过去一年，资本市场最容易理解的 AI 叙事，是硬件。GPU 不够，HBM 不够，先进封装不够，光模块不够，数据中心不够，电力不够。于是市场沿着一条非常清晰的产业链去寻找瓶颈：谁掌握供给，谁控制产能，谁拥有定价权，谁就获得估值溢价。这套逻辑解释了很多行情。它也让投资者形成了一种路径依赖：AI 似乎首先是一场硬件革命，甚至是一场资本开支革命。

但如果再往前走一步，就会发现一个更深的问题：硬件决定 AI 的供给上限，软件决定 AI 的需求入口。GPU 可以训练模型，数据中心可以承载推理，网络和存储可以支撑吞吐，但最终，AI 要变成企业收入、利润和现金流，必须进入软件，进入工作流，进入组织结构，进入企业的日常生产系统。这也是为什么，在理解硬件产业链之后，必须重新理解软件产业。

过去科技很轻，尤其是软件。软件的理想形态，是高毛利、轻资产、高复用、低边际成本。写一次代码，卖给无数客户；新增一个用户，几乎不增加多少成本；客户一旦迁移进来，就很难离开。SaaS 时代，软件被视为商业模式的巅峰：订阅收入、可预测现金流、高续费率、高净收入留存率，以及极高的经营杠杆。

但模型出现之后，这套逻辑开始松动。一方面，模型正在吞噬软件。很多过去需要专门软件完成的功能，今天可能被一个通用模型、一个 agent、一个自动化工作流取代。写代码、生成图片、制作报告、整理会议纪要、查询数据、生成营销素材、回答客户问题，这些原本属于不同软件产品的功能，正在被模型横向吸收。

另一方面，模型又在放大软件。真正复杂的企业场景，并不是有一个聊天框就可以解决。企业需要数据治理，需要权限管理，需要流程编排，需要审计记录，需要可靠执行，需要跨系统协作，需要把 AI 从“回答问题”变成“完成工作”。这些能力恰恰不是通用模型天然具备的，而是企业软件长期积累的护城河。

所以，模型吞噬时代的软件产业，不是简单走向消亡，也不是整体被低估，而是进入一次剧烈重构。低上下文、低流程、低数据壁垒、低分发壁垒的软件，会被模型压缩；高数据密度、高工作流嵌入、高信任要求、高治理门槛的软件，可能被模型放大。

所以软件是在另一种意义上变重了：Oracle 的变重，是资本开支和资产负债表之重；微软的重，是云、办公、身份、数据和 Copilot 生态之重；ServiceNow、Salesforce、Workday 的重，是工作流、组织流程和客户交付之重；Palo Alto、CrowdStrike、Zscaler 的重，是身份、权限、威胁情报、访问控制和安全责任之重；Adobe 的重，是模型成本、版权治理和创意工作流之重；Palantir 的重，是 ontology、部署、决策闭环和组织改造之重；CoreWeave 和 Nebius 的重，则是从 GPU 云出发，试图用软件把重资产算力包装成 AI 生产系统。

所以，软件并没有重新变成一种统一资产，而是在 AI 时代分化成多种不同重量的系统。

本文尝试对当前软件行业的变化进行系统性的逻辑梳理，并给出投资建议。

目录

一、为什么必须重新研究软件：硬件决定供给，软件决定兑现

二、软件为什么变重：不是都变成 Oracle，而是都承担更重的系统责任

三、模型吞噬什么，又放大什么？

四、四条代表路径：Oracle、安全软件、企业应用、AI 云软件化

五、从 SaaS 到 Agentic Software：产品形态与商业模式正在重写

六、投资线：不是买软件，而是买“模型放大器”

