核心观点
AI吞噬软件？产业格局变动中机遇与挑战并存。大模型厂商正在加速自身的商业化，同时近期一些“AI吞噬软件”的论调也引起投资界关注。彭博社提到AI有可能像之前的互联网一样颠覆各行各业，并列举了美银认定受AI影响最大的26家公司的几家如Wix.com/Shutterstock/Adobe等。报道中除了软件也提到包括广告、人力资源、市场研究等领域公司如ManpowerGroup/Robert Half/Gartner/Omnicom Group/WPP。我们认为：1）AI的影响不局限于软件，各领域都有抓住AI时代机遇的软件公司崛起：例如广告领域的Applovin；视觉设计类工具有figma和Canva等公司，人力资源领域北森控股；AI编程领域的Cursor等。2）可能受到冲击的公司也会将AI赋能自身：例如谷歌也是美银的人工智能风险投资组合中的公司，但其最新的财报显示AI正在赋能其搜索业务。3）开源模型蓬勃发展对软件公司有利。我们认为AI的发展是模型与应用厂商一起做大蛋糕的过程，当前产业格局仍在持续变化，不必笼统地担忧AI吞噬软件，而应具体观察不同公司在AI时代的核心竞争力以及拥抱AI的执行力。
大模型吞噬简单应用，吞噬不了强Know-how、强数据、复杂流程或资质壁垒的应用。对护城河深厚的应用而言，大模型非但不是吞噬者，反而可能成为加固优势的工具。我们认为“简单”体现在公开知识、易验证、低责任、弱耦合。护城河强体现在：1） 强 Know how：许多行业依赖专家对于长期经验、场景化判断、未成文规范的理解，需要一些长期深耕的公司来构造能够深刻理解该领域的业务逻辑的垂直领域模型或者Agent。2） 强数据：许多公司的优势来自不可得或难以复制的专有数据与持续反馈闭环。大模型可作为数据价值的放大器，但核心优势由数据主导。3） 复杂流程：现代企业软件的价值往往不在于单个功能，而在于对跨部门、多步骤的复杂业务流程的深度整合与编排，深度的工作流整合也创造了极高的客户粘性和转换成本。4） 资质/合规壁垒：一些强监管的领域需要明确的责任主体与签字权，需要资质、执照与合规体系，模型可提效，但落款与责任在具备资质的主体。以上因素决定了一家公司是否易被模型厂商替代。例如军工领域核心基于情报分析系统起家，作为首个领导国防项目的民营公司palantir就是一家护城河深厚的软件公司。
未来有三种Agent：用户给自己做Agent、厂商给用户做Agent、单位给员工做Agent。Agent是当下大模型产业的重要方向，我们认为未来Agent的形式有三种：1）用户给自己做的Agent：AI带来的技术普惠让不具备编程背景的个人用户也能为自己高度特定的个人及工作任务，构建和部署定制化的AI Agent。2）模型厂商给用户做Agent，科技巨头为抢夺流量入口构建功能强大的通用Agent。3）单位给员工做Agent，作为企业中强大的“数字同事”或“数字员工”，带来可衡量的投资回报。除了将Agent分为三类以外，我们还认为Agent落地的三大要素分别是数据、模型、接口。GPT-5是顶尖模型的重大突破，其编程能力的提升利好用户自定义Agent的推广渗透，进一步会带来广泛的算力需求，幻觉降低尤其有利于严肃2B场景Agent。
建议关注：
算力：寒武纪、海光信息、有方科技、协创数据、奥飞数据、新易盛、东阳光、胜宏科技、鸿腾精密科技、沪电股份、中际旭创、东山精密、伟仕佳杰、云赛智联、潍柴重机、科华数据、禾盛新材、青云、金山云、浙数文化、大位科技、玉柴国际、亿田智能、宏景科技、弘信电子、圣阳股份、润泽科技、润建股份、深信服、神州数码、深桑达、品高股份、金山云、云天励飞、优刻得、云从科技、浪潮信息、中科曙光、太极股份、数据港。
