（来源：华泰证券研究所）

AI Roll-up通过收购取得客户关系、真实工作流与经营控制权，有助于缓解传统SaaS和外部FDE在企业深度改造中的权限、协同与激励约束，并更多留存AI改造收益。传统Roll-up已具备成熟经营逻辑，AI的增量在于进一步提升收入与利润改善空间，并拓宽至更多人力密集型服务资产。海外相关实践已由一级市场向上市平台案例延伸；长期看，该模式有望推动AI在企业工作流改造中的商业化边界。

AI按结果交付，打开软件预算之外的服务市场空间

AI 从提供软件工具走向承接企业实际工作，潜在预算来源有望从IT支出扩展至业务运营、人工及外包服务支出。我们基于 Anthropic 的不同工作AI 潜在渗透率及美国BLS就业数据测算，客服、会计等八类典型工作仅美国可对应约 3,620 亿美元价值量，为其1.13万亿美元年工资总额的32%。AI Roll-up通过收购取得存量客户、交付团队与经营改造权，使技术投入、流程调整与服务收益纳入同一经营体系，推动整合价值延伸至交付环节。

控制权连接技术改造与收益获取，AI 有望放大传统 Roll-up回报

AI Roll-up将技术投入、流程调整与经营收益纳入同一体系，使改造能够深入日常生产，相较外部交付，收购方能够更直接地推动组织调整，并通过股权分享利润改善。传统 Roll-up 已通过专业化运营、组织整合及平台化复用形成较成熟的价值创造框架，AI带来收入增长和利润率改善的增量空间。我们的情景测算显示，在收购与退出估值不变的情景下，AI 带来的收入及利润率改善可使 IRR 由约17%提升至约25%。与此同时，AI 也有望降低人力密集型业务的改造成本，拓宽潜在可收购和整合的资产范围。

海外案例已进入生产部署，一二级市场均出现验证

海外一级市场已出现围绕会计、客服、IT 服务和物业管理等行业的 AI 服务整合实践，Tax AI（OpenAI 案例）、Crescendo与Dwelly分别展示专业产能释放、高频服务自动化及本地业务整合。上市公司Bending Spoons 通过收购 Brightcove、Eventbrite、Vimeo 等成熟软件资产，将中央技术、数据和商业化能力导入被收购企业，历史收购后六季度平均收入提升约 52%、运营费用下降约 43%，为AI Roll-up的落地提供了不同场景的验证。

我们与市场不同的观点

市场认为国内2B侧SaaS类商业模式难实现，FDE等模式推进困难。我们认为AI Roll-up的意义在于同时取得客户关系、交付团队和经营改造权，有助于缓解外部FDE项目中的权限、协同和激励约束，是推进企业AI工作流改造的一种可行模式。

AI Roll-up仍处早期验证阶段，建议重点关注两类机会，具体详见研报原文。中长期看，若模式持续验证，软件、IT服务及BPO等人力密集型资产的整合与重估机会也值得跟踪。若 AI Roll-up 模式持续验证，其投资机会可能由少数平台公司逐步扩散至潜在收购标的及企业服务产业链，并扩大 AI 可变现的市场边界。

风险提示：AI技术可靠性不足，客户采用不及预期，并购整合不及预期，行业竞争加剧。

本篇报告研究了以下问题

1、为什么企业 AI 改造需要关注 Roll-up？收购经营控制权能解决什么问题？

1）企业 AI 正从工具应用走向工作流重构，但组织层面的利润兑现仍面临落地约束。 麦肯锡2026年调查显示，80%的受访者表示 AI 改善个人生产率，但仅37%报告 AI 对组织 EBIT 产生正向贡献。传统 SaaS 和外部 FDE 均依赖客户开放数据权限、协调内部资源并配合改造。2）AI Roll-up 通过收购取得客户关系、真实工作流、生产数据与经营控制权，有助于缓解外部改造中的权限、协同和激励约束。 收购使技术投入、组织调整与经营收益纳入同一体系，也使 AI 改造收益更多留在经营主体。FDE 负责连接业务现场与技术平台，将交付经验沉淀为可复用的 Agent、Skill 和工作流。

2、AI 相较传统 Roll-up 带来了什么增量？

1）传统 Roll-up 的价值主要来自收入效率与费用效率改善。 收入端通过定价、获客、转化及交叉销售提升商业化效率；费用端通过组织整合及技术、数据和后台能力复用降低投入。2）AI 有望进一步放大经营改善空间，并拓宽潜在收购标的范围。AI 将改造从后台协同延伸至直接服务交付，通过自动化重复任务、提高人员产能和降低单位成本改善利润率，过去受制于人工成本高、流程难以标准化的企业具备新的整合价值，潜在标的向会计、客服、IT 服务等人力密集型企业延伸。Bending Spoons 收购 StreamYard 后，其2025年较2023年广告投入效率优化11%，付费广告新增注册用户增长142%，注册至订阅转化率提升66%，ARMAU提升64%；收购 Evernote 后，全职员工由341人降至60人，平均 NRR 仍维持约99%。

