ServiceNow 的 AI 估值重构：Benchmark 买入评级背后，Agentic AI 如何改写企业软件定价逻辑

2025 年 3 月 27 日，ServiceNow 股价收于 808.87 美元——较 2024 年 12 月创下的历史高点 1198.09 美元回撤超过 32%。同一周，多家华尔街机构重申对 ServiceNow 的”买入”或”增持”评级，目标价中位数约在 1050-1150 美元区间，隐含约 30-40% 的上行空间。这种分歧——股价大幅回调与分析师坚定看多之间的张力——恰好揭示了一个更深层的问题：市场究竟该如何为一家正在从传统 SaaS 转型为 Agentic AI 平台的公司定价？

这不只是 ServiceNow 一家公司的故事。自 2024 年下半年以来，”AI 重估企业软件”成为华尔街最热门的分析主题之一。但 ServiceNow 的案例尤为值得深入研究，因为它代表了一类特殊的 AI 受益方：那些在 AI 浪潮之前就已经深度嵌入企业工作流的传统 SaaS 公司。它们手握海量工作流数据，拥有数千家大型企业客户的深度信任关系，而 Agentic AI 的出现，可能让这些”沉睡的资产”突然变得极其值钱——也可能让它们的传统商业模式加速瓦解。

一、ServiceNow 是什么，为什么它的 AI 转型特别重要

ServiceNow 创立于 2004 年，起初是一家 IT 服务管理（ITSM）软件公司，主要帮助企业管理 IT 部门的服务请求、变更管理和资产追踪。简单说，就是”企业内部的 IT 工单系统”。

这个听起来枯燥的定位，实际上给了 ServiceNow 一个极其独特的战略位置：它是企业内部大量工作流的底层记录系统（System of Record）。每一次 IT 故障报修、每一次设备申请、每一次员工入职流程，都会产生一条 ServiceNow 记录。随着 ServiceNow 扩张到 HR 服务管理、客户服务管理（CSM）、安全运营（SecOps）、供应链管理等领域，它掌握的工作流数据范围越来越广。

截至 2024 财年（2025 年 1 月公布的 Q4 2024 财报），ServiceNow 的年度订阅收入达到约 105 亿美元，同比增长 23%；总客户数超过 8,100 家，其中年合同价值（ACV）超过 100 万美元的客户约 2,020 家。在 Gartner 2024 年 IT 服务管理平台魔力象限中，ServiceNow 连续第 10 年被列为”领导者”象限，且在”执行能力”维度上排名最高。

这个数据积累对 AI 的意义是：ServiceNow 不需要从零开始建立工作流数据，因为它的客户已经在系统中运行了数年甚至十余年的工作流历史。这些历史数据是训练 AI 理解”企业如何实际运作”的金矿，也是 Agentic AI 系统需要依赖的上下文基础。

二、Agentic AI 与 ServiceNow 的结合：从工单系统到工作流操作系统

ServiceNow 的 AI 战略核心——Now Assist 和 AI Agent——代表了一个概念转变：将 ServiceNow 从”工单管理系统”重新定义为”工作流操作系统”。

传统 ITSM 的工作模式是：人类提交请求 → 系统记录工单 → 人类处理工单 → 人类关闭工单。每一步都需要人类的主动操作，系统只是记录和路由的工具。

引入 Agentic AI 之后，这个流程变成：人类描述问题（或系统自动检测到问题）→ AI Agent 自动分析、分类、路由 → AI Agent 尝试自动解决（如果是已知问题类型）→ 人类只在 AI 无法自动解决时介入。

ServiceNow CEO Bill McDermott 在 2025 年 1 月的 Q4 2024 财报电话会议中披露了关键数据：Now Assist 的净新增年化合同价值（ACV）在 Q4 2024 达到约 1.85 亿美元，全年累计超过 5 亿美元，远超公司此前的内部预期。McDermott 特别强调，Now Assist 是”ServiceNow 历史上采用速度最快的新产品”，已有超过 1,000 家客户部署了 Now Assist 功能。

在 2024 年 5 月的 Knowledge 大会上，ServiceNow 发布了其 Xanadu 版本中的 AI Agent 功能，展示了 IT 服务管理、客户服务和 HR 服务三个场景下的自主工作流执行能力。根据 ServiceNow 官方案例研究，部署 Now Assist 的客户在特定工作流类别上实现了 30-50% 的自动解决率提升，每个自动解决的请求平均节省 15-25 分钟的人工处理时间。

