AI正在成为软件行业的新增长极

2026年8月，全球软件行业的叙事发生了一次可核验的转向。

此前两年，“大模型吞噬软件”是罩在软件板块上最浓的阴云——投资者担心模型公司向下吞掉应用，按席位收费的SaaS模式将被动摇。但过去一个季度，几家底座型软件巨头的财报给出了反直觉的事实：AI非但没有消灭软件，反而正在变成软件行业新的增长证据。

最直接的一组数字来自Salesforce。

FY27 Q2，公司营收113亿美元，同比+11%；非GAAP每股收益5.90美元，同比+103%（注：本季含对Anthropic等战略投资账面收益，观察AI主业应看下方ARR与使用量）。真正改写投资语言的，是AI与数据产品年化收入：Agentforce + Data 360合计ARR接近39亿美元，同比+210%；其中Agentforce ARR超15亿美元，同比+240%。

这不是POC。 当一项AI产品在一年内从不足5亿ARR走到15亿以上，市场被迫把问题从“AI会不会消灭软件”换成“软件公司靠AI赚了多少钱”。39亿美元的年化收入，说明客户在付钱买AI，不是在试用AI。AI不再是软件公司的“未来故事”，而是“当前收入”。

多家公司交出了同源信号，但不是同一张卷

Snowflake FY27 Q1产品收入13.3亿美元、同比+34%；剩余履约义务（RPO）92.1亿美元、同比+38%。更关键的是采用面：超过13,600个账户已使用其AI能力，Cortex Code进入7,100+账户。 AI不是PPT功能，是在数据底座上被调用起来的生产工具。Snowflake的RPO增长意味着客户不仅现在付钱，还在承诺未来的收入——这是“底座价值”最直接的财务表达。

身份治理侧的Okta给出的是另一条旁证：其《Businesses at Work 2026》称，91%的组织已在用AI agents，却仅10%有成熟治理策略；Okta同期另一份材料更点出，88%的组织遇到过agent安全事件，仅22%把agent当作独立身份去治理。 翻译过来：Agent越进生产环境，身份、权限、审计这些“老软件能力”越变成新瓶颈。 Okta的护城河不是AI功能，而是企业身份这一层“控制平面”——AI越普及，这一层越不可替代。

ServiceNow的AI工作流、Datadog的AI可观测、MongoDB的向量与长期记忆采用——多家公司从不同赛道指向同一件事：AI从“演示级”走向“生产级”时，先被放大的不是薄应用，而是数据治理、权限体系、工作流编排、跨系统可观测这些难迁移层。 这三家公司的赛道完全不同，但都在同一份财报季里被市场重新定价——说明被重估的不是某个细分赛道，而是整个“底座层”的逻辑。

摩根士丹利在年中策略里给出的判断可与之互证：二季度财报季“几乎没有证据表明AI对软件收入造成广泛冲击”，软件仍是IT预算中增长最快的类别之一。

为什么是“放大”，不是“替代”

大模型自己不持有企业里的业务状态：谁在流程哪一步、哪些字段能读不能写、哪个动作要加审批——这些定义全在软件系统里。 Agent并发跑起来后，系统复杂度不是下降，是上升；企业对“让AI安全接进业务”的需求，反而被结构性抬高。当一个Agent需要访问CRM、ERP、HR系统，同时完成跨系统的数据整合和动作执行时，它背后需要一套完整的权限体系、数据血缘、审计追踪——这些能力不在模型里，在软件底座里。

基础AI vs 应用AI：为什么软件公司被重估

理解这场反转，需要回到黄仁勋把AI产业拆成五层：能源、芯片、基础设施、模型、应用。前四层是“基础AI”——解决“能不能”的问题；第五层是“应用AI”——解决“值不值”的问题。

基础AI在卷参数，应用AI在卷行业上下文。两者不是竞争，是分工。

Salesforce、Snowflake、ServiceNow这些公司不在基础AI层——它们不造芯片、不建数据中心、不训练大模型。但它们在应用AI层。基础AI解决“能不能”的问题，应用AI解决“值不值”的问题。 39亿美元的AI年化收入证明了应用AI的价值——基础AI的能力，正在通过应用层转化为收入。没有应用层的价值兑现，基础AI的一切投入都无法闭环。

所以这一篇的结论要收得很平也很硬：

AI收入从“故事”变成了“数字”。但数字不是一家公司的孤证——Salesforce的ARR、Snowflake的账户采用、Okta的治理缺口、ServiceNow/Datadog的订单节奏，共同把软件行业从“被吞噬对象”的悲观叙事里拽了出来。 被重估的不是“所有软件”，是拥有数据/上下文/治理/工作流那一层。这一层的特征是：数据量大、规则复杂、权限层级多、替换成本极高——这些都是大模型自己生成不了的东西。