繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

【國盛計算機】大模型吞噬軟件?

2025-08-17 13:00

  炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!

  來源:計算機暢想

  核心觀點

AI吞噬軟件?產業格局變動中機遇與挑戰並存。大模型廠商正在加速自身的商業化,同時近期一些「AI吞噬軟件」的論調也引起投資界關注。彭博社提到AI有可能像之前的互聯網一樣顛覆各行各業,並列舉了美銀認定受AI影響最大的26家公司的幾家如Wix.com/Shutterstock/Adobe等。報道中除了軟件也提到包括廣告、人力資源、市場研究等領域公司如ManpowerGroup/Robert  Half/Gartner/Omnicom Group/WPP。我們認為:1)AI的影響不侷限於軟件,各領域都有抓住AI時代機遇的軟件公司崛起:例如廣告領域的Applovin;視覺設計類工具有figma和Canva等公司,人力資源領域北森控股;AI編程領域的Cursor等。2)可能受到衝擊的公司也會將AI賦能自身:例如谷歌也是美銀的人工智能風險投資組合中的公司,但其最新的財報顯示AI正在賦能其搜索業務。3)開源模型蓬勃發展對軟件公司有利。我們認為AI的發展是模型與應用廠商一起做大蛋糕的過程,當前產業格局仍在持續變化,不必籠統地擔憂AI吞噬軟件,而應具體觀察不同公司在AI時代的核心競爭力以及擁抱AI的執行力。

大模型吞噬簡單應用,吞噬不了強Know-how、強數據、複雜流程或資質壁壘的應用。對護城河深厚的應用而言,大模型非但不是吞噬者,反而可能成為加固優勢的工具。我們認為「簡單」體現在公開知識、易驗證、低責任、弱耦合。護城河強體現在:1) 強 Know how:許多行業依賴專家對於長期經驗、場景化判斷、未成文規範的理解,需要一些長期深耕的公司來構造能夠深刻理解該領域的業務邏輯的垂直領域模型或者Agent。2) 強數據:許多公司的優勢來自不可得或難以複製的專有數據與持續反饋閉環。大模型可作為數據價值的放大器,但核心優勢由數據主導。3) 複雜流程:現代企業軟件的價值往往不在於單個功能,而在於對跨部門、多步驟的複雜業務流程的深度整合與編排,深度的工作流整合也創造了極高的客户粘性和轉換成本。4) 資質/合規壁壘:一些強監管的領域需要明確的責任主體與簽字權,需要資質、執照與合規體系,模型可提效,但落款與責任在具備資質的主體。以上因素決定了一家公司是否易被模型廠商替代。例如軍工領域核心基於情報分析系統起家,作為首個領導國防項目的民營公司palantir就是一家護城河深厚的軟件公司。

未來有三種Agent:用户給自己做Agent、廠商給用户做Agent、單位給員工做Agent。Agent是當下大模型產業的重要方向,我們認為未來Agent的形式有三種:1)用户給自己做的Agent:AI帶來的技術普惠讓不具備編程背景的個人用戶也能為自己高度特定的個人及工作任務,構建和部署定製化的AI   Agent。2)模型廠商給用户做Agent,科技巨頭為搶奪流量入口構建功能強大的通用Agent。3)單位給員工做Agent,作為企業中強大的「數字同事」或「數字員工」,帶來可衡量的投資回報。除了將Agent分為三類以外,我們還認為Agent落地的三大要素分別是數據、模型、接口。GPT-5是頂尖模型的重大突破,其編程能力的提升利好用户自定義Agent的推廣滲透,進一步會帶來廣泛的算力需求,幻覺降低尤其有利於嚴肅2B場景Agent。

建議關注:

算力:寒武紀、海光信息、有方科技、協創數據、奧飛數據、新易盛、東陽光、勝宏科技、鴻騰精密科技、滬電股份、中際旭創、東山精密、偉仕佳傑、雲賽智聯、濰柴重機、科華數據、禾盛新材、青雲、金山雲、浙數文化(維權)、大位科技、玉柴國際、億田智能、宏景科技、弘信電子、聖陽股份、潤澤科技、潤建股份、深信服、神州數碼、深桑達、品高股份、金山雲、雲天勵飛、優刻得、雲從科技、浪潮信息、中科曙光、太極股份、數據港。

