U.S. SMID-Cap and Global Software competitive moats in an AI-agent world研报解读

概览

这份行业报告重新评估了生成式 AI、编程智能体和更广泛的企业 AI 智能体采用可能如何改变软件竞争护城河。Bernstein 的核心结论是，AI 并不会一概将软件商品化：它可能提升深度嵌入的线业务系统价值，同时削弱主要依赖用户界面复杂度、先发地位或功能深度的护城河。

核心观点

Bernstein 重审了这样一种担忧：AI 智能体可能绕过线业务（LoB）应用，将其降格为被动的系统记录库，并使替换更容易。其早期证据指向相反结论。智能体需要访问公司特有的数据、上下文知识、权限、可观测性、安全与合规控制；还需要存储进行中的工作、更新知识库和知识图谱、与人员及其他智能体协作，并在结构化流程中记录工作。这些要求使既有 LoB 系统成为智能体有用的运行环境，而非可被绕开的障碍。一旦组织围绕定制工作流和接口构建了有效智能体，在另一平台上重建它将产生高昂且具风险的转换成本。 报告以 AI 编程智能体的使用作为早期实践案例。直接使用 Atlassian、Linear 或 GitLab 等项目管理 LoB 平台的智能体，据称消耗的 token 不到 50%，完成任务耗时更少且更可能成功。由于智能体还会将工作和知识回写至底层平台，Bernstein 认为它们能够提高平台记录和流程图谱的价值。Atlassian 被视为尤其有利，因为其已处于产品团队工作流的中心；随着业务 AI 智能体得到更广泛应用，ServiceNow 也可能获得类似好处。Datadog 则被视为正向产品和云运营的 LoB 角色发展。 Bernstein 将传统护城河分为具韧性、正在演化和正在削弱三类。网络效应、监管壁垒和深度基础设施仍然强大，因为 AI 并未消除对规模、审批流程、已部署传感器网络、资本开支或运营效率的需求。在网络安全领域，CrowdStrike 和 SentinelOne 受益于终端遥测数据，Palo Alto Networks 和 Fortinet 受益于网络安全信号，Zscaler 和 Cloudflare 受益于大型代理网络，Okta 则受益于身份信号及其开发者生态。报告还认为，超大规模云厂商和云基础设施的地位仍难以复制，因为企业数据引力会将相关 AI 工作负载拉向数据所在位置。 数据型护城河的性质正在变化。Bernstein 认为，随着 AI 和数据云工具降低这些障碍，收集、清洗和整理静态数据的可防御性已下降。相反，专有的动态运营数据和工作流集成更具价值：供应商可以持续从客户使用案例中学习、改进工作流，并利用初创公司或 DIY 替代方案无法获得的上下文数据训练模型。这种数据飞轮和强化学习动态可能形成新的护城河。Datadog 是报告的例证，因为从功能需求中学习可支持定制化、动态代码增强和更快的产品改进。 若干传统保护机制被认为更弱。自然语言界面可能降低由复杂用户界面、仪表盘和功能广度带来的锁定效应。编程智能体带来的更快软件开发，可能侵蚀先发优势和“更好技术”优势，除非它们由另一种持久护城河支撑。AI 还可能使现代化顽固的传统代码更容易，从而削弱专有应用开发平台。Bernstein 对既有客户所有权、渠道和品牌保持谨慎：向新的 AI 相关买方或预算转移，可能造成创新者困境；而当客户优先寻求创新时，传统品牌也可能成为劣势。 报告认为，SMB 和终端用户生产力软件、传统应用及其配套基础设施、简单 CRUD 应用，以及可能成为编程副驾和云运营流程自然能力的应用安全或云安全功能，面临最大的受扰风险。小型组织通常使用更标准化、定制程度更低的软件以加快实施；Bernstein 认为，AI 原生进入者可能提供更高程度的定制化，因而挑战这些产品。报告还看到，那些填补组织狭窄缺口、不是系统记录库且不关键、相对容易构建或维护的应用存在风险。 新进入者最可能在 AI 创造新买方、新预算或新岗位的地方出现，而非直接取代深度嵌入的 LoB 系统。Bernstein 强调，CISO 组织中可能出现专门的“AI-Security”岗位和预算，当前 CI/CD 瓶颈之外的新软件开发工作流，既有应用类别之间的绿地机会，以及面向不太关键应用的工具。只要服务于职能系统记录库并充分创新，现有厂商仍可保持相关性。报告将 ERP 视为最受保护的企业应用市场，其次是 HCM，而 CRM 的保护程度较低。报告重申 SAP 和 Microsoft 是其覆盖范围内最可能成为 AI 赢家的公司；其认为 Oracle 的核心 SaaS 业务受到高度保护，并预计 OCI 的成功将带来显著上行空间。 在公司层面，Bernstein 认为 Workday 的 ERP 业务具韧性，且 HCM 需求对全球招聘的敏感度高于对 AI 的敏感度，但来自点解决方案的竞争要求快速创新。其认为，尽管对 CRM 平台厂商能否获取 AI 驱动价值存在疑问，但它们不太可能被取代。HubSpot 广泛的营销、服务和销售套件，被用来反驳投资者对 SMB 客户将迅速转向 AI 原生或自建应用的担忧。对于 Salesforce，Agentforce 在未来几年可能带来的收入上行可抵消部分 AI 压力，但 Bernstein 强调了其并购意愿的不确定性，以及 AI 是否会将用户体验和价值主张转向 Anthropic。GitLab 被描述为拥有较弱且较窄的 DevOps 护城河，而 Zoom 被认为市场份额相对稳定，但受到资金雄厚竞争对手和有限定价权的制约。