【正文9000字，阅读时间25'，感谢分享】

一、为什么必须重新研究软件：硬件决定供给，软件决定兑现

AI 市场的第一阶段，是“能力震撼”。模型突然会写、会画、会总结、会推理、会写代码，投资者开始相信 AI 会改变一切。

第二阶段，是“硬件瓶颈”。当模型能力扩张之后，市场发现最先变得稀缺的不是应用，而是算力、内存、网络、封装、电力和数据中心。

第三阶段，才是真正困难的部分：AI 如何进入企业？如何创造利润？如何改善软件公司的收入结构？如何证明企业愿意为 AI 付费？如何从模型能力变成组织生产率？

这正是软件重新进入研究视野的原因。根据 Gartner 的预测，2026 年全球 AI 支出仍将高速增长，其中 AI 软件支出也会从 2025 年的数千亿美元进一步扩张。这说明当前 AI 周期虽然仍由基础设施建设驱动，但软件支出已经开始进入加速阶段。这意味着，软件产业的重构不是一个遥远故事。它已经进入产品发布、客户试点、财报披露和市场定价。但这也带来一个矛盾：市场知道软件会变，但还不知道谁能真正受益。

所以很多软件公司的估值被压制，并不只是因为市场悲观，而是因为市场还在等待证据：AI 到底是新增收入，还是成本黑洞？是提升 ARPU，还是压缩 seat？是扩大 TAM，还是让客户自己用模型重写软件？是形成新护城河，还是让旧护城河失效？

这篇文章想讨论的，就是这个问题。软件不是 AI 时代的旁支，而是 AI 兑现的主战场。没有软件，模型只是能力；没有数据，模型没有上下文；没有流程，模型无法执行；没有治理，模型不能进入企业核心系统；没有商业模式，模型不能转化为利润。

硬件解决“AI 能不能跑”，软件回答“AI 能不能赚钱”。

二、软件为什么变重：不是都变成 Oracle，而是都承担更重的系统责任

“软件正在变重”，不能简单理解为软件公司都要建数据中心、买 GPU、承担巨额 CapEx。Oracle 式变重，只是最极端、最资本密集的一种。AI 时代软件变重，至少有五种形态。

第一种，是资产变重。

这类公司需要数据中心、GPU、网络、存储、电力、机房、融资和折旧。代表是 Oracle、CoreWeave、Nebius。它们的核心问题不是能不能写软件，而是能不能把重资产算力转化为可持续的平台收入。

第二种，是成本变重。

AI 推理、模型服务、上下文检索、安全审计都会增加软件成本。传统 SaaS 多服务一个用户，边际成本较低；AI 软件多服务一个用户，可能意味着更多 token、更多推理调用、更多检索、更多工具执行、更多日志和审计。微软 FY26 Q3 财报已经能看到这一点：Microsoft Cloud 毛利率受到 AI 基础设施投资和 AI 产品使用增长影响。换句话说，AI 确实能提升收入质量，但也会改变软件公司的成本结构。

第三种，是平台变重。

过去软件可以是单点工具，未来必须变成多模块平台。CRM 要连接数据、营销、客服、销售和协作；ITSM 要连接安全、服务、资产、数据和流程；安全软件要连接终端、身份、网络、云、数据和 AI agent。

第四种，是治理变重。

AI agent 一旦可以执行动作，权限、身份、审计、合规、安全、责任边界就变得极其重要。一个只能写文案的 AI 可以错；一个能改合同、调价格、发邮件、审批报销、修改代码、推送生产环境的 agent，不能随便错。

第五种，是交付变重。

AI 进入企业，不是买一个软件账号就能完成，而是需要数据清洗、流程梳理、权限映射、组织培训、业务规则抽象和 ROI 审查。越是核心业务，越像组织工程。

所以，更准确的表达是：AI 时代软件不是都变成重资产公司，而是都必须承担更重的系统责任。有些公司的重，体现在资产负债表；有些公司的重，体现在产品平台；有些公司的重，体现在安全治理；有些公司的重，体现在客户交付；有些公司的重，体现在推理成本。

