## 01 触发事件 2026 年 5 月 5 日，Bloomberg Technology 的一则节目把三件事放进了同一画面：PayPal 和 Coinbase 宣布裁员，Palantir 的 commercial sales 令人失望，主持人与 Piper Sandler 的投行高管把这一切归因于 software shares 继续承受 AI uncertainty 的冲击。 这里可确认的原始事实上限并不高：有 PayPal、Coinbase 的 job cuts，有 Palantir 商业销售不及预期，有市场把这几件事与 AI uncertainty 联系起来。 这不是财报全文，也不是 management memo。 我没看到这段视频之外更完整的管理层口径，所以对裁员幅度、组织调整方向、是否明确由 AI 替代驱动，不能过度外推。 但即便只看这一级别的信息，市场已经在说一件更重要的事：AI 不再只是把 Nvidia 往上抬的故事，它开始压缩软件公司的人力容忍度、销售预期和资本市场的耐心。 Bloomberg 的 framing 很直接：software shares continue to feel the impact of AI uncertainty。 这句 callout 值得单独拎出来。 因为它把“AI 是增长叙事”翻成了“AI 也是解释失望的变量”。 ## 02 这事的真正含义 表面上看，这是几家公司的个别经营调整。 真正的含义不是 “PayPal 和 Coinbase 发布了裁员消息”。 这才是它在说的事：AI 已经从供给侧故事，进入需求侧预算重估。 过去两年，大部分讨论都围绕 model release、training cluster、HBM 供给、context window、推理价格战。 而资本市场更愿意相信一个线性逻辑：基础模型更强，developer 更活跃，软件公司自然会把 AI 功能打包成更高 ARPU。 问题不在于模型有没有进步，而在于买单的人并没有按这个剧本走。 企业客户现在越来越像这样思考：既然模型能力每季度都变，价格持续下行，为什么要今天就锁定一个高价、重服务、长周期的软件合同？如果内部团队用 API、MCP、Agent SDK、RAG middleware 就能拼出 70 分方案，那 vendor 的 30 分溢价到底值不值？ 这会直接打到两类公司。 第一类是“AI 叙事很强，但产品替代性也强”的软件公司。它们容易在 demo 层面获益，但在采购层面被压价。 第二类是“原本靠 headcount 扩张驱动交付”的公司。AI 工具提高了单人产出后，市场会立刻追问：那你为什么还需要同样多的人？ PayPal 和 Coinbase 的信号之所以重要，不是因为它们是最典型的 AI 公司，而是因为它们都处在数字工作流密集、运营和工程都可被 AI 工具局部改写的位置上。资本市场会默认：如果这些公司都开始动 headcount，说明 CFO 已经把 AI 写进了组织效率模型。 Palantir 的 commercial sales 失望则补上了另一半证据：不是所有沾 AI 的软件公司都能把 hype 转成稳定收入。 我没在内部跑过它们的 pipeline，所以这点我可能误判，但从市场定价角度看，真正会被定价的不是“谁最会讲 AI”，而是谁能证明 AI 能提升 retention、缩短 sales cycle、或构成真正的 switching cost。 否则，AI 只会把功能层 moat 压薄。 ## 03 历史类比 / 结构对照 更像的历史参照，不是 2022 年 ChatGPT 爆发，而是 2014 年之后 AWS 对传统软件和 IT 采购逻辑的侵蚀。 那一轮变化里，很多公司一开始也把 cloud 当成新增能力。 后来大家才发现，cloud 真正改变的是预算结构、采购节奏和 build vs buy 的边界。 AI 现在也在做同样的事。 第一阶段，市场看的是“能不能接上模型”。 第二阶段，市场看的是“能不能把 AI 打包卖贵”。 第三阶段，真正残酷的一阶段，市场开始看“AI 是否让你的产品更 commodity”。 今天大概正处在第二阶段向第三阶段的过渡。 这也是为什么 Bloomberg 把 layoffs 和 disappointing sales 放在同一个叙事里讲。