根据最新的财报,看看SaaS是否真的被AI杀死?什么是SaaS的核心指标Rule of 40 ?

什么是 SaaS 行业 Rule of 40（40 法则）？

Rule of 40 = 营收同比增速 + 净利润率（或 EBITDA 利润率） ≥ 40%

只要两者相加 ≥40%，就符合 Rule of 40 达标，说明这家 SaaS 公司成长 + 盈利健康度合格。

SaaS 公司有两个矛盾点：

高增长
：砸研发、砸销售，增速高，但不赚钱；
高盈利
：不投入扩张，赚钱多，但增速低。

Rule of 40 就是给了一条平衡及格线：

你可以不高增长，也可以不高盈利，但两者加起来不能低于 40。

举例

增速 25%，利润率 18% → 43 ≥40 ✅ 达标
增速 15%，利润率 25% → 40 刚好 ✅ 达标
增速 20%，利润率 15% → 35＜40 ❌ 不达标

行业通用两种口径

主流标准
收入增速 + EBITDA 利润率 ≥40
保守现金口径
收入增速 + 自由现金流 FCF 利润率 ≥40

华尔街看 SaaS，优先用 EBITDA 版本 Rule of 40。

四、分档含义（投资人常用）

≥50
：顶级 SaaS，高增长还高赚钱，质地天花板
40～49
：优质合格，成长和盈利平衡很好
＜40
：体质偏弱，要么靠烧钱堆增速，要么躺平没增长

五、一句话总结

Rule of 40 就是美股 SaaS 的健康体检线：增长 + 盈利加起来满 40 分，才算合格的好公司。

根据最近2026年一季度的财报，SAAS还在增长中，看看下面这些：

达标组 ✅（Rule of 40 ≥ 40）

公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	PE (TTM / 预期)
Palantir	35%	53%	88	63.0	12%	28%	232
CrowdStrike	32%	28%	60	20.0	15%	22%	180
Datadog	32%	25%	57	15.5	18%	15%	125
ServiceNow	22%	24%	46	10.8	11%	20%	72
GitLab	28%	15%	43	12.2	22%	8%	140
MongoDB	28%	14%	42	11.5	17%	10%	110
Zscaler	26%	16%	42	14.0	14%	18%	130
Cloudflare	27%	14%	41	13.3	16%	12%	95
Veeva	19%	22%	41	8.5	9%	25%	58
HashiCorp	20%	20%	40	7.2	18%	5%	65

二、不达标组 ❌（Rule of 40 ＜ 40）

公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	PE (TTM / 预期)
Snowflake	25%	11%	36	10.6	20%	4%	—（亏损）
Elastic	28%	8%	36	7.8	19%	3%	—（亏损）
Databricks	25%	-8%	17	18.5	25%	-5%	—（亏损）
Salesforce	11%	17%	28	4.1	13%	19%	35
HubSpot	18%	10%	28	6.9	17%	11%	52
Adobe	12%	25%	37	9.2	8%	27%	46
Okta	14%	10%	24	5.7	16%	9%	78
Twilio	8%	15%	23	3.3	14%	12%	41
Atlassian	18%	19%	37	7.5	21%	16%	60

数据日期：2026/5/11；口径：营收同比增速 + 非 GAAP 运营利润率≥40 为达标。

一、A 股 SaaS

达标组 ✅（Rule of 40 ≥ 40）

公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	PE (TTM / 预期)
金山办公	24%	22%	46	18.5	10%	18%	85

不达标组 ❌（Rule of 40 ＜ 40）

公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	PE (TTM / 预期)
用友网络	6%	-18%	-12	4.8	20%	-8%	—（亏损）
广联达	-5%	18%	13	7.2	12%	10%	55
泛微网络	15%	20%	35	9.5	14%	15%	62
石基信息	10%	15%	25	5.1	16%	8%	48

