夜雨聆风过去一年，软件股跌得人心慌。国内更惨：天天喊「数据驱动」「数据中台」的那帮人，这几年债务爆、估值砍、公司一家接一家撑不住。
早年吹「政府数据资产化」的某大数据独角兽倒了；做独立数据中台的，大客户砍预算、裁员转型，陷得很深。这些人当年发布会上挺能说的，怎么到了 AI 这波，反而集体掉队？
▶ 一、国内那批大数据公司，怎么成批栽了？
1. 数据是脚印，不是方向盘
老一代数据公司爱签大单：跟地方政府或国企，把各局办数据全抽上来，建「数据中台」或「数据湖」。钱花了几千万，干两三年，湖是有了，里面多半是陈年死水——格式对不齐、断直连、烂字段一堆。
业务跑完才留下数据，数据不能反过来指挥业务。 前线流程天天改、销售表随便填、车间管理一团糟，收上来的就是电子垃圾。垃圾池子再大，也推不出好决策。
2. 「数据买办」这条路，堵死了
不少公司壁垒不在技术，在关系和牌照：拿到公共数据，包一层接口，倒给银行做征信或卖给特定机构，本质是中间商。
数据离开具体业务，很难持续复购。再加上《数据安全法》、隐私合规收紧，打擦边球、暗箱采集的空间没了，有的公司核心业务直接停摆。
3. 大屏好看，账上没钱
国内有个毛病：说数据驱动，最后就剩领导办公室那块 3D 大屏。为了好看，项目大半精力花在修数据、做动效上——典型的交钥匙工程。交付那天领导点头，过完节大屏落灰，一线根本不用。
地方预算紧、回款拖，很多公司营收表挺好看，兜里没现金，全压在应收账款和利息上，活活拖死。
所以问题很简单： AI 越来越强，传统软件公司是会被干掉，还是还能活？
▶ 二、国外几家巨头在干什么？
美股那几家没躺平。黄仁勋说过一句挺实在的话：AI 没消灭开发需求，是把全球大概 3 万亿美元的开发者薪酬，放大成更大一块生产力——有人估到 9 万亿美元量级，数字可以吵，方向没错。
靠「卖人头账号」、堆固定功能的传统 SaaS 确实难受；但手里攥着工作流和客户数据的，正在拿 AI 改自己的活法。下面五家，各走一条路，够你看清软件接下来长什么样。
1. 微软：卖算力，像卖电
投了 OpenAI 之后，微软不只是一套 Office，Azure AI 成了底座——有点像 AI 时代的电厂。
以前 Excel 透视表得自己啃 VLOOKUP；现在跟 Copilot 说一句「上季度销售做个透视，利润率前三的产品拎出来」，几秒出活。
企业怕 AI 太强、账号变少、SaaS 收入缩水，微软在底层推 F-SKU 容量计费：人多少先不说，AI 任务跑得越多、数据吃得越大，Azure 账单越高。营收跟全球 AI 算力消耗绑在一起，这是他们的算盘。
2. ServiceNow：流程还在，AI 越多越需要它
有人觉得：Agent 自己能审批、能运维了，ServiceNow 这种流程软件是不是没戏了？
恰恰相反。以后公司里会有一堆各干各的 AI——财务 Agent 发现报销不对，要调审计 Agent，还要安全 Agent 开权限。谁协调？谁防着它们在后台乱来？还是 ServiceNow。
它是很多世界 500 强 IT 运营的底子。大模型是脑子，NOW 攥着规章和流水线。AI 越多、越杂，合规这张网反而越难拆。
3. Salesforce：从卖账号，到卖「数字员工」
Salesforce 是 per-seat 模式的老祖宗，股价也被砸过；它用 Agentforce 顶了一手。
以前买 CRM，还得雇一百个销售手工录客户；现在可以直接买一个能跟进、判意图、起草合同的 AI Agent。
收费往 按结果 靠——比如 AI 独立搞定一单客服投诉，收 2 美元。手里 Data Cloud 里的客户历史交易数据，第三方开源模型抄不走，这是它的底牌。
4. Palantir：把数据织成能下指令的图
Palantir 最早给国防、情报用，现在卖的是「行业本体」——Ontology 这个词听着玄，说白了就是：把散在各处的数据连成一张能操作的图。
