投资逻辑：

大模型能力突破、成本降低、开放权重模型加速迭代，推动 2026 年 AI 应用正式迈入百花齐放。我们对 AI 软件应用 保持乐观，重点看好四类方向：铲子股/卖水人、Infra、定制化重的 IT 交付，以及与业务流程深度结合的行业软件。  铲子股/卖水人最先受益，高质量非公开数据与真实实验需求有望增加。模型能力越强、应用场景越多，对专业 数据和结果验证的需求也越大。非公开数据库、实验结果及失败记录难以从公开语料中获得，拥有这些资源的平台可 以服务多家模型与应用厂商，有望率先承接增量。以医疗和金融为例，1）医疗领域，AI 降低蛋白及抗体设计成本， 但结合能力与生物活性仍需湿实验验证。相关需求已开始落地：Twist 参与 Anthropic 蛋白设计的生产与检测，金斯 瑞 2026 年中期业绩披露 AI 赋能药物发现业务收入翻倍。2）金融领域，同花顺、东方财富通过 MCP 将专业数据库接 入 Agent，数据使用从人工查询延伸至持续、批量调用，有望扩大付费空间。

 Infra 是应用落地的前置必备条件，海外财报已率先验证需求。Agent 进入企业业务，需要数据平台连接信息、 网络安全管理权限、可观测性平台追踪执行过程，以及网络服务支持高频调用等。海外 Infra 财报已率先验证这一增 量需求：如 1）Snowflake FY27Q2 产品收入 14.919 亿美元、同比增长 37%，连续第三个季度加速，全年产品收入指引 由 58.4 亿上调至 60.7 亿美元，CoCo 使用账户超过 9,100 个；2）Datadog 2026Q2 收入同比增长 36%，全年收入指引 由 43.0 亿-43.4 亿美元上调至 44.5 亿-44.7 亿美元。

 定制化程度较高的 IT 项目，需要端到端的解决方案，FDE 与 AI Coding 推动交付体系重塑。政务、央国企、银 行和大型企业 IT 涉及复杂流程与历史系统，AI 落地仍需咨询规划、系统集成、测试验收和持续运营。大客户转型需 求也体现在订单中：Accenture FY26 新签订单 845 亿美元，全年共有 141 笔单季度超过 1 亿美元的大单。国内厂商 也在推进交付改革，如拓尔思将算法、工程和产品人员前置到客户现场，把经验转化为 Skill、模板和产品能力；软 通动力组建 FDE 客户工程中心，农牧领域咨询、ERP 定制开发与 AI Agent 相关项目上半年签约超千万元。软件公司亦 需重塑交付流程：FDE 模式下，前端咨询与方案设计更为重要，后端开发可通过 AI Coding 大幅提效，管理方式与组 织模式也需同步改革。

 行业 Knowhow 与业务流程结合越紧密，应用的长期价值越突出。ERP 掌握采购、财务、库存等流程，CRM 连接客 户数据、营销触达与成交反馈，EDA、CAD、PLC 依赖私有工程数据、专业工具和高精度验证，模型需与既有系统深度 结合才能完成任务。从相关厂商商业化进展来看：1）Workday FY27Q2 披露，AI 贡献超过 25%的当季新增 ACV；2） Salesforce FY27Q2 Agentforce 相关 ARR 超过 15 亿美元，当季智能体工作单元达 32 亿、环比增长 97%；3）金蝶 2026H1 AI 原生产品收入约 2.96 亿元、同比增长 189%，AI 合同签约约 6.05 亿元、增长 159.2%。

相关标的

• 1）云：阿里巴巴-W、金山云、优刻得、首都在线等；
• 2）AI Infra：深信服、绿盟科技、德才股份、达梦数据、卓易信息、星环科技、广立微等；
• 3）AI4S：金斯瑞生物科技、英矽智能、晶泰控股、百普赛斯、药明康德等；
• 4）AI 应用：迈富时、汇量科技、中控技术、金蝶国际、鼎捷数智、用友网络、泛微网络、海致科技集团、汉朔科技 等；
• 5）IT 咨询与交付：软通动力、汉得信息、拓尔思等。 风险提示 AI 应用商业化不及预期的风险；企业 IT 预算恢复不及预期的风险；行业竞争加剧的风险；海外宏观及汇率波动风险。

内容目录

一、引言：2026 年起 AI 应用正式百花齐放 ......................................................... 4

• 1.1 大模型能力持续突破..................................................................... 4
• 1.2 模型成本持续降低....................................................................... 4
• 1.3 开放权重加速迭代....................................................................... 6
• 1.4 企业级 AI 加速落地，2026 年应用迈入百花齐放 ............................................. 6

二、铲子股/卖水人最先受益...................................................................... 6

• 2.1 AI4S：设计成本降低，实验需求增加....................................................... 6
• 2.2 金融：专业数据库接入 MCP ............................................................... 8

三、Infra 是应用落地的前置必备条件 ............................................................. 9

• 3.1 数据平台、网络安全等 Infra 成为 AI 落地刚需 .............................................. 9
• 3.2 Infra 是海外财报率先验证的方向 ........................................................ 10

四、定制化重的 IT 交付：端到端方案与 FDE 模式重要性凸显 ......................................... 12

• 4.1 复杂客户需求需要端到端交付............................................................ 12
• 4.2 Accenture 财报验证 IT 服务需求 ......................................................... 12
• 4.3 国内实践案例：拓尔思、软通动力推进 FDE ................................................ 13
• 4.4 软件公司需同步进行管理与组织改革...................................................... 14

五、行业 Knowhow：与业务流程结合越紧密，长期价值越突出 ........................................ 14

• 5.1 ERP：从记录业务到执行业务............................................................. 14
• 5.2 CRM：高频、个性化的销售与营销任务，有望形成较大的 Token 消费需求 ....................... 15
• 5.3 工业软件：私有数据与高精度要求构成壁垒................................................ 16

