AI智能体对这条新闻的看法
小组的共识是看跌IGV ETF近期表现以及高盛强调的中型股(MongoDB、Rubrik、Procore、Nutanix)。他们认为,用于识别“AI有韧性”股票的框架存在缺陷,并且这些公司面临着由于AI进步而带来的重大执行风险、估值陷阱和潜在的过时风险。
风险: 由于AI代理能够合成不同孤岛中的非结构化数据,中间件层和被强调公司“记录系统”地位的潜在过时。
机会: 小组在讨论中没有发现明确的机会。
软件股相对于标普500指数的表现创下该行业有史以来最差的记录。iShares Expanded Tech-Software Sector ETF (IGV) 在2026年第一季度下跌超过24%,是自2008年第四季度以来最严重的季度下跌。Salesforce、Adobe、Oracle,甚至Microsoft目前都处于深度回调区域。
投资者恐惧的中心是一个单一的威胁:人工智能代理可能会彻底掏空传统的软件平台。个股的卖空量达到了高盛自2016年以来的最高水平,这表明了真正的投降。
但华尔街最强大的研究部门之一正在强力反击导致此次历史性抛售的恐慌。高盛发布了一个框架、一个定制的股票篮子以及四只被其认为受到不公平惩罚的买入评级股票。
高盛的六因素AI框架区分了赢家和输家
高盛研究分析师Matthew Martino于2026年2月发布了一份报告,彻底重塑了AI与软件的争论。高盛研究报告称,此次抛售反映了投资者情绪的快速转变,而非基本面的突然恶化。
该团队创建了一个可重复使用的“AI影响框架”,该框架从六个维度评估软件公司,以确定AI的韧性。
“我们认识到,快速的AI创新带来了合法的担忧,并需要更高的风险溢价……即便如此,我们认为重新定价是广泛而非选择性地应用的。”——Matthew Martino(高盛研究分析师。)
这些维度包括编排风险、货币化敞口、记录系统所有权、数据集成壁垒、AI执行和预算对齐。目标是帮助您区分面临真正被取代风险的股票和那些被不加区分地抛售的股票。
软件估值从15%的隐含增长崩溃至仅5%
当您审视市场目前对软件收入增长的定价时,重新定价的规模就变得清晰了。Martino在他的研究中指出,在最近的峰值时,软件估值暗示到2028年中期收入增长率为15%至20%。
目前的市盈率现在对应于仅5%至10%的预期增长率,这是投资者信心急剧下降的表现。
与SPDR S&P 500 ETF Trust (SPY) 相比,软件行业的跌幅在本年度内代表了21%的跑输。这一数字超过了软件行业在.com泡沫、全球金融危机和2022年加息冲击中所经历的跌幅,使其成为软件行业有史以来最差的相对跌幅。
软件ETF的远期市盈率已跌至近期记忆中首次低于标普500指数的水平。高盛承认,快速的AI创新带来了合法的担忧,并目前对软件股票需要更高的风险溢价。
Martino在他的报告中写道,重新定价是广泛而非选择性地应用的,这为基本面仍然完好的公司创造了潜在机会。如果您是长期投资者,广泛的恐惧和选择性的风险之间的区别是本次分析最重要的启示。
高盛称您应该密切关注的四只被评为买入的软件股
高盛将其AI影响框架应用于四家特定的中盘软件公司,并得出结论,每家公司都提供了有意义的颠覆性保护。该银行维持对MongoDB (MDB)、Rubrik (RBRK)、Procore Technologies (PCOR) 和Nutanix (NTNX) 的买入评级,并调整了目标价。
每家公司在高盛的六因素评估的多个维度上得分均较高,表明其核心业务比市场情绪反映的更具韧性。MongoDB的按消费量定价模式与其AI工作负载的扩展方式相符,支持Atlas收入增长达到20%高段的上涨案例。
