智通財經APP獲悉，東吳證券發布研報稱，AI時代軟件行業並非整體性重估，而是結構性分化。建議重點關注四類方向：1)掌握企業核心數據、權限體系和工作流入口的平台型軟件;2)ROI更容易量化、AI付費意願更強的垂直軟件場景;3)受益於AI應用規模化的安全、可觀測性和開發治理軟件;4)具備生態入口、雲基礎設施和AI分發能力的綜合型平台。

東吳證券主要觀點如下：

AI對軟件行業並非簡單「吞噬」，而是推動價值從前端入口向企業AI執行底座遷移

過去市場擔憂AIAgent會削弱傳統SaaS的前端入口、席位制收費和高利潤率假設，這一擔憂對功能較輕、數據壁壘較低、流程嵌入較淺的工具型SaaS具有一定合理性。但該行認為，企業級AI真正落地並不只依賴模型能力，更依賴數據治理、權限管理、流程編排、系統集成、安全合規和結果追溯能力。當Agent進入企業真實生產環境後，能否穩定調用數據、理解業務規則、遵循權限邊界，執行流程動作並留下可審計記錄，將成為決定AI能否規模化落地的關鍵。因此，AI時代軟件公司的價值判斷將從「用戶是否頻繁打開應用」，轉向「該系統是否處在企業任務執行鏈條中的關鍵位置」。具備核心數據、流程權限、治理審計和系統連接能力的平台型軟件，有望從傳統應用軟件向企業AI基礎設施重估。

AI商業化從概念驗證走向指標驗證

2026年7-9月，頭部軟件公司陸續披露更可追蹤的AI商業化指標，證明AI能夠帶來新增收入來源、工作負載和客戶需求。Salesforce通過Agentforce ARR和Agentic Work Units等指標驗證Agent收入和任務執行量，多套定價模式並行探索，說明企業客戶已經開始為Agent能力付費，且AI任務執行量正在成為新的可量化指標。Snowflake驗證AI應用擴張帶來的數據工作負載增長，企業AI應用越多、數據遷移、數據治理、數據共享、模型調用和數據處理需求越強。ServiceNow則依託「基礎許可+AI用量」的混合定價實現更好的價值傳導，驗證工作流平台承載Agent執行閉環的能力。該行認為，未來軟件公司估值框架不應只看收入增速、淨收入留存率和利潤率，還應關注AI調用量、任務執行量、自動化流程滲透率、Agent依賴程度、定價架構遷移進度以及AI功能能否形成可計量、可收費、可審計的工作負載。

AI重塑軟件行業價值鏈，MCP協議層+四層縱向結構決定估值分化

該行建議將AI時代軟件行業劃分為數據控制層、工作流執行層、垂直場景層、雲與開發運維層，MCP則作為橫向協議貫穿各環節。數據控制層解決「Agent知道什麼」，分為全域分析型及操作型兩條路徑，受益於企業AI落地帶來的數據調用和模型工作負載增長;工作流執行層解決「Agent能做什麼」，核心在於將AI嵌入CRM等企業流程，使Agent從信息生成走向任務執行;垂直場景層解決「Agent創造多少業務價值」，醫療、法律、金融、工業等高ROI場景更容易量化節省時間、提升效率或降低錯誤率，短期結果型收費普及受合規約束，但長期有望從訂閱制延伸至任務型、用量型或結果型收費;雲與開發運維層解決「Agent如何穩定、安全、低成本運行」，隨着AI應用數量增加、調用鏈條變長，企業對可觀測性、安全運營、訪問控制等的需求將持續提升。

風險提示：AI商業化進展不及預期，企業Agent落地進度不及預期，宏觀環境和企業IT支出不及預期。