📚 我的书签
还没有书签
使用章节导航快速跳转报告内容。
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
AI Agent 时代最看好哪家公司？
投出你认为最可能穿越 agent 重估的 SaaS 公司，投票后显示实时结果。
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
| 问题 | 当前结论 | 对投资研究的含义 |
|---|---|---|
| AI agent 是否摧毁 SaaS | 不会平均摧毁，也不会平均增强，而是分层重估 | 低责任工具层被压价，高责任运行层更强 |
| 价值迁移方向 | 从 UI、功能和记录系统，迁移到状态变化、写入权、责任治理和结果归因 | 研究重点从“有没有 AI 功能”转向“有没有动作权和责任边界” |
| 最值得深入研究 | ServiceNow、Intuit、Veeva | 分别代表横向工作流运行层、垂直责任操作系统、高责任行业云 |
| 需要继续验证 | Salesforce、Adobe、Workday、Snowflake | 它们有重要资产，但仍需证明能否上移到执行、治理、责任或结果层 |
| 最大投资误判 | 把 demo、token、AI actions、功能发布当成投资级证据 | 真正证据要进入 production、paid SKU、ARR / RPO、毛利率和 FCF/share |
| 最大反证 | 使用量增长但收入和现金流不增长；运行层被 Microsoft / 云厂商 / 模型商 / 客户自建抽象；AI 成本长期压毛利 | 一旦出现，需要下调 AI 受益叙事 |
| 本文定位 | 趋势型深度研报和研究框架，不是买入评级 | 先建立筛选语言，再进入个股深度研究 |
1.1.3｜当前公司排序
| 分组 | 公司 | 当前判断 | 研究动作 |
|---|---|---|---|
| 最值得深入研究 | ServiceNow | 最接近横向工作流与 agent 治理运行层 | 重点跟踪 AI 控制塔、Now Assist 大额 ACV、RPO / cRPO 与毛利率 |
| 最值得深入研究 | Intuit | 最接近垂直责任操作系统与结果交付 | 重点跟踪 AI + expert 成本结构、QBO 附加购买、IES 独立披露 |
| 最值得深入研究 | Veeva | 高责任行业云，慢但深 | 重点跟踪 Vault CRM 迁移、top biopharma live / committed、AI 是否进入核心流程 |
| 待验证 | Salesforce | 强分发与强记录层，执行运行层待证 | 重点跟踪 Agentforce ARR、生产账户、Data 360 attach、核心云再加速 |
| 待验证 | Adobe | 工具层承压，企业内容供应链有期权 | 重点跟踪 AI-first ARR 增量性、GenStudio 企业预算、Creative 席位压力 |
| 待验证 | Workday | 成熟 SoR + agent workforce 治理期权 | 重点跟踪 agent actions 是否转成付费预算与客户采用 |
| 待验证 | Snowflake | 数据上下文强，但执行权不足 | 重点跟踪 Cortex / Intelligence 付费工作负载、AI 是否增加 consumption |
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
| 反证 | 为什么重要 | 如果发生，如何处理 |
|---|---|---|
| agent 使用量增长，但收入、ARR、RPO、NRR 或 FCF/share 不增长 | 使用量可以是真实需求，也可以只是未收费成本 | 不把 AI 使用量资本化，重新审计商业化证据 |
| 客户把 agent 运行层放到 Microsoft、OpenAI、Anthropic、AWS、Google 或自建平台 | 现有 SaaS 可能变成被调用的后端记录系统 | 下调写入权、责任层和长期价格权判断 |
| AI 功能商品化，客户不愿额外付费，同时推理、实施、客户成功和治理成本上升 | AI 从增长杠杆变成毛利率压力 | 重新审计单位经济和 FCF/share 路径 |
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
| 跟踪维度 | 最值得看的指标 | 解释 |
|---|---|---|
| AI 商业化 | AI ARR、AI attach、production customers、AI 大额 ACV | 区分 demo、试点和真实预算 |
| 订单可见性 | RPO、cRPO、NRR、subscription / product revenue growth | AI 是否进入合同和扩张 |
| 写入权 | agent 是否获得动作权限、跨系统写回、审计和回滚 | 区分 assistant 与运行层 |
| 毛利率 | gross margin、AI 成本披露、services mix | 判断 AI 是杠杆还是成本 |
| 每股价值 | FCF/share、SBC、稀释、回购效率 | 趋势能否变成股东价值 |
| 被抽象风险 | Microsoft / 云厂商 / 模型商 / 客户自建进展 | 判断控制点是否被迁移 |
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
