Morgan Stanley:AI 时代软件投资应同时看“护城河”和“旅程”
AI 摘要卡
Morgan Stanley:AI 时代软件投资应同时看“护城河”和“旅程”
报告认为软件行业估值已反映过多悲观预期,AI 周期下优先看好兼具当前业务韧性与未来 AI 增长路径的 MSFT、PANW、CRWD、NET、DDOG、SNOW、SHOP、NOW。
- 报告提出 Moat & Journey 框架:Moat 衡量现有竞争地位与客户嵌入度,Journey 衡量公司适应 AI 原生、智能体、API 驱动和结果导向模式的能力。
- Morgan Stanley 维持软件行业 Attractive 观点,认为市场对软件终局价值的担忧过度,AI 仍会带来新的自动化范围、TAM 扩张和商业模式机会。
- 高信心 Overweight 标的包括 MSFT、PANW、CRWD、SHOP、NET、NOW、DDOG、SNOW;其中 MSFT、PANW、CRWD、SHOP、NOW 同时进入 Moat 和 Journey 前 15。
- 报告认为当前周期中基础设施软件和网络安全更早受益,应用软件总体偏后周期,但 SHOP、NAVN、NOW 等可能更早出现增长拐点。
- 主要风险集中在 AI 原生竞争、座席定价向消费或结果定价迁移、AI 推理成本对毛利率的影响,以及 Tokenomics 带来的客户预算优化压力。
研报解读
概览
本报告是 Morgan Stanley 对北美软件行业在 AI 时代竞争耐久性与增长路径的框架性研究。报告认为,软件行业收入增速从约 20% 中位数放缓至约 10%,市场因此对软件股更悲观;但 AI 扩展了可自动化工作范围,尤其是非结构化数据和企业流程自动化,仍可能为企业软件创造新的增长空间。报告以 Moat & Journey 双维度框架评估 81 家覆盖公司,并结合分段估值方法筛选 AI 周期中的优先受益者。
核心观点
核心观点是:只看传统护城河不足以判断 AI 时代的软件赢家,投资者还需要判断公司是否具备完成下一轮平台迁移的能力。基础设施软件和网络安全已在当前阶段更快受益,应用软件多数仍需等待商业模式、产品架构和客户采用的进一步验证。报告最看好同时具备强系统嵌入、任务关键性、定价能力、平台广度、AI 就绪度和研发速度的公司,代表性标的包括 MSFT、PANW、CRWD、SHOP、NET、NOW、DDOG、SNOW。
分析框架
报告先提出五个行业争议问题,再用 Moat 与 Journey 两组因子评估公司质量,最后按增长成熟度和估值制度分层定价。Moat 侧重当前业务的不可替代性,例如系统记录地位、工作流关键性、监管壁垒、专有数据、安装基础、网络效应和定价能力;Journey 侧重未来转型能力,例如定价模式迁移、平台广度、技术债、研发速度、Agent/API 策略、专有 AI 与数据优势、财务弹性和 AI 变现成熟度。
方法论与常识提炼
双维度软件 AI 就绪度评估
Moat 衡量公司当前竞争地位的耐久性,Journey 衡量公司迈向 AI 原生、智能体化和结果导向软件模式的路径质量;最优公司应同时具备强护城河与短旅程。
按增长成熟度分段估值
报告将软件覆盖分为 Low Growth、Mature-At-Scale、Transition、High Growth 四类;成熟公司更看 GAAP P/E 和 EPS 增长,高增长公司更看 EV/Gross Profit、Rule of X 和增长耐久性。
AI 受益时序
报告认为软件行业遵循先买后建的周期,当前处于 build 阶段,基础设施与网络安全更早受益,应用软件多数属于中后期受益。
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)。
- MSFT高信心 OW,Moat 与 Journey 均位居前列
- 优势
- 系统记录地位、平台广度、AI 变现路径、规模和定价能力较强。
- 劣势
- 作为成熟平台,估值更依赖 EPS 增长、AI 变现兑现和持续资本投入效率。
- 对比
- 在报告框架中属于少数同时具备强护城河和短旅程的耐久复利资产。
- 风险
- AI 投资回报、云与软件增长节奏、监管与竞争压力。
- PANW高信心 OW,网络安全多阶段受益者
- 优势
- 网络安全需求具备任务关键性,AI 与安全运营结合可带来多阶段受益。
- 劣势
- 需持续证明平台化与 AI 安全产品的商业化。
- 对比
- 与 CRWD 同为报告优先推荐的网络安全受益者。
- 风险
- 竞争加剧、预算周期、平台整合执行风险。
- CRWD高信心 OW,网络安全多阶段受益者
- 优势
- 安全数据、平台能力和客户嵌入度较强,位居 Moat 与 Journey 前列。
- 劣势
- 高增长预期需要持续由产品扩张和客户支出验证。
- 对比
- 与 PANW 同处网络安全优先受益类别。
- 风险
- 安全支出波动、竞争、估值对增长放缓敏感。
- NET高信心 OW,基础设施与边缘/推理平台受益者
- 优势
- 报告认为其在计算、推理和 agentic 基础设施需求上具备受益潜力。
- 劣势
- 需要证明 AI 工作负载规模化后的收入与利润转化。
- 对比
- 与 SNOW、DDOG 同属当前优先持有的基础设施软件受益者。
- 风险
- 基础设施需求节奏、毛利率、竞争和资本开支压力。
- DDOG高信心 OW,观测与应用/智能体监控受益者
- 优势