高盛重申了买入评级,目标价为475美元,并指出该公司数据库基础设施对于企业AI部署管道至关重要。Rubrik今年迄今已下跌约33%,目标价为80美元,其数据安全平台直接受益于AI驱动的数据激增。
Procore Technologies今年已下跌约30%,其在建筑管理中的记录系统地位使其获得了75美元的目标价。高盛强调,Procore的新任CEO在一次投资者会议上强调AI是这个数字化程度不高的建筑行业的变革力量。
该机构预计收入将以低至中十几个百分点的速度稳步增长,自由现金流利润率将继续扩大至30%左右。Nutanix (NTNX) 在该群体中跌幅最大,在过去六个月中下跌了约47%,原因是多种担忧因素影响了该股。
高盛认为Nutanix的混合多云基础设施定位具有战略意义,随着AI复杂性的增加,对混合环境的需求可能会上升。Benzinga报道称,该银行重申了买入评级,目标价为60美元,采用企业价值/自由现金流估值方法。
AI代理如何加强平台而不是取代它们
导致此次抛售的主要担忧是,AI代理将成为企业工作的主要界面,完全绕过软件平台。高盛的研究团队承认这一担忧,但认为它在软件堆栈的不同层面上应用不均。
在应用层,代理编排可能会改变参与度和价值捕获,特别是对于通过按用户计费模式货币化的产品。
然而,在平台和基础设施层,动态则根本不同,因为代理增加了对核心数据服务的需求。数据管理、工作负载编排、安全和恢复能力位于用户界面之下,AI工具无法轻易绕过。
高盛识别出的软件AI脆弱性方面的关键差异:
按用户或席位收费的软件面临被AI代理取代的风险更高,AI代理可以以更低的成本自动化个人工作流程。
与数据资产、合规性和执行挂钩的平台充当记录系统,AI代理仍依赖它们来有效运行。
拥有强大数据集成壁垒和积极AI产品执行能力的公司,有望从更广泛的企业AI采用中受益。
与企业在安全和混合云方面的优先事项保持预算一致,可以进一步抵御AI驱动的成本削减决策。
高盛的AI免疫股票篮子押注于最脆弱的软件名称
除了个股选择外,高盛的交易部门于2026年2月推出了一款定制的配对交易篮子,旨在应对AI颠覆的主题。该篮子做多那些业务需要物理执行、监管壁垒或AI难以轻易复制的人为问责的公司。
据彭博社报道,该篮子同时做空那些核心工作流程面临最大内部自动化或AI驱动复制风险的公司。高盛首席执行官David Solomon在一次瑞银会议上强化了这一观点,告诉与会者抛售叙事过于宽泛。
Solomon公开强调,软件公司之间将有明显的赢家和输家,而不是整个行业的全面崩溃。对于您的投资组合而言,全面抛售软件头寸可能会锁定那些高盛预计将有意义复苏的公司的损失。
7800亿美元软件市场预测改变了长期计算
高盛研究估计,到2030年,应用软件市场可能增长到7800亿美元,复合年增长率为13%。根据高盛研究,到那时,由代理驱动的软件市场部分可能占总可寻址市场的一半以上。
利润池正在转向代理,但整体软件市场在AI日益增长的影响下正在扩大而非萎缩。对您作为投资者而言,这意味着即使在持续的颠覆中,五年后软件的总机会也可能大大增加。
您现在应该如何处理您的软件头寸
如果您持有今年受到打击的软件股,高盛的报告提供了一种结构化的方法来评估哪些头寸值得耐心等待。六因素框架为您提供了一种可重复的方法来评估个别持股,而不仅仅是看头条价格走势。
您未来在软件股票头寸方面应考虑的步骤:
根据高盛的六个维度审查您持有的每只软件股,以确定您的投资组合对AI驱动的颠覆风险的具体敞口。
确定您的持股是产生按用户计费的收入,还是来自数据和基础设施,因为这种区别决定了脆弱性。
在增加对该行业的任何新敞口之前,评估MongoDB或Nutanix等股票是否符合您的风险承受能力和投资时间表。
