翻到twitter 经济分析师@abcamp 的一则分享，其中一个细节极具象征意义：AI编码工具的单位小时成本已逼近传统离岸外包人力，AI工

翻到twitter 经济分析师@abcamp 的一则分享，其中一个细节极具象征意义：AI编码工具的单位小时成本已逼近传统离岸外包人力，AI工具（如Cursor）每小时成本已达10-15美元，与印度外包劳动力持平。这不是单纯的成本对齐，而是产业结构的临界点——软件行业长期被当作同质资产对待，但AI正在迫使市场承认一个被忽略的事实：软件公司本质上分属两种经济模型。

2025年的市场回报率，只是这场分化的第一次公开表达。

两类软件公司的本质差异

软件公司可分为两种底层逻辑完全不同的类型。

1. 用户点击型公司：为“人类操作”而生

其核心是围绕“人类操作”构建系统，通过界面、流程、仪表盘帮助组织完成管理与协作，本质是Dashboard + MIS + Workflow 的集合体。商业模式依赖座位订阅：员工越多，席位越多，收入随人头增长。代表包括 Salesforce、HubSpot、ServiceNow、Monday.com。

它们的核心商业模式是“按座位订阅”。 多一个员工，多一个席位；少一个人，就少一分收入。

其存在意义在于： 人类需要界面完成信息化和决策辅助的业务操作，我们上学时书本上把它叫做管理信息系统。

2. 基础设施型公司：为“系统调用”而生

另一类公司不面向人类界面，而存在于系统管道之中，是自动化执行节点。代表包括 Cloudflare、MongoDB、Datadog、Twilio、Snowflake,也比如某种技术中间件融合算法和数据的系统，比如反洗钱领域的KYT、知识图谱等。

它们不依赖人工界面，而是存在于系统管道中，融合了数据、模型算法和自动化决策流程，按API调用、查询次数、事件流与算力消耗计费。其价值不在“被人使用”，而在“支撑系统运行”。

其存在意义在于： 支撑系统运行。

关键区别在于： 第一类面向“人类点击”； 第二类面向“机器调用”。

AI代理的普及，直接重写了这两类公司的需求函数。

AI代理带来的结构性断裂

AI代理改变的不是“功能”，而是“消耗结构”。

一个人完成任务，可能产生：

• 几次点击
• 十几次API调用
• 有限的数据访问

而一个AI代理完成同样任务，会：

• 每分钟发起数百次API调用
• 持续查询数据库
• 全量记录操作日志
• 实时传输事件流
• 每次请求都进行身份验证

这意味着：

• 对点击型软件而言，AI减少人类席位需求
• 对基础设施软件而言，AI指数级放大调用量

软件服务收入逻辑随之改变。

Seat-based 模型与“人头规模”绑定。 Usage-based 模型与“算力与调用密度”绑定。

AI降低人头，放大算力。

2025年：市场已经开始区分

2025年的表现提供了实证信号。

点击型公司出现明显分化：

• Salesforce 股价承压，转型进入阵痛期
• Monday.com 波动剧烈
• ServiceNow 相对稳健但难逆行业估值重置

而基础设施型公司在AI驱动的数据与算力需求下获得放大：

• MongoDB 受益于AI数据平台需求
• Snowflake 数据仓库业务增长加速
• Datadog 监控与可观测性需求增强

资本市场虽然尚未彻底完成分类，但估值逻辑已悄然重写。

软件行业正在从“座位经济”迁移至“调用经济”。

从人机交互到机器对机器

过去二十年，软件的核心是优化人机交互。 未来十年，软件的核心将是优化机器对机器的执行路径。

竞争焦点将从：

• 界面体验
• 流程配置

转向：

• API效率
• 数据吞吐能力
• 调用安全与可观测性
• 代理编排能力
• 数据的准确率和召回率
• 算法的有效性和置信度

真正的长期价值，不在于“让人更容易点击”， 而在于“让机器更高效行动”。

从业者的跃迁逻辑

这种分化并非简单的裁员周期，而是技能结构重排。

风险岗位：

• 纯UI驱动开发
• 基础编码执行
• 依赖人工操作的系统管理员

高增长岗位：

• 数据架构与数据库工程
• API与系统设计
• 可观测性与安全工程
• AI代理编排与治理
• 数据效用建模
• AI based数据应用专家

未来的核心能力不再是“写功能”， 而是“设计调用结构”。

AI不会淘汰软件行业， 只会淘汰依附人类操作密度的工作形态。

第三类公司的可能崛起

当AI代理规模化运行，互联网流量可能被放大数十倍甚至更多。

这将催生新的软件层级：

• 代理运行监控
• 代理权限治理
• 代理行为审计
• 多代理协同调度

围绕“如何管理机器”的软件生态，可能成为下一阶段增长引擎。

分化时代的生存法则

软件行业并未衰退，而是在重排价值坐标。

公司层面：

• 若依赖座位规模，必须转向可调用生态
• 若处于基础设施层，应强化技术壁垒

个人层面：

• 不要成为“操作界面的专家”
• 要成为“构建调用体系的人”

AI不是威胁，而是筛选器。

它正在区分：

• 为人类点击而设计的软件
• 为机器执行而设计的软件

也正在区分：

• 依赖旧逻辑的从业者
• 能够重构系统结构的人

分化已经开始。 真正的机会，在于提前站到调用经济的一侧。