各位观众大家好。过去一段时间，大概在10月底到11月份，市场对 SaaS板块（Software as a Service: 软件即服务）的未来持悲观态度，出现大面积杀跌，并持续到1月份加速。市场认为未来的 AI Agent（AI智能代理: 能够自主执行任务的AI）可能会取代相当一部分SaaS软件企业的模式。虽然这有一定道理，但市场这种无差别的打压，我认为存在一定的非理性，其中蕴含着机会。

AI重构SaaS估值：从席位到价值的范式转移

回顾软件行业的发展历程，从最早的 一次性买断模式（如购买光盘或软盘），到后来的 SaaS订阅模式（按席位付费），每一次变革都源于痛点。如今，AI的出现再次挑战了现有模式。过去，软件开发是一个劳动密集型或智慧密集型的工作，需要大量时间和人力成本，这本身就是企业的 护城河（Moat: 竞争优势）。例如，一家企业投入100人两年时间开发一款软件，其200人年的投入构成了追赶壁垒。然而，有了AI之后，这种开发成本大幅降低，AI可以在短时间内完成大量编程工作，使得原有的开发护城河瞬间瓦解。

但软件行业的价值不仅仅在于开发成本。以 微软（Microsoft）为例，其软件已深度渗透到企业流程中。微软拥有庞大的云基础设施，许多企业的云服务、数据和业务逻辑都运行在其平台之上。这使得企业对其高度依赖，微软掌握了大量的业务入口、企业数据和上下文，这些是第三方AI Agent难以替代的。市场担忧的焦点更多在于SaaS的 定价模式（Pricing Model）。过去SaaS按席位付费，未来AI可能减少人力需求，从而降低席位数量。然而，对于微软这样的企业，它有能力将整个软件行业从按席位收费模式，转移到按 价值付费（Value-based Pricing: 根据创造的价值收费）或按 Token（Token-based Pricing: 根据AI处理的计算单元收费）付费的模式。

微软能够为企业提供 数字员工（Digital Employee: 由AI Agent扮演的虚拟员工），在企业组织的不同岗位上提供服务。即使席位减少，微软也能根据AI创造的价值或消耗的Token来收费，甚至可能以整体打包的方式提供AI Agent服务。这种模式下，企业对微软的依赖性更强，护城河更深，收入甚至可能更高。微软在传统云时代就是 PaaS（Platform as a Service: 平台即服务）模式的领导者，提供 ERP（Enterprise Resource Planning: 企业资源规划）、安全、身份管理、数据库、工作流入口（如Outlook、Teams、Office）等全方位服务。企业从入口到CRM、数据库、上下文到安全，微软几乎全包。这种完整的 To B（Business-to-Business: 面向企业）生态系统，使得企业难以离开。

然而，对于大量的 工具型软件公司（Tool-based Software Companies），挑战则非常巨大。如果其软件可以被短时间复制，且不掌握企业专有数据，就很难维持竞争力。只有那些拥有 专有数据（Proprietary Data: 企业独有的数据）、 专利（Patents: 知识产权）或 协同开发（Collaborative Development: 多方合作开发）优势的公司，才能在AI时代继续生存。因此，市场目前这种无差别的杀跌，最终也会带来新的机会。

云巨头AI基建竞赛：需求驱动下的重资产转型

当前，全球三大云服务提供商——微软、谷歌（Google）和 亚马逊（Amazon），以及其他科技巨头，正在进行一场前所未有的 AI基建竞赛（AI Infrastructure Race）。根据财报，这几家公司在2026年设定的资本开支总额已超过6000亿美元，且主要投入AI领域，包括数据中心、AI芯片等。这并非单纯的军备竞赛，而是由巨大的 需求驱动（Demand-driven）的。所有巨头都一致认为，目前AI服务的需求远远大于供给，增速受限正是因为资源不足。

因此，每家公司都在疯狂投入，2026年的资本开支计划普遍比2025年高出50%以上，亚马逊甚至接近翻倍。正如 英伟达CEO黄仁勋（Jensen Huang: NVIDIA创始人兼CEO）所说，这是人类历史上最大的基建工程。未来的AI，如同当年的电力和石油，需要大规模的基础设施建设才能提供服务。云厂商正在从“轻资产”公司转变为“重资产”公司，其每年的数千亿资本开支甚至远超传统制造业。