六、结语：AI 拓展软件成长空间，软件厂商亦需同步重塑 ........................................... 17 七、相关标的.................................................................................. 17 风险提示...................................................................................... 17

图表目录

• 图表 1： DeepSeek Agent 能力评测 ............................................................... 4
• 图表 2： GPT‑6.1 Sol 与 GPT‑6 Astra 标准 API 单价对比 ............................................. 5
• 图表 3： DeepSeek KV Cache 占用对比 ........................................................... 5
• 图表 4： DeepSeek V4.1-Flash API 价格 .......................................................... 5
• 图表 5： AI 蛋白设计与湿实验验证结果 ............................................................ 7
• 图表 6： 金斯瑞 Gene-to-Protein 服务流程 ......................................................... 7
• 图表 7： 同花顺 iFinD MCP 工具接口 .............................................................. 8

• 图表 8： 东方财富妙想 MCP 应用生态 ............................................................. 8
• 图表 9： Snowflake 数据与 Agent 平台架构 ........................................................ 9
• 图表 10： Datadog Agent 运行监测 ............................................................... 9
• 图表 11： Snowflake 产品收入增长趋势........................................................... 10
• 图表 12： CrowdStrike 收入、ARR 与净新增 ARR 增长 ............................................. 11
• 图表 13： 海外软件 Infra 估值对比（截至 2026 年 10 月 2 日收盘） .................................. 12
• 图表 14： Accenture FY26 收入、订单与现金流 ................................................... 13
• 图表 15： 拓尔思六层数力架构 .................................................................. 13
• 图表 16： 软通动力 ASDM 能力地图 ............................................................. 14
• 图表 17： Workday 业务平台与 Agent 体系 ........................................................ 15
• 图表 18： Agentforce 运行架构 .................................................................. 16
• 图表 19： Synopsys 工业 Agent 产品组合 ......................................................... 16

一、引言：2026 年起 AI 应用正式百花齐放

大模型能力突破、成本降低与开放权重模型加速迭代，共同推动 2026 年 AI 应用迈入百花齐放。1）能力方面，模型 从 Chat 走向长 Agent，能够连续规划、调用工具并执行跨系统、多步骤任务，应用范围由内容生成扩展至完成业务工 作；2）成本方面，模型价格下降与任务效率提升，改善高频调用和批量任务的经济性；3）开放权重模型则为企业提 供更多部署与定制选择，推动模型与私有数据、行业流程结合。三方面进步共同降低应用落地门槛，企业软件厂商披 露的 AI 收入、订单与使用量增长，也表明技术进步正逐步转化为商业增量。

1.1 大模型能力持续突破

大模型能力跃迁，推动 AI 从 Chat 走向能够持续执行任务的长 Agent。模型开始围绕一个目标连续规划、调用工具、 观察结果并调整下一步，减少每个环节都由人工重新组织的需要。编程能力提升，使模型能够编写数据处理脚本、修 改应用和完成测试；计算机操作能力提升，则让 Agent 使用既有软件，扩大可执行任务的范围。应用的变化在于服务 内容由回答问题延伸至完成工作，产品也需要进一步连接数据、软件工具与业务流程。

编程、计算机操作与长周期任务能力提升，扩大了模型能够承担的工作范围。Anthropic 于 9 月 28 日发布 Claude Sonnet 5.5。按公司评测，其 Terminal-Bench 4.0 得分由 Sonnet 5 的 10.3%提升至 70.6%，OSWorld 2.1 得分由 57.0% 提升至 80.1%；公司同时展示了多文件编程和长周期知识工作能力。DeepSeek 于 9 月 10 日发布 V4.1-Flash，Agent 评测覆盖终端编程、软件工程、网络安全与自动化任务。模型能力提升，直接扩大了应用可以承担的工作范围。

• 图表1：DeepSeek Agent 能力评测

来源：DeepSeek，国金证券研究所

1.2 模型成本持续降低

模型价格与任务效率共同改善，有利于高频 AI 应用形成可持续的商业模式。企业实际承担的费用既取决于 API 单价， 也取决于 Token 用量、工具调用、重复尝试和人工复核。规划更准确，可以减少无效搜索与返工；缓存减少重复处理 长上下文的开销；将常规任务分配给成本较低的模型，也能控制整体费用。当质量达到业务要求后，成本继续下降将 使更多批量处理和长尾场景具备投入价值，并为应用厂商扩大服务量、改善毛利提供条件。

GPT‑ 6.1 Sol 以更低的 API 单价提供接近 Astra 的能力，进一步降低前沿模型的使用门槛。OpenAI 于 9 月 29 日发布 该模型，官方将其定位为复杂工作的高性价比选择。标准 API 计费下，每百万 Token 输入、输出价格分别为 2 美元、 10 美元，而 GPT‑ 6 Astra 为 10 美元、50 美元，两项单价均为 Astra 的 1/5。更低单价有利于高频 Agent 和批量任务 落地；具体任务费用仍取决于 Token 用量、工具调用和执行次数。

图表2：GPT‑6.1 Sol 与GPT‑6 Astra 标准API 单价对比

来源：OpenAI 官方模型对比，国金证券研究所整理。注：单位：美元/百万 Token

推理效率、缓存占用和计费方式的改善，共同降低 AI 应用的运行成本。Sonnet 5.5 输入、输出单价仍为每百万 Token 2 美元、10 美元，缓存读取为 0.20 美元；公司测试显示，完成同一任务的成本最高下降 30%，输出速度提升超过 30%。 DeepSeek V4.1-Flash 输入、输出分别激活 8B、16B 参数，KV Cache 所需 HBM 和 SSD 存储较上一代分别降至约 1/4 和 1/8。其峰时缓存未命中输入、输出单价为每百万 Token 0.30 美元、1.20 美元，非峰时减半。