这比单纯说“软件变重”更严谨。

三、模型吞噬什么，又放大什么？

所谓模型吞噬软件，并不是说所有软件都会消失，而是说很多软件过去依靠“功能稀缺”建立的价值，正在被通用模型重新定价。

过去，一个软件如果能解决一个明确任务，就可能成为一个产品。写作工具、翻译工具、图片处理工具、会议纪要工具、简单客服工具、报表工具、低代码工具、数据查询工具、代码补全工具，都有机会通过单点功能收费。

但大模型的出现，把大量单点功能变成了模型的基础能力。用户不再需要打开十个工具，而是可以让一个模型完成多个步骤：理解需求、检索资料、生成内容、修改格式、调用 API、发邮件、建表格、写代码、生成图表。模型一旦接入工具系统，就不只是一个问答界面，而是一个通用任务层。模型吞噬一切：AI 繁荣中的技术重构、资源黑洞与组织幻觉

这对旧软件的冲击，首先体现在三个层面。

第一，功能软件被商品化。

很多过去需要独立软件完成的任务，现在变成模型能力的一部分。软件如果只是一个 UI 外壳，内部没有专有数据、没有流程壁垒、没有企业集成、没有信任机制，那么它很容易被平台级 Copilot、浏览器、办公套件或操作系统吸收。

第二，seat 模型受到挑战。

传统 SaaS 很多按人收费。企业买多少账号，软件公司收多少钱。但 agent 的出现让这个逻辑变复杂了。如果一个 agent 可以替代多个低频用户，那么按人头收费的模式可能遇到压力。企业会重新计算：到底是给每个人买一个 seat，还是给一个部门买一组 agent？到底是为“人”付费，还是为“任务量”付费？

第三，客户自建能力上升。

过去企业自己开发软件成本很高，所以买 SaaS 是更优选择。现在代码生成、低代码、agentic coding、API 调用能力都在提升，企业可能重新评估 buy or build。并不是所有企业都会自建核心系统，但大量边缘工具、内部流程、定制化应用，可能变得更容易被内部 AI 工具生成。

这就是“软件被吞噬”的真实含义。不是所有软件都死，而是软件行业的价值基础从“我有功能”转向“我有上下文、流程、数据、治理和执行权”。功能不再稀缺，可信执行才稀缺。

反过来，AI 也会放大另一类软件。如果一家软件公司掌握的是企业真实数据、权限结构、组织关系、历史记录、审批流程、客户关系、财务系统、IT 工单、安全策略，那么模型不是它的敌人，而可能成为它的新杠杆。这类软件的价值不在于“界面有多漂亮”，而在于它嵌入了企业的真实运转系统。

所以，未来软件的核心壁垒会从“功能”迁移到几个新位置：

第一，是上下文。谁拥有企业真实数据、组织记忆、权限关系和业务语义，谁就拥有 agent 执行工作的基础。

第二，是工作流。谁控制销售、客服、财务、人力、IT、安全、研发、供应链等核心流程，谁就更容易把模型变成生产力。

第三，是治理。谁能解决权限、审计、合规、回滚、责任边界，谁就能让 AI 进入核心系统，而不是停留在 demo。

第四，是分发入口。谁控制办公入口、开发者入口、云入口、安全入口、CRM 入口，谁就能成为 AI 软件的新分发层。

第五，是结果交付。未来软件不一定只按 seat 收费，而可能按任务、用量、工作单元、agent 调用、结果交付收费。

这也是为什么软件的技术栈正在变化。过去的软件栈，大致是：基础设施 → 数据库 → 中间件 → 应用 → 用户界面。AI 时代的软件栈，正在变成：模型层 → 数据/上下文层 → 工具/API 层 → agent runtime 层 → workflow orchestration 层 → governance/security 层 → business outcome 层。

