RBC Capital 軟體股票研究團隊談如何應對 AI 清算
RBC Capital 軟體股票研究團隊談如何應對 AI 清算
RBC Capital 軟體分析師 Matthew Hedberg、Rishi Jaluria 與 Matthew Swanson 認為,微軟的多 LLM Copilot 策略與成果導向定價,讓既有大廠在企業 AI 競賽中佔據有利位置;而 AI 原生新創目前仍在採購既有廠商的技術堆疊。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
RBC Capital Markets 軟體股票研究團隊的 Rishi Jaluria、Matthew Hedberg 與 Matthew Swanson 認為,2027 年軟體產業的關鍵,在於 AI 變現是否終於走到應用層;過去一年,投資人只願意為「確定性」付費,資金全擠進少數幾家「一線 AI 贏家」。這場對談錄製於 2026 年 11 月中、RBC 在紐約舉辦的全球 TMT 大會,涵蓋的題目包括:科技股全面回檔後的市場情緒、微軟的絕地反攻與 Copilot 變現、資安產業整併、ServiceNow 與 Salesforce 的 AI 定位、IBM 提前公佈財報數字後的失足、廣告科技轉向成果導向定價,以及前線部署工程師(forward deployed engineer)成為業界新一輪「陪跑」服務模式。
三位分析師依子產業分工——Jaluria 負責應用軟體與微軟,Hedberg 負責資安與 Cloudflare、ServiceNow 等基礎設施公司,Swanson 負責廣告科技與 IBM——這讓他們在重疊的類別上能提出有建設性的歧見。讀者該帶走的是一張地圖:AI 交易已在哪些領域開花結果(基礎設施、資安、少數平臺)、哪些還沒反映在損益表上(應用軟體、代理身分識別、效能廣告以外的廣告科技),以及各分析師會緊盯哪些具體指標,來判斷 2027 年是否真的出現交接。
應用軟體是市場最唱衰、也最有槓桿的 AI 押注
Jaluria 的核心押注是:AI 變現將在 2027 年「瀑布式」下滲到應用軟體,而市場因為擔心席次制定價與商業模式,已把多數應用軟體公司當成死棋。他認為,當投資人意識到部分應用軟體廠商已在 AI 層大量創新、並能拿出實質變現成績時,會出現「燈泡亮起來的頓悟時刻」,帶來大家引頸期盼的成長轉折。照他的說法,目前「只有資安和某些基礎設施公司行得通」的信念,接下來會延伸到應用軟體。
這個判斷的背景是今年的資金輪動。2026 年初,應用軟體一度扮演「反 AI 交易」的角色——AI 基礎設施類股走弱時,應用軟體反而受益。但隨著輝達引發的疑慮擴散成整體科技生態的經濟擔憂,這個關係瓦解,所有股票開始「亦步亦趨地同漲同跌」。Jaluria 的解讀是:「投資人真的很重視確定性,一旦確定性的地板被抽掉,這些股票就會一路往下探。」
他也點出一個企業行為的悖論:許多軟體公司現在的本益比(以現金流計)只有 8 到 9 倍,處於歷史低檔,但毛利率擴張已救不了股價。這讓經營團隊只能在兩條路之間抉擇:一是為長期續航力再投資——接受自己無法把成長率拉高「50 萬個基點」,但能維持很長的成長跑道;二是把資金用在別處,尤其當 AI 佔業務比重持續上升時。
微軟的三個誤判已翻轉,Copilot 是下一棒
Jaluria 說,2026 年稍早微軟股價回檔、從高點跌掉約 30% 的那段期間,投資人對微軟有三個誤判;如今股價已回升到接近歷史高點,市值重回約 5 兆美元:
| 誤判 | Jaluria 眼中的實情 |
|---|---|
| 在「SaaS 末日」恐慌最盛時,有人說「我們自己 vibe-code 一個 Excel 就好」 | 全球經濟有一半靠 Excel 在跑,這種擔憂後來就消退了 |
