AI残酷现实 | 目前占比99%的营销型CEO正在失宠，1%的产品型CEO迎来回归！(美中報道）
2026年3月，旧金山。
摩根士丹利TMT峰会会场外，太平洋的海风裹挟着冷意，吹散了去年此时还弥漫在科技圈的AI狂热。
一年前，这里充斥着“AI将重塑一切”的乐观宣言；
而今，投资者的问题已从“你用AI了吗？”变为“你能活下来吗？”
这场由摩根士丹利全球科技投资银行部主管David Chen主持的闭门会议，汇聚了黄仁勋、Satya Nadella、Sam Altman与Dario Amodei等AI核心人物。
这场对话表面是行业顶流的年度聚会，内里却是一场关于企业存续逻辑的残酷解剖。
笔者通过深度梳理峰会核心对话与后续产业动向，发现一个清晰的主线正在浮现：
在AI范式转移的第二阶段，确定性已成为衡量企业价值的终极标尺。
这一判断并非空泛修辞，而是植根于3个相互咬合的结构性变化：
软件护城河的重新定义、CEO能力模型的战时切换、以及基础设施层的刚性需求崛起。
它们共同构成了一套可验证、可迁移、可行动的认知框架——
帮助投资者与企业家在混沌中识别真正的长期价值。
一、从效率幻觉到生存拷问：
AI价值评估的范式迁移
2024年，SaaS公司普遍以“AI提效”为卖点：
自动化客服、智能排班、文档摘要……
这些功能确实降低了运营成本，但其本质仍是边际优化。
问题在于，边际优化无法构筑护城河。
David Chen在峰会上直言：“效率提升只是入场券。
真正的问题是——
你是AI的受益者，还是AI会威胁到你的整体业务？”
这一提问直指企业价值的核心机制。
过去二十年，SaaS的成功依赖3大支柱：
用户界面（UI）体验、销售漏斗效率、客户成功体系。
但在AI智能体（Agent）崛起后，这些优势正被系统性瓦解。
当一个Agent能直接调用API完成酒店预订、发票核验或合同起草时，传统SaaS作为“人机交互中介”的存在理由便不复存在。
更严峻的是财务现实。
年初企业软件股的集体抛售，万亿市值蒸发，正是市场对“伪AI受益者”的清算。
这场清算的本质，是对“护城河”的重新定价。
旧护城河基于增长与体验，新护城河则基于确定性与不可替代性。
前者可被复制，后者难以逾越。
二、确定性vs概率性：
软件价值的生死分界线
何为“确定性”？
简言之，即容错率为零的业务场景。
工资计算错一分钱可能引发劳资纠纷，税务申报偏差一个百分点将触发稽查，医疗账单的小数点错误足以导致法律诉讼。
这些不是“事后可修正”的问题，而是信任崩塌的导火索。
David Chen举了一个极具穿透力的例子：
他在摩根士丹利用Copilot总结会议纪要，即便有2%的误差也无伤大雅；
但若用AI生成客户账单，哪怕0.1%的错误都不可接受。
这一区分，构成了当下软件行业最锋利的解剖刀：
确定性应用（Deterministic）：
如ERP、HR薪酬系统、税务合规、医疗计费。
这些系统嵌入企业核心流程，数据私有、逻辑严谨、容错极低。
传统厂商凭借二十年积累的行业Know-how、客户深度绑定和专有数据，反而构筑了AI难以逾越的壁垒。
概率性应用（Probabilistic）：
如内容聚合、市场情报、通用CRM界面。
这类产品多基于公开数据，功能可被大模型快速复现。
一旦AI Agent能直接调用API完成任务，其作为“中间层”的价值将迅速蒸发。
这意味着：
大量过去依赖“信息差”和“交互体验”取胜的SaaS公司，正站在悬崖边缘。
他们的业务模式本质上是“把Excel搬上云端”——
在AI原生时代，这已沦为最脆弱的商业模式。
一位未具名的企业软件CEO在峰会私下坦言：
“我们过去五年做的，不过是给公开数据包了个漂亮壳子。现在，AI连壳子都不需要了。”
三、战时CEO：
从营销叙事到产品重构的能力切换
当企业进入“战时状态”，领导者的基因决定生死。
David Chen透露，在近期多场董事会讨论中，一个尖锐问题反复出现：
“我们的CEO，是销售/营销背景出身，还是真正的产品型领导者？”
这不是风格偏好，而是生存必需。
营销型CEO擅长讲增长故事、优化LTV/CAC、推动渠道扩张——
这些在和平年代足以支撑一家公司上市。
但在AI重构价值链的今天，仅靠营销已无法应对底层技术范式的颠覆。
产品型CEO的核心能力，在于对技术演进路径的动态洞察与快速重构能力。
他们必须能带领团队彻底重写后端架构，实现“AI原生化”——
并非简单接入API，而是将LLM深度融入业务逻辑，构建具备确定性输出能力的新一代系统。
Anthropic内部几乎不写PRD（产品需求文档），而是“疯狂做原型”；
OpenAI的Co-work模式强调工程师与产品经理的实时协作——
这些细节揭示了一个趋势：
在AI时代，产品迭代速度与技术理解深度，远比完美的商业计划书重要。