软件从“被人使用的工具”，变成“替人执行的系统”。

四、四条代表路径：Oracle、安全软件、企业应用、AI 云软件化

理解“软件正在变重”，不能只看一个方向。Oracle、网络安全、企业应用、CoreWeave/Nebius，分别代表了四条不同路径。

1. Oracle：变重是必然选择，但变得如此重是战略押注

在所有软件公司中，Oracle 是最典型、也最容易引发争议的案例。如果说 AI 时代软件不得不变重，那么 Oracle 变重是否是必然选择？某种意义上，是。

Oracle 最核心的资产是数据库、企业应用和大企业客户关系。但问题是，AI 时代企业数据和算力正在重新绑定。如果 Oracle 只守着传统数据库和软件授权，而不做 OCI，客户的 AI 工作负载、数据湖、推理、训练、云原生应用就会不断流向 AWS、Azure、Google Cloud。Oracle 最终可能会被挤成一个“遗留数据库供应商”。所以 Oracle 必须回答一个问题：企业核心数据在 Oracle，AI 算力却在别人云上，那未来企业技术栈的控制权到底属于谁？

从这个角度看，Oracle 变重有其必然性。它必须做云，必须做数据库云化，必须做 AI 基础设施，必须让客户相信：Oracle 不只是旧数据库，而是 AI 时代的企业数据与算力平台。

Oracle FY2026 的数据说明，它确实跑出了需求。Q4 总收入同比增长 21%，云收入同比增长 47%，Cloud Infrastructure 收入同比增长 93%；全年云收入同比增长 39%，RPO 从 5530 亿美元增加到 6380 亿美元。这组数据说明，Oracle 的 AI 云不是纯叙事。它确实获得了大量未来交付义务，也确实重新进入了 AI 基础设施的核心讨论。

但 Oracle 的问题也恰恰在这里：它不是变重，而是变得太重。它已经不再是传统意义上的轻资产软件公司，而是变成了一种混合体：数据库公司 + 企业应用公司 + AI 云公司 + 数据中心融资平台。

这就使得 Oracle 的估值逻辑发生了变化。以前看 Oracle，主要看数据库续费、云迁移、应用增长、利润率、回购。现在还要看资本开支、折旧、债务、客户集中度、RPO 质量、数据中心交付能力、OCI 利用率和自由现金流。Oracle 不变重是不可能的；但变得如此重，不完全是必然，而是它选择了更激进的 AI 云基础设施路径。

它有三个不得不做的理由。第一，数据库必须云化，否则核心业务会被 hyperscaler 包围。第二，企业 AI 必须靠近数据，否则 Oracle 会失去企业技术栈解释权。第三，大客户 AI 合同给了它一个历史窗口，让它从“传统软件”重回“AI 基础设施叙事”。

但它也有三个被审判的地方。第一，CapEx 太大，自由现金流和资产负债表压力会被市场重新定价。第二，AI 合同规模很大，但市场要验证收入兑现和利润质量。第三，Oracle 的综合生态与资产负债表缓冲，不如微软、亚马逊、谷歌这类 hyperscaler。

所以 Oracle 不是一个简单的软件股，而是 AI 时代最激进的老牌软件再工业化案例。它成功，就证明老软件公司可以靠数据库、客户关系和云基础设施重新获得 AI 时代的控制权。它失败，就会成为“软件公司过度资本开支化”的警示案例。

2. 网络安全：也在变重，但重的是责任和控制面

网络安全领域提供了一个重要反例。安全软件显然也在 AI 时代变重，但它不一定像 Oracle 那样走向巨额 CapEx。安全公司的“重”，更多体现在身份、权限、访问图、威胁情报、自动化响应、AI agent 治理和企业风险控制面上。

Palo Alto Networks、CrowdStrike、Zscaler 近几个季度都在强调 AI security、Zero Trust、agent 通信治理、云安全和平台化能力。它们并没有像 Oracle 那样因为 AI 进入巨额负自由现金流，相反不少仍保持较强现金流。

但它们也在变重。只是安全行业的变化不是：安全软件变成重资产云厂商。而是：安全软件从单点工具变成企业风险控制平面。过去安全软件可以分散在终端、防火墙、身份、云安全、数据安全、SIEM、SOAR、SASE 等不同模块里。AI 时代，攻击面扩张到模型、agent、API、插件、身份、非人类账号、自动化工作流和数据流。