3、海外 AI Roll-up 发展到什么阶段？商业模式与经济性如何验证？

1）海外已出现从一级市场到二级市场成熟资产经营改造的多层次实践。 一级市场中，Current 整合会计事务所，Tax AI 试点处理约7,000份申报，准备时间减少约三分之一、处理能力提高约50%；Crescendo 收购 PartnerHero，平台可自动化处理超过80%的客户交互；Dwelly 整合本地租赁机构，已签约超过15家机构、管理超过1万套物业，分别体现专业产能释放、高频服务自动化和分散业务整合。上市公司Bending Spoons（BSP）验证了成熟资产平台化经营的价值，AI 有望进一步放大规模效应。 公司通过统一技术、人才、数据和商业化平台整合数字资产，2023—2025年收入 CAGR 约84%，调整后经营利润率由35.5%提升至46.9%，核心员工人均收入由112万美元提升至257万美元；历史收购后六季度平均收入提升约52%、运营费用下降约43%。AI 编写或参与编写的代码合并请求占比由1Q25不足10%升至1Q26超过90%。2）AI 带来的经营改善有望提升 Roll-up 资本回报。 BSP 已披露交易收购价格约为1.16—3.31倍，中位数约2倍，与传统软件并购价格大体相近。我们的测算显示，在2倍PS收购、持有5年、按10倍EBITDA退出的假设下，传统 Roll-up IRR 约17.1%；若收入年增速由8%提升至10%、退出 EBITDA 利润率由30%提升至38%，IRR 可升至25.1%，提高约8个百分点。

4、这一模式的长期产业影响是什么？有哪些投资机会？

AI Roll-up 有望扩大 AI 商业化价值池，使其从软件预算延伸至企业运营、人工及外包服务支出。我们测算美国八类典型企业工作流对应约1.13万亿美元年工资总额，其中约3,620亿美元处于 AI 暴露范围（反映潜在生产率价值，而非可直接获取的收入）。AI Roll-up仍处早期验证阶段，建议重点关注两类机会，详见研报原文。中长期看，若模式持续验证，软件、IT服务及BPO等人力密集型资产的整合与重估也值得关注。

市场认为国内2B侧SaaS类商业模式难实现，FDE等模式推进困难。我们认为AI Roll-up的意义在于同时取得客户关系、交付团队和经营改造权，有助于缓解外部FDE项目中的权限、协同和激励约束。

从生成内容到执行工作流，AI Roll-up具备新的技术与商业基础

企业工作流存在较大的AI改造需求，价值主要集中在客户运营、营销销售、软件工程和研发等环节。 根据麦肯锡《The economic potential of generative AI: The next productivity frontier》（2023年6月），其对16项业务职能、63类应用场景的测算显示，生成式AI每年可创造约2.6万亿—4.4万亿美元经济价值，其中约75%集中于上述四类职能。这些场景普遍需要处理大量信息、反复执行任务并衔接多个岗位，具备通过AI重构交付的基础。麦肯锡2026年调查进一步显示，大企业受访者中40%表示所在组织在至少一个职能中扩大Agent部署，去年为27%，企业应用正由个人工具使用向业务流程推进。

AI进入企业工作流后，如何有效推动组织改造，成为商业化的重要问题，AI Roll-up由此受到关注。企业AI工作流改造从控制权维度区分可涵盖客户自建、外部交付和收购后改造：

1）客户侧部署由客户保留经营控制权，可组合采购标准化产品、FDE项目和托管服务；

2）AI Roll-up通过并购或控股服务企业，将客户关系、交付团队与经营决策纳入同一体系，再部署AI改造。Roll-up指通过持续收购和整合同类或相关企业建立经营平台；AI Roll-up则在此基础上，用AI重构被收购企业的服务流程。

两条路径均可使用Agent平台与FDE，并采用订阅、项目费或结果收费。本文重点讨论AI Roll-up如何通过经营控制权改善AI落地条件，并获取服务企业经营改善的收益。根据General Catalyst《The Future of Services》（2025年8月），该机构已将应用AI与服务企业并购结合，在客服等领域推进实践。我们认为，AI Roll-up的意义在于同时取得客户关系、交付团队和经营改造权，有助于缓解外部FDE项目中的权限、协同和激励约束。这使技术团队能够进入日常业务，在真实任务中迭代产品，再向更多企业复制。

企业AI工作流改造从IT预算起步，向业务运营与服务预算扩张

企业现有预算的迁移节奏决定AI工作流改造的真实市场空间。

现阶段可承接预算分为三层：

1）第一层为IT、数字化和新增AI预算，用于模型部署、数据治理与系统集成；

2）第二层为营销、销售、客服等业务运营预算，用于直接提升收入或交付效率的Agent；3）第三层为客服、财务会计等外包和运营服务预算，对应供应商承担完整交付责任并按结果收费。

Gartner于2026年4月发布的预测显示，2026年全球IT服务支出约1.87万亿美元，包含应用实施与托管、基础设施服务及IaaS，预算池逐层扩大，同时提高供应商在人工、算力和履约方面的投入与责任。

