最近 AI 应用这条线又开始热起来，但这一次，我觉得不能再用过去那种“谁发布了 AI 产品、谁接入了大模型、谁讲了 Agent 故事”的方式去看了。AI 应用发展到现在，市场已经从最早的概念阶段，逐渐进入到一个更现实的问题：到底谁能先把 AI 变成收入，谁能真正受益于企业端的 AI 渗透，谁又可能只是看起来很热闹、但最后被大模型吞掉。

这也是为什么美股最近这一轮软件股反弹特别值得复盘。过去一段时间，美股软件核心指数 IGV 反弹明显，不少软件公司涨幅也比较大。但如果你仔细拆，就会发现这轮反弹不是所有 SaaS 公司一起涨，也不是传统意义上最像“AI 应用”的公司涨得最好。真正跑出来的，更多集中在 Infra 和安全 这两层，比如 Snowflake、Datadog、Okta、MongoDB、ServiceNow、CrowdStrike 等。这个现象背后的信号很清楚：AI 应用真正进入企业以后，第一批被拉动的，未必是前端应用，而是数据底座、监控体系、安全权限和企业流程治理。

一、美股软件反弹给出的信号：AI 应用先拉动底座

企业上 AI，不是装一个聊天机器人就结束了。一旦 Agent 真正进入企业内部，它就会碰到很多现实问题：企业数据在哪里，谁有权限调用，Agent 执行了什么任务，模型调用是否合规，业务系统能不能被监控，敏感数据会不会被误用，权限边界能不能说清楚。这些问题都不是普通 C 端应用能解决的，最后一定会落到 Infra 和安全层。也就是说，AI 应用越往企业内部走，底层系统越重要。

Snowflake 的逻辑就是典型案例。它原来是企业云数据平台，企业大量数据本来就沉淀在它的平台上。现在 AI 来了，企业希望通过自然语言查询数据、调用数据、分析数据，甚至让 Agent 直接接入内部数据流，这时候底层数据平台就不再只是后台系统，而可能变成 企业 AI 的数据入口。Datadog 也是类似逻辑。AI 系统越复杂，模型调用、API 链路、训练任务、推理成本、云资源消耗就越需要监控。过去企业做云监控，现在企业做 AI，更需要 可观测性。

安全这条线也一样。Okta、CrowdStrike、ServiceNow 这类公司受益的核心，在于企业 Agent 时代，身份认证、权限管理、行为审计和安全治理 的重要性大幅提升。过去企业软件主要是“人用系统”，现在 Agent 也开始替人执行任务，权限边界就变得更复杂。一个财务 Agent 能不能看采购数据？一个销售 Agent 能不能接触客户合同？一个客服 Agent 能不能调用用户隐私信息？这类问题一旦变成企业真实需求，安全和治理就会从后台能力变成刚需。

这就是这一轮美股软件反弹给我们的第一个启示：AI 应用不是只看前端谁最热闹，而是要看 AI 真正落地以后，哪些底层环节变得更不可替代。 过去一些传统 SaaS 龙头没有明显跑赢，一个重要原因就在于市场开始担心大模型会不会吞噬部分传统软件功能。但 Infra 和安全不一样，大模型越强，企业系统越复杂，底层数据、安全、监控和流程治理反而越重要。

二、映射到 A 股：节奏不同，但方向类似

映射到国内，这个逻辑不能照搬，但可以借鉴。美国企业 Agent 的渗透节奏明显更快，尤其是在企业内部工作流、数据分析、安全治理、监控运维这些环节，已经开始体现到软件公司的业绩上。国内目前还处在相对早一点的位置，To C 端的 AI 搜索、AI 助手、内容生成已经比较明显，To B 端也在推进，但最先被大规模使用的还是 AI coding，也就是编程场景。

