文：董指导&嘉宾

本期要点

#AI#AI 软件

先硬件、后软件，是一个被多次验证过的发展规律；对于AI，市场也是如此期待。在算力投资经历了高峰之后，应用是否会爆发？软件企业是否会迎来新机遇？

4月11日，我参加了博时基金的“2025科技投资系列圆桌沙龙”，和几位嘉宾一起分享、讨论了热门的话题：“AI时代的软件行业：突破与创新”。

嘉宾们互动的精华信息，整理如下：

Q:AI对于软件，有人认为是一种很大的风险，那也有人认为这是一次很大的机遇。如何看？

A：大家如果把AI当做一个必选项，可能这个问题就容易回答一些，先来说下风险，主要在方向和节奏。

也就是方向上，拥抱AI的软件才有机会；拒绝AI，那则是风险，甚至可能是被直接颠覆。

节奏上，拥抱AI的力度要和自身的实力相匹配。不考虑财务状况，用力过猛的话，也会带来风险。但整体而言，目前的风险还是在于忽视AI。

加入AI是不是就一定会迎来比较大的机遇，也要分开去讨论的。

第一种是确定性的机遇，可以看到AI的代码编程能力有大幅的提升，它要比普通人甚至要比一些优秀的编程分析师来讲，它都有很大的辅助和提高。软件企业可以利用AI去做编码的时候，做代码可以降低他们的成本，这是确定性的第一个。

第二个来讲，可以看到AI带来的交互的改变，以前可能像搜索都是要打字，现在都可以用语音甚至拍照，用多模态的方式和AI进行互动，这种方式就是把使用软件的门槛降低了。

咱们回想来看，一开始的电脑用的是DOS的操作，后来改成Windows的鼠标界面操作，使得愿意或者能够使用电脑的人群大幅增加，这对于AI来讲也是一样的。当一个软件接入一些AI功能以后，交互的方式的改变可以让使用人群大幅增加，这两个是确定性的。

不确定性的可能是在于收入和利润，软件企业它增加了AI功能之后，AI功能能不能踏踏实实转成转为公司的利润。

在DeepSeek没有出现之前，这个风险还是有点大的，因为对于一家软件企业，自己去开发一个大模型，成本是非常大的，大部分都是去外采或者是基于一些行业基座大模型做开发，这些带来的都是比较大的成本。

当DeepSeekR1、V3的模型进行开源发布之后，可以看到成本是显著下降的，对于软件企业来讲，因为开源大模型的发展，增加AI功能的成本是在降低的，也就意味着盈利空间在变大。

另外，对于2B、2C的不同形态也会有不同的收入状况。对于2C来讲，国内C端的付费意愿好像没有那么高。即使做出一个功能，也有可能被大模型企业直接把能力内化到模型里，带来颠覆。

对于2B企业来讲，客户相对来说付费意愿比较稳定，已经有了一些比较成熟的模式，而且2B企业在长期的服务行业过程中积累了很深的know-how,这些企业将来做一些AI功能，甚至Agent开发的时候，know-how就能够转成自己的优势。

Q:AI Agent的产业趋势越来越明显，什么是AI Agent,带来的产业机遇到底有多大？会在哪些行业先落地？

A：AI Agent的定义一直没有特别的固化，目前看起来它有三个项：要感知、要自主决策、要执行，最关键的东西在自主决策的环节，我们在日常生活当中，有很多的领域希望不是由我们亲力亲为，而是把它放手给一些科技的工具，而Agent 就是解决其中的某个环节，或者说所有环节的工具。

之前的chat boot聊天机器人，可以陪聊，更多是情绪上的辅助，或者说一些知识上的支持。而Agent意味着可以自主决策帮人做一些活，比如作为工作、生活里的小秘书。

从行业落地的角度来看，如果要讲先落地的话，首先要了解到AI Agent现在的阶段，目前来看还是非常的初级，第一级和第二级。

第一级可以认为是这种客服、会议备档、企业知识库、标准的企业流程梳理等一些比较标品化的，能够日常辅助大家工作和生活这一类的工具。

第二级会结合企业的岗位来做，比如用户是银行的风控人员，Agent开发就需要结合内部的数据来开发，比如尽调数据、行业比较数据等。

目前数字经济的渗透率，或者说软件行业占GDP的占比为9.8%。真正做软件服务实体、服务2B的公司，数量还是比较少的。Agent带来的的不只是降本增效，长期发展也可能会使得整个国民经济GDP体量有倍增的空间，因此，Agent和产业结合，会是非常值得关注的方向。