三、估值重构的核心：从”座位数”定价到”自动化价值”定价

华尔街对 ServiceNow 重新评级的核心论点，涉及其商业模式的根本性变化。

传统 SaaS 的定价逻辑是”按座位（seat）收费”：每个用户每月支付固定费用，总收费与用户数线性相关。这种模式有一个内在天花板：一旦企业所有潜在用户都订阅了，增长就只能来自价格提升或产品组合扩展。

Agentic AI 改变了这个逻辑。当 AI Agent 自动处理大量工作流任务时，其创造的价值不再与”使用软件的人数”线性相关，而是与”AI Agent 自动处理的任务量”相关。理论上，一个企业可以用相同的人员数量，通过 AI Agent 处理 3-5 倍的工作量——这意味着软件创造的价值大幅增长，但按”座位数”的定价却没有捕捉到这个增量价值。

ServiceNow 已经在推进定价模式的演变。在 2024 年 Knowledge 大会上，ServiceNow 宣布 Now Assist 功能将以独立的 SKU（库存单位）形式销售，定价基于”AI 辅助交互次数”而非传统的用户座位数。ServiceNow 总裁 Chirantan “CJ” Desai 在多次公开场合表示，公司的长期定价愿景是向”按业务结果（outcomes）收费”的方向演进——即根据 AI Agent 为客户创造的可量化业务价值来定价。

这种定价转变，是多家机构认为 ServiceNow 被低估的核心理由之一。截至 2025 年 3 月底，ServiceNow 的前向市销率（Forward P/S）约为 14-15 倍（基于 2025 财年约 120 亿美元的一致预期营收）。看多方认为，如果 ServiceNow 成功转型为”按自动化价值定价”的 AI 平台，其应得的估值倍数应更高——类似于 Palantir（2025 年 3 月前向 P/S 约 60-70 倍，反映市场对其 AI 平台定位的极高溢价）虽然不至于如此极端，但 20-25 倍的 P/S 在 AI 转型成功的情景下并非不合理。

这里需要一个关键区分：Palantir 的高估值反映的是市场对其政府/国防 AI 业务的稀缺性溢价和极高的营收增速（2024 年 Q4 同比增长 36%），而 ServiceNow 的估值逻辑更接近于”大型成熟 SaaS 公司通过 AI 实现第二增长曲线”。两者不应简单类比，但 ServiceNow 当前的估值确实尚未充分反映 AI 转型的潜在上行空间——这是看多方的核心论点。

四、ServiceNow vs. 竞争对手：Agentic AI 战场格局

ServiceNow 在 Agentic AI 企业工作流赛道的竞争格局复杂，既有传统 ITSM 竞争对手，也有全新的 AI 原生挑战者。

传统竞争对手（Atlassian、BMC Software、Freshworks）正在快速跟进 AI 功能。Atlassian 在 2024 年推出了 Rovo AI，将 AI 能力集成到 Jira 和 Confluence 中，但其核心客户群是开发者和技术团队，而非 ServiceNow 所覆盖的企业全局工作流。BMC Software 的 Helix ITSM 在大型企业中有一定份额，但其 AI 功能的成熟度和市场声量远不及 ServiceNow。Freshworks 则主要面向中小企业市场，与 ServiceNow 的客户群重叠度较低。

AI 原生竞争者（如 Moveworks、Aisera）是更值得关注的长期威胁。Moveworks 在 2023 年被 ServiceNow 以约 15 亿美元收购，这一收购本身就说明了 ServiceNow 对 AI 原生竞争者的重视程度。Aisera 继续独立运营，专注于 AI 驱动的 IT 和 HR 服务自动化，2024 年完成了 9000 万美元的 D 轮融资。这些公司从 AI 出发构建企业工作流自动化，没有传统 SaaS 的技术债务，能够更灵活地实现 Agentic AI 工作流。它们的弱点是客户规模小、工作流数据基础薄弱——但随着 AI 能力的商品化，这些劣势可能随时间而减弱。

Microsoft Copilot 是最值得认真对待的竞争威胁。Microsoft 已经将 Copilot 集成到其整个企业软件栈（Teams、Outlook、SharePoint、Power Automate、Dynamics 365）中，并在 2024 年 11 月的 Ignite 大会上发布了 Copilot Studio 中的自主 AI Agent 功能。对于那些已经深度使用 Microsoft 365 生态的大型企业，Microsoft Copilot 作为工作流 AI Agent 的吸引力可能超过 ServiceNow Now Assist——特别是在整合成本和采购简化方面。