按任务价值计费推动AI预算由软件工具向业务运营延伸。 迈富时2026年中期公告显示，公司AI应用覆盖营销、销售、客服、业务分析和培训支持，并提出由订阅模式向按消耗量计费演进，使商业回报与客户获得的业务价值挂钩。客户预算扩张的前提是收入提升、有效工单、交付周期等结果能够被验收。

全球业务流程外包市场（简称BPO）代表结果型交付的长期预算边界。 根据Grand View Research《Business Process Outsourcing Market（2026—2033）》（2026年6月更新），2025年全球BPO市场规模为3,284亿美元，其中财务与会计服务占21.4%。AI Roll-up当前可承接的市场主要集中于任务高频、结果可衡量、流程可复用且允许数据接入的服务环节；相关收入来自被承接的服务预算，新增利润取决于单位交付成本的下降幅度。

怎么理解企业工作流中细分赛道的AI渗透空间？

Anthropic在2026年3月《Labor Market Impacts》中将职业任务、Claude真实使用数据和LLM理论任务结合，构建AI暴露度指标（Observed Exposure），代表理论上该职业可被AI接管的工作占比。研究显示AI能力在管理、金融、编程、数学等领域的具备较高的比例，比如编程&数学类职业理论上约94%的任务具备LLM渗透可能。

在此基础上，我们进一步基于更细颗粒度的职位及就业数据，将AI暴露度映射至企业实际工作流，以估算不同服务环节潜在的AI替代/自动化空间。结果显示，当前可被AI显著改造的工作流主要集中于客户服务、销售营销、人力资源及财务等标准化程度较高、以信息处理和沟通为主的环节：其中客户服务/客服外包的AI实际暴露度约62%，销售与营销约38%，人力资源/招聘约33%，财务、会计与税务约29%；相比之下，法律服务、物业运营、采购供应链及保险后台的暴露度约10%–20%。这意味着，企业AI改造并非均匀发生，而是优先集中在"高人工成本+高信息密度+流程相对标准化"的工作流，构成当前企业级AI应用及AI Roll-up最直接的潜在效率提升空间。

从价值量空间看，我们基于BLS职业就业统计测算不同职位在美国的就业人数及工资数据，所覆盖的财税、客服、法律、物业、金融后台、人力资源、采购供应链及销售营销等八类典型工作流合计对应约1,407万美国就业人口、约1.13万亿美元年工资总额，按各职位AI实际暴露度加权后，仅美国地区可对应约3,620亿美元的AI暴露工资价值量，其中客户服务/客服外包约1,073亿美元、销售与营销约798亿美元、财务会计与税务约793亿美元、人力资源/招聘约424亿美元（该空间为潜在经济价值池参考，实际应用中模型能力、系统、合规、人类审核等因素仍存在不确定性）。

个人提效尚未充分转化为组织利润，AI落地需要同步改造工作流。 根据麦肯锡《The state of AI in 2026: On the road to ROI》（2026年8月），80%的受访者表示AI改善了个人生产率，37%报告AI对所在组织的EBIT产生正向贡献；高绩效AI使用者所在组织中，接近四分之三因AI应用而根本性重构工作流，其他受访者对应比例约为四分之一。个人生产率改善与组织财务收益的不同进展，说明企业还需要围绕AI应用调整工作流和组织方式。该调查于2026年5—6月开展，覆盖97个国家的1,719名受访者；高绩效组指报告AI带来至少5%的EBIT影响、并认为取得显著价值的受访者。

从个人AI工具走向企业级Agent，需要补齐规划执行、系统集成与组织协作。根据百融智能《从大模型到企业级Agent：AI规模化落地的关键路径》，大模型主要提供理解和推理能力，Agent还需要规划、工具调用、记忆与执行机制；进入企业后，还需解决稳定性、权限控制、ERP／CRM连接及业务流程设计。个人工具可以由使用者补全上下文、复制结果并判断下一步，企业交付则需要把这些工作纳入可持续运行的系统。因此，AI使用深度的提升既依赖模型进步，也依赖围绕真实任务的工程改造。

企业购买AI的重点由工具能力转向完成工作，AI Roll-up进一步组织实现结果交付所需的资源。 根据Thrive Holdings《Long Humans》（2026年6月），外部供应商通常只能进入客户已定义的局部用例，所有者则能够同时接触完整工作流、生产数据、专业人员、激励机制和改造决策权。我们认为，当AI改造需要持续调整人员分工和跨部门流程时，经营控制权使技术投入、组织调整与长期收益由同一主体统筹；若客户能够自行完成改造，SaaS或FDE仍是更轻的路径。本文以"AI Roll-up"为例讨论取得经营控制权后的AI改造，并将客户侧部署作为交付能力的对照路径。

注：三类可组合使用；FDE是交付方式，也可用于AI Roll-up。 资料来源：OpenAI Deployment Company成立公告、Thrive Holdings《Thrive Holdings x OpenAI》、Crescendo收购及商业模式公告，华泰研究