二、港股 SaaS

达标组 ✅（Rule of 40 ≥ 40）

公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	PE (TTM / 预期)
迈富时	30%	14%	44	4.5	18%	7%	70

不达标组 ❌（Rule of 40 ＜ 40）

公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	PE (TTM / 预期)
金蝶国际	12%	18%	30	4.5	17%	9%	52
北森控股	20%	5%	25	5.8	22%	2%	—（亏损）
明源云	8%	12%	20	3.2	15%	6%	45
微盟集团	15%	10%	25	3.8	16%	5%	68
有赞	-10%	-5%	-15	2.1	20%	-12%	—（亏损）
聚水潭	22%	7%	29	5.2	19%	4%	75

全局总表（PS 降序）

公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	PE(TTM)	达标
Palantir	35%	53%	88	63.0	12%	28%	232	✅
CrowdStrike	32%	28%	60	20.0	15%	22%	180	✅
金山办公	24%	22%	46	18.5	10%	18%	85	✅
Databricks	25%	-8%	17	18.5	25%	-5%	亏损	❌
Datadog	32%	25%	57	15.5	18%	15%	125	✅
Zscaler	26%	16%	42	14.0	14%	18%	130	✅
Cloudflare	27%	14%	41	13.3	16%	12%	95	✅
GitLab	28%	15%	43	12.2	22%	8%	140	✅
MongoDB	28%	14%	42	11.5	17%	10%	110	✅
Snowflake	25%	11%	36	10.6	20%	4%	亏损	❌
泛微网络	15%	20%	35	9.5	14%	15%	62	❌
Adobe	12%	25%	37	9.2	8%	27%	46	❌
广联达	-5%	18%	13	7.2	12%	10%	55	❌
Veeva	19%	22%	41	8.5	9%	25%	58	✅
Atlassian	18%	19%	37	7.5	21%	16%	60	❌
Elastic	28%	8%	36	7.8	19%	3%	亏损	❌
HubSpot	18%	10%	28	6.9	17%	11%	52	❌
聚水潭	22%	7%	29	5.2	19%	4%	75	❌
石基信息	10%	15%	25	5.1	16%	8%	48	❌
Okta	14%	10%	24	5.7	16%	9%	78	❌
北森控股	20%	5%	25	5.8	22%	2%	亏损	❌
ServiceNow	22%	24%	46	10.8	11%	20%	72	✅
HashiCorp	20%	20%	40	7.2	18%	5%	65	✅
用友网络	6%	-18%	-12	4.8	20%	-8%	亏损	❌
迈富时	30%	14%	44	4.5	18%	7%	70	✅
金蝶国际	12%	18%	30	4.5	17%	9%	52	❌
Salesforce	11%	17%	28	4.1	13%	19%	35	❌
微盟集团	15%	10%	25	3.8	16%	5%	68	❌
Twilio	8%	15%	23	3.3	14%	12%	41	❌
明源云	8%	12%	20	3.2	15%	6%	45	❌
有赞	-10%	-5%	-15	2.1	20%	-12%	亏损	❌

市场	公司	营收增速	非 GAAP 运营利润率	Rule of 40	PS(TTM)	SBC 占比	FCF 利润率	达标
港股	阜博集团	19.6%	12.0%	31.6	2.7	5%	2.4%	❌
A 股	金山办公	24.0%	22.0%	46.0	18.5	10%	18.0%	✅
A 股	福昕软件	15.0%	5.0%	20.0	6.4	12%	-1.0%	❌
美股	Figma	38.0%	12.0%	50.0	9.0	18%	13.0%	✅
美股	多邻国	27.0%	28.6%	55.6	15.5	8%	50.6%	✅