Salesforce Agentforce 是另一个重要竞争者。Salesforce 在 2024 年 9 月的 Dreamforce 大会上高调推出了 Agentforce 平台，定位为”企业 AI Agent 的操作系统”。Salesforce CEO Marc Benioff 多次公开将 Agentforce 与 ServiceNow 的 AI 功能进行对比，声称 Agentforce 在客户服务工作流上的自动化能力优于 ServiceNow。虽然 Salesforce 的核心优势在 CRM 而非 ITSM，但两家公司在客户服务管理（CSM）领域的竞争正在加剧。

ServiceNow 的竞争优势在于：与传统竞争对手相比，AI 能力更强且已有规模化部署；与 AI 原生竞争者相比，客户基础和工作流数据更丰富（且已通过收购 Moveworks 补强了 AI 原生能力）；与 Microsoft 相比，在 ITSM 和企业工作流管理领域的专注度和功能深度更高；与 Salesforce 相比，在 IT 和 HR 工作流领域的市场地位更稳固。

五、华尔街目标价背后的财务假设

以 2025 年 3 月多家机构的一致预期为基础，ServiceNow 的估值逻辑可以这样拆解：

2024 财年实际数据（来源：ServiceNow 2025 年 1 月 29 日发布的 Q4 2024 财报）：订阅收入约 105 亿美元，同比增长 23%；非 GAAP 运营利润率约 30%；自由现金流约 38 亿美元，自由现金流利润率约 34%。

2025 财年一致预期（来源：FactSet 2025 年 3 月数据）：订阅收入约 120-125 亿美元，同比增长约 20%；非 GAAP 运营利润率约 30.5-31%（小幅扩张）。

看多方的核心假设是：Now Assist 和 AI Agent 功能将在 2025-2027 年间推动两个关键变量的改善——（1）净收入留存率（NRR）从当前约 120% 进一步提升至 125%+，因为现有客户升级到 AI 增强套餐；（2）AI 功能的边际利润率高于传统 SaaS 功能（因为 AI 推理成本随模型效率提升持续下降，而定价基于客户价值而非成本加成），推动整体利润率在 2026-2027 年加速扩张。

以 Morgan Stanley 2025 年 2 月的研究报告为例，其”牛市情景”假设 ServiceNow 在 2027 财年实现约 160 亿美元订阅收入（隐含 20%+ 的复合增长率），非 GAAP 运营利润率扩张至 33-35%，给予 18-20 倍的前向 P/S，对应约 1200-1300 美元的目标价。

这套估值逻辑的关键假设是：ServiceNow 的 AI 转型能够实质性地提升利润率和客户粘性，且市场会给予其 AI 平台的估值溢价。这两个假设都不是必然成立的——如果 AI 功能的研发投入持续高企而利润率改善不如预期，或者如果竞争加剧使得 ServiceNow 需要降价维护市场份额，当前的目标价就需要重新评估。

六、深层意义：Agentic AI 正在重写企业软件定价的底层逻辑

ServiceNow 的案例是更广泛现象的缩影：AI Agent 的出现，正在系统性地挑战企业软件行业沿用了近 20 年的”按座位定价”逻辑。

当软件的价值从”让人类更方便地执行任务”转向”直接替代人类执行任务”，软件与人工之间的替代关系就变成了软件定价的核心变量。一个能够自动处理相当于 100 名员工工作量的 AI Agent 系统，其商业价值应该用”替代人工成本”来衡量，而不是用”授权用户数量”来衡量。

McKinsey 在 2025 年 1 月发布的报告《Superagency in the Workplace: Empowering People to Unlock AI’s Full Potential》中估算，到 2030 年，AI Agent 技术有潜力自动化当前知识工作者约 60-70% 的日常任务（较此前估计的 50% 有所上调），对应的全球劳动力生产率提升价值在 2.6-4.4 万亿美元之间。

这对企业软件行业的估值逻辑是一个范式级别的冲击。那些能够成功从”工具供应商”转型为”业务结果提供者”的企业软件公司（ServiceNow、Salesforce、Workday 等），将在 AI 时代享受大幅提升的定价权和利润率；那些停留在传统 SaaS 订阅逻辑的公司，则将面临越来越强的竞争压力和估值折价。

