AI Agent 时代的软件重估：从席位软件到责任运行层

AI Agent Software & SaaS 趋势型深度研报

1.1｜一页决策驾驶舱

1.1.1｜一句话 thesis

AI agent 不会简单摧毁软件行业，而会把软件价值从“人操作界面”迁移到“系统理解状态、执行动作、承担责任、归因结果、按价值收费”的更深层。

这句话不能直接推出“所有强 SaaS 会更强”。真正受益的公司，必须同时具备高价值状态变化、上下文控制、写入权、闭环治理、责任转移和预算迁移能力。只有高毛利历史、订阅收入、老客户、多功能 UI 或大量数据，不足以保证 AI agent 时代继续胜出。

本文的核心不是判断“哪个公司 AI 功能最多”，而是判断：

哪个公司能把 AI 从功能层推进到执行层，
再从执行层推进到责任层和结果层，
最后把这个控制点转化为 ARR、RPO、毛利率、FCF/share 和每股价值。

1.1.2｜本文结论地图

1.1.3｜当前公司排序

这个排序不是估值结论，也不是买入评级。它只说明各家公司在 AI agent 时代的产业位置、控制点深度和证据强弱。

1.1.4｜三个最重要判断

第一，状态变化比界面更重要。未来最值钱的软件，不是用户打开最多的界面，而是最能改变业务状态、写回系统、完成动作、承担责任的软件。一个产品如果只能生成、总结、查询或推荐，仍然停留在工具层；只有进入任务、审批、写回、审计和回滚，才开始接近运行层。

第二，席位不会消失，但会降级。席位仍然承担身份、权限、治理、监督和责任主体的作用；真正的增量收入会更多来自 AI 工作量、额度、任务、用量、结果和企业打包套餐。agent 时代的定价不是从 seat 一步跳到 token，而是形成基础席位 + 用量额度 + 高级工作流 + 治理模块 + 结果付费的混合栈。

第三，token 成本下降不是自动利好。模型成本下降只是毛利率恢复的必要条件，不是充分条件。谁能把成本下降留在自己利润表里，取决于价格权、竞争强度、客户议价、模型路由、缓存、批处理、产品化能力和结果归因。低责任工具可能把降本红利让给客户；高责任运行层更可能保留价格权。

1.1.5｜三个最大反证

1.1.6｜本文阅读顺序

本文按照一条投资研究链推进：

核心机制
→ 谁赢谁输
→ 七家公司定位
→ AI 经济性
→ 真 agent 转型证据
→ 最大反例和被抽象风险
→ FCF/share 与季度 tracker

阅读时不要把每一章看成平行材料。本文真正的顺序是：先判断软件价值迁移到哪里，再判断哪个公司拥有控制点，然后审计这些控制点有没有进入商业化、毛利率和每股价值。

1.1.7｜下一季跟踪表

1.2｜术语表：先统一缩写与口径

本文尽量使用中文解释核心概念，但软件和投资研究中有一些缩写无法完全避免。读完本节后，后文默认直接使用这些缩写。

1.2.1｜投资与财务口径

1.2.2｜软件与 AI agent 口径

1.2.3｜本文自定义框架

1.2.4｜公司和产品缩写

2.1｜核心机制：软件价值从 UI 迁移到责任运行层

2.1.1｜为什么 AI agent 不是普通功能更新

传统 SaaS 的核心假设，是人仍然是执行主体：人登录软件、查看数据、做判断、执行动作，软件负责记录、协作、报表和流程。AI agent 的目标是把一部分判断和执行动作交给系统本身，软件不再只是“人操作的工具”，而越来越像“被授权完成任务的运行层”。

这会重写软件公司最重要的控制点。过去，强软件通常控制界面、数据对象、团队协作和组织培训。未来，更强的软件会控制业务状态变化、下一步动作、权限边界、跨系统写回、审计记录、责任归属和结果归因。

所以，研究问题必须从“公司有没有 AI agent”改成：

客户原来处于什么状态？
软件让客户变成什么状态？
这个状态变化的错误代价高不高？
软件有没有上下文和写入权？
出错时能不能审计、回滚和追责？
客户是否愿意为这个结果迁移预算？