Palantir（太贵）

CrowdStrike（太贵）

个人觉得值得跟踪的有：

Datadog

ServiceNow

MongoDB

Zscaler

Cloudflare

Veeva

INTU

snowflake

Figma

Circle

Twilio

多邻国DUOL

金山软件（金山办公）

金蝶国际

福昕软件

阜博集团

公司	营收增速	运营利润率	Rule of 40	PS(TTM)	SBC 占比
CrowdStrike	29%	26%	55	12.5	14%
Datadog	28%	24%	52	10.8	22%
ServiceNow	21%	28%	49	14.2	11%
MongoDB	27%	23%	50	13.6	17%
Zscaler	23%	20%	43	11.1	13%
Cloudflare	30%	14%	44	12.1	16%
Veeva	16%	42%	58	15.3	9%
Snowflake	29%	9%	38	17.1	20%
Figma	38%	12%	50	9.0	18%
Circle	64%	39%	103	11.2	15%
多邻国	27%	29%	56	15.5	8%
金山办公	24%	22%	46	18.5	10%
金蝶国际	18%	15%	33	5.8	12%
福昕软件	15%	5%	20	6.4	12%
阜博集团	20%	12%	32	2.7	5%

核心前提：Agent和Chatbot是完全不同的基础设施需求

理解这条价值链，首先要理解一个技术前提：

传统Chatbot的基础设施需求： → 用户发一条消息 → 模型回复一条消息 → 无状态，无工具，无持久化需求 → 数据库/监控/通信几乎可以忽略

Agent的基础设施需求： → 自主规划多步骤任务 → 每一步需要：查询数据库 / 调用工具 / 写入状态 → 需要记忆（跨会话持久化）→ 需要可观测性（每个决策必须可审计）→ 需要安全（防止越权操作）→ 多个Agent协作时，需要实时数据流这是一个乘法效应：传统应用：1个用户操作 → 1个数据库查询 Agent应用：1个用户指令 → N个推理步骤 × M个工具调用查询量 = 操作数 × 推理步骤 × 并行Agent数

Gartner数据：多Agent系统查询量从Q1 2024到Q2 2025增长1,445%。AI agent市场规模从2025年的78.4亿美元将增长至2030年的526.2亿美元，CAGR达46.3%。但当前只有2%的企业真正实现规模部署，79%仍处于实验阶段——这个落差是整个价值链最重要的时间变量。

价值链六层结构

用户/企业需求

Layer 0：大模型（Model Layer）

Layer 1：Agent编排框架（Orchestration）

Layer 2：数据库与存储（Data Layer）

Layer 3：实时数据流（Streaming Layer）

Layer 4：可观测性与监控（Observability）

Layer 5：安全与权限（Security/AuthZ）

Layer 6：通信与交互（Communication）

Layer 0：大模型

代表：OpenAI（未上市）、Anthropic（未上市）、Google（GOOGL）、Meta（META）

大模型层面临一个根本性的商业问题：推理成本正在快速商品化。Datadog的State of AI Engineering报告显示，2026年没有明显的模型赢家——企业同时运行Claude、GPT、Gemini多个模型，主动分散以避免锁定。

大模型层的商业现实： → 训练成本天文数字，持续烧钱 → 推理单价持续下降 → 多模型并行意味着没有单一垄断 → 模型本身正在商品化对价值链其他层的含义： → 每个模型都需要下方所有基础设施层 → 大模型层利润率在压缩 → 基础设施层恰恰是受益者 → 不管哪个模型赢，基础设施都赢

论点强度：弱（商品化压力，多数标的未上市）

Layer 1：Agent编排框架

代表：ServiceNow（NOW）、Salesforce（CRM/Agentforce）

Datadog数据：Agent框架（LangChain/LangGraph/Pydantic AI）采用率2026年较2025年翻倍，从9%升至18%。

这一层的结构性问题： → 开源框架（LangChain）免费 → 大厂自建框架（Google ADK/Microsoft AutoGen）免费 → 真正赚钱的是企业级封装（ServiceNow/Salesforce）

但竞争格局混乱： → 大厂、开源、创业公司三方博弈 → 79个财报电话的研究结论： "AI without workflows is chaos" → 编排层需求真实，但利润归属不确定

