软件与服务行业：软件板块深度回调，寻找错杀的机会

本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。同时请务必阅读正文之后的免责条款和声明。 证券研究报告·海外行业深度 软件板块深度回调，寻找错杀的机会 核心观点 当前软件板块的恐慌性无差别杀跌，为基于壁垒深度的分 化定价提供了窗口。我们建议沿“壁垒攻防属性”进行配置：① 核心超配"进攻性壁垒"标的，壁垒本身成为 AI 时代新增长基础的 公司（如 Palantir，ServiceNow）；②关注"防御→进攻转型"窗口 ，传统壁垒坚固但需验证 AI 收入转化的公司（如 SAP，Salesforce ）；③回避壁垒衰减时间常数短的标的，低复杂度+浅层数 据的 公司（如 Five9，UiPath）。关注 OpenAI、Anthropic 与咨询公 司合作进展，企业软件公司 AI 定价及 ARR 增长拐点。 投资要点 美股软件板块正经历 2020 年 3 月以来最深的估值回调，中位数EV/NTM Rev 降至 3.2x， 远低 于疫 情前 7.8x 的历 史 均 值 。 Anthropic 发布 Claude Code/Cowork 等工具引发了"AI 将吞噬SaaS"的末日叙事，但这种恐慌性杀跌将"法律强制+系统记录"型公司（壁垒衰减时间常数 5-10 年以上）与"UI 包装+简单自动 化"型公司（壁垒衰减时间常数 6-24 个月）混为一谈，存在结 构性错误定价。按收入增速调整后，板块估值倍数已回归近十年 均值附近。我们认为当前是对软件板块进行深度分化定价的窗口期。 模 型 层 加速同质化，但并非完全同质化。基于 MIT 等团队对OpenRouter 数据的实证研究，闭源模型调用量仍占 75%，短期需求价格弹性仅为-1.11（接近单位弹性），说明大模型市场呈现“以品牌为中心的竞争”格局，生态内部转换成本极低，跨生 态转换成本极高。但顶尖模型的领先周期已从 2025 年初的 7.5 个 月缩短至 4 个月以内，GPQA 第一名与第十名的差距持续缩小， 模型厂商的价格溢价窗口在收窄。OpenAI 2025 年毛利率从 40% 降至33%，Anthropic 毛利率 40%（低于预期的 50%），推理成 本比内部预期高出 23%，模型层的利润空间正在被 test-time compute 的算力消耗和 API 价格通缩挤压，迫使模型厂商向应用层渗透。 “错误代价”框架证明，高价值垂直领域仍需最强模型，且 AI无法平均替代所有软件。基于美国医疗诉讼数据测算，AI 在医疗诊断场景每犯一次错的预期经济损失为$45-63（调整后），远 超优先采用高性能推理模型的成本阈值。在信贷审批场景中 ，综合假阴性信用损失与假阳性机会成本，加权单次错误代价在$27-125区间（视余额口径）。这意味着在高容错代价场景中，模 型准确率从 90%提升至 95%所支撑的经济价值可达数十倍乃 至百 倍的价格溢价，真正的竞争焦点不是谁的 API 更便宜，而是谁 能在垂直领域逼近专家级准确率。 维持 强于大市 于伯韬 yubotao@csc.com.cn SAC 编号:S1440520110001 SFC 编号:BRR519 许悦 xuyue@csc.com.cn SAC 编号:S1440523030001 发布日期： 2026 年 03 月 26 日 市场表现 相关研究报告 -15%5%25%45%2025/3/262025/4/262025/5/262025/6/262025/7/262025/8/262025/9/262025/10/262025/11/262025/12/262026/1/26计算机纳斯达克综指软件与服务 海外行业深度报告 软 件与服务 请务必阅读正文之后的免责条款和声明。 Scaling 仍在三个并行方向继续推进，垂直领域"奇点路径"已经明确。2025-2026 年的实证表明，模型性能提升来自：①RL/RLVR 算法改进（GRPO→DAPO→Dr.GRPO→λ-GRPO），从人类标注奖励转向自动验证；②推理时 Scaling（Deep Think 并行思考、Agent Swarm 并行采样、思考效率优化），DeepSeek R1-0528 通过增加后训练算力将 AIME 准确率从 70%提升至 87.5%；③架构效率改进（MoE 稀疏激活、线性注意力、稀疏注意力），Kimi K2.5 的 PARL 训练使端到端运行时间减少 80%。在三个方向的边际收益未快速收敛的背景下，垂直领域准确率将持续提升，真正的护城河路径是"Mid-training 注入行业知识 → 构建可验证奖励环境 → RL激发深度推理 → Test-time 充分思考"。 软件壁垒深度分化，AI 冲击分化。企业软件的价值从来不在于代码本身，96%的商业程序包含开 源代码 ，但企业仍为安全、合规、集成和 SLA 付费。AI 时代下，壁垒沿"工作流复杂度×数据护城河深度"两个维 度分 化：①高复杂度+深层数据（如 ServiceNow），工作流编排、上下文管理和合规审计的价值随 AI 增强而非减弱 ；②低复杂度+深层数据（如 HubSpot），数据有价值但席位制计费逻辑面临 AI 提升人效后的结构性压缩 ；③ 低复杂度+浅层数据（如 Five9、Freshworks），核心功能已被 AI agent 直接覆盖，护城河极薄。BloombergGPT 的失败证明"自建模型"路线不可行，GPT-4 不到一年就在所有金融基准上超越用 3,630 亿 token 金融数据从 头训 练的专有模型；而 Hebbia（$130 亿估值）、Harvey（ARR>$1 亿）的成功则证明"专有数据+工作流+前沿通 用模型"才是正确的价值捕获方式。 强壁垒来自"商业惯例与法律规章的抽象化编码"，AI 原生软件的复制成本极高。以 SAP 为例（全球 77%交易收入触及其系统），其壁垒是三层嵌套，①业务规则编码化（各国税务/劳动法/行业合规的可执行逻 辑） 、②定制化配置的不可逆性（数万配置参数、数百自定义报表、数十年积累的组织记忆）、③生态锁定 （数 十万认证顾问、S/4HANA 强制迁移变成再锁定事件）。SAP 前工程师 Thomas Otter 指出，很多功能不是"商业选择"而是法律强制要求（如德国薪酬计算涉及教会税、社保分摊等数十个相互依赖变量），在薪酬领域 0.01%的 错误就可能导致法律诉讼。AI 对核心 ERP 的威胁是"分层渗透"而非"替代"，UI/交互层和流程自动化层（L1-L2）AI已在增强这些系统（如 SAP Joule），但在核心业务逻辑层（L4，2028+）和系统记录层（L5）可预见 的未 来仍是增强工具而非替代者。同时，AI 正在压缩产品开发价值链，Anthropic 内部实践显示"从想法到原型"的周 期从数周压缩到数小时，UI/UX 作为中间产物的价值下降，Figma 等设计工具面临"设计阶段被整体压缩"的风险 ，但视觉协作和设计系统管理的壁垒短期内仍然存在。 投资建议：当