2.1.2｜L0-L6 软件价值层

投资上最危险的误判，是把 L0 / L1 的 AI 功能当成 L4 / L5 / L6 控制点。一个产品能生成文本、图片、查询结果或摘要，并不等于它能写回系统、承担责任或获取结果预算。

2.1.3｜为什么 L4 / L5 / L6 更值钱

L4 工作流执行层更值钱，因为它控制的是业务状态变化。工单从未处理到解决，客户 case 从打开到关闭，财务任务从待办到完成，员工请求从提交到审批，这些都是可衡量的状态变化。

L5 责任治理层更值钱，因为 agent 一旦获得动作权限，客户最关心的就不是“它会不会回答”，而是“它能不能被授权、被约束、被审计、被回滚”。企业不会轻易把高责任流程交给没有治理层的软件。

L6 结果交付层更值钱，因为它可能从软件预算进入人工预算、服务预算、BPO 预算、专家预算、风险预算和收入增长预算。客户买的不再是软件访问权，而是完成任务、减少错误、降低风险、节省人工或创造收入。

2.1.4｜当前七家公司在层级中的位置

2.2｜谁赢，谁输

2.2.1｜三类赢家

第一类赢家：高责任垂直操作系统。

代表公司是 Intuit、Veeva，以及部分 Workday、NICE 和行业云。它们的共同特征是错误代价高、业务语言专用、客户替换慢、数据能触发动作、结果相对可归因。AI 在这些场景里不是普通 assistant，而是把专家能力、合规流程、财务运营、行业审批和风险控制产品化。

Intuit 的财税、小企业会计、工资、付款、信用、营销和现金流管理，天然接近结果交付。Veeva 的生命科学流程更慢，但责任更深，临床、质量、商业合规、监管材料和行业 CRM 都不是客户愿意轻易替换的低责任工具。

第二类赢家：跨系统工作流运行层。

代表公司是 ServiceNow。ServiceNow 的优势在于，它天然处理企业里的状态流转：请求、工单、审批、事件、服务、资产、风险和安全。agent 要在企业中安全执行，就需要上下文、权限、任务、审计、回滚和治理。ServiceNow 如果能把 Now Assist、AI 控制塔、自主劳动力和工作流平台组合起来，就有机会成为企业 agent 的运行层。

第三类赢家：强数据上下文并能上移执行的公司。

代表公司是 Snowflake 的候选路径、Salesforce 的候选路径、Adobe 的企业内容候选路径。这类公司都有资产，但还需要证明资产能否上移。

Snowflake 有数据上下文、治理和模型生态，但数据上下文不等于动作权。Salesforce 有客户记录、销售服务流程、Data 360、Slack 和企业分发，但 Agentforce 是否成为执行层仍待验证。Adobe 有创意、文档、品牌资产和营销云，但必须证明自己能从创意工具迁移到企业内容供应链。

2.2.2｜三类输家

第一类输家：低责任单点工具。

这类工具只解决生成文案、生成图片、总结会议、自动填表、简单客服机器人等低责任任务。如果没有专有上下文、写入权、审计、责任、分发和结果归因，它们会被模型能力进步、平台内置和开源快速压价。

第二类输家：只有数据但没有动作权的软件。

数据重要，但数据不是终点。企业不会无限为“更多数据”付费，企业为更好的判断和动作付费。只停留在存储、清洗、报表、查询和分析，而不能进入业务动作链条的公司，会被上层 agent 和业务系统抽象。

第三类输家：承担 AI 成本但不能收费的软件。

有些软件会被迫加入 AI 功能，因为客户期待它存在。但如果 AI 不能单独收费，旧席位又被效率提升压缩，推理成本增加，竞争者免费赠送，客户还认为 AI 是基础功能，那么 AI 就不是增长引擎，而是利润率压力。