Roll-up取得客户和经营改造权，推动服务生产方式变化

AI Roll-up取得业务入口与经营改造权，将技术投入和服务收益纳入同一体系。 根据Thrive Holdings《Thrive Holdings x OpenAI》（2025年12月），双方把OpenAI研究及应用团队，与Thrive Holdings旗下会计、IT服务企业的工程师、运营人员和行业专家结合，直接改造其持有和运营的业务。与外部工具供应相比，该安排可以同时组织业务规则、系统接入和人员协作，技术团队也能够在真实任务中检验改造效果。收购方承担投入并分享经营收益，为持续推动跨部门流程调整提供了组织基础。

AI将服务业整合的降本空间，从管理协同延伸到直接交付环节。 根据General Catalyst《The Future of Services》，Crescendo通过收购PartnerHero，将AI客服能力部署到既有客户业务中，重复交互由AI承接，人工转向复杂任务。其改造对象已经进入原先依赖服务人员完成的生产环节。在此基础上，整合收益可以分为两类：（1）管理、采购和渠道协同带来的运营改善；（2）自动化减少单位服务的人力投入，使同一团队能够承接更多业务。第二类收益构成AI Roll-up相较传统服务整合新增的价值来源。

AI Roll-up更适合客户关系稳定、任务持续且可衡量、跨企业流程具有共性、市场较为分散的服务行业。 稳定客户关系提供持续业务入口，高频且可验收的任务使AI效果能够计量，流程共性决定首个标的的产品和实施经验能否向后复制，市场分散则提供连续整合空间。根据General Catalyst《Europe’s AI Transformation in Services》（2026年4月），英国租赁合同通常持续3—5年，房东更换中介的窗口有限；Dwelly因而通过收购取得存量客户，再将统一流程和技术导入被收购机构。若只有人工成本较高或客户规模较大，却缺乏任务共性和数据接入条件，后续改造仍可能依赖大量定制投入。

并购提供改造条件，FDE承担将AI落到生产流程的工程工作。 前者解决进入哪些业务、如何安排投入和获取收益的问题，后者解决如何将模型接入数据、系统和具体任务的问题。FDE既可服务被收购企业，也可服务外部客户，属于交付能力；股权收购对应所有权安排。两者结合后，AI Roll-up由完成交易进一步走向实际提效。

FDE是AI Roll-up的核心执行能力，连接业务改造与产品迭代

FDE进入业务现场，将模型能力转化为可运行的生产系统。 FDE即Forward Deployed Engineer，前线部署工程师。根据OpenAI于2026年5月发布的OpenAI Deployment Company成立公告，FDE与企业管理层、运营人员及一线团队共同选择重点工作流，将模型连接到客户数据、工具、控制机制与业务流程中；公告同时披露拟收购Tomoro，预计带来约150名FDE及部署专家。这说明模型厂商也在配置专门的交付力量，覆盖从需求识别、系统构建到上线运行的工程环节。

FDE既要完成现场交付，也要将经验转为可复用的平台能力。 根据OpenAI《Forward Deployed Engineer (FDE), Healthcare》岗位说明，其职责覆盖需求识别、架构、实施、评估、生产部署与交接，并要求将客户经验沉淀为参考架构、集成方法及评测工具。其作用可归纳为三步：（1）与业务人员拆解任务，明确数据、权限、异常情况与验收标准；（2）连接模型和企业系统，构建可追踪、可审核的工作流；（3）整理反复出现的问题与共性需求，反哺平台开发。对AI Roll-up而言，第三步决定首个标的的改造经验能否支持后续复制。

Tax AI的生产反馈机制，展示了FDE如何把专业判断沉淀为产品改进。 根据OpenAI《Building self-improving tax agents with Codex》，系统记录AI生成值、会计师修改及最终申报结果，形成生产过程记录；工程团队从中识别重复问题，转为评测任务，再由Codex辅助定位和修改产品，经过测试与工程师审核后上线。这个循环把一次性的人工纠错变成持续的系统改进，避免同类问题在每家机构反复由人工处理，也使FDE的现场投入有机会沉淀为平台资产。

因此，AI Roll-up的复制能力需要同时观察经营组织与FDE交付效率。 并购规模扩大后，如果每家企业仍需要从头开发与长期驻场，技术投入就难以摊薄；如果共性流程逐步进入平台，FDE便可将更多时间用于新场景和复杂问题。下文先分析收费、成本与收益归属，再通过海外案例检验这一协作如何进入真实生产。

收费方式与成本责任决定AI改造收益如何分配

AI改造收益沿合同收费和股权归属两条渠道分配。 按订阅、调用量或项目交付收费时，供应商取得合同收入，客户保留扣除采购费与内部改造成本后的经营改善；按有效工单或服务结果收费时，供应商承担更多持续履约成本，其毛利来自服务价格与单位成本之差。竞争和续约会推动效率收益通过降价、服务升级和利润增长在客户与供应商之间分配。模型与云厂商按实际资源消耗取得收入，平台和交付商保留覆盖自身成本后的收益：

1）客户侧部署已形成订阅或用量、项目交付和结果分成三类主要收费方式。 订阅和Token按持续使用收费，适合标准化产品；项目或FDE按实施范围、数据量和里程碑收费，适合仍需共创的场景；有效工单、GMV或业务增量分成与客户结果直接挂钩，适合供应商能够承担完整履约责任的业务。三类方式可以组合，企业通常根据产品标准化程度和履约责任选择收费结构。

