人工智能颠覆担忧已被过度计价，软件板块低估值正孕育重估机会

概览

报告评估了美国软件及人工智能基础设施行业的颠覆风险、增长前景、成本结构、估值分化和个股排序。核心判断是，投资者将人工智能对应用软件和基础设施软件的影响过度一概而论，忽视了企业级系统记录、既有工作流、数据上下文、维护责任和确定性结果所形成的壁垒。行业短期仍面临席位压力、邻接产品竞争、推理成本上升及资本开支负担，但人工智能功能货币化、用量计费、模型成本下降和人员效率改善有望带来中期收入与盈利再加速。

核心观点

第一，软件行业的实际颠覆程度可能显著低于市场定价，基础设施层风险最低，界面价值占比较高且与系统记录整合有限的应用层风险最高。第二，人工智能产品已从部署和提升采用率转向收费，收入模式将由纯席位制逐渐扩展至席位与用量并存。第三，当前一致预期并未计入明显增长加速，因此即使行业仅维持健康但较低的增长，约4倍企业价值/收入估值也具有支撑；若2026年下半年至2027年上半年出现增长再加速，板块重估时点可能提前。第四，开放权重模型、小语言模型及模型组合优化有望降低推理成本并修复毛利率。第五，人工智能基础设施的需求前景优越，但高资本强度和持续融资需求使其风险收益特征不同于轻资产软件公司。

分析框架

报告结合软件技术栈中的颠覆风险位置、Rule of 40与Rule of X增长盈利框架、企业价值/远期收入估值、历史股价与估值分化、一致预期收入变化、全球算力供需、销售与研发费用率、人均收入及收费模式迁移，对覆盖公司进行跨层级比较和排序。