2.2.3｜工具型软件的三种命运

工具型软件不会全部消失，但会分成三条路。

Adobe 是最典型样本。低端创意生成被压价，但企业内容供应链如果能连接品牌资产、版权、审批、发布、投放和效果衡量，就可能从工具层上移到运行层。

3.1｜七家公司定位图

3.1.1｜证据等级定义

3.1.2｜写入深度定义

3.1.3｜公司证据总表

3.1.4｜加权趋势评分

说明：本表只衡量 AI agent 时代的趋势暴露与控制点强度，不是公司披露数据，不是新增外部数据，不是估值结论，也不是买入评级。单项分数是作者基于前文证据做出的 5 分制定性评分；综合趋势区间按 20 × Σ（单项分 × 权重） 折算为 0-100 区间。由于这不是财务模型输出，最终使用区间而不是精确整数，避免把趋势判断误读成硬数据。

这张表的作用是排序研究优先级，而不是给股票打分。ServiceNow、Intuit 和 Veeva 处于前三档，原因是它们更接近状态变化、写入权、责任治理和预算迁移；Salesforce、Adobe、Workday 和 Snowflake 则仍需要证明自己能从记录、工具、数据或成熟系统层上移到执行、治理、责任或结果层。Workday 与 Salesforce 的区间接近，不构成精确排序差异。

3.1.5｜ServiceNow：最接近企业 agent 运行层

事实。 原文披露的 ServiceNow Q1 FY2026 订阅收入为 36.71 亿美元，同比 +22%；短期剩余履约义务为 126.4 亿美元，同比 +22.5%；剩余履约义务为 277 亿美元，同比 +25%；Now Assist 年合同价值超过 100 万美元客户数同比 +130%。Knowledge 2026 进一步把公司定位推进到 AI 控制塔、自主劳动力、data intelligence 和 security 的组合。

推论。 这些证据比普通 AI 发布会更强，因为它们和大客户 ACV、RPO、cRPO 与订阅收入同向。ServiceNow 原本控制的就是企业请求、工单、审批、事件、服务、风险和资产状态，AI agent 只是把这个状态流转逻辑推向自动化和治理化。

判断。 ServiceNow 是七家公司里最接近横向工作流运行层赢家的样本。它的核心问题不是能不能做 AI assistant，而是能否成为企业 agent 的控制塔和默认治理入口。

证伪。 如果 Microsoft、云厂商、模型商或客户自建平台拿走 agent 编排和治理入口，ServiceNow 只变成被调用的流程系统，判断要下调。

未来四季看什么。 Now Assist 大额 ACV 客户数、AI 控制塔生产采用、跨 IT / HR / CRM / Security / Risk 的工作流扩张、RPO / cRPO 是否继续同向、AI 成本是否侵蚀毛利率。

3.1.6｜Intuit：垂直责任操作系统

事实。 原文披露的 Intuit Q2 FY2026 总收入为 46.51 亿美元，同比 +17%；在线生态 +21%；QuickBooks 在线会计 +24%；GAAP 经营利润 +44%；非 GAAP 经营利润 +23%。管理层把战略定义为 AI 与专家智能结合，提供自主化、替客户完成任务的体验，并面向中型企业推出 AI 原生 ERP。

推论。 Intuit 的任务天然接近结果：报税、记账、发薪、收款、付款、现金流预测、信用、贷款、营销获客。这些任务有明确错误成本，也相对容易和客户价值绑定。AI agent 在 Intuit 这里不是“聊天助手”，而是有机会把人类专家执行的财税和 SMB 运营任务软件化。

判断。 Intuit 是 AI agent 时代最值得研究的垂直责任操作系统样本。它的机会不是卖更多软件界面，而是从软件预算进入专家服务、财务运营和结果交付预算。

证伪。 IRS Direct File 或其他免费报税方案压低消费者税务价格权；AI 自动化吞噬 assisted tax / expert 服务收入；银行、Stripe、Square、Payroll 平台抢走 SMB 操作入口；AI + expert 成本结构恶化。

未来四季看什么。 QBO ARPU、支付 / 工资 / 营销 / 融资附加购买、IES 独立客户和 ARR 披露、TurboTax AI + expert 的收入与成本结构、专家服务是否软件化而不是服务化。

3.1.7｜Veeva：高责任行业云，慢但深

事实。 原文披露的 Veeva FY2026 总收入为 31.953 亿美元，同比 +16%；订阅收入为 26.842 亿美元，同比 +17%；非 GAAP 经营利润为 14.338 亿美元。公司披露超过 125 个 Vault CRM 客户已 live，其中包括 2 家 top 20 biopharmas 在主要市场；10 家 top 20 biopharmas 已全球承诺 Vault CRM，并预计约 14 家 top 20 会承诺。