大多数人没有看到的第三层含义是：这种定价逻辑的转变，不仅改变了软件公司的估值，还将从根本上改变企业 IT 采购的决策框架。当软件的价格与”替代人工成本”挂钩时，IT 采购决策将从 CIO 的技术预算转移到 CFO 的运营效率预算——这意味着企业软件的总可寻址市场（TAM）可能从传统的”IT 支出”扩展到”人力成本”这个大得多的池子。ServiceNow 2024 年 105 亿美元的订阅收入，对比全球企业 IT 服务人员的年薪总额（据 Gartner 估计超过 1 万亿美元），渗透率不到 1%。如果 AI Agent 能够替代其中哪怕 5-10% 的人工工作，ServiceNow 的 TAM 将扩大数倍。

七、ServiceNow 面临的长期风险：不能回避的另一面

尽管看多论点有其说服力，任何诚实的分析都必须呈现另一面的风险图景。

风险一：AI 商品化对护城河的侵蚀。ServiceNow 当前的 AI 能力优势，在相当程度上依赖于使用先进的语言模型（如 Claude、GPT-4 等）来驱动其 Now Assist 功能。随着 AI 模型能力快速趋向商品化——2024-2025 年间，开源模型（如 Meta 的 Llama 3、Mistral 的 Mixtral）的能力已经接近甚至在某些任务上超过了早期的闭源模型——这种”先进模型带来的能力差距”正在缩小。竞争对手可以使用相同的底层 AI 模型，在特定垂直工作流上构建质量相近的自动化解决方案。ServiceNow 的长期竞争优势必须建立在数据护城河和工作流锁定上，而不能依赖 AI 模型层的领先优势。

风险二：自动化带来的”座位数悖论”。如果 AI Agent 真的将 IT 服务请求自动解决率提升到 70-80%，企业的 IT 服务台人员会显著减少。而 ServiceNow 的传统订阅收入仍有相当部分是按用户数收费的——用户减少意味着传统收入流会萎缩。只有当 ServiceNow 成功转向”按自动化价值收费”的新商业模式，才能在这个矛盾中实现增长。这个商业模式的转型是否能够顺利完成，仍有相当大的不确定性。ServiceNow CFO Gina Mastantuono 在 2025 年 1 月的财报电话会议中承认，定价模式的转变”需要时间，不会一夜之间完成”。

风险三：宏观经济与 IT 预算压力。ServiceNow 的收入高度集中于大型企业（5,000 人以上）和《财富》500 强公司。在经济下行或企业 IT 预算削减时，虽然 ServiceNow 通常被视为”核心基础设施”（其 98%+ 的续约率证明了这一点），但 AI 相关的增量功能属于可选支出，可能面临预算压力。2025 年初全球贸易政策的不确定性（包括美国关税政策的反复调整）已经导致部分企业推迟了 IT 投资决策，这是 ServiceNow 股价从高点回撤 32% 的重要背景因素之一。

风险四：Microsoft 的平台优势。Microsoft 365 在全球拥有超过 4 亿付费用户，其 Copilot 功能正在从生产力工具向工作流自动化方向扩展。对于已经深度使用 Microsoft 生态的企业，Microsoft 可以以极低的增量成本将 AI Agent 功能嵌入到现有工作流中——这种”捆绑销售”的竞争策略，是 ServiceNow 作为独立软件供应商最难应对的威胁。

八、对立观点的深度分析：看空方的逻辑与反驳

看空观点一（来源：部分卖方分析师和对冲基金经理的公开评论）：”ServiceNow 的 AI 溢价已经过度定价。Now Assist 的 5 亿美元 ACV 听起来很大，但相对于 105 亿美元的总订阅收入，AI 功能的实际收入贡献不到 5%。市场给 ServiceNow 的估值已经隐含了 AI 转型成功的假设，如果 AI 功能的货币化速度低于预期，股价将面临显著下行风险。”

我的判断：这个观点有一定道理，但忽略了一个关键动态——Now Assist 的 ACV 增速极快（从 2024 年 Q1 的几乎为零到 Q4 的 1.85 亿美元季度新增），且其对客户续约和升级的”拉动效应”尚未被充分量化。更重要的是，AI 功能的价值不仅体现在直接的 AI SKU 收入上，还体现在它推动客户从单一模块（如 ITSM）扩展到多模块（ITSM + CSM + HR）的交叉销售效应。ServiceNow 披露的数据显示，部署 Now Assist 的客户的平均 ACV 增长速度比未部署的客户高出约 40%。

