被AI嚇崩的軟件股，怎麼突然成了美股最靚的仔？

這兩天，軟件股徹底爆發了。

在過去兩個交易日，軟件板塊已連續跑贏市場（標普500指數）超過10個百分點。這是25年來最大的兩日超額收益。其中，Snowflake最近三個交易日上漲60%，Datadog上漲56%。

而就在半年前，華爾街還在集體唱衰軟件股。

今年5月，高盛統計了1000多家主動型對衝基金的持倉情況。截至今年一季度末，軟件股配置比例僅約6%，創下2019年以來最低水平。

但半年過去了，最先被AI「判死刑」的板塊，卻成了美股漲得最猛的板塊之一。

從人人避之不及，到資金瘋狂回補，軟件股到底發生了什麼？市場對於「AI會顛覆軟件」的判斷，是不是從一開始就錯了？

01 單月暴漲21%，近5年最大漲幅

在剛剛過去的5月，美股軟件股徹底爆發了。

iShares Expanded Tech-Software Sector ETF（IGV），這隻專門買北美軟件股的ETF，在5月上漲約21%，創下自2021年10月以來的最佳單月表現。到了6月1日，它又上漲約6%，年內漲幅重新轉正。

如果看個股的表現，就更加誇張了。比如，Snowflake一個月漲了87%，Datadog上漲58%，Figma上漲40%。放眼整個軟件板塊，單月漲幅動輒20%以上的不在少數。

這輪軟件股暴漲，無非就兩個邏輯。

首先，業績證偽了「AI衝擊軟件」的恐慌。

過去兩年，市場一直有一種擔憂，當OpenAI、Anthropic不斷增強模型能力，AI自己就能寫代碼、分析數據、生成報表，那Snowflake、Datadog、Salesforce這些軟件公司還有什麼價值？

但財報季給出的答案恰恰相反。

Snowflake成為這輪反彈最重要的導火索之一。

5月27日，公司不僅上調全年產品收入指引，還與AWS簽署了一份總金額60億美元的長期合作協議，重點圍繞生成式AI和Agent基礎設施展開合作。

消息公佈后，Snowflake單日暴漲超過36%。

更關鍵的是，公司管理層明確表示，越來越多企業正在把AI工作流部署到Snowflake平臺上。原本市場擔心AI會繞過軟件。結果發現，AI反而需要更多軟件。

類似的故事也發生在身份與訪問管理服務商Okta身上。一季度，公司營收7.65億美元，高於市場預期的7.52億美元，調整后每股收益0.91美元，也高於預期的0.85美元。當天，Okta 股價大漲30%。