一个 AI agent 如果被劫持，它可能不是泄露一个文件，而是调用多个系统、访问多个数据库、触发多个业务动作。这就要求安全公司不只是检测威胁，而是理解企业身份图谱、访问路径、数据流向、权限关系和自动化行为。所以安全软件的重，更多是控制面之重、责任边界之重、治理之重。

这也说明，软件变重不是一个资产负债表概念，而是一个产业责任概念。

3. 微软与企业应用：不是建得更重，而是控制得更深

微软是另一条路径。它当然也在承担 AI 基础设施成本，但它的核心优势不是单纯建数据中心，而是控制企业工作入口、身份体系、文件、邮件、日历、Teams、SharePoint、GitHub、Azure 和安全生态。

微软推出 Work IQ APIs，本质上就是要让 agents 与 Microsoft 365 数据和应用交互。它不是只想把 Copilot 做成一个 AI 助手，而是想把 Microsoft 365 变成企业 agent 的上下文层、工具层和治理层。过去 Office 是人操作软件的入口，未来 Microsoft 365 可能成为 agent 操作企业的入口。这就是平台型软件公司的优势：它们不一定拥有最强模型，但它们拥有最完整的工作上下文。

企业应用公司也是类似逻辑。ServiceNow 的优势不只是 ITSM，而是它长期管理企业工单、服务请求、事件响应和工作流。AI agent 一旦进入企业后台，这类流程系统有机会成为执行层。Salesforce 不只是给 CRM 加一个 AI 助手，而是把 Agentforce、Data 360、Slack 和核心应用绑定起来，试图把销售、客服、营销和协作流程变成 agent 可执行的工作系统。Salesforce 披露，Agentforce 和 Data 360 ARR 已经接近 34 亿美元，同比增长超过 200%；Agentforce 和 Slack 已交付数十亿个 Agentic Work Units。

Workday 不只是在人力资源系统里加问答，而是试图把招聘、员工服务、财务、差旅、ITSM 等流程 agent 化。这些公司不一定像 Oracle 那样建大量数据中心，但它们也在变重。重在产品复杂度、客户集成、工作流编排、治理能力和客户迁移成本。

过去 SaaS 的理想是标准化、轻实施、快复制。AI agent 进入企业之后，软件必须理解客户流程、权限结构、数据质量、业务规则、审批链条、合规要求。这就让企业软件从“工具交付”变成“流程交付”。它们不一定需要巨额 CapEx，但需要更重的工程、更复杂的平台、更深的客户嵌入。

4. CoreWeave 与 Nebius：先有云，后长出软件

还有一类公司非常值得放进软件文章里：CoreWeave 和 Nebius。它们不是传统软件公司，但它们正在从 GPU 云厂商进化成 AI 生产操作系统公司。它们的路径不是 SaaS → 云，而是反过来：先有云，后长出软件。

传统软件公司的路径是：应用入口 → 客户数据 → 工作流 → AI 功能 → 算力需求。CoreWeave 和 Nebius 的路径是：GPU 产能 → 集群调度 → 训练/推理平台 → 开发者工具 → agent / workflow / governance → 软件粘性。

这就是所谓的“从重资产长出软件”。CoreWeave 发布 ARIA，把它定义为内嵌在 Weights & Biases 里的 AI Research & Iteration Agent，可以读取实验数据、发现隐藏洞察，并推动模型和 agent 持续改进。它已经不是简单出租 GPU，而是开始进入 AI 研发工作流：实验记录、模型评估、agent 开发、持续迭代、RL 后训练、推理与部署。

Nebius 的软件化更偏向 AI 云平台产品化。Nebius AI Cloud 3.6 “Aether” 加入了 Nebius Echo，这是一个内嵌在 Nebius AI Cloud 控制台里的 AI agent，可以通过自然语言控制云基础设施、回答问题并执行核心操作，同时配有防止误操作的 guardrails。Nebius 收购 Tavily，则是把 agentic search 放进 AI 云平台。