推论。 Veeva 的 AI 转型不会像消费者 AI 那样爆发，但其责任深度很高。生命科学客户的临床、质量、商业合规、文档审批、监管提交流程错误代价高、替换周期长、标准化压力强。Vault CRM 迁移是更硬的控制点，AI 是增强变量。

判断。 Veeva 是高责任行业云的典型，不快但深。它的长期价值来自行业语义、合规流程、客户信任和平台迁移，而不是 AI 功能数量。

证伪。 Vault CRM 迁移变慢，top biopharma live / committed 节奏弱化；AI 长期停留在建议层，无法进入核心合规流程；大药企自建或竞争平台削弱 Veeva 的行业语义权威。

未来四季看什么。 Vault CRM live 数、top 20 biopharma 迁移节奏、R&D / Quality / Commercial 跨云扩张、AI 是否进入审批和合规核心流程、非 GAAP operating margin 是否保持高位。

3.1.8｜Adobe：工具层承压，企业内容供应链有期权

事实。 原文披露的 Adobe Q1 FY2026 收入为 64 亿美元，同比 +12%；AI 优先年度经常性收入同比超过三倍；订阅收入 +13%；经营现金流为 29.6 亿美元。

推论。 Adobe 不是简单的 AI 受害者，也不是必然赢家。消费者和低端创意生成被模型、Canva、开源工具和新入口冲击；专业工具仍有格式、习惯、插件和团队协作壁垒；真正值得高看的是企业内容供应链：品牌、版权、合规、审批、投放、多渠道适配和效果衡量。

判断。 Adobe 的核心问题不是 Firefly 能不能生成更好图片，而是 Firefly、GenStudio、Experience Cloud、Acrobat 和品牌资产治理能否把 Adobe 从创意工具公司升级为企业内容生产运行层。

证伪。 AI-first ARR 主要是现有订阅重分类；Creative 席位被 AI 原生工具侵蚀；Firefly 成本高但难收费；GenStudio 未能进入企业内容生产和营销预算。

未来四季看什么。 AI-first ARR 口径、GenStudio 企业客户、Firefly Services API 是否进入生产管线、Creative Cloud 席位与 ARPU、Acrobat / Document Cloud 是否增强高责任文档流。

3.1.9｜Salesforce：强分发和记录层，执行层待验证

事实。 原文披露的 Salesforce FY2026 剩余履约义务超过 720 亿美元，经营现金流约 150 亿美元，同时披露 24 亿 agent 工作单元和 19T 已处理 token 数累计。

推论。 Salesforce 有客户记录层、企业分发、Data 360、Slack 和行业云。Agentforce 的使用量信号有价值，但工作单元和 token 数量不是收入质量。关键问题是这些使用是否进入生产账户、ARR、续费、Data 360 附加购买和核心云再加速。

判断。 Salesforce 是强分发 + 强记录层 + 执行运行层待验证。它有机会，但不能因为 Agentforce 使用量大就直接判定上移成功。

证伪。 Agentforce 只是 CRM 内嵌 AI 功能；工作单元多但 ARR 弱；客户把 agent 编排和治理层放到 ServiceNow、Microsoft 或自建平台；Data 360 没有成为 agent 必需上下文。

未来四季看什么。 Agentforce ARR、production accounts、Data 360 attach、Slack 和行业云闭环、核心有机增速是否重新抬升、AI 是否影响毛利率。

3.1.10｜Snowflake：数据上下文强，但执行权不足

事实。 原文披露的 Snowflake Q4 FY2026 产品收入为 12.27 亿美元，同比 +30%；净收入留存率为 125%；剩余履约义务为 97.7 亿美元，同比 +42%；FY2027 产品收入指引同比 +27%。

推论。 企业 agent 需要可信数据，Snowflake 是受益者。但“agent 需要数据”不等于 Snowflake 捕获 agent 经济。如果执行和业务写回发生在 Salesforce、ServiceNow、Workday、Veeva、Microsoft 或自建系统里，Snowflake 可能只是高质量底层消耗层。

