2026年3月，一个反直觉的现象正在华尔街上演：AI——这个被认为将拯救软件行业生产力的超级力量——正在系统性地摧毁软件公司的估值。不是因为AI真的替代了它们的产品，而是因为华尔街相信AI终将替代它们。

Goldman Sachs策略师Kash Rangan在2026年初的一份研报中发出了一个令整个科技投资圈震动的警告：AI颠覆的恐惧将持续笼罩软件成长股”数年”而非数月，并将这一轮软件行业的估值重构直接类比为互联网对报纸行业的冲击。(来源: Goldman Sachs via Bitcoin.com News, 2026) 这不是一个轻率的类比。报纸行业从互联网出现到真正崩塌经历了超过15年，但其股价从预期转向到底部只用了不到5年。换言之，市场的恐惧跑在了现实的前面——而且跑得很远。

这引出了本文的核心命题：在AI颠覆软件行业的叙事中，死于「预期」的公司，最终可能远多于真正死于AI技术替代的公司。 预期颠覆与实际颠覆之间的时间差，正在制造这个时代最大的认知错位——既是投资陷阱，也是结构性机会。

第1章：Goldman的警告——当华尔街把软件比作报纸

一个类比的杀伤力

Goldman Sachs的Kash Rangan团队在2026年初的分析中做出了一个具有标志性意义的判断：软件行业正面临类似于报纸行业在互联网时代所经历的系统性颠覆风险。(来源: ChainCatcher, 2026) 这一类比之所以具有爆炸性的市场影响力，不在于它是否精确——事实上，软件与报纸在商业模式韧性上存在本质差异——而在于它重新锚定了投资者的心理预期框架。

当华尔街最有影响力的投行之一将一个万亿美元级别的板块与一个已被证明走向衰亡的行业相提并论时，其传导效应是即时且深远的：

第1层传导：估值倍数压缩。 软件板块在2025年下半年至2026年初经历了显著的估值重定价。根据AllianceBernstein的分析，这轮软件股的大幅抛售引发了关于其究竟是”结构性风险”还是”叙事噪音”的激烈争论。(来源: AllianceBernstein, 2026) Apollo Global Management也在2026年3月发布了题为《软件的重置——以及为什么纪律永远重要》的分析报告，明确将当前软件板块的调整定性为一次系统性重置，而非短期波动。(来源: Apollo Global Management, 2026-03)

第2层传导：资金流向逆转。 投资者正在从曾经的”AI宠儿”软件股中撤离，转向传统价值股。这一资金流向的逆转并非基于软件公司基本面的突然恶化，而是基于一种前瞻性的恐惧：如果AI能够自动生成代码、自动化工作流、甚至自主构建应用程序，那么传统SaaS公司的订阅收入模型是否还有存在的基础？(来源: Finviz, 2026)

第3层传导：叙事自我强化。 Goldman的这一判断被广泛报道和引用——从The Wealth Advisor到AOL Finance，从Dynamic Business到Bitcoin.com News——形成了一个叙事回声室。(来源: The Wealth Advisor, 2026; AOL Finance, 2026; Dynamic Business, 2026; Bitcoin.com News, 2026) 每一次引用都在强化同一个信号：软件行业的黄金时代可能已经结束。

Goldman的买入与卖出名单

但Goldman的分析并非简单的”看空软件”。Kash Rangan团队同时发布了具体的买入和卖出名单，试图在板块内部区分”赢家”和”输家”。(来源: Dynamic Business, 2026) 这一区分的底层逻辑值得深入拆解：

被列入买入名单的公司，通常具备以下特征：(1) 拥有AI难以替代的独特数据资产；(2) 已经在产品中深度整合AI能力，将AI从威胁转化为增长引擎；(3) 在企业客户中拥有极高的切换成本和深度嵌入的工作流集成。

被列入卖出名单的公司，则往往呈现相反的画像：(1) 产品功能相对标准化，AI原生替代品已经出现或即将出现；(2) 客户粘性主要依赖惯性而非技术锁定；(3) 尚未展示出有说服力的AI整合战略。