所以，CoreWeave 和 Nebius 的软件化，不是传统 SaaS 软件化，而是更像：AI factory operating system。它包括硬件层、调度层、观测层、开发层、推理层、agent 层和治理层。

这就解释了为什么它们越来越像软件企业。真正的 AI 云竞争，最后不是“谁有 GPU”这么简单，而是：谁能把 GPU 变成可调度、可观测、可治理、可复用、可编程、可持续优化的生产系统。

GPU 是原材料，软件是操作系统。但这里也不能过度乐观。CoreWeave 和 Nebius 正在软件化，但它们仍然是非常重的公司：高 CapEx、高融资需求、高折旧、高客户集中、高英伟达依赖、高执行风险。

所以更准确的判断不是：CoreWeave 和 Nebius 已经变成软件公司。而是：它们正在从 AI neocloud，进化成 AI-native platform；软件不是替代硬件，而是给重资产云业务增加操作系统、客户粘性和利润弹性。

这正好补充了“软件正在变重”的另一面：传统软件公司正在变重，因为它们要承担推理、数据、治理和基础设施成本；而 AI 云公司正在变软，因为它们必须用软件提高算力效率、降低客户使用门槛，并把 GPU 产能包装成可持续的 AI 生产平台。

两条路，最终在同一个地方汇合：AI 时代的软件，不再只是应用；AI 时代的云，也不再只是基础设施。真正有价值的是“软件定义的 AI 生产系统”。

五、从 SaaS 到 Agentic Software：产品形态与商业模式正在重写

从产品形态看，企业软件大致经历了五个阶段。

第一阶段，是 License 软件。客户买断授权，本地部署，版本升级慢，实施周期长。Oracle、Adobe、微软早期都经历过这个阶段。

第二阶段，是 SaaS。客户按年订阅，软件在线更新，收入更稳定，估值体系转向 ARR、NRR、RPO、订阅收入和自由现金流。

第三阶段，是 Cloud Platform。软件不只是应用，而是平台。客户购买的不只是界面，而是计算、存储、数据库、API、数据平台和开发环境。

第四阶段，是 Copilot。人仍然是主操作者，AI 作为辅助层嵌入软件。Microsoft 365 Copilot、GitHub Copilot、Adobe Firefly、Salesforce Einstein、ServiceNow Now Assist，都属于这个阶段。

第五阶段，是 Agentic Software。AI 不再只是建议，而是开始执行任务。它可以理解目标、拆解步骤、调用工具、跨系统协作、留下审计记录，并在必要时请求人类确认。

真正的分水岭，在第四阶段和第五阶段之间。Copilot 提高效率，但仍然依赖人。Agent 改变流程，可能重构组织。这也是为什么很多软件公司的 AI 叙事，不能只看“有没有 Copilot”，而要看它是否真正进入 agentic workflow。

未来软件产品的核心形态，可能不再是一个个应用，而是一套能理解上下文、调用工具、执行流程、接受治理、交付结果的 agentic workflow。软件从“被人使用的工具”，变成“替人执行的系统”。

这也会改变软件的商业模式。传统软件估值，通常关注几个核心指标：收入增速、ARR、RPO/cRPO、NRR、毛利率、经营利润率、自由现金流、客户数、大客户扩张。这些指标仍然重要。但 AI 时代，软件估值公式需要增加新变量：

第一，AI attach rate。客户是否真的购买 AI 附加模块？是少数试点，还是大规模部署？是免费试用，还是付费扩展？

第二，AI ARR。AI 产品有没有形成可披露、可追踪、可增长的收入？Salesforce 披露 Agentforce 和 Data 360 ARR，Adobe 披露 AI-first ARR，这些都是市场寻找证据的结果。