判断。 Snowflake 的核心机会是 governed semantic context 和 data agent 运行层；核心风险是被上层业务系统抽象为数据接口。

证伪。 AI 查询效率降低 consumption；Cortex / Intelligence 使用强但不产生付费工作负载；Databricks、云厂商或业务系统抢走语义层；AI agent 的动作权长期不在 Snowflake。

未来四季看什么。 Cortex / Intelligence 付费使用、AI 工作负载是否提高 consumption、semantic layer 是否成为企业默认 agent context、Snowflake 是否进入 observability、data engineering 和 application layer。

3.1.11｜Workday：成熟 SoR + agent workforce 期权

事实。 原文披露的 Workday FY2026 总收入 +13.1%，订阅收入 +14.5%，经营现金流 +19.4%，自由现金流 +26.7%，回购 29 亿美元。公司称自己是 managing people, money, and agents 的 enterprise AI 平台，并披露 FY2026 交付 17 亿 AI actions，收购 Pipedream 补强 AI agent 集成。

推论。 Workday 的 HR / Finance SoR 很稳，人和钱的错误代价高，理论上有治理 agent workforce 的位置。但 AI actions 不是付费结果，Agent System of Record 仍需客户采用、收入归因和预算迁移证明。

判断。 Workday 更像成熟复利 + agent 期权，不是当前最激进的 agent winner。

证伪。 AI actions 不转收入；agent workforce governance 只是概念；Microsoft、SAP、Oracle 或客户自建 HR agent 抽象 Workday；成熟增长无法因 AI 再加速。

未来四季看什么。 AI actions 与付费 SKU 的关系、Pipedream 集成是否扩大 agent 工作流、HR / Finance 客户是否购买 agent governance、FCF/share 与回购效率。

4.1｜AI 经济性：预算、定价、毛利率

4.1.1｜三条预算迁移曲线

AI agent 的投资问题不是“功能会不会更强”，而是“预算从哪里来”。如果 AI 只是让现有软件更好用，它最多支持续费、提价或减少流失；如果 AI 能替代人工、减少外包、降低错误、缩短交付周期、降低合规风险或创造收入，它才会打开新的预算池。

第一条曲线：从席位预算迁移到工作量预算。

传统 SaaS 的核心单位是席位。agent 时代，客户不只关心多少人有权限使用软件，而是软件完成了多少工作：客服对话、IT 工单、财务对账、付款、报税准备、内容生成与审批、线索分配和客户更新。

席位不会消失，它会退到身份、权限、治理、监督和基础访问层；agent 工作量、额度、任务和结果会成为增量收入层。

第二条曲线：从软件预算迁移到人工和服务预算。

这是更大的机会。Intuit 是最清楚的样本：客户真正想买的不是 QuickBooks 界面，而是税务准确完成、账务自动对账、工资付款收款顺利、现金流风险识别和小企业运营改善。如果这些任务原本由会计、报税员、簿记员、顾问或 BPO 完成，AI agent 就给软件公司进入服务预算的机会。

第三条曲线：从基础设施预算迁移到业务运行预算。

Snowflake、Databricks、云厂商和模型商处在这条曲线里。AI agent 需要数据、模型、向量检索、权限、日志、推理成本优化和工具调用。但基础设施层的问题是：客户可能把它看成成本中心，而不是结果中心。基础设施公司要从“AI 的成本来源”变成“AI 的控制来源”，必须拥有业务语义、治理、agent 运行日志、默认调用和应用工作负载。

4.1.2｜混合定价栈

AI agent 时代的软件定价不会是一刀切。典型企业软件合同可能变成：

基础席位 / 角色访问权
+ agent 用量额度
+ 高级工作流套餐
+ 治理 / 审计增值模块
+ 基于结果的阶梯计费或成功费
+ 企业承诺折扣

席位卖的是访问权、身份、权限、协作和责任主体。用量卖的是工作负载、推理成本转嫁和低初始门槛。额度是用量和预算可控之间的折中。结果付费卖的是完成任务、降低风险、创造收入和替代人工。