这里隐藏着一个大多数人没有注意到的洞察：Goldman的框架本质上不是在预测”AI会颠覆谁”，而是在预测”市场会相信AI会颠覆谁”。 这两者之间的区别，正是本文后续分析的核心。

第2章：「预期颠覆」的杀伤力——Blockbuster时间线的启示

死亡不是一个事件，而是一个过程

要理解”预期颠覆”的杀伤机制，我们需要回溯一个经典案例：Blockbuster的消亡时间线。

大多数人对Blockbuster的记忆是一个简洁的叙事：Netflix出现了，流媒体兴起了，Blockbuster死了。但真实的时间线远比这复杂得多，也更具教育意义：

  • 2002年：Netflix上市时，Blockbuster拥有超过9,000家门店，年收入接近60亿美元。Netflix当年的收入不到1.5亿美元，且其业务模式是DVD邮寄而非流媒体。此时，从任何理性的竞争分析角度看，Blockbuster都不应该恐慌。
  • 2003-2004年：华尔街开始讨论”DVD邮寄是否会颠覆实体租赁”的叙事。Blockbuster的股价开始承压——不是因为业务下滑，而是因为预期转向。
  • 2005-2007年：Blockbuster在预期压力下做出了一系列战略摇摆：推出自己的在线租赁服务、取消滞纳金（导致收入骤降）、在线上和线下之间反复犹豫。这些战略摇摆本身，而非Netflix的竞争，才是真正加速其衰亡的直接原因。
  • 2007年：Netflix推出流媒体服务。注意——这是在Blockbuster股价已经崩塌数年之后。真正的技术颠覆来得比预期颠覆晚了整整3-4年。
  • 2010年：Blockbuster申请破产。

Blockbuster时间线的核心教训不是”技术颠覆不可避免”，而是”预期颠覆启动了一个自我实现的衰亡螺旋”。 这个螺旋的传导链条是：

预期转向 → 估值崩塌 → 融资困难 → 战略摇摆 → 人才流失 → 客户信心动摇 → 业务下滑 → 验证了最初的负面预期

请注意这个链条中最阴险的部分：最终的业务下滑看起来验证了市场最初的颠覆预期，但实际上，业务下滑的直接原因不是技术替代，而是预期转向引发的连锁反应。市场创造了一个自证预言。

当前软件行业的Blockbuster时刻

Golden Section Research在其关于”SaaSpocalypse”（SaaS末日）的研究中详细分析了当前软件行业正在经历的类似动态。(来源: Golden Section Research, 2026) 这一分析框架将当前SaaS行业的困境定性为一场系统性的信心危机，而非简单的周期性调整。

我们可以在当前软件板块中观察到Blockbuster螺旋的早期信号：

信号1：估值倍数的系统性压缩。 软件板块的远期收入倍数在过去12-18个月中经历了显著收缩。这种压缩不是因为公司的收入在下降——事实上，许多被抛售的软件公司仍在以两位数的速度增长——而是因为市场对其远期增长的信心在动摇。AllianceBernstein的分析明确指出了这种”结构性风险vs叙事噪音”的张力。(来源: AllianceBernstein, 2026)

信号2：人才流向的转变。 当软件公司的股价持续承压时，其股权激励的吸引力随之下降。顶尖工程师和产品经理开始从传统SaaS公司流向AI原生创业公司或大型科技平台的AI部门。这种人才流失本身就在削弱传统软件公司整合AI能力的能力——形成又一个恶性循环。

信号3：客户采购行为的犹豫。 企业CIO和采购决策者面临一个前所未有的困境：如果一个软件品类可能在2-3年内被AI原生方案替代，那么签署一份3-5年的企业许可协议是否明智？这种犹豫导致销售周期延长、合同规模缩小——而这些指标的恶化又会被市场解读为”颠覆正在发生”的证据。

信号4：战略摇摆。 面对AI颠覆叙事的压力，许多软件公司开始仓促地将”AI”塞入其产品和营销中。但缺乏深思熟虑的AI战略往往适得其反：产品路线图被打乱、核心功能的开发被延迟、客户对”AI洗白”(AI-washing)产生怀疑。这与Blockbuster在2005-2007年间的战略摇摆如出一辙。