论点强度：中等（需求真实，竞争格局混乱）

Layer 2：数据库与存储（价值链最关键层）

这是整条价值链里商业逻辑最清晰的层。

核心原因：

按使用量计费 + Agent乘法效应 = 收入自动增长企业Agent部署增加 → 查询量自动增加查询量增加 → 账单自动增加这是收入增长和Agent活跃度的直接联动不需要主动销售，是数学上的必然

事务型数据库：MongoDB（MDB）

Agent的每一个状态变更（任务记录/上下文存储/工作流写入）都需要事务型数据库持久化。MongoDB的文档模型（JSON-like）天然适合Agent的半结构化状态数据。

最新财报数据：

营收：6.951亿美元，YoY +27%

Atlas云收入：YoY +29%

Atlas按用量计费：Agent使用量增加 → 收入直接增加

MongoDB的护城河： → 数据迁移成本极高（切换数据库要重写整个数据层）→ Atlas按消费量计费（Agent越活跃收入越高）→ 文档模型适合Agent状态（JSON天然匹配）风险： → AWS DocumentDB、Azure Cosmos DB直接竞争 → 但MongoDB已经和AWS竞争了近十年，仍在增长

分析型数据库：Snowflake（SNOW）

企业的历史数据和知识库大多存储在Snowflake里，Agent做决策需要查询这些数据。Snowflake Cortex模块允许在数据仓库内直接运行AI推理。

Citi数据：单个AI use case在Snowflake上产生约$200K增量消费。

Snowflake的现实挑战： → 批处理架构（最快也有分钟级延迟）→ Agent需要的是实时数据 → Snowflake正在向流处理演进（Snowpipe Streaming）Snowflake自己的预测（Data+AI Predictions 2026）： "2026年将是Agent真正在企业落地的一年数据治理和统一数据基础将是Agent部署的前提" 按credits消耗计费： Agent查询量越多 → Credits消耗越多 → 收入越多

向量数据库

RAG（检索增强生成）是Agent获取上下文的标准方式，每次Agent推理 = 一次向量检索。但独立向量数据库公司（Pinecone/Weaviate）大多未上市，向量功能正在被MongoDB Atlas等主流数据库内置，独立向量数据库的护城河在收窄。

论点强度：⭐⭐⭐⭐⭐（最Solid）

Layer 3：实时数据流

代表：Confluent（CFLT）

Fortune / Yale研究（2026年4月30日）的核心论断："数据基础设施的组织、准确性和可访问性，将决定Agentic AI能否真正扩展。"

架构现实： → 大多数企业数据在Snowflake/Redshift等批处理系统 → 批处理数据让Agent做出"过时的决策" （"库存还有多少？"——批处理答案是昨晚的数字）→ Agent需要：数据库发生变化时，立刻知道 Confluent的作用： → CDC（Change Data Capture）：当任何数据库有变化，立刻推送给Agent → 把批处理系统变成实时系统 → 企业Agent进入生产的必经路径市场现实： → 架构迁移（批处理→实时）是确定性趋势 → Confluent是这条路径上的事实标准 → 但开源Kafka可以免费使用（企业版的溢价空间受限）

这一层比Datadog更难被市场直观理解，估值相对更低，是价值链中预期差最大的标的。

论点强度：⭐⭐⭐⭐（相对低估，逻辑清晰）

Layer 4：可观测性与监控

代表：Datadog（DDOG）——财报+31%

这是今天被实时验证的层。

为什么Agent需要可观测性远超传统应用：

传统应用出错： → 一个功能失效 → 用户报告 → 修复 Agent出错： → 自主决策出错，可能已经执行了错误操作（发错了邮件/修改了错误数据/做了错误交易）→ 每次LLM调用都产生API费用，必须追踪成本 → 多Agent协作时，哪个环节出了问题？ Datadog State of AI Engineering报告（2026年5月）： → 2026年2月：5%的LLM调用出错，60%是rate limit错误 → 3月：8.4百万次rate limit错误 → 说明Agent在生产环境大量碰壁 → 企业迫切需要工具理解、优化、控制成本

