當大家都在拋售軟體股，匯豐說你們錯了
撰文：宇宙波鳴人，深潮 TechFlow
2026 年 2 月，科技股市場正在經歷一場被部分媒體稱為 “SaaSpocalypse” （SaaS 末日）的系統性崩盤。
Salesforce 股價從 2025 年高點跌去近 40%；ServiceNow 單季財報發布後單日暴跌超 11%，原因不過是管理層在電話會上提了一句“AI 智能體正在使席位增長的能見度變得複雜”；Workday 40% 2026 年開年六週內蒸發了近 1 兆美元市值。
市場的邏輯很直接：AI 智能體（Agent）已經能夠取代大量人工操作，企業用 AI 做完了過去需要 100 個人完成的工作，自然就不再需要 100 個軟體席位。 按席位收費的 SaaS 商業模式，被認為已經走到了歷史的終點。
就在這場恐慌交易席捲整個行業的時候，匯豐銀行美國科技研究主管 Stephen Bersey 發布了一份標題極具挑釁性的研究報告：。
他的核心觀點，用一句話概括：
逆勢而來的報告
「市場擔憂 AI 將取代企業軟體，這種擔憂是錯誤的。」
這個邏輯翻轉了目前市場的整個敘事框架。 市場的恐懼是“AI 取代軟體”，而 Bersey 的判斷是“軟體將馴化 AI”。
他引用了一個來自互聯網時代的歷史類比：當年互聯網爆發，最初的價值積累集中在物理基礎設施，伺服器、光纖電纜、數據中心。 大量資本湧入硬體基礎設施，而那些苦苦掙扎的早期網路公司，反而是最終贏得長期價值的一方。
AI 的演進，Bersey 認為，正在重演同一部劇本。 2024 年和 2025 年是基礎設施的建設期，算力、模型、程式碼整合——這一切都是為軟體層的爆發在鋪路。 而 2026 年，是引擎真正點火的一年。
「軟體將是 AI 在全球最大型企業中擴散的主要機制。我們認為 2026 年是軟體變現的啟動之年。」
為什麼基礎模型替代不了企業軟體？
報告最有分量的論證，是對「AI 直接顛覆軟體」這個邏輯的逐層拆解。
批評者的觀點看起來很有說服力：大型語言模型已經能寫程式碼，vibe coding（透過自然語言描述直接產生可用軟體）正在興起，AI 模型公司已經在做更多應用層的嘗試，那麼，為什麼企業還需要 Oracle、SAP、Salesforce 這些耗資巨大的傳統軟體系統？
Bersey 的答案從三個層面展開。
報告明確指出，基礎模型“存在內在缺陷”，無法勝任對大型企業核心平台進行“整體替換”的任務。 它們在窄場景中表現良好，圖像生成、小型應用開發、文字處理，但對於高保真度、企業級核心平台而言，這「並不現實」。
根本原因在於訓練資料的限制。 LLM 是在公開網路資料上訓練的，而企業軟體系統數十年來累積的私有架構知識、業務邏輯、操作規範——這些核心智慧財產權根本不在公網上，AI 無從學習，也無從複製。 Oracle、SAP 的系統護城河，不是靠寫程式碼能追上的，它是靠時間和業務場景累積起來的。
報告直接點名了 Vibe Coding 的致命弱點：它將設計的責任和負擔完全壓在了開發者身上。 你告訴 AI“我想要一個能處理全球供應鏈的系統”，AI 可以產生程式碼，但“如何定義這個系統的架構、如何處理異常情況、如何確保在極端壓力下不會崩潰”，這些判斷仍然需要人。
更關鍵的是，Bersey 指出，那些主要的 AI 模型公司「幾乎沒有創建企業級軟體的經驗」。 他們是從零開始進入一個極為複雜的環境。 而企業軟體經過數十年迭代，已經進化到「幾乎零錯誤、高吞吐量、高可靠性」的水準，這是 AI 新貴短期內無法企及的基準線。
即便假設 AI 真的能寫出同等水準的程式碼，企業替換核心系統的代價依然極其高昂，收入中斷風險、生產力損失、跨 IT 環境的系統相容問題、對供應商品牌和服務能力的信任累積…這些都是真實的切換成本，不會因為 AI 能寫程式碼而消失。
企業級軟體要求的，是多年來經過驗證的 99.999% 正常運行時間，是在各種複雜 IT 環境下的無差錯運行。 這種信任，是時間換來的，不是用程式碼堆出來的。
誰會是 AI 變現的真正受益者？
如果前半部是防守性的論證，那報告的後半部則是進攻性的佈局。
Bersey 的核心判斷是：AI 價值鏈的最大份額，最終將流向軟體層，而非硬體和晶片層。
「我們認為 AI 是軟體堆疊中最主要的價值創造來源，長期價值的最大份額將歸屬軟體，而非硬體。」
他同時指出，硬體稀缺性，GPU 短缺、電力限制、資料中心瓶頸，在未來數年內都將持續存在數年。 這種稀缺性，恰恰強化了軟體平台的戰略地位：
而具體的變現載體，報告指向了 AI 智能體（agentic AI）。
Bersey 預測，2026 年將看到任務型、嵌入工作流程的 AI 智能體在財富 2000 強企業和中小企業中的大規模部署。 但他對智能體的定性，與市場上的主流敘事截然不同，他不認為智能體是替代軟體的顛覆者，而是認為智能體必須在軟體定義的參數和權限範圍內運行，正是這種“有邊界的智能體”，才能滿足企業對 AI 風險管控的需求。
換言之，企業不需要一個無所不能、自由奔跑的 AI，它們需要的是一個能被治理、被審計、在合規框架內運作的 AI。 而這，只有深度嵌入企業軟體系統的智能體才能做到。
「軟體是企業可控制地使用 AI 的關鍵途徑。」這是整份報告最核心的一句判斷。
同時，報告也預測推理（inference）需求將逐漸超過訓練需求，成為算力消耗增長的主要驅動力，這意味著隨著智能體的普及，算力消耗不會萎縮，而會持續增長，進一步支撐整個軟體和基礎設施生態。
機會還是陷阱？
發佈時，軟體板塊整體估值已跌至歷史性低點。 Bersey 的判斷是：
「軟體估值處於歷史低位，儘管該行業正處於大規模擴張的前夜。」
在具體標的的推薦上，HSBC 的邏輯很清晰：那些已經建立了深厚數據機、護城河能力、這家軟體公司將不依賴於 AI 軟體的護城能力，這只 變現浪潮的最大受益者。
值得注意的是，HSBC 同時下調了 IBM 和 Asana 的評級，將 Palo Alto Networks 列入“減持”，不是所有軟體公司都能安全渡劫，關鍵在於能否成為 AI 智能體落地的基礎設施，而不是被智能體繞過的人工界面。
Bersey 的報告邏輯嚴密，時機精準，逆勢而出的姿態本身就具有極強的傳播效應。
但有一個問題，報告沒有正面回答：如果 AI 智能體真的能夠在企業軟體的框架內高效運作，企業對軟體「席位」的需求，會不會仍然在悄悄萎縮？ 軟體作為 AI 載體的價值或許成立，但「以人頭收費」的商業模式是否能支撐當前的估值，依然是懸在空中的問題。
軟體吞噬 AI，還是 AI 吞噬軟體，這場辯論，2026 年的每一份財報，都將是新的證據。