分析框架

Bernstein 通过考察 AI 智能体是降低还是提高转换成本来评估软件护城河，随后以早期智能体使用案例和公司特定产品定位检验这一逻辑。其按持久性对网络效应、监管、基础设施、工作流集成、数据、产品深度和先发优势等护城河分类，并将可能影响映射至企业应用、网络安全、云运营和 SMB 软件。

方法论与常识提炼

• 竞争与战略框架护城河/竞争优势

  竞争护城河分析

  报告比较了在 AI 智能体改变软件开发、采用和工作流执行时，哪些竞争优势来源仍具持久性、正在演化或正在削弱。

• 竞争与战略框架价值链分析

  工作流和系统记录库定位

  Bernstein 考察供应商在客户工作流、数据流、权限和运营流程中的位置，以判断 AI 智能体是强化还是绕过其角色。

• 行业/产业分析框架

  数据飞轮和强化学习

  报告描述了获取持续客户运营数据如何随时间改进模型和工作流，使缺乏相当数据或客户关系的新进入者更难追赶。

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）。

• Atlassian (TEAM)

  面向产品团队的线业务平台，可受益于 AI 编程智能体的采用。

  优势

  在产品团队工作流中拥有强大的控制点；智能体已显示出偏好在其平台上工作的迹象。

  对比

  相较于 ServiceNow，被视为更早实现 LoB 智能体效益。

  风险

  底层 CI/CD 工具和团队角色可能演变，需要持续适应。

• ServiceNow (NOW)

  随着业务 AI 智能体使用扩展，预计将受益的线业务软件。

  优势

  嵌入式工作流地位可支持智能体集成和转换成本。

  劣势

  其受益出现的时间可能晚于 Atlassian。

  对比

  与 Atlassian 一同被视为 LoB 护城河的例证。

• Datadog (DDOG)

  正在演化的数据和工作流集成护城河的例证。

  优势

  动态实时数据飞轮和产品迭代速度强化其地位。

  对比

  报告认为，其数据驱动的产品迭代速度甚至比传统网络效应更重要。

• CrowdStrike (CRWD), SentinelOne (S), Palo Alto Networks (PANW), Fortinet (FTNT)