| Azure 成長落後同業,代表微軟輸掉雲端大戰 | 微軟是刻意在資本支出上保持紀律,這正是同業燒錢、還得向市場籌資時,它仍能維持正自由現金流的原因 |
| Office Copilot 是失敗之作 | 使用率指標、付費席次淨增數與 Office 產品線都在改善;Office 產品線成長已經加速,客戶回饋「比一年前明顯好很多」 |
他認為下一棒是 Copilot 在 Office 約 5 億付費使用者中的變現——透過訂閱費或用量計價拉高 ARPU(每使用者平均收入),微軟目前仍在測試定價方式。他也肯定微軟很早就決定用多模態方式打造 Copilot,讓它能搭配任何 LLM(大型語言模型),包括開源權重模型,而不是隻依賴 OpenAI。在他看來,模型排程——針對不同任務、以最低成本挑選最合適的模型——是微軟及其他公司的核心多頭論點。他指出,Office 的企業使用者約 4.5 億、消費使用者近 5,000 萬,中小企業與前線工作人員還有成長空間。
被問到 2027 年有什麼可能把微軟從這個防禦性寶座上拉下來,Jaluria 說,光靠「續航力」它大概就會繼續待在上面;真正的交接,只會在市場從 AI 基礎設施轉向知識工作者實際使用、且不必全部客製化的場景時才會發生。
資安整併龍頭基本面穩固,但股價被當成一籃子交易
Hedberg 承認,在那一週接連發生重大資安事件時,資安股並未如他預期般上漲,但他主張大型整併者的基本面仍「非常非常強」。他點出兩個催化劑:企業部署 AI 時,資安必須「如影隨形」;而隨著 AI 模型愈來愈聰明,像錄音前兩週揭露的 PHP 漏洞這類弱點只會愈來愈多。他指出,資安股是以一籃子的方式在交易——2026 年稍早在「SaaS 末日」中受創,之後又大幅反彈。
估值故事可以解釋近期的停滯。從 2026 年 5 月初的市場低點起,Okta、Palo Alto、CrowdStrike、Cloudflare 等「一路狂飆」。第三季財報公佈前,投資人沿著曲線往下輪動到二線公司,押注它們能更早展現 AI 效益;結果效益沒那麼快顯現,資金又輪回成長較高的一線贏家。Hedberg 的中期論點,很大程度建立在 Cloudflare 執行長 Matthew Prince 的預測上:非人類流量將在五年內成長 1,000 倍——Cloudflare 在第二季法說會上表示,非人類流量已與人類流量相當,佔整體網路流量超過 20%。Hedberg 稱 Prince「完全是個狠角色」,並表示相信他的方向判斷正確,這對資安、Token 用量、應用軟體與廣告都有深遠影響。
至於「前瞻指標何時反映到損益表」,Hedberg 點名三家公司值得關注:Okta 成長正在加速,但還不是靠代理能力(他認為這還在後頭,而這對判斷在非人類流量成長 1,000 倍的世界裡代理在做什麼很重要);ServiceNow,看它的 AI ACV(年度合約價值)目標;以及 Datadog,作為可觀測性(observability)的代表。他警告,投資人會持續抱持懷疑,要證明這套論點、而不只是證明這是一筆短線交易,得花上好幾季。
ServiceNow 與 Salesforce 靠併購繞開 TAM 被侵蝕的風險
Hedberg 形容軟體類別之間的界線正在模糊——「現在每家公司看起來都像在做 AI」——並指出 ServiceNow 正在補強資安能力,Workday 最近也買了一家身分識別廠商。他回憶,曾有投資人把 ServiceNow 選為最看好的資安標的,他認為這反映的是類別混淆,而非 ServiceNow 真有資安本業。他提出的策略邏輯是防禦性的:如果你是記錄系統(system of record,用 ServiceNow 的說法是「行動系統」),對抗 TAM(總可及市場)被侵蝕的一種方法,就是掌握更大的資料資產,這也是 ServiceNow 接連買下橫跨資安與資料的資產、Salesforce 近期也收購多家公司的原因。