看空观点二：”Agentic AI 的技术成熟度被高估了。当前的 AI Agent 在处理复杂、多步骤、需要跨系统协调的企业工作流时，错误率仍然很高。企业客户对 AI 自主执行关键业务流程的信任度不足，大规模部署还需要 3-5 年。”

我的判断：这个观点在技术层面是准确的——当前的 AI Agent 确实在复杂场景下的可靠性不足。但它低估了”人机协作”模式的商业价值。ServiceNow 的 AI Agent 设计并非完全自主，而是”AI 建议 + 人类审批”的协作模式，在降低风险的同时仍能实现显著的效率提升。此外，AI Agent 的能力正在以超出大多数人预期的速度提升——Anthropic 在 2025 年 2 月发布的 Claude 3.5 在工具使用和多步骤推理方面的表现，较一年前有了质的飞跃。

九、ServiceNow 的数据护城河：工作流历史数据的战略价值

在 ServiceNow 的 AI 转型故事中，最被低估的战略资产之一，是其在企业工作流历史数据上的深度积累。

当 ServiceNow 说它是”企业工作流的底层记录系统”，这意味着很多大型企业在 ServiceNow 平台上已经积累了 5-15 年的工作流历史数据——每一条 IT 服务请求、每一次 HR 流程事件、每一次采购审批，都被完整记录下来。这些历史数据的价值，在 AI Agent 时代被大幅放大。

历史数据对 AI Agent 的核心价值：AI Agent 执行工作流任务的质量，高度依赖于它能理解”这类任务在这个企业中是如何被处理的”。服务器崩溃的最优响应流程，在制造业公司、金融公司和媒体公司中可能完全不同——每家公司的历史工单数据，是训练这种”企业特有业务理解”的最宝贵原材料。

数据护城河的双重锁定效应：首先，历史数据本身无法被轻易复制到竞争对手的平台上（数据格式、语义结构与 ServiceNow 深度绑定，迁移成本极高）；其次，随着 Now Assist 等 AI 功能的使用，企业的工作流数据将继续在 ServiceNow 平台上积累，形成持续增强的”数据飞轮”。客户越使用，数据越多；数据越多，AI 越聪明；AI 越聪明，切换成本越高。这个飞轮一旦建立，锁定效应只会随时间增强。

与竞争对手的对比：AI 原生竞争者（如 Aisera）从零开始构建时，没有这些历史工作流数据，只能依靠通用 LLM 和客户提供的少量训练数据。这使他们的 AI Agent 在企业特有场景（如公司内部术语、特定工作流规则、历史异常处理模式）的表现，系统性地劣于基于完整历史数据训练的 Now Assist。ServiceNow 通过收购 Moveworks（2024 年 11 月完成），进一步补强了其 AI 原生能力，同时将 Moveworks 积累的对话式 AI 数据整合到自身平台中。

十、Now Assist 的技术架构：LLM 集成与企业工作流的融合模式

理解 ServiceNow 的 AI 转型，需要了解 Now Assist 的技术架构如何将通用 LLM 能力与企业工作流数据深度融合。

根据 ServiceNow 在 2024 年 Knowledge 大会和官方技术文档中披露的信息，Now Assist 采用了一个三层架构：

基础模型层：ServiceNow 与 Anthropic（Claude）、NVIDIA、Microsoft 等主要 AI 供应商建立了深度合作，在其平台中集成了多个 LLM 选项。ServiceNow 还开发了自己的领域特定模型（Domain-Specific LLMs），针对 ITSM、CSM 等特定工作流场景进行了微调。这种”模型灵活性”设计，允许 ServiceNow 在不同任务类型上选择最优模型，并能够随技术发展持续升级底层模型，而不被单一供应商绑定。

企业上下文层（Retrieval-Augmented Generation）：在调用基础 LLM 之前，ServiceNow 的 RAG 层会从企业的 ServiceNow 数据库中检索与当前任务相关的历史记录、政策文件、操作手册等上下文信息，并将其注入到 LLM 的提示词中。这使得 LLM 的推理不只基于通用训练数据，而是基于企业的具体上下文——这是 Now Assist 能够理解企业特有工作流的关键技术机制。ServiceNow 在 2024 年还推出了 Now Assist Skill Kit，允许客户和合作伙伴自定义 RAG 检索逻辑和 AI 技能，进一步增强了平台的可扩展性。

