什么樣的軟件會被AI淘汰？

2026年迄今軟件板塊的回調，和過去幾輪“需求放緩/利率上行”驅動的修正不太一樣：市場更像在討論終值——這些公司十年后還能不能守住利潤池，護城河會不會被“代理式（agentic）”AI重新切開。

據追風交易臺消息，高盛全球投資研究部分析師Gabriela Borges在16日的報告里直白地寫道：“市場正在質疑軟件護城河和商業模式。”她把投資者最常拋出的七個看空論點逐一拆開，按1到5給了風險評分，并區分它們影響的是狹義應用軟件，還是會外溢到更廣的基礎設施/安全棧、乃至與云廠商資本開支相關的ROI。

有意思的是，高盛并不把“系統級軟件被AI徹底替換”當作主線風險（評分1）。更尖銳的擔憂在兩個方向：一是價值從系統記錄層（System of Record, SoR）向“代理式操作系統/編排層”遷移（評分4），二是技術迭代速度本身讓終局難以定價（評分5）——估值很難找到“地板”。

在這種不確定性里，報告給的抓手也很明確：盯兩類信號——其一，軟件公司能否證明“行業域經驗”真的能帶來更高質量的代理式結果；其二，財報層面基本面能否穩定甚至改善。

這輪軟件回調，市場盯的是“終值辯論”

高盛的判斷是：2026年這波下跌，爭論點從“短期增長曲線”轉向“護城河會不會被AI削薄”。討論的中心主要在應用軟件，但也開始波及基礎設施/安全棧，以及與云廠商資本開支相關的投入產出。

因此報告的寫法更像“拆辯題”：把七個熊市論點從“稻草人”到“鋼人論證”排隊，給出風險分數，試圖回答同一個問題——什么東西還能支撐終值。

SoR不太會被掀桌子，但“價值外移”更危險

• A：SoR“被替換”風險很低（評分1）

第一個熊市論點是“rip and replace”：新玩家用AI重做系統記錄層，讓ERP/CRM/HR這類基礎系統過時。高盛把它定為低風險，理由很直接：生成式AI更像分析與生成引擎，而不是交易引擎；企業級AI需要大量高質量、結構化、可追溯的數據，而SoR正是這些數據的容器與治理體系。

報告也承認真正的替換風險并非不存在：如果有人在SoR層重做一套更現代、可擴展、總擁有成本更低的架構，就可能撬動遷移。文中用SAP S/4HANA云升級舉例：大型企業遷移常見是18–36個月的多階段工程，成本高、周期長，本身就給“更便宜更快的替代品”留下想象空間。

高盛給的“防守動作”也落到架構上：SoR要從被動賬本走向“系統推理（system of reason）”，從“AI powered（加外掛）”走向“AI native（架構內生）”。文中提到的一些信號包括Salesforce在2024年的replatforming、Workday從封閉轉向開放的路線調整。

另一個關鍵變量是企業數據邊界。如果企業繼續把數據優勢“圈”在現有應用里（報告提到Salesforce在2025年5月調整Slack API條款、限制LLM訓練和批量導出），那么SoR作為底層會更穩，但其上的利潤池可能被新層抽走。

• B：價值從SoR轉向“代理式操作系統/編排層”（評分4）

高盛認為更現實的風險不是SoR消失，而是SoR變成“合規數據底座”，價值集中到能跨系統推理、調用API、自動執行工作流的編排層。代理可以在多個SoR之間讀寫、對賬，用戶不再需要直接進入原來的系統界面，SoR過去依賴UI、流程占有、用戶習慣形成的護城河會被削弱。

報告用“誰坐在誰上面”來描繪這個世界：Sierra疊在Salesforce之上，Anthropic Cowork疊在Microsoft之上，增量預算更可能被上層拿走。高盛也提醒，市場之所以對這條線特別敏感，部分原因是2020/2021低利率周期里融資/擴張起來的一批應用公司護城河較弱，更容易被“去中介化”敘事帶崩。

給傳統廠商留下的機會，核心是“域經驗+上下文”。報告引用了幾家公司的表述來說明“上下文為什么值錢”：

• Microsoft強調留在同一生態能降低延遲、保證數據更新并給LLM更多上下文，且大規模數據遷移的摩擦、成本和“斷裂”常被低估；
• HubSpot把企業AI的關鍵短板歸結為“缺上下文”，而系統記錄層能聚合客戶歷史與協作信息，減少重復“教AI”；
• Datadog在2/12分析師日展示：用內部數據訓練的SLM在成本更低的情況下給出更高準確率，強調“域經驗”可轉化為模型與結果層面的差異化。

第三個熊市論點是“橫向吃掉縱向”：橫向平臺用AI工具讓客戶自己搭出行業工作流，從而侵蝕垂直軟件的定價權。高盛把風險評為2，認為垂直軟件的幾道門檻還在：行業專有數據、深度嵌入工作流形成的SoR屬性、長期口碑帶來的參考性、以及強監管行業的合規壁壘。

報告用Guidewire舉了一個數據規模的例子：其客戶群中，全球約7750億美元的財產與意外險保費（P&C Insurance DWP）在至少一個Guidewire產品下被管理，歷史數據積累本身就是外來者難以復制的壁壘。高盛還強調“客戶給時間”這件事：深度嵌入的垂直軟件，客戶從容忍到切換往往以“年”計，而不是按月。

