场，以结果为导向，几周内上线、高 POC 转化率，弱化传统 SaaS领域经验、数据护城河。 - 应用 AI
：迎来类似 2022 年生成式 AI 的拐点，机器人（Physical Intelligence）、国防（Shield AI）实现实体智能突破，真实部署数据形成飞轮。
- 可观测性
- 2026 年企业构建新逻辑
研发人力成本节约转向销售营销投入（预算提升 30-40%），以销售营销构建护城河。 组织架构重构，客户成功与部署团队整合，聚焦技能而非固定岗位。
问题 1：软件行业 AI 化后，传统 SaaS 的核心护城河为何被弱化？
答案：传统 SaaS 的领域经验、数据两大护城河被结构性削弱。一是传统企业受组织壁垒、权限、遗留架构限制，缺乏跨领域端到端知识；二是企业数据归属客户，厂商仅为托管方，护城河从存储数据转向跨系统将数据转化为行动，AI 原生企业凭借跨系统协同能力更具优势。
问题 2：算力约束下，软件企业如何优化 AI 推理成本与模型架构？
答案：企业采用三大策略：1. 采用开源蒸馏模型，成本仅为原模型训练2%；2. 自研专属小模型（SLM），聚焦垂直领域，如 Superhuman97%推理走专属模型；3. 多模型智能路由，大模型负责复杂推理，小模型负责确定性任务，同时多云部署规避算力供给与定价风险。
问题 3：AI 原生企业与传统 SaaS 企业的核心竞争差异是什么？
答案：核心差异体现在三方面：1. 定位不同，AI 原生聚焦传统 SaaS 间空白市场，传统 SaaS 聚焦功能孤岛；2. 交付逻辑，AI 原生几周内上线、高 POC 转化率，传统 SaaS 交付周期长；3. 定价模式，AI 原生按业务结果定价，传统 SaaS 按席位 / 功能定价；4. 架构能力，AI 原生无遗留债务，跨系统协同能力强，传统 SaaS 受架构束缚。