IBM(IBM)警訊後，市場重算軟體股的AI代價，定價權落在哪裡？

IBM 警訊後，市場開始重算軟體股的 AI 代價

IBM 第二季先行預警，表面上是單一公司財報失色，實際上卻把企業軟體與顧問服務整個族群一起拉進修正區。股價反應之外，更值得注意的是，這次賣壓背後指向的不是景氣循環，而是AI 正在改寫企業 IT 預算分配與軟體收費方式。

 

預算先流向硬體，軟體簽約就被擠壓

IBM 管理層的說法很直接：幾個大型企業專案沒有照原定時間完成簽約，讓第二季收入少了一塊。更麻煩的是，季末幾週客戶把支出重心轉向了伺服器、儲存、記憶體這類 AI 基礎設施，連帶壓縮交易處理與傳統軟體需求。

這其實透露出兩個層面的變化：

1. 企業 IT 預算不是消失，而是優先順序改了
   在總預算有限的情況下，AI 運算、資料中心擴建、硬體升級會先拿到錢。

2. 軟體專案的成交週期被拉長
   以前靠訂閱制累積可見度，現在客戶先觀望、先延後、先把錢砸去 AI 機房，軟體公司的短期成長自然變得更難預測。

所以這次不只是 IBM 自己的問題，而是市場開始擔心：AI 到底是軟體公司新的成長引擎，還是把原本穩定的獲利模式打散？

 

SaaS 的核心問題：訂閱制可能不再是主流答案

過去十多年，企業軟體最舒服的商業模式就是訂閱制：月費、年費、續約率高、毛利漂亮、現金流穩。
但 AI 代理、推理服務、模型呼叫，天生更接近按用量計價的雲端服務。

這代表什麼？

• 收入會更波動
• 客戶使用量高低會直接影響營收
• 毛利結構可能重算
• 甚至未來還可能走向按成果收費

也就是說，SaaS 不是單純多加一個 AI 功能就好，而是可能被迫從「收固定費」改成「收變動費」。
這種轉變看起來很新潮，但對投資人來說，風險其實很明確：能見度下降、估值方法改變、留存率與 ARPU 的解讀方式都要重寫。

 

市場沒有只看軟體，也在看 AI 鏈條哪裡還有錢

從 Seeking Alpha 的 AI 與機器學習主題篩選來看，仍有不少公司被量化模型給出 Buy 或 Strong Buy，像是：

• Innodata (INOD)
• Nebius (NBIS)
• Elastic (ESTC)
• Twilio (TWLO)
• SentinelOne (S)
• AMD
• Atlassian (TEAM)
• Veeva (VEEV)

這份名單很有意思，因為它同時涵蓋了AI 資料處理、搜尋、應用軟體，也包括算力與晶片供應鏈。
意思很清楚：市場不是不愛 AI，而是資金開始區分——誰只是沾上 AI，誰才真的卡在 AI 基礎建設的位置上。

再往下看「Software Quant Stocks」的結果，從 BlackBerry、Digital Turbine，到 BILL、Agilysys、Pagaya，橫跨資安、中小企業支付、資料處理等不同類型。這些公司下一步都繞不開同一題：AI 要怎麼真正嵌進產品，而不是停留在簡報裡的行銷字眼？

 

Kimi K3 事件，讓 EDA 投資人短線心驚

另一個讓市場不安的事件，是中國 Moonshot AI 推出的 Kimi K3。
這個模型的規格很誇張：2.8 兆參數、100 萬 tokens 上下文視窗、開放權重，而且在多項測試中被認為接近 ChatGPT 與 Anthropic 的表現，但成本更低。

真正讓 Cadence 與 Synopsys 投資人緊張的，不是模型本身，而是 Moonshot 在部落格文章中展示：K3 可以在 48 小時內，透過開源 EDA 工具完成奈米級晶片設計與驗證。這直接碰到市場對 Cadence Design Systems (CDNS)、Synopsys (SNPS) 長期護城河的想像。

但 BNP Paribas 分析師 Andrew DeGasperi 的看法比較冷靜，核心意思是：這波反應偏重了。

原因有兩個：

• 中國本來就被迫加速自建 EDA 能力
  美國商務部近十年對 EDA 輸出持續管制，去年出口禁令更是讓中國更積極補齊缺口。Moonshot 這類案例，本質上是把開源工具與自家 AI 能力疊加，去填商用 EDA 被封鎖後留下的空白，而不是已經完全取代全球龍頭。

• AI 目前更像是效率工具，不是全面替代品
  它能幫工程師處理大量重複、手動的流程，但在 45 奈米、以及 AI 晶片 chiplet 設計這種高度複雜的場景裡，仍然需要 Cadence 和 Synopsys 這類成熟平台撐住整個設計流程。

換句話說，AI 對 EDA 的衝擊，較像是提升既有產品價值，而不是直接把商業模式炸掉。

 

AI 的雙面刃：一邊重分配資本，一邊重塑競爭規則

這一輪事件把 AI 的兩面性講得很清楚。

一方面，從 IBM 的警訊到 Moonshot 的案例，都在說同一件事：
AI 會重配企業支出、重排供應鏈，也會讓地緣政治下的科技封鎖催生新的本土替代方案。

另一方面，投資人也開始更在意一個現實問題：
AI 到底怎麼從燒錢故事，變成穩定現金流？

這也是為什麼市場現在對「AI」兩個字的態度沒那麼單純。
不是不信長期趨勢，而是開始要求公司講清楚：

• 收費模式是訂閱、用量，還是成果分潤？
• 毛利怎麼守？
• 客戶留存怎麼看？
• 算力成本上升時，能不能把價格轉嫁出去？

 

從雲端與資本開支角度看，需求其實還在，只是錢流向改了

Mizuho 的研究也補了一個重要視角：公有雲與 AI 採用的實際數據仍然穩健，雲端基礎設施與 as-a-service 支出依舊在成長，只有部分代管服務相對疲弱。

這和現在的市場氛圍很一致：
不是 AI 需求不見了，而是錢更集中地流向雲端 capex、資料中心、伺服器與硬體基建。

從產業結構看，這跟近年的趨勢完全吻合。AI 需要更多算力、更多儲存、更多電力、更多網路傳輸，最後回到一個最現實的問題：基礎設施先吃到預算，應用軟體就得重新證明自己。

 

接下來看什麼？

接下來幾季，市場會更明確分出兩類公司：

• 一類是能把 AI 變成可持續現金流的公司，像是能清楚說明用量變現、提升毛利、提升留存的軟體業者
• 另一類是只會在財報簡報放上 AI 字樣，卻沒有商業轉換能力的公司

對 EDA 來說也是一樣。
AI 不是一定會摧毀 Cadence 和 Synopsys，反而可能變成它們產品堆疊的一部分；但市場會先用最激烈的方式重新定價，等下一輪財報再看誰說得出實際成效。

所以真正該追問的不是：AI 會不會改變軟體？
而是：哪些公司能在 IBM 這種預警、Moonshot 這種衝擊之下，依然把 AI 轉成穩定獲利？

為什麼市場會先賣軟體、再追硬體，最後又回頭重新檢查誰才真的有定價權？