东吴证券发布研报称，AI时代软件行业并非整体性重估，而是结构性分化。建议重点关注四类方向：1)掌握企业核心数据、权限体系和工作流入口的平台型软件;2)ROI更容易量化、AI付费意愿更强的垂直软件场景;3)受益于AI应用规模化的安全、可观测性和开发治理软件;4)具备生态入口、云基础设施和AI分发能力的综合型平台。

　　过去市场担忧AIAgent会削弱传统SaaS的前端入口、席位制收费和高利润率假设，这一担忧对功能较轻、数据壁垒较低、流程嵌入较浅的工具型SaaS具有一定合理性。但该行认为，企业级AI真正落地并不只依赖模型能力，更依赖数据治理、权限管理、流程编排、系统集成、安全合规和结果追溯能力。当Agent进入企业真实生产环境后，能否稳定调用数据、理解业务规则、遵循权限边界，执行流程动作并留下可审计记录，将成为决定AI能否规模化落地的关键。因此，AI时代软件公司的价值判断将从“用户是否频繁打开应用”，转向“该系统是否处在企业任务执行链条中的关键位置”。具备核心数据、流程权限、治理审计和系统连接能力的平台型软件，有望从传统应用软件向企业AI基础设施重估。

　　2026年7-9月，头部软件公司陆续披露更可追踪的AI商业化指标，证明AI能够带来新增收入

　　该行建议将AI时代软件行业划分为数据控制层、工作流执行层、垂直场景层、云与开发运维层，MCP则作为横向协议贯穿各环节。数据控制层解决“Agent知道什么”，分为全域分析型及操作型两条路径，受益于企业AI落地带来的数据调用和模型工作负载增长;工作流执行层解决“Agent能做什么”，核心在于将AI嵌入CRM等企业流程，使Agent从信息生成走向任务执行;垂直场景层解决“Agent创造多少业务价值”，医疗、法律、金融、工业等高ROI场景更容易量化节省时间、提升效率或降低错误率，短期结果型收费普及受合规约束，但长期有望从订阅制延伸至任务型、用量型或结果型收费;云与开发运维层解决“Agent如何稳定、安全、低成本运行”，随着AI应用数量增加、调用链条变长，企业对可观测性、安全运营、访问控制等的需求将持续提升。