别家 Agent 多半只能写邮件；Palantir 的 AIP 进一家车企，能把车间、供应链、财报里的数据织在一起。某个零件库存告急，AI 可以直接算今天该向哪家订多少——数据治理做成了「指挥台」，客户黏性很高，不是吹的。
5. Zeta：软件壳子里自带人群数据
Zeta 有点怪：普通 CRM 像管家，你得自己有客户资产；Zeta 像带着地图的攻城方，手里有全球大约 25 亿消费者的画像。
新品牌没数据也行，用它的 AI（Athena）能告诉你这周谁更可能买、人在哪、偏好什么。模型越来越便宜、越来越开源的时候，自带数据 在资本眼里还是硬通货。
▶ 三、国内软件能学什么？
国外这几条路，对国内还在洗牌期的软件和数据公司，意思很直白：过去那套「潜规则」，得打碎。
1. 少做给领导看的大屏，多做一线真用的工具
政企软件有个公开秘密：软件常常是买给领导看的，不是给员工用的。 「数据驱动」很多时候就是帮客户做汇报 PPT，或者在指挥中心挂块 3D 屏，好向上交差「数字化成果」。
预算紧、要成效的时候，这种花架子第一批被砍。AI 真正改的是一线——程序员用 Cursor 这类工具，写代码的方式已经变了；销售、产线、客服也会一样。
研发重心得从「汇报层」挪到「执行层」。你的 AI 不能让销售少填八成表、不能让产线工人秒查故障原因，在真金白银的效率考核面前，就是摆设。
2. 别靠堆人交付，得把 know-how 塞进产品
很多老牌软件、集成商的习惯是：接个大单，派驻几十号外包进场，用人数向甲方证明「我们干了活」——低毛利、重交付，跟劳务派遣差不多。
账期一拖，利息和人力能把现金流勒死。得盯 人均营收：把行业经验沉淀进软件、微调进模型，用「一个前线工程师 + 几个 Agent」顶以前五十人的现场——你自己都不用 AI 提效，甲方凭什么信你能卖 AI？
3. 别幻想垄断原始数据，去做「燃料加工」
前几年有人借着「数据要素」拿特许数据，以为能躺收租，干数据倒卖的买卖。现在各地国家队数据集团接盘公共数据，合规又紧，私营靠「垄断原始数据倒卖」的红利基本没了。
产权在客户和国家手里，私营别碰原始数据，去做加工：企业堆着非结构化文档、老邮件、聊天记录，大模型直接吃不透。知识图谱、RAG 把「电子垃圾」洗成能喂模型的语料——数据是客户的，但经过你的软件才好用。
▶ 四、就业和求职：我自己怎么想
这场变化，说白了是在挤掉「中间人」。
1. 「人工路由器」和 PPT 传声筒，危险
过去十年数字化，养出一大批传统售前、方案专家——我就是这路子出来的。
常态是：拿着自己都半信半疑的「数据中台」「数据驱动业务」胶片去见客户。岗位本质是 人工路由器：把不成熟的产品包装成蓝图，往客户解决不了的痛点上贴。
大模型几秒能写出更漂亮的方案；降本增效压力下，空洞口号不值钱。
2. 往 FDE 靠：少忽悠，多下场
以后不太需要只会讲 PPT 的演说家，更需要能扎业务的 AI 手艺人。
FDE（Forward Deployed Engineer，前线部署工程师） 是 Palantir 带火的概念，我觉得国内也会有人走这条路：
· 少坐办公室写胶片，多进车间、供应链、业务现场；
· 以前「卖软件给你用」，现在「拿着 AI 跟你一起改流程」——哪些数据是真的、哪些环节能闭环，得在现场抠；
· KPI 别只看签单，看 Agent 跑起来后库存有没有真降 20%、销售成效有没有真涨 15%。
3. 两样本事，比会背概念管用
· 业务 know-how：得比客户更懂他的流程。不懂制造、财务、供应链，手里再好的 Gemini、Claude 也是摆设；
· Agent 编排：会用大模型当脑子，调数据源和工具。不一定天天写代码，得会「组织一群 AI 劳动力」解一个具体商业问题。
▶ 结语
AI 干掉的不是软件，是那些只会搬数据、贩概念、做中间层的平庸玩法。
潮水退了，能把数据当燃料、在后台交出真实成效的公司和人，不会被吞掉——会借着 AI，把软件这行当重新做一遍。
