上月文章中提到，我们正在步入一个以“Agent”为主要应用方向的AI新阶段。在此新操作系统上，我们将以自然语言作为主要交互方式，让AI虚拟助手为我们完成各种任务，而非简单的知识问答和图片生成。它将会使软硬件的使用方式和商业模式发生巨大的变化，也会使服务业出现规模化的大企业，同时进一步放大对AI算力的需求，让整个社会进入“智力”的自动化进程。

而本月我们观察到，美国软件公司指数IGV暴涨了14.8%，年初至今涨幅逼近30%，一举反超半导体指数SOX的全年表现。相对纳指本月6.2%的收益，软件股本月的突出表现，许多得益于优异的三季报表现。在我们的想象中，软件公司的商业模式可能会因为Agent的到来发生剧烈的变化，因此我们有必要把视角拉近，借着财报期来观察下全球的软件巨头，对比下这些公司现实中的AI战略，是否行驶在我们预想的AI进化轨道之上。

第一个视角，来源于全球最大的客户关系管理（CRM）软件企业——C公司。其主营业务是通过帮助企业建立客户数据库，在此基础上使用其软件，开展营销广告、产品销售、售后客服和多渠道电商等工作。公司在本月推出了其Agent产品——Agentforce，开启了“Agent优先”的顶层战略。

从宣发资料中，我们可以定性地看到C公司的Agent产品，怎样为客户员工带来生产力的提升：在客户使用C公司软件进行“营销活动”时，Agentforce可以帮助客户进行营销素材的快速生成，可以针对不同客户定制个性化营销策略，以加快营销人员工作效率，提高营销活动的转化率。在客户进行“销售活动”中，Agentforce能替代销售员对潜在客户进行早期的陌生拜访（通过邮件、社交媒体、电话等），自动总结出可以跟进的销售线索，节省了人类销售人员大量的时间，也覆盖了许多过去没时间覆盖的销售机会；在销售人员的入职培训中，Agentforce对新人的培训和模拟测试都起到了重要帮助，大大减少了人类销售员上岗所需的公司资源。在进行“客服活动”中，有别于老式机器人的预设服务（例如电话选项服务），Agent客服可以进行7*24的自然语言对话，更贴近人类思维，AI知晓客户完整信息，并能提供更个性化的客服工作；与此同时，由于打通客户信息，客服Agent可以在售后服务的同时，进行再销售工作，打破部门岗位之间的差别。在进行“电商活动”中，Agentforce导购能替代人类，实时响应买家咨询，为买家快速找到自己想要的商品，节省了客户的营销成本。目前，Agentforce处于试用推广阶段。

从C公司的例子中，我们可以观察到一个趋势：软件公司的商业模式在悄然发生转变，目标市场也在逐步得到拓展。过去C公司的软件订阅费用为每人每年100-500美元不等，现在公司改销售“Agent虚拟员工”，开始按照每次服务2美元进行收费。据大摩统计，仅仅是电话客服岗位，全美300万客服代表一年大约要进行345亿次会话，假设每次收费2美元（目前人类客服每次会话成本在2.7-5.6美元），客服Agent的目标市场空间大约在700亿美元，相当于公司当前收入的2倍。而销售环节所需人手更多，潜在Agent化的空间只会更大。软件公司在过去20年，从“买断式收费”进化成“订阅式收费”的商业模式，市值获得了不小的成长；今天我们同样处在一个软件商业模式变革的前夜。

 

第二个视角，来自全球最大的APP广告服务商——A公司。其主营业务是为各类APP（尤其是游戏），提供现成的广告平台（包括投放优化算法、用户数据分析，实时竞价系统等），同时为App带来更多广告主，实现APP流量的快速变现。这是一个多方共赢的商业模式，App开发者流量得到快速变现，省去搭平台找广告主的麻烦，尤其是中小规模APP；广告主从A公司集中获得更多的投放渠道；用户得以免费使用App；而A公司作为组织方也享受了收益分成和网络效应。