今年不少软件公司已经开始给员工发 token 额度，鼓励内部使用 AI 编程工具，这个状态有点像美国前一阶段：先从研发和工程师开始，然后再往财务、客服、销售、采购、人力等岗位扩散。国内节奏慢一些，也有现实原因。一方面是 模型能力、工具链成熟度、企业软件生态还在追赶；另一方面，中国企业的人力成本相对美国更低，所以企业采购 Agent 替代人工的动力不会像美国那么强。但这只是节奏差异，不是方向差异。

长期看，企业内部使用 AI Agent 是大趋势，只是不会一夜之间铺满所有岗位，而会先从最容易标准化、最容易算 ROI 的场景开始，比如 编程、运维、客服、财务、数据分析、流程审批、报表生成和内部知识库问答。所以放到 A 股，AI 应用选股不能简单看“谁最像应用”，而应该看三条主线：Infra 和安全、金融 IT、工业 AI 和泛企业 AI。

三、第一条线：Infra 和安全，是企业 AI 落地的底座

第一条线是 Infra 和安全，这也是和美股映射最清晰的一条线。企业 AI Agent 真正深入以后，一定离不开 底层数据、云平台、数据库、安全治理、身份权限、企业运维、AI 算力管理和私有化 Agent 平台。美国是 Snowflake、Datadog、Okta、CrowdStrike、ServiceNow 这套逻辑，国内虽然更多是私有化部署、信创、政企客户和行业客户，但底层需求是相通的。

这里面值得看的，不是公司有没有喊 AI，而是 AI 有没有真正嵌入产品层。安全公司如果只是传统安全业务修复，那更多是行业 beta；但如果能做 Agent 权限治理、AI 安全、模型调用审计、企业数据访问控制，那就有新的估值逻辑。数据库公司也一样，如果只是国产化替代，那是信创逻辑；但如果未来企业 Agent 通过自然语言直接调用企业数据，数据库从后台系统变成 AI 数据入口，逻辑就不一样了。

文档里提到的深信服、达梦数据，以及一些偏 Infra 和安全的公司，都可以放到这个框架里去观察。它们真正要看的不是“有没有 AI 概念”，而是能不能在企业 AI 落地过程中变成底层入口。未来企业内部 Agent 越多，对数据、权限、安全、运维和管理平台的要求就越高，这类公司如果能把产品从传统软件升级到 AI 时代的底座，估值逻辑会比单纯的业务修复更有弹性。

四、第二条线：金融 IT，不性感但绕不开

第二条线是 金融 IT。它看起来没有那么 AI，但在计算机行情里一直很重要。金融 IT 的下游是券商、基金、交易、清算、风控、支付、收单、POS 等场景，这些系统有很强的 监管属性、流程属性和稳定性要求，不是一个大模型 API 就能直接替掉的。大模型可以提升效率，但短期很难重构核心底层系统。也正因为如此，金融 IT 反而具备一个很重要的优势：不容易被大模型吞噬。

更现实的一点是，金融 IT 本身也有 基本面修复逻辑。市场行情修复以后，券商、基金、交易活跃度改善，相关公司的订单和收入通常也会改善。过去很多轮计算机行情里，金融 IT 往往不会缺席，因为它既有基本面弹性，也有行业情绪弹性。文档里提到的方向包括恒生电子、顶点软件、新大陆、新国都等。这条线最核心的逻辑，不是强行说它们都是 AI 应用，而是 已有业务修复、AI 赋能增量和估值安全边际叠加。

相比纯 AI 概念股，金融 IT 的特点是没那么性感，但更容易成为计算机板块反弹时绕不开的中坚方向。纯 AI 概念讲未来空间，但兑现节奏不确定；金融 IT 则是底层业务本来就在修复，AI 只是增加一个新的效率工具和估值弹性。如果计算机板块整体情绪回暖，这类方向往往具备较好的跟随性和资金认可度。

