被AI吓崩的软件股,怎么突然成了美股最靓的仔?

/ 01 /

单月暴涨21%，近5年最大涨幅

在刚刚过去的5月，美股软件股彻底爆发了。

iShares Expanded Tech-Software Sector ETF（IGV），这只专门买北美软件股的ETF，在5月上涨约21%，创下自2021年10月以来的最佳单月表现。到了6月1日，它又上涨约6%，年内涨幅重新转正。

如果看个股的表现，就更加夸张了。比如，Snowflake一个月涨了87%，Datadog上涨58%，Figma上涨40%。放眼整个软件板块，单月涨幅动辄20%以上的不在少数。

这轮软件股暴涨，无非就两个逻辑。

首先，业绩证伪了“AI冲击软件”的恐慌。

过去两年，市场一直有一种担忧，当OpenAI、Anthropic不断增强模型能力，AI自己就能写代码、分析数据、生成报表，那Snowflake、Datadog、Salesforce这些软件公司还有什么价值？

但财报季给出的答案恰恰相反。

Snowflake成为这轮反弹最重要的导火索之一。

5月27日，公司不仅上调全年产品收入指引，还与AWS签署了一份总金额60亿美元的长期合作协议，重点围绕生成式AI和Agent基础设施展开合作。

消息公布后，Snowflake单日暴涨超过36%。

更关键的是，公司管理层明确表示，越来越多企业正在把AI工作流部署到Snowflake平台上。原本市场担心AI会绕过软件。结果发现，AI反而需要更多软件。

类似的故事也发生在身份与访问管理服务商Okta身上。一季度，公司营收7.65亿美元，高于市场预期的7.52亿美元，调整后每股收益0.91美元，也高于预期的0.85美元。当天，Okta 股价大涨30%。

事实上，这个观点有人曾在3月提到过，但并没有受到足够重视。

当时，德意志银行认为，尽管市场一直在讨论AI会如何伤害软件公司，但截至目前，他们没有发现任何一家大型软件公司预计AI会对今年收入造成实质性负面影响。

相反，美国软件行业盈利增速仍然接近30%，明年的盈利预期甚至还在继续上修。

第二个逻辑，则是机构的软件股仓位实在太低了。

不久前，高盛统计了1000多家主动型对冲基金的持仓情况。截至今年一季度末，半导体已经占到组合接近10%，但软件股配置比例只有约6%，创下2019年以来最低水平。

当财报证明软件并没有被AI摧毁时，这些低配资金只能被迫回补仓位。于是，反弹迅速演变成了一场逼空行情。

更有意思的是，随着股价上涨，市场对软件股的观点，也在发生变化。

不久前，高盛就公开喊话，AI硬件的炒作已经到头，利润开始从硬件转向软件。

高盛的逻辑主要是两点：软件股开始找到商业模式了，接下来会加速变现，AI的利润会从硬件转向软件；云计算巨头考虑现金流的问题，未来会削减资本支出，对硬件造成冲击。

那么问题来了，从年初“AI会吃掉软件”到现在软件股集体反攻，我们究竟该如何重新理解AI对软件行业的影响？

但过去半年发生的事情，却越来越指向另一个方向。

AI Agent没有减少软件的使用，反而可能成为软件的新用户。

Every创始人Dan Shipper提出过一个很有意思的观点：过去的软件主要服务于人类，未来的软件很可能同时服务于人类和成千上万个Agent。

以前，一个员工一天可能只会点击几十次软件界面；未来，一个Agent可能每分钟都在调用API、查询数据库、执行工作流。

软件没有消失，使用频率反而变得更高了。

Dan Shipper提到，即使在Every这样高度AI化的公司里，SaaS支出依然在持续增长。

Okta就是一个典型案例。过去市场认为，Agent越来越聪明，身份认证和权限管理的重要性会下降。

但现实恰恰相反。员工需要身份管理，Agent同样需要身份管理。

未来一家企业可能有1000名员工，同时运行着1万个Agent。这些Agent能访问哪些数据、调用哪些系统、能够执行哪些操作、出现问题后如何追溯，都需要新的治理体系。

也就是说，Agent时代不仅没有削弱Okta的价值，反而扩大了它的市场空间。

这也是为什么黄仁勋最近反复强调，Agent不会消灭软件公司。

原因很简单，Agent本身就需要软件，需要数据库、CRM、身份管理系统、支付系统、监控系统以及各种行业工具。未来软件公司的任务，不再只是服务人类用户，还要成为Agent能够调用和协作的基础设施。

即便模型能力继续提升，大模型公司也未必能直接吃掉整个应用层。这是a16z合伙人Joe Schmidt最近提到的观点。

他认为，OpenAI、Anthropic这类模型公司会进入越来越多应用场景。尤其是在代码生成、写作、图像生成等领域，模型能力越强，产品体验往往越好。

但企业软件世界远比这些场景复杂。很多企业流程并不是简单地调用几个工具，而是涉及多个系统、多人协作、审批流程、历史规则、行业经验和监管要求。

法律、保险、金融、医疗、销售运营等行业尤其如此。大量关键知识，沉淀在企业长期运行形成的工作流、例外处理、人工判断和历史反馈之中。

从目前来看，通用模型与真实业务之间，依然存在一段不短的距离。而这段距离，正是AI应用公司的机会。

这种距离主要来自三个方面。

第一是经验。很多行业最有价值的知识，流转在企业真实业务流程里。

为什么一份保险申请会被拒绝？为什么一个销售线索最终成交？为什么某个客服问题必须升级处理？这些经验只有经过大量真实案例的积累，才会沉淀成系统能力。

处理过上千次保险承保的系统，和刚进入行业的新产品，对问题的理解显然不会处于同一个层次。

第二是成本。真实企业不会所有任务都调用最强、最贵的模型，成熟的AI应用通常会采用多模型协同，根据业务需求进行调度。

比如，复杂任务使用大模型，标准任务使用中等模型，重复任务使用成本更低的小模型。

在这个过程中，大模型公司提供的是通用智能，而AI应用公司负责把这些智能转化成能够持续盈利的业务流程。

第三是治理。越接近企业核心业务，企业越关注可控性。比如，医疗有隐私要求，金融有监管要求，法律有职业规范。

企业关心的不只是AI能不能完成任务，也关心它访问了哪些数据、执行了哪些操作、出了问题如何追责。

因此，很多AI应用公司最终交付的，并不仅仅是一套模型能力，而是一整套可以被企业接受和信任的运行机制。

销售就是一个典型例子。表面上看，AI销售不过是找客户、写邮件、发消息。但真正落地之后，会迅速演变成一整套复杂流程。

客户筛选、信息补全、背景调研、渠道选择、触达节奏、结果反馈，每个环节都会影响最终转化率。AI应用的真正价值在于，把这些环节连接起来，并持续优化。

所以，当我们重新审视AI对软件行业的影响时，或许会发现一个有意思的现象：

企业不会因为一个模型更聪明就买单。真正让企业付费的，是把智能稳定地转化为结果的能力。而从智能到结果之间，依然隔着复杂的业务流程、行业经验和组织规则。

半年前，市场恐慌地问：AI会不会杀死软件？

现在回过头看，答案已经很清楚了。AI不会杀死软件，但会重新定义软件。而那些能率先完成这场重新定义的公司，才能成为下一个周期里最大的赢家。

PS：如果你也在寻找投资AI资产的机会，欢迎扫码加入我们的交流群。