A公司从23年二季度开始，发布了其AI应用——AXON 2.0，用大语言模型替代了原先算法，能帮助广告主实现更高的投资回报率。与传统算法的区别在于，AXON可以自主根据平台的广告数据进行持续学习，自我优化算法，不断提高投放策略的回报率。这种持续的广告投放效率提升，为A公司带来了更多客户和投放数量，也带来了广告CPM单价的提升，使得公司收入得到了强劲增长。其次，大语言模型的广告算法除了适用于游戏领域，其泛化能力也得到了加强，公司的广告业务拓展到了新的电商领域，电商广告流量增速接近 100%，预计将于 2025 年开始为公司带来显著收入。再者，AXON 算法改进增加的是研发和服务器成本，但无需额外的销售成本，80%的增量收入直接转化为调整后的EBITDA，直接提升了软件平台的利润率。公司的增速提升和利润率转正，也是从AXON2.0的发布季度开始的。在过去的5个季度，营收实现了季度环比10%以上增长，净利润率从亏损边缘逐季攀升，本月三季报达到了36%的高度。

从A公司的例子中，我们可以观察到另一个趋势：SaaS软件公司长期压抑的利润率可能会因AI化而得到释放，极大改善SaaS公司的商业模式。我们都知道，大部分SaaS软件公司常年亏损，主要是研发和销售的费用率居高不下。AI与Agent带来巨大的改变，在于其一方面提升了软件的效能，例如A公司广告平台的投放回报率，带来了更多客户和更高单价的同时，还能不增加（甚至降低）公司研发和销售人员的成本，例如使用C公司的销售与客服Agent产品替代人工，或者使用AI辅助编程降低公司程序员成本。“增效”与“降本”同行的结果，就是SaaS公司长期低迷的利润率，能够得到快速释放。降本增效，虽然不是新的爆款应用或业务，但实实在在为SaaS企业带来了翻天覆地的变化。因为利润率在过去5个季度的快速攀升，A公司的期间市值也上涨超过12倍。

 

第三个视角，来自全球最大的零售渠道管理软件——S公司。其主营业务是向各行业品牌零售商提供一个中台操作系统，统一管理其来自不同销售渠道（线上卖场、社交电商、官方主页、线下商店等）的货架、库存、订单、客户数据、营销、客服等工作。S公司在全球175个国家，帮忙管理着超过560万个活跃商店，GMV近3000亿美元，公司年收入86亿美元。

S公司过去的AI功能叫Magic，主要负责自动生成商品的描述与图片，为商家节省营销成本。而公司即将发布的AI应用，是一个名为Sidekick的Agent。S公司服务的大多数客户属于中小企业商家，甚至品牌创业者，对于S公司所提供的产品功能使用经验不足，同时自身业务经营也处于摸索学习阶段，这就造成了S公司所开发的软件功能使用门槛高，使用程度不深，S公司推广费用高等问题。Sidekick所要完成的使命，是通过理解公司所有的产品功能及用法，同时通过客户数据去学习各行各业的经营思路，从而帮助商家以更低门槛使用其软件工具（例如直接用自然语言，命令中台把几个电商渠道的滑雪板全部做打折促销），以及针对商家不同的需求提供行业标准化的营销策略（例如把某些烘焙蛋糕品牌的成功营销活动方案，以软件功能组合和活动方案的形式，教给其他城市具有同样需求的商家），以此可以提高商家使用产品的频率和深度，增加ARPA（每账户年度收入）、续费率和CLTV（每客户生命周期价值）。与此同时，AI也能大大降低S公司支持商户的“客户成功团队”人力需求，改为Agent使用 8 种语言对商户进行 24/7的实时支持，也会大大降低S公司的销售费用。有趣的是，一些商家之前不愿提出他们认为琐碎或幼稚的问题，这种心理障碍在引入人工智能支持之后也不复存在了。