Agent：阿里巴巴、腾讯控股、快手、拓尔思、美图公司、金蝶国际、金山办公、金桥信息、鼎捷数智、海天瑞声、慧辰股份、嘉和美康、泛微网络、税友股份、朗新集团、润达医疗、360、万兴科技、用友网络、麦迪科技、宇信科技、京北方、中科金财、致远互联、汉得信息、软通动力、光云科技、上海钢联、新致软件、同花顺、信雅达、萤石网络、迪安诊断、中科金财、恒生电子、星环科技、卫宁健康、创业慧康、科大讯飞、万兴科技、创业黑马、迈富时、小商品城、金证股份、顶点软件、朗新集团、晶泰控股、佳发教育、新大陆、新开普等。
自动驾驶：江淮汽车、赛力斯、小鹏汽车、理想汽车、禾赛、地平线、世运电路等
军工AI：拓尔思、能科科技、普天科技、品高股份、海格通信、中科星图等。
风险提示：技术迭代不及预期风险；经济下行超预期风险；行业竞争加剧风险。
报告正文
01
AI吞噬软件？产业格局变动中机遇与挑战并存
大模型厂商正在加速自身的商业化：摩根大通称OpenAI通过GPT-5发布展现商业转型意图，公司采取简化产品线、全用户覆盖、激进定价等策略。关键业务指标强劲增长：年度经常性收入突破130亿美元，周活用户达7亿。7月份Anthropic的年营收已达到40亿美元，这一数字较年初增长了四倍多。
与此同时近期一些“AI吞噬软件”的论调也引起投资界关注，例如8月11日巴伦周刊报道分析师下调Adobe评级时标题用词“AI Is Eating Software”。8月15日路透社在报道欧洲软件股下跌的新闻中设问“WILL AI ’EAT SOFTWARE’”。
关于AI对软件冲击的担忧，8月9日彭博社发表的《Traders Are Fleeing Stocks Feared to Be Under Threat From AI》提到AI有可能像之前的互联网一样颠覆各行各业，像网站开发公司Wix.com、数字图像公司Shutterstock和软件制造商Adobe，这三家公司是美国银行策略师认定的受人工智能影响最大的26家公司之一。
彭博社指出2025年由于担心客户会转向能够生成图像和视频的人工智能平台，Adobe股价已下跌23%。ManpowerGroup的招聘服务可能会受到自动化程度上升的影响，该公司今年股价下跌了30%，而其同行Robert Half的市值则缩水了一半以上。市场研究公司Gartner下调了今年的营收预期，导致其股价暴跌。尽管该公司将此归咎于美国政府的削减开支和关税等政策，但分析师很快将矛头指向了人工智能，投资者担心尽管该公司正在部署自己的人工智能工具，但人工智能可能会为 Gartner 的研究和分析提供更便宜的替代方案。广告公司Omnicom Group今年已下跌 15%，原因是据报道 Meta 未来将通过人工智能实现广告制作的完全自动化。同行 WPP的股价下跌了 50%以上。
AI现有公司格局的重塑不仅局限于软件，以上受到AI冲击的公司，除了软件领域也包括包括广告、人力资源、市场研究等领域。以彭博社列出的受到AI冲击的公司为例，往往对应领域也有抓住AI时代机遇的软件公司崛起：
Omnicom Group、WPP这类广告公司，对应在广告领域除了巨头Meta，聚焦于“AI+数字广告”的Applovin 2025财年第二季度财报在AI广告引擎模型AXON大力推动之下，营收总计实现12.6亿美元，超越华尔街平均预期的约12.2 亿美元。
Adobe这类视觉设计类工具，对应领域有figma和Canva等公司的高速增长：36氪报道Figma不仅在设计协作工具中引入生成式AI能力，更将其定位为“从idea到prototype”的端到端平台，2024年Figma营收7.49亿美元，同比增长48%。Canva 在2025年6月宣布现在为 2.3 亿多人提供设计能力，年经常性收入超过 30 亿美元，订阅用户已增长到超过 2400 万。
在ManpowerGroup等公司涉及的人力资源领域，国内北森控股作为云端人力资本管理（HCM）解决方案提供商，将AI技术在招聘场景的应用从效率工具向智慧决策演进，北森AI面试官，截至2025年3月底累计签约客户突破240家。
