前几天跟一个做 SaaS 的朋友吃饭。他问，你们天天看 AI，到底看出什么了。
我说我在想一件事：AI 会不会把你公司的商业模式也给替代了。
他愣了一下。我说这跟“AI 会不会替代我的工作”是两码事。前者是饭碗，后者是生意。做投资的人，得先想后面这个。
ChatGPT 改变的是人怎么找答案。AI Agent 改变的是谁把事情做完。以前员工打开 Excel、CRM、邮件、浏览器、ERP，一个软件一个软件操作。现在 Agent 读数据、调 API、跑流程，把结果交回来。软件从工具变成了员工。
账就变了。
过去 SaaS 是人头税：员工越多，账号越多，License 越多，收入越高。Agent 来了，老板只跟 Agent 说一句：把这批客户筛一下，符合条件的自动联系，预约会议，结果录进 CRM。员工不一定需要亲自打开每一个软件。
那我为什么要给每个员工买这么多账号？
Gartner 管这个叫 agentic arbitrage。到 2030 年，企业应用软件里大概有 2340 亿美元支出暴露在这件事下。不是说这些钱一定消失，Gartner 的判断是，SaaS 不死，席位许可模式会解构。软件厂商得从卖界面转到卖结果。
到这里，该问四个问题。
谁会被替代？ 最危险的公司，不是没有 AI 的公司，是 AI 很容易替代它的公司。McKinsey 2026 年那份调查，32% 的企业说因为 Agentic Coding 能自己开发，已经放弃买某些软件。拆开看更扎眼：把至少 5% EBIT 归因于 AI 的那 6% 企业，接近一半在跳过软件采购；科技行业 41%。替代最快的地方，恰好是 AI 用得最好的地方。
谁能反击？ 不是所有 SaaS 都坐以待毙。微软把 Copilot 直接做进 Office，绑在原有订阅上。Salesforce 把 Agentforce 长在平台里，不是单独卖工具。我的判断是，巨头更可能把技术创新吞进自己的渠道，而不是被它替代。能反击的，是本来就控制核心工作流的。反击不了的，是浅层工具。
谁能拿走新增价值？ Agent 要数据、算力、身份、支付、网络、数据库、基础设施。你让 Agent 订机票，它得比价、选航班、付款。付款走支付网络，支付要身份，身份要数据库，数据库要电，电要变压器，变压器要铜和硅钢片。一路下去，全是生意。模型是大脑，Agent 是手脚，基础设施是身体。
另一个护城河是入口。Shopify 把 Meta 列进后台 AI 渠道，Shop Pay 对 Muse 开放，Muse 可以代用户结账。但接入不等于控制。真正的入口在 Meta 手里。掌握 Agent 的，重新定义流量。只是接入的，可能是在喂养未来的竞争对手。
拿走了价值，不等于拿得住。AI 让一个人干三个人的活，省下来的钱，是变成公司利润，还是被客户拿走，还是被模型厂商和算力供应商吃掉？这中间要经过一层分配。谁有定价权，谁拿走大头。如果全行业生产力都提升，供给增加，价格战开打，红利可能直接让渡给消费者。投资要找的，是竞争不充分、有定价权、能把效率提升截留在自己口袋里的环节。
这个优势会不会因为资本开支过度而反转？ 前面说物理世界会越忙，但忙不代表不会过剩。电网、变压器、铜确实是刚需。但云厂商疯狂建数据中心、买 GPU、拉电网，如果下游 Agent 商业化跑不出预期现金流，这场资本开支就会变成过剩。2000 年互联网泡沫，光纤铺了一地，收入没跟上。这次大厂现金流厚得多，能撑更久，但撑得久不等于不会过剩。一旦 ROI 算不过账，踩刹车，上游同样遭遇双杀。
四个问题问完，还得回到那个老问题：十年后，这家公司能拿到多少现金。
但再往深一层，AI 冲击的不只是护城河，还有价值投资这套方法本身。
信息差在消失。格雷厄姆要跑去档案室翻年报，巴菲特要一页一页读《穆迪手册》两遍。现在大模型几秒提取一份财报，7×24 小时盯着公司动态。信息差下降，认知差成了定价分歧的主要来源。超额收益从“谁先知道”转向“谁想得更深”。
护城河的定义也在松动。转换成本、网络效应、无形资产，这些过去最被依赖的东西，在 AI 面前不再那么牢。过去问“护城河有多深”，现在还要问“AI 能不能搭一座桥跨过去”。
估值方法也得换。过去习惯静态测算，现在更需要动态概率判断。DCF 里关键的假设——竞争优势持续期、终值增长率、折现率——都要重新调。
