美股播华尔街专利。大家好，我是美投君，你们的美股探路者。前不久，我做了一期关于人工智能（Artificial Intelligence: 模拟人类智能的科学与工程技术）应用层前瞻机会的视频，反响非常热烈。当时在视频里，我承诺过一定会继续给咱们各位看官深挖前瞻性的AI机会，本期视频我就是来填坑的。

我说过AI的下一轮大机会一定会出现在应用层，对于这一个论断，我深信不疑。因为在历史上，历次科技变革无一例外都是如此：第一阶段都是基础设施和硬件先行，第二阶段则是百花齐放的应用层来获取最丰厚、最持久的商业利益。但我们也必须不得不承认，应用层的机会会远比基础层来得更难挖掘。作为投资者，我们必须要更有选择性才行。因为现在的技术变化非常快，现在依然处于AI应用的极早期阶段，有些公司最终能够极大地受益，有些则很可能会面临被新技术完全替代的威胁。

那在面对这一个乱局的时候我们该怎么办呢？这次我和我的团队捋着本次财报季所有与AI应用层相关的软件公司，一个一个地翻阅财务报告，一个一个地精读管理层的会议发言，试图从这些第一手的信息中去找到AI应用领域里最前沿的发展趋势和行业洞察。你还别说，还真就让我们找到了这么几个突破性的发现。这次的发现真的可太重要了，因为它们还没有被市场资本充分消化，而且这几个趋势的背后很可能就隐藏着下一轮AI应用爆发时的黄金机会。接下来，美头君就来好好跟各位看官聊聊这些AI应用层最前沿的商业机会。

在视频开始前，美投君想先提醒一下咱们各位看官：六一八美投期权课的优惠活动还有最后两天就要截止了。美投期权课最大的特点是专业易懂，且特别强调实战应用。课程推出五年以来不断打磨，不断精进，现在已经成功帮助数千名学员安心积累起了超额收益，好评如潮。课程针对不同基础的投资者，设计了不同等级的课程。初中级课程针对零基础小白详细讲解期权的基础知识、希腊字母以及最常用的期权策略，目的是让期权策略可以快速落地到你的实战交易当中。而高级期权课则是为你打造一整套系统性的交易策略。我会通过独家的数据建模和历史回测，帮你找到可以系统性应对不同市场环境的策略。这些策略可回溯、可验证。这些数据均来自于专业机构，普通人很难接触得到，全部课程均是2026年最新更新版，永久有效。现在购买还赠送九十天的 Mato Pro Plus 服务，我和我的团队会全程陪伴你的学习，为你及时答疑解惑，实时分享真实的实战期权交易，让期权不再是纸上谈兵。这次活动将会在美东时间六月二十二日截止，仅剩最后两天。活动结束后，美投期权课将会迎来一轮全面的涨价，所以感兴趣的看官一定要抓紧时间了。大家可以先从试听课开始看起，订阅方式请查看下方置顶评论中的链接，谢谢各位。

流量结构之变：从人类主导转向AI代理主导

在本次财报季中，我们首先关注到了互联网流量底层结构的巨大变化。电商巨头 Shopify 的管理层在他们的财报会议上表示，本季度 Shopify 商店由AI驱动的流量同比增长了整整八倍，与之相关的订单更是增长了十三倍。而全球创意设计软件巨头 Adobe 的财报会议中也专门提到，2025年假日购物季，AI给零售网站的流量带来了七倍的增长，其中 智能体（AI Agent: 能够自主感知环境、进行决策并执行复杂任务的AI系统）的曝光是流量暴增的关键因素。

然而，更重要、也更震撼的一组数据则来自于全球网络安全与边缘计算公司 Cloudflare。他们提供了一张北美互联网访问中机器流量和人类流量占比的对比图。根据 Cloudflare 的最新数据，机器的流量占比在北美已经历史性地来到了68.4%，大幅超越了人类的访问流量。如果我们放眼全球的话，就在今年六月初，机器人的流量也已经在全球范围内首次历史性地超过了人类。毫无疑问，机器与人类流量的这个比例在未来肯定还会以极快的速度继续攀升。专注于数字身份与AI社会治理的 Tools for Humanity 的首席执行官 Alex Blania 甚至给出了一个非常激进的预测，他认为在不久的将来，99.9%的互联网流量都会由AI来驱动。

