熱門資訊> 正文
2026-11-03 07:14
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:華泰證券研究所)
AI Roll-up通過收購取得客户關係、真實工作流與經營控制權,有助於緩解傳統SaaS和外部FDE在企業深度改造中的權限、協同與激勵約束,並更多留存AI改造收益。傳統Roll-up已具備成熟經營邏輯,AI的增量在於進一步提升收入與利潤改善空間,並拓寬至更多人力密集型服務資產。海外相關實踐已由一級市場向上市平臺案例延伸;長期看,該模式有望推動AI在企業工作流改造中的商業化邊界。
AI按結果交付,打開軟件預算之外的服務市場空間
AI 從提供軟件工具走向承接企業實際工作,潛在預算來源有望從IT支出擴展至業務運營、人工及外包服務支出。我們基於 Anthropic 的不同工作AI 潛在滲透率及美國BLS就業數據測算,客服、會計等八類典型工作僅美國可對應約 3,620 億美元價值量,為其1.13萬億美元年工資總額的32%。AI Roll-up通過收購取得存量客户、交付團隊與經營改造權,使技術投入、流程調整與服務收益納入同一經營體系,推動整合價值延伸至交付環節。
控制權連接技術改造與收益獲取,AI 有望放大傳統 Roll-up回報
AI Roll-up將技術投入、流程調整與經營收益納入同一體系,使改造能夠深入日常生產,相較外部交付,收購方能夠更直接地推動組織調整,並通過股權分享利潤改善。傳統 Roll-up 已通過專業化運營、組織整合及平臺化複用形成較成熟的價值創造框架,AI帶來收入增長和利潤率改善的增量空間。我們的情景測算顯示,在收購與退出估值不變的情景下,AI 帶來的收入及利潤率改善可使 IRR 由約17%提升至約25%。與此同時,AI 也有望降低人力密集型業務的改造成本,拓寬潛在可收購和整合的資產範圍。
海外案例已進入生產部署,一二級市場均出現驗證
海外一級市場已出現圍繞會計、客服、IT 服務和物業管理等行業的 AI 服務整合實踐,Tax AI(OpenAI 案例)、Crescendo與Dwelly分別展示專業產能釋放、高頻服務自動化及本地業務整合。上市公司Bending Spoons 通過收購 Brightcove、Eventbrite、Vimeo 等成熟軟件資產,將中央技術、數據和商業化能力導入被收購企業,歷史收購后六季度平均收入提升約 52%、運營費用下降約 43%,為AI Roll-up的落地提供了不同場景的驗證。
我們與市場不同的觀點
市場認為國內2B側SaaS類商業模式難實現,FDE等模式推進困難。我們認為AI Roll-up的意義在於同時取得客户關係、交付團隊和經營改造權,有助於緩解外部FDE項目中的權限、協同和激勵約束,是推進企業AI工作流改造的一種可行模式。
投資邏輯
AI Roll-up仍處早期驗證階段,建議重點關注兩類機會,具體詳見研報原文。中長期看,若模式持續驗證,軟件、IT服務及BPO等人力密集型資產的整合與重估機會也值得跟蹤。若 AI Roll-up 模式持續驗證,其投資機會可能由少數平臺公司逐步擴散至潛在收購標的及企業服務產業鏈,並擴大 AI 可變現的市場邊界。
風險提示:AI技術可靠性不足,客户採用不及預期,併購整合不及預期,行業競爭加劇。
本篇報告研究了以下問題
1、為什麼企業 AI 改造需要關注 Roll-up?收購經營控制權能解決什麼問題?
1)企業 AI 正從工具應用走向工作流重構,但組織層面的利潤兑現仍面臨落地約束。 麥肯錫2026年調查顯示,80%的受訪者表示 AI 改善個人生產率,但僅37%報告 AI 對組織 EBIT 產生正向貢獻。傳統 SaaS 和外部 FDE 均依賴客户開放數據權限、協調內部資源並配合改造。2)AI Roll-up 通過收購取得客户關係、真實工作流、生產數據與經營控制權,有助於緩解外部改造中的權限、協同和激勵約束。 收購使技術投入、組織調整與經營收益納入同一體系,也使 AI 改造收益更多留在經營主體。FDE 負責連接業務現場與技術平臺,將交付經驗沉澱為可複用的 Agent、Skill 和工作流。
2、AI 相較傳統 Roll-up 帶來了什麼增量?
1)傳統 Roll-up 的價值主要來自收入效率與費用效率改善。 收入端通過定價、獲客、轉化及交叉銷售提升商業化效率;費用端通過組織整合及技術、數據和后臺能力複用降低投入。2)AI 有望進一步放大經營改善空間,並拓寬潛在收購標的範圍。AI 將改造從后臺協同延伸至直接服務交付,通過自動化重複任務、提高人員產能和降低單位成本改善利潤率,過去受制於人工成本高、流程難以標準化的企業具備新的整合價值,潛在標的向會計、客服、IT 服務等人力密集型企業延伸。Bending Spoons 收購 StreamYard 后,其2025年較2023年廣告投入效率優化11%,付費廣告新增註冊用户增長142%,註冊至訂閲轉化率提升66%,ARMAU提升64%;收購 Evernote 后,全職員工由341人降至60人,平均 NRR 仍維持約99%。
3、海外 AI Roll-up 發展到什麼階段?商業模式與經濟性如何驗證?
