AI会“吞噬”软件，还是给软件行业再造一次机会？

看懂AI应用、SaaS变局与板块分化的底层逻辑

先说结论：AI应用行情，重点不在“有没有AI”

过去一段时间，软件公司的AI叙事很容易被压缩成两句话：一边说大模型会取代传统SaaS，另一边说AI会给所有软件重新估值。

听起来势不两立，实际上它们可以同时发生。

低门槛、同质化的功能可能被模型吃掉；掌握客户数据、业务流程和交付入口的平台，则可能因为AI更值钱。

真正要分辨的是三件事：AI到底改变了什么产品；客户是否愿意为改变付费；新增收入能否覆盖算力、研发和销售成本。

只有这三件事逐步兑现，AI才从主题变成产业趋势。

一、为什么“AI吞噬SaaS”和“AI赋能SaaS”可以同时成立？

传统软件的商业模式相对容易讲清楚：卖多少订阅、续费率如何、每年涨价多少。

生成式AI加入以后，收入与成本同时变复杂。公司可能按席位收费，也可能按调用量、Token、任务或结果收费；与此同时，推理成本、算力租赁、数据治理和安全投入也会跟着使用量增长。

这意味着，我们不能只问“有没有AI产品”，而要继续追问：它有没有被客户付费使用？收入被记在哪个口径？使用越多，毛利率会不会反而承压？老产品是否被新产品蚕食？管理层是否给出了可复核的定义？

二、从概念到业绩：AI应用要走过四级台阶

第一级：产品发布。

有新模型、新助手、新智能体，只能证明公司在参与竞争，不能证明商业化已经成立。新闻稿适合了解方向，却不适合单独支撑财务判断。

第二级：客户采用。

付费客户数、上线客户数、席位数、调用量和处理任务数，比“很多客户感兴趣”更有信息量。但采用数据仍要看口径：试用还是付费？合同还是生产环境？新增还是包含原有客户迁移？

第三级：可拆分收入。

Salesforce在2025财年第四季度披露Data Cloud与AI年度经常性收入为9亿美元、同比增长120%，并披露Agentforce成交与付费数量；

到2026年，公司进一步调整拆分收入的展示方式，并提供历史重述以保持可比性。

口径变化并不可怕，不解释变化才可怕。

第四级：收入、成本与现金流闭环。

最有价值的披露，是把需求、收入、资本开支、折旧和毛利率放在一起。微软2026财年第二季度既披露Azure增长，也说明持续的AI投入正在压低云业务毛利率；Alphabet在2025年第四季度同时解释AI产品增长、2026年资本开支区间，以及后续折旧和数据中心运营成本压力。这才是完整的经济账。

三、软件为什么会出现剧烈分化？

AI最先改变的不是所有公司的收入，而是市场对不同公司的提问方式。

• 基础设施和数据平台被问“需求能持续多久”；

• 应用软件被问“功能会不会被模型替代”；

• 安全与可观测性公司被问“AI带来的新流量能否覆盖新风险”；

• 传统SaaS则被问“按席位收费还能不能成立”。

所以，板块内分化不是异常，而是商业模式重新定价的结果。

能够控制数据、权限、工作流和分发入口的公司，更容易把AI变成收费功能；只有一个容易复制的界面或轻量功能，则更容易被底层模型和平台能力挤压。

四、如何读一场AI财报？

第一问：公司是在讲“能力”，还是讲“付费”？

“接入大模型”“推出智能体”“客户反响热烈”属于能力描述；付费客户、合同金额、ARR、剩余履约义务和续费率才更接近商业结果。两类信息都重要，但不能混为一谈。

第二问：指标有没有稳定定义？

如果公司新增一个AI指标，要找定义、统计范围、是否包含存量产品、是否年化，以及上一期是否可比。Salesforce在披露中对Agentforce和Data 360 ARR给出定义，就是判断连续性的关键。

第三问：AI收入与AI成本是否同向披露？

收入增长可能伴随服务器、GPU、数据中心、电力和折旧增长。只讲需求，不讲供给约束和成本，信息是不完整的。微软披露云毛利率受AI投资影响，Alphabet解释资本开支构成与折旧压力，都是更成熟的沟通方式。

第四问：管理层有没有承认不确定性？

好的沟通不是永远乐观，而是说明哪些数字已经发生、哪些是目标、哪些取决于产能、客户采用或会计口径。风险提示越具体，大家越容易建立合理预期。

五、从产业位置看：谁更容易把AI变成生意？

第一类：算力与云基础设施。

这类企业先受益于训练和推理需求，但也最考验资本开支、供给能力和利用率。需求很强不等于利润同步增长，因为服务器、数据中心、电力和折旧都要真金白银投入。

第二类：数据平台、数据库与安全工具。

企业要让AI进入生产环境，先要解决数据质量、权限、治理、监控与安全问题。这些环节更像“卖铲子”，但仍需观察客户消费增速、续费率以及云成本对毛利率的影响。

第三类：掌握工作流的应用软件。

CRM、客服、办公、开发、设计等软件已经嵌入日常流程，最容易把AI功能交付给存量客户。不过，席位制可能被按量或按任务收费改写，收入增长与旧业务被替代可能同时发生。

第四类：轻量、同质化的单点工具。

如果产品主要价值只是生成文字、图片或简单代码，且没有独家数据、分发渠道和流程壁垒，就更容易被大模型原生功能吸收。用户增长快，并不自动等于长期商业壁垒。

六、最容易踩中的四个认知误区

误区一：把海外映射理解成业绩复制。

海外软件公司上涨，常常会带动相似概念受到关注，但不同市场的客户结构、付费习惯、云生态和会计口径不同。“业务名称相似”不等于收入结构相同。

误区二：把用户量当成收入。

试用、调用和活跃度只能说明产品有需求，真正影响经营结果的是付费转化、客单价、续费、单位成本和毛利。

误区三：只看收入，不看资本开支与毛利率。

AI越普及，推理量越大，成本也可能越高。云厂商和应用软件的经济账不同，不能用同一套增长想象简单外推。

误区四：把一家公司上涨当成全行业确认。

少数产品率先验证，其他公司仍需逐个看商业化进度。板块标签只能帮助理解方向，不能代替公司层面的验证。

AI应用不是齐涨行情，而是一场商业模式筛选

AI会不会吞噬传统SaaS？答案不会由一句口号给出，而会由一家公司未来几个季度的客户采用、收入拆分、毛利率、现金流和风险披露共同给出。

更有用的观察顺序是：先看产业位置，再看产品采用，然后看付费、收入、毛利与现金流，最后才讨论估值想象。顺序反过来，就容易把行业趋势误读成短期情绪。

风险提示：本文仅用于产业知识梳理，不构成证券研究报告或任何投资建议。市场价格、订单和公司经营情况会发生变化，请以法定披露及专业机构研究为准。