  受已部署终端或网络安全信号支持的网络安全供应商。

  优势

  大型传感器网络产生有价值的入侵检测和响应数据。

  对比

  其核心业务被视为相对免受 AI 替代风险影响。

• SAP (SAP), Microsoft (MSFT)

  Bernstein 覆盖范围内最可能成为 AI 赢家的公司。

  优势

  SAP 受益于 ERP 作为受保护系统记录库的角色；Microsoft 在深度基础设施和软件生态系统中具备定位。

  对比

  二者相较于风险更高的软件类别更受青睐。

• Oracle (ORCL)

  受保护的核心 SaaS 业务，OCI 是上行驱动因素。

  优势

  Bernstein 认为其核心 SaaS 业务受到高度保护。

  对比

  与嵌入程度较低的应用类别相比，ERP 和与基础设施相关的定位被视为更受保护。

  风险

  OCI 的执行是报告上行逻辑的核心。

• GitLab (GTLB)

  较窄的 DevOps 使用场景，护城河基础较弱。

  优势

  在开发者运营领域已有战略定位。

  劣势

  潜在的 AI 实验室和开源竞争可能侵蚀其价值主张。

  对比

  被视为不如 Atlassian 等工作流平台受保护。

  风险

  领先 AI 实验室可能提供竞争能力，或通过收购来加速其战略。

• Zoom (ZM)

  具备基础设施但先发保护有限的通信软件。

  优势

  部分深度基础设施支撑相对稳定的市场份额地位。

  劣势

  Microsoft 和 Google 能够匹配基础设施投资，且定价权仍受抑制。

  对比

  比具备更强网络效应、工作流锁定或数据优势的供应商更缺乏保护。

  风险

  在资金雄厚的竞争对手面前，难以在稳定市场份额之外实现更大改善。

关键数据

• AI 智能体的平台效率<50% of tokensBernstein 表示，直接使用项目管理 LoB 平台的编程智能体消耗的 token 不到一半，耗时更少且更可能成功。
• Bernstein Outperform 门槛More than 15 percentage points在 Bernstein 品牌下，Outperform 指相对于相关市场指数的预期表现超过 15 个百分点，期限为 12 个月。
• Cloudflare 2026E 调整后市盈率331.5x表中截至 11 September 2026 的数值。
• CrowdStrike 2026E 调整后市盈率221.7x表中截至 11 September 2026 的数值。
• Oracle 2028E 调整后市盈率12.3x表中截至 11 September 2026 的数值。

影响与含义

报告认为，评估 AI 驱动的颠覆时，应关注供应商在关键工作流中的角色，而非仅按软件类别判断。随着智能体部署，系统记录库、定制化 LoB 平台、安全网络和基础设施可能获得更高价值；而依赖简单工具、静态数据存储库、用户界面复杂度或传统渠道优势的供应商则面临更大压力。

风险

• 如果 AI 创造新买方、预算或岗位，而现有厂商未能很好服务这些需求，AI 原生进入者可能获得发展。
• SMB 软件、简单 CRUD 应用、传统系统和非关键应用可能更容易被 AI 支持的替代方案颠覆。
• 除非由更强的优势支撑，AI 可能削弱产品深度、用户界面、先发优势和专有开发平台的护城河。
• 若 AI 改变采购权或降低传统品牌和渠道的价值，现有厂商可能面临创新者困境。

后续跟踪

• 企业 AI 智能体是否继续依赖并丰富既有 LoB 平台，而非绕过这些平台。
• AI 安全岗位和专门 CISO 预算的采用情况，它们可能为新供应商创造机会。
• CI/CD 之后的软件开发工作流是否产生新的软件类别和买方。
• SMB 供应商利用其领域专业知识、语义知识和客户关系应对 AI 原生进入者的速度。
• 动态客户数据和强化学习是否为现有平台带来更快产品改进的证据。
• Oracle OCI 的执行、Salesforce 的 AI 和并购战略，以及 HCM 潜在点解决方案竞争的发展速度。