2）AI Roll-up则通过股权安排分享服务企业的剩余利润，并承担收购和整合风险。 Thrive Holdings在《Long Humans》中披露，合作方保留有意义的股权和经营参与。平台收益因此取决于持股比例、利润分配约定和持续投入。并表收入、被收购企业经营利润与归属于平台股东的利润分别对应不同口径；平台回报需结合客户续约价格、原股东留股和资本投入分析。

海外平台已进入生产部署，一二级市场均出现验证

海外AI Roll-up已经从早期概念探索逐步进入商业化验证阶段。过去两年，随着生成式AI能力成熟、企业AI改造需求提升，以及并购资金持续进入，市场开始出现一批以"收购成熟软件或服务企业+AI改造提效"为核心模式的平台型公司，并逐步形成围绕收购运营、AI交付和资本支持的产业分工。

从产业结构看，Caritas Venture将产业链大致可分为三类核心角色：

1）第一类是以Bending Spoons、Beacon Software、Long Lake等为代表的收购运营平台，通过持续并购已有软件或服务企业，并将AI研发、数据和运营能力集中至统一平台，实现被投企业的效率提升和利润率改善；

2）第二类是以Distyl AI、The OpenAI Deployment Company等为代表的AI转型合作伙伴，通过FDE或嵌入式技术团队深入企业工作流，为被投或客户企业完成AI化改造；

3）第三类则是General Catalyst等资本提供方，为Roll-up平台提供股权、债务及后续并购资金。传统PE如Apollo、Vista、Blackstone等则构成这一模式的参照组，其核心差异在于AI Roll-up不仅依靠财务工程和规模整合，更试图将可复用的AI能力转化为持续的运营改善工具。

一级市场：传统企业工作流中的三类经营改造路径

AI Roll-up在海外一级市场中进展较多，目前已从组建平台和完成收购，推进到在部分业务中验证实际运营效果。 根据General Catalyst《Europe’s AI Transformation in Services》（2026年4月），其已创建或投资Accrual、Beacon Software、Crescendo、Dwelly、Eudia、Integral、Long Lake及Titan MSP等八项AI服务改造项目；Thrive Holdings（OpenAI持股）也已将会计与IT服务作为技术合作的切入点。不同项目处在组织整合、任务部署与经营改善的不同阶段，成熟度判断需要分别跟踪三类进展，并结合实际运营指标评价。

会计、客服与租赁服务分别展示了释放专业产能、重构高频交付和整合分散业务三种机制。 会计服务中的资料准备较耗时，AI可以先减少专业人员的重复工作；客服任务高频发生，处理结果可以直接对应服务交付；租赁业务则依赖本地客户关系，并购与流程标准化需要共同推进。比较这三类案例，可以进一步识别AI Roll-up的价值究竟来自哪里，以及技术能力如何与行业经营条件结合。

会计服务：OpenAI案例优化税务产能，Current整合专业团队

Current通过整合独立会计事务所，保留本地客户关系并集中建设AI能力。 根据Current《Crete Professionals Alliance Rebrands as Current to Equip Independent Accounting Firms to Compete at Enterprise Scale》（2026年6月2日），Crete Professionals Alliance更名为Current，平台员工超过2,000人、年收入超过5亿美元；成员事务所保留自身品牌、管理团队及部分权益，并使用共享技术和交付资源。这种安排将客户信任与行业经验留在原有团队，同时由平台承担AI建设，为Tax AI在真实业务中迭代提供条件。

Tax AI由FDE、平台工程师与会计师共同开发，专业知识直接进入产品迭代。 根据OpenAI《Building self-improving tax agents with Codex》（2026年5月），OpenAI的FDE与研究人员、Thrive Holdings工程师和Crete会计师合作构建系统。会计师识别资料、规则及字段处理中的实际问题，工程团队将这些反馈转化为可测试的产品改进。这种协作把现场专业判断与平台开发连接起来，体现了FDE在AI Roll-up中既交付业务、又反哺产品的作用。

真实税季反馈推动Tax AI提升准确性，并减少税务准备所需工时。 根据上述OpenAI案例，系统在参与试点的机构处理了7,000份税务申报，节省约三分之一准备时间，处理能力提高约50%；上线时，达到至少75%字段正确率的税表占比为25%，六周后升至86%。该占比衡量税表达到指定字段正确率门槛的情况，反映后续人工修正需求的变化。该案例说明，FDE与专业人员持续处理真实错误案例，可以减少重复复核工作，并为同一团队扩大业务承接量创造条件。

客户服务：Crescendo整合技术与运营，推动按结果交付

Crescendo将AI客服与外包运营团队整合，按问题处理结果交付服务。 客服请求能够围绕查询、修改及反馈形成连续处理，因而比单纯提供专业辅助更接近直接交付结果。根据Crescendo《Crescendo – the next episode!》（2024年10月2日），公司收购PartnerHero后，合并业务覆盖超过200家客户，ARR超过5,000万美元，EBITDA为正，并采用按交付结果收费的方式。收购提供了既有客户与人员基础，AI、软件模块和人工协作则构成新的服务供给。

