久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

核心觀點(diǎn)
　　當(dāng)前軟件板塊的恐慌性無(wú)差別殺跌，為基于壁壘深度的分化定價(jià)提供了窗口。我們建議沿“壁壘攻防屬性”進(jìn)行配置：①核心超配"進(jìn)攻性壁壘"標(biāo)的，壁壘本身成為AI時(shí)代新增長(zhǎng)基礎(chǔ)的公司（如Palantir，ServiceNow）；②關(guān)注"防御→進(jìn)攻轉(zhuǎn)型"窗口，傳統(tǒng)壁壘堅(jiān)固但需驗(yàn)證AI收入轉(zhuǎn)化的公司（如SAP，Salesforce ）；③回避壁壘衰減時(shí)間常數(shù)短的標(biāo)的，低復(fù)雜度+淺層數(shù)據(jù)的公司（如Five9，UiPath）。關(guān)注OpenAI、Anthropic與咨詢公司合作進(jìn)展，企業(yè)軟件公司AI定價(jià)及ARR增長(zhǎng)拐點(diǎn)。
　　投資要點(diǎn)
　　美股軟件板塊正經(jīng)歷2020年3月以來(lái)最深的估值回調(diào)，中位數(shù)EV/NTMRev降至3.2x，遠(yuǎn)低于疫情前7.8x的歷史均值。Anthropic發(fā)布Claude Code/Cowork等工具引發(fā)了"AI將吞噬SaaS"的末日敘事，但這種恐慌性殺跌將"法律強(qiáng)制+系統(tǒng)記錄"型公司（壁壘衰減時(shí)間常數(shù)5-10年以上）與"UI包裝+簡(jiǎn)單自動(dòng)化"型公司（壁壘衰減時(shí)間常數(shù)6-24個(gè)月）混為一談，存在結(jié)構(gòu)性錯(cuò)誤定價(jià)。按收入增速調(diào)整后，板塊估值倍數(shù)已回歸近十年均值附近。我們認(rèn)為當(dāng)前是對(duì)軟件板塊進(jìn)行深度分化定價(jià)的窗口期。
　　模型層加速同質(zhì)化，但并非完全同質(zhì)化?；贛IT等團(tuán)隊(duì)對(duì)OpenRouter數(shù)據(jù)的實(shí)證研究，閉源模型調(diào)用量仍占75%，短期需求價(jià)格彈性僅為-1.11（接近單位彈性），說(shuō)明大模型市場(chǎng)呈現(xiàn)“以品牌為中心的競(jìng)爭(zhēng)”格局，生態(tài)內(nèi)部轉(zhuǎn)換成本極低，跨生態(tài)轉(zhuǎn)換成本極高。但頂尖模型的領(lǐng)先周期已從2025年初的7.5個(gè)月縮短至4個(gè)月以內(nèi)，GPQA第一名與第十名的差距持續(xù)縮小，模型廠商的價(jià)格溢價(jià)窗口在收窄。OpenAI 2025年毛利率從40%降至33%，Anthropic毛利率40%（低于預(yù)期的50%），推理成本比內(nèi)部預(yù)期高出23%，模型層的利潤(rùn)空間正在被test-time compute的算力消耗和API價(jià)格通縮擠壓，迫使模型廠商向應(yīng)用層滲透。
　　“錯(cuò)誤代價(jià)”框架證明，高價(jià)值垂直領(lǐng)域仍需最強(qiáng)模型，且AI無(wú)法平均替代所有軟件?；诿绹?guó)醫(yī)療訴訟數(shù)據(jù)測(cè)算，AI在醫(yī)療診斷場(chǎng)景每犯一次錯(cuò)的預(yù)期經(jīng)濟(jì)損失為$45-63（調(diào)整后），遠(yuǎn)超優(yōu)先采用高性能推理模型的成本閾值。在信貸審批場(chǎng)景中，綜合假陰性信用損失與假陽(yáng)性機(jī)會(huì)成本，加權(quán)單次錯(cuò)誤代價(jià)在$27- 125區(qū)間（視余額口徑）。這意味著在高容錯(cuò)代價(jià)場(chǎng)景中，模型準(zhǔn)確率從90%提升至95%所支撐的經(jīng)濟(jì)價(jià)值可達(dá)數(shù)十倍乃至百倍的價(jià)格溢價(jià)，真正的競(jìng)爭(zhēng)焦點(diǎn)不是誰(shuí)的API更便宜，而是誰(shuí)能在垂直領(lǐng)域逼近專家級(jí)準(zhǔn)確率。