Datadog的核心护城河：

模型无关性： → 不管用OpenAI/Claude/Gemini哪个模型 → 不管用LangChain/AutoGPT哪个框架 → Datadog都在监控 → OpenAI自己也是Datadog的最大客户多云不可替代性： → 企业同时用AWS+Azure+GCP → 每个云的原生监控工具只能看自己的部分 → Datadog是唯一跨云的统一视图 → 这在多模型时代同样适用按使用量计费： → 按主机数/日志量/自定义事件 → Agent每个推理步骤产生logs和traces → Agent越活跃，Datadog收入越高

Q1 2026财报关键数据：

指标数值YoY营收10.06亿美元+32.2%全年指引（中点）43.2亿美元从40.8亿上调超出预期幅度+5%—分析师目标价（Guggenheim）225美元—

论点强度：⭐⭐⭐⭐⭐（最Solid，今日财报实时验证）

Layer 5：安全与权限

代表：CrowdStrike（CRWD）、Palo Alto Networks（PANW）、Zscaler（ZS）

Agent的安全需求为什么根本不同： → Agent是自主的，会主动请求权限 → 可能被"提示注入"攻击（恶意输入劫持Agent）→ Agent可以写数据库/发邮件/执行代码 → 权限边界必须是确定性的，不是模糊的 Gartner预测： → AI治理支出2026年达4.92亿美元 → 2030年超过10亿美元 → "Guardian Agent"技术占Agent市场10-15% 但这一层的投资问题： → CrowdStrike和Palo Alto是成熟大公司 → Agent安全是新增长点，不是唯一业务 → 估值已经偏贵 → 更大的机会可能在未上市的Agent安全初创公司

论点强度：⭐⭐⭐（重要但非最直接受益，估值偏贵）

Layer 6：通信与交互

代表：Twilio（TWLO）

Agent完成任务后需要通知/确认/报告： → 发短信通知用户 → 打电话确认操作 → 多个Agent之间的协作消息 Twilio的Agent收费转型： → 传统：按席位/月订阅 → Agent时代：per agent deployed / per communication → 每新增一个生产Agent → 通信量增加 → Twilio收入增加本周动态： Twilio年会发布新平台能力专门帮助AI Agent相互通信协作 CEO："这将戏剧性改善企业Agent部署体验"

论点强度：⭐⭐⭐⭐（收费模式转型 + 使用量联动）

价值链核心洞察

洞察一：按使用量计费是分水岭

79个企业财报电话的研究得出结论："Snowflake、MongoDB、Datadog、Twilio、Confluent、Cloudflare将赢，因为AI是被基础设施性地支持在这些平台上的。"

受AI破坏的SaaS（按席位）： → AI让每个员工完成更多工作 → 需要的席位数量减少 → 收入下降 → 这是Zoom/Docusign/HubSpot面临的压力受益于Agent的SaaS（按使用量）： → 企业裁员 + 增加Agent → 数据库查询量 / 日志量 / 通信量不减反增 → 账单自动增加 → 这是基础设施层真正的"Agent红利"

洞察二：模型无关性是最强护城河

历史类比：云计算时代——不管AWS/Azure/GCP谁赢 Datadog都在监控，MongoDB都在存数据这套逻辑在Agent时代完全重演 Datadog自己的研究数据验证： "2026年没有明显的模型赢家企业同时运行多个模型避免锁定" → 这正是多云时代的翻版 → 模型无关的基础设施层是最终受益者

洞察三：数据不可迁移性

一旦企业的Agent状态数据存入MongoDB： → 切换需要重写数据访问层 → 迁移全部历史数据 → 重新测试所有Agent工作流 → 停机风险不可接受这是软件行业最强的护城河之一：锁定效应（Lock-in）企业宁愿付更高费用，也不愿承担迁移风险