收益率预期呢？先锋领航 2026 年展望给了个数字：未来 10 年，美国价值型股票年回报率预期 7%，非美国发达市场 6%。不算惊艳，但隐含一个前提：AI 交易如果崩塌，价值型股票是避风港。不过 Vanguard 的 Joe Davis 有个判断值得琢磨：短期 AI 股票可能继续涨，但最终解锁价值增长的是 AI 的使用者，而不是 AI 的建造者。
别因为“AI”三个字买股票。故事最后得落到收入、利润、现金流。看财报里的毛利率、经营利润率、FCF、客户留存、资本开支、每个客户产生的收入。MIT NANDA 有组数据说企业内部自建 AI 项目的落地比例大概 33%，用供应商工具的大概 67%。这不是严格意义的成功率，但方向能看出来：企业自己搞，落地明显更难。Gartner 预测到 2027 年底超过 40% 的 Agentic AI 项目会被取消。McKinsey 同一份调查里，把 EBIT 正向贡献归因于 AI 的受访者比例连续两年停在 37%；high performers 也停在 6%。80% 的人说 AI 提升了个体生产力，但个体变快，公司没变富。真正部署 Agent 的组织，Gartner CIO 调研里只有 17%。
个体变快，公司没变富。这才是最该琢磨的地方。
但这四个问题，问的不只是公司，也是问做投资的人自己。
AI 能不能替代普通人和水平一般的基金经理？能替代一部分。替代的方式不是把职业消灭，是把及格线抬高到大多数人够不着的位置。
对普通人，AI 替代的是你不会的那部分。以前你要靠一个收费不低的理财经理，现在一个智能体就能把基金诊断、资金规划、资产配置给到七七八八。它抹平的是信息不对称和渠道垄断。但 AI 不会替你做最难的那件事：市场恐慌的时候，你敢不敢不动。霍华德·马克斯说 AI 感受不到集中持仓的压力，也体会不到资本损失的恐惧。散户用 AI 能提高下限，上限还是自己的纪律和判断。
对水平一般的基金经理，AI 吃的是中间层。如果一个经理的日常就是整理数据、跟踪信息、写报告、初步筛选，那这些活 AI 做得更快更准还不要工资。有研究把真实基金交易记录喂给 AI，例行买卖决策的预测命中率能到七成。也就是说，很多“主动管理”其实是算法能复制的模式化反应。真正的阿尔法，恰恰在 AI 预测不了的那三成里——跑赢大盘、发掘新领涨股，那些没法从历史模式里推出来的判断。
人类还剩什么？跑断腿的实地调研、极端未知局面的判断、以及出事了能承担责任的人。越靠近人，AI 越难替代；越靠近数据和流程，AI 替代越快。水平一般的基金经理，问题就在工作重心落在数据和流程那一侧。
最终形态是人机混合，但人的那一端在收窄。人定框架，AI 执行，人做最终决策。一个私募经理可以带几十个 AI 数字研究员，研究团队压到几个人。Magnetar，180 亿美元规模，准备推一只主要靠 AI 智能体识别机会的基金。当人机协同里的人那一端收窄，能站上去的，是真正有认知深度、产业洞察、极端时刻能独立判断的人。顶尖投资者，AI 赢不了，因为品味、辨别力、恐惧，AI 没有。一个基金经理如果既没有 AI 的算力和纪律，又没有人的判断和品味，位置就是被夹在中间无处安放。
AI 替代的不是职业，是职业里那些本来就不该由人做的部分。它替代的是及格线以下的人，不是线以上的人。
只是别忘了，物理世界也讲周期。忙的时候扩产，扩完可能过剩。真正的赢家，不是最忙的，是卡在绝对垄断节点、别人绕不过去、还有定价权的那个。
价值投资没过时。灵魂没变——买股票就是买公司，十年后它能拿到多少现金。变的是手脚：信息差没了，护城河得重新定义，估值得动态更新，超额收益从“谁先知道”转向“谁想得更深”。找的时候，四个问题：谁会被替代？谁能反击？谁能拿走新增价值？这个优势，会不会因为资本开支过度而反转？
AI智能体不是来杀死价值投资的。
它只是把剑磨得更锋利。
只要魂在，剑越锋利越好。
本备忘录为个人研究记录，不构成投资建议。
市场有风险，投资决策需基于独立判断并自行承担责任。
Frank · JDV Research （价道研究）
全球资本市场与科技资产的长期投资与研究
往期内容：
QQQ没覆盖的AI机会 / 价道研究 #135 资产系列40
纳指又创新高，真正该看的不是顶部 /#134 资产系列39
如果有一天我变得很有钱 / 价道研究 #133 人物系列38