研报解读河洛投研

U.S. SMID-Cap and Global Application Software研报解读

Bernstein质疑AI驱动的生产率必然会缩减白领就业的观点。其对Ramp数据的解读显示，重度AI采用者的招聘快于低采用者或未采用者，支持按席位定价对应用软件继续具有重要意义。

机构Bernstein

日期20260901

行业application software

摘要

模型、目标价和推荐均未调整。

Ramp样本中，重度AI采用者的员工人数平均较低采用者和未采用者多增长超过10%。
初次采用后的第24个月，公司规模较较少采用或未采用的同业大逾50%，但估计的误差范围更大。
招聘强劲不仅体现在工程师和销售岗位，也体现在行政、客户服务、学士学位员工和初级员工。
Bernstein未调整模型、目标价或推荐。

研报解读

概览

这份行业报告考察AI驱动的生产率是否会削弱应用软件的按席位定价。Bernstein认为，现有公司层面证据反而显示，重度AI采用者出现招聘带动的增长，这可能使席位不再是结构性负担；但某些职能软件类别仍面临更高风险。

核心观点

Bernstein将核心争论界定为：AI生产率可能与大量应用软件采用的按席位许可模式发生冲突。AI编程副驾驶、桌面副驾驶和客服代理可让开发人员、管理者和支持团队以更少的人力完成更多工作，因而引发了员工挂钩许可证增长驱动力可能减弱的担忧。报告认为，企业买方仍看重席位模式，因为其可预测，并随已知的人力能力投入而变化；与token或其他使用量挂钩的按量消费定价可能难以做预算。由于应用软件的价值通常与员工生产率相关，按员工定价也仍可构成合乎逻辑的价值定价形式。报告反驳了AI必然减少白领员工数量这一更广泛的假设。Bernstein类比PC和互联网时代：生产率提升可以被再投资于增长，而非仅被转化为利润率，因为企业从增长加速中获得的估值收益往往高于利润率提升。在这一观点下，生产率更高的知识工作者会被留用或增聘，用于开发产品、销售服务和追求新的机会。Bernstein指出，尽管生产率大幅提升，1989至2019年按可比口径计算的标普500 EBIT利润率仅扩张约150个基点，即1.5%；而20世纪90年代PC时代同时出现了强劲的美国GDP增长和白领就业增加。当前的主要证据来自Ramp的公司层面研究，该研究利用客户支出数据将重度AI采用者与轻度采用者和未采用者区分开来。AI采用被定义为企业连续三个月每月在AI供应商上的支出至少达到$100的首月；采用强度则为采用后前三个月的AI支出除以基准员工数。Ramp将广泛部署的编程代理、基于API的AI代理和AI原生工具，与用于搜索、综合和创意任务的较轻量聊天机器人用途进行比较。其样本截至2026年2月。Bernstein强调，该分析主要比较同类公司采用前后情况，并报告了统计显著差异，在某些指标上置信度达到99%，但由于具有24个月采用历史的公司较少，较长时间区间的误差范围会扩大。按照Bernstein对结果的解读，重度AI采用者的员工人数平均较低采用和未采用同业多增长超过10%，而初次采用后的第24个月，这些公司的规模较后两类同业大逾50%。报告强调，较长期限的最强结论是方向性的——重度采用者增长更多——而非对中位数的精确估计。报告还将美国软件开发职位发布量从2025年初低点回升作为独立的验证信号。招聘结果并不只局限于前台职能。工程师和销售岗位表现强劲，但行政和客户服务就业平均也在增长；仅具学士学位的员工，特别是初级员工，需求显著。相反，在AI领先企业中，博士就业更可能持平，而低AI采用者对高等学位的需求更强。Bernstein认为，这可能部分反映高采用企业本已拥有更多博士级人才。报告还识别出财务、科学家和运营这三类岗位的增长显著较低或没有统计显著的正增长，这可能意味着面向这些职能的按席位软件获得的支持较少。HR未被单独分析。基础数据中的AI采用本身已较为显著：截至2026年1月，超过40%的公司至少是轻度采用者，高于同期美国人口普查调查中高个位数至十几的读数。Bernstein指出，这一差异可能源于定义、受访者认知和样本构成，包括Ramp样本可能更偏向技术更先进的买方。在NAICS“信息”类别中，采用率最高，约为54%，其次是金融/保险，约44%，专业/科学/技术服务为36%；多数其他行业为11–22%。Bernstein认为，这些白领密集型行业可能是同样的生产率与招聘动态的下一批受益领域。对软件覆盖范围而言，其含义并非所有供应商都会维持纯粹的按席位模式。报告预计会同时采用席位、基于ROI的收费、与基础设施挂钩的计量方式和token消费模式，但认为席位仍将重要，因为客户需要可预测性，且部分用户并不适合其他定价方式。如果重度AI采用继续带来由生产率引发的招聘，员工挂钩定价可能成为助力，而非应用软件公司的包袱。Bernstein也提出限定条件：部分公司和行业在增长机会有限时可能优先追求利润率；技术可能更多用于运营而非产品；数据也可能仍过早，尚未充分反映最终的岗位需求演变。

