2026 年迄今软件板块的回调，和过去几轮 " 需求放缓 / 利率上行 " 驱动的修正不太一样：市场更像在讨论终值——这些公司十年后还能不能守住利润池，护城河会不会被 " 代理式（agentic）"AI 重新切开。

据追风交易台消息，高盛全球投资研究部分析师 Gabriela Borges 在 16 日的报告里直白地写道：" 市场正在质疑软件护城河和商业模式。" 她把投资者最常抛出的七个看空论点逐一拆开，按 1 到 5 给了风险评分，并区分它们影响的是狭义应用软件，还是会外溢到更广的基础设施 / 安全栈、乃至与云厂商资本开支相关的 ROI。

有意思的是，高盛并不把 " 系统级软件被 AI 彻底替换 " 当作主线风险（评分 1）。更尖锐的担忧在两个方向：一是价值从系统记录层（System of Record, SoR）向 " 代理式操作系统 / 编排层 " 迁移（评分 4），二是技术迭代速度本身让终局难以定价（评分 5）——估值很难找到 " 地板 "。

在这种不确定性里，报告给的抓手也很明确：盯两类信号——其一，软件公司能否证明 " 行业域经验 " 真的能带来更高质量的代理式结果；其二，财报层面基本面能否稳定甚至改善。

这轮软件回调，市场盯的是 " 终值辩论 "

高盛的判断是：2026 年这波下跌，争论点从 " 短期增长曲线 " 转向 " 护城河会不会被 AI 削薄 "。讨论的中心主要在应用软件，但也开始波及基础设施 / 安全栈，以及与云厂商资本开支相关的投入产出。

因此报告的写法更像 " 拆辩题 "：把七个熊市论点从 " 稻草人 " 到 " 钢人论证 " 排队，给出风险分数，试图回答同一个问题——什么东西还能支撑终值。

SoR 不太会被掀桌子，但 " 价值外移 " 更危险

A：SoR" 被替换 " 风险很低（评分 1）

第一个熊市论点是 "rip and replace"：新玩家用 AI 重做系统记录层，让 ERP/CRM/HR 这类基础系统过时。高盛把它定为低风险，理由很直接：生成式 AI 更像分析与生成引擎，而不是交易引擎；企业级 AI 需要大量高质量、结构化、可追溯的数据，而 SoR 正是这些数据的容器与治理体系。

报告也承认真正的替换风险并非不存在：如果有人在 SoR 层重做一套更现代、可扩展、总拥有成本更低的架构，就可能撬动迁移。文中用 SAP S/4HANA 云升级举例：大型企业迁移常见是 18 – 36 个月的多阶段工程，成本高、周期长，本身就给 " 更便宜更快的替代品 " 留下想象空间。

高盛给的 " 防守动作 " 也落到架构上：SoR 要从被动账本走向 " 系统推理（system of reason）"，从 "AI powered（加外挂）" 走向 "AI native（架构内生）"。文中提到的一些信号包括 Salesforce 在 2024 年的 replatforming、Workday 从封闭转向开放的路线调整。

另一个关键变量是企业数据边界。如果企业继续把数据优势 " 圈 " 在现有应用里（报告提到 Salesforce 在 2025 年 5 月调整 Slack API 条款、限制 LLM 训练和批量导出），那么 SoR 作为底层会更稳，但其上的利润池可能被新层抽走。

B：价值从 SoR 转向 " 代理式操作系统 / 编排层 "（评分 4）

高盛认为更现实的风险不是 SoR 消失，而是 SoR 变成 " 合规数据底座 "，价值集中到能跨系统推理、调用 API、自动执行工作流的编排层。代理可以在多个 SoR 之间读写、对账，用户不再需要直接进入原来的系统界面，SoR 过去依赖 UI、流程占有、用户习惯形成的护城河会被削弱。