图表3：DeepSeek KV Cache 占用对比

来源：DeepSeek，国金证券研究所，注：单位：bytes/token。

图表4：DeepSeek V4.1-Flash API 价格

来源：DeepSeek，国金证券研究所，注：单位：美元/百万 Token。

1.3 开放权重加速迭代

开放权重与配套工具逐步完善，为企业开发和部署行业模型提供更多选择。NVIDIA 于 7 月 14 日介绍 Nemotron 开放 模型体系，企业可以结合私有知识和业务流程定制模型，并用自身数据检验和改进效果；NeMo 进一步提供定制、评估、 Agent 优化与治理工具。国内方面，Qwen3.6-27B 采用 Apache 2.0 许可，支持 262,144 Token 原生上下文，并配套 Qwen-Agent、Qwen Code 等工具。模型权重与工具链同步开放，使企业能够根据自身任务调整模型与部署方式，降低 专业应用的开发门槛。

开放权重模型的产业意义，在于让企业更容易围绕自身数据和流程开发、部署与运营 AI。企业可结合数据要求、硬件 条件和任务复杂度，选择私有部署、行业微调或混合调用，软件厂商也更容易将模型接入既有产品和客户环境。基础 能力的获取方式更加丰富之后，差异化将更多来自行业数据、工具接口、业务规则与效果评估。这一变化有利于具备 客户基础和行业经验的应用厂商，将积累转化为满足具体需求的产品与服务。

1.4 企业级 AI 加速落地，2026 年应用迈入百花齐放

企业软件开始披露 AI 相关收入、合同与使用情况，商业化进展逐步清晰。Salesforce 于 8 月 26 日公布 FY27Q2 业绩， Agentforce 相关 ARR 超过 15 亿美元，Agentforce 与 Data 360 合计 ARR 接近 39 亿美元。Workday 于 8 月 27 日披露， AI 贡献超过 25%的当季新增 ACV，超过 5,500 家客户使用至少一种自研 Agent。ServiceNow 于 7 月 22 日公布 Q2 业绩， 订阅收入 38.77 亿美元、同比增长 24.5%，并发布融合 Now Assist、Moveworks 和 AI Experience 的 Otto 统一 AI 入 口。企业 AI 正从试用走向采购和日常使用。

本篇我们重点讨论 AI 应用值得长期跟踪的四个方向：第一，高质量非公开数据和真实实验为模型提供输入与验证， 铲子股/卖水人有望率先受益；第二，数据平台、网络安全等 Infra 支撑应用稳定运行；第三，定制化程度较高的 IT 项目需要端到端实施，FDE 与 AI Coding 有望改变交付方式；第四，ERP、CRM 和工业软件将模型连接至业务规则与专 业工具。

二、铲子股/卖水人最先受益

铲子股/卖水人有望率先受益，其中高质量非公开数据源最具代表性。企业经营数据、专业数据库、实验结果和失败 记录，包含公开语料难以覆盖的时效性信息、行业口径和验证依据。模型可以提出更多假设、执行更多任务，但仍需 要可靠数据判断结果是否符合现实。我们认为，模型能力提升反而会增加对专业信息与验证服务的需求；能够同时服 务多家模型和应用厂商的平台，有望在行业扩张初期承接增量。以下以目前进展较快的医疗和金融为例，分析具体受 益路径。

2.1 AI4S：设计成本降低，实验需求增加

AI 降低候选设计成本，有望带动湿实验验证需求扩张。模型能够阅读文献、调用算法、生成序列并开展计算筛选，但 蛋白能否表达、是否稳定、能否结合靶点及发挥功能，仍需实验确认。设计提速并不意味着样品生产、表达纯化、检 测和质控可以同步省略。当候选生成更快、更便宜，后续验证需求有望增加，实验平台的高通量、交付周期和结果一 致性将更加重要。这也是 AI4S 发展能够带动实验材料与服务需求的主要逻辑。

前沿模型厂商将蛋白设计与湿实验结合，Twist 等服务商开始参与 AI 研发验证。8 月 18 日，Anthropic 披露模型针对 15 个靶点生成设计，由 Adaptyv Bio 与 Twist 独立生产并开展实验，最终在 14 个靶点获得成功结合结果。公司指出， 模型可以缩短计算设计时间，湿实验仍需数周。Twist 同日披露，其负责规模化生产 AI 设计蛋白并检测结合能力。9 月 23 日，Anthropic 进一步披露已于 2026 年春季组建实验团队、建设自有实验室，继续投入真实实验。我们认为， 这类合作说明真实实验仍是检验模型设计能力的重要环节，实验平台能够通过提供生产和测试服务参与模型迭代。

图表5：AI 蛋白设计与湿实验验证结果

来源：Anthropic 蛋白设计研究，国金证券研究所

Twist 接入礼来 TuneLab，将模型筛选与可采购的抗体表征服务连接起来。9 月 16 日，Twist 宣布为 Lilly TuneLab 提供抗体表征数据服务，覆盖 AbLab 抗体可开发性预测模型等工具。用户可按平台优选的实验方案向 Twist 订购服 务，获取湿实验数据。模型设计与可采购的实验服务相结合，使 Twist 能够直接承接候选筛选、结合能力和稳定性评 价等新增需求。

金斯瑞 AI 赋能药物发现业务收入翻倍，AI 研发需求开始体现为实验服务收入。公司 2026 年中期业绩披露，AI 赋能 药物发现业务收入翻倍，已连续第三个半年度快速增长；Gene-to-Protein 约占生命科学业务集团收入的 66%。金斯 瑞 Gene-to-Protein 服务覆盖基因合成、载体准备、蛋白表达、纯化和质控，可将候选序列转化为实验材料。设计时 间缩短之后，一体化服务能够减少供应商之间的衔接，提高大批量验证的交付效率，AI 需求也已开始体现在收入中。 我们认为，既有生产能力和质量体系有助于服务商承接新增设计量，客户也能够在同一平台完成更多实验环节。