Agent:阿里巴巴、騰訊控股、快手、拓爾思、美圖公司、金蝶國際、金山辦公、金橋信息、鼎捷數智、海天瑞聲、慧辰股份(維權)、嘉和美康、泛微網絡(維權)、税友股份、朗新集團、潤達醫療、360、萬興科技、用友網絡、麥迪科技、宇信科技、京北方、中科金財、致遠互聯、漢得信息、軟通動力、光雲科技、上海鋼聯、新致軟件、同花順、信雅達、螢石網絡、迪安診斷、中科金財、恆生電子、星環科技、衞寧健康、創業慧康、科大訊飛、萬興科技、創業黑馬、邁富時、小商品城、金證股份、頂點軟件、朗新集團、晶泰控股、佳發教育、新大陸、新開普等。

自動駕駛:江淮汽車、賽力斯、小鵬汽車、理想汽車、禾賽、地平線、世運電路等

軍工AI:拓爾思、能科科技、普天科技、品高股份、海格通信、中科星圖等。

風險提示:技術迭代不及預期風險;經濟下行超預期風險;行業競爭加劇風險。

報告正文

  01

AI吞噬軟件?產業格局變動中機遇與挑戰並存

大模型廠商正在加速自身的商業化:摩根大通稱OpenAI通過GPT-5發佈展現商業轉型意圖,公司採取簡化產品線、全用户覆蓋、激進定價等策略。關鍵業務指標強勁增長:年度經常性收入突破130億美元,周活用户達7億。7月份Anthropic的年營收已達到40億美元,這一數字較年初增長了四倍多。

  與此同時近期一些「AI吞噬軟件」的論調也引起投資界關注,例如8月11日巴倫周刊報道分析師下調Adobe評級時標題用詞「AI Is Eating Software」。8月15日路透社在報道歐洲軟件股下跌的新聞中設問「WILL AI ’EAT SOFTWARE’」。

  關於AI對軟件衝擊的擔憂,8月9日彭博社發表的《Traders Are Fleeing Stocks Feared to Be Under Threat From AI》提到AI有可能像之前的互聯網一樣顛覆各行各業,像網站開發公司Wix.com、數字圖像公司Shutterstock和軟件製造商Adobe,這三家公司是美國銀行策略師認定的受人工智能影響最大的26家公司之一。

  彭博社指出2025年由於擔心客户會轉向能夠生成圖像和視頻的人工智能平臺,Adobe股價已下跌23%。ManpowerGroup的招聘服務可能會受到自動化程度上升的影響,該公司今年股價下跌了30%,而其同行Robert Half的市值則縮水了一半以上。市場研究公司Gartner下調了今年的營收預期,導致其股價暴跌。儘管該公司將此歸咎於美國政府的削減開支和關税等政策,但分析師很快將矛頭指向了人工智能,投資者擔心儘管該公司正在部署自己的人工智能工具,但人工智能可能會為 Gartner 的研究和分析提供更便宜的替代方案。廣告公司Omnicom Group今年已下跌 15%,原因是據報道 Meta 未來將通過人工智能實現廣告製作的完全自動化。同行 WPP的股價下跌了 50%以上。

AI現有公司格局的重塑不僅侷限於軟件,以上受到AI衝擊的公司,除了軟件領域也包括包括廣告、人力資源、市場研究等領域。以彭博社列出的受到AI衝擊的公司為例,往往對應領域也有抓住AI時代機遇的軟件公司崛起:

  Omnicom Group、WPP這類廣告公司,對應在廣告領域除了巨頭Meta,聚焦於「AI+數字廣告」的Applovin 2025財年第二季度財報在AI廣告引擎模型AXON大力推動之下,營收總計實現12.6億美元,超越華爾街平均預期的約12.2 億美元。

  Adobe這類視覺設計類工具,對應領域有figma和Canva等公司的高速增長:36氪報道Figma不僅在設計協作工具中引入生成式AI能力,更將其定位為「從idea到prototype」的端到端平臺,2024年Figma營收7.49億美元,同比增長48%。Canva 在2025年6月宣佈現在為 2.3 億多人提供設計能力,年經常性收入超過 30 億美元,訂閲用户已增長到超過 2400 萬。

  在ManpowerGroup等公司涉及的人力資源領域,國內北森控股作為雲端人力資本管理(HCM)解決方案提供商,將AI技術在招聘場景的應用從效率工具向智慧決策演進,北森AI面試官,截至2025年3月底累計簽約客户突破240家。