| 术语 | 中文解释 | 本文为什么重要 |
|---|---|---|
| ARR | 年度经常性收入 | 判断 AI 是否转成可续费、可扩张的商业化证据 |
| ACV | 年合同价值 | 判断 AI 是否进入大客户合同和企业预算 |
| RPO | 剩余履约义务 | 判断未来收入可见性和订单强度 |
| cRPO | 短期剩余履约义务 | 判断未来 12 个月收入可见性 |
| NRR | 净收入留存率 | 判断现有客户是否扩张购买 |
| gross margin | 毛利率 | 判断 AI 推理、实施和服务成本是否被收入吸收 |
| FCF | 自由现金流 | 判断利润是否转成现金 |
| FCF/share | 每股自由现金流 | 判断趋势是否真正沉淀为股东每股价值 |
| SBC | 股权激励费用 | 判断自由现金流是否被股权成本稀释 |
| dilution | 稀释 | 判断股东是否真实分享到现金流增长 |
| buyback | 回购 | 判断公司是否用资本配置抵消稀释并增厚每股价值 |
| SKU | 可销售产品单元 | 判断 AI 是否从功能变成可收费产品 |
| attach | 附加购买 / 绑定购买 | 判断 AI 或新模块是否随核心产品被客户加购 |
| production customer | 生产客户 | 区分真实部署和 demo / 试点 |
1.2.2｜软件与 AI agent 口径
| 术语 | 中文解释 | 本文为什么重要 |
|---|---|---|
| SaaS | 软件即服务 | 传统订阅软件商业模式，本文讨论其在 agent 时代的分层重估 |
| UI | 用户界面 | 过去软件的重要入口，但 agent 时代界面价值可能下降 |
| SoR | System of Record，系统记录层 | 保存客户、员工、财务、业务事实，是 agent 调用的事实来源 |
| agent | 代理 / 智能执行体 | 不只是回答问题，而是能理解上下文、调用工具、执行任务的软件能力 |
| copilot | 副驾驶式助手 | 通常辅助人完成任务，未必拥有写入权或责任边界 |
| write-back | 写回 | agent 把动作结果写回 CRM、HCM、ERP、ITSM 等系统，是运行层的重要标志 |
| workflow | 工作流 | 任务、审批、工单、状态流转的组织方式，是 agent 执行的核心对象 |
| governance | 治理 | 权限、审计、回滚、合规和责任边界，是高责任 agent 的基础 |
| context | 上下文 | agent 做判断所需的数据、对象、历史记录和业务语义 |
| semantic layer | 语义层 | 把企业数据翻译成业务可理解对象，是数据公司上移动作层的关键 |
| token | 模型输入或输出的计量单位 | 影响 AI 推理成本，但 token 降价不自动等于软件公司毛利改善 |
| consumption | 消耗 / 使用量 | Snowflake 等按用量计费公司的核心收入驱动之一 |
| AI actions | AI 动作次数 | 有用的使用量信号，但不等于收入质量 |
1.2.3｜本文自定义框架
| 框架 | 含义 | 如何使用 |
|---|---|---|
| L0-L6 | 软件价值层级，从单点工具到结果交付 | 判断公司处在工具层、记录层、工作流层、责任层还是结果层 |
| E0-E5 | 证据等级，从发布会 demo 到 FCF/share 改善 | 防止把产品发布、使用量和投资级商业化证据混在一起 |
| D0-D5 | 写入深度，从只展示到跨系统闭环执行 | 判断 agent 是否真正获得动作权和责任边界 |
| 毛利率 J 曲线 | AI 早期压毛利、中期产品化降本、后期责任定价释放利润 | 判断 AI 成本压力是暂时投入还是长期结构性问题 |
| 被抽象风险 | 运行层、入口或编排权被 Microsoft、云厂商、模型商或客户自建平台拿走 | 判断 SaaS 公司是否从控制点变成后端接口 |
| 预算迁移 | 从席位预算迁移到工作量、人工、服务、风险或结果预算 | 判断 AI 是否真正扩大软件公司的可捕获市场 |
1.2.4｜公司和产品缩写
| 缩写 / 名称 | 指代 | 本文关注点 |
|---|---|---|
| NOW | ServiceNow | 横向工作流运行层和 agent 治理控制塔 |
| INTU | Intuit | 垂直责任操作系统和 AI + expert 结果交付 |
| VEEV | Veeva | 生命科学高责任行业云与 Vault CRM 迁移 |
| ADBE | Adobe | 创意工具层压力与企业内容供应链期权 |
| CRM | Salesforce | 强记录层和 Agentforce 执行层待验证 |
| SNOW | Snowflake | 数据上下文强，但执行权和动作层待验证 |
| WDAY | Workday | HR / Finance SoR 与 agent workforce 治理期权 |
| QBO | QuickBooks Online | Intuit 小企业财务系统核心资产 |
| IES | Intuit Enterprise Suite | Intuit 面向中型企业的 AI 原生 ERP / 运营系统方向 |
| Vault CRM | Veeva 面向生命科学行业的 CRM | Veeva 从 Salesforce 迁移出的关键第二控制点 |
