担心的AI吞噬软件没发生，软件股先涨回来了

东吴证券这份《从SaaS到Agentic Platform：AI时代软件公司的价值重估》，讲的是过去一年软件股的情绪反转。

反转之前，市场的主流担忧是AI会"吞噬"软件。

反转之后，软件股开始反弹。

报告认为，这次反弹不只是情绪修复。

先看一组指标。

Salesforce的Agentforce与Data 360 ARR接近39亿美元，同比增长超过210%。

这是"AI会不会杀掉SaaS"这个问题，第一次被数字正面回答。

下面按矛盾、验证、定价与价值链四层拆开。

一、被压制的三个假设：入口、席位、利润率

报告先把担忧摊开。

传统SaaS的估值基础有三根柱子。

订阅收入的可预测性、席位的持续扩张、较高的利润率。

AI Agent的出现，三根柱子都被质疑。

第一根是前端入口。

过去员工要进CRM、ERP、项目管理软件里完成操作。

未来可能直接对Agent说一句话，由Agent调用底层系统。

用户与界面交互的频率一旦下降，入口价值就被削弱。

第二根是席位制收费。

传统SaaS按员工数、账户数收费。

"员工数增长—席位扩张—订阅收入增长"是一条线性逻辑。

而客服、销售运营、IT运维、数据分析这些重复性流程，正是数字劳动力最容易替代的地方。

第三根是利润率。

软件交付后的边际成本本来很低。

但生成式AI需要持续调用模型与算力，推理成本、数据处理成本都会上升。

不过报告强调，这一项并非单向。

能把AI同时用于对外商业化和对内降本的公司，利润率甚至有望扩张。

报告对核心矛盾的总结是：问题不在AI是否取代软件，而在入口、席位与利润率这三项基础是否被削弱。

二、指标验证：Salesforce的39亿与32亿

2026年6月以来的这轮反弹，靠的是可验证的指标。

报告点名了三家代表公司。

第一家是Salesforce。

FY27Q2，公司收入113.5亿美元，同比增长11%。

其中订阅与支持收入108.2亿美元，同比增长12%。

更关键的是AI部分。

Agentforce ARR超过15亿美元，同比增长超过240%。

Agentforce与Data 360 ARR合计接近39亿美元，同比增长超过210%。

任务执行量也上了规模。

FY27Q2，Agentforce与Slack单季产生32亿个智能体工作单元（AWUs），环比增长97%。

累计达到70亿个。

报告认为，这说明客户不只是付费了，Agent真的在干活。

AI的增长还在向大盘外溢。

FY27Q2，cRPO达到335亿美元，同比增长14%。

净新增年度订单价值增速，是四年来最高水平。

三、数据平台与工作流平台的两条证明

第二家是Snowflake，它证明的是数据平台的二阶需求。

FY27Q2，公司收入15.5亿美元，同比增长35%。

产品收入14.9亿美元，同比增长37%，比上一季度的34%进一步加速。

RPO达到90亿美元，同比增长30%。

净收入留存率维持在126%。

公司还把FY27全年产品收入指引，从58.4亿美元上调至60.7亿美元。

管理层称，AI产品贡献了近期加速的约一半。

报告的解释是，AI应用越多，越绕不开数据平台。

Agent进入生产环境后，数据迁移、查询处理、权限治理、上下文获取都要持续进行。

第三家是ServiceNow，验证的是工作流平台。

FY26Q2，订阅收入约38.8亿美元，同比增长24.5%。

总收入39.9亿美元，同比增长24%。

cRPO达到132亿美元，RPO达到290亿美元，均同比增长21%。

最有标志性的一条是：

ServiceNow的AI整体ACV正式突破10亿美元，Agent化部署量九个月增长9倍。

四、席位压缩是定价问题，不是需求问题

这一节的判断，报告写得很直接。

席位减少，不等于需求下降。

报告的理由是价值消耗方式变了。

过去是"人使用软件"。

现在是"人+Agent"共同调用软件。

如果收费单位还锚定人工席位，厂商就吃不到Agent创造的新工作负载。

Salesforce的做法是多种计费并行。

