从SaaS到AgenticPlatform：AI时代软件公司的价值重估

投资要点

AI对软件行业并非简单“吞噬”，而是推动价值从前端入口向企业AI执行底座迁移：过去市场担忧AI Agent会削弱传统SaaS的前端入口、席位制收费和高利润率假设，这一担忧对功能较轻、数据壁垒较低、流程嵌入较浅的工具型SaaS具有一定合理性。但我们认为，企业级AI真正落地并不只依赖模型能力，更依赖数据治理、权限管理、流程编排、系统集成、安全合规和结果追溯能力。当Agent进入企业真实生产环境后，能否稳定调用数据、理解业务规则、遵循权限边界，执行流程动作并留下可审计记录，将成为决定AI能否规模化落地的关键。因此，AI时代软件公司的价值判断将从“用户是否频繁打开应用”，转向“该系统是否处在企业任务执行链条中的关键位置”。具备核心数据、流程权限、治理审计和系统连接能力的平台型软件，有望从传统应用软件向企业AI基础设施重估。

AI商业化从概念验证走向指标验证：2026年7-9月，头部软件公司陆续披露更可追踪的AI商业化指标，证明AI能够带来新增收入来源、工作负载和客户需求。Salesforce通过Agentforce ARR和Agentic WorkUnits等指标验证Agent收入和任务执行量，多套定价模式并行探索，说明企业客户已经开始为Agent能力付费，且AI任务执行量正在成为新的可量化指标。Snowflake验证AI应用扩张带来的数据工作负载增长，企业AI应用越多、数据迁移、数据治理、数据共享、模型调用和数据处理需求越强。ServiceNow则依托“基础许可+AI用量”的混合定价实现更好的价值传导，验证工作流平台承载Agent执行闭环的能力。我们认为，未来软件公司估值框架不应只看收入增速、净收入留存率和利润率，还应关注AI调用量、任务执行量、自动化流程渗透率、Agent依赖程度、定价架构迁移进度以及AI功能能否形成可计量、可收费、可审计的工作负载。

AI重塑软件行业价值链，MCP协议层+四层纵向结构决定估值分化：我们建议将AI时代软件行业划分为数据控制层、工作流执行层、垂直场景层、云与开发运维层，MCP则作为横向协议贯穿各环节。数据控制层解决“Agent知道什么”，分为全域分析型及操作型两条路径，受益于企业AI落地带来的数据调用和模型工作负载增长；工作流执行层解决“Agent能做什么”，核心在于将AI嵌入CRM等企业流程，使Agent从信息生成走向任务执行；垂直场景层解决“Agent创造多少业务价值”，医疗、法律、金融、工业等高ROI场景更容易量化节省时间、提升效率或降低错误率，短期结果型收费普及受合规约束，但长期有望从订阅制延伸至任务型、用量型或结果型收费；云与开发运维层解决“Agent如何稳定、安全、低成本运行”，随着AI应用数量增加、调用链条变长，企业对可观测性、安全运营、访问控制等的需求将持续提升。

投资建议

我们认为，AI时代软件行业并非整体性重估，而是结构性分化。建议重点关注四类方向：1）掌握企业核心数据、权限体系和工作流入口的平台型软件，包括Salesforce、ServiceNow、Snowflake、MongoDB等；2）ROI更容易量化、AI付费意愿更强的垂直软件场景，包括Veeva、Autodesk、Intuit等；3）受益于AI应用规模化的安全、可观测性和开发治理软件：包括Datadog、Elastic、Cloudflare、Snyk等；4）具备生态入口、云基础设施和AI分发能力的综合型平台：包括Microsoft、Google、Amazon等。

风险提示

AI商业化进展不及预期，企业Agent落地进度不及预期，宏观环境和企业IT支出不及预期。