风险评估

风险一：大厂垂直整合（最大的结构性风险）

威胁场景： AWS/Azure/Google宣布： "我们的数据库+监控+安全原生支持Agent 比独立工具便宜30%，和我们的模型深度集成" 受影响最大的： → Datadog（面对CloudWatch/Azure Monitor）→ MongoDB（面对DocumentDB/Cosmos DB）→ Confluent（面对AWS MSK）反驳证据： → Datadog已和AWS/Azure/GCP竞争超过10年 → 多云环境让独立工具的价值在增加 → Datadog Q1超预期32%是十年竞争的答卷 → OpenAI选择Datadog而不是任何云原生工具

评级：真实但已被历史反驳

风险二：Agent落地速度慢于预期

当前数据的矛盾： → 79%的公司在"采用"AI Agent → 但只有2%真正在规模化部署 → "实验到生产"是最难跨越的鸿沟如果这个鸿沟2026-2027年没有跨越： → 使用量飙升的时间线后推 → 当前估值基于的高增速假设被打破 → 估值修正压力反驳证据： → Datadog Q1财报：AI可观测性已在拉动收入 → 单个AI use case产生$200K增量消费（Citi）→ 企业AI基础设施支出2026年增长20-35% → 数据指向落地正在发生

评级：需要持续监控，当前数据偏乐观

风险三：AI原生数据库颠覆现有格局

威胁：专为Agent优化的AI原生数据库出现 → 更低延迟/更好的向量+关系混合查询 → 专门为Agent访问模式设计当前评估： → MongoDB/Snowflake都在快速内化向量功能 → 数据迁移锁定效应是天然护城河 → 短期（2-3年）不是主要威胁 → 中期（3-5年）需要持续关注

评级：长期需关注，短期影响有限

风险四：估值风险

Datadog今日+31%后的估值： → 全年指引43.2亿美元 → EV/Revenue约14倍（基于2026年指引）→ 14倍对于32% YoY增速的SaaS在历史上合理 → 但任何增速减缓信号都会导致快速估值收缩 MongoDB和Snowflake今日+10%后同样需要重新评估 → 追高风险在今天的涨幅后显著上升

评级：今日涨幅后安全边际减少，入场时机需要重新评估

各标的投资论点综合评级

标的层次论点强度商业模式匹配当前估值主要风险DDOG可观测性⭐⭐⭐⭐⭐按用量，模型无关今日+31%后偏贵大厂竞争MDB事务数据库⭐⭐⭐⭐⭐Atlas按用量，直接联动合理DocumentDB竞争SNOW分析数据库⭐⭐⭐⭐按credits，需实时化合理批处理架构局限CFLT实时数据流⭐⭐⭐⭐架构迁移受益相对低估开源Kafka竞争TWLO通信交互⭐⭐⭐⭐per agent收费转型中低估转型执行风险NET安全+网络+边缘⭐⭐⭐⭐Agent安全+全球路由合理竞争激烈CRWD/PANW安全⭐⭐⭐Agent是增量，非主业偏贵估值已高NOW/CRM编排框架⭐⭐⭐企业封装偏贵大厂自建

最Solid的三个论点

#1：Datadog（DDOG）

AI可观测性是Agent进入生产的必须基础设施，无论企业使用哪个大模型、哪个框架、哪个云——Datadog是唯一跨云、跨模型的统一监控平台。OpenAI是其最大客户这一事实，从根本上验证了"连大模型提供商自己也需要被监控"这个逻辑。今日财报是这个论点从叙事转为数据的关键时刻。

核心条件同时成立：模型无关 × 多云不可替代 × 按用量计费 × 今日财报验证

主要风险：今日+31%后估值已充分反映预期，追高风险高。

#2：MongoDB（MDB）

Agent的每个状态变更都需要事务型数据库。MongoDB的文档模型天然匹配Agent的半结构化状态数据，Atlas的按用量计费让收入与Agent活跃度直接正相关，数据迁移成本（锁定效应）构成了极强的护城河。