談到 ServiceNow 的估值,Hedberg 說,對照 2027 年預估數字,表面上看起來便宜,但爭點在於成長能否持續——市場究竟是在反映有機成長減速,還是穩定甚至重新加速仍有可能。他點出最近一季的新發展:包括 ServiceNow 在內的多家公司,都開始談前線部署工程師(FDE)。在他看來,這代表這些廠商已把一部分客戶基礎轉換成 AI 套件,現在必須更用力說服在 IT 資源受限環境下的客戶部署更多 AI。
Jaluria 把 FDE 視為早期 SaaS 時代的重演:當年 Workday 高峰時專業服務約佔 35%、ServiceNow 約 30%、Veeva 約 45%;如今 ServiceNow 的專業服務佔比已不到 5%。每一波技術浪潮都需要有人陪跑,FDE 模式就是把服務升級——聽懂客戶的問題、進到客戶環境裡部署,做出投資報酬率。他稱之為「企業 AI 投資報酬率的悖論」:採用率與支出都高得驚人,但企業仍在問,具體的成本節省到底在哪裡。
談到 Salesforce,Jaluria 說,它與前沿實驗室公開結盟——在 Dreamforce 上與實驗室主管同臺——削弱了「AI 公司會直接消滅 Salesforce」的敘事,至少確立了競合關係。更深的意義在於貼近客戶所處的現實:無論世界走向無介面(一切透過對話或自然語言排程),還是維持圖形介面,廠商都必須保持彈性,不能切斷客戶使用任何一種模型的管道,變現則會隨時間逐步實現。
IBM 提前公佈數字,暴露了 AI 敘事與本業之間的落差
Swanson 解釋 IBM 為何在 2025 年吸引到一群截然不同的投資人:它讓你不用押注生成式 AI 的時間表。它透過基礎設施與顧問服務取得「賣鏟子」的曝險,有自己的 Granite 系列 LLM,還有治理與法遵功能——等於對整個產業做廣泛押注,卻不必挑出哪個應用層會勝出。2025 年到 2026 年初,市場焦點轉向 S 曲線:量子運算的疑問、Z 系列大型主機換機潮、透過 Confluent 與 HashiCorp 佈局開源策略,以及 Granite。
接著是第二季前的初步業績預告,Swanson 說,這一擊打在 IBM 向來最核心的業務上,而不是新進投資人正在押注的新題材。機制是這樣的:資本支出重新排序、伺服器出貨遞延,加上客戶把記憶體與儲存訂單提前拉貨,導致銷售週期拉長。他直接類比 AppLovin 第二季營收不如預期——一旦數字與股價反應出爐,就會陷入「反向推論問題」:人們先有結論,再回頭找解釋,於是對伺服器業務疲弱衍生出各種歸類,遠超出訂單只是被遞延這個單純原因。到了第三季,資本支出明顯改善,軟體持續優於預期(第二季時也是如此),顧問業務也露出曙光——整體是較為均衡的一季。但進入第四季,訂單週期看起來又像第二季,股價如今反映的是對大型主機業務續航力的疑慮。Swanson 的框架是:你會得到一個比歷史水準更好的軟體故事、一個比過去一年半更好的顧問故事,以及一個取決於你信不信經營團隊「價值創造」說法的基礎設施故事——或者,你認為遞延的銷售週期其實是在毀滅價值。
Hedberg 把這個教訓一般化:「投資人要的是簡單,不是複雜。」Cloudflare 的超猛一季與超猛財測引起共鳴;Datadog 有訂單遞延;ServiceNow 則面臨一推一拉。IT 預算有限、Token 帳單又是真金白銀,CIO 必須排定優先順序——在這種市況下,需要費口舌解釋的公司就會捱打。
Token 經濟學正把企業推回既有廠商懷抱