Wix.com这类网站开发公司，目前AI编程技术的进步可能对其有冲击，例如AI编程助手开商Anysphere凭借Cursor产品已吸引超3万家企业客户。
可能受到冲击的公司也会将AI赋能自身：例如彭博社报道指出谷歌也是美国银行人工智能风险投资组合中的一部分，人们一直认为它正在采取防御措施，保护其在利润丰厚的互联网搜索市场中的巨大份额。但是谷歌2025年Q2最新的财报显示AI正在赋能其搜索业务：搜索实现了两位数的收入增长。新AI体验极大地促进了使用量的增加。AI Overviews 功能备受欢迎，现在在 200 多个国家和地区拥有超过20亿月度用户。
多模态搜索的使用强劲增长，特别是 Lens或 Circle to Search 与 AI Overviews的组合。这种增长在年轻用户中最为明显。新的端到端 AI 搜索体验 AI Mode继续收到非常积极的反馈，特别是对于更长、更复杂的问题，它仍在推出中，但在美国和印度已经拥有超过1亿月活跃用户。
同时开源模型也在蓬勃发展，我们认为也对软件公司有利，可以采用开源模型自主开发或是在与闭源模型的议价权上更有优势：
8月5日OpenAI发布了gpt-oss-120b和gpt-oss-20b两款性能卓越的开源模型，gpt-oss-120b 模型在核心推理基准测试中与 OpenAI o4-mini 模型几乎持平，gpt-oss-20b 模型在常见基准测试中与 OpenAI o3‑mini 模型取得类似结果。
4月阿里Qwen3正式发布并全部开源8款混合推理模型。包括两款MoE模型以及六个Dense模型。旗舰模型Qwen3-235B-A22B在代码、数学、通用能力等基准测试中，与一众顶级模型相比，表现出极具竞争力的结果。
我们认为AI的发展是模型与应用厂商一起做大蛋糕的过程，受益和受损的公司都会出现，当前产业格局仍在持续变化，不必笼统地担忧AI吞噬软件，而应具体观察不同公司在AI时代的核心竞争力以及拥抱AI的执行力。
02
大模型吞噬简单应用，吞噬不了强Know-how、强数据、复杂流程或资质壁垒的应用
我们认为大模型的发展会吞噬简单的应用，但对于那些护城河建立在深厚行业Know-how、专有数据、复杂流程整合或严格资质壁垒之上的应用而言，大模型非但不是吞噬者，反而可能成为其加固优势的工具。
我们认为“简单”体现在以下几方面：
公开知识：模型输入输出主要依赖互联网上的共识性信息与通用语料。
易验证：对错、好坏可以快速验证，如编程中的单元测试。
低责任：出错成本低、可快速回滚，如图像视频编辑等。
弱耦合：很少跨系统/跨角色协作，不牵涉复杂的流程、权限、审计链条。
护城河强的体现：
1）强Know how
我们认为许多行业依赖专家对于长期经验、场景化判断、未成文规范的理解。许多隐性 Know-how对于大模型厂商来说难以攻克或者投入太多资源去攻克单一领域性价比不高。因此在需要高度专业化和情境化知识的垂直领域，需要一些长期深耕的公司来构造能够深刻理解该领域的业务逻辑的垂直领域模型或者Agent，提供比通用解决方案更高的准确度和可靠性。
2）强数据
我们认为许多公司的优势来自不可得或难以复制的专有数据与持续反馈闭环。当所有竞争者都能接入强大的基础模型时，竞争优势就转向了那些拥有独特、高质量、无法从公开渠道获取的专有数据的企业。大模型可作为数据价值的放大器，但核心优势由数据主导，数据所有者才是收益大头。
3）复杂流程（强耦合与可追责的执行）我们认为现代企业软件的价值往往不在于单个功能，而在于对跨部门、多步骤的复杂业务流程的深度整合与编排。例如一个AI或许可以自动提交报销发票，但它很难取代一个深度集成到企业财务、人力资源和审批系统中的管理平台。这种深度的工作流整合也创造了极高的客户粘性和转换成本。因此那些深度嵌入客户复杂工作流程的企业，并不容易被大模型直接吞噬，而是会把模型逐步赋能到系统中。
4）资质/合规壁垒
一些强监管的领域需要明确的责任主体与签字权，需要资质、执照与合规体系，无资质不得出具结果。模型可提效，但落款与责任在具备资质的主体。