  Wix.com這類網站開發公司,目前AI編程技術的進步可能對其有衝擊,例如AI編程助手開商Anysphere憑藉Cursor產品已吸引超3萬家企業客户。

可能受到衝擊的公司也會將AI賦能自身:例如彭博社報道指出谷歌也是美國銀行人工智能風險投資組合中的一部分,人們一直認為它正在採取防禦措施,保護其在利潤豐厚的互聯網搜索市場中的巨大份額。但是谷歌2025年Q2最新的財報顯示AI正在賦能其搜索業務:搜索實現了兩位數的收入增長。新AI體驗極大地促進了使用量的增加。AI Overviews 功能備受歡迎,現在在 200 多個國家和地區擁有超過20億月度用户。

  多模態搜索的使用強勁增長,特別是 Lens或 Circle to Search 與 AI Overviews的組合。這種增長在年輕用户中最為明顯。新的端到端 AI 搜索體驗 AI Mode繼續收到非常積極的反饋,特別是對於更長、更復雜的問題,它仍在推出中,但在美國和印度已經擁有超過1億月活躍用户。

同時開源模型也在蓬勃發展,我們認為也對軟件公司有利,可以採用開源模型自主開發或是在與閉源模型的議價權上更有優勢:

8月5日OpenAI發布了gpt-oss-120b和gpt-oss-20b兩款性能卓越的開源模型,gpt-oss-120b 模型在覈心推理基準測試中與 OpenAI o4-mini 模型幾乎持平,gpt-oss-20b 模型在常見基準測試中與 OpenAI o3‑mini 模型取得類似結果。

  4月阿里Qwen3正式發佈並全部開源8款混合推理模型。包括兩款MoE模型以及六個Dense模型。旗艦模型Qwen3-235B-A22B在代碼、數學、通用能力等基準測試中,與一眾頂級模型相比,表現出極具競爭力的結果。

我們認為AI的發展是模型與應用廠商一起做大蛋糕的過程,受益和受損的公司都會出現,當前產業格局仍在持續變化,不必籠統地擔憂AI吞噬軟件,而應具體觀察不同公司在AI時代的核心競爭力以及擁抱AI的執行力。

  02

大模型吞噬簡單應用,吞噬不了強Know-how、強數據、複雜流程或資質壁壘的應用

我們認為大模型的發展會吞噬簡單的應用,但對於那些護城河建立在深厚行業Know-how、專有數據、複雜流程整合或嚴格資質壁壘之上的應用而言,大模型非但不是吞噬者,反而可能成為其加固優勢的工具。

我們認為「簡單」體現在以下幾方面:

  公開知識:模型輸入輸出主要依賴互聯網上的共識性信息與通用語料。

  易驗證:對錯、好壞可以快速驗證,如編程中的單元測試。

弱耦合:很少跨系統/跨角色協作,不牽涉複雜的流程、權限、審計鏈條。

護城河強的體現:

1)強Know how

  我們認為許多行業依賴專家對於長期經驗、場景化判斷、未成文規範的理解。許多隱性 Know-how對於大模型廠商來説難以攻克或者投入太多資源去攻克單一領域性價比不高。因此在需要高度專業化和情境化知識的垂直領域,需要一些長期深耕的公司來構造能夠深刻理解該領域的業務邏輯的垂直領域模型或者Agent,提供比通用解決方案更高的準確度和可靠性。

2)強數據

  我們認為許多公司的優勢來自不可得或難以複製的專有數據與持續反饋閉環。當所有競爭者都能接入強大的基礎模型時,競爭優勢就轉向了那些擁有獨特、高質量、無法從公開渠道獲取的專有數據的企業。大模型可作為數據價值的放大器,但核心優勢由數據主導,數據所有者纔是收益大頭。

3)複雜流程(強耦合與可追責的執行)我們認為現代企業軟件的價值往往不在於單個功能,而在於對跨部門、多步驟的複雜業務流程的深度整合與編排。例如一個AI或許可以自動提交報銷發票,但它很難取代一個深度集成到企業財務、人力資源和審批系統中的管理平臺。這種深度的工作流整合也創造了極高的客户粘性和轉換成本。因此那些深度嵌入客户複雜工作流程的企業,並不容易被大模型直接吞噬,而是會把模型逐步賦能到系統中。