1)海外已出現從一級市場到二級市場成熟資產經營改造的多層次實踐。 一級市場中,Current 整合會計事務所,Tax AI 試點處理約7,000份申報,準備時間減少約三分之一、處理能力提高約50%;Crescendo 收購 PartnerHero,平臺可自動化處理超過80%的客户交互;Dwelly 整合本地租賃機構,已簽約超過15家機構、管理超過1萬套物業,分別體現專業產能釋放、高頻服務自動化和分散業務整合。上市公司Bending Spoons(BSP)驗證了成熟資產平臺化經營的價值,AI 有望進一步放大規模效應。 公司通過統一技術、人才、數據和商業化平臺整合數字資產,2023—2025年收入 CAGR 約84%,調整后經營利潤率由35.5%提升至46.9%,核心員工人均收入由112萬美元提升至257萬美元;歷史收購后六季度平均收入提升約52%、運營費用下降約43%。AI 編寫或參與編寫的代碼合併請求佔比由1Q25不足10%升至1Q26超過90%。2)AI 帶來的經營改善有望提升 Roll-up 資本回報。 BSP 已披露交易收購價格約為1.16—3.31倍,中位數約2倍,與傳統軟件併購價格大體相近。我們的測算顯示,在2倍PS收購、持有5年、按10倍EBITDA退出的假設下,傳統 Roll-up IRR 約17.1%;若收入年增速由8%提升至10%、退出 EBITDA 利潤率由30%提升至38%,IRR 可升至25.1%,提高約8個百分點。
4、這一模式的長期產業影響是什麼?有哪些投資機會?
AI Roll-up 有望擴大 AI 商業化價值池,使其從軟件預算延伸至企業運營、人工及外包服務支出。我們測算美國八類典型企業工作流對應約1.13萬億美元年工資總額,其中約3,620億美元處於 AI 暴露範圍(反映潛在生產率價值,而非可直接獲取的收入)。AI Roll-up仍處早期驗證階段,建議重點關注兩類機會,詳見研報原文。中長期看,若模式持續驗證,軟件、IT服務及BPO等人力密集型資產的整合與重估也值得關注。
我們的差異化觀點
市場認為國內2B側SaaS類商業模式難實現,FDE等模式推進困難。我們認為AI Roll-up的意義在於同時取得客户關係、交付團隊和經營改造權,有助於緩解外部FDE項目中的權限、協同和激勵約束。
從生成內容到執行工作流,AI Roll-up具備新的技術與商業基礎
企業工作流存在較大的AI改造需求,價值主要集中在客户運營、營銷銷售、軟件工程和研發等環節。 根據麥肯錫《The economic potential of generative AI: The next productivity frontier》(2023年6月),其對16項業務職能、63類應用場景的測算顯示,生成式AI每年可創造約2.6萬億—4.4萬億美元經濟價值,其中約75%集中於上述四類職能。這些場景普遍需要處理大量信息、反覆執行任務並銜接多個崗位,具備通過AI重構交付的基礎。麥肯錫2026年調查進一步顯示,大企業受訪者中40%表示所在組織在至少一個職能中擴大Agent部署,去年為27%,企業應用正由個人工具使用向業務流程推進。
AI進入企業工作流后,如何有效推動組織改造,成為商業化的重要問題,AI Roll-up由此受到關注。企業AI工作流改造從控制權維度區分可涵蓋客户自建、外部交付和收購后改造:
1)客户側部署由客户保留經營控制權,可組合採購標準化產品、FDE項目和託管服務;
2)AI Roll-up通過併購或控股服務企業,將客户關係、交付團隊與經營決策納入同一體系,再部署AI改造。Roll-up指通過持續收購和整合同類或相關企業建立經營平臺;AI Roll-up則在此基礎上,用AI重構被收購企業的服務流程。
兩條路徑均可使用Agent平臺與FDE,並採用訂閲、項目費或結果收費。本文重點討論AI Roll-up如何通過經營控制權改善AI落地條件,並獲取服務企業經營改善的收益。根據General Catalyst《The Future of Services》(2025年8月),該機構已將應用AI與服務企業併購結合,在客服等領域推進實踐。我們認為,AI Roll-up的意義在於同時取得客户關係、交付團隊和經營改造權,有助於緩解外部FDE項目中的權限、協同和激勵約束。這使技術團隊能夠進入日常業務,在真實任務中迭代產品,再向更多企業複製。
企業AI工作流改造從IT預算起步,向業務運營與服務預算擴張
企業現有預算的遷移節奏決定AI工作流改造的真實市場空間。
現階段可承接預算分為三層:
1)第一層為IT、數字化和新增AI預算,用於模型部署、數據治理與系統集成;
2)第二層為營銷、銷售、客服等業務運營預算,用於直接提升收入或交付效率的Agent;3)第三層為客服、財務會計等外包和運營服務預算,對應供應商承擔完整交付責任並按結果收費。
Gartner於2026年4月發佈的預測顯示,2026年全球IT服務支出約1.87萬億美元,包含應用實施與託管、基礎設施服務及IaaS,預算池逐層擴大,同時提高供應商在人工、算力和履約方面的投入與責任。
按任務價值計費推動AI預算由軟件工具向業務運營延伸。 邁富時2026年中期公告顯示,公司AI應用覆蓋營銷、銷售、客服、業務分析和培訓支持,並提出由訂閲模式向按消耗量計費演進,使商業回報與客户獲得的業務價值掛鉤。客户預算擴張的前提是收入提升、有效工單、交付周期等結果能夠被驗收。
全球業務流程外包市場(簡稱BPO)代表結果型交付的長期預算邊界。 根據Grand View Research《Business Process Outsourcing Market(2026—2033)》(2026年6月更新),2025年全球BPO市場規模為3,284億美元,其中財務與會計服務佔21.4%。AI Roll-up當前可承接的市場主要集中於任務高頻、結果可衡量、流程可複用且允許數據接入的服務環節;相關收入來自被承接的服務預算,新增利潤取決於單位交付成本的下降幅度。
怎麼理解企業工作流中細分賽道的AI滲透空間?