靶点蛋白与检测体系是 AI 抗体验证的重要基础，百普赛斯有望承接相关需求。2026 年半年报披露，公司依托超过 5,000 种经活性验证的重组靶点蛋白，结合 SPR/BLI 亲和力检测、TR-FRET 试剂盒和报告基因细胞株，为 AI 设计抗体 提供表达纯化与湿实验验证。靶点蛋白提供筛选材料，亲和力检测确认结合效果，功能评价进一步判断生物活性。Twist、 金斯瑞和百普赛斯分别从合成生产、一体化蛋白服务、靶点蛋白及检测环节受益。

图表6：金斯瑞Gene-to-Protein 服务流程

来源：金斯瑞新加坡生产设施官方资料，国金证券研究所

2.2 金融：专业数据库接入 MCP

金融数据库接入 Agent 后，专业数据的使用范围有望从人工查询扩展至持续、批量调用。MCP 和 API 使智能体能够按 任务获取字段、计算结果并调用其他工具，投研筛选、市场跟踪和财务分析因此不再局限于单次终端操作。与此同时， 机器调用仍需准确的财务口径、及时更新的数据和清晰的授权。我们认为，数据公司的服务入口有望由终端订阅延伸 至接口及机器分析服务，既有数据库积累继续发挥作用，调用增长能否转化为收入则取决于付费方式和客户使用。

同花顺、东方财富开放 MCP 接口，推动专业金融数据进入智能体应用。同花顺 iFinD 于 3 月 12 日披露金融 MCP 服务 上线，覆盖股票、公募基金、宏观与行业、公告与资讯四大模块，提供 20 余项工具。东方财富妙想于 8 月 5 日披露 首批接入阿里云百炼 One Key MCP，依托 Choice 提供股票、基金、债券、宏观、企业、资讯公告及智能选股等能力。 海外方面，Anthropic 金融服务方案连接 FactSet、Morningstar、PitchBook 和 S&P Global 等专业数据伙伴。MCP 正 在为金融数据增加新的使用入口。

图表7：同花顺iFinD MCP 工具接口

来源：同花顺官方微博，国金证券研究所

图表8：东方财富妙想MCP 应用生态

来源：东方财富妙想官方账号，国金证券研究所

三、Infra 是应用落地的前置必备条件

3.1 数据平台、网络安全等 Infra 成为 AI 落地刚需

数据平台为 Agent 提供可信、及时且可按权限访问的业务信息，是企业应用落地的基础。企业数据分散在数据库、文 档和应用系统中，Agent 既要查询历史信息，也要读取实时订单、库存和客户状态，并在任务完成后写回结果。数据 平台因此需要同时保证数据质量、业务口径和访问权限。随着 AI 由问答进入实际操作，检索和实时数据处理需求有 望增加，Snowflake、MongoDB 等厂商能够在原有平台上承接新增使用量。

图表9：Snowflake 数据与Agent 平台架构

来源：Snowflake FY27Q2 投资者演示，国金证券研究所

Agent 执行链条更长、调用环节更多，推动可观测性需求从系统监控延伸至任务全过程。一次任务可能连续调用模型、 数据库、搜索和多个接口，失败原因也可能来自检索内容、工具参数、模型判断或下游系统。企业需要了解每一步的 结果、耗时和成本，才能定位问题并持续改进效果。随着 Agent 承担更多生产任务，完整追踪执行过程将成为稳定运 行的重要条件，Datadog 等平台的覆盖范围有望进一步扩大。

图表10：Datadog Agent 运行监测

来源：Datadog Agent Observability 官方产品页，国金证券研究所

Agent 从读取信息走向执行业务操作，身份、权限和行为防护的重要性同步提升。企业不仅要管理员工账号，还要管 理 Agent 可访问的数据、可调用的工具和可执行的动作。读取文件、修改订单乃至触发付款，需要与具体业务角色匹

配的授权，并保留审计记录。AI 一方面帮助安全团队提高检测与处置效率，另一方面增加新的访问主体和防护对象， CrowdStrike、Palo Alto Networks、Zscaler 等厂商覆盖的身份、终端、云和网络安全需求有望扩展。

模型与工具的高频调用，有望增加网络流量及边缘服务需求。Agent 需要持续访问模型、企业数据、外部网站和第三 方服务，企业因而更加重视低延迟、稳定接入和 API 安全。边缘网络可以提供推理、路由、缓存、限流与攻击防护， Cloudflare 则将开发者平台与全球网络结合，服务应用运行和模型调用。随着应用使用量扩大，新增需求将同时体现 为 Token 消费、数据请求和网络服务，为基础设施厂商提供更多商业化机会。

3.2 Infra 是海外财报率先验证的方向

Snowflake 产品收入连续加速并上调全年指引，数据平台需求得到财报验证。9 月 2 日公布的 FY27Q2 产品收入 14.919 亿美元、同比增长 37%，连续第三个季度加速；净收入留存率为 126%，过去 12 个月产品收入超过 100 万美元的客户 达 828 家、增长 27%。产品收入超过原指引上限 14.20 亿美元约 5.1%。全年产品收入指引由 58.4 亿上调至 60.7 亿美 元，非 GAAP 营业利润率指引由 13.5%上调至 14.5%，收入与盈利预期同步改善。

Snowflake 披露 AI 收入与产品使用增长，AI 需求正在转化为平台消费。CFO 将产品收入加速归因于核心数据平台强 劲和 AI 收入明显提升；CEO 表示，CoWork 与 CoCo 带动客户使用、新增任务和整体平台消费。CoCo 使用账户超过 9,100 个，季度新增超过 2,000 个；CoWork 扩大至 5,800 个。上述数据采用季度最后四周的周使用平均口径。公司还推出 Cortex Sense 和 Cortex AI Gateway，分别提供业务上下文和扩展执行能力，推动 AI 从产品发布走向持续使用。

