79家SaaS公司财报拆解：AI赚钱这事，微软们集体栽了跟头

79份财报电话会议记录，一个反直觉的结论：企业软件才是AI最大赢家，但赚钱这事，没人说得清。

我们翻完了Snowflake、Salesforce、MongoDB、ServiceNow、Microsoft、Palantir、Atlassian、Datadog、Shopify、HubSpot、Workday、CrowdStrike、Okta、Zscaler等79家上市公司的管理层发言。不是看新闻稿，是听他们怎么跟投资人交底。结果挺有意思——所有人都说AI重要，但几乎没人敢把AI收入写进预测。

AI收入：存在，但别问具体数字

Datadog、Salesforce、Monday.com这些公司的企业客户确实在用新AI功能。Braze的AI Operator上线几周，三分之二客户在活跃使用。Figma选择先堆用户量，暂不收费。

但直接来自AI产品的收入，对大多数公司来说还处于" nascent（萌芽期）"。

Doximity干脆没有。Freshworks有，但占比极小，增速倒是快。没有一家把AI产品收入做成预测模型的核心变量。销售周期变了，定价模型在实验，单子变大，实施周期未知——厂商和客户都在摸着石头过河。

Appian的服务收入突然跳涨，因为企业级AI部署需要深度集成、数据治理、流程设计。AI workloads（AI工作负载）眼下又贵又复杂，这是共识。Microsoft、Salesforce、ServiceNow几乎每家都提到了AI产品对利润的挤压。

现阶段目标不是AI赚钱，是"margin neutral revenue（不侵蚀利润的收入）"。换句话说，先别亏太狠。

老牌SaaS的AI收入，被主业"淹没"了

一个容易误读的陷阱：有些公司的AI收入看起来很小，只是因为它们的传统SaaS业务太大。

ServiceNow的AI产品渗透率、客户采用速度，放在创业公司身上能吹成里程碑。但放在ServiceNow的整体收入盘子里，数字被稀释了。这不是AI不行，是基数问题。

管理层描述AI影响时，用词很克制。"积极影响"出现频率高，但具体到财报预测，集体沉默。这种保守不是谦虚，是确实算不准。

Cloudflare、CrowdStrike、Zscaler这些安全公司，AI功能被包装进现有套餐，很难拆出独立收入线。Palantir的AIP（人工智能平台）倒是单独拎出来讲，但客户转化路径、续约率、扩展率的数据，电话会上点到为止。

Agentic AI的受益者，为什么是软件公司？

我们的判断和主流叙事相反：不是芯片商，不是云厂商，是企业软件吃掉了AI红利的大部分。

逻辑很简单。企业客户不会为"AI"买单，会为"解决问题"买单。而问题已经被SaaS公司定义好了——CRM里的销售流程、HR系统里的排班、财务软件里的对账。AI嵌入这些场景，客户迁移成本最低，信任基础现成。

Shopify的商家用AI写产品描述，HubSpot的营销人员用AI生成邮件序列，Workday的HR用AI筛简历。这些不是新需求，是老需求的自动化升级。客户不需要重新学习，厂商不需要重新获客。

Twilio、SendGrid的通信层、Procore的建筑项目管理、Veeva的医药合规——垂直SaaS的AI化路径更清晰，因为数据封闭、场景具体、决策链条短。

AI workloads贵，但SaaS公司能把成本转嫁给云厂商的议价里，或者通过提价慢慢消化。

Digital Ocean、Linode这种二线云厂商的压力，比Salesforce大得多。前者卖算力，后者卖结果。企业愿意为结果付溢价，对算力成本敏感。

谁在赌未来，谁在收现在？

两类策略分化明显。

Figma、Notion（未上市但模式类似）、Amplitude选择"先用起来"——AI功能免费或低价，抢占用户心智和工作流嵌入深度。赌的是未来定价权。风险是习惯养成后，收费转化率不确定。

Salesforce的Einstein、ServiceNow的Now Assist、Microsoft的Copilot走另一条路：现收现付或按席位数加价。客户抱怨贵，但续约数据没崩。说明企业客户的预算弹性，比消费者市场好很多。

GitLab、JFrog、Snyk这些DevOps工具商，AI功能集中在代码辅助、安全扫描， monetization（变现）路径最清晰——按使用量或按开发者席位数。开发者群体的付费意愿和决策速度，比企业职能部门快一个数量级。

Asana、Monday.com、Smartsheet的项目管理赛道，AI功能同质化严重，差异化在集成深度和垂直模板。这个领域的赢家还没决出，但输家的特征很明显：只做聊天机器人 wrapper（包装层），没有工作流数据沉淀。

一个被忽略的信号：服务收入反弹

Appian的服务收入跳涨不是孤例。ServiceTitan、Procore、Veeva都在电话会上提到，企业客户买AI产品后，需要更多实施支持。

这打破了SaaS行业多年的趋势。过去十年，软件公司拼命降低服务收入占比，追求高毛利订阅模式。AI部署的复杂性，把服务业务拽回来了。

数据治理、流程重设计、变更管理——这些脏活累活，软件公司要么自己做（稀释毛利），要么推给生态伙伴（控制体验风险）。没有完美解法。

Snowflake的数据云、Databricks（未上市但模式参考）的湖仓一体，因为卡位在数据层，成为AI实施的必经之地。它们的AI收入可能不如应用层SaaS直观，但议价能力和客户粘性更强。

数据位置决定AI价值链的分配，这个逻辑在79份财报里反复出现。

MongoDB的Atlas、Elastic的搜索平台、Confluent（未上市）的流处理，都在讲同一个故事：AI需要数据，数据需要治理，治理需要工具。工具层的机会，可能比应用层更持久。

保守预测的集体心理

为什么没人敢把AI写进 guidance（业绩指引）？

我们梳理管理层原话，几个关键词高频出现："early stage（早期阶段）"、"learning together（共同学习）"、"pricing evolution（定价演进）"、"implementation variability（实施差异）"。

翻译成人话：我们知道这东西有用，但不知道客户愿意付多少、付多久、会不会续。

Zoom Video的经历是前车之鉴。疫情期间的爆发式增长，让预测模型彻底失效，股价坐过山车。现在的SaaS管理层，对AI收入的态度是：先做出来，再算清楚，最后才敢说。

这种保守本身是个信号。如果AI真的像某些叙事说的那样"颠覆一切"，你不会看到79家公司齐刷刷地压低预期。共识是：AI重要，但节奏比想象中慢，商业化比想象中难。

慢，不等于没价值。对投资者而言，这种"预期差"可能是机会。

市场给纯AI概念股（如某些大模型创业公司）的估值，隐含了快速变现的假设。而老牌SaaS的AI收入被主业掩盖，估值里没充分体现。当AI收入占比突破某个阈值——可能是5%，可能是10%——重估空间会打开。

问题是，没人知道阈值在哪，也没人知道时间表。

79份财报读下来，最诚实的总结来自某家不愿具名的CFO：「我们每周都在和客户讨论AI，每周都在调整产品路线图，但季度指引里，AI还是零。」

这种分裂——口头上的兴奋，数字上的谨慎——会持续多久？你的公司，AI收入算得清吗？