Salesforce 官方 Agentforce 定价页已经显示按使用量、弹性额度、按对话和按用户等多种模式并存；ServiceNow 也在强调新商业模型与 AI 控制塔。行业方向不是“席位消失”，而是进入混合计费时代。

4.1.3｜毛利率 J 曲线

AI 会让软件毛利率经历四个阶段。

毛利率恢复不是自然发生的。它需要七个条件：模型路由成熟、缓存和批处理有效、小模型可替代大模型、工作流模板可复用、上下文更精准、错误重试减少、定价与价值匹配。

如果 AI 功能商品化，客户要求降价，模型商和云厂商拿走价值，软件公司承担集成和责任，毛利率可能长期下降。

4.1.4｜谁能保留成本下降收益

4.2｜如何判断真 agent 转型

4.2.1｜反发布会叙事：五类证据

未来几乎所有软件公司都会说自己有 AI agent。研究者必须把证据分成五类。

Salesforce 的 24 亿 agent 工作单元和 19T token 是有用信号，但还要继续问：对应多少净新增 ARR？是否进入生产客户？是否提高续费？是否扩大 Data 360 attach？是否让核心云再加速？

ServiceNow 的 Now Assist 大额 ACV 客户更接近商业化证据，因为它与合同价值绑定；但仍需要看毛利率、净扩张和 AI 控制塔是否成为默认入口。

4.2.2｜领先、同步、滞后信号

长期投资最有价值的阶段，是领先信号进入同步信号之前。但如果只有领先信号、没有同步信号，仍不能过早资本化。

4.2.3｜AI agent 软件公司十问

1. 它控制的核心状态变化是什么？
2. 这个状态变化的错误代价高不高？
3. 它是否拥有上下文，而不是只调用外部数据？
4. 它是否有写入权，还是只给建议？
5. 它是否能闭环：捕捉、判断、执行、写回、验证、纠错？
6. 它是否能承担责任或帮助客户转移责任？
7. 它是否能把 AI 价值归因到时间、成本、风险、收入或现金流？
8. 它是否有独立收费、增量用量、附加购买、NRR 或订单证据？
9. 它的单位成本是否随规模下降？
10. 它是否能阻止模型商、云厂商、系统集成商或客户自建拿走利润？

如果公司只能回答“我们有 AI 功能”，不进入投资级研究。

4.3｜最大反例和被抽象风险

4.3.1｜模型商和云厂商拿走利润

如果应用软件只是把模型包进 UI，没有自己的上下文、流程、数据、写入权和责任，模型商可以直接提供功能，云厂商可以平台化，客户也可以自建。应用层要防止价值泄漏，必须拥有专有上下文、高责任工作流、写入权、结果归因、客户默认入口和可审计治理层。

4.3.2｜Microsoft 和平台打包

Microsoft 对企业软件的威胁不是单一功能，而是分发、身份、Office / Teams 入口、Azure、Power Platform 和 Copilot 的组合。Salesforce、ServiceNow、Workday、Adobe 都必须证明自己不是被 Microsoft 入口抽象的后端系统。

4.3.3｜客户自建运行层

大企业可能把通用 agent、数据层、权限、日志、审计和工具调用建在内部平台上，再调用外部 SaaS API。这样一来，SaaS 公司仍然重要，但控制点被迁走。判断标准是：客户是否把 agent 的下一步动作、权限边界、审计入口和结果归因交给供应商，还是留在自建平台。

4.3.4｜AI 使用量不转收入

使用量是需求信号，但不是收入质量。AI actions、tokens、queries、agents launched、pilots 等指标，只有在进入付费 SKU、ARR、RPO、NRR、gross margin 和 FCF/share 时，才有投资级意义。

4.3.5｜毛利率长期恶化

AI 可能让软件从高毛利订阅退化为高服务成本、推理成本和客户成功成本的混合交付。最危险的路径是：客户认为 AI 是基础功能，不愿付费；模型和云成本上升；agent 出错导致更多人工兜底；实施和治理复杂度变高；软件公司承担成本却没有价格权。

4.3.6｜agent 出错导致权限收缩

高责任 agent 最大风险是出错。错误付款、错误申报、错误审批、错误客户沟通、错误安全动作，都可能导致企业收缩权限。治理层不是锦上添花，而是 agent 时代的软件基础设施。