Anthropic在2026年3月《Labor Market Impacts》中將職業任務、Claude真實使用數據和LLM理論任務結合,構建AI暴露度指標(Observed Exposure),代表理論上該職業可被AI接管的工作佔比。研究顯示AI能力在管理、金融、編程、數學等領域的具備較高的比例,比如編程&數學類職業理論上約94%的任務具備LLM滲透可能。
在此基礎上,我們進一步基於更細顆粒度的職位及就業數據,將AI暴露度映射至企業實際工作流,以估算不同服務環節潛在的AI替代/自動化空間。結果顯示,當前可被AI顯著改造的工作流主要集中於客户服務、銷售營銷、人力資源及財務等標準化程度較高、以信息處理和溝通為主的環節:其中客户服務/客服外包的AI實際暴露度約62%,銷售與營銷約38%,人力資源/招聘約33%,財務、會計與税務約29%;相比之下,法律服務、物業運營、採購供應鏈及保險后臺的暴露度約10%–20%。這意味着,企業AI改造並非均勻發生,而是優先集中在「高人工成本+高信息密度+流程相對標準化」的工作流,構成當前企業級AI應用及AI Roll-up最直接的潛在效率提升空間。
從價值量空間看,我們基於BLS職業就業統計測算不同職位在美國的就業人數及工資數據,所覆蓋的財税、客服、法律、物業、金融后臺、人力資源、採購供應鏈及銷售營銷等八類典型工作流合計對應約1,407萬美國就業人口、約1.13萬億美元年工資總額,按各職位AI實際暴露度加權后,僅美國地區可對應約3,620億美元的AI暴露工資價值量,其中客户服務/客服外包約1,073億美元、銷售與營銷約798億美元、財務會計與税務約793億美元、人力資源/招聘約424億美元(該空間為潛在經濟價值池參考,實際應用中模型能力、系統、合規、人類審覈等因素仍存在不確定性)。
個人提效尚未充分轉化為組織利潤,AI落地需要同步改造工作流。 根據麥肯錫《The state of AI in 2026: On the road to ROI》(2026年8月),80%的受訪者表示AI改善了個人生產率,37%報告AI對所在組織的EBIT產生正向貢獻;高績效AI使用者所在組織中,接近四分之三因AI應用而根本性重構工作流,其他受訪者對應比例約為四分之一。個人生產率改善與組織財務收益的不同進展,説明企業還需要圍繞AI應用調整工作流和組織方式。該調查於2026年5—6月開展,覆蓋97個國家的1,719名受訪者;高績效組指報告AI帶來至少5%的EBIT影響、並認為取得顯著價值的受訪者。
從個人AI工具走向企業級Agent,需要補齊規劃執行、系統集成與組織協作。根據百融智能《從大模型到企業級Agent:AI規模化落地的關鍵路徑》,大模型主要提供理解和推理能力,Agent還需要規劃、工具調用、記憶與執行機制;進入企業后,還需解決穩定性、權限控制、ERP/CRM連接及業務流程設計。個人工具可以由使用者補全上下文、複製結果並判斷下一步,企業交付則需要把這些工作納入可持續運行的系統。因此,AI使用深度的提升既依賴模型進步,也依賴圍繞真實任務的工程改造。
企業購買AI的重點由工具能力轉向完成工作,AI Roll-up進一步組織實現結果交付所需的資源。 根據Thrive Holdings《Long Humans》(2026年6月),外部供應商通常只能進入客户已定義的局部用例,所有者則能夠同時接觸完整工作流、生產數據、專業人員、激勵機制和改造決策權。我們認為,當AI改造需要持續調整人員分工和跨部門流程時,經營控制權使技術投入、組織調整與長期收益由同一主體統籌;若客户能夠自行完成改造,SaaS或FDE仍是更輕的路徑。本文以「AI Roll-up」為例討論取得經營控制權后的AI改造,並將客户側部署作為交付能力的對照路徑。
注:三類可組合使用;FDE是交付方式,也可用於AI Roll-up。 資料來源:OpenAI Deployment Company成立公告、Thrive Holdings《Thrive Holdings x OpenAI》、Crescendo收購及商業模式公告,華泰研究
Roll-up取得客户和經營改造權,推動服務生產方式變化
AI Roll-up取得業務入口與經營改造權,將技術投入和服務收益納入同一體系。 根據Thrive Holdings《Thrive Holdings x OpenAI》(2025年12月),雙方把OpenAI研究及應用團隊,與Thrive Holdings旗下會計、IT服務企業的工程師、運營人員和行業專家結合,直接改造其持有和運營的業務。與外部工具供應相比,該安排可以同時組織業務規則、系統接入和人員協作,技術團隊也能夠在真實任務中檢驗改造效果。收購方承擔投入並分享經營收益,為持續推動跨部門流程調整提供了組織基礎。
AI將服務業整合的降本空間,從管理協同延伸到直接交付環節。 根據General Catalyst《The Future of Services》,Crescendo通過收購PartnerHero,將AI客服能力部署到既有客户業務中,重複交互由AI承接,人工轉向複雜任務。其改造對象已經進入原先依賴服務人員完成的生產環節。在此基礎上,整合收益可以分為兩類:(1)管理、採購和渠道協同帶來的運營改善;(2)自動化減少單位服務的人力投入,使同一團隊能夠承接更多業務。第二類收益構成AI Roll-up相較傳統服務整合新增的價值來源。