截至2026年8月，Agentforce形成三类方式。

按对话次数收费，每次2美元。

按弹性积分（Flex Credits）计费，每10万积分500美元。

标准操作消耗20个积分，对应约0.1美元一次。

以及针对员工场景的按用户每月（PUPM）收费。

顺着这个逻辑往下推，《API调用、订阅》给了一组可以互相验证的数字。

2025年5月，它还推出弹性协议，允许客户在用户许可证与弹性积分之间重新配置预算。

ServiceNow则明确选了"许可证+用量"的混合定价。

报告给的判断标准是：

看席位数量下降没有意义，要看厂商能否建立新的计价单位承接Agent的工作负载。

五、MCP：连接壁垒降低，数据壁垒升高

报告的价值链部分，以MCP开头。

MCP即模型上下文协议，由Anthropic在2024年11月提出并开源。

2025年12月9日，Anthropic把它捐赠给Linux基金会旗下的Agentic AI Foundation。

协议由此转向厂商中立、社区治理的开放标准。

生态规模已经不小。

捐赠时，MCP生态已有超过1万个活跃公开服务器。

ChatGPT、Cursor、Gemini、Microsoft Copilot、Visual Studio Code等均已支持。

Python与TypeScript官方SDK月下载量合计超过9700万次。

报告认为，MCP的核心价值是降低重复集成成本。

连接复杂度从"N×M"近似降到"N+M"。

企业系统只需按标准暴露一次接口，不同Agent即可通过统一协议发现并调用。

这对行业的影响，报告列了三条。

一是拥有核心记录系统的公司，有望获得新的计价方式。

二是竞争壁垒从界面粘性，迁移到"数据+权限+治理"。

三是安全与治理能力，成为智能体规模化落地的前置条件。

Salesforce的Headless 360平台在推出后两个月内，处理了450万次MCP调用。

ServiceNow把MCP调用与Now Assist积分体系直接挂钩。

Snowflake则在2026年5月收购了企业级MCP平台Natoma。

六、四层价值链：决定估值怎么分化

报告给出的框架，是一横四纵。

横向是协议层MCP，贯穿所有纵向层。

四个纵向层各有分工，报告的表述很精炼。

数据控制层解决"Agent知道什么"。

工作流执行层解决"Agent能做什么"。

垂直场景层解决"Agent创造了多少业务价值"。

云与开发运维层解决"Agent如何稳定、安全、低成本运行"。

工作流层被报告称为Agent商业化的主战场。

理由是工作流平台天然处在企业任务发生的位置。

Workday是这一层的代表案例。

FY27Q2，公司AI产品ARR接近6亿美元，同比增长超过200%。

单季AI产品贡献超过1亿美元新增ACV，占全部新增ACV的25%以上。

已有超过5500家客户使用至少一款Workday自研智能体，环比增长超过35%。

垂直层的优势是ROI最容易量化。

报告举了医疗的例子。

微软对879名使用DAX Copilot的临床医生做过调查。

DAX Copilot平均每次就诊为医生节省5分钟，77%的医生认为文档质量改善。

Northwestern Medicine的数据显示，高频使用该工具的医生平均每月可多接诊11.3名患者。

记录文书时间减少24%，下班后在家补病例的时间减少17%。

七、底层增量：可观测性、安全与成本治理

云与开发运维层，被报告称为AI时代的"运行治理层"。

它的逻辑是：不押注单一AI应用能否胜出，而是受益于整体复杂度提升。

每一次Agent执行任务，背后都有一长串动作。

模型调用、数据库读写、API访问、权限校验、日志记录、安全扫描、监控告警、结果反馈。

从Demo走向生产环境，这条链上的消耗会同步上升。

报告列了三类底层增量需求。

第一类是AI可观测性。

要追踪Agent调用链路、模型表现、响应质量、错误率与业务结果。

第二类是AI安全运营。

要管理Agent权限、数据泄露、模型攻击、提示词注入与异常行为。

第三类是AI成本治理。

要控制Token、模型调用、GPU、推理与云资源成本。