那为什么会出现这种甚至可以说是夸张的流量结构转变呢？难道单纯就是因为AI发展得特别好，所以大家都去用AI了吗？其实不全是。Cloudflare 的首席执行官 Matthew Prince 在最新的财报会议上举了一个非常接地气且简单的例子。他说，如果他自己想要在网上面买一台适合自己的数码相机，作为一个人类，他通常会访问五个相关的网站，做一下对比然后下单；但如果他把这件事情交给他身边的 AI Agent 去做，这个智能体为了找到最优解，可能会在一瞬间访问多达五千个网站。

所以你看，在做相同任务的时候，AI Agent 带来的网络访问量或许是人类的成百上千甚至上千倍。这也就完美解释了为什么从现在开始，机器在互联网上的流量占比会呈现出如此恐怖的飙升态势。而这便是我们团队在财报季里挖出的第一个关键洞察：整个互联网流量的底层结构，正在经历从人类主导向 AI Agent 主导的根本性转变。

这种流量结构的转变，对于我们投资者而言究竟意味着什么呢？首先，这预示着互联网整体的访问量和数据流将迎来一次前所未有的爆发性增长。我们可以简单设想一下，如果未来真的像 Alex Blania 所说的那样，AI Agent 占据了99.9%的流量，假设人类自身的访问需求完全保持不变，这也就意味着整个互联网的总访问量将会有近千倍的增长空间。事实上，这还是在极度保守的假设下得出的结论。因为人类的访问需求不可能一成不变，恰恰相反，随着AI工具普及带来的极大便利性，人类会创造出更多委托给 Agent 的任务，这会使得总访问量的增长空间变得更加巨大。

在这种不可逆转的趋势下，什么样的公司会率先受益呢？第一类能最直接、最透明地受益的公司，就是提供云基础设施的 云计算（Cloud Computing: 通过互联网提供按需计算服务，包括服务器、存储和网络等）企业。因为无论是多么智能的 Agent，只要它们发起了更多的访问，自然就会占用更多的服务器算力、网络带宽以及存储资源。而且，Agent 在互联网上的行为不仅仅是像人类那样简单地浏览页面，它们在背后往往还伴随着密集的搜索、复杂的 API 调用、频繁的数据库读写等等，这其中的每一步都需要云计算基础设施的深度辅助与底层支持。

另一类直接受益的公司，自然就是拥有大模型研发能力的企业。我们知道，目前主流大模型的收入模式主要依赖于 Token（Token: 大模型处理文本的最小语义单位）的消耗量。如果我们看到 AI Agent 的访问量越来越频繁、规模越来越大，那么全球范围内的总 Token 消耗量自然也会同步呈现出指数级的上升，从而直接带动大模型企业的 API 授权收入和订阅收入。最后，既然 Token 消耗得这么多，云计算的需求又如此庞大，这必然会倒逼基础层的半导体和芯片设计企业，为市场提供更强、更多的硬件支持。不过因为我们今天这期视频的主要目标是帮大家挖掘应用层的机会，所以关于基础层的半导体企业我们暂时就不展开细说了。

既然我们顺着这一条流量暴增的洞察再进一步地往深处思考：当如此庞大、成百上千倍于以往的访问流量都来自于形形色色的 AI Agent 时，这会给现有的互联网带来什么样的新问题？这其中最紧迫、最棘手的问题之一，就是 身份验证（Identity Verification: 确认网络请求发起者真实身份与合规性的技术手段）。在流量洪水中，究竟什么样的 Agent 是好 Agent？什么样的 Agent 是恶意爬虫或坏 Agent？什么样的 Agent 可以被授权调用公司的内部敏感数据，什么样的是绝对不行的？哪些 Agent 有权限在网上面执行购买和支付等关键任务，哪些则应该被安全防线直接拒之门外？

要解决这一系列关乎互联网安全底线的问题，就必须在网络入口处建立起一套极其专业的流量识别与控制机制。而在这一领域，Cloudflare 无疑是其中的佼佼者。作为一家专门提供流量识别、访问控制、网络安全防御以及防恶意爬虫服务的平台，Cloudflare 正好卡在整个互联网流量的入口层（Ingress Layer）。当互联网整体访问量因为 Agent 的崛起而呈现百倍、千倍增长的时候，其流量检测服务的需求就会直接爆发，从而给它带来巨大的业绩增益。不过我们作为理性的投资者也需要注意，Cloudflare 的商业模式并非完全是线性按量收费的，它的增益可能并非直接与流量倍数完全挂钩，而是表现为当网络环境变得异常复杂和危险时，客户从免费或低端服务向更多高阶付费安全产品的转化。