事實上，這個觀點有人曾在3月提到過，但並沒有受到足夠重視。

當時，德意志銀行認為，儘管市場一直在討論AI會如何傷害軟件公司，但截至目前，他們沒有發現任何一家大型軟件公司預計AI會對今年收入造成實質性負面影響。

相反，美國軟件行業盈利增速仍然接近30%，明年的盈利預期甚至還在繼續上修。

第二個邏輯，則是機構的軟件股倉位實在太低了。

不久前，高盛統計了1000多家主動型對衝基金的持倉情況。截至今年一季度末，半導體已經佔到組合接近10%，但軟件股配置比例只有約6%，創下2019年以來最低水平。

當財報證明軟件並沒有被AI摧毀時，這些低配資金只能被迫回補倉位。於是，反彈迅速演變成了一場逼空行情。

更有意思的是，隨着股價上漲，市場對軟件股的觀點，也在發生變化。

不久前，高盛就公開喊話，AI硬件的炒作已經到頭，利潤開始從硬件轉向軟件。

高盛的邏輯主要是兩點：軟件股開始找到商業模式了，接下來會加速變現，AI的利潤會從硬件轉向軟件；雲計算巨頭考慮現金流的問題，未來會削減資本支出，對硬件造成衝擊。

那麼問題來了，從年初「AI會吃掉軟件」到現在軟件股集體反攻，我們究竟該如何重新理解AI對軟件行業的影響？

02 AI也需要軟件

市場曾經的恐慌，建立在一個假設之上：當Agent足夠強大之后，人們就不再需要軟件。 

但過去半年發生的事情，卻越來越指向另一個方向。

AI Agent沒有減少軟件的使用，反而可能成為軟件的新用户。

Every創始人Dan Shipper提出過一個很有意思的觀點：過去的軟件主要服務於人類，未來的軟件很可能同時服務於人類和成千上萬個Agent。

以前，一個員工一天可能只會點擊幾十次軟件界面；未來，一個Agent可能每分鍾都在調用API、查詢數據庫、執行工作流。

軟件沒有消失，使用頻率反而變得更高了。

Dan Shipper提到，即使在Every這樣高度AI化的公司里，SaaS支出依然在持續增長。

Okta就是一個典型案例。過去市場認為，Agent越來越聰明，身份認證和權限管理的重要性會下降。

但現實恰恰相反。員工需要身份管理，Agent同樣需要身份管理。

未來一家企業可能有1000名員工，同時運行着1萬個Agent。這些Agent能訪問哪些數據、調用哪些系統、能夠執行哪些操作、出現問題后如何追溯，都需要新的治理體系。

也就是説，Agent時代不僅沒有削弱Okta的價值，反而擴大了它的市場空間。

這也是為什麼黃仁勛最近反覆強調，Agent不會消滅軟件公司。

原因很簡單，Agent本身就需要軟件，需要數據庫、CRM、身份管理系統、支付系統、監控系統以及各種行業工具。未來軟件公司的任務，不再只是服務人類用户，還要成為Agent能夠調用和協作的基礎設施。

03 從智能到結果的距離，纔是軟件的護城河

即便模型能力繼續提升，大模型公司也未必能直接吃掉整個應用層。這是a16z合夥人Joe Schmidt最近提到的觀點。

他認為，OpenAI、Anthropic這類模型公司會進入越來越多應用場景。尤其是在代碼生成、寫作、圖像生成等領域，模型能力越強，產品體驗往往越好。

但企業軟件世界遠比這些場景複雜。很多企業流程並不是簡單地調用幾個工具，而是涉及多個系統、多人協作、審批流程、歷史規則、行業經驗和監管要求。

法律、保險、金融、醫療、銷售運營等行業尤其如此。大量關鍵知識，沉澱在企業長期運行形成的工作流、例外處理、人工判斷和歷史反饋之中。

從目前來看，通用模型與真實業務之間，依然存在一段不短的距離。而這段距離，正是AI應用公司的機會。

這種距離主要來自三個方面。

第一是經驗。很多行業最有價值的知識，流轉在企業真實業務流程里。

為什麼一份保險申請會被拒絕？為什麼一個銷售線索最終成交？為什麼某個客服問題必須升級處理？這些經驗只有經過大量真實案例的積累，纔會沉澱成系統能力。

處理過上千次保險承保的系統，和剛進入行業的新產品，對問題的理解顯然不會處於同一個層次。

第二是成本。真實企業不會所有任務都調用最強、最貴的模型，成熟的AI應用通常會採用多模型協同，根據業務需求進行調度。

比如，複雜任務使用大模型，標準任務使用中等模型，重複任務使用成本更低的小模型。

在這個過程中，大模型公司提供的是通用智能，而AI應用公司負責把這些智能轉化成能夠持續盈利的業務流程。

第三是治理。越接近企業核心業務，企業越關注可控性。比如，醫療有隱私要求，金融有監管要求，法律有職業規範。

企業關心的不只是AI能不能完成任務，也關心它訪問了哪些數據、執行了哪些操作、出了問題如何追責。

因此，很多AI應用公司最終交付的，並不僅僅是一套模型能力，而是一整套可以被企業接受和信任的運行機制。

銷售就是一個典型例子。表面上看，AI銷售不過是找客户、寫郵件、發消息。但真正落地之后，會迅速演變成一整套複雜流程。

客户篩選、信息補全、背景調研、渠道選擇、觸達節奏、結果反饋，每個環節都會影響最終轉化率。AI應用的真正價值在於，把這些環節連接起來，並持續優化。

所以，當我們重新審視AI對軟件行業的影響時，或許會發現一個有意思的現象：

企業不會因為一個模型更聰明就買單。真正讓企業付費的，是把智能穩定地轉化為結果的能力。而從智能到結果之間，依然隔着複雜的業務流程、行業經驗和組織規則。

半年前，市場恐慌地問：AI會不會殺死軟件？

現在回過頭看，答案已經很清楚了。AI不會殺死軟件，但會重新定義軟件。而那些能率先完成這場重新定義的公司，才能成為下一個周期里最大的贏家。

本文來自微信公眾號「硅基觀察Pro」，作者：硅基君，36氪經授權發佈。