4.4｜从趋势到每股价值：投资结论与季度 tracker

4.4.1｜为什么趋势必须落到 FCF/share

产业趋势强，不等于股票回报好。AI agent 趋势要进入长期投资判断，必须穿过这条桥：

控制点
→ 订单 / ARR / RPO / NRR
→ 毛利率与 AI 成本
→ SBC / 稀释
→ FCF/share
→ 当前估值隐含什么
→ 谁的赔率更厚

如果公司只能证明 AI 使用量，却不能证明收入、毛利率和每股现金，趋势只能留在产业判断层。如果公司能把 AI 控制点转成 FCF/share，同时估值没有预付过多未来成功，才接近投资级结论。

4.4.2｜公司级每股价值桥

4.4.3｜当前投资研究结论

当前最值得进入深度个股研究的，是 ServiceNow、Intuit、Veeva。

ServiceNow 的优势在于，它最接近横向工作流运行层，并且已有 Now Assist 大额 ACV、RPO / cRPO 与订阅收入同向的证据。最大问题是是否被 Microsoft、云厂商或客户自建 agent 平台抽象。

Intuit 的优势在于，它最接近垂直结果交付，AI + expert 有机会进入人工和服务预算。最大问题是服务化成本结构、免费报税压力和 SMB 操作入口竞争。

Veeva 的优势在于，它拥有高责任行业语义、合规流程和 Vault CRM 迁移硬证据。最大问题是增长速度慢，AI 释放周期长，不能把 AI 叙事和 Vault CRM 迁移混为一谈。

Adobe、Salesforce、Snowflake、Workday 都值得跟踪，但更需要证据：Adobe 需要证明企业内容供应链，Salesforce 需要证明 Agentforce ARR 和生产客户，Snowflake 需要证明 AI 增加 consumption 并进入动作层，Workday 需要证明 agent workforce governance 成为预算池。

4.4.4｜上调 / 下调判断条件

4.4.5｜未来四个季度统一 tracker

5.1｜附录 A：完整软件控制点框架

研究任何 AI 软件公司，可以按 13 个问题推进：

1. 核心状态变化：客户原来处于什么状态，软件让客户变成什么状态？
2. 错误代价与责任：这个状态变化出错的代价有多高？
3. 上下文控制：公司拥有上下文，还是只是调用外部上下文？
4. 写入权：公司能否写回系统、触发动作、关闭任务？
5. 闭环控制：能否捕捉状态、判断、执行、写回、验证、纠错？
6. 业务时钟：事件频率、单次价值、钱包扩张面和销售摩擦如何？
7. 定价迁移：能否从席位进入用量、任务、结果或服务预算？
8. 单位经济：每完成一次高价值状态变化的单位成本是否下降？
9. 毛利率 J 曲线：短期成本压力是否有长期恢复路径？
10. 竞争捕获：利润是否被模型商、云厂商、平台或客户自建拿走？
11. 结果归因：客户是否相信结果来自软件？
12. 每股价值：趋势是否进入 FCF/share，而不是只进入 non-GAAP 指标？
13. 反事实与证伪：哪些证据会推翻 thesis？

5.2｜附录 B：定价迁移详细模型

席位仍然有意义，因为它定义访问权、身份、权限、协作和责任主体。agent 替代部分操作后，企业仍要知道 agent 代表谁执行、谁批准、谁负责。

用量有意义，因为它覆盖推理成本和工作负载增长。额度有意义，因为企业需要预算可控。结果付费有意义，因为客户最终想买完成任务、降低风险、创造收入和替代人工。

最可能的最终形态不是纯席位，也不是纯 token，而是混合定价：基础平台费 + agent 用量额度 + 高级工作流包 + 治理 / 审计模块 + 结果型阶梯计费。

最适合结果定价的场景包括税务提交、客服问题解决、欺诈拦截、安全威胁阻断、合规审批和销售线索转化。最不适合结果定价的场景包括创意探索、通用知识查询、低责任写作和归因链条很长的品牌广告。