我们再进一步往深处想，这种 Agent 流量暴增的根本原因到底是什么？短期来看，互联网流量的爆发并不是因为人类社会总的消费需求增加了，而只是因为我们满足需求、获取信息的方式发生了改变。以前是人亲自去搜，现在是委托给机器去跑，这导致了中间环节的访问量扩大了千百倍。但如果你把这个变化放到整个产业链的价值链条上来看，你会发现，访问量的增加其实并没有直接增加任何额外的商业价值。我作为一个消费者，我原本需要买一台数码相机，通过 Agent 跑了五千个网站之后，我最终依然只是买了一台数码相机，我并不会因为 Agent 访问了更多页面就买十台。

这就说明，AI Agent 引发的流量暴增，在短期内给整体社会经济带来的并非是产出效益的绝对增加，而更多的是经济效益在产业链上的一次再分配。在这个过程中，中间环节的成本显著增加了——包括调用模型的 Token 成本、云计算的算力成本、以及防范坏 Agent 的网络安全成本。对于那些终端的产品和服务提供商来说，如果想要在 AI Agent 时代接触到消费者，他们要么必须付出比以往高得多的技术通道和利润让渡成本，要么就必须倒逼自己立刻做出商业模式的根本性改革，将原本面向人类消费者的销售与展示模式，彻底转变为机器对机器（Machine-to-Machine）或是 Agent 对 Agent 的接口模式。

实话实说，这一个商业模式的转变目前在市场上还是个巨大的空白，或者说是刚刚处于起步阶段，我们现阶段确实很难精准定位到哪一家具体的创业公司能够成为这个新模式的霸主。但是如果我们非要推测一个中长期的赢家，我认为很可能会是像 谷歌（Google）和 Meta 这样的数字广告和流量分发巨头。因为他们原本在互联网生态中扮演的角色就是连接消费者与终端商品、服务的纽带。在未来，他们只不过需要把以前针对人类的 搜索引擎优化（Search Engine Optimization: 通过优化网站提高在搜索引擎中自然排名的技术）服务，升级为针对智能体的 生成式引擎优化（Generative Engine Optimization: 优化内容以便被AI大模型和智能体优先检索与推荐的技术），帮助商家的产品更容易被各种 AI Agent 检索和抓取。

与此同时，我们投资者在布局这个方向时，也必须要有一个非常明确的预期管理。因为商业模式从“人对人”到“机器对机器”的转变是一个极其庞大且缓慢的系统性工程，它绝对不可能立竿见影。在这个长达数年甚至十年的转变过程中，行业的不确定性和技术迭代的风险会非常高。

企业内部痛点：AI Agent 的管理、监测与权限审计

除了互联网公网流量的变化，在企业内部，一场关于组织架构的变革也正在悄然发生。就在最近，微软的首席执行官萨提亚·纳德拉在接受一次播客采访时提到，未来的企业可能会出现一种全新的组织形态——一个拥有两万名人类员工的企业，其内部可能会同时运行着两百万个甚至两千万个 AI Agent。而英伟达的首席执行官黄仁勋在之前的 GTC 大会上也表达了类似的观点，他预测在十年后，英伟达的组织架构可能是七点五万名人类员工，加上七百五十万个 AI Agent 协同工作。

我相信，企业内部会越来越多地使用 AI Agent 来替代重复性劳动的这个大趋势，咱们各位看官应该都非常清楚，也很好理解。但是，很多人并没有意识到，或者说忽略了的一个严峻问题是：当企业内部在短时间内突然涌现出如此庞大数量的 AI Agent 时，会给企业的 IT 架构、安全合规以及日常管理带来多少前所未有的混乱和挑战？而这些混乱的背后，正隐藏着全新的商业机会。

