人工智能对软件巨头的清算

人工智能对软件巨头的清算

(视频)

垂直 SaaS 的护城河正在崩塌：大模型如何重塑软件估值逻辑

1. 引言：1 万亿美元的“蒸发”与恐慌背后的真相

在过去的几周里，软件和服务板块的市值遭遇了近 1 万亿美元的巨额回撤。FactSet 的市值从 200 亿美元的峰值跌至不足 80 亿美元；S&P Global 在短短数周内缩水 30%；Thomson Reuters 在一年内市值蒸发近半。

华尔街陷入了恐慌。而就在上周，Anthropic 发布了 Claude’s Cowork 的行业专用插件，这种 AI Agent 能够自主处理复杂的财务研究、法律分析和文档工作流，这无异于在火堆上又浇了一桶油。

我曾深耕垂直 SaaS 领域十年，先后创立了欧洲最大的法律信息平台 Doctrine（与 LexisNexis 竞争）和 AI 驱动的股权研究平台 Fintool（与 Bloomberg 竞争）。我曾构建过那些被大语言模型（LLM）威胁的软件，现在我正站在另一侧，构建那些正在颠覆规则的工具。真相很残酷：LLM 正在系统性地摧毁那些曾经让垂直软件坚不可摧的“护城河”。 这不仅仅是市场的短期波动，而是一场关于软件价值倍数（Multiple）的结构性重组。

2. 护城河一：被“对话框”摧毁的复杂交互界面 (Learned Interfaces)

过去，垂直 SaaS 最大的隐形成本和护城河是“学习成本”。

以 Bloomberg Terminal 为例，用户需要花费数年时间学习那些极不直观的快捷键和导航模式（如 GP, FLDS, FA, BQ）。这种界面本身就是一种语言，一旦掌握，切换到其他平台就意味着“失语”。这种“肌肉记忆”让知识工作者愿意支付每年 2.5 万美元的单席位溢价，只为不再重新学习一套工作流。

当我 2016 年创立 Doctrine 时，我们的核心优势就是界面。我们让法律搜索变得比 Westlaw 更快、更直观，律师们因此爱上了它。但今天，这种优势已成为一种负担。

在 Fintool，我们没有入职培训，没有客户成功经理（CSM）教用户如何操作。用户只需输入：“找出所有市值超过 10 亿美元、P/E 低于 30 且营收年增长率超过 20% 的软件公司，并为排名前五的公司建立 DCF 模型，对折现率和终端增长率进行敏感性分析。”

“LLM 将所有私有界面塌陷为一个聊天框。”

当界面从复杂的专业工具变成三句自然语言时，那些价值数万美元的学习成本瞬间归零。界面不再是产品，它只是一个被 LLM 吸收掉的脚手架。

3. 护城河二：从“万行代码”到“一段 Markdown”的逻辑跃迁 (Custom Workflows)

传统垂直软件的核心价值在于将行业逻辑“硬编码”。在 Doctrine 时代，我们需要将法律研究流程拆解为数千个 if/then 分支、验证规则和审批流。这不仅需要顶尖工程师，还需要能写代码、懂信用衍生品或法律程序的稀缺人才。

现在，这种工程瓶颈消失了。在 Fintool，一个复杂的折现现金流（DCF）估值技能，不再需要数月的工程冲刺、代码审查和测试，只需一个 Markdown 文件。

我们将整个方法论——搜集哪些数据、如何计算 WACC、如何处理股权激励补偿（SBC）、如何进行敏感性分析——直接写成 Markdown 技能文件交给 LLM 执行。原本需要 200 人规模的公司和 5000 万美元数据授权才能构建的能力，现在一个由 10 人组成的领域专家团队利用 Frontier 模型 API，仅需一周就能交付。 领域专家第一次绕过了工程团队，直接将知识转化为软件。

4. 护城河三：公共数据抓取的平庸化与 MCP 协议

过去，FactSet 和 LexisNexis 的定价权来自于“让难以获取的数据变得易于查询”。为了解析一份 200 页的 HTML 格式 SEC 10-K 文件，公司需要组建工程师大军维护数千个解析器，以处理不同公司千奇百怪的格式。