　　Scaling仍在三個(gè)并行方向繼續(xù)推進(jìn)，垂直領(lǐng)域"奇點(diǎn)路徑"已經(jīng)明確。2025-2026年的實(shí)證表明，模型性能提升來(lái)自：①RL/RLVR算法改進(jìn)（GRPO→DAPO→Dr.GRPO→λ-GRPO），從人類標(biāo)注獎(jiǎng)勵(lì)轉(zhuǎn)向自動(dòng)驗(yàn)證；②推理時(shí)Scaling（Deep Think并行思考、Agent Swarm并行采樣、思考效率優(yōu)化），DeepSeek R1-0528通過(guò)增加后訓(xùn)練算力將AIME準(zhǔn)確率從70%提升至87.5%；③架構(gòu)效率改進(jìn)（MoE稀疏激活、線性注意力、稀疏注意力），Kimi K2.5的PARL訓(xùn)練使端到端運(yùn)行時(shí)間減少80%。在三個(gè)方向的邊際收益未快速收斂的背景下，垂直領(lǐng)域準(zhǔn)確率將持續(xù)提升，真正的護(hù)城河路徑是"Mid-training注入行業(yè)知識(shí)→構(gòu)建可驗(yàn)證獎(jiǎng)勵(lì)環(huán)境→ RL激發(fā)深度推理→ Test-time充分思考"。
　　軟件壁壘深度分化，AI沖擊分化。企業(yè)軟件的價(jià)值從來(lái)不在于代碼本身，96%的商業(yè)程序包含開(kāi)源代碼，但企業(yè)仍為安全、合規(guī)、集成和SLA付費(fèi)。AI時(shí)代下，壁壘沿"工作流復(fù)雜度×數(shù)據(jù)護(hù)城河深度"兩個(gè)維度分化：①高復(fù)雜度+深層數(shù)據(jù)（如ServiceNow），工作流編排、上下文管理和合規(guī)審計(jì)的價(jià)值隨AI增強(qiáng)而非減弱；②低復(fù)雜度+深層數(shù)據(jù)（如HubSpot），數(shù)據(jù)有價(jià)值但席位制計(jì)費(fèi)邏輯面臨AI提升人效后的結(jié)構(gòu)性壓縮；③低復(fù)雜度+淺層數(shù)據(jù)（如Five9、Freshworks），核心功能已被AI agent直接覆蓋，護(hù)城河極薄。BloombergGPT的失敗證明"自建模型"路線不可行，GPT-4不到一年就在所有金融基準(zhǔn)上超越用3,630億token金融數(shù)據(jù)從頭訓(xùn)練的專有模型；而Hebbia（$130億估值）、Harvey（ARR>$1億）的成功則證明"專有數(shù)據(jù)+工作流+前沿通用模型"才是正確的價(jià)值捕獲方式。
　　強(qiáng)壁壘來(lái)自"商業(yè)慣例與法律規(guī)章的抽象化編碼"，AI原生軟件的復(fù)制成本極高。以SAP為例（全球77%交易收入觸及其系統(tǒng)），其壁壘是三層嵌套，①業(yè)務(wù)規(guī)則編碼化（各國(guó)稅務(wù)/勞動(dòng)法/行業(yè)合規(guī)的可執(zhí)行邏輯）、②定制化配置的不可逆性（數(shù)萬(wàn)配置參數(shù)、數(shù)百自定義報(bào)表、數(shù)十年積累的組織記憶）、③生態(tài)鎖定（數(shù)十萬(wàn)認(rèn)證顧問(wèn)、S/4HANA強(qiáng)制遷移變成再鎖定事件）。SAP前工程師Thomas Otter指出，很多功能不是"商業(yè)選擇"而是法律強(qiáng)制要求（如德國(guó)薪酬計(jì)算涉及教會(huì)稅、社保分?jǐn)偟葦?shù)十個(gè)相互依賴變量），在薪酬領(lǐng)域0.01%的錯(cuò)誤就可能導(dǎo)致法律訴訟。AI對(duì)核心ERP的威脅是"分層滲透"而非"替代"，UI/交互層和流程自動(dòng)化層（L1-L2）AI已在增強(qiáng)這些系統(tǒng)（如SAPJoule），但在核心業(yè)務(wù)邏輯層（L4，2028+）和系統(tǒng)記錄層（L5）可預(yù)見(jiàn)的未來(lái)仍是增強(qiáng)工具而非替代者。同時(shí)，AI正在壓縮產(chǎn)品開(kāi)