談到預算消化與 Token 支出時,出現了本集最具體的前瞻線索之一。Jaluria 說,他的公司正在進行 2027 年企業 CIO 調查,CIO 們一再表示 AI 支出大多是新增預算,而非從軟體預算中挪出。如果軟體預算還有未用完的額度,第四季對廠商可能有利;有些企業甚至預先編列明年的 AI 預算與 Token 額度——這可能形成他所緊盯的「雙重效應」。
他的第二個論點是,企業正轉向既有軟體廠商來解決 Token 最佳化問題:與其自己挑模型,不如讓 Salesforce、ServiceNow、Workday 或微軟針對不同任務挑對模型、最佳化 Token 用量,並把更多投資導向這些廠商。Hedberg 把同樣的動態形容為圍繞投資報酬率的平衡術,對照的是 Prince 的非人類流量成長 1,000 倍預測,以及哪些技術能讓企業在那樣的情境下茁壯。
至於 AI 原生新創會不會乾脆自建整套技術堆疊、不買既有廠商的方案,Jaluria 反駁這種敘事:去看看成長最快的 AI 原生公司——那些 ARR(年度經常性收入)做到 1 億或 5 億美元的公司——它們的技術堆疊用了許多既有廠商的解決方案,而且短期內沒有汰換計畫。一旦把支援、資安與擴充性算進去,全部自建會貴到難以負擔;只有在某個類別完全沒有好的 AI 方案時,自建才說得通。他也預告隔天早上的座談,主題是「企業 AI 自建的真實成本」,與創投及未上市公司代表對談。Hedberg 同意,但強調箇中差異:CrowdStrike 取代單點產品是整併,不是 AI 原生取代,記錄系統的價值依然存在——真正的問題是,在無介面、API 與資料庫主導的世界裡,企業還願意付這個稅付多久。
廣告科技的成果導向定價,正在打贏 SaaS 模式輸掉的那一仗
Swanson 認為,「SaaS 末日」把訂閱軟體與廣告科技之間的位階顛倒過來。長久以來,廣告科技按用量計價的模式被看低一等,因為它沒有 ARR、CRPO(剩餘履約義務)與遞延收入的能見度。如今,隨著定價模式演進到與交付價值掛鉤的成果導向與用量導向結構,成效型廣告公司反而顯得更有優勢。對 CMO 與 CFO 的說法很簡單:投入一塊錢,拿回一塊二,只要還划算就繼續投。他舉 Zeta Global(最近一季財報後股價創新高)、AppLovin,以及近期掛牌的 Liftoff 為例。
AppLovin 是最完整的案例。Swanson 說,這檔股票從約 700 美元跌到 250 美元,現在回到 400 美元上下,此前第二季繳出公司史上首次營收不如預期。對只見過本益比擴張的新進投資人來說,這次不如預期製造出他所謂的「論點風險」假敘事——把一個資料點外推成「TAM 太小」或「公司已吃下整個 TAM」。第三季則交出公司史上最大的超標與最大幅度上修。主持人 Dan Nathan 指出,財報後單日 30% 的漲幅線上圖上只像「一個小突起」,他並不認為這樣的價格走勢特別偏多。
談到注意力這個結構性問題,Swanson 說市場聚焦兩大因素——注意力與可見度(viewability)——這指向 CTV(聯網電視)與行動 App 內版位,是持續吸引眼球的格式。更難的問題是把機器人變現:「要把一則廣告變現給機器人,真的很難。」他也點出生成式搜尋改變產品探索的兩種因應:一是品牌支出重新受到重視(搜尋「Nike」而不是「網球鞋」變得更重要),二是在 CTV 與行動 App 內版位操作「成效型提示」(performance prompting),試圖在生成式搜尋引擎之前就創造購買動機。亞馬遜把廣告延伸到站外——Prime Video 插入廣告、站外版位——反映的也是同樣的版位爭奪;而它核心的贊助搜尋業務,則面臨一個問題:如果人們不再從亞馬遜開始搜尋產品,會怎樣?
