IBM先踩煞車，AI改寫軟體生意的關鍵是收費模式

IBM 先踩煞車，AI 真的正在改寫軟體生意

如果說這一波 AI 是股市最大的成長主線，那企業軟體這邊最近的體感就像是長坂坡突然遇到亂軍：表面上大家都還在講 AI，實際上訂單、簽約、估值模型，全部開始重新洗牌。

最直接的導火線，就是 IBM 第二季先行釋出不如預期的業績警訊。這不只讓 IBM 自己股價承壓，也把整個企業軟體與顧問服務族群一起拖下水。市場這次不是單純擔心一家公司，而是開始懷疑：AI 到底是不是能穩定變現，還是只會把舊商業模式拆掉？

 

企業預算先去買伺服器，軟體先被擠壓

IBM 的說法很清楚，問題不在 AI 故事不夠大，而是多個大型客戶專案沒有在原本時間內完成簽約，所以季度收入直接落空。更麻煩的是，季末幾週客戶的預算明顯往 伺服器、儲存、記憶體等硬體 斜過去，反而壓縮了交易處理相關的軟體需求。

這件事透露兩個現象：

1. 企業 IT 預算是有限的，現在優先級正往 AI 算力基礎建設傾斜。
2. 傳統企業軟體的簽約週期變長，也就是說，收入認列與現金流能見度都變差了。

這種環境下，SaaS 公司的壓力不只是短期業績，而是整個商業模式開始被 AI 逼著重寫。

 

訂閱制不一定死，但「按用量」會變成新主流

過去十多年，企業軟體最好賣的邏輯很簡單：固定訂閱、穩定續費、高毛利。這套模型之所以強，是因為客戶一旦導入系統，轉換成本高、黏著度高，收入看起來也很漂亮。

但 AI 代理、推理服務、模型運算這些新東西，本質上更像雲端用量生意，不是傳統那種一次賣授權、再收年費的打法。於是軟體公司開始被迫往三種方向轉：

• 按運算量計價
• 按使用次數計價
• 甚至按成果、按產出計價

這對投資人來說不是小事。因為一旦從訂閱走向消費型模式，收入波動會變大、客戶流失率會被重新定義，毛利結構也可能變形。換句話說，AI 不只是讓 SaaS 長出新功能，而是直接在改商業模式的骨架。

 

市場不是沒給答案，只是答案變得更分化

從 Seeking Alpha 的 AI 與機器學習主題篩選來看，市場其實還是願意押 AI，只是現在押的不是「純軟體敘事」，而是更靠近底層技術和基礎建設的公司。

像是：

• Innodata
• Nebius Group
• Elastic
• Twilio
• Penguin Solutions
• SentinelOne
• AMD
• Atlassian
• Veeva
• Butterfly Network

這份名單很有意思，裡面既有做 AI 資料處理、搜尋、應用軟體的公司，也有提供算力、晶片或基礎架構的廠商。這代表資金雖然對短期 SaaS 成長開始猶豫，但對 AI 基礎設施與深度技術供應鏈 仍然有興趣。

另一組「Software Quant Stocks」名單也差不多。像是：

• BlackBerry
• Digital Turbine
• Nebius Group
• Porch Group
• FatPipe
• Ooma
• Mitek Systems
• Pagaya
• BILL Holdings
• Agilysys

這些公司橫跨資安通訊、中小企業支付、資料處理等不同模式。共同點是：AI 不能只是貼標籤，得真的嵌進產品，才有機會提升定價能力與競爭力。

 

Kimi K3 出手，EDA 龍頭也被嚇出一身冷汗

另一個讓市場神經繃緊的事件，是中國 Moonshot AI 推出的 Kimi K3。這個模型主打 2.8 兆參數、100 萬 tokens 上下文視窗，而且是 open weight，市場甚至把它視為最早一批「3T 級」模型之一。

更讓投資人不安的是，Kimi K3 在展示中提到，能在 48 小時內利用開源 EDA 工具完成奈米級晶片設計與驗證。這一段直接打到 Cadence 和 Synopsys 投資人的神經，因為大家擔心 AI 會不會把這兩家長期吃飯的護城河給動搖了。

股價也確實先反應了這個恐懼。

 

但這波賣壓，可能有點反應過頭

BNP Paribas 分析師 Andrew DeGasperi 的看法比較冷靜，他認為市場這次有點反應過度。原因主要有兩個。

 

第一，中國本來就會加速自建 EDA 能力

美國商務部這些年對 EDA 出口一直有管制，到了去年出口禁令更落地，中國加碼投資自己的工具鏈，本來就是合理發展。換句話說，Moonshot 和 K3 的故事，更多是在 既有開源工具上疊加 AI 能力，去補商用 EDA 缺口，不代表已經真的能全面取代全球龍頭。

 

第二，AI 目前更像是自動化工具，不是完整替代品

現在 AI 的確能把晶片設計流程裡很多手動、重複的工作自動化，讓工程師效率大增。這一點沒人否認。

但一旦進到 45 奈米、或者 AI 晶片 chiplet 設計 這種複雜度很高的場景，變數管理、流程整合、驗證邏輯還是很難完全脫離 Cadence 和 Synopsys 這種成熟平台。也就是說，AI 更可能是升級工具，而不是直接把舊龍頭端走。

 

真正的問題：AI 一邊創造成長，一邊破壞舊秩序

這次 IBM 和 Moonshot 兩個事件放在一起看，會發現 AI 的兩面刃非常明顯。

一方面，AI 正在重塑：

• 企業 IT 預算配置
• 軟體公司收費模式
• 中美科技供應鏈
• 晶片設計工具的工作流程

另一方面，市場又開始追問一個更現實的問題：
AI 到底什麼時候才能從燒錢故事，變成穩定現金流？

這才是估值重新定價的核心。以前只要講 AI，市場可以先給溢價；現在投資人開始更在意你怎麼賺錢、賺多久、毛利能不能守住。

 

雲端與 AI 需求還在，只是估值不再無腦往上

Mizuho 的研究顯示，公有雲和 AI 採用的實際數據仍然不差，雲端基礎設施與 as-a-service 支出還在成長，只是部分代管服務比較弱。

但另一個現實是，整個軟體族群的估值倍數仍低於過去幾年的平均水準。這其實很像市場在說：
長期成長我還是相信，但短期獲利路徑太難預測，所以不想再用以前那種高溢價亂給。

 

接下來幾季，會是優勝劣敗加速的階段

接下來真正重要的，不是誰把 AI 寫進簡報封面，而是誰能回答這幾個問題：

• 你的 AI 產品怎麼收費？
• 收費後毛利是升還是降？
• 客戶用量增加後，收入能不能穩定放大？
• 你是在把 AI 當堆疊技術，還是在被開源方案慢慢侵蝕？

像 Cadence、Synopsys 這類公司，若能把 AI 變成產品強化器，就有機會鞏固護城河。反過來，如果只是把 AI 當成行銷詞，卻沒有實際商業轉換能力，那在下一輪修正裡，市場不會手軟。

說到底，這一輪 AI 不是只看誰喊得最大聲，而是看誰真的能把技術變成可持續的現金流。IBM 的警訊、Moonshot 的衝擊，都只是提醒大家：AI 時代的贏家，不是最會講故事的人，而是最能把故事兌現的人。