AI Roll-up更適合客户關係穩定、任務持續且可衡量、跨企業流程具有共性、市場較為分散的服務行業。 穩定客户關係提供持續業務入口,高頻且可驗收的任務使AI效果能夠計量,流程共性決定首個標的的產品和實施經驗能否向后複製,市場分散則提供連續整合空間。根據General Catalyst《Europe’s AI Transformation in Services》(2026年4月),英國租賃合同通常持續3—5年,房東更換中介的窗口有限;Dwelly因而通過收購取得存量客户,再將統一流程和技術導入被收購機構。若只有人工成本較高或客户規模較大,卻缺乏任務共性和數據接入條件,后續改造仍可能依賴大量定製投入。
併購提供改造條件,FDE承擔將AI落到生產流程的工程工作。 前者解決進入哪些業務、如何安排投入和獲取收益的問題,后者解決如何將模型接入數據、系統和具體任務的問題。FDE既可服務被收購企業,也可服務外部客户,屬於交付能力;股權收購對應所有權安排。兩者結合后,AI Roll-up由完成交易進一步走向實際提效。
FDE是AI Roll-up的核心執行能力,連接業務改造與產品迭代
FDE進入業務現場,將模型能力轉化為可運行的生產系統。 FDE即Forward Deployed Engineer,前線部署工程師。根據OpenAI於2026年5月發佈的OpenAI Deployment Company成立公告,FDE與企業管理層、運營人員及一線團隊共同選擇重點工作流,將模型連接到客户數據、工具、控制機制與業務流程中;公告同時披露擬收購Tomoro,預計帶來約150名FDE及部署專家。這説明模型廠商也在配置專門的交付力量,覆蓋從需求識別、系統構建到上線運行的工程環節。
FDE既要完成現場交付,也要將經驗轉為可複用的平臺能力。 根據OpenAI《Forward Deployed Engineer (FDE), Healthcare》崗位説明,其職責覆蓋需求識別、架構、實施、評估、生產部署與交接,並要求將客户經驗沉澱為參考架構、集成方法及評測工具。其作用可歸納為三步:(1)與業務人員拆解任務,明確數據、權限、異常情況與驗收標準;(2)連接模型和企業系統,構建可追蹤、可審覈的工作流;(3)整理反覆出現的問題與共性需求,反哺平臺開發。對AI Roll-up而言,第三步決定首個標的的改造經驗能否支持后續複製。
Tax AI的生產反饋機制,展示了FDE如何把專業判斷沉澱為產品改進。 根據OpenAI《Building self-improving tax agents with Codex》,系統記錄AI生成值、會計師修改及最終申報結果,形成生產過程記錄;工程團隊從中識別重複問題,轉為評測任務,再由Codex輔助定位和修改產品,經過測試與工程師審覈后上線。這個循環把一次性的人工糾錯變成持續的系統改進,避免同類問題在每家機構反覆由人工處理,也使FDE的現場投入有機會沉澱為平臺資產。
因此,AI Roll-up的複製能力需要同時觀察經營組織與FDE交付效率。 併購規模擴大后,如果每家企業仍需要從頭開發與長期駐場,技術投入就難以攤薄;如果共性流程逐步進入平臺,FDE便可將更多時間用於新場景和複雜問題。下文先分析收費、成本與收益歸屬,再通過海外案例檢驗這一協作如何進入真實生產。
收費方式與成本責任決定AI改造收益如何分配
AI改造收益沿合同收費和股權歸屬兩條渠道分配。 按訂閲、調用量或項目交付收費時,供應商取得合同收入,客户保留扣除採購費與內部改造成本后的經營改善;按有效工單或服務結果收費時,供應商承擔更多持續履約成本,其毛利來自服務價格與單位成本之差。競爭和續約會推動效率收益通過降價、服務升級和利潤增長在客户與供應商之間分配。模型與雲廠商按實際資源消耗取得收入,平臺和交付商保留覆蓋自身成本后的收益:
1)客户側部署已形成訂閲或用量、項目交付和結果分成三類主要收費方式。 訂閲和Token按持續使用收費,適合標準化產品;項目或FDE按實施範圍、數據量和里程碑收費,適合仍需共創的場景;有效工單、GMV或業務增量分成與客户結果直接掛鉤,適合供應商能夠承擔完整履約責任的業務。三類方式可以組合,企業通常根據產品標準化程度和履約責任選擇收費結構。
2)AI Roll-up則通過股權安排分享服務企業的剩余利潤,並承擔收購和整合風險。 Thrive Holdings在《Long Humans》中披露,合作方保留有意義的股權和經營參與。平臺收益因此取決於持股比例、利潤分配約定和持續投入。並表收入、被收購企業經營利潤與歸屬於平臺股東的利潤分別對應不同口徑;平臺回報需結合客户續約價格、原股東留股和資本投入分析。
海外平臺已進入生產部署,一二級市場均出現驗證