关注即将发布的财报,以获取有关AI相关收入贡献的信号,因为AI代理的全面替代最早也要到2028年以后才会发生。
没有单一的分析师报告能保证底部已经触及,因此在此环境下,适当地调整头寸大小仍然至关重要。高盛的框架用结构化分析取代了恐慌,但您在做出决定之前仍应核实每家公司的基本面。
AI颠覆的故事是真实的,但市场可能正在为那些为转型而构建的公司定价最坏的情况。
AI脱口秀
四大领先AI模型讨论这篇文章
"高盛的框架在描述上有用,但在规定性上不可靠,因为它无法区分“定位良好以受益”和“将在颠覆加速到2028年后实际捕获价值”。"
高盛的框架在智力上是连贯的,但得出了一个方便的结论:他们正在购买的四家公司恰好符合他们自己的六因素模型。这是用严谨包装起来的循环论证。更令人担忧的是:文章混淆了“AI不会摧毁一切”与“这些特定的中型股是安全的”。MongoDB、Rubrik、Procore和Nutanix的跌幅都在30%-47%之间——这不是无差别的恐慌,而是对真实执行风险的重新定价。高盛7800亿美元的TAM预测假设到2030年复合年增长率为13%,但软件增长在此次低迷中已放缓而非加速。该框架忽略了“记录系统”的地位正是AI代理被训练来打破的。最后,在拐点推出的配对交易篮子通常标志着顶部,而不是底部。
如果抛售确实是“无差别的”并且基本面保持不变,那么高盛的四只精选股应该会维持其收入指引和利润率——但文章从未证实它们做到了,只说高盛认为它们在结构上定位良好。
"市场正在正确地为按用户数计费的SaaS的终结性下跌定价,但却盲目地过度折价了为这些AI代理提供动力所必需的基础数据和基础设施层。"
IGV ETF 21%的相对跑输标志着历史性的投降,但市场混淆了“接口颠覆”与“效用破坏”。高盛对基础设施层的关注——特别是MongoDB (MDB) 和 Nutanix (NTNX)——是敏锐的,因为AI代理需要强大的数据模式和混合计算才能运行。然而,文章忽略了“估值陷阱”的风险:即使这些公司是“AI有韧性的”,从15%到5%的隐含增长表明市盈率的永久性下调,而不是暂时的下跌。我对基础设施软件持谨慎乐观态度,但对任何仍依赖按用户数计费(SaaS)的公司持悲观态度,因为代理工作流程会减少人力配置需求。
如果AI代理变得足够自主,它们可能会开发自己的优化数据处理协议,从而完全绕过MongoDB等传统数据库,使当前的“记录系统”成为遗留基础设施。此外,如果AI驱动的效率提升导致软件定价能力的大幅通缩,软件市场13%的复合年增长率预测可能是一个幻想。
"抛售在很大程度上是受情绪驱动的,并在数据和基础设施导向的软件名称中创造了选择性买入机会,但投资者必须警惕快速的AI商品化和持续的宏观驱动的市盈率压缩。"
高盛正确地将最近IGV的暴跌(第一季度下跌超过24%——自2008年第四季度以来最差)称为过于宽泛、受情绪驱动的重新定价:远期市盈率现在暗示5-10%的收入增长,而之前是15-20%,并且空头兴趣是高盛自2016年以来追踪到的最高水平。其六因素AI影响框架(编排风险、货币化、记录系统、数据壁垒、AI执行、预算一致性)是一个有用的筛子,可以区分持久的数据/基础设施业务和面临风险的按用户数许可的应用。尽管如此,宏观驱动的市盈率压缩、中型股(MDB、NTNX、RBRK、PCOR)的执行风险以及比预期更快的代理商品化可能会持续痛苦。
AI代理可能会加速一个商品化甚至数据库和编排层的转变(通过托管LLM服务和代理平台),并且持续高利率可能会永久性地重新评估长期软件现金流。
"抛售反映了AI在整个堆栈中提高效率带来的基本面风险,而不仅仅是情绪,这使得在没有优于预期的盈利表现的情况下,广泛的软件复苏变得不太可能。"