以上因素决定了一家公司是否易被模型厂商替代，或是在与模型合作中能占据更大价值量。例如军工领域的软件公司palantir就是一家护城河深厚的公司：Gotham作为Palantir起家产品，以情报分析为核心内容。根据36氪报道，Gotham是Palantir的起点，主要面向政府和国防部门，提供军事和情报分析服务。它通过将各类物理世界信息整合到一个应用中，极大提高了决策效率与质量。Gotham客户包括美国中央情报局（CIA）、联邦调查局（FBI）、美国军方以及北约。Gotham的核心功能是整合来自多个数据源的信息，特别是看似无关的数据，以发现金融欺诈、预防恐怖袭击或用于军事行动。这些数据源可以包括卫星图像、监控视频、银行对账单、电子邮件、录音、个人旅行记录、交通罚单、医疗记录等。通过交叉比对这些数据并发现异常，Gotham帮助客户提供深入洞察、优化决策，并进行预警。例如，在俄罗斯与乌克兰战场上，Gotham被广泛使用。指挥官只需输入目标坐标，Gotham就会自动计算射击的方位与距离，并将任务分配给最合适的武器。此外，Gotham还会统计战斗结果，并利用数据反馈自我学习，不断优化决策过程。最著名的例子是，Gotham帮助美军成功找到了本·拉登的藏身之地。通过构建一个全面的人物知识图谱，结合监控的信使信息、巴基斯坦院落周围的可疑迹象，比如异常的垃圾自燃、居民不外出等，最终确认了本·拉登的藏匿位置。
图表1：Palantir Gotham产品 |
Foundry是Palantir为大型企业客户量身打造的产品，虽然它的技术与Gotham相似，但应用领域主要是商业场景。根据36氪报道，Foundry通过整合企业的大量数据，运用算法发现异常现象，如财务欺诈、供应链效率低下等等。Foundry通过对企业分散的数据进行结构化处理，并应用数据本体论（Ontology），有效解决了数据孤岛问题，使人工智能能够深度应用于企业的工作流程。据Palantir官网介绍，Foundry已被广泛应用于多个行业，包括航空航天、石油和医疗等。例如，空中客车（Airbus）使用Foundry优化了航空航天制造流程，实现了25倍的投资回报率；英国石油公司（BP）利用Foundry优化了石油和天然气的运营流程，节省了10亿美元的成本；英国国家医疗服务体系（NHS）也曾尝试使用Foundry进行数据管理。
图表2：Foundry产品模型 |
Palantir Apollo是一个全面的DevOps平台，用于管理跨不同环境的软件部署，实现持续集成和交付（CI/CD）过程的自动化。它简化了部署管道，实现了跨内部部署、云和混合设置的快速功能交付和稳定性能。Apollo的替代产品包括GitHub Actions、GitLab CI/CD、Jenkins、CircleCI和AWS CodePipeline等平台。这些工具提供不同程度的定制和集成支持，帮助企业实现软件交付自动化并简化开发流程，同时保持高可靠性和高速度。
图表3：Apollo产品应用界面 |
Palantir的人工智能平台（AIP
）提供了一个平台和工作流构建器，旨在创建、部署和管理人工智能应用。AIP为开发人员提供了将应用程序中的人工智能转化为代理和自动化的能力，而不是集成简单的聊天功能。Foundry和AIP相辅相成，经常一起部署。AIP可将LLMs集成到数据管道中，并提供生产级功能，如错误处理、自动重试和保证输出模式。通过工作流生成器，用户可以设计人工智能应用程序和运营，同时利用本体论确保人工智能逻辑与企业的运营框架保持一致。Palantir AIP的主要客户包括美国国防部、默克公司（Merck）和IBM等组织，他们将该平台用于从预测性维护和供应链优化到药物发现和客户服务等各种应用。这些用例利用AIP的功能，将人工智能整合到复杂的工作流程中，从而在各行各业实现实时决策和运营效率。