工作流执行层：不同于只生成文本响应的对话式 AI，Now Assist 的 Agentic 组件具有直接执行工作流操作的能力——调用 ServiceNow 的 Flow Designer 和 Integration Hub 执行工单创建、状态更新、审批触发、跨系统集成等操作。这个执行层将”语言理解”转化为”业务操作”，是 Now Assist 从”智能助手”升级为”Agentic AI”的关键差异。

这套三层架构的技术复杂度和与企业工作流数据的深度集成，是竞争对手需要时间来复制的。ServiceNow 在这个架构上的先发优势，加上其深厚的工作流数据基础，构成了 Now Assist 技术护城河的完整图景。

十一、全球市场扩张与客户案例验证

ServiceNow 的增长机会不仅限于美国市场。根据 ServiceNow 2024 财年财报，约 35-40% 的营收来自美国以外的市场，主要集中在西欧（德国、英国、法国）和亚太（日本、澳大利亚）。

日本市场的特殊机会：日本是全球老龄化最严重的国家之一（据日本总务省 2024 年 9 月数据，65 岁以上人口占比达 29.3%），同时面临极度严峻的劳动力短缺压力。ServiceNow 在日本的 IT 服务管理市场份额持续增长，而其 AI Agent 功能在劳动力紧缺背景下的价值主张极为清晰：AI Agent 自动处理 IT 服务请求，释放有限的 IT 人员专注于更高价值的工作。

中东市场的绿地机会：沙特阿拉伯和阿联酋正在实施大规模数字化转型计划（如沙特的”愿景 2030”），大量新建的数字基础设施直接采用最新一代的云服务和 AI 工具。对于 ServiceNow 而言，这类”绿地市场”的单客户 ACV 增长速度可能显著高于成熟市场，因为客户从一开始就采用了 AI 增强版本的功能。

客户案例验证：ServiceNow 在其官方网站和年度报告中披露了多个 Now Assist 部署案例。以 Deloitte 为例，ServiceNow 在 2024 年 Knowledge 大会上展示了 Deloitte 使用 Now Assist 自动化其内部 IT 服务管理流程的案例，报告称实现了约 40% 的工单自动分类和路由效率提升。另一个公开案例是 Lloyds Banking Group，该银行在 2024 年下半年部署了 Now Assist 的客户服务功能，据 ServiceNow 官方案例研究称，客户服务响应时间缩短了约 35%。

这些案例的价值，不只是在于展示 ROI 数字，更在于证明了 ServiceNow AI 功能在真实大型企业环境中的可部署性和稳定性——这对于那些因为可靠性担忧而持观望态度的潜在客户，是最有说服力的证据。

十二、生态系统建设：伙伴网络与 AI 能力扩展

ServiceNow 的竞争战略不只依赖于自身产品能力，还包括建立一个强大的合作伙伴生态系统。

在实施合作伙伴（GSI）层面，ServiceNow 与埃森哲、德勤、KPMG、EY 等全球顶级咨询公司建立了深度合作关系。据 ServiceNow 2024 年投资者日披露，其合作伙伴生态系统中有超过 4 万名 ServiceNow 认证专家，帮助企业客户完成复杂的实施和 AI 功能部署。这个合作伙伴网络的规模，是 AI 原生竞争者在短期内无法复制的分销和实施能力。

在技术合作伙伴层面，ServiceNow 与 Anthropic、NVIDIA、Microsoft 的合作覆盖了从底层 AI 模型到基础设施的不同层次。与 NVIDIA 的合作聚焦于在 NVIDIA AI Enterprise 框架内的集成，面向需要在私有数据中心部署 AI 的企业客户；与 Microsoft 的合作则更为微妙——既有 Azure 基础设施层的商业合作，又在应用层与 Microsoft Copilot 形成竞争关系。这种”合作竞争”（Coopetition）关系，在大型科技公司的企业市场中是常见的战略现实。

ServiceNow Store 上有超过 2,500 个来自第三方独立软件供应商（ISV）的应用和集成（据 ServiceNow 官方网站 2024 年数据），覆盖从制造业特定工作流到法律合规管理的各类垂直场景。随着 AI 功能的重要性提升，能够将 Now Assist 能力深度集成到行业专用应用中的 ISV，将成为推动 AI Agent 在垂直行业快速落地的重要力量。