方法论与常识提炼

• 增长与盈利质量Rule of 40

  远期收入增长率与远期自由现金流利润率之和

  用于衡量轻资产软件公司的增长与现金流平衡；建设实体基础设施且自由现金流承压的公司需要采用不同基准。

• 增长与盈利质量Rule of X

  两倍远期收入增长率加远期自由现金流利润率

  通过提高收入增长权重，强调增长持续性对软件估值的重要性；该框架进一步突出DDOG、SNOW和NOW。

• 相对估值企业价值/远期收入倍数

  比较当前估值、历史区间及应用软件与基础设施软件之间的差异

  当前板块约4倍企业价值/收入，远低于疫情期约20倍峰值；应用软件估值已降至基础设施软件的约三分之一。

• 产业结构软件与基础设施技术栈风险分层

  颠覆风险通常由底层基础设施向上层应用界面递增

  越接近算力、数据层、系统记录和关键工作流，替换壁垒通常越高；主要价值集中在用户界面的低整合度产品风险相对较高。

• 经营效率人均收入与费用率分析

  使用人均收入、销售费用率和研发费用率判断成本杠杆空间

  覆盖公司人均收入中位数约48.4万美元，差异较大，表明不少公司仍可利用人工智能提升研发、销售及运营效率。

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）。

• Microsoft（MSFT）

  报告首选，OW评级

  优势

  应用软件与人工智能基础设施组合均衡，可利用高利润应用业务产生的现金支持Azure资本开支，并通过Copilot形成额外增长机会。

  劣势

  实体基础设施建设压低短期现金生成，并要求持续投入资本。

  对比

  相较其他超大规模云厂商，内部高利润应用业务可降低人工智能基础设施的外部融资压力；相较Oracle，软件货币化机会更丰富。

  风险

  算力投资回报不及预期、人工智能需求转化偏慢及毛利率承压。

• ServiceNow（NOW）

  重点看好

  优势

  作为企业信息技术环境中的人工智能入口，深度嵌入确定性工作流；人工智能年化合同价值已超过10亿美元，且Rule of 40表现突出。

  劣势

  有机业务增长目前主要稳定在较高的十几个百分点，仍需用量收入推动重新加速。

  对比

  相较CRM和DT，增长与利润综合表现更优，而自由现金流估值较长期均值折价超过50%。

  风险

  企业人工智能项目部署延迟、用量变现不及预期及席位增长放缓。

• Datadog（DDOG）

  人工智能可观测性受益标的

  优势

  更贴近云原生和DevOps使用场景，有望从人工智能工作负载增长和系统复杂度提升中获得较高增长。

  劣势

  研发投入较高，且作为人工智能受益标的估值并不便宜。

  对比

  报告在DDOG与DT之间更偏好DDOG，原因是其云原生和DevOps布局带来更高增长潜力。

  风险

  高估值、云端用量波动、竞争加剧及增长不及预期。

• Snowflake（SNOW）

  数据层人工智能受益标的

  优势

  在企业数据层具有良好位置，人工智能创新已显现动能，超过90%的收入由用量型产品贡献。

  劣势

  用量模式使收入对客户计算需求和预算调整更敏感。

  对比

  Rule of X框架突出其高增长质量；与应用软件相比，其基础设施属性和数据壁垒降低颠覆风险。

  风险

  客户优化云支出、人工智能产品采用放缓、用量波动及较高估值。

• Oracle（ORCL）

  低估值人工智能基础设施机会

  优势

  扩展算力的计划使其有能力与超大规模云厂商竞争，估值相对便宜。

  劣势

  资本需求高，建设期间自由现金流指标承压，围绕实体基础设施的软件货币化空间低于Microsoft。

  对比

  估值较Microsoft便宜，但业务组合带来的资金自给能力和软件增量变现机会相对有限。

  风险

  资本开支执行、融资成本、债务增加及算力需求兑现不足。

• Salesforce（CRM）

  估值修复候选

  优势

  作为系统记录平台并向单一客户提供多种解决方案，实际颠覆风险低于市场定价；向Rule of 50推进可支持重估。

  劣势

  Tableau等部分业务仍面临人工智能替代压力，整体增长速度相对有限。

  对比

  估值和增长指标低于NOW，但低预期与系统记录属性提供更大的预期差。

  风险

  席位压缩、邻接产品受损、人工智能变现不足及增长持续放缓。

• Cloudflare（NET）

  人工智能基础设施受益但维持Neutral

  优势

  位于基础设施层，能够受益于人工智能流量和计算需求增长，Rule of 40达到41.4%。

  劣势

  32.6倍企业价值/收入估值显著高于多数覆盖公司。

  对比

  同为人工智能基础设施软件受益者，但估值较DDOG、SNOW等偏好标的更昂贵。

  风险

  估值压缩、增长未达高预期及竞争加剧。

• 人工智能实体基础设施公司

  需求强劲但高波动

  优势

  算力供需缺口预计扩大，客户接受计算价格上涨和溢价，支持中期需求与收入增长。

  劣势

  资本开支必须先于收入发生，持续依赖资本市场，企业价值可能更多归属于债权人。

  对比

  需求确定性高于多数应用软件，但资本密集度、融资风险和股价波动也显著更高。

  风险

  资本市场准入收紧、利率上升、债务负担、建设延误及长期投资回报不足。

关键数据

• 软件板块当前估值约4倍企业价值/收入明显低于疫情期约20倍峰值，但高于全球金融危机期间约1.5倍低点。
• 应用软件相对估值约为基础设施软件估值倍数的三分之一多年股价表现落后造成两类软件公司的估值显著分化。
• 2025年基础设施公司平均股价表现+18%同期应用软件公司平均股价表现为-11%。
• Cloudflare估值与Rule of 4032.6倍企业价值/收入；41.4%因估值过高会影响图表尺度，未纳入相应矩阵展示。
• ServiceNow人工智能年化合同价值超过10亿美元人工智能结果已经开始变现，非席位模式约占新增业务的一半。
• 2026年下半年覆盖公司收入增速中位数6.3%一致预期门槛较低，尚未计入广泛的行业增长再加速。
• 2030年全球计算能力供需缺口241,324兆瓦报告表格显示2030年需求约449,813兆瓦，供给约208,489兆瓦。
• 覆盖公司人均收入平均约67.9万美元，中位数约48.4万美元公司间差异较大，显示进一步提高生产率和释放成本杠杆的空间。
• Snowflake用量型产品收入占比超过总收入的90%其商业模式主要直接按计算和存储使用量收费。
• Twilio用量型收入占比2025年为74%高于2024年的72%和2023年的71%，但也增加了宏观周期敏感性。

影响与含义

对投资者而言，当前机会并非简单押注所有软件公司同步反弹，而是应优先配置同时具备系统记录属性、数据或工作流壁垒、明确人工智能收费路径、较强增长质量及合理估值的公司。基础设施软件更直接受益于人工智能工作负载增长，但部分标的估值已较高；应用软件的风险更大，却因显著折价而拥有更高的预期差。实体人工智能基础设施需求最强，但应以融资能力、资本成本、债务占企业价值比例和投资回报为主要风险约束。

风险

• 人工智能原生产品可能更快侵蚀低整合度、以用户界面为主要价值的应用软件及邻接业务。
• 企业客户削减席位数量，且在外购软件与内部开发之间进行更严格的投资回报评估。
• 推理与令牌成本上升可能在人工智能收入规模化之前继续压低软件公司毛利率。
• 行业收入未能在2026年下半年至2027年上半年重新加速，可能延后估值修复。
• 高利率可能持续压制软件估值，并提高人工智能基础设施公司的融资成本。
• 人工智能基础设施需要持续资本投入，债务增长可能稀释股东所获得的企业价值上行。
• 用量计费提高增长弹性的同时，也会增加收入对客户预算、宏观环境和使用强度的敏感性。
• 部分应用软件即使估值较低，仍可能因结构性增长放缓而形成价值陷阱。

后续跟踪

• 2026年下半年及2027年上半年软件公司收入是否出现超出低位一致预期的再加速。
• 人工智能功能从试用和采用转向付费后，对新增合同价值、用量收入和净留存率的贡献。
• 席位减少造成的收入压力能否被用量增长和人工智能附加收费抵消。
• 开放权重模型、小语言模型及模型路由能否降低单位推理和令牌成本。
• 行业毛利率是否停止下滑并随人工智能收入规模化而回升。
• 企业客户人工智能项目由试点转向生产环境的速度及投资回报证据。
• 全球算力供需缺口、计算价格以及客户支付溢价的持续性。
• 实体基础设施公司的资本开支、融资渠道、债务占比和自由现金流变化。
• 应用软件与基础设施软件之间的估值及股价表现分化是否开始收敛。
• MSFT、NOW、DDOG、SNOW、ORCL和CRM能否兑现各自的人工智能货币化路径。