Swanson 的 2027 年首選是供應方平臺(SSP)這一層。PubMatic 與 Magnite 今年各漲了 80% 多一點,因為買方更多元、更複雜,加上代理式購買興起,讓 SSP 的定位更受肯定;另一個主題是伺服器端定向更靠近擁有登入使用者資料的發布商,買方要的是排程協助,而不是全權決策。他也提到,有一季 Google 搜尋與亞馬遜廣告雙雙低於市場共識,讓投資人很難看出開放網路廣告科技堆疊要如何勝出。
2027 年什麼會讓開關切過去
每位分析師都點名了能改變故事的指標或事件:
- Jaluria: AI 變現的瀑布下滲到應用軟體,帶來實質變現的頓悟時刻與成長轉折,把「只有資安與基礎設施行得通」的論點延伸到應用軟體。
- Hedberg: 前瞻性 AI 指標——ServiceNow 創紀錄的 AI ACV、Datadog 的用量成長——真正轉化為損益表上更好的營收成長。在那之前,投資人會繼續擠向 Datadog、Cloudflare、CrowdStrike、Palo Alto Networks、Snowflake 等一線 AI 贏家。
- Swanson: SSP 不再被當成大宗商品、市場情緒改善,加上 CTV 與行動 App 內版位持續強勢,以及掌握受眾定向資料的一方持續走強。
代理已經來了,消費者習慣還沒
被問到個人代理,三人的看法不一。Swanson 主要用代理來幫兒子的球員卡估價,工作上則用來做資料查證——等於展開新主題時先有一份客製化的初步研究報告——人類的價值則保留在提供脈絡與機構知識。Hedberg 說,RBC 很早就投資並打造內部 AI 工具 Aiden,他和團隊每天要用好幾次;Token 帳單雖然上升,但用來做法說會逐字稿摘要與盡職調查問題生成很值得,也讓團隊有更多時間服務客戶。Jaluria 心目中的殺手級消費應用是機位釋出監控——他說自己再也不坐中間位了,因為一有更好的座位釋出,代理就會通知他。專業工作上,他說 AI 壓縮了分析師寫當日筆記的時間,讓團隊有更多時間與合夥人、客戶、未上市公司及創投交流,也有更多時間寫長篇主題報告:兩篇深度報告——一篇談實體 AI,當天早上剛發布,一篇談 AI 在醫療的應用——只花了 10 天,否則要三個月。
Nathan 最後以消費者採用的反例作結。錄音前約一個月,他問了 25 位到 CNBC 那斯達克攝影棚參訪的大四生,求職時怎麼用代理——這是大四上學期結束前的高風險任務——結果沒有一個人舉手。他再追問其他學生有沒有下載 Meta 的 Muse,得到的回答是「Muse 是什麼?」他認為這要不是好奇心太低,就是 Meta 對其數十億使用者的行銷做得太差,並指出 Meta 最近一季公佈的 Muse 資料並不特別令人振奮,讓人想起 Copilot 早期的採用情況。他對 2027 年的犀利觀點是:硬體已是基本門檻——他在相鄰的門市比較 Apple 與 Google 的裝置,兩者都很棒——所以差異化將來自作業系統內嵌的 AI,其中 Gemini 的整合特別突出,而消費者實際怎麼用這些工具,會出現一場「大洗牌」。Hedberg 的回應是:也許大學需要為這些學生派 FDE,也許跑在人們永遠不離手的硬體上的小型模型——對多數大學生來說就是 iPhone——是 Apple 的突破口,只是 Apple 還沒證明給大家看。
整集貫穿未解的張力是時機。每位分析師都能說出哪個指標能驗證「AI 進入軟體」的論點,卻沒有人能說出它何時會反映在實際營收、而不是前瞻性揭露上。這道落差——介於 AI ACV 紀錄與損益表之間、介於 Token 預算與已實現的投資報酬率之間、介於代理能力與消費者習慣之間——正是 2027 年必須補上的缺口,也是這組人打算在 2027 年第一季再聚首盤點的原因。