图表4：Palantir AIP产品 |
2016年Palantir成功起诉美国陆军，成为首个领导国防项目的民营软件公司。2016年，Palantir成功赢下了起诉美国陆军的官司，理由是美国陆军拒绝考虑商业上可替代其现有数据和分析平台的方案。自此，美国陆军开始从原来具有垄断性质的雷神公司（Raytheon），与Palantir两家公司中，选择一家来开发未来的情报平台。在2019年3月，Palantir赢得了整个合同，这是政府第一次选择一家民营的软件公司，来领导国防项目。
03
多未来有三种Agent：自己给自己做Agent、厂商给用户做Agent、单位给员工做 Agent
我们认为未来有Agent的形式有三种：用户个人自制的Agent、模型厂商驱动的通用Agent和企业定制的Agent：
图表5：Agent的落地形式 |
1）用户给自己做Agent：AI Agent革命的一个重要趋势是AI带来的技术普惠。借助一系列强大的无代码/低代码平台，不具备编程背景的个人用户也能为自己高度特定的个人及工作任务，构建和部署定制化的AI Agent。这标志着一个新时代的到来：自动化不再是大型企业的专属，而是成为人人可及的个性化工具。
据市场研究机构 Straits Research数据，2024年全球无代码AI平台的市场规模为 36.8 亿美元，预计到 2025年将达到 47.7 亿美元，到 2033 年将达到 379.6 亿美元，在预测期间（2025-2033年）以 29.6% 的复合年增长率增长。
例如字节的扣子开发平台可以帮助用户零基础进行Agent 专业开发，OpenAI推出的GPTs让用户可以自己创建结合了指令、额外知识和任何技能组合的自定义版本的 ChatGPT。
Lovable公司通过其AI驱动的应用程序构建平台，Lovable让非技术背景的用户也能创建功能性软件，如电商网站等。今日头条2025年5月报道Lovable团队规模仅18人，于短短6个月内实现了5000万美元的ARR。
图表6：Lovable平台上的大量AI创作项目 |
Lovable官网，国盛证券研究所 |
2）厂商给用户做Agent全球顶尖的科技巨头，正在投入巨资，构建功能强大、应用广泛的通用C端Agent。字节旗下Agent应用“扣子空间”，字节定义为是精通各项技能的“通用实习生”与各行业的“领域专家”，具备无限拓展能力的 AI Agent。
图表7：扣子空间 |
3）单位给员工做 AgentAgent的第三种形式，是在企业内部的部署，Agent不再仅仅是个人工具，而是作为强大的“数字同事”或“数字员工”，与人类员工并肩工作。它们旨在增强员工的专业能力、自动化复杂的业务工作流，带来可衡量的投资回报（ROI）。尤其是垂直的行业Agent，在这里，Agent不再是通才，而是被训练成特定行业的“领域专家”，拥有深厚的专业知识。
除了将Agent分为三类以外，我们还认为Agent落地的三大要素分别是数据、模型、接口：1）垂类数据是Agent能力拓展到各行业的关键。2）基础大模型的能力提升是Agent进步的核心动力。3）Agent需要通过各类接口与外部系统交互，获取上下文或执行操作，也即使用工具扩展Agent能力。
图表8：Agent的要素包括模型、数据、接口 |
近期发布的GPT-5把更低幻觉、更强工具使用、更长上下文和更高性价比的推理打包到一套统一系统里，我们认为GPT-5最利好的方向是各类自定义Agent，具体展开理由有下：1）编程能力提高，降低Agent开发门槛编程语言用简洁、优雅的语法和语义规则，定义清晰明确的指令，让计算机完成各种任务。代码是数字世界的基础生产力工具。GPT-5的编程能力提高，进一步降低了大众通过AI编程开发Agent的门槛。