它不是在说 AI adoption 放缓，而是在说 AI 把旧的软件估值逻辑打散了：一部分公司会因为更会用 AI 而变强，另一部分公司会因为客户也会用 AI 而变弱。 这和 2008 年金融危机前后的差别也有一点相似：市场先给高增长故事极高容忍度，随后突然转向现金流纪律和效率问责。不是增长不重要了，而是增长必须更可验证。 AI uncertainty 不是技术 uncertainty，而是商业 capture uncertainty。 这句更接近眼下的软件现实。 模型在进步，这点几乎没人否认。 但谁能 capture value，市场还没有给出稳定答案。 ## 04 对 AI builder 意味着什么 对 builder 来说，这周和这个月最该调整的，不是技术栈崇拜，而是商业假设。 第一，别再把“加了 AI”当作默认可涨价理由。用户现在知道模型价格会跌，知道 Claude、OpenAI、Google、开源模型都能替换，知道 routing 存在套利空间。你的定价如果只是转卖 intelligence，本质上会被压缩。 真正值得构建的是 workflow 深嵌、数据闭环、审计链路、团队协作状态、或者和外部系统的集成深度。这些才更接近 switching cost。 第二，把“单位收入对应多少人工交付”重新算一遍。市场开始用 AI 的名义要求更高效率，这种 pressure 不只落在上市公司，也会落在 startup。一个 20 人团队如果还按 2023 年的 staffing 模型做 roadmap，资本效率会显得很差。 第三，重新看 model access 策略。既然需求侧开始犹豫，应用层团队更不该被单一模型绑定。多模型 routing、batch API、prompt caching、长短上下文分流，这些不只是 infra 优化项，而是 survival tool。因为当客户开始压价时，你唯一还能守住毛利的地方，往往就是 inference stack。 第四，销售叙事要从“更聪明”切到“更省流程时间，且可量化”。如果不能证明 turn-around time、resolution rate、conversion、seat expansion 的改善，AI feature 很容易沦为采购清单上的可选项。 第五，如果你做 developer tooling，尤其要警惕功能被平台层吸走。Cursor、Claude Code、Cline、IDE 原生 Agent、甚至 cloud provider 自带助手，都在压缩单点工具的生存空间。我没看到所有细分赛道的 retention 数据，所以判断可能偏保守，但接下来最难卖的，不是最差的工具，而是“还不错但没有 distribution”的工具。 ## 05 反方观点 / 风险 我可能错在把几条新闻过度串联成结构信号。 毕竟从这段 Bloomberg 内容本身，能确定的是市场情绪和几家公司的负面事件，而不是一整轮软件业普遍衰退的硬证据。PayPal、Coinbase 的裁员，也完全可能更多来自各自业务周期、监管环境、费用纪律，未必是 AI 替代直接驱动。Palantir commercial sales 的失望，也可能只是季度节奏问题，而不是 AI 变现失败。 另一个反方观点更有杀伤力：AI uncertainty 也许不是坏事，而是买方短暂停顿后的再加速前兆。企业可能只是先试点、再收敛 vendor、最后把预算集中到少数赢家身上。如果这样，今天看到的裁员和销售失望，可能只是从“泛 AI 预期”切换到“头部集中”的阵痛，而不是需求塌陷。 还有一种可能，我觉得不能轻视：AI 也许最终不会压低软件公司的收入，反而会把组织内 software spend 占比进一步抬高。因为一旦 AI agent 真能承担更多工作，企业未必减少软件预算，反而会把人力预算迁移成 software budget。这种情况下，今天的坏消息只是过渡期噪音。 但即使站在这个反方立场，我还是会保留一个判断：市场已经不再奖励抽象的 AI 故事，它开始要求更具体的商业证明。 问题不在于 AI 会不会改变软件。 问题在于，在 AI 改变软件的过程中，有多少公司会先被 AI 改写自己的估值逻辑。