海外AI Roll-up已經從早期概念探索逐步進入商業化驗證階段。過去兩年,隨着生成式AI能力成熟、企業AI改造需求提升,以及併購資金持續進入,市場開始出現一批以「收購成熟軟件或服務企業+AI改造提效」為核心模式的平臺型公司,並逐步形成圍繞收購運營、AI交付和資本支持的產業分工。
從產業結構看,Caritas Venture將產業鏈大致可分為三類核心角色:
1)第一類是以Bending Spoons、Beacon Software、Long Lake等為代表的收購運營平臺,通過持續併購已有軟件或服務企業,並將AI研發、數據和運營能力集中至統一平臺,實現被投企業的效率提升和利潤率改善;
2)第二類是以Distyl AI、The OpenAI Deployment Company等為代表的AI轉型合作伙伴,通過FDE或嵌入式技術團隊深入企業工作流,為被投或客户企業完成AI化改造;
3)第三類則是General Catalyst等資本提供方,為Roll-up平臺提供股權、債務及后續併購資金。傳統PE如Apollo、Vista、Blackstone等則構成這一模式的參照組,其核心差異在於AI Roll-up不僅依靠財務工程和規模整合,更試圖將可複用的AI能力轉化為持續的運營改善工具。
一級市場:傳統企業工作流中的三類經營改造路徑
AI Roll-up在海外一級市場中進展較多,目前已從組建平臺和完成收購,推進到在部分業務中驗證實際運營效果。 根據General Catalyst《Europe’s AI Transformation in Services》(2026年4月),其已創建或投資Accrual、Beacon Software、Crescendo、Dwelly、Eudia、Integral、Long Lake及Titan MSP等八項AI服務改造項目;Thrive Holdings(OpenAI持股)也已將會計與IT服務作為技術合作的切入點。不同項目處在組織整合、任務部署與經營改善的不同階段,成熟度判斷需要分別跟蹤三類進展,並結合實際運營指標評價。
會計、客服與租賃服務分別展示了釋放專業產能、重構高頻交付和整合分散業務三種機制。 會計服務中的資料準備較耗時,AI可以先減少專業人員的重複工作;客服任務高頻發生,處理結果可以直接對應服務交付;租賃業務則依賴本地客户關係,併購與流程標準化需要共同推進。比較這三類案例,可以進一步識別AI Roll-up的價值究竟來自哪里,以及技術能力如何與行業經營條件結合。
會計服務:OpenAI案例優化税務產能,Current整合專業團隊
Current通過整合獨立會計事務所,保留本地客户關係並集中建設AI能力。 根據Current《Crete Professionals Alliance Rebrands as Current to Equip Independent Accounting Firms to Compete at Enterprise Scale》(2026年6月2日),Crete Professionals Alliance更名為Current,平臺員工超過2,000人、年收入超過5億美元;成員事務所保留自身品牌、管理團隊及部分權益,並使用共享技術和交付資源。這種安排將客户信任與行業經驗留在原有團隊,同時由平臺承擔AI建設,為Tax AI在真實業務中迭代提供條件。
Tax AI由FDE、平臺工程師與會計師共同開發,專業知識直接進入產品迭代。 根據OpenAI《Building self-improving tax agents with Codex》(2026年5月),OpenAI的FDE與研究人員、Thrive Holdings工程師和Crete會計師合作構建系統。會計師識別資料、規則及字段處理中的實際問題,工程團隊將這些反饋轉化為可測試的產品改進。這種協作把現場專業判斷與平臺開發連接起來,體現了FDE在AI Roll-up中既交付業務、又反哺產品的作用。
真實税季反饋推動Tax AI提升準確性,並減少税務準備所需工時。 根據上述OpenAI案例,系統在參與試點的機構處理了7,000份税務申報,節省約三分之一準備時間,處理能力提高約50%;上線時,達到至少75%字段正確率的税表佔比為25%,六周后升至86%。該佔比衡量税表達到指定字段正確率門檻的情況,反映后續人工修正需求的變化。該案例説明,FDE與專業人員持續處理真實錯誤案例,可以減少重複複覈工作,併爲同一團隊擴大業務承接量創造條件。
客户服務:Crescendo整合技術與運營,推動按結果交付
Crescendo將AI客服與外包運營團隊整合,按問題處理結果交付服務。 客服請求能夠圍繞查詢、修改及反饋形成連續處理,因而比單純提供專業輔助更接近直接交付結果。根據Crescendo《Crescendo – the next episode!》(2024年10月2日),公司收購PartnerHero后,合併業務覆蓋超過200家客户,ARR超過5,000萬美元,EBITDA為正,並採用按交付結果收費的方式。收購提供了既有客户與人員基礎,AI、軟件模塊和人工協作則構成新的服務供給。