在本次财报季中，我们看到一些在企业级软件领域深耕多年的巨头已经开始指明了明确的方向。比如知名的人力资源与财务管理软件提供商 Workday 的管理层就在财报会上着重提到，不管AI怎么发展，企业现有的合规要求、数据权限政策以及安全监管政策是绝对不能妥协和改变的。这就意味着，企业如果想让引入的 AI Agent 真正产生实际的业务回报，就必须确保这些 Agent 能够像人类员工一样，严格遵循企业现有的权限和安全守则来开展工作。

无独有偶，身份与访问管理软件巨头 Okta 也明确表示，在未来，随着企业内部 Agent 数量的指数级增加，每一个 Agent 都必须像人类员工入职一样，拥有自己独特的身份权限标识、明确的生命周期管理（从创建、分配任务、日常运行到最终的销毁），以及紧急状态下的关闭机制。如果这些关于身份和权限的安全问题得不到妥协和解决，企业就根本不敢在核心业务链条里大规模放权给 AI，AI 也就无法给企业创造真正的价值。

因此，随着企业内部 AI Agent 数量的爆炸式增长，如何监控、管理、授权并约束这些 AI Agent 的需求正在同步爆发。而这正是 AI Agent 落地浪潮中，下一个即将引爆应用层软件市场的巨大机会。在本次财报季里，我们已经看到了这一趋势开始给部分敏感的相关企业带来了实实在在的业绩提升。

在软件工程和 IT 运维领域，行业内给这个新兴的刚性需求起了一个名字，叫做 AI监测（AI Observability: 对AI系统及大模型运行状态、输入输出、Token消耗及性能进行全面监控与分析的技术）。它在企业里扮演的角色，非常类似于一个管理 AI Agent 的“经理”（Agent Manager）。就像企业内部的人类员工变多之后需要提拔主管和经理来进行绩效考核与行为约束一样，当成千上万个 Agent 在企业内部跑来跑去的时候，企业也迫切需要一个“Agent Manager”来监控它们有没有干坏事、有没有越权、以及工作效率如何。

顺着这个逻辑，在目前的上市公司中，什么样的企业可能会最先在这个新兴市场中吃到红利呢？第一类会明显受益的公司，就是那些原本就在企业内部专门帮助管理人类身份和访问权限的 SaaS（Software-as-a-Service: 通过网络提供软件服务的商业模式）企业。这其中最典型的代表就是 Okta。Okta 的核心业务就是通过统一身份认证，决定企业内部不同级别、不同部门的员工能够访问什么样的系统、拥有什么样的权限。而在最近的财报会议中，Okta 的管理层非常明确地将“AI Agent 以及非人类身份（Non-human Identities）的监管与治理”列为了公司未来战略发展的重中之重。正是因为这一个极具前瞻性的战略调整，Okta 在财报发布后，股价在市场上大涨了整整30%。

第二类受益的公司，则是那些能够帮助企业监控、编排和追踪复杂业务工作流的管理软件企业。这里最具有代表性的是 IT 服务管理巨头 ServiceNow。ServiceNow 本质上是一家帮助大型企业实现内部工作流自动化的平台。在 AI Agent 的时代，ServiceNow 顺理成章地将业务延伸到了对 Agent 工作流程的监控、编排和审计上。前不久，ServiceNow 顺势推出了一款名为 AI Control Tower（AI控制塔）的全新产品，其核心功能就是监控公司内部部署的所有 AI Agent、调用的各类大模型以及不同智能体之间的身份切换。这做的事情，就是我们刚才提到的、企业梦寐以求的 Agent Manager 的角色。

说到这儿，估计咱们有的看官可能会在心里面产生质疑：这些管理 Agent 的工作，AI 自己不能做吗？大模型企业比如 OpenAI 自家推出一个类似的管理后台，或者企业自己用开源的AI工具手搓一个监控脚本，是不是就能轻易地把这些软件公司的生存空间给替代掉了呢？确实，这也是最近一段时间以来，美股市场上的投资者对传统软件服务商最大的担忧和质疑。

我个人认为，这种来自底层大模型或者大厂的潜在技术威胁肯定是客观存在的，但是市场的担忧可能有些矫枉过正了，这件事情其实远没有大家想象的那么致命。首先从短期和中期来看，企业对于 Agent Manager 的需求是迫在眉睫的，这是一份极度看重行业经验、客户信任以及既有 IT 系统集成度的工作。像 Okta、Cloudflare 这些公司，它们自己本身就是 OpenAI 和 Anthropic 等顶尖大模型公司的安全服务供应商，这也从侧面证明了，大模型公司在处理这种细枝末节的身份治理和网络防御时，也必须依赖这些专业软件公司的行业积累。

