什么样的软件会被AI淘汰？

2026年迄今软件板块的回调，和过去几轮“需求放缓/利率上行”驱动的修正不太一样：市场更像在讨论终值——这些公司十年后还能不能守住利润池，护城河会不会被“代理式（agentic）”AI重新切开。

据追风交易台消息，高盛全球投资研究部分析师Gabriela Borges在16日的报告里直白地写道：“市场正在质疑软件护城河和商业模式。”她把投资者最常抛出的七个看空论点逐一拆开，按1到5给了风险评分，并区分它们影响的是狭义应用软件，还是会外溢到更广的基础设施/安全栈、乃至与云厂商资本开支相关的ROI。

有意思的是，高盛并不把“系统级软件被AI彻底替换”当作主线风险（评分1）。更尖锐的担忧在两个方向：一是价值从系统记录层（System of Record, SoR）向“代理式操作系统/编排层”迁移（评分4），二是技术迭代速度本身让终局难以定价（评分5）——估值很难找到“地板”。

在这种不确定性里，报告给的抓手也很明确：盯两类信号——其一，软件公司能否证明“行业域经验”真的能带来更高质量的代理式结果；其二，财报层面基本面能否稳定甚至改善。

这轮软件回调，市场盯的是“终值辩论”

高盛的判断是：2026年这波下跌，争论点从“短期增长曲线”转向“护城河会不会被AI削薄”。讨论的中心主要在应用软件，但也开始波及基础设施/安全栈，以及与云厂商资本开支相关的投入产出。

因此报告的写法更像“拆辩题”：把七个熊市论点从“稻草人”到“钢人论证”排队，给出风险分数，试图回答同一个问题——什么东西还能支撑终值。

SoR不太会被掀桌子，但“价值外移”更危险

• A：SoR“被替换”风险很低（评分1）

第一个熊市论点是“rip and replace”：新玩家用AI重做系统记录层，让ERP/CRM/HR这类基础系统过时。高盛把它定为低风险，理由很直接：生成式AI更像分析与生成引擎，而不是交易引擎；企业级AI需要大量高质量、结构化、可追溯的数据，而SoR正是这些数据的容器与治理体系。

报告也承认真正的替换风险并非不存在：如果有人在SoR层重做一套更现代、可扩展、总拥有成本更低的架构，就可能撬动迁移。文中用SAP S/4HANA云升级举例：大型企业迁移常见是18–36个月的多阶段工程，成本高、周期长，本身就给“更便宜更快的替代品”留下想象空间。

高盛给的“防守动作”也落到架构上：SoR要从被动账本走向“系统推理（system of reason）”，从“AI powered（加外挂）”走向“AI native（架构内生）”。文中提到的一些信号包括Salesforce在2024年的replatforming、Workday从封闭转向开放的路线调整。

另一个关键变量是企业数据边界。如果企业继续把数据优势“圈”在现有应用里（报告提到Salesforce在2025年5月调整Slack API条款、限制LLM训练和批量导出），那么SoR作为底层会更稳，但其上的利润池可能被新层抽走。

• B：价值从SoR转向“代理式操作系统/编排层”（评分4）

高盛认为更现实的风险不是SoR消失，而是SoR变成“合规数据底座”，价值集中到能跨系统推理、调用API、自动执行工作流的编排层。代理可以在多个SoR之间读写、对账，用户不再需要直接进入原来的系统界面，SoR过去依赖UI、流程占有、用户习惯形成的护城河会被削弱。

报告用“谁坐在谁上面”来描绘这个世界：Sierra叠在Salesforce之上，Anthropic Cowork叠在Microsoft之上，增量预算更可能被上层拿走。高盛也提醒，市场之所以对这条线特别敏感，部分原因是2020/2021低利率周期里融资/扩张起来的一批应用公司护城河较弱，更容易被“去中介化”叙事带崩。

给传统厂商留下的机会，核心是“域经验+上下文”。报告引用了几家公司的表述来说明“上下文为什么值钱”：

• Microsoft强调留在同一生态能降低延迟、保证数据更新并给LLM更多上下文，且大规模数据迁移的摩擦、成本和“断裂”常被低估；
• HubSpot把企业AI的关键短板归结为“缺上下文”，而系统记录层能聚合客户历史与协作信息，减少重复“教AI”；
• Datadog在2/12分析师日展示：用内部数据训练的SLM在成本更低的情况下给出更高准确率，强调“域经验”可转化为模型与结果层面的差异化。

第三个熊市论点是“横向吃掉纵向”：横向平台用AI工具让客户自己搭出行业工作流，从而侵蚀垂直软件的定价权。高盛把风险评为2，认为垂直软件的几道门槛还在：行业专有数据、深度嵌入工作流形成的SoR属性、长期口碑带来的参考性、以及强监管行业的合规壁垒。

报告用Guidewire举了一个数据规模的例子：其客户群中，全球约7750亿美元的财产与意外险保费（P&C Insurance DWP）在至少一个Guidewire产品下被管理，历史数据积累本身就是外来者难以复制的壁垒。高盛还强调“客户给时间”这件事：深度嵌入的垂直软件，客户从容忍到切换往往以“年”计，而不是按月。