客户存量为Crescendo提供了部署空间，自动化则改变了单位服务所需的投入。 根据General Catalyst《The Future of Services》（2025年8月），Crescendo平台能够自动化处理超过80%的客户交互，向PartnerHero客户推广的相关部署毛利率达到60%—65%或更高。其经济逻辑在于，把重复交互交由AI处理，将人工集中在复杂问题上，扩大服务供给的同时减少人力随业务量同比例增加的压力。

Crescendo后续产品演进进一步指向整个客服流程的整合，说明前端自动回复仍需要后端系统支持。 根据公司于2026年8月25日发布的客户体验平台公告，其将客服、工单、人员管理、质检和知识管理等功能整合，并披露过去一年AI处理量增长600%、AI客户数量增长200%。我们认为，从收购运营商到扩充统一平台，体现了规模化服务对全流程能力的需求：只有理解、执行、交接和质量反馈能够连接起来，更多客户交互才可能转化为稳定交付。

租赁服务：Dwelly通过并购进入本地业务，再以AI提升流程效率

Dwelly通过整合本地机构扩大业务覆盖，再以流程自动化提高管理效率。 与会计、客服案例侧重已有任务的交付改造不同，租赁中介的本地客户关系也是扩张的重要条件。根据General Catalyst《Europe’s AI Transformation in Services》（2026年4月8日），Dwelly已签约超过15家机构，在管物业超过10,000套；据该文转述的公司数据，寻找租客所需时间由行业常见的约三周缩短至两天以内，管理人员生产率翻倍。相应收益有两条传导路径：（1）减少沟通与资料处理占用，提高单个团队的管理能力；（2）缩短服务等待，改善房东与租客体验，为保持存量客户关系提供支持。经营规模、作业效率与客户关系由此在同一业务中相互连接。

海外案例的共同路径，是在真实业务中完成改造，再将交付经验沉淀为平台能力。 Tax AI通过FDE与专业人员协作改进税务准备，Crescendo将客服与后台执行整合，Dwelly在本地业务基础上推进流程提速。三者的提效均建立在收购后的数据接入、任务重构和持续反馈之上；交付经验在后续业务中的复用程度，决定平台扩张所需的新增研发与实施投入。

AI平台收购服务团队与经营平台导入AI，是两种相互补充的整合路径。 Crescendo原有AI客服能力，通过收购补齐客户及人工运营；Dwelly以本地机构和物业关系为业务基础，再用技术统一交付。根据两者公开披露，前者的重点是将技术能力转为可验收的服务，后者的重点是将分散业务转为可复制的经营流程。两种路径最终都需要把客户关系、专业人员和技术平台组合起来，但最先需要解决的问题不同。

二级市场：Bending Spoons平台化改造验证AI Roll-up 的规模效应

Bending Spoons通过收购成熟数字产品、深度改造并长期持有，实现资产规模与经营收益的持续积累。 公司成立于2013年，总部位于意大利米兰，2026年7月于纳斯达克上市，为AI roll-up赛道二级市场标的中较为直接的印证。旗下产品覆盖AI影像Remini、笔记工具Evernote、文件传输WeTransfer及视频平台Vimeo等，2026年又收购Airtable与Miro，进一步进入企业数据和协作工作流。公司将核心人才、专有技术和专有数据组成的统一Platform用于不同资产，通过复用工程、产品和商业化能力改善经营，再将收益投入新收购，至今未出售重大业务。

并购驱动规模扩张，平台复用同步体现为调整后利润率和核心团队人效提升。 根据公司招股书，2023—2025年收入由3.87亿美元增至13.06亿美元，复合增速约84%；调整后经营利润率由35.5%升至46.9%，单位核心员工收入由112万美元升至257万美元。2024年、2025年有机收入分别增长7%和13%，表明高增长主要由并购推动，而盈利与人效指标改善为跨资产经营能力提供了支持。

Bending Spoons的价值创造来自组织、技术和商业化的协同改造。 公司收购已有品牌、用户和收入基础的产品，完成交易后精简组织、重构技术架构、加快产品迭代，并通过用户实验优化获客、套餐与定价。集中配置的核心人才和共享技术工具，使这些改造方法能够在不同产品之间复用。

Remini与Evernote分别展示了产品增长和单位经济改善两条路径。 Remini通过AI影像和订阅经营扩大用户及收入；Evernote通过组织精简、技术重构和套餐调整，同时降低成本率、提高单位用户收入。Vimeo的性能改善进一步体现工程能力向其他产品的应用，主要改造及成效如下表。

AI的增量既来自产品功能，也来自核心平台自身的生产率提升。 Remini的AI影像、Evernote的知识搜索等功能有助于提升产品价值；平台内部，AI则进入开发和实验流程。据招股书，AI编写或参与编写的代码合并请求占比由1Q25不足10%升至1Q26超过90%，其中约70%由AI独立编写。我们认为，工程与数据能力共享叠加AI辅助开发，有望减少新资产所需的重复投入，扩大核心团队可承担的改造规模。