在 Doctrine 时代，我们构建了极其复杂的 NLP 流水线来进行实体识别和法院判决分类，这是真正的壁垒。但现在，模型本身就是解析器。它们天生理解 10-K 的结构，无需训练就能区分 GAAP 和非 GAAP 收益，甚至能从脚注中提取隐秘的财务调整。

更具颠覆性的是 MCP（Model Context Protocol，模型上下文协议）。它正在将每一个数据源变成一个即插即用的插件。当你的数据可以通过 MCP 协议轻松成为 Claude 的一个“插件”时，“使其可搜索”这一层所承载的溢价便彻底坍塌了。

“在‘使其可搜索’这一层，定价权正在崩塌。”

5. 真正的防御：大模型无法触及的三个“堡垒”

尽管许多护城河在崩溃，但依然有三类“堡垒”难以被 LLM 撼动：

1. 私有且不可复制的数据 (Proprietary Data)： 如果你拥有 Bloomberg 交易柜台的实时定价数据，或者 S&P Global 累积数十年的独家违约评级数据，LLM 反而会让你的数据更值钱。因为它是模型唯一稀缺的输入。
2. 监管与合规锁定 (Regulatory & Compliance)： 在医疗（如 Epic）或金融领域，合规性不是技术问题，而是信任问题。大模型无法通过 HIPAA 认证或 FDA 许可，也无法缩短医院长达 18 个月的实施周期。
3. 嵌入交易流程 (Transaction Embedding)： 像 Stripe 或 Fiserv 这样直接处理资金流动的软件是稳固的。LLM 可以改进界面，但它无法轻易取代资金流动的“轨道”。

此外，我们需要关注 System of Record（记录系统）。虽然像 Salesforce 或 Epic 这样的公司目前依靠极高的切换风险（数据丢失、审计中断）维持地位，但 AI Agent 正在“安静地”通过读取用户的邮件、Slack 和文档构建属于自己的上下文记忆。长远来看，这种“新的真相来源”正在削弱传统记录系统的地位。

6. 行业的未来：三家巨头对阵三百家初创公司的“钳形攻势”

垂直 SaaS 行业正在遭受一种“非线性”的组合爆炸式进攻：

• 底部进攻： 过去进入一个领域需要巨额资金和数百名工程师。现在，10 名工程师利用 Frontier 模型 API，能在数月内交付 80% 的核心功能。这导致竞争对手的数量从 3 家暴增至 300 家。
• 顶部侵入： 水平化巨头（如 Microsoft Copilot）正通过 AI 深度渗透垂直领地。Excel 里的 Copilot 现在可以直接做 DCF 建模，Word 里的 Copilot 可以进行合同审查。水平工具通过 AI 变成了垂直工具。

7. 创始人自测框架：你的公司在危险区吗？

评估你的公司是否面临估值重构风险，请进行以下自测：

1. 数据是私有的吗？
   • 如果是： 护城河稳固。
   • 如果数据是公开或可授权的： 你的可访问层正在崩塌。
2. 是否存在监管锁定（如 HIPAA/FDA）？
   • 如果是： 切换成本依然存在。
   • 如果不是： 你正面临界面驱动的解构风险。
3. 软件是否嵌入在交易/资金流程中？
   • 如果是： 你依然是核心基础设施。
   • 如果不是： 你的位置是可被替代的。

测评结果： 零个“是”为极高风险；一个为中等风险；两个或三个“是”则意味着你的防御地位相对安全。

8. 结语：倍数重构，而非收入消失

垂直 SaaS 的收入并不会一夜之间归零，FactSet 或 Bloomberg 的客户受困于长期合同和复杂的采购周期，目前的现金流依然锁定了 12-24 个月。

然而，华尔街已经提前进行了定价。 市场正在定价的是“溢价倍数的终结”。过去一个拥有 95% 留存率、15 倍营收倍数的软件公司，在护城河侵蚀的预期下，其倍数正被无情地下修至 6 倍。

即便收入持平，估值倍数的缩水也会导致股价暴跌 60%。这就是我们正在见证的历史。在 AI 时代，代码不再稀缺，真正的稀缺性将回归到那些大模型无法触及的真实世界连接与独家数据的所有权上。