Q:中国软件企业的商业模式是一直被诟病的，因为很多都是项目制的，没有像海外产品化、SaaS化很令人惊艳的商业模式。这次AI的出现能不能给这样的一种商业模式带来一些变化？

A：从中国企业的商业模式来看，在传统IT时代底层的像操作系统、数据库都是海外来做的，包括底层的一些基础软件，例如图形类的、设计类的软件，一些底层的数据引擎，例如ERP、以及各行各业效率比较高的产品，基本都是海外先做。

国内跟上来的时间会相对来说晚一些，晚个10到20年。

不是我国的软件企业不努力，只是因为在赛跑的早期，海外软件公司吸收了大量的客户，客户又依赖海外产品共同的迭代，所以国内只能做一些外围的功能、定制化比较多，而且拿不到产业链当中最核心、价值量最高的那一部分。因为，基础的软件共性已经被他们吃完了。

在AI时代，情况发生了改变。中国、美国的应用开发，都处于寻找共性的阶段。短期内都是偏定制化的，然后再慢慢从定制化的个性当中去寻找共性，哪些开发软件、哪些工程、哪些体系可以复用，能够更高效的方便的形成产品化的软件。

从中长期来看中国软件企业的商业模式一定会发生变化，甚至有可能向全球进行输出。

与此同时，软件企业的人均效能也会带来提高，尤其当AI编程越来越普及后。软件企业的收入可能变化还比较微弱，但是利润率的提升可能会比较显著。

整个软件行业，会越来越香。

Q:下游的企业客户为了应用AI，他们一般都要去做哪些资源的投入？为客户创造什么样的实际价值？投资回报率是怎么样的？

A：从调研来看，下游企业主要分为两种类型，第一种是中小微企业，他们可能自身的经济实力比较薄弱，他们可能更倾向于上云，这对于上一轮云计算行业是比较大的促进。

这一轮AI时代下每个企业它都需要AI,所以说AI未来在整个企业内部的降本增效是非常快的，中小微企业可能会倾向于在企业内部实现一定的AI赋能，未来首先中小微企业他们会倾向于上云，这对于国内云计算的产业是非常大的利好。

第二个是一些中大型企业，比如说像数据安全，对数据安全要求比较高的领域，比如说像政府部门、国央企，可能还是会更加倾向于本地化部署。

如果本地化部署，还需要服务器，或者说去租一些集群跑在一些私有云或者边缘的云上，这样才能使你的数据较为安全，我觉得主要的投入还是在于前期的硬件，不管你是通过上云去买他们的云服务，还是通过你自己企业的私有化部署，本质上都是硬件的投入，它也会促进一些软件的开放。

上一轮云计算的时代相当于是操作系统底层的东西，这一次人工智能时代底层的东西就是大模型，大模型类似于一个操作系统。

大模型的运用它产生的数据，相比传统的软件会有十倍以上增加。首先数据库需求就会有比较大幅的上升，其次整个算力和应用端需要一个中间的平台，以前叫做PaaS层，现在理解为一个新的概念，叫做数据中台。需要在中间层上，下面连接算力，用户需要不断调整算力，实现合理分配。

目前来看，整个行业还处在比较初期的阶段，暂且来看投资回报率相对来说可能就10%不到的水平。

伴随着行业不断成熟，产品不断标准化之后，产品粘性会很高，包括这一轮产品粘性迅速的积累。软件企业的盈利弹性会得到体现。目前，各公司还是处于快速跑马圈地阶段。

Q:SaaS是软件行业非常流行的一种商业模式，AI到底在这个过程当中是什么样的角色？下游行业使用大模型的进展如何？

A：SaaS AI化是直接颠覆了我们整个传统的软件行业，它相当于是把人工智能的技术直接打包成一整套的服务去卖给企业，或者卖给个人的C端用户。

很多下游行业的公司，都在不断地去适配DeepSeek。可以分三类，比如传统一些做企业服务软件的公司，在ERP上他们会融入DeepSeek增加一些新的功能，比如说像一些内部的合同审核、企业内部的文档搜索、知识库的管理等等，上线了很多新功能，这样可以极大地提升企业内部管理和运营的一些效率。

第二类是一些金融行业，在加入DeepSeek之后，对于整个金融市场每天的动态、风控的把握，包括各类信息的获取、整理和总结等，可以有更加清楚的认识，也提升了投研效率。