第3章：被高估与被低估的颠覆——拆解当前软件板块的认知错位

框架：3种颠覆脆弱性

要评估哪些软件公司的”被颠覆预期”被高估或低估，我们需要一个比”AI能否替代这个产品”更精细的分析框架。Sapphire Ventures在其2026年发布的《软件的AI拐点》报告中提供了一个有价值的视角：软件行业正在接近一个AI整合的拐点，但不同品类的公司面临的机遇和风险截然不同。(来源: Sapphire Ventures, 2026)

基于参考资料中的分析框架，我将软件公司的AI颠覆脆弱性分为3个维度：

维度1：功能可替代性（Function Replaceability）。 公司的核心功能是否可以被AI以显著更低的成本或更高的效率重现？例如，基础的文本编辑、简单的数据可视化、模板化的报告生成——这些功能的AI替代品已经成熟或接近成熟。但复杂的企业资源规划(ERP)、深度行业特化的合规管理、需要大量人类判断的工作流编排——这些功能的AI替代难度仍然极高。

维度2：数据护城河深度（Data Moat Depth）。 公司是否拥有AI模型难以获取或复制的独特数据资产？拥有数十年企业运营数据、行业特定训练数据、或客户行为数据的软件公司，其护城河可能比表面看起来更深。AI模型可以生成代码，但它不能凭空生成一家制造企业20年的生产质量数据。

维度3：工作流嵌入深度（Workflow Embedding Depth）。 公司的产品在客户的日常运营中嵌入有多深？切换成本不仅包括技术迁移成本，还包括组织流程重构成本、员工再培训成本、以及数据迁移风险。对于深度嵌入企业核心工作流的软件，即使AI替代品在功能上更优，实际的切换过程也可能需要数年。

被过度恐惧的品类：市场可能在错杀

企业级垂直行业软件。 这是当前被AI颠覆叙事错杀最严重的品类之一。以医疗信息化、金融风控、工业自动化等领域的垂直软件为例：这些公司的产品深度嵌入了受监管行业的合规工作流，其数据资产具有极高的行业特异性，且客户的切换成本不仅是技术层面的，更是监管合规层面的。一家医院不会因为AI能生成更好的代码就更换其电子病历系统——因为这涉及到患者数据安全、FDA合规、以及数千名医护人员的工作流重构。

然而，市场正在对这些公司施加与通用型SaaS工具相同的”AI颠覆折价”。这种一刀切的估值压缩，恰恰是认知错位制造的机会。

Goldman Sachs的买入名单中，那些被看好的软件公司很可能具备上述特征——深度数据护城河、高切换成本、以及已经在产品中有效整合AI能力的战略执行力。(来源: Dynamic Business, 2026)

拥有”AI放大器”属性的平台型软件。 另一类被市场低估的是那些AI不仅不会颠覆、反而会增强其价值的平台型软件公司。这些公司的产品本质上是”数据基础设施”或”工作流编排层”——AI需要依赖它们来获取数据、执行任务、以及与企业系统集成。AI的普及实际上增加了对这类平台的需求，因为企业需要更强大的数据管道和集成层来支撑AI应用的部署。

Sapphire Ventures的报告指出，2026年可能是软件行业的”AI拐点”，意味着那些成功将AI整合为核心能力的软件公司将开始与未能完成这一转型的公司拉开显著差距。(来源: Sapphire Ventures, 2026) 这一拐点的到来，将使得当前市场对软件板块的”无差别恐惧”显得越来越不合理。

被低估风险的品类：市场可能还不够恐惧

通用型水平SaaS工具。 与垂直行业软件形成鲜明对比的是，那些提供通用功能（项目管理、简单CRM、基础文档协作、模板化设计）的水平SaaS工具面临的AI颠覆风险可能比市场当前定价的更高。原因很简单：这些工具的核心价值主张——”让非技术人员也能完成某项任务”——恰恰是大语言模型最擅长的事情。

当一个AI助手可以直接帮用户管理项目进度、生成报告、设计简单的营销素材时，用户为什么还需要学习一个专门的SaaS工具的操作界面？这不是一个假设性的问题——这已经在发生。