这也解释了为何Sam Altman与Dario Amodei虽风格迥异（前者乐观务实，后者忧患深重），却都被视为“战时CEO”的典范。
他们不仅是战略家，更是深度参与技术路线选择的产品架构师。
四、SaaaS：
为智能体服务的下一代软件范式
如果说确定性护城河决定了谁不会死，那么SaaaS（Software for Agents as a Service）则指明了谁可能赢。
媒体将这种转变概括为：
我们已经从SaaS（软件即服务）转向了SaaaS（面向智能体的软件即服务）。
Box CEO Aaron Levie预言：
这一市场将比现有SaaS规模大10倍。
逻辑很简单：
人类每天使用几十个应用已是极限，但一个企业可能部署成千上万个Agent，每个Agent都需要专用工具链——
数据接口、执行引擎、记忆存储、安全沙箱。
分析显示，Agent as a Service市场预计将从2024年的51亿美元增长到2030年的471亿美元，年复合增长率达44.8%。
这催生了全新的基础设施需求：
Agent操作系统：管理Agent生命周期、权限、记忆；
Agent间通信协议：确保多Agent协作的可靠性；
确定性执行环境：在概率性LLM之上构建确定性工作流。
谁能率先构建这类“Agent-native”平台，谁就可能成为下一代微软或Salesforce。值得注意的是，这类平台天然具备网络效应与高切换成本——
一旦企业将核心流程编排进某个Agent生态，迁移成本将极其高昂。
这正是David Chen看好网络安全等垂直领域的原因：
它们既是AI的受益者（需保护Agent行为），又具备深厚的行业壁垒与确定性需求。
五、半导体：
结构性机会中的“铲子赢家”
当应用层陷入混战，聪明的资本早已转向“卖铲子”的环节。
David Chen指出，过去12个月，内存芯片、光通信、硬盘供应商、半导体设备等细分板块，已成为明星赛道。
原因在于：
无论最终胜出的是OpenAI、Anthropic还是其他模型，他们都离不开算力基础设施——而基础设施的需求是刚性的、可预测的。
尤其值得注意的是AI带来的结构性变化：
内存墙：大模型推理对HBM（高带宽内存）需求激增，预计到2030年HBM市场规模将超过1000亿美元；
光互联：GPU集群内部通信瓶颈推动800G/1.6T光模块渗透率快速提升；
存储分层：热数据（模型权重）需高速SSD，冷数据（训练语料）依赖大容量HDD。
博通之所以能在AI芯片竞赛中突围，并非因其训练芯片性能超越英伟达，而是其在网络芯片（DPU）和定制ASIC领域的深厚积累。
更深远的趋势在于：
次世代半导体公司正从第一性原理出发，重构计算范式。
一些初创企业尝试用光计算、存算一体、Chiplet异构集成等方式突破冯·诺依曼瓶颈。
预计到2030年，用于AI优化数据中心的资本支出将超过7万亿美元，这一规模是以往任何计算转型都无法比拟的。
六、AI Lab IPO：
稀缺性定价取代盈利定价
面对Anthropic被列入美国政府黑名单、OpenAI内部治理争议等风波，市场难免质疑：这些年亏损数十亿美元的AI Lab，真能上市吗？
David Chen的回答斩钉截铁：“考虑到庞大的潜在市场（TAM）、机遇以及他们所创造资产的稀缺价值，我认为绝对可以！”
关键在于“稀缺性”3个字。
当前，真正具备千亿级token训练能力、百万级GPU集群调度经验、以及顶级安全对齐研究的AI Lab，全球不超过五家。
这种稀缺性，使其成为国家战略资产级别的存在。
投资者不再纠结于短期毛利率，而是评估其长期垄断租金（monopoly rent）潜力。
正如2004年的Google，尽管当时搜索广告模式尚未成熟，但其技术壁垒已足够支撑高估值。
此外，AI Lab的资产结构也在进化：
数据资产：专有训练语料、人类反馈数据（RLHF）；
模型资产：经过安全对齐的基座模型；
生态资产：开发者社区、Agent应用商店。
这些无形资产虽难会计量化，却是未来十年AI经济的地基。
华尔街清楚：错过这一轮，可能再无机会。
在不确定时代，押注确定性
回望2025年的TMT峰会，表面是AI的盛宴，内里却是一场关于“确定性”的集体追寻。
投资者用脚投票，抛弃那些仅靠PPT描绘AI愿景的公司，转而拥抱能提供确定性价值、拥有真实护城河、由产品型CEO掌舵的企业。
半导体细分赛道的崛起，SaaaS范式的萌芽，AI Lab IPO的临近——所有线索指向同一个结论：
AI革命的第一阶段（狂热与泡沫）正在结束，第二阶段（落地与分化）已然开启。
在这场大洗牌中，没有永恒的赢家，只有持续进化的幸存者。
而进化的方向，清晰无比：
向下扎根于基础设施，向上构建确定性应用，向内锻造产品型组织。
正如David Chen所言：“AI不会杀死软件，而是重塑它。”
而重塑的标尺，正是那冰冷而锋利的——确定性。(来源| 大顺AI商业流量作者| Alex)