从Bending Spoons的案例中可以得出：

1）证明可以通过中央运营平台获得非常高AI roll-up的经营改造回报。 历史收购六季度后平均收入提升约52%、运营费用下降约43%，使资产的EV/经营利润从收购时19.3x下降至第三年的2.7x，对应历史无杠杆IRR约39%。

2）回报的核心除了人员优化外，更来自中央平台替代了单个公司的重复组织能力。 共享人才、技术、数据和运营工具使被收购公司在大幅压缩组织后仍可维持甚至提升产品效率，因此价值创造同时来自成本重构和收入优化。

3）AI在传统Roll-up的基础上显著放大其规模经济。 一方面AI提高人效和协同，另一方面AI压低成熟软件估值、增加潜在卖方，因此AI Roll-up相较传统Roll-up新增的价值，本质上是更低的收购成本、更低的改造成本以及更高的可管理资产规模。

AI Roll-up 的经济效益模型

AI Roll-up的收购价格大致在1~3倍PS区间，与传统SaaS收并购平均价格相近。在AI Roll-up的收购交易中，基于Bending Spoons已披露的三笔交易，支付对价相当于标的年收入的1.16—3.31倍，中位数约2倍。对比传统Roll-up市场，Silverpeak统计截至2026年7月13日的软件并购近四季度EV/收入和EV/EBITDA中位数分别为2.2倍和11.1倍，AI Roll-up与传统Roll-up收购价格大体相近。

传统 Roll-up 的经营回报主要来自收入效率提升与费用效率改善，本质是通过更成熟的经营体系重构被收购资产的单位经济性。

1、收入端，Roll-up通过定价、获客、转化和产品运营提升商业化效率。以 Bending Spoons 收购 StreamYard 后的运营为例，公司两年内围绕 onboarding、paywall、订阅周期、定价及结账流程开展超过140次实验；2025年相较收购前的2023年，广告投入下降11%，但付费广告带来的新增注册用户增长142%，注册用户向订阅用户的转化率提升66%，ARMAU提升64%，较直接验证了专业化运营能够在降低获客投入的同时提升用户增长、付费转化与单用户价值。

2、费用端，Roll-up 的改善主要来自组织精简以及技术、数据、营销和后台能力的平台化复用。Bending Spoons 收购 Evernote 后，将相关全职人员由341人降至60人，减少约82%，但2023年至1Q26平均NRR仍维持在99%左右，说明大幅降低人员投入并未明显破坏存量客户基础。集团层面，Bending Spoons 核心员工人均收入由2023年的约112万美元提升至2025年的257万美元，广告费用率则由9%下降至6%，1Q26进一步降至3%，反映收购资产接入统一平台后，人效提升和固定费用摊薄可以形成较强的经营杠杆。

在相同收购价格和退出估值下，AI带来的收入增长及利润率改善，有望显著提升Roll-up投资回报。以初始收入100、收购价格2倍PS、持有期5年、退出估值10倍EBITDA为统一假设，仅计算初始收购与期末退出对应的IRR。传统Roll-up情景下，收入年增速为8%、退出EBITDA利润率为30%，第5年EBITDA为44.1，退出价值为440.8，对应IRR为17.1%；AI Roll-up情景下，收入年增速提升至10%、退出利润率提升至38%，第5年EBITDA增至61.2，退出价值增至612.0，IRR升至25.1%，较传统情景提高约8个百分点。该测算表明，在不依赖退出估值提升的条件下，经营改善本身即可形成可观的回报增量。

中国落地从既有业务切入，产品复用与收费模式决定扩张质量

中国企业正通过协作平台和垂直岗位产品，将AI能力引入既有客户的业务流程。 根据明略科技，Octo将人、Agent、任务与反馈纳入统一协作网络，公司在内部交付改造中沉淀可复用Skill并推进FDE转型；百融智能《从大模型到企业级Agent：AI规模化落地的关键路径》则将垂直模型、通信工程与FDE结合，服务AICC岗位场景。两者分别从企业协作与具体岗位切入，共同指向降低重复实施投入、扩大业务承接能力的经营目标。

明略科技：Octo沉淀组织协作能力，FDE推动工作流复制

明略先在自身数据与营销业务中验证AI工作流。 根据公司公告，秒针依托DeepMiner推进工作流改造，相关项目历时60天贯通链路，在保留必要人机协作的前提下，全链路AI自动完成率达到90%。公司以社媒洞察与报告交付为例，将数据查询、统计分析和图表生成封装为标准化AI技能。这个案例的重要意义，是把原来由专业人员串联的多个步骤组织成可持续运行的交付流程。

Octo将分散的Agent组织成协作网络，使任务、上下文和交付结果在团队内连续流转。 根据明略科技《截至2026年6月30日止六个月中期业绩公告》，Octo以Bot、Channel／Thread和Loop组织人机协作：Agent以Bot身份加入团队，在项目频道中接收任务；经人确认后形成Loop，明确负责人和交付物，并记录需求、讨论、产出与验收。其提供流水线、分项协作、讨论与审核等多种编排方式，使不同Agent围绕同一项业务衔接执行。对企业而言，这有助于把个人对话窗口中的单点能力转为能够交接和追踪的团队工作流。