以”信息聚合”为核心价值的软件。 那些主要价值在于”收集、整理、展示信息”的软件公司面临着特别严峻的AI替代风险。AI的信息处理能力使得许多曾经需要专门软件来完成的信息聚合任务变得trivial。这类公司的估值可能还没有充分反映这一风险。

这里的关键洞察是：市场对软件板块的AI颠覆恐惧在总量上可能是合理的，但在结构上是严重错配的。 市场正在对所有软件公司施加大致相同的”AI折价”，但实际上，AI颠覆的风险分布是极度不均匀的。有些公司被过度惩罚，有些公司被惩罚得还不够。这种结构性错配，正是活跃投资者应该关注的核心机会。

第4章：时间差中的投资机会与陷阱

3种情景分析

Goldman Sachs的Kash Rangan明确表示，AI颠覆恐惧将持续”数年”。(来源: Goldman Sachs via The Wealth Advisor, 2026; AOL Finance, 2026) 这一时间框架判断至关重要，因为它意味着我们不是在讨论一个季度的交易性机会，而是一个持续数年的结构性主题。在这个时间框架内，预期颠覆与实际颠覆之间的时间差将制造3种截然不同的投资情景：

情景1：恐惧过度 → 估值修复的反弹机会

这是价值投资者最感兴趣的情景。当市场对某类软件公司的AI颠覆恐惧远超实际风险时，估值会被压缩到不合理的水平。如果这些公司能够在随后的几个季度中通过稳健的财务表现证明”AI颠覆没有那么快到来”，估值倍数就有修复的空间。

AllianceBernstein的分析框架在这里提供了有价值的指引：区分”结构性风险”和”叙事噪音”是关键。(来源: AllianceBernstein, 2026) 如果一家软件公司的客户留存率保持稳定、净收入扩展率(NRR)没有显著下降、新客户获取成本没有大幅上升——那么市场对其施加的AI颠覆折价就更可能是”叙事噪音”而非”结构性风险”的反映。

但这里有一个关键的时间维度陷阱： 即使你正确判断了恐惧过度，如果Goldman的判断是对的——恐惧将持续”数年”——那么过早入场的投资者可能需要承受漫长的估值压制期。在这个过程中，持有成本（包括机会成本）可能侵蚀最终的收益。

情景2：恐惧不足 → 真实颠覆到来时的踩踏风险

这是成长投资者最需要警惕的情景。某些软件公司可能因为当前的财务表现看起来”还不错”而给投资者一种虚假的安全感。但AI原生替代品的成长曲线往往是非线性的——它们可能在很长一段时间内看起来无关紧要，然后突然跨越一个临界点，开始以指数级速度侵蚀传统软件的市场份额。

Sapphire Ventures将2026年描述为”软件的AI拐点”，这意味着我们可能正处于非线性加速的前夜。(来源: Sapphire Ventures, 2026) 对于那些核心功能容易被AI替代、且尚未展示出有效AI整合战略的软件公司，当前的估值水平可能仍然过高——即使它们已经从高点下跌了很多。

历史上，这种”恐惧不足”的案例比”恐惧过度”更为致命。回到报纸行业的类比：即使在互联网对报纸的威胁已经被广泛讨论的2005年，大多数报纸公司的估值仍然没有充分反映即将到来的广告收入崩塌。真正的崩塌发生在2008-2010年，比大多数人预期的更快、更猛烈。

情景3：恐惧自我实现 → 公司因估值压缩而真正丧失竞争力

这是最阴险的情景，也是本文核心论点的集中体现。在这个情景中，AI颠覆的恐惧本身成为颠覆的催化剂。传导机制如下：

步骤1：估值压缩 → 融资能力下降。 对于尚未实现盈利的成长型软件公司，股价下跌直接影响其通过增发股票或可转债融资的能力。对于已上市公司，低估值意味着增发的稀释效应更大；对于未上市公司，公开市场同行的估值下跌会传导到一级市场的估值预期。Golden Section Research的”SaaSpocalypse”分析详细描述了这一传导机制在SaaS生态系统中的扩散。(来源: Golden Section Research, 2026)

步骤2：融资困难 → 研发投入受限。 当融资变得困难时，公司不得不削减支出。而在AI时代，削减研发投入——特别是AI相关的研发投入——等于在最关键的时刻放弃了自我进化的能力。这就好比Blockbuster在2006年因为现金流压力而削减了在线业务的投入。