4)資質/合規壁壘

  一些強監管的領域需要明確的責任主體與簽字權,需要資質、執照與合規體系,無資質不得出具結果。模型可提效,但落款與責任在具備資質的主體。

以上因素決定了一家公司是否易被模型廠商替代,或是在與模型合作中能佔據更大價值量。例如軍工領域的軟件公司palantir就是一家護城河深厚的公司:Gotham作為Palantir起家產品,以情報分析為核心內容。根據36氪報道,Gotham是Palantir的起點,主要面向政府和國防部門,提供軍事和情報分析服務。它通過將各類物理世界信息整合到一個應用中,極大提高了決策效率與質量。Gotham客户包括美國中央情報局(CIA)、聯邦調查局(FBI)、美國軍方以及北約。Gotham的核心功能是整合來自多個數據源的信息,特別是看似無關的數據,以發現金融欺詐、預防恐怖襲擊或用於軍事行動。這些數據源可以包括衞星圖像、監控視頻、銀行對賬單、電子郵件、錄音、個人旅行記錄、交通罰單、醫療記錄等。通過交叉比對這些數據並發現異常,Gotham幫助客户提供深入洞察、優化決策,並進行預警。例如,在俄羅斯與烏克蘭戰場上,Gotham被廣泛使用。指揮官只需輸入目標座標,Gotham就會自動計算射擊的方位與距離,並將任務分配給最合適的武器。此外,Gotham還會統計戰鬥結果,並利用數據反饋自我學習,不斷優化決策過程。最著名的例子是,Gotham幫助美軍成功找到了本·拉登的藏身之地。通過構建一個全面的人物知識圖譜,結合監控的信使信息、巴基斯坦院落周圍的可疑跡象,比如異常的垃圾自燃、居民不外出等,最終確認了本·拉登的藏匿位置。

圖表1:Palantir Gotham產品

資料來源:安全內參,國盛證券研究所

Foundry是Palantir為大型企業客户量身打造的產品,雖然它的技術與Gotham相似,但應用領域主要是商業場景。根據36氪報道,Foundry通過整合企業的大量數據,運用算法發現異常現象,如財務欺詐、供應鏈效率低下等等。Foundry通過對企業分散的數據進行結構化處理,並應用數據本體論(Ontology),有效解決了數據孤島問題,使人工智能能夠深度應用於企業的工作流程。據Palantir官網介紹,Foundry已被廣泛應用於多個行業,包括航空航天、石油和醫療等。例如,空中客車(Airbus)使用Foundry優化了航空航天製造流程,實現了25倍的投資回報率;英國石油公司(BP)利用Foundry優化了石油和天然氣的運營流程,節省了10億美元的成本;英國國家醫療服務體系(NHS)也曾嘗試使用Foundry進行數據管理。

圖表2:Foundry產品模型

資料來源:安全內參,國盛證券研究所

Palantir Apollo是一個全面的DevOps平臺,用於管理跨不同環境的軟件部署,實現持續集成和交付(CI/CD)過程的自動化。它簡化了部署管道,實現了跨內部部署、雲和混合設置的快速功能交付和穩定性能。Apollo的替代產品包括GitHub Actions、GitLab CI/CD、Jenkins、CircleCI和AWS CodePipeline等平臺。這些工具提供不同程度的定製和集成支持,幫助企業實現軟件交付自動化並簡化開發流程,同時保持高可靠性和高速度。

圖表3:Apollo產品應用界面

資料來源:安全內參,國盛證券研究所

Palantir的人工智能平臺(AIP)提供了一個平臺和工作流構建器,旨在創建、部署和管理人工智能應用。AIP為開發人員提供了將應用程序中的人工智能轉化為代理和自動化的能力,而不是集成簡單的聊天功能。Foundry和AIP相輔相成,經常一起部署。AIP可將LLMs集成到數據管道中,並提供生產級功能,如錯誤處理、自動重試和保證輸出模式。通過工作流生成器,用户可以設計人工智能應用程序和運營,同時利用本體論確保人工智能邏輯與企業的運營框架保持一致。Palantir AIP的主要客户包括美國國防部、默克公司(Merck)和IBM等組織,他們將該平臺用於從預測性維護和供應鏈優化到藥物發現和客户服務等各種應用。這些用例利用AIP的功能,將人工智能整合到複雜的工作流程中,從而在各行各業實現實時決策和運營效率。