客户存量為Crescendo提供了部署空間,自動化則改變了單位服務所需的投入。 根據General Catalyst《The Future of Services》(2025年8月),Crescendo平臺能夠自動化處理超過80%的客户交互,向PartnerHero客户推廣的相關部署毛利率達到60%—65%或更高。其經濟邏輯在於,把重複交互交由AI處理,將人工集中在複雜問題上,擴大服務供給的同時減少人力隨業務量同比例增加的壓力。
Crescendo后續產品演進進一步指向整個客服流程的整合,説明前端自動回覆仍需要后端系統支持。 根據公司於2026年8月25日發佈的客户體驗平臺公告,其將客服、工單、人員管理、質檢和知識管理等功能整合,並披露過去一年AI處理量增長600%、AI客户數量增長200%。我們認為,從收購運營商到擴充統一平臺,體現了規模化服務對全流程能力的需求:只有理解、執行、交接和質量反饋能夠連接起來,更多客户交互纔可能轉化為穩定交付。
租賃服務:Dwelly通過併購進入本地業務,再以AI提升流程效率
Dwelly通過整合本地機構擴大業務覆蓋,再以流程自動化提高管理效率。 與會計、客服案例側重已有任務的交付改造不同,租賃中介的本地客户關係也是擴張的重要條件。根據General Catalyst《Europe’s AI Transformation in Services》(2026年4月8日),Dwelly已簽約超過15家機構,在管物業超過10,000套;據該文轉述的公司數據,尋找租客所需時間由行業常見的約三周縮短至兩天以內,管理人員生產率翻倍。相應收益有兩條傳導路徑:(1)減少溝通與資料處理佔用,提高單個團隊的管理能力;(2)縮短服務等待,改善房東與租客體驗,為保持存量客户關係提供支持。經營規模、作業效率與客户關係由此在同一業務中相互連接。
海外案例的共同路徑,是在真實業務中完成改造,再將交付經驗沉澱為平臺能力。 Tax AI通過FDE與專業人員協作改進税務準備,Crescendo將客服與后臺執行整合,Dwelly在本地業務基礎上推進流程提速。三者的提效均建立在收購后的數據接入、任務重構和持續反饋之上;交付經驗在后續業務中的複用程度,決定平臺擴張所需的新增研發與實施投入。
AI平臺收購服務團隊與經營平臺導入AI,是兩種相互補充的整合路徑。 Crescendo原有AI客服能力,通過收購補齊客户及人工運營;Dwelly以本地機構和物業關係為業務基礎,再用技術統一交付。根據兩者公開披露,前者的重點是將技術能力轉為可驗收的服務,后者的重點是將分散業務轉為可複製的經營流程。兩種路徑最終都需要把客户關係、專業人員和技術平臺組合起來,但最先需要解決的問題不同。
二級市場:Bending Spoons平臺化改造驗證AI Roll-up 的規模效應
Bending Spoons通過收購成熟數字產品、深度改造並長期持有,實現資產規模與經營收益的持續積累。 公司成立於2013年,總部位於意大利米蘭,2026年7月於納斯達克上市,為AI roll-up賽道二級市場標的中較為直接的印證。旗下產品覆蓋AI影像Remini、筆記工具Evernote、文件傳輸WeTransfer及視頻平臺Vimeo等,2026年又收購Airtable與Miro,進一步進入企業數據和協作工作流。公司將核心人才、專有技術和專有數據組成的統一Platform用於不同資產,通過複用工程、產品和商業化能力改善經營,再將收益投入新收購,至今未出售重大業務。
併購驅動規模擴張,平臺複用同步體現為調整后利潤率和核心團隊人效提升。 根據公司招股書,2023—2025年收入由3.87億美元增至13.06億美元,複合增速約84%;調整后經營利潤率由35.5%升至46.9%,單位核心員工收入由112萬美元升至257萬美元。2024年、2025年有機收入分別增長7%和13%,表明高增長主要由併購推動,而盈利與人效指標改善為跨資產經營能力提供了支持。
Bending Spoons的價值創造來自組織、技術和商業化的協同改造。 公司收購已有品牌、用户和收入基礎的產品,完成交易后精簡組織、重構技術架構、加快產品迭代,並通過用户實驗優化獲客、套餐與定價。集中配置的核心人才和共享技術工具,使這些改造方法能夠在不同產品之間複用。
Remini與Evernote分別展示了產品增長和單位經濟改善兩條路徑。 Remini通過AI影像和訂閲經營擴大用户及收入;Evernote通過組織精簡、技術重構和套餐調整,同時降低成本率、提高單位用户收入。Vimeo的性能改善進一步體現工程能力向其他產品的應用,主要改造及成效如下表。
AI的增量既來自產品功能,也來自核心平臺自身的生產率提升。 Remini的AI影像、Evernote的知識搜索等功能有助於提升產品價值;平臺內部,AI則進入開發和實驗流程。據招股書,AI編寫或參與編寫的代碼合併請求佔比由1Q25不足10%升至1Q26超過90%,其中約70%由AI獨立編寫。我們認為,工程與數據能力共享疊加AI輔助開發,有望減少新資產所需的重複投入,擴大核心團隊可承擔的改造規模。