从更长远的角度来客观分析，大模型在技术上确实有能力把这些周边配套的工具都做了，但是“有能力做”并不等于“一定会去做”。这好比英伟达（NVIDIA）账上趴着数百亿的现金，以它的实力完全可以轻松开办一家商业贷款银行，但它会去做吗？大概率不会。因为对于英伟达而言，把有限的精力和资源投入到更有价值的 GPU 芯片研发和算力生态构建上，其回报率要远远高于去和传统银行抢利差。

同理，对于大模型企业而言，去开发极其繁琐的、针对不同企业定制化 IT 架构的身份治理和日志审计系统，是一件重资产、重人力且回报率极低的苦差事。与其亲自下场竞争，对他们而言更明智、也最可能发生的商业选择是与这些成熟的软件巨头进行合作。因此，对于我们投资者而言，AI 带来的技术颠覆风险确实需要留在心上，不能盲目乐观；但与此同时，我们也不能杯弓蛇影，因为过度担忧替代风险而蒙蔽了我们发现当前应用层黄金投资机会的双眼。

ROI 铁律倒逼：从无脑充AI转向“按结果收费”

我们团队在本次财报季中发现的第三个重磅洞察是：企业级客户对于AI的态度，已经开始从前期的“无脑冲AI、生怕错过”的狂热状态，非常冷静地转向了开始严格关注AI的 投资回报率（Return on Investment: 衡量投资获利能力的财务指标，即收益与成本的比率）。

这一个敏锐的观察，最初是来自于一家在全球中小企业中非常受欢迎的营销与客户关系管理软件提供商——HubSpot。HubSpot 的管理层在他们的财报电话会议上非常直白地表示，目前企业购买和调用AI的接口成本正在无节制地增加，但是很多客户却根本看不清AI给业务带来的实际改善结果。这些企业客户现在明确向软件开发商提出，他们希望看到的是那种能够与最终业绩成果直接挂钩、并且支出高度可预测的服务模式。

这说明，企业在面对 AI Agent 这种传统的、无限按量调用 Token 的“无底洞式收费”时，已经开始感到极度不满和疲惫了。要知道，为了留住客户并解决这个信任痛点，HubSpot 甚至在近期主动对自己的核心商业模式和定价机制进行了颠覆性的修改——从原先的“按 Token 用量/按坐席收费”改成了直接“按业务结果收费”。其管理层解释说，以前的软件销售关注的是输出（Output: 比如AI帮你写了多少篇推文，调用了多少次接口），而现在的企业客户要的是实质性的成果（Outcome: 比如AI营销工具到底帮我转化了多少个真实的潜在付费客户）。

我相信很多自己平时在工作中使用AI的看官，也会有和这些企业管理层类似的切身体会：AI在一旁一阵操作，看起来又是画图又是生成表格，确实显得科技感十足，但在折腾了半天之后，最终却很难量化出它到底给公司带来了多少实实在在的增量收入。对于企业来说，他们已经不情愿再为AI工作的“过程”买单了，他们要看到真金白银的最终“结果”。

无独有偶，我们在老牌数据库与企业软件巨头 Oracle（甲骨文）的最新财报中，也读到了完全印证了的商业变化。甲骨文的管理层表示，他们正在极力简化客户购买和支付 AI Agent 服务的门槛。未来，甲骨文AI的定价模式将会和客户获取的最终价值进行深度对齐。

为了让大家更好理解，甲骨文举了几个非常生动的例子。比如，企业使用甲骨文的AI招聘 Agent 来做简历筛选和面试，甲骨文不再按照这个 Agent 运行了多少小时或者读了多少字来收费，而是直接按照“它最终帮企业筛选并推荐了多少名合格的候选人”来计费；再比如在酒店行业，甲骨文的酒店订房 AI Agent，会直接按照“它成功引导终端消费者加购了多少客房服务或交易的比例”来进行提成收费。

我们可以非常清晰地看到，企业级客户正在像拿着放大镜一样，严格地比对AI的每一笔算力成本和它的产出收益。这种全行业对 ROI 的极度关注，已经开始倒逼着大量的 SaaS 软件公司对自身的商业模式和定价策略做出妥协与改变。那个企业可以靠讲AI故事骗取客户无脑买单、盲目堆砌AI预算的狂热时代，很快就要寿终正寝了。