报告用 " 谁坐在谁上面 " 来描绘这个世界：Sierra 叠在 Salesforce 之上，Anthropic Cowork 叠在 Microsoft 之上，增量预算更可能被上层拿走。高盛也提醒，市场之所以对这条线特别敏感，部分原因是 2020/2021 低利率周期里融资 / 扩张起来的一批应用公司护城河较弱，更容易被 " 去中介化 " 叙事带崩。

给传统厂商留下的机会，核心是 " 域经验 + 上下文 "。报告引用了几家公司的表述来说明 " 上下文为什么值钱 "：

Microsoft 强调留在同一生态能降低延迟、保证数据更新并给 LLM 更多上下文，且大规模数据迁移的摩擦、成本和 " 断裂 " 常被低估；

HubSpot 把企业 AI 的关键短板归结为 " 缺上下文 "，而系统记录层能聚合客户历史与协作信息，减少重复 " 教 AI"；

Datadog 在 2/12 分析师日展示：用内部数据训练的 SLM 在成本更低的情况下给出更高准确率，强调 " 域经验 " 可转化为模型与结果层面的差异化。

垂直软件短期更抗打，但 " 好用到够用 " 可能改变定价权（评分 2）

第三个熊市论点是 " 横向吃掉纵向 "：横向平台用 AI 工具让客户自己搭出行业工作流，从而侵蚀垂直软件的定价权。高盛把风险评为 2，认为垂直软件的几道门槛还在：行业专有数据、深度嵌入工作流形成的 SoR 属性、长期口碑带来的参考性、以及强监管行业的合规壁垒。

报告用 Guidewire 举了一个数据规模的例子：其客户群中，全球约 7750 亿美元的财产与意外险保费（P&C Insurance DWP）在至少一个 Guidewire 产品下被管理，历史数据积累本身就是外来者难以复制的壁垒。高盛还强调 " 客户给时间 " 这件事：深度嵌入的垂直软件，客户从容忍到切换往往以 " 年 " 计，而不是按月。

但高盛没有把风险一笔带过。报告同样列出横向 /AI 化带来的新冲击：Palantir 与 AIG、Anthropic 在保险用例上的合作；Intuit 推出 GenOS，让用户在 Quickbooks 这类横向会计软件里更容易编码垂直工作流。关键问题被写成一句话：当横向平台的 AI 功能只是 " 够用 "，而不是 " 明显更好 "，会不会仍然因为集成更简单、碎片更少而吸走客户——这直接指向垂直软件的长期定价权。

代码更便宜会带来更多竞争，但写出产品≠做成公司（评分 2）

第四个熊市论点是 " 代码成本下降 "。高盛承认 AI 编码工具会降低开发门槛、带来更多新入场者，但风险评为 2，理由是：软件工程不只是写代码，工程师大量时间花在设计、排错、风险识别、review 上；工具提升效率不等于开发岗位消失。

报告还给了一个 " 人仍在回路里 " 的数据：Faros 对 1 万名开发者的研究显示，高 AI 采用团队完成任务多 21%、合并 pull request 多 98%，但 pull request review 时间增加了 91%。效率提升会把瓶颈挤到新的环节，尤其在企业级交付里，安全、维护、集成、流程编排、生态建设和 GTM 仍然是硬活。

" 未来是定制化 " 会抢走部分预算，Palantir 把定制做成平台（评分 3）

第五个熊市论点是 " 企业更愿意自建 "。高盛的结论更像折中但不含糊：代码成本下降不会普遍改变 build vs buy，但企业确实会在一些场景把预算转向内部自建，风险评为 3。关键原因是维护成本与责任会长期复利式累积——就算代理式效率能降低维护成本，专业厂商的维护成本也会同步下降，" 性能 / 成本前沿 " 往往仍在厂商这边。