但高盛没有把风险一笔带过。报告同样列出横向/AI化带来的新冲击：Palantir与AIG、Anthropic在保险用例上的合作；Intuit推出GenOS，让用户在Quickbooks这类横向会计软件里更容易编码垂直工作流。关键问题被写成一句话：当横向平台的AI功能只是“够用”，而不是“明显更好”，会不会仍然因为集成更简单、碎片更少而吸走客户——这直接指向垂直软件的长期定价权。

代码更便宜会带来更多竞争，但写出产品≠做成公司（评分2）

第四个熊市论点是“代码成本下降”。高盛承认AI编码工具会降低开发门槛、带来更多新入场者，但风险评为2，理由是：软件工程不只是写代码，工程师大量时间花在设计、排错、风险识别、review上；工具提升效率不等于开发岗位消失。

报告还给了一个“人仍在回路里”的数据：Faros对1万名开发者的研究显示，高AI采用团队完成任务多21%、合并pull request多98%，但pull request review时间增加了91%。效率提升会把瓶颈挤到新的环节，尤其在企业级交付里，安全、维护、集成、流程编排、生态建设和GTM仍然是硬活。

“未来是定制化”会抢走部分预算，Palantir把定制做成平台（评分3）

第五个熊市论点是“企业更愿意自建”。高盛的结论更像折中但不含糊：代码成本下降不会普遍改变build vs buy，但企业确实会在一些场景把预算转向内部自建，风险评为3。关键原因是维护成本与责任会长期复利式累积——就算代理式效率能降低维护成本，专业厂商的维护成本也会同步下降，“性能/成本前沿”往往仍在厂商这边。

报告认为更可能被自建抢走的，是介于传统SoR之间、需要跨多个部门协调、过去打包软件连接不好的那段“中间地带”。

Palantir在报告里被当作定制化范式：通过AIP与客户共建生产级AI用例、强调可量化ROI。报告给出其增长数据：Palantir美国商业业务2025年增长109%，公司预计2026E将加速到超过115%。同时，Palantir依靠前线部署工程师（FDE）把客户意图翻译成可运行系统，再把客户特定解法沉淀为可复用能力；在“软件还是服务”的质疑之下，公司混合模式仍做到约85%的毛利率。

高盛也提醒，企业自建热潮可能接近一个“局部高点”：SaaS厂商正补齐AI能力，数据治理与安全协议（文中提到A2A、MCP等）在演进，IT团队也在爬坡。ServiceNow已公开谈到，正在赢回原本流向“自建”的预算。

“LLM税”会压毛利：短期12–24个月更现实，长期还是定价权（评分3）

第六个熊市论点是毛利结构被改写。高盛预计行业整体会经历12–24个月的温和毛利压力：厂商为了抢采用率，可能先吸收GPU推理成本和第三方模型API费用。因为AI把“使用强度”直接变成成本（token消耗、模型复杂度、查询频率都对应费用），SaaS从固定成本杠杆转向更接近“按消费计价”的经济学。

报告引用Bessemer的观察：一些最快从0冲到1亿美元ARR的AI原生公司毛利率大约25%，不少甚至为负；更成熟的AI原生公司毛利率也多在约60%，仍低于传统SaaS。

但高盛并不把它视为永久性塌陷：报告援引Epoch AI的数据，LLM推理成本每年下降幅度在9倍到900倍之间；实现与GPT-4相近MMLU表现的价格按年下降约40倍。长期毛利能否回升，仍回到“定价权=差异化”。报告还点出微软的结构性优势：垂直整合叠加与OpenAI的关系，使其能在价值链多层捕获利润、减少第三方“LLM税”外流。

最难定价的是技术速度：不确定性本身就压估值（评分5）

第七个熊市论点被高盛评为最高风险：技术演进太快，终局难以预测。报告罗列了年初以来的更新——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月的白皮书观点：预训练扩展规律仍在起作用；并列举了近期模型更新与基准分数（如GPQA Diamond上多模型>90%）。

报告用两个“包装带来的拐点”说明不可预测性：ChatGPT把能力装进易用入口带来大众化扩散；Cowork把能力推到桌面端GUI，让非技术用户开始实验。再往前推，OpenClaw这类可自托管代理的扩散路径，在报告与Cloudflare CEO Matthew Prince的对话里被描述为：未来三年可能复制过去三年ChatGPT的传播速度，企业端短期的主要约束仍是安全。

不确定性也可能带来新TAM。报告引用微软MAI Superintelligence Team的案例：MAI-DxO在《新英格兰医学杂志》病例挑战中的通过率达到85%，并提到把微软博客与初始指标输入ChatGPT后得到的TAM测算为每年500亿到1000亿美元（上行情景1500亿到2000亿美元）。但高盛的落点不是“押注哪个终局”，而是承认：未知本身会让终值更难锚定，而高不确定性往往对应低估值倍数。

报告要看的“稳住”信号：域经验兑现、基本面别掉链子

高盛把可观察的稳定信号压缩成两条：一是企业软件公司能否用产品与案例证明，域经验确实带来更高质量的代理式结果；二是财报里基本面能否稳定到改善（尤其通过业绩季去验证）。在此之前，它更倾向于“架构型护城河”——护城河不只在应用层界面和工作流，而能延展到更底层的技术与平台结构。