这两天,软件股彻底爆发了。
在过去两个交易日,软件板块已连续跑赢市场(标普500指数)超过10个百分点。这是25年来最大的两日超额收益。其中,Snowflake最近三个交易日上涨60%,Datadog上涨56%。
而就在半年前,华尔街还在集体唱衰软件股。
今年5月,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,软件股配置比例仅约6%,创下2019年以来最低水平。
但半年过去了,最先被AI“判死刑”的板块,却成了美股涨得最猛的板块之一。
从人人避之不及,到资金疯狂回补,软件股到底发生了什么?市场对于“AI会颠覆软件”的判断,是不是从一开始就错了?
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?
02 AI也需要软件
市场曾经的恐慌,建立在一个假设之上:当Agent足够强大之后,人们就不再需要软件。
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。
03 从智能到结果的距离,才是软件的护城河
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。
本文来自微信公众号“硅基观察Pro”,作者:硅基君