從Bending Spoons的案例中可以得出:
1)證明可以通過中央運營平臺獲得非常高AI roll-up的經營改造回報。 歷史收購六季度后平均收入提升約52%、運營費用下降約43%,使資產的EV/經營利潤從收購時19.3x下降至第三年的2.7x,對應歷史無槓桿IRR約39%。
2)回報的核心除了人員優化外,更來自中央平臺替代了單個公司的重複組織能力。 共享人才、技術、數據和運營工具使被收購公司在大幅壓縮組織后仍可維持甚至提升產品效率,因此價值創造同時來自成本重構和收入優化。
3)AI在傳統Roll-up的基礎上顯著放大其規模經濟。 一方面AI提高人效和協同,另一方面AI壓低成熟軟件估值、增加潛在賣方,因此AI Roll-up相較傳統Roll-up新增的價值,本質上是更低的收購成本、更低的改造成本以及更高的可管理資產規模。
AI Roll-up 的經濟效益模型
AI Roll-up的收購價格大致在1~3倍PS區間,與傳統SaaS收併購平均價格相近。在AI Roll-up的收購交易中,基於Bending Spoons已披露的三筆交易,支付對價相當於標的年收入的1.16—3.31倍,中位數約2倍。對比傳統Roll-up市場,Silverpeak統計截至2026年7月13日的軟件併購近四季度EV/收入和EV/EBITDA中位數分別為2.2倍和11.1倍,AI Roll-up與傳統Roll-up收購價格大體相近。
傳統 Roll-up 的經營回報主要來自收入效率提升與費用效率改善,本質是通過更成熟的經營體系重構被收購資產的單位經濟性。
1、收入端,Roll-up通過定價、獲客、轉化和產品運營提升商業化效率。以 Bending Spoons 收購 StreamYard 后的運營為例,公司兩年內圍繞 onboarding、paywall、訂閲周期、定價及結賬流程開展超過140次實驗;2025年相較收購前的2023年,廣告投入下降11%,但付費廣告帶來的新增註冊用户增長142%,註冊用户向訂閲用户的轉化率提升66%,ARMAU提升64%,較直接驗證了專業化運營能夠在降低獲客投入的同時提升用户增長、付費轉化與單用户價值。
2、費用端,Roll-up 的改善主要來自組織精簡以及技術、數據、營銷和后臺能力的平臺化複用。Bending Spoons 收購 Evernote 后,將相關全職人員由341人降至60人,減少約82%,但2023年至1Q26平均NRR仍維持在99%左右,説明大幅降低人員投入並未明顯破壞存量客户基礎。集團層面,Bending Spoons 核心員工人均收入由2023年的約112萬美元提升至2025年的257萬美元,廣告費用率則由9%下降至6%,1Q26進一步降至3%,反映收購資產接入統一平臺后,人效提升和固定費用攤薄可以形成較強的經營槓桿。
在相同收購價格和退出估值下,AI帶來的收入增長及利潤率改善,有望顯著提升Roll-up投資回報。以初始收入100、收購價格2倍PS、持有期5年、退出估值10倍EBITDA為統一假設,僅計算初始收購與期末退出對應的IRR。傳統Roll-up情景下,收入年增速為8%、退出EBITDA利潤率為30%,第5年EBITDA為44.1,退出價值為440.8,對應IRR為17.1%;AI Roll-up情景下,收入年增速提升至10%、退出利潤率提升至38%,第5年EBITDA增至61.2,退出價值增至612.0,IRR升至25.1%,較傳統情景提高約8個百分點。該測算表明,在不依賴退出估值提升的條件下,經營改善本身即可形成可觀的回報增量。
中國落地從既有業務切入,產品複用與收費模式決定擴張質量
中國企業正通過協作平臺和垂直崗位產品,將AI能力引入既有客户的業務流程。 根據明略科技,Octo將人、Agent、任務與反饋納入統一協作網絡,公司在內部交付改造中沉澱可複用Skill並推進FDE轉型;百融智能《從大模型到企業級Agent:AI規模化落地的關鍵路徑》則將垂直模型、通信工程與FDE結合,服務AICC崗位場景。兩者分別從企業協作與具體崗位切入,共同指向降低重複實施投入、擴大業務承接能力的經營目標。
明略科技:Octo沉澱組織協作能力,FDE推動工作流複製
明略先在自身數據與營銷業務中驗證AI工作流。 根據公司公告,秒針依託DeepMiner推進工作流改造,相關項目歷時60天貫通鏈路,在保留必要人機協作的前提下,全鏈路AI自動完成率達到90%。公司以社媒洞察與報告交付為例,將數據查詢、統計分析和圖表生成封裝為標準化AI技能。這個案例的重要意義,是把原來由專業人員串聯的多個步驟組織成可持續運行的交付流程。
Octo將分散的Agent組織成協作網絡,使任務、上下文和交付結果在團隊內連續流轉。 根據明略科技《截至2026年6月30日止六個月中期業績公告》,Octo以Bot、Channel/Thread和Loop組織人機協作:Agent以Bot身份加入團隊,在項目頻道中接收任務;經人確認后形成Loop,明確負責人和交付物,並記錄需求、討論、產出與驗收。其提供流水線、分項協作、討論與審覈等多種編排方式,使不同Agent圍繞同一項業務銜接執行。對企業而言,這有助於把個人對話窗口中的單點能力轉為能夠交接和追蹤的團隊工作流。