市场担忧这些巨额投资能否收回。短期来看，在资本投入期间，大量的折旧可能会给财务报表带来压力。但从长期角度看，AI服务将渗透到各个行业和人类生活的方方面面，AI与云服务紧密绑定。企业将IT系统和数据迁移到云端后，AI服务的需求进一步推动了云基础设施的扩张。前两年，投入主要集中在 模型训练（Model Training: 使AI模型学习数据并提升智能），以使模型更聪明。而2026年以后，投入将更多转向 推理（Inference: AI模型在实际应用中进行预测或决策），即为各行各业提供AI服务所需的算力、数据中心和电力。

微软云：B端生态与安全信任的AI入口

这三大云公司在AI时代拥有巨大的优势，因为AI工厂的建设需要庞大的资本投入，且需要企业数据作为基础。小公司难以企及。

对于微软而言，尽管市场对其SaaS业务面临AI竞争有所担忧，导致股价下跌，但实际上微软云的增速依然强劲。微软云的增速虽然未达市场预期（约38-39%），但其部分算力需优先满足内部SaaS业务需求，这也影响了对外云服务的增速。微软在 To B（Business-to-Business: 面向企业）领域拥有最大优势。在传统云时代，亚马逊主要提供 IaaS（Infrastructure as a Service: 基础设施即服务），而微软则提供 PaaS（Platform as a Service: 平台即服务），为企业提供软件服务和硬件基础设施。

进入AI时代，微软最有可能成为B端市场的 入口级AI Agent（Entry-level AI Agent: 作为企业服务入口的AI代理），即提供“数字员工”。它能为企业提供各部门的完整数字员工，替代部分人力。这并非简单的外部AI Agent可以替代，因为微软的生态系统包含了 治理与责任体系（Governance and Accountability Framework: 确保AI合规、安全运行的机制）和 上下文（Context: 业务场景和数据背景）。企业不能允许任何没有安全权限、不符合合规要求的AI Agent随意处理业务逻辑。微软的 Dynamics ERP（Dynamics Enterprise Resource Planning: 微软的企业资源规划系统）等业务流程管理工具非常完整，从入口到业务的深度整合是其核心优势。

正如主持人所补充，疫情期间对Zoom能否替代Microsoft Teams的担忧，最终发现 安全性（Security: 数据和系统安全）是企业选择的关键考量。即使Teams在某些方面不如其他软件流畅，但企业最终仍选择它，正是因为对微软在数据安全和合规性方面的信任。微软在B端的整个生态系统已经建立起来，企业对其具有极强的 粘性（Stickiness: 用户对产品或服务的依赖度）。一旦企业将业务放到微软云上，其AI业务也必然会在同一平台上进行，难以迁移。因此，微软在未来AI时代拥有巨大的机会。

亚马逊云：中立模型平台与成本效率的创新

接下来，我们转向 亚马逊云服务（Amazon Web Services, AWS）。亚马逊的财报表现不俗，尽管市场对其2000亿美元的资本开支计划感到震惊，导致股价短期下跌，但其云业务增速仍达24%。AWS是全球体量最大的云服务商，其基础设施投入也是最大的。

亚马逊提出了一个核心概念：模型中立平台（Model-agnostic Platform: 支持多种AI模型的平台）。它提供所有底层模型，包括 Llama（Llama: Meta开源的大语言模型）、Claude（Claude: Anthropic开发的大语言模型）和 OpenAI（OpenAI: 人工智能研究公司）的模型。企业客户可以通过 Amazon Bedrock（Amazon Bedrock: AWS提供的生成式AI服务平台）这一抽象层，实现 零成本切换（Zero-cost Switching: 切换不同服务或产品无需额外成本）不同的模型。这意味着企业无需为每个模型调用不同的API或重写代码，可以根据业务需求灵活切换，选择在特定方面表现更强的模型。亚马逊更像是一个“中立方”，类似于 台积电（TSMC: 全球最大的专业集成电路制造服务公司），不直接参与CPU或GPU的设计，而是提供制造服务。这种中立性对客户而言非常方便。

此外，AWS拥有最多的B端客户，许多世界500强公司都在其云上。如果企业更在意数据隐私，不希望将业务逻辑完全放到云上，那么亚马逊提供的全面且切换方便的底层模型服务将是理想选择。亚马逊还推出了自己的模型，允许企业在 预训练阶段（Pre-training Phase: AI模型在大量数据上进行初步学习的阶段）就使用自己的 私有数据（Private Data: 企业或个人独有的数据）进行训练，从而使模型更懂其垂直领域的业务，这比后期 微调（Fine-tuning: 在特定任务数据上对预训练模型进行调整）效果更好。