十三、不确定的未来：Agentic AI 时代的赢家条件

最终，ServiceNow 能否实现华尔街看多方预测的上行空间，取决于一个核心问题：在 Agentic AI 时代，成为企业工作流 AI 领导者需要什么条件，ServiceNow 是否具备这些条件？

基于上述分析，这些条件包括：

  1. 足够深度的工作流历史数据——ServiceNow 已具备，且通过 98%+ 的续约率持续积累。
  2. 将 LLM 能力与工作流执行能力融合的技术架构——ServiceNow 正在建立，三层架构已初具规模。
  3. 能够向客户清晰展示 AI ROI 的定价和监控机制——ServiceNow 正在转型中，Now Assist 的独立 SKU 定价是第一步。
  4. 在 AI 竞争中维持领先的持续研发投入——ServiceNow 2024 财年研发支出约 27 亿美元，占营收约 25%，且通过收购 Moveworks 等方式补强 AI 能力。

这四个条件 ServiceNow 都在努力满足，且在”工作流历史数据”这个最难复制的条件上具有明显的先发优势。但竞争威胁是真实的，特别是来自 Microsoft 的威胁——后者在企业客户中的渗透率更高，可以以更低的整合成本将 Copilot 深入到工作流的每个角落。

ServiceNow vs. Microsoft：这是未来 3-5 年企业工作流 AI 市场最值得关注的竞争博弈。华尔街的看多目标价，本质上是对”ServiceNow 能够在这场博弈中保持足够的差异化优势”的一个有条件赌注。

十四、对决策者的启示：So What？

对于投资者：ServiceNow 当前的估值（2025 年 3 月底约 1,650 亿美元市值，前向 P/S 约 14 倍）处于一个有趣的位置——它既不像 Palantir 那样定价了”AI 梦想”的极端溢价，也不像传统 SaaS 公司那样完全忽视了 AI 转型的上行空间。这意味着，如果你相信 Agentic AI 将在 2-3 年内实质性地改变企业工作流管理的方式，ServiceNow 提供了一个”风险调整后相对合理”的参与方式——但前提是你能接受 30%+ 的股价波动（如 2025 年初的回撤所示）。

对于企业 IT 决策者：ServiceNow 的 AI 转型案例提供了一个重要的采购决策框架——在评估企业工作流 AI 解决方案时，不应只比较 AI 功能本身的能力（因为 AI 模型能力正在快速商品化），而应重点评估：（1）平台上已积累的工作流历史数据的深度和广度；（2）AI 功能与现有工作流执行引擎的集成深度；（3）合作伙伴生态系统的实施支持能力。这三个维度的差异，将在 AI 模型能力趋同之后，成为决定 AI Agent 实际业务价值的关键因素。

对于行业观察者：ServiceNow 的经历——无论最终成功还是遇到挫折——都将为整个企业软件行业的 AI 转型提供最生动的案例研究。它正在回答的核心问题是：一家在 AI 之前就已经深度嵌入企业工作流的 SaaS 公司，能否利用其数据和客户关系优势，在 Agentic AI 时代实现商业模式的升级？还是说，AI 原生竞争者和平台巨头最终会侵蚀其市场地位？

这个问题的答案，不仅决定了 ServiceNow 的股价走向，还将定义整个企业软件行业在 AI 时代的竞争格局。而我们正站在这个答案逐步揭晓的起点。

参考资料

  1. ServiceNow Reports Fourth Quarter and Full-Year 2024 Financial Results — ServiceNow 官方新闻稿, 2025-01-29

  2. Superagency in the workplace: Empowering people to unlock AI’s full potential — McKinsey Global Institute, 2025-01-28

  3. ServiceNow to Acquire Moveworks — ServiceNow 官方新闻稿, 2024-11-18

  4. Gartner Magic Quadrant for IT Service Management Platforms — Gartner, 2024（具体报告需订阅访问）

  5. ServiceNow Knowledge 2024: AI Agent and Now Assist Updates — ServiceNow Knowledge 大会官方页面, 2024-05

  6. Microsoft Copilot Studio: Autonomous Agents Announcement — Microsoft 官方博客, 2024-11-19

  7. Salesforce Agentforce Launch at Dreamforce 2024 — Salesforce 官方页面, 2024-09

  8. Japan’s Aging Population Statistics — 日本总务省统计局, 2024-09