这个趋势对于我们投资者而言，在投资策略上意味着什么呢？首先，它意味着“按结果收费”（Value-based Pricing）很可能会在未来几年内，彻底取代原有的“按席位收费”（Per-seat License）或简单的“按流量计费”，成为整个软件服务领域最核心的定价趋势。在之前的视频中，我曾向大家分析过，AI的出现大幅提升了单兵作战能力，导致企业不再需要购买那么多软件账号（席位），这逼得传统软件公司必须从“席位制”向“按量制”转型。但按量收费只是一个过渡时期的中间形态，它让客户承担了太大的账单不确定性，而“按结果收费”才是能让买卖双方皆大欢喜的终极形态。只有这样，企业才能算出确定性的 ROI，也才能让IT开支在财务层面上变得具备可预测性。

而在目前的美股市场中，如果要找一家在这方面做得最好、商业模式最契合的软件公司，那一定非大数据与AI决策支持系统龙头 Palantir 莫属。Palantir 长期以来给大型企业和政府机构提供的服务，从来都不是一个简单的软件工具，而是一个个极其具体且可量化的业务结果。比如，它帮助航空公司优化复杂的航线网络和地勤运营调度，帮助能源巨头优化油气开采和生产的规模等。这些业务改善的结果不仅是可精准衡量的，甚至 Palantir 在客户部署其 AIP（Artificial Intelligence Platform）平台之前，就能够通过前期的模拟运行，明确地为客户计算出预期的 ROI。如果未来企业客户对 AI ROI 的质疑和博弈在市场上进一步发酵，像 Palantir 这样能够给出明确 ROI 承诺的公司，必然会重新成为整个资本市场的焦点。

如果我们再沿着这个逻辑链条往深处挖，你会发现，企业之所以开始如此神经质地计较 ROI，其最根本的导火索其实是当前 AI算力成本太高 所导致的。因为 GPU 芯片和数据中心的供不应求，大模型的推理成本在短期内根本不可能降到白菜价。那么，在这条主线逻辑下，能够主动帮助企业去优化、监控并节省 Token 消耗的软件工具，就必然会迎来一个巨大的、刚性的增量市场。而在这个细分赛道中，系统监控与 Observability 领域的绝对龙头 Datadog 处在一个绝佳的商业位置上。

当前企业使用AI效果不佳的一个核心原因，是存在着大量的 Token 资源浪费。许多完全不重要的、或者商业价值极低的重复性任务，正在后台无休止地调用昂贵的大模型，消耗着企业的预算，而企业对此缺乏一套像查账账本一样的有效监控手段。这刚好撞在了 Datadog 的看家本领上。

Datadog 以前的核心业务是帮企业监控云上数据的用量，帮 CIO 搞清楚每年付给 AWS 或 Azure 的云计算账单里的每一分钱都花在了什么具体的服务器和接口上。而在AI时代，Datadog 顺理成章地将这一能力移植到了AI调用上。他们最新推出了大语言模型观测平台 Datadog LLM Observability，能够让企业对每一次 AI 接口调用进行深度透视——包括每一步推理消耗了多少 Token、耗费了多少算力成本、以及返回的答案质量如何。Datadog 就像一个最严格的审计师，把复杂的AI运行过程清晰地还原出来，让企业一眼就能看明白：哪些任务是“杀鸡用了牛刀”（比如明明用轻量小模型就能解决，却调用了最贵的 GPT-4），哪些地方还有优化 Token 支出的空间。连 OpenAI 自身，现在都是 Datadog 的核心客户之一。随着未来越来越多的企业把“省钱、省 Token、提ROI”挂在嘴边，Datadog 极有可能因此迎来一波强劲的订单增长。

原生势力崛起：AI Native 企业成为软件市场全新增长极

我们要跟各位看官交代的第四个、也是非常具有颠覆性的行业洞察，就是 AI原生企业（AI-Native Enterprises: 诞生之初就以AI为核心技术和商业模式底座的初创公司）的集体爆发。