5.3｜附录 C：毛利率 J 曲线详细拆解

AI 毛利率压力来自四个来源：模型推理成本、研发成本、企业部署和数据治理成本、客户成功和人工兜底成本。

毛利率恢复需要七个条件：模型路由、小模型替代、cached input、batch、prompt compression、retrieval 精准化、工作流模板化和错误重试减少。

OpenAI 官方 API 定价显示模型能力和价格分层，cached input 低于普通 input，Batch API 可以提供折扣。这说明推理成本可以工程化，但成本下降是否转成软件公司利润，取决于控制点和价格权。

5.4｜附录 D：复杂性迁移与博弈模型

AI 降低的是单点功能复杂性和 UI 摩擦，不会消除商业复杂性。商业世界不是静态效率最大化系统，而是多方争夺利润池、入口、标准和责任边界的博弈系统。

生成一封营销邮件变便宜了，但决定给谁发、什么时候发、是否合规、是否符合品牌、是否影响客户生命周期价值、是否写回 CRM、是否触发销售跟进、是否归因收入，反而更复杂。

新的护城河来自五个位置：上下文、动作权限、责任治理、闭环学习和组织嵌入。旧复杂性是人学会使用软件，新复杂性是企业信任软件完成业务结果。

5.5｜附录 E：完整筛选漏斗

Gate 1：状态变化是否高价值。
Gate 2：上下文和数据是否专有且可触发动作。
Gate 3：写入权是否从 D0-D2 升级到 D3-D5。
Gate 4：责任和信任形成周期是否足够深。
Gate 5：闭环控制是否完整。
Gate 6：预算是否从软件进入人工、服务、风险或结果。
Gate 7：单位经济是否可规模化。
Gate 8：竞争捕获是否能抵御模型商、云厂商、平台和客户自建。
Gate 9：每股价值是否改善。

如果一家公司无法通过 Gate 1 到 Gate 5，它只是 AI 功能公司。如果通过 Gate 1 到 Gate 7，但每股价值没有改善，它是好趋势但未必是好股票。如果通过全部 Gate，才进入长期复利候选研究池。

5.6｜附录 F：主要来源

1. ServiceNow Q1 FY2026 Results
   https://investor.servicenow.com/news/news-details/2026/ServiceNow-Reports-First-Quarter-2026-Financial-Results/default.aspx

2. ServiceNow Knowledge 2026 AI 控制塔 / Autonomous Work
   https://newsroom.servicenow.com/press-releases/details/2026/ServiceNow-turns-enterprise-AI-chaos-into-control-with-the-platform-for-governed-autonomous-work/default.aspx

3. Intuit Q2 FY2026 Results
   https://investors.intuit.com/news-events/press-releases/detail/1307/intuit-reports-strong-second-quarter-results-and-reiterates-full-year-guidance

4. Intuit Virtual Team of AI Agents
   https://investors.intuit.com/news-events/press-releases/detail/1258/intuit-introduces-ground-breaking-virtual-team-of-ai-agents-to-fuel-growth-for-businesses

5. Veeva FY2026 Q4 and Full-Year Results
   https://ir.veeva.com/news/news-details/2026/Veeva-Announces-Fourth-Quarter-and-Fiscal-Year-2026-Results/default.aspx

6. Adobe Q1 FY2026 Results
   https://www.adobe.com/cc-shared/assets/investor-relations/pdfs/21306202/ay45th643t5y46.pdf

7. Salesforce FY2026 Q4 Results
   https://investor.salesforce.com/news/news-details/2026/Salesforce-Delivers-Record-Fourth-Quarter-Fiscal-2026-Results/default.aspx

8. Salesforce Agentforce Pricing
   https://www.salesforce.com/agentforce/pricing/

9. Snowflake FY2026 Q4 and Full-Year Results
   https://www.snowflake.com/en/news/press-releases/snowflake-reports-financial-results-for-the-fourth-quarter-and-full-year-of-fiscal-2026/

10. Workday FY2026 Q4 and Full-Year Results
    https://investor.workday.com/news-and-events/press-releases/news-details/2026/Workday-Announces-Fiscal-2026-Fourth-Quarter-and-Full-Year-Financial-Results/default.aspx

11. OpenAI API Pricing
    https://openai.com/api/pricing/