但高盛沒有把風險一筆帶過。報告同樣列出橫向/AI化帶來的新沖擊：Palantir與AIG、Anthropic在保險用例上的合作；Intuit推出GenOS，讓用戶在Quickbooks這類橫向會計軟件里更容易編碼垂直工作流。關鍵問題被寫成一句話：當橫向平臺的AI功能只是“夠用”，而不是“明顯更好”，會不會仍然因為集成更簡單、碎片更少而吸走客戶——這直接指向垂直軟件的長期定價權。

代碼更便宜會帶來更多競爭，但寫出產品≠做成公司（評分2）

第四個熊市論點是“代碼成本下降”。高盛承認AI編碼工具會降低開發門檻、帶來更多新入場者，但風險評為2，理由是：軟件工程不只是寫代碼，工程師大量時間花在設計、排錯、風險識別、review上；工具提升效率不等于開發崗位消失。

報告還給了一個“人仍在回路里”的數據：Faros對1萬名開發者的研究顯示，高AI采用團隊完成任務多21%、合并pull request多98%，但pull request review時間增加了91%。效率提升會把瓶頸擠到新的環節，尤其在企業級交付里，安全、維護、集成、流程編排、生態建設和GTM仍然是硬活。

“未來是定制化”會搶走部分預算，Palantir把定制做成平臺（評分3）

第五個熊市論點是“企業更愿意自建”。高盛的結論更像折中但不含糊：代碼成本下降不會普遍改變build vs buy，但企業確實會在一些場景把預算轉向內部自建，風險評為3。關鍵原因是維護成本與責任會長期復利式累積——就算代理式效率能降低維護成本，專業廠商的維護成本也會同步下降，“性能/成本前沿”往往仍在廠商這邊。

報告認為更可能被自建搶走的，是介于傳統SoR之間、需要跨多個部門協調、過去打包軟件連接不好的那段“中間地帶”。

Palantir在報告里被當作定制化范式：通過AIP與客戶共建生產級AI用例、強調可量化ROI。報告給出其增長數據：Palantir美國商業業務2025年增長109%，公司預計2026E將加速到超過115%。同時，Palantir依靠前線部署工程師（FDE）把客戶意圖翻譯成可運行系統，再把客戶特定解法沉淀為可復用能力；在“軟件還是服務”的質疑之下，公司混合模式仍做到約85%的毛利率。

高盛也提醒，企業自建熱潮可能接近一個“局部高點”：SaaS廠商正補齊AI能力，數據治理與安全協議（文中提到A2A、MCP等）在演進，IT團隊也在爬坡。ServiceNow已公開談到，正在贏回原本流向“自建”的預算。

“LLM稅”會壓毛利：短期12–24個月更現實，長期還是定價權（評分3）

第六個熊市論點是毛利結構被改寫。高盛預計行業整體會經歷12–24個月的溫和毛利壓力：廠商為了搶采用率，可能先吸收GPU推理成本和第三方模型API費用。因為AI把“使用強度”直接變成成本（token消耗、模型復雜度、查詢頻率都對應費用），SaaS從固定成本杠桿轉向更接近“按消費計價”的經濟學。

報告引用Bessemer的觀察：一些最快從0沖到1億美元ARR的AI原生公司毛利率大約25%，不少甚至為負；更成熟的AI原生公司毛利率也多在約60%，仍低于傳統SaaS。

但高盛并不把它視為永久性塌陷：報告援引Epoch AI的數據，LLM推理成本每年下降幅度在9倍到900倍之間；實現與GPT-4相近MMLU表現的價格按年下降約40倍。長期毛利能否回升，仍回到“定價權=差異化”。報告還點出微軟的結構性優勢：垂直整合疊加與OpenAI的關系，使其能在價值鏈多層捕獲利潤、減少第三方“LLM稅”外流。

最難定價的是技術速度：不確定性本身就壓估值（評分5）

第七個熊市論點被高盛評為最高風險：技術演進太快，終局難以預測。報告羅列了年初以來的更新——Anthropic（Cowork、Opus 4.6、垂直插件）、OpenAI（Frontier、OpenClaw）、Google DeepMind（Deep Think）、Meta（Avocado）。它引用Bridgewater在2025年11月的白皮書觀點：預訓練擴展規律仍在起作用；并列舉了近期模型更新與基準分數（如GPQA Diamond上多模型>90%）。

報告用兩個“包裝帶來的拐點”說明不可預測性：ChatGPT把能力裝進易用入口帶來大眾化擴散；Cowork把能力推到桌面端GUI，讓非技術用戶開始實驗。再往前推，OpenClaw這類可自托管代理的擴散路徑，在報告與Cloudflare CEO Matthew Prince的對話里被描述為：未來三年可能復制過去三年ChatGPT的傳播速度，企業端短期的主要約束仍是安全。

不確定性也可能帶來新TAM。報告引用微軟MAI Superintelligence Team的案例：MAI-DxO在《新英格蘭醫學雜志》病例挑戰中的通過率達到85%，并提到把微軟博客與初始指標輸入ChatGPT后得到的TAM測算為每年500億到1000億美元（上行情景1500億到2000億美元）。但高盛的落點不是“押注哪個終局”，而是承認：未知本身會讓終值更難錨定，而高不確定性往往對應低估值倍數。

報告要看的“穩住”信號：域經驗兌現、基本面別掉鏈子

高盛把可觀察的穩定信號壓縮成兩條：一是企業軟件公司能否用產品與案例證明，域經驗確實帶來更高質量的代理式結果；二是財報里基本面能否穩定到改善（尤其通過業績季去驗證）。在此之前，它更傾向于“架構型護城河”——護城河不只在應用層界面和工作流，而能延展到更底層的技術與平臺結構。