图表11：Snowflake 产品收入增长趋势

来源：Snowflake FY27Q2 业绩演示，国金证券研究所。注：单位：百万美元；财年截至 1 月 31 日。

MongoDB 收入超过市场预期、利润率提升，全年指引进一步上调。9 月 1 日公布的 FY27Q2 收入 7.718 亿美元、同比增 长 30%，Atlas 增长约 29%。据 IBD 转述 FactSet，当季收入一致预期约 7.35 亿美元，实际高约 5.0%。全年收入指引 上调至 29.9 亿—30.3 亿美元，下半年上调主要来自 Atlas。非 GAAP 营业利润率由 15%提升至 24%，自由现金流 1.376 亿美元，收入增长也带动盈利能力改善。

MongoDB 将检索、实时数据与 Agent 开发工具结合，扩大业务数据库的 AI 应用范围。管理层表示，核心企业业务保持 强劲，AI 用例也出现早期增长。季度内，公司将 Search 和 Vector Search 推广至 Enterprise Advanced 私有化环境， 并发布 Atlas Managed MCP Server，让 Claude Code、Codex 等编程 Agent 直接连接实时 Atlas 数据。同时推出自动 Embedding、Embedding 与 Reranking API，以及流式数据 Vector Search，使业务数据库更容易被 AI 应用使用。我们 认为，实时业务数据能够帮助 Agent 理解客户当前状态，数据库与开发工具的连接有利于降低应用接入难度。

CrowdStrike ARR 与模块采用持续增长，全年净新增 ARR 指引提高。8 月 26 日公布的 FY27Q2 收入 14.7 亿美元、同比 增长 26%，期末 ARR58.4 亿美元、增长 25%，净新增 ARR3.328 亿美元。订阅客户采用六个、七个、八个及以上模块的 比例分别为 51%、35%、26%。全年净新增 ARR 增速指引中值由 27.7%提高至 34%，收入指引升至 59.911 亿—60.111 亿 美元。管理层表示，Falcon Flex、平台采用及企业 AI 安全需求共同支持增长。

CrowdStrike 同时布局安全运营智能体与企业 Agent 防护，产品需求随 AI 应用扩展。公司推出 Continuous Identity for AI Agents，将授权管理扩展至 Agent 身份，并将 Falcon AI Detection and Response 接入多个 AI Gateway 伙 伴。Charlotte AI 用于安全运营。身份与调用防护则服务企业自身的 Agent。两类需求共同增长，使安全厂商既能用 AI 提效，也能为 AI 应用提供防护。

图表12：CrowdStrike 收入、ARR 与净新增ARR 增长

来源：CrowdStrike FY27Q2 业绩演示，国金证券研究所。注：单位：百万美元；财年截至 1 月 31 日。ARR 为年度经常性收入。

Datadog 收入超过原指引并上调全年预期，应用监测需求持续增长。8 月 6 日公布的 2026Q2 收入约 11.2 亿美元、同 比增长 36%，超过原指引上限 10.8 亿美元约 3.8%；年 ARR 超过 10 万美元的客户约 4,720 家、增长 23%。全年收入指 引由 43.0 亿—43.4 亿美元上调至 44.5 亿—44.7 亿美元。CEO 表示，客户正在构建和部署 AI 应用，并使用 Datadog 进行监测、防护和操作。本季度推出 Bits Code、Bits Chat 和 Bits Agent Builder，进一步将运行数据用于运维。

Cloudflare 收入与大客户数量增长，网络及开发者平台需求保持扩张。8 月 6 日公布的 2026Q2 收入 6.961 亿美元， 超过原指引上限 6.65 亿美元约 4.7%；cRPO 增长 35%，大客户超过 4,600 家。全年收入指引由 28.05 亿—28.13 亿美 元上调至 28.64 亿—28.70 亿美元。CEO 表示，AI 答案引擎和 Agent 商业正在增加机器间交互。Workers AI 提供推理 运行能力，AI Gateway 提供日志、缓存、限流、重试和模型回退，网络与开发者平台共同承接新增需求。

Palo Alto Networks 经营指标超过指引，AI 安全与平台整合继续推进。9 月 1 日公布的 FY26Q4 收入 34.1 亿美元、 同比增长 34%，下一代安全 ARR91 亿美元、增长 63%，RPO212 亿美元、增长 34%。CFO 表示，各项指标超过指引，增长 来自 Network & AI Security、Cortex 和 Idira 平台。公司给出 FY27 收入 141 亿—142 亿美元、增长 23%—24%的指 引，并收购 AI 原生 Agent 工作流平台 Console。相关增长包含并购影响，AI 安全与平台整合仍是重要产品方向。

海外 Infra 公司成长性较好，收入持续增长有望消化估值，前瞻估值性价比逐步显现。根据 S&P Global 一致预期， 六家 Infra 公司当前财年收入预计增长约 23%-35%，下一财年预计增长约 14%-29%。我们认为，AI 应用扩张为 Infra 带来持续增量需求，结合较快的收入增长与逐步下降的前瞻估值，相关公司的长期投资价值进一步显现。

