2026年以来，深度困扰软件行业的是风声鹤唳的SaaS末日论，A社每每发布一个新功能，股价就暴跌一波，全球软件之王微软也未能逃脱，创08年金融危机以来最差季度表现。
但最近一个月软件板块又华丽丽创下了2001年以来的最佳单月表现，5月以来我写了几篇文章来分析软件板块当前的问题与机会：
对于“AI吞噬软件，软件毫无价值”的论调，我一直认为需要分层看待。
然而，AI带来的同质化解读与二元倾向让市场越来越被叙事与注意力主导。一旦某个板块或公司背上负面叙事，就一定会被放大，股价波动的幅度会大幅偏离历史均值。一季度几乎所有美股软件公司都陷在这样的宏大叙事中——“Anthropic吞噬一切”几乎成为传播度最高的标签，也基本变成市场共识：软件行业的terminal value没了，杀估值、杀逻辑、杀事实。这一点在港股也很明显，被认为AI落后字节的腾讯与阿里，股价今年以来一直十分疲弱。但叙事与共识不一定是事情的原貌与真相，也不一定是真理：抱团、共识与真相。
最近的变化是：AI吞噬软件，将变成AI将软件分层。市场不再简单问“软件会不会被AI吞噬”，而是开始问：这个软件到底是AI agent的替代对象，还是AI agent必须依赖的系统、数据、流程、权限、治理和基础设施？近期软件抛售更多是投资者情绪的快速迁移，而不是所有公司基本面的同时恶化。
IGV这个月的超级反转，表面上是DDOG、FTNT、SNOW、OKTA、NOW、TEAM、CRM等财报与股价共振；本质上是市场从一个极端假设：
AI会吞噬SaaS seat / workflow / software margin
突然切换到另一个新假设：
AI会放大企业数据、身份、安全、治理、工作流控制层的需求，软件不一定被吞噬，部分软件反而是 AI adoption 的控制平面。
不是基本面一个月翻倍，而是叙事赔率 / 贝叶斯odds / 边际买家函数在一个月内翻倍。事实层看，IGV 5月上涨约21%，为2001年10月以来最佳单月表现；但即便如此，IGV年内仍约下跌3.8%，仍明显落后纳指，说明这是一次强烈的悲观修复 + 空头回补 + 再分类交易，还不能直接判定为软件新牛市全面确立。
用我的 Attention × Evidence × Pricing Phase-Space OS 来看，这轮IGV在5月前处于一个非常典型的高弹性相变区。
反弹前状态：
催化后状态：
这就是为什么一个月可以从极致悲观切到极致多：不是因为所有问题消失，而是市场原来的 H-set 太单边，证据一反向，就发生叙事空爆。
这次IGV反弹的归因拆解，我会粗略拆成五个因子：
真正主因不是财报数字本身，而是财报数字提供了足够证据，让市场有理由从bearish H-set切到bullish H-set。
也就是说，核心不是earnings beat，而是：
Evidence 给 Narrative 换了方向，Narrative 给 Marginal Buyer 换了身份。
有一说一，市场上关于AI使用是否带来足够ROI与费用管控的声音越来越多了。
Axios报道，有公司因为员工狂用Claude月烧33亿，全网都在寻找这家公司。
5亿美元/月这个案例是匿名AI顾问转述，不是公司官方披露，也没有发票细节；所以精确数字可信度应打折。但趋势本身已经被多条证据确认：微软撤回多数Claude Code许可证，Uber COO质疑token增长和产品产出之间的关系，Amazon关闭内部token排行榜，Salesforce的Benioff则明确说今年可能花3亿美元买Anthropic token，同时呼吁“中间路由层”来区分哪些任务需要最贵模型。
这条新闻真正重要的点，不是“某家公司到底是谁”，也不是“Claude是否太贵”，而是企业AI进入了一个新的阶段：
从AI FOMO / tokenmaxxing阶段，进入AI FinOps / ROI约束阶段。
过去企业看的是“有没有用AI、token用量是否增长、员工adoption是否足够高”；现在CFO/COO开始追问：这些token到底换来了多少收入、多少效率、多少可交付产品、多少真实成本下降？
这是“AI需求爆发”还是“AI成本失控”？
我认为，两个都对，但层级不同。
需求是真实的。 Anthropic官方称，2026年5月完成650亿美元Series H，投后估值9650亿美元，并称run-rate revenue本月已超过470亿美元；这说明企业级Claude / Claude Code / Claude Cowork的需求不是虚构的。
但需求质量开始被质疑。 Axios的后续报道也指出，企业CEO/CIO正在寻找更便宜的模型和router，因为AI使用量冲高后，ROI还没有完全固化；客户不想被单一OpenAI、Anthropic或Google锁死。