步骤3：研发受限 → AI整合落后。 无法投入足够资源整合AI能力的软件公司，其产品竞争力与AI原生竞争对手之间的差距会加速扩大。这种差距会被客户感知到，进而影响续约率和新客户获取。

步骤4：竞争力下降 → 验证颠覆预期。 当公司的财务指标开始恶化时，市场会将其解读为”AI颠覆正在发生”的证据——即使真正的原因是预期压力引发的资源匮乏，而非AI技术的直接替代。

这个自我实现的螺旋，才是当前软件行业面临的最大系统性风险。 它意味着，即使AI在技术上还没有能力替代某些软件产品，仅仅是市场相信它能，就足以启动一个导致这些公司最终失败的连锁反应。

时间差投资的核心困境

Apollo Global Management在其2026年3月的分析中强调了”纪律”在当前软件投资中的重要性。(来源: Apollo Global Management, 2026-03) 这一强调背后的含义是：在预期颠覆与实际颠覆之间的时间差中，投资者面临的不是一个简单的”买入或卖出”决策，而是一个复杂的时间框架管理问题。

具体而言，投资者需要同时回答3个问题：

  1. 方向判断： 这家公司最终会被AI颠覆吗？（这是大多数分析师在讨论的问题）
  2. 时间判断： 如果会，颠覆会在什么时间框架内发生？（这是大多数分析师忽略的问题）
  3. 路径判断： 在颠覆发生之前，预期压力本身是否会导致公司提前失败？（这是几乎没有人在讨论的问题）

Goldman的框架主要回答了第1个问题（通过买入/卖出名单）和部分第2个问题（”数年”的时间框架）。但第3个问题——预期的自我实现效应——可能才是决定投资回报的关键变量。

一个具有强大基本面但估值被严重压缩的软件公司，如果拥有充足的现金储备和正向的自由现金流，就有能力”扛过”预期的寒冬。 但一个依赖外部融资来维持运营和研发投入的成长型软件公司，在估值压缩的环境中可能无法生存到证明自己不会被颠覆的那一天。

这意味着，在当前环境下，资产负债表的质量可能比产品的质量更能决定软件公司的生死。 这是一个反直觉但至关重要的洞察：在”预期颠覆”的环境中，财务韧性比技术领先性更重要——至少在短期内如此。

第5章：被忽视的第2层博弈——谁在利用恐惧？

恐惧的受益者

大多数关于AI颠覆软件的讨论都聚焦于”谁会受害”。但一个同样重要、却被严重忽视的问题是：谁在从这种恐惧中获益？

受益者1：大型科技平台。 Microsoft、Google、Amazon等拥有AI基础设施的大型平台，是软件行业AI颠覆叙事的最大受益者。当传统SaaS公司的估值被压缩时，大型平台可以以更低的价格收购有价值的软件资产和人才。同时，AI颠覆恐惧推动企业客户将更多预算从传统SaaS工具转向大型平台的AI服务——即使这些AI服务目前还无法完全替代传统工具的功能。

受益者2：AI原生创业公司。 当传统软件公司被”AI颠覆折价”压制时，AI原生创业公司却享受着”AI溢价”。这种估值的双向运动——传统软件被折价、AI原生被溢价——创造了一个有利于新进入者的竞争环境。AI原生公司可以用更高的估值融到更多的资金，用更有吸引力的股权激励招到更好的人才，从而在技术和人才两个维度上加速超越传统软件公司。

受益者3：做空者和对冲基金。 软件板块的系统性估值压缩为做空策略提供了有利的宏观环境。当一个板块面临持续数年的叙事逆风时，做空该板块中最脆弱的公司成为一个具有正期望值的策略。这些做空活动本身又会加剧股价下跌，进一步强化负面叙事。

第2层博弈的投资含义

理解”谁在利用恐惧”对投资决策至关重要，因为它揭示了当前软件板块估值压缩的部分驱动力并非来自对AI颠覆的理性评估，而是来自市场参与者的策略性行为。

这意味着，当前软件板块的估值水平可能包含了一个”策略性折价”——即超出基本面合理水平的额外折价，这部分折价反映的不是AI颠覆的真实风险，而是市场参与者利用恐惧叙事进行策略性交易的结果。