Octo通過反饋沉澱知識與技能,為FDE交付后的持續複用提供產品載體。 根據明略科技上述中期業績公告,項目背景與歷史決策形成Context,人工驗收中的判斷及偏好形成Taste,Bot習得的規範與方法沉澱為可複用Skill;平臺支持開源與私有化部署。FDE在客户現場完成數據與系統適配后,相關經驗可以在平臺上持續積累,並用於后續同類任務。由此,明略的交付模式不只依賴工程師反覆實施,也包含通過Octo保留業務知識、執行規範和反饋結果的產品化路徑。
明略擬通過收購普聯,將AI協作平臺與企業軟件交付資源結合。 根據普聯軟件《關於公司股東簽署股份轉讓等相關協議暨控制權擬發生變更的提示性公告》(2026年7月30日),明略科技全資控制的明略昭輝擬以約8.59億元受讓普聯19.07%股份,交易完成后取得控制權。普聯《2025年年度報告》披露,公司年末員工2,776人,其中技術人員2,638人,主要服務大型集團管理信息化需求。我們認為,Octo提供任務編排與組織知識積累的載體,普聯提供長期客户關係和企業系統實施基礎,FDE則承擔業務流程與AI能力的現場連接,三者結合有助於將內部改造經驗向客户項目複製。明略計劃導入AI平臺、開發工具和培訓,將其逐步升級為連接客户業務與AI的FDE。交付流程將轉向FDE理解需求、Agent執行、人工審覈上線。Octo平臺、Agent、Skills及行業案例可跨項目複用,FDE負責現場適配,后臺持續沉澱經驗;同時通過AI Coding,從財務模塊向更多ERP功能擴展。
明略已在內部交付中沉澱可複用技能,平臺化複用有望降低新增項目的實施投入。 根據明略科技《截至2026年6月30日止六個月中期業績公告》,公司在172個報告交付場景建立AI提效量化基線,披露綜合提效56.1%,並沉澱359個可複用Skill,約三成交付人員轉型為FDE。結合普聯《2025年年度報告》披露的職工薪酬佔營業成本69.27%,同類任務複用、實施工時減少和人員產能提升,均有望成為改善軟件服務交付成本的途徑。
百融智能:以垂直崗位能力切入,將模型與工程體系用於AICC
百融智能以垂直模型提供共性能力,通過FDE適配客户業務。 與明略從大型企業系統交付切入不同,百融智能將智能聯絡中心(AICC)作為主要崗位場景。根據百融智能《從大模型到企業級Agent:AI規模化落地的關鍵路徑》(2026年9月3日),BR-Voice、BR-LLM-Proactive與BR-Vision-Doc分別側重實時語音、主動對話和文檔理解,並配套電話窄帶優化、線路與軟交換、業務系統接口及FDE交付。其中,模型與通信能力構成可複用基礎,FDE負責進入客户系統、完成工作流改造,連接共性技術與不同客户的知識、權限和業務動作。
複雜呼入要求Agent完成查詢、覈驗與處理,檢驗完整交付能力。 以物流異常查詢為例,系統需要理解用户表述,識別相關訂單,查詢運輸狀態,再根據情況登記處理或交接人工;完整服務還要求系統繼續執行訂單查詢、狀態覈驗、處理登記或人工交接。根據百融智能《從大模型到企業級Agent:AI規模化落地的關鍵路徑》,其物流應用覆蓋查件、催件、派件異常、地址修改和投訴反饋。由單一識別能力進入連續業務處理,意味着產品評價也需要由技術指標進一步轉向問題解決質量和處理效率。
百融智能披露的物流呼入量和券商部署規模較初期顯著提升。 根據百融智能《從大模型到企業級Agent:AI規模化落地的關鍵路徑》,某物流場景日處理呼入量由2026年7月上線初期不足1,000通,增至8月底超過15,000通;某頭部券商硅基客服部署規模由年初約30席,增至8月底約210席。規模變化提供了客户採用的具體依據,而同一技術體系能否減少不同項目的適配工作,則決定其進一步擴張時的投入效率。
百融智能提出有效工作量、Agent部署量和業務分潤三類收費方式。 根據百融智能《從大模型到企業級Agent:AI規模化落地的關鍵路徑》,其展示的企業級Agent商業模式包括成功完成且無需轉人工的工單或有效通話、實際部署Agent數量,以及促成業務規模的分成。三者分別對應有效工作量、服務產能和客户經營結果,其中按部署數量計費仍屬於產能計費,與嚴格意義上的按完成結果結算存在區別。我們認為,這類模式的核心是讓收費與可驗收產出匹配,同時將AI運行、人工複覈和實施維護納入成本管理,才能判斷業務擴張是否真正增加利潤。
AI技術可靠性不足:AI模型輸出準確性及穩定性提升不及預期。
客户採用不及預期:企業客户對AI產品的採購及部署進度不及預期。
併購整合不及預期:併購后業務、客户及組織協同效果不及預期。
行業競爭加劇:行業參與者增加及競爭加劇可能壓縮盈利空間。
研報《AI Roll-up重構服務交付》2026年11月2日
夏路路 分析師 S0570523100002 | BTP154
蘇燕妮 分析師 S0570523050002 | BTT483
邵浩嵐 分析師 S0570526080003 | BWH250