| Agentforce | Salesforce 的 agent 产品体系 | 关键问题是使用量能否转 ARR、生产客户和核心再加速 |
| Data 360 | Salesforce 数据平台 | 判断 Agentforce 是否拥有足够上下文 |
| Cortex / Intelligence | Snowflake 的 AI / 智能应用方向 | 判断 Snowflake 是否从数据层上移动作层 |
| AI-first ARR | Adobe 披露的 AI 相关年度经常性收入口径 | 需要判断增量性，而不是只看增长倍数 |
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
| 层级 | 名称 | 典型旧形态 | AI agent 时代形态 | 价值方向 |
|---|---|---|---|---|
| L0 | 单点工具层 | 生成、编辑、总结、查询 | 单点 copilot / assistant | 最容易被模型和平台压价 |
| L1 | 协作界面层 | 用户登录、多人协作、评论审批 | 对话入口、多模态入口、协作前端 | UI 价值下降，仍有组织嵌入 |
| L2 | 记录系统层 | CRM、HCM、ERP、行业记录系统 | agent 调用的事实来源 | 仍重要，但动作可能外流 |
| L3 | 数据上下文层 | 数据仓库、数据云、语义层 | governed context、retrieval、semantic layer | 价值取决于能否进入动作 |
| L4 | 工作流执行层 | 工单、审批、任务、状态流转 | agent 编排、跨系统执行、写回 | 护城河上升 |
| L5 | 责任治理层 | 合规、审计、权限、风险、回滚 | 可授权、可审计、可回滚的 agent 控制塔 | 高责任护城河 |
| L6 | 结果交付层 | 软件辅助人交付结果 | 软件直接完成业务结果或替代人工服务 | 最大预算迁移空间 |
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
| 公司 | 当前主层级 | AI 时代目标层级 | 关键问题 |
|---|---|---|---|
| ServiceNow | L4 / L5 | L5 / L6 企业运行层 | 能否成为企业 agent 控制塔，而不是被调用的流程后端 |
| Intuit | L2 / L4 / L6 | L6 垂直结果交付 | AI + expert 能否规模化交付财税和 SMB 运营结果 |
| Veeva | L2 / L5 | L5 / L6 行业责任云 | Vault CRM 迁移与行业 AI 是否进入核心合规流程 |
| Adobe | L0 / L1 / L3 | L4 / L5 内容供应链 | 能否从创意工具上移到企业内容生产、审批、发布和归因 |
| Salesforce | L2 / L4 | L4 / L5 agent 执行层 | Agentforce 是否从 CRM 增值模块变成跨系统执行层 |
| Snowflake | L3 | L3 / L4 governed context | 能否从数据上下文进入动作、语义和 agent 工作负载 |
| Workday | L2 / L5 | L5 agent workforce 治理层 | Agent System of Record 是否成为真实预算池 |
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。
| 命运 | 特征 | 投资含义 | 代表性判断 |
|---|---|---|---|
| 被模型商品化 | 单点生成、编辑、总结、查询，弱上下文、弱责任 | 价格权下降 | 最危险 |
| 成为平台功能层 | 功能被 Microsoft、Google、Adobe、Salesforce、ServiceNow 等平台内置 | 可能有分发，但独立价值下降 | 中性偏弱 |
| 上移到结果运行层 | 进入品牌、合规、审批、发布、归因、代码部署、财务执行或法律流程 | 价格权可能重建 | 最值得研究 |
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
| 等级 | 含义 | 投资解释 |
|---|---|---|
| E0 | 发布会、demo、产品概念 | 只能记录，不能上调 |
| E1 | 功能可用、客户试点、早期使用 | 弱信号，仍需生产化 |
| E2 | 进入客户生产环境 | 中等信号，说明不是纯演示 |
| E3 | 付费 SKU、attach、usage-based revenue | 强信号，开始进入预算 |
| E4 | ARR、RPO、cRPO、NRR、大客户扩张可见 | 非常强，进入合同和增长指标 |
| E5 | 毛利率、FCF/share 或每股价值改善 | 投资级证据，说明趋势进入股东价值 |
3.1.2｜写入深度定义
| 等级 | 含义 | 投资解释 |
|---|---|---|
| D0 | 只展示或读取 | 弱控制点 |
| D1 | 生成 / 编辑 / 总结 | 工具层，易被替代 |
| D2 | 建议下一步 | 有价值但不控制结果 |
| D3 | 生成草稿并写入工作流，等待批准 | 开始形成流程嵌入 |
| D4 | 在权限范围内执行动作并写回系统 | 接近运行层 |
| D5 | 跨系统闭环执行，并承担审计、回滚、合规和责任 | 高责任护城河 |