中信建投发布研究报告称，前软件板块的恐慌性无差别[*]跌，为基于壁垒深度的分化定价提供了窗口。建议沿“壁垒攻防属性”进行配置：①核心超配进攻性壁垒标的，壁垒本身成为AI时代新增长基础的公司;②关注防御→进攻转型窗口，传统壁垒坚固但需验证AI收入转化的公司;③回避壁垒衰减时间常数短的标的，低复杂度+浅层数据的公司。关注OpenAI、Anthropic与咨询公司合作进展，企业软件公司AI定价及ARR增长拐点。
 

　　Anthropic发布Claude Code/Cowork等工具引发了AI将吞噬SaaS的末日叙事，但这种恐慌性[*]跌将法律强制+系统记录型公司与UI包装+简单自动化型公司混为一谈，存在结构性错误定价。按收入增速调整后，板块估值倍数已回归近十年均值附近。中信建投认为当前是对软件板块进行深度分化定价的窗口期。

　　基于MIT等团队对OpenRouter数据的实证研究，闭源模型调用量仍占75%，短期需求价格弹性仅为-1.11，说明大模型市场呈现“以品牌为中心的竞争”格局，生态内部转换成本极低，跨生态转换成本极高。但顶尖模型的领先周期已从2025年初的7.5个月缩短至4个月以内，GPQA第一名与第十名的差距持续缩小，模型厂商的价格溢价窗口在收窄。OpenAI 2025年毛利率从40%降至33%，Anthropic毛利率40%，推理成本比内部预期高出23%，模型层的利润空间正在被test-time compute的算力消耗和API价格通缩挤压，迫使模型厂商向应用层渗透。

　　基于美国医疗诉讼数据测算，AI在医疗诊断场景每犯一次错的预期经济损失为$45-63，远超优先采用高性能推理模型的成本阈值。在信贷审批场景中，综合假阴性信用损失与假阳性机会成本，加权单次错误代价在$27-125区间。这意味着在高容错代价场景中，模型准确率从90%提升至95%所支撑的经济价值可达数十倍乃至百倍的价格溢价，真正的竞争焦点不是谁的API更便宜，而是谁能在垂直领域逼近专家级准确率。

　　2025-2026年的实证表明，模型性能提升来自：①RL/RLVR算法改进，从人类标注奖励转向自动验证;②推理时Scaling，DeepSeek R1-0528通过增加后训练算力将AIME准确率从70%提升至87.5%;③架构效率改进，Kimi K2.5的PARL训练使端到端运行时间减少80%。在三个方向的边际收益未快速收敛的背景下，垂直领域准确率将持续提升，真正的护城河路径是Mid-training注入行业知识 → 构建可验证奖励环境 → RL激发深度推理 → Test-time充分思考。

　　企业软件的价值从来不在于代码本身，96%的商业程序包含开源代码，但企业仍为安全、合规、集成和SLA付费。AI时代下，壁垒沿工作流复杂度×数据护城河深度两个维度分化：①高复杂度+深层数据，工作流编排、上下文管理和合规审计的价值随AI增强而非减弱;②低复杂度+深层数据，数据有价值但席位制计费逻辑面临AI提升人效后的结构性压缩;③低复杂度+浅层数据，核心功能已被AI agent直接覆盖，护城河极薄。BloombergGPT的失败证明自建模型路线不到一年就在所有金融基准上超越用3,630亿token金融数据从头训练的专有模型;而Hebbia、Harvey的成功则证明专有数据+工作流+前沿通用模型才是正确的价值捕获方式。

　　强壁垒来自商业惯例与法律规章的抽象化编码，AI原生软件的成本极高。以SAP为例，其壁垒是三层嵌套，①业务规则编码化、②定制化配置的不可逆性、③生态锁定。SAP前工程师Thomas Otter指出，很多功能不是商业选择而是法律强制要求，在薪酬领域0.01%的错误就可能导致法律诉讼。AI对核心ERP的威胁是分层渗透而非替代，UI/交互层和流程自动化层AI已在增强这些系统，但在核心业务逻辑层和系统记录层可预见的未来仍是增强工具而非替代者。同时，AI正在压缩产品开发价值链，Anthropic内部实践显示从想法到原型的周期从数周压缩到数小时，UI/UX作为中间产物的价值下降，Figma等设计工具面临设计阶段被整体压缩的风险，但