AI不会终结软件世界，但会重塑云与SaaS的价值分布

概览

本报告讨论生成式AI和后续AI技术浪潮对全球软件与云计算行业的5年以上影响，核心时间锚定在2030年前后。报告按软件栈分层分析IaaS/PaaS、数据库、开发工具和SaaS，重点判断AI是否会削弱超大规模云厂商和企业应用软件的长期价值。结论是：软件世界不会按当前形态静止不变，但也不会被AI整体终结；价值将从不创新、低复杂度、纯工具型软件转向拥有数据、平台、流程和深度领域知识的厂商。

核心观点

报告认为IaaS/PaaS仍处在云迁移相对早期阶段，AI会推动更多关键工作负载迁移至云端，并扩大云厂商TAM。GPU、ASIC和专用推理芯片会增加基础设施使用量，Agentic AI普及后CPU、数据库、存储和网络需求也会提升。SaaS方面，AI会带来更多个性化、自动化和流程重构，企业应用将成为复杂AI代理和业务流程的管理层。空头担心的开发自动化和模型公司价值转移确实会冲击部分子市场，但报告认为广泛替代企业软件的观点过度悲观。

分析框架

报告采用技术周期和软件栈分层框架，先用过去70多年技术颠覆周期说明重大技术扩散通常需要10至20年，再以2023年ChatGPT爆发作为AI商业影响起点，判断到2030年多数主要影响会更清晰。随后逐层分析IaaS、PaaS、SaaS和开发工具，比较AI对TAM、利润率、客户粘性、数据位置、基础设施复杂度和 incumbent 护城河的影响。

方法论与常识提炼

• 技术周期分析10至20年重大技术颠覆周期

  用云计算、SaaS和AWS商业化节奏对比AI扩散速度

  报告认为即便生成式AI采用速度很快，企业软件和云基础设施的深层改造仍需要多年；2030年是评估主要影响的合理中期节点，完全影响可能延续到2035年前后。

• 产业链分层IaaS/PaaS/SaaS软件栈框架

  按基础设施、平台和应用层拆解AI影响

  IaaS/PaaS更可能受益于算力、数据库、存储和平台软件需求扩张；SaaS则取决于应用复杂度、确定性流程、领域知识和厂商创新速度。

• 竞争护城河分析数据位置与流程复杂度护城河

  AI最好在应用和企业数据所在地运行

  报告认为AI并非独立技术栈，而是与传统数据库、应用、治理、安全和平台软件紧密结合；因此拥有企业数据、客户关系和复杂业务流程的云与应用厂商具备结构优势。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Oracle / ORCL

  报告多次将Oracle列为云、数据库和SaaS相关受益者之一

  优势

  Oracle数据库向云迁移、OCI、Oracle Alloy、主权云和PaaS能力被认为有利于其在AI和去全球化环境下获取需求。

  劣势

  云竞争仍面对AWS、Azure、GCP等大规模对手，且AI基础设施经济性和客户迁移节奏仍存在不确定性。

  对比

  相较多数区域或小型IaaS供应商，Oracle被报告认为在白标OCI、Alloy和完整PaaS能力上更有优势；在SaaS层面，报告也将Oracle与SAP列为相对更好定位的厂商。

  风险

  AI基础设施利润率下降、客户粘性降低、模型或开发工具层价值迁移、主权云合作落地不及预期。

• Microsoft / Azure

  报告将Microsoft列为主要超大规模云厂商和AI基础设施受益者之一

  优势

  大规模云基础设施、企业客户基础、数据和应用生态有助于承接AI工作负载。

  劣势

  去全球化和主权云需求可能要求更复杂的本地合作模式和架构适配。

  对比

  与AWS、GCP同属全球前三云厂商，报告称前三家合计约占IaaS市场三分之二。

  风险

  AI容量供需正常化后定价压力、区域主权云竞争、基础设施商品化叙事。

• SaaS龙头厂商

  AI将重塑企业应用软件而非整体替代

  优势

  复杂确定性流程、领域知识、语义数据关系、客户关系和持续维护能力构成护城河。

  劣势

  创新慢、未能把AI深度嵌入应用或以低复杂度功能为主的厂商更易被替代。

  对比

  ERP最受保护，其次是HCM和全套CRM；纯本地部署和低差异化软件更脆弱。

  风险

  AI原生应用、自动化开发工具和新技术浪潮压缩传统SaaS功能价值。

关键数据

• 重点时间维度2030年前后报告将其作为距离ChatGPT爆发约7年的观察点，用来评估AI对软件栈的主要影响。
• 长期技术周期10-20年报告称重大技术颠覆周期通常跨越10至20年。
• 云渗透率参考部分软件子市场已达到70%+云渗透率报告用这一点解释部分SaaS和云软件增速放缓可能来自云迁移成熟。
• 受益方向IaaS/PaaS、数据库、CPU/GPU/ASIC使用量、存储和Agentic AI相关平台AI工作负载与企业数据结合会带来更多基础设施和平台需求。
• 相对受保护SaaS领域ERP、HCM、全套CRM报告认为这些领域具有复杂流程和领域知识护城河，但前提是厂商持续创新和执行。

影响与含义

投资含义是应避免把AI影响简化为“软件整体被替代”。报告更强调结构性分化：超大规模云厂商和数据库平台可能受益于AI驱动的TAM扩张；SaaS龙头若能快速创新并把AI嵌入核心流程，仍可能维持竞争力；低复杂度、创新慢、纯本地部署或缺乏数据与流程护城河的厂商面临更高淘汰风险。

风险

• AI基础设施供需正常化后，算力价格和云厂商利润率可能承压。
• AI开发工具可能商品化，冲击传统开发工具市场和部分PaaS功能。
• 生成式AI后续可能被推理、Agentic AI、First-principles AI或Quantum AI等新技术部分替代，导致当前投资方向过早失效。
• SaaS厂商若创新速度不足，可能在2030年前后被更快的AI原生或AI增强竞争者替代。
• 云迁移在部分软件子市场已接近成熟，增长放缓可能持续影响估值预期。

后续跟踪

• 企业AI工作负载是否持续向拥有数据和应用的平台集中。
• Agentic AI普及后CPU、GPU、ASIC、数据库和存储需求的真实增量。
• Oracle Alloy、OCI和主权云合作在欧洲、中东等地区的落地进展。
• ERP、HCM、CRM等企业应用是否能把AI转化为流程自动化和客户留存，而不只是附加功能。
• 开发工具市场是否稳定，还是继续因AI编码和代理式开发平台而快速更换供应商。
• 云基础设施AI业务的利润率、客户粘性和价格趋势。