圖表4:Palantir AIP產品

資料來源:安全內參,國盛證券研究所

2016年Palantir成功起訴美國陸軍,成為首個領導國防項目的民營軟件公司。2016年,Palantir成功贏下了起訴美國陸軍的官司,理由是美國陸軍拒絕考慮商業上可替代其現有數據和分析平臺的方案。自此,美國陸軍開始從原來具有壟斷性質的雷神公司(Raytheon),與Palantir兩家公司中,選擇一家來開發未來的情報平臺。在2019年3月,Palantir贏得了整個合同,這是政府第一次選擇一家民營的軟件公司,來領導國防項目。

  03

多未來有三種Agent:自己給自己做Agent、廠商給用户做Agent、單位給員工做 Agent

我們認為未來有Agent的形式有三種:用户個人自制的Agent、模型廠商驅動的通用Agent和企業定製的Agent:

圖表5:Agent的落地形式

資料來源:國盛證券研究所繪製

1)用户給自己做Agent:AI Agent革命的一個重要趨勢是AI帶來的技術普惠。藉助一系列強大的無代碼/低代碼平臺,不具備編程背景的個人用戶也能為自己高度特定的個人及工作任務,構建和部署定製化的AI Agent。這標誌着一個新時代的到來:自動化不再是大型企業的專屬,而是成為人人可及的個性化工具。

  據市場研究機構 Straits Research數據,2024年全球無代碼AI平臺的市場規模為 36.8 億美元,預計到 2025年將達到 47.7 億美元,到 2033 年將達到 379.6 億美元,在預測期間(2025-2033年)以 29.6% 的複合年增長率增長。

  例如字節的扣子開發平臺可以幫助用户零基礎進行Agent 專業開發,OpenAI推出的GPTs讓用户可以自己創建結合了指令、額外知識和任何技能組合的自定義版本的 ChatGPT。

  Lovable公司通過其AI驅動的應用程序構建平臺,Lovable讓非技術背景的用户也能創建功能性軟件,如電商網站等。今日頭條2025年5月報道Lovable團隊規模僅18人,於短短6個月內實現了5000萬美元的ARR。

圖表6:Lovable平臺上的大量AI創作項目

資料來源:

Lovable官網,國盛證券研究所

2)廠商給用户做Agent全球頂尖的科技巨頭,正在投入巨資,構建功能強大、應用廣泛的通用C端Agent。字節旗下Agent應用「釦子空間」,字節定義為是精通各項技能的「通用實習生」與各行業的「領域專家」,具備無限拓展能力的 AI Agent。

圖表7:釦子空間

資料來源:釦子官網,國盛證券研究所

3)單位給員工做 AgentAgent的第三種形式,是在企業內部的部署,Agent不再僅僅是個人工具,而是作為強大的「數字同事」或「數字員工」,與人類員工並肩工作。它們旨在增強員工的專業能力、自動化複雜的業務工作流,帶來可衡量的投資回報(ROI)。尤其是垂直的行業Agent,在這里,Agent不再是通才,而是被訓練成特定行業的「領域專家」,擁有深厚的專業知識。

除了將Agent分為三類以外,我們還認為Agent落地的三大要素分別是數據、模型、接口:1)垂類數據是Agent能力拓展到各行業的關鍵。2)基礎大模型的能力提升是Agent進步的核心動力。3)Agent需要通過各類接口與外部系統交互,獲取上下文或執行操作,也即使用工具擴展Agent能力。

圖表8:Agent的要素包括模型、數據、接口

資料來源:國盛證券研究所繪製

近期發佈的GPT-5把更低幻覺、更強工具使用、更長上下文和更高性價比的推理打包到一套統一系統里,我們認為GPT-5最利好的方向是各類自定義Agent,具體展開理由有下:1)編程能力提高,降低Agent開發門檻編程語言用簡潔、優雅的語法和語義規則,定義清晰明確的指令,讓計算機完成各種任務。代碼是數字世界的基礎生產力工具。GPT-5的編程能力提高,進一步降低了大眾通過AI編程開發Agent的門檻。

2)幻覺顯著下降,Agent可靠性躍升。大模型的幻覺問題是Agent 的一大降礙,尤其在一些高風險領域模型出現幻覺可能造成嚴重后果,GPT-5的幻覺顯著下降提高了Agent 的可靠性。3) 工具調用能力提升,能完成更復雜任務。Agent執行中可能需要與多個API、數據庫或內部系統交互,例如,一個旅行Agent可能在一次任務中需要查詢航班API、酒店API和用户日曆,然后綜合結果。GPT-5工具調用能力提升,在遵循工具指令、處理工具錯誤以及自主實現串行或並行的多工具調用方面表現更佳,能幫助Agent完成更復雜任務。