金融是上个时代在云计算时代里面最先数字化转型、且比较成功的行业之一，目前，金融行业依然是比较愿意去接受大模型的。不管是在整体的投研、风控，在全行业的全链条都会去孵化的产业。

第三个，一些传统的工具软件，融入AI之后可以极大地提升它作为一个生产力工具，包括像写代码的，包括文生图等一系列的场景，生产效率得到了极大提高。

Q:中国发展AI应用有哪些优势？

A：去年大家一直认为海外出现一些顶尖的模型，我们去复现它的时间大概是12到18个月，甚至在DeepSeekV3出来的时候。因为V3出来对标的是像GPT40、Cloud3.5等模型，海外已经使用了非常长的时间。但是R1出来之后我们发现复现的时间缩短为了一个月。

为什么在算力的限制下能够突围，有几个比较深的感受：

第一，工程师红利优势。曾经我们认为软件行业的工程师和AI行业的工程师有分离，但其实不是，大家的学习能力都非常强，主观能动性也都非常强。

有一个有趣的事情，很多朋友去美国调研，发现和2023年有个很大的区别。即使是硅谷的AI圈，华人也是主流，国内投资人去调研的时候甚至都不用说英语，基本上大家都以中文来交流。而国内的人才也很多，聪明又勤奋。像DeepSeek就都是国人班底。

第二，在一些特定数据上的优势，比如文生视频、文生图大模型，中国的领先程度还是蛮大的。全球现在比较大的几个应用，包括像抖音、快手、TikTok，在流媒体时代积累了大量的视频素材，不管是多模态的理解，多模态的生成，天然就具有优势，这是一方面。

另一方面在2B领域，国内更讲究实用主义，对数据的调用效率会更高。当然我们在数据资产的积累上和海外相比，在B端还是有差距的，但是我们一旦朝着AI的目标去做，数据的获取能力、数据的应用能力，包括数据的应用效率比海外要高。围绕着一个目标实用主义的精神，我们觉得会比较强。

第三，从制度上来讲，就是集中力量办大事。目前海外也在效仿类似投入，例如美国的Star Gate星际之门。

Q：DeepSeek不仅是国产大模型，也是开源模型的代表，海外不少观点也提到这是一次开源模型对于闭源模型的一次胜利，如何看待开源模型对闭源模型的追赶所产生的产业意义？怎么样去把我国刚刚建立起来的优势，转换成为持续产业端的优势？

A：从产业层面来看国内一些曾经力推闭源的公司，也全面的转向开源了；而下游客户采购时，也都会先把开源的DeepSeek接进来；这说明，DeepSeek对产业有两个触动：

第一，大家开始意识到大模型的发展还没有到完全要进入躺平商业化的状态，模型的能力提升依然有很高的天花板。

第二，DeepSeek出来以后，各大互联网厂商像元宝、文心一言开始纷纷去接入了DeepSeek,这也会促使大家去思考，展望来看未来的AI产业它的竞争力未必真的是纯粹的模型能力，可能在模型能力之外更重要的是生态，能不能用更多的玩家吸引更多的合作伙伴一起来把这个业态做大。

这是开源和闭源相比的优势，开源就是它能够吸引更多的人参与进来，集所有人智力一样的状态，这两点是对整个AI 行业在中国的落地来讲是有很大的促进的，因为一旦开源了以后就会加速整个技术的扩散。

也会有很多企业原来对大模型的使用有很高的畏惧心理，开源当然它的成本是比较低的，可能有一些接触意愿是在提升的。

从实际的落地来看，现在很多大厂他们都发了论文，包括通过实践向大家证明了在开源模型下，通过国内的算力也能够取得还不错的效果，这也是帮助我们去打破海外芯片垄断的很好的渠道。

这两个方式都是在加速AI在中国的落地。目前说大模型能力超过美国可能还有点夸张，但至少来讲我们在这个阶段并没有落后，我们的能力跟他们还是在一条水平线上的。

要转成长久的优势，有几点：

第一、要培养比较好的开源生态，包括商业模式。

开源它虽然是一种比较自由的状态，但并不意味着开源一定是免费，很多人提起开源好像觉得都是免费，如果这个商业它完全免费，没有很好的商业模式其实比较难以维持下去。

开源一定要有好的生态能够吸引到更多的玩家加入，能够吸引到优秀的人才加入，产业界里面也有人提出说开源是不是也可以和税收、人才、工资这些等等去挂钩，这都是大家在思考如何建立能够持续运转下去的生态。