Octo通过反馈沉淀知识与技能，为FDE交付后的持续复用提供产品载体。 根据明略科技上述中期业绩公告，项目背景与历史决策形成Context，人工验收中的判断及偏好形成Taste，Bot习得的规范与方法沉淀为可复用Skill；平台支持开源与私有化部署。FDE在客户现场完成数据与系统适配后，相关经验可以在平台上持续积累，并用于后续同类任务。由此，明略的交付模式不只依赖工程师反复实施，也包含通过Octo保留业务知识、执行规范和反馈结果的产品化路径。

明略拟通过收购普联，将AI协作平台与企业软件交付资源结合。 根据普联软件《关于公司股东签署股份转让等相关协议暨控制权拟发生变更的提示性公告》（2026年7月30日），明略科技全资控制的明略昭辉拟以约8.59亿元受让普联19.07%股份，交易完成后取得控制权。普联《2025年年度报告》披露，公司年末员工2,776人，其中技术人员2,638人，主要服务大型集团管理信息化需求。我们认为，Octo提供任务编排与组织知识积累的载体，普联提供长期客户关系和企业系统实施基础，FDE则承担业务流程与AI能力的现场连接，三者结合有助于将内部改造经验向客户项目复制。明略计划导入AI平台、开发工具和培训，将其逐步升级为连接客户业务与AI的FDE。交付流程将转向FDE理解需求、Agent执行、人工审核上线。Octo平台、Agent、Skills及行业案例可跨项目复用，FDE负责现场适配，后台持续沉淀经验；同时通过AI Coding，从财务模块向更多ERP功能扩展。

明略已在内部交付中沉淀可复用技能，平台化复用有望降低新增项目的实施投入。 根据明略科技《截至2026年6月30日止六个月中期业绩公告》，公司在172个报告交付场景建立AI提效量化基线，披露综合提效56.1%，并沉淀359个可复用Skill，约三成交付人员转型为FDE。结合普联《2025年年度报告》披露的职工薪酬占营业成本69.27%，同类任务复用、实施工时减少和人员产能提升，均有望成为改善软件服务交付成本的途径。

百融智能：以垂直岗位能力切入，将模型与工程体系用于AICC

百融智能以垂直模型提供共性能力，通过FDE适配客户业务。 与明略从大型企业系统交付切入不同，百融智能将智能联络中心（AICC）作为主要岗位场景。根据百融智能《从大模型到企业级Agent：AI规模化落地的关键路径》（2026年9月3日），BR-Voice、BR-LLM-Proactive与BR-Vision-Doc分别侧重实时语音、主动对话和文档理解，并配套电话窄带优化、线路与软交换、业务系统接口及FDE交付。其中，模型与通信能力构成可复用基础，FDE负责进入客户系统、完成工作流改造，连接共性技术与不同客户的知识、权限和业务动作。

复杂呼入要求Agent完成查询、核验与处理，检验完整交付能力。 以物流异常查询为例，系统需要理解用户表述，识别相关订单，查询运输状态，再根据情况登记处理或交接人工；完整服务还要求系统继续执行订单查询、状态核验、处理登记或人工交接。根据百融智能《从大模型到企业级Agent：AI规模化落地的关键路径》，其物流应用覆盖查件、催件、派件异常、地址修改和投诉反馈。由单一识别能力进入连续业务处理，意味着产品评价也需要由技术指标进一步转向问题解决质量和处理效率。

百融智能披露的物流呼入量和券商部署规模较初期显著提升。 根据百融智能《从大模型到企业级Agent：AI规模化落地的关键路径》，某物流场景日处理呼入量由2026年7月上线初期不足1,000通，增至8月底超过15,000通；某头部券商硅基客服部署规模由年初约30席，增至8月底约210席。规模变化提供了客户采用的具体依据，而同一技术体系能否减少不同项目的适配工作，则决定其进一步扩张时的投入效率。

百融智能提出有效工作量、Agent部署量和业务分润三类收费方式。 根据百融智能《从大模型到企业级Agent：AI规模化落地的关键路径》，其展示的企业级Agent商业模式包括成功完成且无需转人工的工单或有效通话、实际部署Agent数量，以及促成业务规模的分成。三者分别对应有效工作量、服务产能和客户经营结果，其中按部署数量计费仍属于产能计费，与严格意义上的按完成结果结算存在区别。我们认为，这类模式的核心是让收费与可验收产出匹配，同时将AI运行、人工复核和实施维护纳入成本管理，才能判断业务扩张是否真正增加利润。

AI技术可靠性不足：AI模型输出准确性及稳定性提升不及预期。

客户采用不及预期：企业客户对AI产品的采购及部署进度不及预期。

并购整合不及预期：并购后业务、客户及组织协同效果不及预期。

行业竞争加剧：行业参与者增加及竞争加剧可能压缩盈利空间。

研报《AI Roll-up重构服务交付》2026年11月2日

夏路路 分析师 S0570523100002 | BTP154

苏燕妮 分析师 S0570523050002 | BTT483

邵浩岚 分析师 S0570526080003 | BWH250