报告对成本失控的表述很形象。

如果缺乏成本监控和策略控制，AI应用很容易从"提升效率"变成"成本黑箱"。

Elastic是这一层的代表案例。

AV-Comparatives在2026年7月发布的测试中，Elastic Security在16款企业级安全产品里取得100%防护率。

是唯一达到满分的厂商。

真实环境防护测试中，防护率为99.8%。

八、投资主线与三条风险

报告最后给了五条投资主线。

数据控制层，代表是Snowflake、MongoDB、Palantir。

工作流执行层，代表是Salesforce、ServiceNow、Workday、UiPath、SAP、Oracle。

垂直场景层，代表是Veeva、Autodesk、Intuit、Adobe、Guidewire、Toast。

云与开发运维层，代表是Datadog、Cloudflare、Zscaler、CrowdStrike、Snyk。

综合生态与入口层，代表是Microsoft、Google、Amazon、Adobe、Atlassian。

报告对每一层都给了关键观察指标。

工作流层看AI ARR、Agent执行量、NRR与模块加购。

数据层看产品收入增速、AI相关客户数与数据工作负载增长。

报告同时提示了一个现实进度。

Deloitte在2025年6至7月调查了500名美国科技领域领导者。

仅11%的企业已在生产环境使用AI Agent，17%接近部署，38%仍处于试点阶段。

所以下一阶段的分化重点，是能否帮客户跨过从PoC到生产的鸿沟。

风险提示有三条。

AI商业化进展不及预期、企业Agent落地进度不及预期、宏观环境与企业IT支出不及预期。

想获取软件行业、AI产业与企业服务方向的完整报告与方案，可以到运营动脉（www.yydm.cn）检索。

AI会取代SaaS软件吗？

报告认为，AI并非简单"吞噬"软件，而是重塑软件价值的分配。

把视角拉到智能体AI实战手册，《智能体AI实战手册：100位领导者》里的样本会更完整一些。

低壁垒工具型SaaS可能被边缘化为后台功能模块，而掌握企业核心数据、深度嵌入关键流程的平台型软件反而可能提升战略位置。

软件股2026年反弹的原因是什么？

关键在于头部软件公司开始披露可验证的AI商业化指标，而不再停留在概念讨论。

这些指标包括ARR、任务执行量、Token调用量、产品收入指引等，Salesforce、Snowflake、ServiceNow都提供了实例。

AI时代席位制收费会消失吗？

报告认为席位压缩是定价问题而非需求问题。

软件价值的消耗方式从"人使用软件"扩展为"人+Agent共同调用软件"，厂商需要建立新的计价单位承接Agent创造的工作负载。

MCP是什么，对软件行业有什么影响？

MCP是模型上下文协议，由Anthropic于2024年11月提出并开源，2025年12月捐赠给Linux基金会。

它把连接复杂度从"N×M"近似降到"N+M"，降低了连接壁垒，但提高了数据控制权、权限体系与流程嵌入度的重要性。

AI时代软件行业的四层价值链是什么？

横向协议层MCP贯穿四个纵向层：数据控制层、工作流执行层、垂直场景层、云与开发运维层。

四层分别解决Agent"知道什么""能做什么""创造多少价值""如何稳定安全低成本运行"。

企业AI Agent的实际落地进度如何？

报告引用Deloitte在2025年6至7月对500名美国科技领域领导者的调查。

仅11%的企业已在生产环境使用AI Agent，17%接近部署，38%仍处于试点阶段。

相关报告解读推荐

如果这个话题跟你手上的业务有关，下面这几篇报告解读拆的是同一类问题的不同侧面，可以一起看。

《艾瑞企业级AI Agent报告：2030年市场815亿》——和本文互为参照的另一组样本

《大象研究院AI教育报告：SaaS到MaaS范式跃迁》——顺着这条线可以接着看

《爱分析2026本体平台市场报告解读：从构建走向行动闭环》——落点在从构建走向行动闭环

《大模型不够用了？投研Agent正在重塑金融研究》——把同一个问题拆得更细的一篇