第三，AI usage。AI 功能是否带来真实使用量？token 调用、agentic work units、API calls、数据摄取、模型调用、GPU monitoring，这些都可能成为新型领先指标。

第四，单位经济模型。AI 收入是否能覆盖推理成本？客户付费是否随使用量增加？软件公司能否把 token 成本转嫁给客户？如果 AI 使用越多，毛利越低，那么增长反而可能伤害估值。

第五，seat 压缩风险。AI 到底增加 seat，还是减少 seat？Copilot 可能提高每个用户 ARPU，但 agent 可能减少某些低频用户 seat。不同软件公司的答案不同。

第六，工作单元定价能力。未来最有价值的软件公司，可能不是按人卖软件，而是按“完成多少工作”收费。Salesforce 的 Agentic Work Units、微软的 Copilot Credits，都在探索这个方向。

第七，治理溢价。金融、医疗、政企、军工、制造等行业，对安全、合规、审计和可靠性要求高。这些行业不会轻易把核心流程交给一个黑箱模型。能提供治理能力的软件公司，反而可能获得更高壁垒。

这意味着，AI 时代的软件估值不再只是“高增长 SaaS”或“低增长传统软件”的二分法，而要看它能否完成商业模式迁移：从 seat 到 usage；从工具到 workflow；从辅助到执行；从应用收入到平台收入；从软件订阅到工作单元计费。

六、投资线：不是买软件，而是买“模型放大器”

软件是否被低估？更准确的说法是：软件不是整体被低估，而是市场把会被模型吞噬的软件和会被模型放大的软件，暂时混在一起打折。真正值得研究的，不是“软件行业还能不能买”，而是哪些软件公司会成为模型放大器。AI 错杀之后，美股软件板块短暂反弹还是彻底反转？

所谓模型放大器，是指它们能把模型能力转化为企业现金流。它们不一定拥有最强模型，但拥有模型落地所需的关键控制点。

第一类，是入口放大器。代表是微软。它控制办公入口、身份、协作、文件、邮件、日历、Teams、GitHub、Azure 和企业安全体系。它的 AI 逻辑不是单点应用，而是把 Copilot 和 agent 嵌入整个工作系统。

第二类，是数据放大器。代表是 Oracle、Snowflake、Databricks、MongoDB。它们的关键问题是：AI 是否推动企业数据消费、数据库迁移、RPO 增长和新工作负载。

第三类，是流程放大器。代表是 Salesforce、ServiceNow、Workday、SAP。它们的关键问题是：agent 是否真正嵌入销售、客服、人力、财务、IT 和运营流程，而不是停留在辅助问答。

第四类，是工程放大器。代表是 GitHub、Atlassian、Datadog、Cloudflare。它们的关键问题是：AI 是否增加代码、API、系统、GPU、日志、安全和观测需求。

第五类，是安全放大器。代表是 Palo Alto、CrowdStrike、Zscaler。它们的关键问题是：AI agent、非人类身份、数据访问、模型调用和自动化流程是否会让安全平台成为企业 AI 部署的默认控制面。

第六类，是执行放大器。代表是 Palantir。它的核心是把模型能力、企业数据、ontology、流程和决策闭环整合在一起，直接面向业务结果。

第七类，是重资产软件化放大器。代表是 CoreWeave、Nebius。它们的关键问题是：能否把 GPU 云变成 AI 开发、训练、推理、agent、搜索、评估、治理的一体化生产平台，而不只是高杠杆算力租赁。

第八类，是创意放大器。代表是 Adobe。它的核心问题是：AI 是摧毁原有创意工具，还是扩大创作人群、提升内容生产量、强化企业创意工作流？

从投资角度看，软件行业未来会出现三种结局。

第一种，是被吞噬。这类公司功能浅、数据弱、流程轻、客户迁移成本低，过去依靠单点功能收费，未来可能被平台 Copilot、通用模型或客户自建工具替代。

第二种，是被重定价。这类公司原本被市场当成传统 SaaS，但其实掌握了关键数据和流程。AI 会先带来成本和不确定性，然后逐渐体现为更高 ARPU、更高使用量和更深绑定。