对于长期投资者而言，这个”策略性折价”可能是一个额外的安全边际。但要利用这个安全边际，你需要有足够长的时间框架和足够强的心理韧性来承受持续数年的叙事逆风。

从另一个角度看，Finviz的分析指出投资者正在从软件股逃向价值股，这种资金轮动本身就在创造一个动量效应——资金的流出导致股价下跌，股价下跌导致更多资金流出。(来源: Finviz, 2026) 这种动量效应在短期内会使得估值偏离基本面，但在长期内终将回归。问题是：你能等多久？

第6章：活过预期的冬天——给不同类型投资者的框架

对软件公司管理层的建议

如果你是一家软件公司的CEO，Goldman的警告意味着你需要为一场持续数年的”预期寒冬”做好准备。以下是从参考资料中提炼的关键行动框架：

第1优先级：确保财务韧性。 Apollo的分析强调了”纪律”的重要性。(来源: Apollo Global Management, 2026-03) 在预期颠覆的环境中，现金是氧气。确保公司拥有足够的现金储备或正向的自由现金流来度过一个可能持续2-3年的估值压制期，这比任何产品战略都重要。削减不必要的支出，推迟非核心项目，将资源集中在最能创造差异化价值的领域。

第2优先级：清晰且可信的AI战略。 市场惩罚的不是”还没有AI功能的公司”，而是”看不到AI战略的公司”。你不需要在一夜之间变成一家AI公司，但你需要向市场清晰地传达：(1) AI对你的业务意味着什么——是威胁还是机会，或两者兼有；(2) 你正在采取什么具体措施来整合AI能力；(3) 这些措施预计在什么时间框架内产生可衡量的结果。Sapphire Ventures的”AI拐点”框架提供了一个有用的参考。(来源: Sapphire Ventures, 2026)

第3优先级：强化数据护城河和客户粘性。 在AI时代，你的竞争优势越来越不在于你的代码有多优雅，而在于你拥有的独特数据有多深、你在客户工作流中的嵌入有多紧。投资于数据资产的积累和客户成功团队的建设，比投资于与AI原生公司在功能层面竞争更有战略价值。

对投资者的分析框架

对于价值投资者： 当前环境可能正在创造一代人一次的软件板块入场机会——但前提是你能正确识别那些”被恐惧错杀”而非”被恐惧正确定价”的公司。关键筛选标准：(1) 正向自由现金流或充足现金储备（确保能扛过寒冬）；(2) 客户留存率保持稳定（证明颠覆尚未发生）；(3) 在受监管或高复杂度行业中拥有深度嵌入的市场地位（护城河的结构性强度）。

AllianceBernstein的”结构性风险vs叙事噪音”分析框架应该成为你的核心评估工具。(来源: AllianceBernstein, 2026) 对于每一家被考虑的软件公司，你需要明确回答：当前的估值压缩反映的是结构性风险还是叙事噪音？如果是后者，你的安全边际有多大？

对于成长投资者： 警惕”看起来便宜但实际上是价值陷阱”的软件公司。一家公司的估值倍数从30x收缩到15x并不意味着它变得便宜了——如果AI颠覆最终导致其收入下降50%，那么15x的估值仍然太高。成长投资者应该将注意力转向那些正在利用AI颠覆恐惧来获取市场份额的公司——无论是AI原生创业公司还是成功整合AI能力的传统软件公司。

对于宏观/主题投资者： Goldman的”数年”时间框架判断意味着，做空软件板块中最脆弱的公司（高估值、低现金流、弱AI战略、高功能可替代性）可能是一个具有持续数年正期望值的策略。但需要注意的是，板块内部的分化将会加剧——简单地做空整个软件板块的ETF可能不是最优策略，因为板块中的”赢家”可能会大幅跑赢。

一个关键的时间节点

Sapphire Ventures将2026年定义为”软件的AI拐点”。(来源: Sapphire Ventures, 2026) 如果这一判断正确，那么2026-2027年将是一个关键的观察窗口：