从S公司的案例中，我们可以看到第三个大趋势：AI Agent的引入，就像使用全新的操作系统，会让复杂的软件操作变得异常简单和直接，这会使得（商业）软件的普及度更进一步扩大，而借助AI的创业也会变得更简单，尤其是一人公司更加普遍，也带动社会进入一个良性循环。相得益彰的是，S公司在收入增长的同时，利润率也像A公司一样在持续改善。在过去三个季度，S公司的员工总数基本保持不变的同时，加速的产品创新能力、持续在提升营收增长的势头，带来其经营利润率从Q1的12%逐季提升到Q3的19%。

 

除了以上三个例子，从目前观察来看，基本上所有美国上市的软件公司，都在做AI化甚至Agent化，其中不少像C公司一样，把"Agent化"定为公司的第一战略。软件公司Agent化的本质，是从“向企业员工销售工具”变成“向企业销售会使用其工具的虚拟员工”。大部分不需要创新的工作，即使有过往经验可以支持和重复的工作，Agent都能做，它可以帮助人类节省掉至少40%重复劳动的时间和成本以更专注于重要工作。而且相对于人类的工作效率，Agent的工作速度更快，工作时间更长，工作量更大，使用工具功能更广泛，做决策的信息依据也更全面。过去“雇佣员工+订阅软件”的企业用户，会从“使用软件的Agent”身上以更低的成本，获得更高的价值，而软件企业也会从中享受到更高的利润，甚至商业模式也会发生改变，就像云计算时代订阅制的改革一样。

正在软件行业发生的这些变革，也让我们做出了两个猜想，这对于AI时代的投资可能也会有所启发。

其一，随着软件Agent在各大领域应用的落地，基础模型的能力可以得到反哺和提升，这要得益于产业里大量的经验数据，这是公开互联网数据量所不可比拟的。AI模型在强化学习的后训练阶段所获得的“推理”能力，其本质是“分步规划”、“路径探索”和“监督反馈”共同作用的结果。要持续提升模型能力，除了使用后训练阶段的（合成）数据以外，当Agent被软件公司安排到各个行业的不同领域开始工作之后，会使用不同领域的经验数据，学会在不同的任务下，使用不同的分步规划和路径探索方案，同时从工作环境（任务目标、协作人类、协作Agent等）中得到相应的反馈，从而使得模型的能力持续得到提升，在从未被训练过的场景也会涌现出泛化的能力（如下图智普的例子）。C公司称，作为客户关系管理的软件公司，其平台上的企业行为数据才是实现Agent最重要的基石。公司坐拥250PB的客户行为数据，如果按照1个token4个字节来换算，相当于超过60000万亿token的可训练数据；相比之下，GPT4 的训练数据只用了18万亿token的公开网络数据量。因此，声称Scaling Law因数据而见顶，远远言之过早。

 

其二，Agent替人如果在大量的行业里出现，会产生“国民生产力上升”与“居民购买力下降”同时出现的矛盾现象，对经济造成短期扰动，逼迫经济制度进行改革。以售后客服Agent为例，如果可以与客户进行顺畅沟通，相比C公司提供的Agent单次服务成本2美元（推广打折为1美元），目前人工客服岗位单位成本2.7-5.6美元实在太贵，企业一定会把部分人类岗位替换成客服Agent，节约成本以提升利润，结果是一批人工客服将面临下岗。因此，企业部门的效益虽得到了提升，居民部门的效益却会受损，对短期经济的购买力会形成冲击和扰动，甚至出现通缩的压力。这种结果与目前通胀环境下的货币政策和国家二次分配制度都太不匹配，制度层面的改革如果不能及时跟进，或许会引发宏观的系统性风险。

但条条大路通罗马，无论哪家软件企业最后在Agent化的道路上获得成功，都会带来AI推理算力需求的延续增长。2025年，可能会是半导体与软件琴瑟和鸣、携手共进的一年。随着Blackwell的落地，推理成本断崖式下降，软件行业会从现在付费低频的B端应用，开始蔓延至免费高频的C端应用，Agent从商业走向消费者。2025会是更加精彩的一年。

 

风险提示及免责声明：市场有风险，投资需谨慎。在任何情况下，文章中的资讯仅供读者参考之用，文中提到的公司亦仅为阐述产业逻辑，所有内容均不带任何投资建议，读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷的，东方港湾不负任何责任。