分析框架

Bernstein结合Ramp基于支出数据、围绕采用AI前后的同公司比较，按职能划分的就业结果、各行业采用率、对软件职位发布趋势的交叉验证，以及对PC和互联网时代的历史比较。随后，该机构将招聘证据与企业软件定价逻辑，以及企业在将生产率收益再投资于增长还是保留为利润率之间的选择联系起来。

方法论与常识提炼

行业/产业分析框架供需框架
与就业增长挂钩的按席位软件需求，以及买方对可预测定价的偏好。
报告将员工人数视为席位许可的需求驱动因素，并通过招聘而非岗位替代来评估AI是否改变这一驱动因素。
行业/产业分析框架量价拆分
席位、基于ROI、与基础设施挂钩及token消费的定价模式。
Bernstein将定价计量方式与基础客户需求区分开来，认为即便供应商增加其他收费方式，席位仍可能保持重要。
其他
Ramp基于AI支出和员工人数，对相似企业在采用AI前后进行比较。
所引用的研究围绕采用AI进行公司比较，而非简单比较无关行业，旨在减少样本偏差；Bernstein指出，较晚时期的估计误差范围更大。

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）。

ServiceNow (NOW)
明确覆盖的应用软件公司，可能受益于按席位需求的延续。
优势
报告提到，其Agent Assist已被约四分之一的客户群采用。
风险
更广泛的职能招聘结果可能并不均衡。
Atlassian (TEAM)
Bernstein软件覆盖范围内明确覆盖的应用软件公司。
优势
若AI驱动的招聘维持知识工作者软件需求，则可能受益。
GitLab (GTLB)
Bernstein软件覆盖范围内明确覆盖的应用软件公司。
优势
可能与AI赋能的软件开发活动相关。
Okta (OKTA)
Bernstein软件覆盖范围内明确覆盖的应用软件公司。
优势
可能受益于企业员工规模的持续增长。
Microsoft (MSFT)
明确覆盖的公司，并在企业AI采用讨论中被提及。
优势
被引用为证据，表明前台采用并未明显优于后台采用。
Salesforce.com (CRM)
明确覆盖的公司，并在企业AI采用讨论中被提及。
优势
被引用为证据，表明前台采用并未明显优于后台采用。
Adobe (ADBE)
Bernstein软件覆盖范围内明确覆盖的应用软件公司。
优势
若AI生产率被再投资于增长和员工扩张，可能受益。
Workday (WDAY)
Bernstein软件覆盖范围内明确覆盖的应用软件公司。
优势
若员工增长支撑按席位需求，则可能受益。
风险
引用的数据未单独拆分HR职能。
HubSpot (HUBS)
明确覆盖的公司，并在企业AI采用讨论中被提及。
优势
被引用为证据，表明前台采用并未明显优于后台采用。
Zoom Video Communications (ZM)
Bernstein软件覆盖范围内明确覆盖的应用软件公司。
优势
可能受益于持续的员工相关软件需求。
SAP (SAP)
Bernstein软件覆盖范围内明确覆盖的应用软件公司。
优势
可能受益于企业招聘和按席位需求的持续增长。

关键数据

重度采用者的就业增长>10% more than lower/non-adopting peers on averageRamp样本；Bernstein表示该差异具有统计显著性。
采用后的员工规模>50% larger at 24 months相较于较少采用或未采用AI的企业；报告指出该期限的误差范围更大。
统计置信度Up to 99%高采用者相对低/未采用者的增长显著性，视衡量指标而定。
截至2026年1月的任意AI采用>40% of companiesRamp数据中至少为轻度采用者，较引用的美国人口普查调查中的高个位数至十几比例更高。
各行业AI采用率Information ~54%; Finance/Insurance ~44%; Professional/Scientific/Technical Services 36%其余多数行业为11–22%。
开发人员就业结构~2/3 in industries more likely to invest in growth; only ~25% in industries more likely to shrink teamsBernstein对美国开发人员就业的描述。
按可比口径的标普500 EBIT利润率扩张1.5% from 1989 to 2019用于论证以往生产率提升并未转化为异常显著的持续利润率扩张。

影响与含义

Bernstein认为，这些证据缓解了AI会机械性压缩应用软件席位基数的担忧。在客户利用AI开发产品并加速增长的领域，潜在支撑最强；面向财务、科学家和运营职能的软件可能受益较少，且结论仍取决于数据所处的早期阶段。

风险

财务、科学家和运营岗位的正增长显著较低或不具统计显著性，可能限制面向这些职能的软件获得支持。
数据未单独分析包括HR在内的一些职能。
由于具有24个月采用后历史的公司较少，较长采用期的估计误差范围更大。
部分公司和行业可能主要将AI生产率用于改善利润率，而非追求增长。

后续跟踪

随着数据集成熟，重度AI采用者是否继续在员工人数增长上超过低采用者和未采用者。
按职能划分的招聘趋势，尤其是财务、科学、运营和HR。
软件客户是否在token、基于ROI和基础设施挂钩的模式之外，继续将席位保留为关键定价计量方式。
在“信息”行业高采用率之后，金融/保险和专业/科学/技术服务行业的AI采用进展。