核心条件同时成立：使用量联动 × 锁定效应 × 文档模型技术匹配

主要风险：大厂竞品，但已在持续竞争中持续增长。

#3：Confluent（CFLT）——最大预期差

论点：Agent需要实时数据，但99%的企业数据在批处理系统中。从批处理到实时的架构迁移是不可避免的，Confluent是这条必经路径上的企业级标准。这个逻辑同样清晰，但市场对这一层的认知远低于DDOG和MDB，估值相对低，是这条价值链中预期差最大的标的。

核心条件同时成立：架构迁移不可避免 × 市场认知低于基本面 × 企业级锁定

主要风险：开源Apache Kafka的存在限制了定价权，大厂提供的托管Kafka服务（AWS MSK）竞争。

总结

最Solid的投资逻辑

按使用量计费的数据基础设施公司（DDOG/MDB/SNOW/CFLT/TWLO），在Agent浪潮里具备一个近乎完美的商业结构：Agent使用量增长自动带动数据库查询/日志/通信量增长，账单自动增加，不依赖主动销售，也不依赖某一个大模型的胜出。这是模型无关性和使用量计费结合产生的复合护城河，在云计算时代的Datadog已经验证了这套逻辑的持久性。

最大的冲击

大厂垂直整合是持续存在的威胁，但已被Datadog十年数据反驳。更真实的短期风险是Agent落地速度——目前2%的规模部署率意味着，当前的高增速假设建立在未来数年持续加速的基础上。任何企业AI采用速度的减缓，都会触发这条价值链的估值重估

受益于AI Agent流量爆发的公司

AI Agent 爆发会带来网络流量暴涨、API 调用爆炸、应用数量激增，最受益的是卖水的 PaaS（云平台 / 开发 / 网络）+ 高频 API / 数据型 SaaS**，其次是垂直场景 SaaS（CRM/ERP/ 办公）。下面分全球 + 国内，按流量基础设施、PaaS 平台、SaaS 应用三类整理核心标的，标注受益逻辑与关键驱动。

AI Agent 带来的流量爆发，核心受益的是网络传输、云基础设施、边缘 / CDN、数据平台、安全与企业 SaaS五类美股。下面按 “最直接受益→强关联→场景应用” 分层整理，突出流量放大、请求激增、API 调用暴涨的核心逻辑。

一、网络与 CDN（流量 “收费站”，最直接受益）

1. Cloudflare（NET）

核心逻辑：AI Agent7×24 小时全网爬行，单任务触发数千 API / 网页请求，2026 年初 Agent 请求量同比翻倍。
关键优势：全球 100 + 数据中心，低延迟 + 高并发 + DDoS 防护，成为 Agent 流量的 “默认路网”。
业绩催化：2026 年 AI 相关流量收入同比 + 80%+，大客户（年付 > 100 万）同比 + 55%。

2. Akamai（AKAM）

核心逻辑：企业级 Agent（如客服 / 营销代理）高频调用企业 API / 数据库，Akamai 的企业 CDN + 边缘计算承接流量出口。
关键优势：企业客户覆盖率 90%+，边缘节点覆盖广，支撑 Agent 跨地域稳定调用。

3. Fastly

截至2025年12月31日的第四季度，Fastly调整后每股收益为12美分，相比2024年同期每股亏损2美分实现大幅改善，营收达到1.726亿美元，同比增长23%。
Fastly在2025年推出的AI Accelerator是一个语义缓存（Semantic Caching）解决方案。简单说，当AI Agent反复向OpenAI等大模型发起类似请求时，Fastly在边缘节点直接返回缓存结果，不需要每次都"回源"到模型提供商。
这意味着什么？
• 响应速度提升9倍（从约2秒降到150毫秒以内）
• 大幅降低LLM API调用成本
• 开发者只需改一行代码即可接入
这一产品把Fastly从一个传统CDN"管道工"，变成了AI请求处理链路中的关键调度者。William Blair因此将Fastly升级为"Outperform"，称其WebAssembly架构是实时AI编排的"黄金标准"

