高盛技术研究团队指出，软件类股当前面临的核心挑战集中在应用软件层的新竞争格局，以及基础设施公司资本支出的回报率问题。

华尔街见闻提及，Anthropic 的一次常规在本周重挫软件股，尽管周五反弹，但仍处低位震荡。

高盛的 Gabriela Borges 团队预计，投资者情绪的改善需要 2-3 个季度的稳定基本面支撑，软件板块短期内仍将面临估值压力。

高盛强调新技术周期的开启、2020-2021 年融资潮培育的大量竞争者，以及系统架构需要重新设计等因素，正推高应用软件层的竞争烈度。

Borges 为投资者勾勒出一份观察清单，列出七项可能预示 AI-SaaS 行业走向稳定的关键指标。该框架旨在帮助市场判断，应用软件公司能否抵御新竞争者冲击，以及基础设施提供商的巨额资本支出何时能转化为可观回报。

AI-SaaS 领域的两大核心争议

高盛技术研究团队指出 AI-SaaS 领域存在两大主要争议。

第一个争议点在于软件企业会被替代吗。

高盛认为，新的技术周期总是带来混乱。眼下，传统的 SaaS 巨头、像 Palantir 这样的高端定制软件商，以及那些真有独家数据集和产品，而不仅是套了个 AI 外壳的创业公司，正在同一个战场上抢客户。

这种混战有三层原因。首先，每当新技术出现，企业总想自己动手试试，这给了新玩家时间窗口。

其次，2021 年前后那些靠热钱催生的公司，护城河可能没想象中深。

最关键的是，过去软件的核心是让人来用，而未来软件需要同时服务人和 AI 智能体。这意味着整个软件技术栈需要重构，老玩家改造旧系统的负担，恰恰是新玩家的机会。

因此，选择变得苛刻。投资时应挑剔地看向那些在重构自身技术、以适应 " 人机协同 " 工作上进度更快的应用软件公司。

第二个焦点在市场关注钱最终会流入谁的口袋？

高盛在与客户的交流中发现一个共识，未来每家软件商都会提供 AI 智能体。那么，差异化和超额利润从何而来？

核心在于 " 编排 " 能力，即如何把底层的算力、模型、企业数据、业务流程和安全规则，高效且稳定地整合起来，交付一个可用的智能体。这件事横跨了基础设施、平台和应用三层，技术复杂度和对行业知识的理解缺一不可。

这导致垂直整合的能力变得比云时代更重要。对于像微软这样的巨头，通吃各层变得更具优势。

具体到公司层面，高盛的分析师认为，对应用软件商，价值会聚集在 " 编排层 "，从 SaaS 转型到 "SaaS+AI" 是一场残酷的赛跑，各家起点不同。

对提供算力的基础设施公司而言，胜负手则在于能否把芯片来源多元化以提升利润，以及能否在基础算力之上增加有价值的平台服务。

七大关键复苏信号

上述变化是缓慢的。高盛分析师列出了七个更具体、可季度追踪的信号，它们若相继出现，将意味着行业基本面开始企稳。

第一是收入结构悄悄变化。如果今年企业总体的传统软件预算没有增长，但头部软件公司的总收入却止跌回升，那就说明 AI 订单开始实质性弥补甚至超越了传统业务的疲软。

其次，" 自研 " 项目回流。当 ServiceNow 这样的公司开始抱怨客户从自建 AI 项目转投其成熟产品时，就是一个积极信号。这表明打包软件在功能、安全与合规管控上开始建立起足够优势，企业级市场的游戏规则正在生效。

第三则是敢于涨价。目前多数 AI 功能尚在推广期。未来当厂商尝试对智能体功能单独收费或提价，且客户接受时，才证明 AI 创造了被认可的商业价值。这类似于 Palantir 一两年前 " 先让客户用起来，再谈钱 " 的路径。

接着要关注行业知识是否贵过模型。市场需要更清晰的案例来理解，为什么在特定场景下，拥有深厚行业经验的 Salesforce 或 HubShop 的智能体，会比通用的 Copilot 表现更好。这将决定不同公司智能体产品的定价权和市场空间。

第五注意是否出现意料之外的并购。如果某家 AI 平台或大模型公司，突然收购一家垂直领域的 SaaS 公司，不应感到意外。这是 AI 玩家快速获取行业知识、销售渠道和 " 企业级 " 信誉的最直接手段。

第六是用钱解决人的问题。AI 带来了昂贵的技术人才和销售人才竞争。投资者应关注公司如何应对由此带来的股权稀释和员工流失风险。是更积极地回购股票，还是果断调整薪酬结构吸引新一代人才，这反映了管理层的决心。

最后则需要看清云巨头的底牌。对于微软、甲骨文这类提供 AI 算力的巨头，市场需要更清楚地知道它们的新芯片产能何时上线，以及这些产能有多少会留给自己的业务，多少能卖给外部客户。这直接影响其云业务的增长和利润率。

高盛最终指出，预计需要 2-3 个季度的基本面保持稳定，投资者情绪才会改善。即便如此，仍存在看空情景被推迟至未来年份的可能。