4)400K上下文+多模態升級,Agent能處理更長任務更大量數據。建立在有限上下文窗口模型之上的Agent,無法處理長期任務、記住過往交互或消化大型文檔,它們會忘記關鍵信息,迫使用户不斷重複,從而中斷複雜的工作流程。GPT-5配備了高達400k的上下文窗口,可以解鎖更多以前難以實現的用例:

·Agent可以一次性分析一份完整的、宂長的法律合同或財務報告。

·軟件開發Agent在修復錯誤時可以理解整個代碼倉庫的上下文。

·客户服務Agent可以回顧客户的完整交互歷史,以提供真正個性化的支持。

  同時GPT-5在多模態上全面提升,也讓Agent可以處理更多類型的複雜數據,大幅提高可用性。

5)推理效率提高與API降價,Agent經濟性價比提升

  複雜的Agent工作流通常涉及大量且宂長的LLM調用,模型成本也是影響Agent落地的重要因素。

  GPT-5與o3相比在各種推理任務中使用的輸出token減少了50-80%。這使得Agent工作流更快、更便宜。簡單的查詢可以獲得近乎即時、低成本的響應,而複雜的任務則能獲得必要的計算資源,用户或開發者無需手動切換模型。這種智能的資源分配是實現大規模部署Agent而又不致成本失控的關鍵。在API定價方面,OpenAI也採取了和Gemini或Claude相比極具競爭力的策略,這讓Agent的性價比大幅提高。

  綜上我們認為,GPT-5的能力全面進步是頂尖大模型的重大突破,將大幅利好各類Agent加速落地,其中編程能力的提升利好用户自定義Agent的推廣滲透,進一步會帶來廣泛的算力需求,幻覺降低尤其有利於嚴肅2B場景Agent。

  04

建議關注

算力:寒武紀、海光信息、有方科技、協創數據、奧飛數據、新易盛、東陽光、勝宏科技、鴻騰精密科技、滬電股份、中際旭創、東山精密、偉仕佳傑、雲賽智聯、濰柴重機、科華數據、禾盛新材、青雲、金山雲、浙數文化、大位科技、玉柴國際、億田智能、宏景科技、弘信電子、聖陽股份、潤澤科技、潤建股份、深信服、神州數碼、深桑達、品高股份、金山雲、雲天勵飛、優刻得、雲從科技、浪潮信息、中科曙光、太極股份、數據港。

Agent:阿里巴巴、騰訊控股、快手、拓爾思、美圖公司、金蝶國際、金山辦公、金橋信息、鼎捷數智、海天瑞聲、慧辰股份、嘉和美康、泛微網絡、税友股份、朗新集團、潤達醫療、360、萬興科技、用友網絡、麥迪科技、宇信科技、京北方、中科金財、致遠互聯、漢得信息、軟通動力、光雲科技、上海鋼聯、新致軟件、同花順、信雅達、螢石網絡、迪安診斷、中科金財、恆生電子、星環科技、衞寧健康、創業慧康、科大訊飛、萬興科技、創業黑馬、邁富時、小商品城、金證股份、頂點軟件、朗新集團、晶泰控股、佳發教育、新大陸、新開普等。

自動駕駛:江淮汽車、賽力斯、小鵬汽車、理想汽車、禾賽、地平線、世運電路等

軍工AI:拓爾思、能科科技、普天科技、品高股份、海格通信、中科星圖等。

  05

風險提示

技術迭代不及預期風險:若技術迭代不及預期,則對產業鏈相關公司會造成一定不利影響。

經濟下行超預期風險:若宏觀經濟景氣度下行,固定資產投資額放緩,影響企業再投資意願,從而影響消費者消費意願和產業鏈生產意願,對整個行業將會造成不利影響。

行業競爭加劇風險:若相關企業加快技術迭代和應用佈局,整體行業競爭程度加劇,將會對目前行業內企業的增長產生威脅。

具體分析詳見2025年8月17日發佈的報告《大模型吞噬軟件?》

  分析師 劉高暢 分析師執業編號S0680518090001

  分析師 李可夫 分析師執業編號S0680525060001

新浪聲明:此消息系轉載自新浪合作媒體,新浪網登載此文出於傳遞更多信息之目的,並不意味着贊同其觀點或證實其描述。文章內容僅供參考,不構成投資建議。投資者據此操作,風險自擔。

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。