所以这不是“AI没用”，而是：
AI的边际token正在从“创新证明”变成“成本嫌疑人”。
最危险的不是前20%高价值token，而是后50%甚至后70%的低质量token：重复尝试、无效agent循环、长上下文反复读取、员工为了显示自己AI-native而刷usage、内部工具没有预算阀门。
按Anthropic当前公开API价格粗略估算，Claude Sonnet 4.6是$3/百万 input token、$15/百万 output token，Claude Opus 4.8是$5/百万 input token、$25/百万 output token；Fast mode甚至更贵。
如果用一个简单的80% input / 20% output混合成本估算：
这说明一个关键点：
如果5亿美元/月是真的，它大概率不是普通员工“聊天提问”刷出来的，而是agentic coding / 长上下文 / 自动化循环 / 多agent并行 / 工具调用链条共同造成的。
agentic coding task的token消耗发现agentic任务可以比普通代码问答消耗1000倍token；同一个任务不同运行的token成本可相差最高30倍，而更高token消耗并不必然带来更高准确率。这就是为什么Claude Code这类产品非常强，但也非常危险：它不是“一个更聪明的聊天框”，而是一个会持续读取代码库、规划、调用工具、写文件、测试、回滚、再试一次的自动化成本机器。
本质矛盾：token是input，不是output。
企业最初追踪token，有合理性：它能衡量adoption、预算、使用密度、工具是否被员工接受。但一旦token usage被当成目标，就触发典型的Goodhart Law：
当指标变成目标，它就不再是好指标。
在AI语境下，这会变成：
Amazon关闭KiroRank内部token排行榜，就是这个问题的典型信号：公司高管明确提醒员工不要“为了用AI而用AI”，而要解决客户和业务问题。
Uber的话为什么重要？
Uber COO Andrew Macdonald的核心不是“AI没用”，而是他问了一个企业经营层最关键的问题：
token增长，是否能对应到 更多有用的consumer features？
Business Insider引述他的意思是：现在还很难把token使用增长和“实际多产出25%有用消费者功能”之间画出清晰连线。这句话非常关键，因为它把AI ROI从“员工感觉效率提升”拉回到企业经营现实：
企业很快会发现：AI经常提升的是局部动作速度，但不必然提升系统吞吐量。因为真正的瓶颈可能在code review、产品决策、数据权限、合规、安全、测试、上线流程、用户需求判断，而不是写代码本身。这与AI “carbon bottleneck”很一致：硅基供给扩张，不等于碳基组织吸收能力、用户需求、信任、注意力、钱包同步扩张。
微软撤Claude Code：不是Claude不好，而是内部控制权问题
The Verge报道称，微软计划取消多数Claude Code许可证，把很多开发者转向GitHub Copilot CLI；公开口径是统一到Copilot CLI，但报道也指出这有财务动机，截止日期正好对应微软财年结束。更微妙的是，微软并不是完全不用Claude模型：Claude仍可通过Copilot CLI等方式被访问，Foundry与Anthropic的合作也未受影响。
这说明微软真实目标不是简单“省钱”，而是：把agentic coding的入口收回到自家控制平面；把模型能力商品化，工具链和workflow留在Microsoft/GitHub；避免Anthropic成为微软内部开发者事实标准；把token成本、权限、安全、数据、审计、代码库集成纳入统一治理。
这对投资的启示很重要：未来企业AI的价值，不只在“谁的模型最强”，而在“谁控制workflow、权限、数据、成本路由和审计层”。
Salesforce/Benioff是另一面：贵，但可能值
Benioff说Salesforce今年可能花3亿美元在Anthropic token上，主要用于coding；同时他也说并不是每个token都应该交给最贵的frontier model，而未来需要一个intermediary layer，把不同任务路由给不同模型。
这就是成熟用法和tokenmaxxing的分水岭：
Benioff的3亿美元并不一定是坏事。如果它替代的是数千工程师、客服、销售运营、测试、内部工具团队的部分边际工作量，而且能被清楚映射到成本下降或产品速度提升，那就是高ROI。问题是，大多数公司现在还没有能力证明这一点。