第三种，是被高估后重新审判。这类公司增长很强，但估值已经提前反映大量未来成功。Palantir 这样的公司，证明 AI 软件可以非常强，但也提醒投资者：基本面优秀和买入赔率优秀，不是同一件事。

所以，软件投资不能只问“AI 会不会利好软件”，而要问：这家公司控制的是功能，还是流程？控制的是界面，还是入口？控制的是数据表，还是上下文？控制的是工具，还是执行权？控制的是算力，还是算力操作系统？收入来自 seat，还是 usage？AI 增长会提高毛利，还是吞噬现金流？客户是在试用，还是进入生产？估值是在反映风险，还是已经透支胜利？

市场为什么现在还没有完全相信软件？因为软件的验证周期，比硬件慢。分化本质与证明负担不对称模型

硬件瓶颈可以通过订单、产能、交期、价格迅速反映。软件价值需要企业采购、部署、培训、权限配置、系统集成、流程改造和 ROI 审查，反馈天然更慢。这也是为什么市场现在更愿意奖励硬件，因为硬件的短期证据更直接；但也正因为如此，软件可能存在预期差。

接下来，软件投资最重要的证伪指标，不是一两场 AI 发布会，而是连续四到八个季度的财报变化：AI ARR 是否持续增长；AI attach rate 是否提高；RPO/cRPO 是否加速；NRR 是否稳定或回升；毛利率是否守住；FCF 是否恶化；客户是否从试点转向生产；AI 产品是否带来更高 ARPU；agent 是否压缩 seat；企业预算是否从试验转向规模化部署。

只有这些指标持续改善，软件的 AI 逻辑才算真正从叙事进入基本面。

结语：软件正在成为 AI 时代的价值兑现系统

AI 革命的第一层，是模型能力。第二层，是硬件瓶颈。第三层，是软件重构。第四层，才是企业利润和社会生产率。

现在市场最兴奋的地方，仍然集中在硬件。因为硬件更直观，更稀缺，更容易形成短缺叙事，也更容易被资本市场线性外推。但长期看，AI 最终必须通过软件进入现实世界。没有软件，模型只是能力；没有数据，模型没有上下文；没有流程，模型无法执行；没有治理，模型不能进入企业核心系统；没有商业模式，模型不能转化为利润。

所以，软件不是 AI 时代的旁支，而是 AI 兑现的主战场。只是这个主战场不再属于所有软件公司。它属于那些能控制上下文、工作流、分发入口、治理机制和结果交付的软件公司。模型会吞噬软件，但吞噬的不是全部软件。它吞噬的是没有上下文的软件、没有流程的软件、没有数据的软件、没有信任的软件、没有组织嵌入的软件。

真正强的软件公司，会被模型重新武装。过去，软件卖工具。后来，软件卖订阅。现在，软件开始卖智能助手。未来，软件可能卖工作、卖流程、卖结果。这就是软件正在变重的真正含义。硬件变成资本开支，软件变成上下文、治理、算力成本和组织改造。

AI 时代软件的轻重，不取决于它是不是软件公司，而取决于它掌握的是功能、流程、数据、治理，还是基础设施。Oracle 掌握的是数据和云，所以它必须变重；网络安全掌握的是身份、权限和风险，所以它也在变重，但重的是责任和控制面，而不是一定要烧成巨额 CapEx；CoreWeave 和 Nebius 掌握的是 GPU 云，所以它们必须向软件平台进化，否则就只是高折旧的算力租赁；微软、ServiceNow、Salesforce 掌握的是入口和工作流，所以它们要把 agent 变成企业执行系统。

最终，AI 时代最重要的投资问题，也许不再是“软件还是硬件”，而是：谁控制瓶颈，谁控制入口，谁控制数据，谁控制工作流，谁最终控制价值兑现。

附件：企业工作全流程