图表13：海外软件Infra 估值对比（截至2026 年10 月2 日收盘）

预期 收入

TTM P/S

公司 市值 TTM 收入

当前财年 预期收入 P/S 下一财年

P/S

SNOW 120.20 5.43 22.1 FY2027E 6.32 19.0 FY2028E 8.10 14.8

MDB 28.84 2.78 10.4 FY2027E 3.03 9.5 FY2028E 3.60 8.0

CRWD 277.10 5.40 51.3 FY2027E 6.01 46.1 FY2028E 7.36 37.6

DDOG 99.54 3.97 25.1 FY2026E 4.47 22.3 FY2027E 5.48 18.2

NET 124.30 2.51 49.5 FY2026E 2.87 43.3 FY2027E 3.70 33.6

PANW 329.85 11.48 28.7 FY2027E 14.17 23.3 FY2028E 16.23 20.3

来源：Stock Analysis（财务数据来自 S&P Global Market Intelligence），国金证券研究所测算。

注：1）市值及收入单位：十亿美元；P/S 单位：倍。2）市值沿用 2026 年 10 月 2 日收盘口径。预测为 Stock Analysis 所载 S&P Global 分析师一致预期，当前及 下一财年均为完整财年收入。3）财年期末：SNOW、MDB、CRWD 为 1 月 31 日（FY2027E/FY2028E），DDOG、NET 为 12 月 31 日（FY2026E/FY2027E）， PANW 为 7 月 31 日（FY2027E/FY2028E）。

四、定制化重的 IT 交付：端到端方案与 FDE 模式重要性凸显

4.1 复杂客户需求需要端到端交付

定制化程度较高的客户，需要覆盖业务梳理、系统实施与持续运营的端到端服务。政务、央国企、银行和大型企业通 常涉及较长的业务流程、多个历史系统及复杂权限，方案还需适应客户自身组织。政务需要衔接事项与审批，央国企 需要连接生产经营，银行强调业务规则和审计，大型企业则需协调跨系统、跨团队的执行。模型能力提升能够减少部 分开发工作，但这些实施环节仍需行业经验与现场协作，能够承担整体方案和上线责任的服务商有望继续受益。

银行 AI 应用依赖内部数据与业务流程衔接，端到端实施决定模型能否稳定服务日常工作。Anthropic 与 Barclays 于 10 月 1 日披露，银行知识助手自 2025 年上线以来，已有超过 16,000 名员工使用，处理超过 100 万次搜索；全球市场 业务相关平台每天处理约 120,000 封邮件，完成分类、信息补充和处理路径判断。知识助手依赖可信内部材料，邮件 处理则连接日常操作。业务梳理、系统接入、权限设计、评估和运营，共同决定这些应用能否稳定运行。

海外模型与软件厂商加大现场实施人才投入，FDE 成为企业 AI 落地的重要配套。Palantir AIP Bootcamp 围绕客户真 实问题，由工程师帮助客户在数小时至数天内形成用例和初始流程。Anthropic 于 10 月 2 日宣布投入 1 亿美元建设 Claude Frontier Academy，目标在2027年底前培养10,000名Frontier Deployed Engineers，参与机构包括Accenture、 Bain、Capgemini、Deloitte、McKinsey 和 Morgan Stanley 等。

4.2 Accenture 财报验证 IT 服务需求

Accenture 季度收入超过原指引，咨询与托管业务增长反映企业转型需求持续。10 月 1 日公布的 FY26Q4 收入 186.8 亿美元，同比增长 6%（美元）、7%（固定汇率），超过原指引上限 184.0 亿美元约 1.5%；新签订单 221.7 亿美元，同 比增长 4%（美元）、5%（固定汇率）。FY26 全年收入 742 亿美元、固定汇率增长 5%，新签订单 845 亿美元，book-tobill 约 1.1，自由现金流 116 亿美元。咨询收入 369 亿美元、固定汇率增长 3%，托管服务 373 亿美元、增长 6%，客 户咨询与持续运营需求保持增长。

图表14：Accenture FY26 收入、订单与现金流

来源：Accenture FY26Q4 业绩演示，国金证券研究所。注：金额单位为十亿美元。

• 4.3 国内实践案例：拓尔思、软通动力推进 FDE

拓尔思通过 FDE 连接客户现场与产品研发，将项目经验积累为可复用能力。2026 年半年报披露，公司将算法、工程和 产品人员前置到客户现场，与业务团队共同解决问题，再沉淀为 Skill、模板和产品能力。金融消保智能体在头部银 行项目基础上扩大复用；政务、公安、金融等行业已积累上百个客户智能体应用，覆盖试点到场景部署的不同阶段。 研发、现场共创与产品积累相结合，有利于减少相似项目的重复开发。我们认为，行业客户和历史项目经验为现场实 施提供基础，将共性需求持续转化为产品，才有助于扩大交付规模并改善项目经济性。

图表15：拓尔思六层数力架构

来源：拓尔思 2026 年半年报，国金证券研究所

软通动力组建 FDE 客户工程中心，将咨询、开发和智能体实施纳入整体交付体系。2026 年半年报披露，DTS FDE 客户 工程中心拥有百余名 FDE 工程师和千名 AI 开发工程师，依托 ASDM、睿动智能体云平台及数智本体平台，开展数据治 理、模型调用、智能体开发、实施与运营。公司形成 100 余个行业方案及智能化交付项目，覆盖金融、制造、能源、 交通等领域。农牧业务围绕某农牧企业集团、双胞胎等客户，将咨询规划、ERP 定制开发与 AI Agent 结合，上半年相 关签约超千万元，展示了端到端交付的具体案例。

软通动力与华为推出金融 AI Coding 方案，研发提效与行业知识、工程交付紧密结合。9 月 17 日发布的方案覆盖存量 系统理解、需求与知识沉淀、代码重构、测试与质量保障、AI 工程化交付五项能力。ASDM 整理需求、技术规范和研 发经验，代码平台负责生成与重构，测试和流程保障上线质量。金融项目通常涉及长期积累的代码、业务规则和技术 规范，开发提效需要建立在理解存量系统的基础上。我们认为，该方案体现了 AI Coding 与行业经验的结合：前端梳 理需求和知识，后端提高代码生成、重构和测试效率，完整的工程交付保证研发成果能够用于实际业务。