这里我们说的 AI 原生企业，不仅仅是指大家耳熟能详的 OpenAI 或者 Anthropic 这样的明星大模型公司，还包括在他们底座之上诞生的、成百上千家专注于不同细分垂直领域的AI初创企业。这些公司从成立的第一天起，就没有传统企业的历史包袱，他们的所有业务流程、代码逻辑和产品形态都是完全围绕着AI来构建的。随着这些原生企业的野蛮生长，他们正在悄悄形成一股在商业上不容小觑的庞大购买力。

在本次财报季中，我们发现了一个非常有趣的财务现象：许多传统的、老牌的软件公司，开始有意识地将自己的技术架构和销售策略向这群 AI 原生企业倾斜；而那些原先就对原生AI架构适配得极好的软件商，在本季度已经率先吃到了甜头，实现了超预期的业绩增长。例如，知名的非关系型数据库龙头 MongoDB 就在他们最新的财报中明确提到，本季度之所以能交出一份亮眼的成绩单，很大程度上就是得益于他们平台上的 AI 原生企业客户的表现异常强劲。

为什么会出现这种分化呢？一方面是因为这些 AI 原生初创公司正处于业务呈指数级增长的黄金期，他们自身对于云数据库、网络安全和监控服务的需求膨胀速度，要远远快于那些还在慢吞吞进行数字化转型的传统企业；另一方面，也是因为这群 AI 原生公司在过去两年里拿到了全球一级市场最顶尖风投机构（Venture Capital）的大笔融资，他们的手头现金极其充裕，在采购最前沿的软件工具和云服务时出手非常大方。

在可以预见的未来，AI 原生企业的崛起和壮大是不可阻挡的大势所趋，而且现在仅仅只是处于早期阶段。大家不妨回想一下三十年前的互联网革命：当第一批诸如亚马逊、雅虎这样的互联网原生公司诞生时，给他们提供服务器和网络接入服务的公司赚了多少钱？这些互联网新贵们后来对整个商业世界的影响力又持续了多久？我相信不需要我多说。我认为，现在的 AI 原生企业就像当年的互联网新贵一样，而给他们提供底层开发和配套服务的软件商，其业绩增长的引擎才刚刚开始点火，未来还有着巨大的想象空间。

那么，具体到股票市场上，有哪些上市公司能够直接在这一波原生AI企业的崛起浪潮中受益呢？比较遗憾的一点是，目前绝大多数专门、百分之百服务于原生 AI 企业的工具型软件公司，还处于未上市的初创阶段。而在已经上市的美股企业中，极少有公司是只服务于 AI 原生的，我们更多的是去寻找那些“原有业务和AI有着极高的契合度，能够顺理成章地将 AI 原生企业转化为全新业绩增长点”的软件巨头。

目前来看，比较典型的例子有以下三个。首先就是我们上面提到过的非关系型文档数据库 MongoDB，对于需要处理海量非结构化数据（如文本、图像、音视频等）的 AI 原生应用来说，MongoDB 相比于传统的关系型数据库（SQL）具有天然的灵活性和架构差异化优势，因此极易成为AI开发者的首选数据库。

第二个例子依然是 Datadog。Datadog 股价在财报发布后迎来大涨，其中一个非常受分析师追捧的财务亮点就是：他们在本季度成功签下了两家体量庞大的、由知名风投背书的 AI 原生独角兽客户。这直接证明了其在云原生监控赛道的绝对统治力，已经开始成功变现到了AI领域。

最后一个例子则是云计算基础设施领域的特色玩家 DigitalOcean。DigitalOcean 在云计算三巨头（亚马逊 AWS、微软 Azure、谷歌云 GCP）的夹缝中，通过专注于为中小企业、独立开发者和 AI 原生初创公司提供极简部署、价格透明的 GPU 算力及云主机服务，成功将自己打造成了“AI 原生初创公司的第一站”，并借此成功分到了 AI 算力爆发的一杯羹。这三家是目前我能帮大家梳理出的、与 AI 原生企业生态绑定最深、且财务数据已经开始兑现的应用层上市公司，大家可以作为后续研究的重要参考。

