美股科技宠儿的危机与市场反转
在过去的十几年中，美股软件股（Software Stocks）一直是美股科技大潮中的宠儿，以增长快、上限高著称，若能选中好公司，投资者回报丰厚。然而，在过去半年，这批宠儿遭遇了前所未有的危机。随着 AI 政策（Artificial Intelligence Policy）的爆发，AI 颠覆论甚嚣尘上，整个软件行业遭遇血洗。软件股指数下跌了近百分之四十，众多明星个股更是遭遇腰斩。
但近期情况似乎在悄悄反转。随着财报陆续发布，零星的软件股开始迎来爆发，比如 Snowflake 财报后大涨 36%，Datadog 大涨 32%，Atlassian（TEAM）大涨 30%。与此同时，大部分软件股仍然遭遇市场的惩罚，即使业绩亮眼也难以扭转质疑。这样矛盾的现象背后，隐藏着怎样的投资逻辑？
赢家共性：TO B 商业模式的胜利
研究发现，这些表现亮眼的赢家几乎全部都是 TO B（面向企业业务）的软件公司，且多为 TO 大 B 业务。这与本轮 AI 浪潮中，大模型企业从 TO C（面向个人业务）向 TO B 转型趋势不谋而合。AI 大模型企业带动了企业服务型业务升级，从而带来了直接的业务增长。
相比 TO C 服务，TO B 服务具有更强的不可替代性，用户敏感度也较低。这些公司大多是行业龙头，深耕多年，拥有庞大的用户群体和复杂的业务生态，用户很难离开其软件服务。相反，TO C 软件公司在财报季普遍表现得比较敏感和脆弱。例如 Intuit，其下跌原因之一就是个人报税业务 TurboTax 的疲软，这类 TO C 服务更容易受到大模型的冲击。
AI 功能作为收入引擎
市场过去担心 AI 颠覆软件股，主要基于两点：一是传统 SaaS（Software as a Service：通过互联网交付软件的应用模式）软件不再需要那么多的传统员工，从而失去用户席位；二是 AI 模型直接竞争传统软件。但这些大涨公司讲述了完全不同的故事：AI 不仅不威胁现有用户，反而带来新收入。
- Snowflake：本季度收入同比增长 34%，提速引擎是 Cortex AI 和 Snowflake Intelligence（Snowflake 版本的 AI Agent）这两项工具。大客户数量同比增长 29%，老用户不仅没松动，反而花钱更多。
- Datadog：本季度增速达 32.2%，AI 工作负载带来的监控观测需求暴增，AI native（原生 AI）客户群在一年内扩张了超过 20%。
- Twilio：得益于 Voice AI（语音 AI 客服）的火爆，收入增速从 12% 加速到 16%。
- Atlassian：AI 助手 Rovo 推动了收入增长，使用 Rovo 的客户 ARR（Annual Recurring Revenue：年度经常性收入）增速是非 Rovo 客户的两倍，净收入留存率提高至 120%。
- Figma：本季度收入大涨 46%，在 AI 促进下，产品设计进入了更多人的工作流程。
结论是，市场只奖励那些通过 AI 功能带来可预见的收入的公司。如果是纯粹利用 AI 降本增效提升利润，但收入端表现平平，市场并不买账。
商业模式的演进：按量收费模式
这些大涨公司的第三个共性是 按量收费。Snowflake、Datadog、Twilio 原本就是纯按量收费，在此基础上叠加了 AI 功能加价。Atlassian 和 Figma 原本是按席位收费，随后单独开辟了按量收费的 AI 模块。
市场为何对按量收费情有独钟？这是为了解决传统席位模式（Seat-based Pricing）在 AI 时代的两个硬伤：
- 席位减少：AI 带来裁员潮，导致席位需求永久减少。
- token 成本：用户使用 AI 时产生 token（AI 处理文本的基本单位）费用，以前软件公司只需维持高毛利，现在用户使用越多，软件公司需承担的 token 成本反而越高。
按量收费模式则完全没有这些问题。即便 AI 带来裁员，用量也不会下降，且 token 成本也是按量计费，可以轻松消化。因此，按量收费正在成为 AI 时代软件公司的重要商业模式路径。
AI 颠覆风险已成为过去
从当前的交易逻辑看，AI 颠覆软件股的风险可能已经被 Price in（指市场价格已充分反映了该预期风险）。虽然这些大涨公司的表现并不能完全打消对长期 AI 颠覆的担忧，但市场认可了其短期业绩兑现。
在风险已定价的前提下，软件股具有高收益风险比。此外，AI 使得软件产品更好用、门槛更低，从长期看，需求必然会提升。
基础设施层的机会与应用层的尴尬
对于寻找个股爆发机会的投资者，偏向基础设施层的软件更有机会率先获益，且风险相对较低。例如 Datadog、Twilio、Snowflake 以及网络安全公司，它们的需求直接与 AI Agent（人工智能代理：能自主执行任务的 AI 系统）的用量挂钩，价值更好计算。
相比之下，一些 AI 工具型应用公司表现尴尬。例如微软、Salesforce 等老牌软件公司，AI 功能虽多，但真正贡献有限。它们面临着跟不上大模型迭代的问题。当大模型进入 AI Agent 时代，能够直接执行任务，而这些软件公司还在上一代理解上下文、解决问题的阶段，即所谓的 Context Engineering（上下文工程），而非目前的 Agentic Engineering（代理工程）。
最后总结：最可能率先爆发的公司是那些 TO B、按量收费且通过 AI 明确带来新增收入的公司，基础设施层软件尤其值得关注。而单纯依靠 AI 应用功能进行转型的公司，仍需更长的时间证明自己。