在硬件方面，亚马逊的 自有芯片（Custom Chips: 公司自主设计和生产的芯片）进步迅速，成本效益显著。它不仅在开发 CPU（Central Processing Unit: 中央处理器），还在 推理芯片（Inference Chip: 专门用于AI模型推理的芯片）和 训练芯片（Training Chip: 专门用于AI模型训练的芯片）方面取得突破，成本远低于GPU。目前，包括微软在内的三大云公司都在不约而同地自研芯片，因为未来的AI推理和应用竞争，核心在于 成本效率（Cost Efficiency: 以最低成本实现最高效益）。

除了云业务，亚马逊的电商业务也亮点颇多。其在印度等地区推出了 半小时达（Half-hour Delivery: 在半小时内完成配送）的生鲜服务，在美国70%的商品可实现 当日达（Same-day Delivery: 当天送达）。这种极速的物流配送能力，使得亚马逊的电商护城河越来越深。同时，其电商领域的AI Agent利用率也在不断提高。

谷歌云：全栈AI生态与C端入口的战略优势

谈到成本，我们自然会聊到 谷歌（Google）及其 TPU（Tensor Processing Unit: 谷歌为机器学习定制的专用芯片）。TPU在 训练性能（Training Performance: AI模型训练的速度和效率）上具有显著优势，可能超越微软和亚马逊的芯片，且成本低于英伟达GPU。然而，在推理成本上，TPU未必比亚马逊的芯片更低，且灵活性相对较低。如果企业选择谷歌云，可能更多地绑定了 Gemini（Gemini: 谷歌开发的多模态大语言模型）生态和TPU。

我个人对谷歌的态度已发生180度转变。过去曾担忧谷歌搜索面临大模型竞争，但现在谷歌在AI领域突飞猛进。未来的AI模型竞争，核心在于 生态入口（Ecosystem Entry Point: 用户进入某个生态系统的主要途径）。谷歌在这方面拥有压倒性优势，从 YouTube（YouTube: 谷歌旗下的视频分享平台）到 安卓系统（Android System: 谷歌开发的移动操作系统），再到手机端，甚至苹果也与谷歌合作，其背后都由Gemini模型驱动。

Gemini正成为 To C（Consumer-to-Consumer: 面向消费者）领域的一个隐形通用入口。无论是地图、邮件系统、浏览器，还是通过苹果Siri或安卓手机的语音入口，背后都是Gemini模型。这使得Gemini成为C端流量的集中入口，OpenAI想要赶超并非易事。尽管OpenAI有先发优势，但它毕竟只是一个应用，需要付出巨大努力才能弥补这方面的不足。

在云业务方面，谷歌也大幅增加了资本开支。其云服务介于微软和亚马逊之间，掌握了一部分企业业务流程（如 Google Workspace），但不如微软深入和广泛。然而，谷歌的优势在于其 全栈AI（Full-stack AI: 从芯片到应用的全方位AI能力）战略，涵盖了从芯片、云、模型到C端入口的整个链条。这使得谷歌成为一个更全能的选择，其未来的想象空间可能更大。如果未来出现一个通用的AI Agent，谷歌凭借其C端入口和流量优势，以及B端云业务的快速增长，更有可能实现。

目前，市场也反映了谷歌的这种潜力，其估值（市盈率约30多倍）在主要科技巨头中处于较高水平，而微软和亚马逊则在20多倍。这表明市场已经看到了谷歌未来的巨大潜力，并对其进行了 提前定价（Pre-pricing: 市场根据未来预期提前调整价格）。

AI时代：巨头集中与长期投资展望

短期来看，未来一两个季度甚至更长时间，这些科技巨头可能会面临不小的 财务压力（Financial Pressure），这也是近期市场下跌的原因之一。然而，从长期视角看，这些巨额投资的 投资回报率（Return on Investment, ROI）应该不会差。AI服务与传统公用事业不同，其定价目前不受政府干预，因此利润空间更大。我认为，这些云服务公司的ROI将非常可观，长期来看，两位数的增速有望持续很长时间。

此外，AI时代可能比过去的互联网和移动互联网时代更加 集中化（Centralized）。由于AI基础设施建设需要千亿级别的持续投入，除了这些云巨头，几乎没有其他公司能够承担。这意味着AI时代将是一个 重资产模式（Capital-intensive Model: 需要大量资本投入的商业模式），而非过去的“轻资产”模式。因此，从 确定性（Certainty: 投资结果的可预测性）角度来看，这些大公司具有较高的确定性。尽管短期内会有波动，但长期投资这些公司需要具备长远的视角。我对长期持乐观态度，但短期存在不确定性。

再次感谢刘总的分享，希望本期内容对大家有所帮助。