五、第三条线：工业 AI 和企业 AI，真正的壁垒在场景

第三条线是 工业 AI 和泛企业 AI。这个方向的核心问题是，什么样的软件不容易被大模型吞掉。我觉得答案很明确：有复杂行业 know-how、有客户流程沉淀、有工程落地能力的软件，不容易被简单替代。 比如工业控制、ERP、制造业管理、供应链管理、企业流程系统，这些领域不是简单接一个大模型 API 就能解决的。它们需要理解行业流程、生产系统、设备数据、客户组织结构、权限体系和业务规则。

所以工业 AI 和企业 AI 的关键，不是“我也有一个 AI 助手”，而是 能不能把 AI 放进真实业务流程里。工业场景里，AI 不是帮你写一段话，而是要理解设备、产线、工艺、控制系统、异常检测、能耗优化。ERP 场景也一样，AI 不是简单问答，而是要进入采购、库存、财务、生产、销售、人力这些复杂流程。文档里提到的中控技术、金蝶、鼎捷软件、汉得信息等，真正的看点都不是有没有发布 AI 产品，而是有没有 场景、客户、数据和流程入口。

大模型会变成底座，但谁有行业场景、客户关系和业务系统入口，谁才有机会把 AI 变成产品和收入。这也是 A 股软件公司相比纯模型公司的一个重要位置：它们未必最懂模型，但它们更懂客户流程。AI 真正进企业，最后还是要落到业务系统里，而不是停留在演示页面上。

六、底层补充：国产算力看产能和交付

除了软件应用，国产算力也要作为底层线索一起看。随着企业 Agent 渗透加深，国内 AI 应用需求起来以后，底层国产算力会继续受益，尤其是在 政企、私有化部署、信创、国产替代 这些场景里，国产算力的重要性会更高。但这条线和软件不同，软件看的是产品渗透、客户复购和商业模式；国产算力看的是 供给、产能、交付和生态。

文档里提到，未来 12-18 个月国产算力仍有较强增长预期，也提到寒武纪、海光信息、中国长城以及算力租赁相关方向。这里最核心的变量其实是产能，谁能拿到产能、稳定交付、形成生态适配，谁更容易受益。算力租赁也值得单独观察。大厂资本开支持续增加，未来不一定所有算力都通过自建解决，算力租赁可能成为缓解资本开支压力的一种方式。如果国产算力租赁模式发生变化，相关服务商也可能受益。

不过这条线要和软件应用区分开。软件应用是需求侧扩散，国产算力是底层供给侧支撑，它可以作为 AI 应用扩散后的底层补充逻辑，但不能和软件公司混成一条逻辑。一个看产品和客户复购，一个看产能和交付能力，分析框架是不一样的。

结尾：AI 应用选股，别只看“应用”

最后总结一下，当下 AI 应用选股，不能简单理解成“谁做了一个 AI 产品，谁就有机会”。真正要看的是，AI 普及以后，谁的业务会被增强，谁的业务会被替代。 美股这一轮软件反弹给出的启示很清楚：传统 SaaS 不一定最强，反而是 Infra 和安全更容易先体现业绩，因为 AI Agent 一旦进企业，就一定需要数据底座、监控系统、身份权限、安全治理和工作流平台。

映射到 A 股，我认为可以重点看三条线：第一，Infra 和安全，这是 AI Agent 企业落地最先需要补的底座，也是美股反弹里最清晰的映射方向；第二，金融 IT，它有基本面修复，有商业模式优势，也不容易被大模型直接吞噬，是计算机行情里绕不开的主线；第三，工业 AI 和企业 AI，真正有壁垒的是场景、流程、客户和行业 know-how，而不是简单套一个大模型。再往底层看，国产算力也值得跟踪，但核心要看产能、交付和头部集中度。

一句话，AI 应用不是看谁离 C 端最近，而是看谁能在企业真实工作流里变成刚需。 未来真正跑出来的，不一定是最会讲 AI 故事的公司，而是那些在数据、安全、流程、行业场景和算力底座里有位置的公司。AI 应用的第一波选股，别只看“应用”，更要看底座。

需要详细报告&个股推荐可关注星球账号：