图表16：软通动力ASDM 能力地图

来源：软通动力官方新闻稿（美通社），国金证券研究所

4.4 软件公司需同步进行管理与组织改革

软件公司需要围绕 AI 交付重新组织销售、咨询、研发与实施流程。销售和咨询应明确客户目标、投入回报及验收标 准；研发需要将 AI 生成代码纳入统一测试与审查；交付团队则应积累接口、行业模板、智能体和测试用例，减少相 似项目的重复开发，并在上线后继续优化质量和运行费用。咨询顾问、FDE、产品经理与工程师围绕具体场景协作，有 利于缩短需求到上线的周期，也使现场反馈更快进入产品迭代。我们认为，具备行业经验和客户基础的国内厂商，若 能尽快整合前端咨询、现场实施与 AI 研发能力，有望在政务、央国企、银行和大型企业转型中扩大业务规模。

五、行业 Knowhow：与业务流程结合越紧密，长期价值越突出

5.1 ERP：从记录业务到执行业务

ERP 的长期价值来自业务数据与执行流程的结合，AI 有望进一步扩大其自动化范围。查询库存之后，创建采购订单、 审批费用、对账、付款和关账，都需要识别交易主体、遵守审批规则，并写回系统形成正式记录。模型可以理解自然 语言需求、提出方案和调用工具，ERP 则承接权限、交易与审计。AI 能力越强，能够参与的业务步骤越多，原有系统 积累的流程和客户入口也越有价值，厂商有望通过新增功能与服务扩大客户付费。

Workday 将 Agent 纳入既有数据、应用与治理体系，推动业务平台承接 AI 执行能力。统一数据底座之上，公司连接 HR、财务和规划应用，再接入 Data Cloud、Workday Build、Agent System of Record 与 Agent 生态。Agent System of Record 用于部署、管理和衡量 Agent，Sana 提供查询与操作入口。公司于 3 月 17 日宣布 Sana 向全球客户开放。 Workday 于 8 月 27 日财报披露，AI 贡献超过 25%的新增 ACV，超过 5,500 家客户使用至少一个自研 Agent。新产品与 原有数据、应用相结合，已经带动客户采购。企业使用 Agent 办理人力、财务等事务，仍需依托原有系统识别业务主 体、校验权限并记录操作结果。Workday 既有的客户入口和业务规则因此能够承接新增 AI 需求，并通过产品增购扩大 客户价值。

图表17：Workday 业务平台与Agent 体系

来源：Workday 官方投资者演示，国金证券研究所

金蝶 AI 原生产品收入与合同增长，体现 AI 和财务流程结合的商业化进展。2026H1 AI 原生产品收入约 2.96 亿元、 同比增长 189%，其中 AI 订阅收入约 1.46 亿元、增长 282.9%，AI 合同签约约 6.05 亿元、增长 159.2%。公司披露， 财务智能体可减少 20%—30%的审单人力，将三单匹配从小时级缩短至分钟级，并缩短 30%的关账周期。单据、会计规 则、审批流程和 ERP 回写能力共同支撑这些效果。AI 与业务结合越紧密，越容易通过提效推动客户付费。

5.2 CRM：高频、个性化的销售与营销任务，有望形成较大的 Token 消费需求

营销场景的投入回报较易衡量，为 AI 原生应用提供了清晰的商业化切入点。转化率、获客成本、销售额和留存能够 较快反馈效果，企业因此更容易将 AI 预算与经营目标对应。AI 可围绕线索研究、需求判断、个性化内容、触达及持 续跟进开展工作，CRM 则记录各阶段进展和成交结果。产品越能连接这些环节并利用结果持续改进，越有机会由单次 内容生成扩展为持续付费的销售和营销服务。

高频、个性化的销售与营销任务，有望形成较大的 Token 消费需求。每条线索需要搜索与研究，每次触达需要结合客 户背景生成内容，客服和售前还涉及多轮交互；随着客户量、渠道和跟进频率增加，模型调用也会扩大。模型成本下 降有利于覆盖更多客户，但商业效果仍取决于客户信息是否准确、触达是否合适及结果能否反馈。CRM 积累的历史互 动、客户标签和业务状态，将帮助传统平台与 AI 原生应用提高调用的实际价值。

Salesforce 智能体相关 ARR 与执行量同步增长，CRM 从记录客户关系进一步延伸至执行任务。FY27Q2 Agentforce 相 关 ARR 超过 15 亿美元、同比增长 240%，Agentforce 与 Data 360 合计 ARR 接近 39 亿美元、增长 210%；当季 Agentic Work Units 达 32 亿、环比增长 97%。AWU 统计 Agentforce 和 Slack 中的智能体工作单元，并非 Token 量；FY27Q2 起 Agentforce ARR 包含 AI 产品、Slackbot 及 Headless 360。Data 360 提供客户数据，Agentforce 执行任务，Slack 提供工作入口，三者结合推动 CRM 服务范围扩大。我们认为，客户数据、执行工具与协作入口相结合，使软件能够参 与更多销售和服务环节；执行量增长则为持续使用提供观察依据，后续应进一步跟踪采用扩大如何转化为续约与收入 增长。

围绕线索研究和个性化触达，AI 原生应用能够与既有 CRM 形成分工。HubSpot Breeze Prospecting Agent 运行于 Sales Hub 和实时 CRM 数据之上，可研究客户、发现购买信号并开展个性化触达，利用互动与营销数据改进沟通。Clay 于 2026 年 5 月发布的线索数据补充指南，将传统数据源、多源匹配和 Claygent AI 研究结合，再写回 CRM。AI 原生 应用可以围绕具体环节快速落地，原有 CRM 继续管理客户状态和业务结果。ServiceNow 也将 AI 入口接入跨部门服务 流程。