投资策略构建：前瞻机会的期权埋伏艺术

好了，到这里，关于本次财报季我们团队挖掘出的 AI 应用层四大前瞻性商业洞察，就全部毫无保留地跟各位看官交代完了。我们在这里简单地做个梳理和回顾：

• 第一，互联网流量的底层结构正在发生剧变，未来将从“由人主导”转向“由机器/AI Agent 主导”，且互联网总流量将迎来爆发式增长。
• 第二，随着企业内部 AI Agent 部署数量的增加，如何监控和授权这些 Agent 将带来巨大的“AI Observability”和“身份权限管理”的新需求。
• 第三，企业“无脑冲AI”的狂热期正式宣告结束，企业对 ROI 的极度关注正倒逼软件开发商做出改变，推动“按结果收费”成为主流，并刺激“Token 优化与查账”工具的发展。
• 第四，AI 原生企业的集体崛起正在成为软件行业的一股新兴购买力，为适配良好的数据库、监控和特色云服务商带来全新增长极。

在这些前瞻趋势的指引下，美投君也为大家分别介绍了一些可能深度受益的优质美股公司。不过，咱们各位看官也必须保持清醒：一家企业是否真的具备投资价值，绝不仅仅是因为它粘上了某一个受益的逻辑就可以轻率决定的。我们在实际操作中，还需要对每一个具体公司的资产负债表、竞争壁垒、估值水平以及技术路径进行具体问题具体分析。今天咱们这期视频的重心在于向大家展示和剖析这些尚未被市场完全消化的大趋势，个股的深度基本面分析因为时间限制，我们没办法在这里一一展开。但我可以向大家承诺，这里面提到的每一家优质公司，我和我的团队都会在后台进行长期的、持续的跟踪，未来也一定会制作专门的视频逐一和大家详细展开。看来，接下来我和我的团队肯定是有的忙了。

最后，如果你在听完这些洞察之后觉得非常有道理，想要在现阶段提前进场去“埋伏”这类应用层企业，美投君也必须要坦诚地提醒大家非常重要的一点：这些处于 AI 应用早期的软件公司，在现阶段普遍都不受到市场主流资金的重视。毕竟目前整个华尔街和散户的目光都高度集中在以英伟达为首的 AI 基础层和硬件巨头身上，导致这些应用层公司的股价在过去一段时间里普遍表现得比较疲软，如果你现在买入，短期的持股体验大概率不会太好，甚至需要忍受股价的横盘或继续探底。

但既然我们做的是“前瞻性”的投资，那这种在黎明前黑暗里的等待，就是我们想要获取超额收益所必须去承受和付出的代价。而如果你想要以更合理、容错率更高的方式去埋伏这些机会，其实有几种非常不错的期权（Options: 赋予持有者在特定日期或之前以特定价格买卖资产权利的金融衍生品）交易策略可以供大家参考。

比如，我自己非常喜欢使用的一个策略叫做 风险逆转（Risk Reversal: 一种同时卖出虚值看跌期权并买入虚值看涨期权的期权组合策略）。这是一个非常典型的、用来在底部抄底或埋伏优质股票的策略。

这个策略在现阶段对我们而言有两个极其显著的好处：第一，对于现阶段股价表现疲软、处于底部的个股来说，它们的隐含波动率（Implied Volatility: 市场对资产未来波动程度的预期）往往处于低位，一旦市场风向逆转、情绪爆发，这个策略可以非常有效地利用隐含波动率的反转飙升来快速帮助你获利；第二，即便你买入之后，个股的股价在短期内依然没有起色、继续在底部横盘，甚至由于大盘的波动又往下跌了一阵子，只要跌幅没有击穿你卖出的看跌期权（Put）的行权价，你也不会面临太大的亏损，甚至还可以白白赚取期权的时间价值（Theta），有着极高的容错空间和安全边际。这也是我个人在目前这个AI应用层转型期，会优先考虑的超级抄底手段。

关于这个 Risk Reversal 策略的详细拆解、如何选择行权价以及具体的交易步骤，我在之前的一期主频道视频中已经进行过极其详细的实战演练和介绍，感兴趣的看官请点击右上角的视频卡片去温习查看。而如果说你想要从零开始，系统性地学习期权这门攻守兼备的金融工具，让自己在不同的美股牛熊市场环境中都能自如地应对，那也不妨趁着现在六一八期权课的优惠活动，抓紧时间加入我们。活动还有最后两天就截止了，感兴趣的看官要抓紧行动了，谢谢各位。

如果你喜欢美投君的视频，别忘了点赞、关注和转发哦，谢谢大家，我们下期视频再见！