2）幻觉显著下降，Agent可靠性跃升。大模型的幻觉问题是Agent 的一大降碍，尤其在一些高风险领域模型出现幻觉可能造成严重后果，GPT-5的幻觉显著下降提高了Agent 的可靠性。3） 工具调用能力提升，能完成更复杂任务。Agent执行中可能需要与多个API、数据库或内部系统交互，例如，一个旅行Agent可能在一次任务中需要查询航班API、酒店API和用户日历，然后综合结果。GPT-5工具调用能力提升，在遵循工具指令、处理工具错误以及自主实现串行或并行的多工具调用方面表现更佳，能帮助Agent完成更复杂任务。
4）400K上下文+多模态升级，Agent能处理更长任务更大量数据。建立在有限上下文窗口模型之上的Agent，无法处理长期任务、记住过往交互或消化大型文档，它们会忘记关键信息，迫使用户不断重复，从而中断复杂的工作流程。GPT-5配备了高达400k的上下文窗口，可以解锁更多以前难以实现的用例：
·Agent可以一次性分析一份完整的、冗长的法律合同或财务报告。
·软件开发Agent在修复错误时可以理解整个代码仓库的上下文。
·客户服务Agent可以回顾客户的完整交互历史，以提供真正个性化的支持。
同时GPT-5在多模态上全面提升，也让Agent可以处理更多类型的复杂数据，大幅提高可用性。
5）推理效率提高与API降价，Agent经济性价比提升
复杂的Agent工作流通常涉及大量且冗长的LLM调用，模型成本也是影响Agent落地的重要因素。
GPT-5与o3相比在各种推理任务中使用的输出token减少了50-80%。这使得Agent工作流更快、更便宜。简单的查询可以获得近乎即时、低成本的响应，而复杂的任务则能获得必要的计算资源，用户或开发者无需手动切换模型。这种智能的资源分配是实现大规模部署Agent而又不致成本失控的关键。在API定价方面，OpenAI也采取了和Gemini或Claude相比极具竞争力的策略，这让Agent的性价比大幅提高。
综上我们认为，GPT-5的能力全面进步是顶尖大模型的重大突破，将大幅利好各类Agent加速落地，其中编程能力的提升利好用户自定义Agent的推广渗透，进一步会带来广泛的算力需求，幻觉降低尤其有利于严肃2B场景Agent。
04
建议关注
算力：寒武纪、海光信息、有方科技、协创数据、奥飞数据、新易盛、东阳光、胜宏科技、鸿腾精密科技、沪电股份、中际旭创、东山精密、伟仕佳杰、云赛智联、潍柴重机、科华数据、禾盛新材、青云、金山云、浙数文化、大位科技、玉柴国际、亿田智能、宏景科技、弘信电子、圣阳股份、润泽科技、润建股份、深信服、神州数码、深桑达、品高股份、金山云、云天励飞、优刻得、云从科技、浪潮信息、中科曙光、太极股份、数据港。
Agent：阿里巴巴、腾讯控股、快手、拓尔思、美图公司、金蝶国际、金山办公、金桥信息、鼎捷数智、海天瑞声、慧辰股份、嘉和美康、泛微网络、税友股份、朗新集团、润达医疗、360、万兴科技、用友网络、麦迪科技、宇信科技、京北方、中科金财、致远互联、汉得信息、软通动力、光云科技、上海钢联、新致软件、同花顺、信雅达、萤石网络、迪安诊断、中科金财、恒生电子、星环科技、卫宁健康、创业慧康、科大讯飞、万兴科技、创业黑马、迈富时、小商品城、金证股份、顶点软件、朗新集团、晶泰控股、佳发教育、新大陆、新开普等。
自动驾驶：江淮汽车、赛力斯、小鹏汽车、理想汽车、禾赛、地平线、世运电路等
军工AI：拓尔思、能科科技、普天科技、品高股份、海格通信、中科星图等。
05
风险提示
技术迭代不及预期风险：若技术迭代不及预期，则对产业链相关公司会造成一定不利影响。
经济下行超预期风险：若宏观经济景气度下行，固定资产投资额放缓，影响企业再投资意愿，从而影响消费者消费意愿和产业链生产意愿，对整个行业将会造成不利影响。
行业竞争加剧风险：若相关企业加快技术迭代和应用布局，整体行业竞争程度加剧，将会对目前行业内企业的增长产生威胁。
具体分析详见2025年8月17日发布的报告《大模型吞噬软件？》
分析师 刘高畅 分析师执业编号S0680518090001
分析师 李可夫 分析师执业编号S0680525060001