所以，市场原本把AI理解成软件的替代力量；SNOW、OKTA、NOW等公司把AI重新解释成软件控制层的需求放大器。
这就是整个反转的根因。
更精确地说：
- AI替代叙事过度单边，市场把所有SaaS都当成donor，忽略了data/security/identity/workflow控制层。
- 软件估值和仓位已经压缩，IGV年内大幅落后，形成高弹性反转条件。
- SNOW提供data-layer硬证据，AI workload需要统一数据云，且公司上修指引。
- OKTA提供identity-layer硬证据，agentic AI增加non-human identity治理需求。
- NOW/CRM/TEAM等提供workflow-layer联想，AI不是只替代UI，而是需要企业流程编排与治理。
- 边际买家函数切换，低配PM、空头、quant、ETF flow、sell-side narrative同时转向。
- AI trade从hardware-only扩散，资金从纯AI capex受益链，扩展到enterprise AI adoption/control-plane链。
- 但估值slack已压缩，现在不是4月那种左侧hidden receiver，而是进入右侧resonance chase。
这轮IGV反弹是一次真实的状态迁移，但不是终局确认。它确认的是：
软件没有被AI末日论一键归零；部分软件正在从AI donor迁移为AI receiver。
它尚未确认的是：
AI能否在整个SaaS板块产生可持续、可计价、可防守、可扩margin的新增增长。
所以现在最好的框架不是“买不买软件”，而是做软件内部的receiver purity ranking：
| 优先级 |
类型 |
| 第一优先 |
data / identity / security / workflow control plane |
| 第二优先 |
有系统记录权 + agent action权限的软件 |
| 第三优先 |
AI能提升NRR / ARPU / margin的SaaS |
| 谨慎 |
只有AI chatbot包装、无数据闭环、seat模型被压缩的软件 |
| 回避 |
AI成本上升但无法monetization的软件 |
IGV这一个月不是“软件全面复活”，而是市场发现：AI不是只会吞噬SaaS，它也会制造新的复杂性；而复杂性一旦进入企业生产系统，就必须被数据、身份、安全、流程和治理软件重新控制。真正的alpha不在“所有SaaS反弹”，而在找到那些从AI复杂性中获得控制权、预算权、定价权的receiver。
所以，对Anthropic / OpenAI / Google：收入增长真实，但“收入质量”要被重新定价：
AI labs的收入爆发是真实的，但市场下一步会看：
- 多少收入来自高价值工作流？
- 多少来自无节制token burn？
- 客户续约时是否降配、限额、转router？
- gross margin是否被compute cost吃掉？
- 企业是否从Opus/Sonnet迁移到Haiku、Gemini Flash、小模型、开源模型？
- token单价是否持续下行？
Axios已经观察到企业在寻找更便宜的模型和router，这会削弱单一frontier model的长期定价权。frontier lab当前不是需求证伪，而是进入 Revenue Quality Reclassification：从“AI使用越多越好”切换到“高价值token占比越高越好”。
我会把当前企业AI adoption分成5个阶段：
所以，企业AI正在从P1进入P2。不是AI结束，而是粗放增长结束。因此，我认为AI需求要从“token demand”重写成“useful-work demand”。
未来不能再问：
这家公司token用量增长多少？
要问：
这些token转化成了多少可计量useful work？
更好的指标体系应该是：
Token是原材料，不是产成品。真正的AI alpha来自token → workflow → outcome → P&L的闭环，而不是token本身。
AI的下一阶段胜负，不是tokenmaxxing，而是value-routing。
谁能把每一个任务路由到正确模型、正确权限、正确预算、正确workflow，并把结果映射到P&L，谁才是真正的enterprise AI winner。
所以，真正戳破的窗户纸是：AI很有用，但AI使用量不是AI价值。烧token是需求，能把token变成利润才是商业模式。
全文完。
发表于 1 小时前
|
查看: 3|
回复: 0