  • 如果AI拐点到来后，传统软件公司的客户留存率和收入增长率没有出现显著恶化，那么当前的AI颠覆折价将被证明是过度的，估值修复将随之而来。
  • 如果AI拐点到来后，AI原生替代品开始以可衡量的速度侵蚀传统软件的市场份额，那么当前的颠覆恐惧将被证明是合理的——甚至可能还不够。

在拐点到来之前，我们处于一个”薛定谔的颠覆”状态——颠覆既已发生又未发生，取决于你选择关注哪些数据点。 这种不确定性本身就是波动率的来源，也是期权策略的机会。

结语：最大的风险不是判断错误，而是时间框架错误

让我们回到Goldman Sachs将软件比作报纸的那个类比。这个类比的真正力量不在于它的精确性——软件行业的数据护城河、切换成本和网络效应远非报纸可比——而在于它重新设定了市场的心理锚点。一旦”软件可能是下一个报纸”的种子被种下，它就会在每一次AI突破的新闻中生根发芽，在每一次软件公司财报不及预期时开花结果。

Goldman的Kash Rangan说这种恐惧将持续”数年”。(来源: Goldman Sachs via Bitcoin.com News, 2026) 我认为这个判断是正确的，但需要加一个重要的限定：恐惧的总量可能持续数年，但恐惧的分布将在这个过程中发生剧烈的重新配置。

在接下来的2-3年中，我们将看到软件板块内部的分化达到前所未有的程度。一些公司将成功整合AI能力，将AI从威胁转化为增长引擎，其估值将从当前的恐惧折价中大幅反弹。另一些公司将在预期压力的螺旋中逐渐失去竞争力，最终验证市场最初的恐惧——不是因为AI真的替代了它们，而是因为对AI替代的恐惧剥夺了它们自我进化所需的资源和信心。

对投资者而言，最大的风险不是买错了公司，而是在错误的时间框架里做了正确的判断。 你可能正确地判断了一家软件公司不会被AI颠覆，但如果你在预期寒冬的最深处买入，而市场的恐惧比你预期的又多持续了2年，你的投资论文可能在被证明正确之前就已经因为回撤而被迫清仓。

反过来，你也可能正确地判断了一家软件公司终将被AI颠覆，但如果你在恐惧高峰时做空，而公司的财务韧性让它又撑了3年并在此期间股价翻倍，你的做空头寸可能在被证明正确之前就已经爆仓。

时间差，而非方向判断，才是这场博弈的核心变量。

软件行业正在经历的不是一次性的估值调整，而是一场持续数年的认知重构。在这场重构中，真正决定公司命运的，不是AI能否替代它们的产品，而是它们能否在市场恐惧的寒冬中保持足够的资源和信心完成自我进化。而真正决定投资者回报的，不是他们对颠覆方向的判断是否正确，而是他们对颠覆时间的判断是否精确。

在预期与现实之间的灰色地带中，耐心和纪律——而非聪明和速度——将是最稀缺的竞争优势。

参考资料

  1. How Pessimistic Is Wall Street? Goldman Sachs Directly Compares ‘Software’ to ‘Newspapers’ — ChainCatcher, 2026
  2. Goldman Sachs Strategist Says AI Disruption Fears Will Linger for Years in Software Stocks — Bitcoin.com News, 2026
  3. Goldman Sachs With A Reality Check On AI: Fears Of Disruption Will Hang Over Growth Stocks For Years — The Wealth Advisor, 2026
  4. Software’s Big Sell-Off: Structural Risk or Narrative Noise? — AllianceBernstein, 2026
  5. 2026 Software x AI: Software’s AI Inflection Point — Sapphire Ventures, 2026
  6. Goldman Sachs AI Software Stocks 2026: Which Companies Made the Buy List and Which Made the Sell List — Dynamic Business, 2026
  7. The SaaSpocalypse — Golden Section Research, 2026
  8. A Reset in Software — And Why Discipline Always Matters — Apollo Global Management, 2026-03
  9. From AI Darlings To Old Economy? Why Investors Flee Software And Chase Value Stocks Again — Finviz, 2026
  10. Goldman Sachs with a reality check on AI: Fears of disruption will hang over growth stocks for years — AOL Finance, 2026

主题分类：AI商业模式