图表18：Agentforce 运行架构

来源：Salesforce Architects 官网，国金证券研究所

• 5.3 工业软件：私有数据与高精度要求构成壁垒

工业软件依赖私有工程数据、专业规则与高精度验证，行业 Knowhow 具有较强的积累性。EDA 需要满足设计规则、时 序、仿真和签核要求；CAD 涉及几何约束、装配关系、工程标准和历史设计；PLC 还需考虑设备状态、控制逻辑、实时 性及现场安全。生成代码或方案之后，结果仍须通过专业工具和实际工程验证。工业 AI 更可能围绕需求理解、方案 生成、工具调用与验证逐步展开，已有软件引擎、工程数据和客户流程将继续承担关键作用。

工业软件厂商将 Agent 与设计、仿真和验证工具结合，推动行业经验转化为自动化能力。Synopsys 于 9 月 28 日发布 覆盖 EDA 与仿真的长周期智能体及 Autopilot 平台，将芯片设计、验证、系统、PCB 和结构等 Agent 连接至专业工具 与计算资源，计划于 2026 年底可用。西门子与 NVIDIA 于 1 月 6 日宣布建设工业 AI 操作系统，将 AI 与工业软件、硬 件及仿真结合。Autodesk Assistant 则基于设计上下文提供交互和工具操作。模型理解需求、调用工具，专业软件负 责求解与验证，工程师确认结果，已有业务经验由此转化为新的自动化能力。

图表19：Synopsys 工业Agent 产品组合

来源：Synopsys 官方产品发布，国金证券研究所

六、结语：AI 拓展软件成长空间，软件厂商亦需同步重塑

模型与应用的分工逐步清晰，软件公司的长期价值需要结合其业务基础重新评估。“吞噬论”强调模型降低通用开发成 本，而进入真实业务后，应用仍依赖非公开数据、实验验证、可靠 Infra、复杂客户交付和行业 Knowhow。我们认为， 这些资产能够与模型能力形成互补：模型扩大可执行任务的范围，应用厂商负责把能力转化为满足客户要求的产品与 服务。由此，具备专业积累和业务入口的公司，有望在 AI 应用扩张中获得更大的市场空间。

AI 落地需要战略、管理、销售、组织和交付协同调整，执行更快的厂商有望率先受益。软件公司需要在保持既有业务 稳定和客户粘性的基础上，推动产品与流程改造，并通过合理定价、方案复用和持续运营保留效率收益。我们认为， 能够把 AI 能力与行业经验、客户需求有效结合的厂商，更有机会将技术变革转化为持续增长。随着模型能力提升、 应用经济性改善及商业化推进，我们持续看好 AI 软件应用的长期发展空间。

七、相关标的

• 1）云：阿里巴巴-W、金山云、优刻得、首都在线等；
• 2）AI Infra：深信服、绿盟科技、德才股份、达梦数据、卓易信息、星环科技、广立微等；
• 3）AI4S：金斯瑞生物科技、英矽智能、晶泰控股、百普赛斯、药明康德等；
• 4）AI 应用：迈富时、汇量科技、中控技术、金蝶国际、鼎捷数智、用友网络、泛微网络、海致科技集团、汉朔科技 等；
• 5）IT 咨询与交付：软通动力、汉得信息、拓尔思等。 风险提示

 AI 应用商业化不及预期的风险：

若企业客户 AI 项目由试点转向规模化部署的节奏低于预期，相关软件公司的 AI 收入、用量和客单价提升可能不及预 期。

 企业 IT 预算恢复不及预期的风险： 若宏观环境或企业经营压力导致 IT 预算恢复偏慢，企业软件及 AI 项目的签约、扩容和收入确认可能受到影响。

 行业竞争加剧的风险： 模型厂商、云厂商与软件公司均在加快布局企业 Agent，若产品同质化或价格竞争加剧，相关厂商盈利能力可能承压。

 海外宏观及汇率波动风险： 海外科技公司经营与估值可能受到宏观需求、利率及汇率变化影响，相关产业映射亦可能出现波动。

行业投资评级的说明： 买入：预期未来 3－6 个月内该行业上涨幅度超过大盘在 15%以上； 增持：预期未来 3－6 个月内该行业上涨幅度超过大盘在 5%－15%； 中性：预期未来 3－6 个月内该行业变动幅度相对大盘在 -5%－5%； 减持：预期未来 3－6 个月内该行业下跌幅度超过大盘在 5%以上。

特别声明：

国金证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

形式的复制、转发、转载、引用、修改、仿制、刊发，或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发，需注明出处为“国金证券股份有限 公司”，且不得对本报告进行任何有悖原意的删节和修改。

本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告 反映撰写研究人员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致，国金证券不对使用本报告所包含的材 料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情 况下，可能会随时调整，亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意 见不同或者相反。

本报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险，可能 不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。

客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资 者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议获取报告人员应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要） 咨询独立投资顾问。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作建议做出任 何担保，在任何时候均不构成对任何人的个人推荐。

在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供多种金融服务。 本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客

户。本报告对于收件人而言属高度机密，只有符合条件的收件人才能使用。根据《证券期货投资者适当性管理办法》，本报告仅供国金证券股份有限公司客户中风 险评级高于 C3 级(含 C3 级）的投资者使用；本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融 工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资，遭受任何损失，国金证 券不承担相关法律责任。

若国金证券以外的任何机构或个人发送本报告，则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供 投资建议，国金证券不为此承担任何责任。

此报告仅限于中国境内使用。国金证券版权所有，保留一切权利。

上海 北京 深圳 电话：021-80234211 邮箱：researchsh@gjzq.com.cn 邮编：201204 地址：上海浦东新区芳甸路 1088 号

电话：010-85950438 邮箱：researchbj@gjzq.com.cn 邮编：100005 地址：北京市东城区建内大街 26 号

电话：0755-86695353 邮箱：researchsz@gjzq.com.cn 邮编：518000 地址：深圳市福田区金田路 2028 号皇岗商务中心

紫竹国际大厦 5 楼

新闻大厦 8 层南侧

18 楼 1806