第二，在硬件方面我们的研发可能还是要继续加大，因为只有软件的突破，没有硬件的支持，可能也还是比较短的，所以要软件、硬件结合的优势可能会更大。

第三，要发挥中国的产业优势，我们有庞大的应用、庞大的产业场景，无论是开源还是闭源，把这些模型率先用在行业里边，这是最关键的。这会促进我们要去吸引更多的人才，这些人才不仅是在AI行业，而是能够散落在各个行业里边，能够做好模型和产业的对接。

Q：如何看待国内软件企业目前的业绩低迷期？需要多久才能看到软件企业的改善？

A：国内的软件企业可以这么理解，首先，客户结构上，80%跟政策类投入有关。2024年9月之后，可以感受到，整个政策的目标变了，鼓励的方向非常的明确。可以期待软件企业业绩进入改善期。

其次，科技公司通常也具有比较强的周期性，因为新的科技浪潮，会带来投资人对业绩上修或者整个结构需求上修的预期，但实际落地又需要很长的时间，因此，会有周期性波动。另外，技术的发展也会有节奏。

AI这一轮来看，和前两年完全不一样，许多用户真的愿意用真金白银感受AI时代的脉搏，去看看目前有什么变化，而且也愿意保持一定容忍度，因此，这一轮AI对软件改善的确定性和靠谱性也比以往高很多。

根据最近调研，Agent的level one产品相对比较简单，目前已经有订单落地了，特别行业的公司可能对收入的增速还挺大，效果可能会在三季度得到体现。

AI 编程也会在下半年产生效果，带来利润率的提升。

Q：怎么看待AI软件企业的高估值现象？在投研当中怎么样去区分不同的公司，去给它不同的估值体系？

A：在去年美股有很多明星的软件公司的估值都是非常贵的，投资人要求就是每个季度增速能持续上行。

海外软件公司高估值有两个原因：第一，像SaaS产品化的服务，和宏观的IT支出相关，毛利率是非常高的。其次，带有一些科技属性，而且产品粘性很强，而且伴随着宏观的转好，可以不断提价。所以，软件在海外来说，是非常好的商业模式，享受到了高估值。

什么样的软件公司才能配上高估值？第一是传统的做项目制的公司，本质上还是堆人头的生意。大家都在追求降本增效，人头数越来越少了，那这种公司的价值就会越来越低，不能给高估值。

但是像做产品化软件的公司，和客户多年的合作关系紧密，具有很高的粘性，即使在AI转型时期，也容易享受到高估值。

Q：软件企业投资过程当中应该关注哪些风险，如何去识别这些风险？

A：软件企业的投资过程当中，一是对时间的判断。科技的发展大趋势肯定是不断的向好，但是过程中的兑现，包括业绩跟踪的过程，可能会有错配；在过程当中有的时候情绪会相对来说比较高，需要冷静冷静，看看基本面，看看产业的趋势有没有真的跟上市场的预期，这是一部分。

第二块是竞争结构的风险，科技发展过程中不一定对所有企业都是好事，可能其中对超过一半的企业甚至是不好的事情，比如说2005年看到一些顶尖的互联网企业在2015年移动互联网的过程当中，没有受益，反而甚至有点受损，竞争结构需要实时的判断，来判断谁才是这个时代最后的胜者。总结来说，这两个风险会比较重要。

结尾

AI它不是新的技术，也不是新的产业，从1950s以来已经经历了三四轮高峰和低谷。在过程中人们的情绪一直在周期的变化，预期一直在变化，但是技术它一直在稳定的向前。

对AI要充满信心，而且从产业的调研和交流来看，这一轮大模型和产业界结合的确定性和深度都要比以往的AI要深得多，确定性也要高很多，今年、明年是非常值得关注和跟踪的时间节点。

风险提示：以上信息仅用于投资者教育，不构成任何投资建议，投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。内容引用信息均来自公开资料，我们力求但不保证这些信息的准确性和完整性，亦不对使用该信息而引发或可能引发的损失承担任何责任。基金投资有风险，投资需谨慎，您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件。未经授权禁止第三方机构或个人以任何形式进行商业用途的传播、剪辑。

---全文完，欢迎交流

理工/金融 复合背景

畅销书《英伟达之道》译者

百亿私募/头部自媒体 双重经历