- 报告将其列为 Journey 得分第 2,认为 AI 应用与智能体生产化将推动监控需求。
- 劣势
- 需求兑现依赖 AI 应用进入生产环境的速度。
- 对比
- 与 SNOW、NET 一起被列为基础设施当前阶段优先受益者。
- 风险
- 云优化、客户预算、竞争和增长持续性。
- SNOW高信心 OW,数据现代化和 AI 就绪受益者
- 优势
- 数据基础设施处于 AI 应用前置环节,报告认为其已较早受益。
- 劣势
- 消费型收入对客户优化和工作负载节奏敏感。
- 对比
- 在基础设施软件中与 DDOG、NET 同被视为当前优先受益者。
- 风险
- 消费优化、数据平台竞争、AI 工作负载落地不及预期。
- SHOP高信心 OW,应用软件中较早受益者
- 优势
- 报告认为其兼具高 Moat 与高 Journey,且在垂直/交易型平台中更早受益。
- 劣势
- 需持续验证 AI 附加量、货币化以及毛利和经营杠杆。
- 对比
- 在应用软件中比多数传统 SaaS 更接近当前受益阶段。
- 风险
- 商户需求、竞争、AI 商业化和利润率波动。
- NOW高信心 OW,应用软件中最接近广义 SaaS 拐点的公司之一
- 优势
- 工作流编排、平台广度和企业嵌入度较强,同时进入 Moat 与 Journey 前 15。
- 劣势
- AI 收入加速仍需客户采用和产品落地验证。
- 对比
- 报告认为 NOW 是 broad SaaS 中最接近增长拐点的 OW。
- 风险
- 企业 IT 预算、AI 产品变现节奏、估值敏感性。
- ADBEUW,内容生成暴露较高
- 优势
- 既有产品和客户基础仍具规模。
- 劣势
- 报告认为其面临模型实验室对内容生成工作流的侵蚀。
- 对比
- 相较高信心 OW,公司在 AI 时代的 Journey 和护城河组合更弱。
- 风险
- 生成式 AI 替代、定价压力、增长放缓。
- WDAYUW,应用软件后周期且转型路径较长
- 优势
- 在人力资本管理等后台系统中仍有客户嵌入和数据基础。
- 劣势
- 报告将其列为更晚周期受益且评级为 UW。
- 对比
- 相较 NOW、SHOP,AI 增长拐点更远。
- 风险
- AI 商业化不及预期、座席定价迁移、增长放缓。
关键数据
- 报告日期2026-07-21首页显示 July 21, 2026 04:48 AM GMT。
- 行业观点Attractive报告明确维持对 Software 的 Attractive industry view。
- 高信心 OWMSFT, PANW, CRWD, NET, DDOG, SNOW, SHOP, NOW报告称这些公司在护城河、AI 顺风和近端增长拐点方面组合最强。
- 同时进入 Moat 与 Journey 前 15 的公司MSFT, PANW, CRWD, SHOP, NOW报告称仅五家公司在 81 家覆盖公司中同时进入 Moat 与 Journey 前 15。
- 软件收入增长中位数变化约 20% 降至约 10%报告称软件行业从黄金增长期进入更成熟阶段。
- GenAI 企业软件 TAM 增量估算约 $400 billion by 2028报告引用此前 GenAI Monetization 研究对企业软件 TAM 的估算。
- 软件相对表现过去一年 S&P North American Technology Software Index 下跌 -17%,NASDAQ 100 上涨 29%,S&P 500 上涨 20%用于说明市场对软件股的 AI 风险定价偏负面。
- 高增长软件估值约 11x EV/Gross Profit,过去 5 年均值约 42x报告认为高增长组估值已大幅重置。
影响与含义
投资含义是,AI 不会简单摧毁软件行业,而是重新分配价值:工作流层、具备系统记录地位的平台、网络安全和数据基础设施更可能获得价值捕获;低护城河、简单工作流、内容生成暴露度高或缺乏定价迁移能力的公司风险更高。组合构建上,报告建议优先持有当前已受益或即将受益的基础设施与安全标的,同时精选应用软件中具备强平台、强数据和较短 AI 转型路径的公司。
风险
- AI 原生创业公司、LLM 提供商和客户自建能力降低软件替代成本。
- 座席定价向消费、结果或工作量定价迁移可能带来包装、销售动作、预算可预测性和披露风险。
- AI 推理和基础设施成本可能压低软件毛利率,尤其影响座席型应用 SaaS。
- Tokenomics 阶段可能使客户从追求 AI 使用量转向优化 token 成本和预算控制。
- 应用软件中部分公司虽有护城河,但 AI 产品、API/headless 策略和变现路径仍未充分验证。
- 市场若继续偏好基础设施和安全而忽视应用软件,后周期应用标的的估值修复可能延后。
后续跟踪
- AI 工作负载从实验进入生产后的基础设施、观测、安全和数据平台收入变化。
- 软件公司能否从座席收费平稳迁移到消费、结果或工作量定价。
- AI 产品毛利率、推理成本下降速度以及供应商是否能通过定价和架构优化抵消成本。
- 应用软件厂商的 Agent/API/headless 策略、智能体编排权和生态封闭程度。
- MSFT、PANW、CRWD、SHOP、NOW 等 Moat 与 Journey 双高公司的 AI 收入贡献和增长加速证据。
- ADBE、WDAY、RPD、PD、AI 等较受挑战公司是否出现竞争压力、增长放缓或估值支撑不足。