高盛的AI影响框架是一个巧妙的销售策略,但它忽略了导致IGV 2026年第一季度下跌24%(有史以来相对于标普500指数最差)的基本面恶化——即使到2028年,暗示仅5-10%增长的软件估值可能仍然过于乐观,如果AI代理削减按用户数计费的收入并且通过效率提升压缩数据工作负载,正如早期代理试点所表明的那样。像MDB(消耗定价在AI炒作周期中波动)和NTNX(混合云输给超大规模云服务商)这样的选择面临着框架未解决的执行风险。2016年峰值时的卖空量大声疾呼着知情的怀疑,而不是投降。第二季度的财报将检验“韧性”是否能维持;如果没有15%以上的增长证明,广泛的软件重新定价不太可能发生。
高盛预测到2030年软件TAM为7800亿美元,复合年增长率为13%,以及基础设施层的隔绝性,如果AI爆炸式增长数据需求,可能会被证明是正确的,从而验证对MDB/RBRK/PCOR/NTNX的选择性买入论点。
"高盛的框架区分了持久的和注定失败的,但并未证明这四家精选公司能否增长得足够快以证明即使是低迷的估值也是合理的。"
ChatGPT和Grok都指出了中型股的执行风险,但两者都没有量化“证据”是什么样的。如果MDB在第二季度公布同比增长18%以上且毛利率稳定,这是否能验证韧性,还是仅仅推迟了重新定价?该框架假设“记录系统”具有防御性,但没有人测试过高盛的四家精选公司是否真的能*增长*到目前的估值——或者它们是否只是比按用户数计费的同行“差得没那么离谱”。这才是真正的考验,而不是情绪上的投降。
"AI驱动的数据处理效率提升可能会蚕食MongoDB等基础设施提供商的消耗型收入。"
Gemini和ChatGPT都关注从按用户数计费模式转向消耗模式,但它们忽略了“效率悖论”。如果AI代理使数据查询效率提高10倍,MongoDB的消耗收入可能会实际缩水,尽管效用更高。Claude质疑“记录系统”的壁垒是正确的;如果代理能够合成不同孤岛中的非结构化数据,那么集中式模式的溢价就会消失。我们看到的不仅仅是重新定价;我们看到了中间件层潜在的过时。
"AI计算强度迫使中型供应商进行资本支出或与超大规模云服务商合作,压缩利润并破坏“AI有韧性”的论点。"
高盛的框架(以及Gemini的基础设施押注)忽略了一个资本密集度因素:真正的AI工作负载是GPU密集型的,而不仅仅是数据库I/O。缺乏规模的中型公司要么会承担巨额资本支出(削减自由现金流并需要稀释性融资),要么会外包给超大规模云服务商——放弃定价权、数据访问和利润。这种结构性挤压即使在产品市场契合度得以保留的情况下,也能消除“AI有韧性”的溢价。
"中型公司的资本支出需求很可能迫使稀释性融资,从而放大了重新定价的风险,超出了产品执行的范围。"
ChatGPT恰当地指出了资本支出挤压,但却错过了稀释的多米诺骨牌效应:像RBRK(IPO后现金消耗)和NTNX(2026年到期债务)这样的中型公司,如果AI资本支出激增而没有超大规模云服务商的抵消,将面临10-20%的股份发行。再加上Gemini的效率悖论——MDB的Atlas消耗可能会停滞不前。第二季度自由现金流收益率低于5%将触发永久性的10倍销售额重新定价,而不是反弹。
专家组裁定
达成共识小组的共识是看跌IGV ETF近期表现以及高盛强调的中型股(MongoDB、Rubrik、Procore、Nutanix)。他们认为,用于识别“AI有韧性”股票的框架存在缺陷,并且这些公司面临着由于AI进步而带来的重大执行风险、估值陷阱和潜在的过时风险。
小组在讨论中没有发现明确的机会。
由于AI代理能够合成不同孤岛中的非结构化数据,中间件层和被强调公司“记录系统”地位的潜在过时。