AI时代的软件投资：颠覆风险审计框架

近期，软件行业正面临前所未有的挑战！

这种下跌并非局限于特定标的，也非简单的战术性调整，而是近乎无差别的打击。

观察行业现状，与其说是板块轮动，不如说是一场大清算，甚至到了彻底投降的地步。无论是增长领头羊、赛道赢家，还是SaaS公司，全都在同步下跌。

这不是板块轮动，这是在投降。

看来在投资领域，“硬件”已经成了新的“软件”。

推文中提到，眼下的波动已经超出了普通回撤的范畴，投资者开始对整套商业模式丧失信心。随着不确定性增加，细节上的差异被忽略，大家开始精简持仓，抛弃复杂的投资逻辑。

与此同时，软件行业的竞争边界正在发生明显变化。

以往定位为券商平台的Robinhood，现在正尝试将全方位的报税服务、遗产规划以及专门的理财顾问功能集成到一个应用中。

这不仅仅是产品线的扩张，也预示着软件类别、金融服务和专业服务之间的传统界限正在瓦解。随着软件开发成本降低、分发变得更容易，相邻行业开始产生碰撞。投资者不再纠结颠覆是否会发生，转而关注它将从哪里率先突破，以及会对现有的利润池造成多深的打击。

在最新一期《Invest Like the Best》播客节目中，Gokul Rajaram分享了关于软件业务在AI智能体时代的见解。他提出了一套思维模型，旨在区分哪些软件业务在结构上极易受到冲击，而哪些又具有出人意料的韧性。

问对了问题

大多数关于AI和软件的讨论往往集中在一个非黑即白的问题上：

AI到底会不会颠覆软件公司？

这种视角虽然简单，但带有很强的误导性。颠覆发生的位置、演进的速度以及软件栈的哪些层级在结构上暴露在风险中或拥有天然的屏障才是关键。

1.记录系统与其它一切软件

Rajaram在这方面做了一个区分，他认为市场目前很少能对此准确定价。他指出，传统软件公司可以归为两类本质不同的范畴：记录系统，以及按效用或结果定价的软件。

“当下最该感到忧虑的，是那些将产品定价与效用挂钩的软件公司”。

以Salesforce为例，你不能只凭一句“我的产品更优秀”就想取而代之。除非你能提供一套简单且无缝的方案把数据完整搬迁过来，否则客户绝不会轻易搬家。

2.定价模式：是隐形的护城河，还是潜在的“负债”？

投资者在谈论软件公司的护城河时，焦点往往集中在产品功能、品牌实力、客户黏性或网络效应上。定价模式很少被列入其中。然而，在AI驱动的时代，软件公司向客户收费的方式或许是预判其会被颠覆还是能成功自保的核心指标。

3.数据半衰期

如果说定价模式揭示了软件业务的脆弱程度，那么数据则指出了背后的深层原因。各种数据的价值并不等同，它们“老化”的速度也大相径庭。在AI智能体时代，一家软件公司能否长久生存正日益取决于它所掌控的信息是否具有持久的价值。

4.工作流深度测试

每家软件公司都同时运作在两个截然不同的现实层级上。一个层级关乎数据，另一个层级则关乎行动。工作流深度则属于第二个层级。它体现了一款产品在多大程度上介入了基于这些数据的决策过程与执行环节。

5.其他结构性优势？

到目前为止，该分析框架的重点一直落在软件本身。但如果AI降低了软件的开发门槛并让功能的复制变得易如反掌那么生命力最强的公司将日益趋向于那些护城河延伸至软件之外的企业。

总结：软件公司颠覆风险审计框架

我们可以通过以下五组核心矛盾来审视一家软件公司的根基：

• 记录系统(Systems of record) vs.表层工具(Surface tools)
• 按席位定价(Seat-based pricing) vs.基于数据的经济模式(Data-based economics)
• 长效数据(Timeless data) vs.瞬时信息(Ephemeral information)
• 深层工作流(Deep workflows) vs.浅层自动化(Shallow automation)
• 持久结构优势(Durable structural advantages) vs.浅层优势(Shallow ones)

结论

当前软件行业的抛售潮看起来惊心动魄但背后其实有着理性的支撑。AI智能体确实正在从根本上改变许多软件股的尾部风险概况（即极端崩盘的可能性）。

“这类分析（如现金流折现模型DCF）包含两个核心假设。”——Jamin Ball