报告认为更可能被自建抢走的，是介于传统 SoR 之间、需要跨多个部门协调、过去打包软件连接不好的那段 " 中间地带 "。

Palantir 在报告里被当作定制化范式：通过 AIP 与客户共建生产级 AI 用例、强调可量化 ROI。报告给出其增长数据：Palantir 美国商业业务 2025 年增长 109%，公司预计 2026E 将加速到超过 115%。同时，Palantir 依靠前线部署工程师（FDE）把客户意图翻译成可运行系统，再把客户特定解法沉淀为可复用能力；在 " 软件还是服务 " 的质疑之下，公司混合模式仍做到约 85% 的毛利率。

高盛也提醒，企业自建热潮可能接近一个 " 局部高点 "：SaaS 厂商正补齐 AI 能力，数据治理与安全协议（文中提到 A2A、MCP 等）在演进，IT 团队也在爬坡。ServiceNow 已公开谈到，正在赢回原本流向 " 自建 " 的预算。

"LLM 税 " 会压毛利：短期 12 – 24 个月更现实，长期还是定价权（评分 3）

第六个熊市论点是毛利结构被改写。高盛预计行业整体会经历 12 – 24 个月的温和毛利压力：厂商为了抢采用率，可能先吸收 GPU 推理成本和第三方模型 API 费用。因为 AI 把 " 使用强度 " 直接变成成本（token 消耗、模型复杂度、查询频率都对应费用），SaaS 从固定成本杠杆转向更接近 " 按消费计价 " 的经济学。

报告引用 Bessemer 的观察：一些最快从 0 冲到 1 亿美元 ARR 的 AI 原生公司毛利率大约 25%，不少甚至为负；更成熟的 AI 原生公司毛利率也多在约 60%，仍低于传统 SaaS。

但高盛并不把它视为永久性塌陷：报告援引 Epoch AI 的数据，LLM 推理成本每年下降幅度在 9 倍到 900 倍之间；实现与 GPT-4 相近 MMLU 表现的价格按年下降约 40 倍。长期毛利能否回升，仍回到 " 定价权 = 差异化 "。报告还点出微软的结构性优势：垂直整合叠加与 OpenAI 的关系，使其能在价值链多层捕获利润、减少第三方 "LLM 税 " 外流。

最难定价的是技术速度：不确定性本身就压估值（评分 5）

第七个熊市论点被高盛评为最高风险：技术演进太快，终局难以预测。报告罗列了年初以来的更新—— Anthropic（Cowork、Opus 4.6、垂直插件）、OpenAI（Frontier、OpenClaw）、Google DeepMind（Deep Think）、Meta（Avocado）。它引用 Bridgewater 在 2025 年 11 月的白皮书观点：预训练扩展规律仍在起作用；并列举了近期模型更新与基准分数（如 GPQA Diamond 上多模型>90%）。

报告用两个 " 包装带来的拐点 " 说明不可预测性：ChatGPT 把能力装进易用入口带来大众化扩散；Cowork 把能力推到桌面端 GUI，让非技术用户开始实验。再往前推，OpenClaw 这类可自托管代理的扩散路径，在报告与 Cloudflare CEO Matthew Prince 的对话里被描述为：未来三年可能复制过去三年 ChatGPT 的传播速度，企业端短期的主要约束仍是安全。

不确定性也可能带来新 TAM。报告引用微软 MAI Superintelligence Team 的案例：MAI-DxO 在《新英格兰医学杂志》病例挑战中的通过率达到 85%，并提到把微软博客与初始指标输入 ChatGPT 后得到的 TAM 测算为每年 500 亿到 1000 亿美元（上行情景 1500 亿到 2000 亿美元）。但高盛的落点不是 " 押注哪个终局 "，而是承认：未知本身会让终值更难锚定，而高不确定性往往对应低估值倍数。

报告要看的 " 稳住 " 信号：域经验兑现、基本面别掉链子

高盛把可观察的稳定信号压缩成两条：一是企业软件公司能否用产品与案例证明，域经验确实带来更高质量的代理式结果；二是财报里基本面能否稳定到改善（尤其通过业绩季去验证）。在此之前，它更倾向于 " 架构型护城河 " ——护城河不只在应用层界面和工作流，而能延展到更底层的技术与平台结构。