二、云基础设施（算力 + 推理 + 执行环境，流量爆发的底座）

1. Amazon（AMZN，AWS）

核心逻辑：Agent长时运行 + 频繁推理 + 多工具调用，AWS 是 Anthropic（Claude）核心云，2026 年 Anthropic 年化收入达300 亿美元，60%+ 云支出走 AWS。
关键优势：Trainium/Inferentia 自研芯片优化推理成本，支撑 Agent 大规模部署。

2. Microsoft（MSFT，Azure）

核心逻辑：Copilot Studio 让Office/Teams 用户批量创建 Agent，Azure OpenAI 独家提供模型推理，Agent 流量直接计入 Azure 收入。
关键优势：全栈 Agent 开发 + 运行 + 管理平台，企业迁移意愿强，2026 年 Azure AI 收入同比 + 70%+。

3. Alphabet（GOOGL，Google Cloud）

核心逻辑：Gemini 原生集成 Agent，每分钟处理 160 亿 tokens，Cloud 客户 75% 在用 AI 产品，Agent 流量拉动 Cloud 高增。
关键优势：TPU 自研芯片 + Android 端 Agent 入口，移动端 Agent 流量爆发。

4. DigitalOcean（DOCN）

核心逻辑：中小开发者 / 初创公司低成本部署轻量 Agent，DO 的简单云 + 边缘节点适配高频小流量 Agent 场景。
关键优势：性价比高 + 一键部署，Agent 开发者首选，2026 年流量收入同比 + 100%+。

5. neocloud，也就是算力出租公司

NBIS，CRWV，甲骨文

从估值来看：

Nbis 2026 年营收25 亿美元，当前市值400亿，P/S在15倍。

Coreweave 2026年130亿美元，当前市值600亿，P/S在5倍。

Nbis 2027年继续维持300%增长，Coreweave维持在80%增长。

三、算力与网络芯片（流量放大的硬件核心）

1. Broadcom（AVGO）

核心逻辑：Agent 集群内部高速互联需求激增，以太网交换芯片 + 光模块市占率全球第一，支撑 Agent 多机协作。
关键优势：数据中心网络芯片垄断地位，流量增长直接带动芯片出货量与单价提升。

2. Marvell（MRVL）

核心逻辑：Agent跨数据中心流量暴涨，高速网卡（NIC）+ 光芯片需求激增，2026 年 AI 相关芯片收入同比 + 90%+。

3. NVIDIA（NVDA）/AMD（AMD）

核心逻辑：Agent推理流量远超训练，GPU/CPU 供不应求，AMD MI300+Intel Gaudi3 承接推理需求，2026 年数据中心业务同比 + 60%+。

四、数据平台与存储（Agent 流量的 “数据源泉”）

1. Snowflake（SNOW）

核心逻辑：Agent需实时调用结构化 / 非结构化数据，Snowflake 数据云存储 + 计算分离，Agent 数据请求量同比 + 120%。
关键优势：AI 模型唯一可信数据来源，湖仓一体解决 Agent 数据孤岛问题。

2. Palantir（PLTR）

核心逻辑：政府 / 企业 Agent高频分析异构数据，AIP 平台数据编织打通多源数据，2025 年商业收入同比 + 71%。

四、被AI agent调用的服务

Twilio（TWLO）

核心受益：通信 API 龙头，Agent（客服 / 营销）高频调用短信 / 语音 / WhatsApp，调用量 ×10–100 倍。
驱动：AI 客服 Agent 替代人工，外呼 / 短信验证自动化，API 用量爆发。

Stripe（未上市）

核心受益：支付 API 核心，电商 / 金融 Agent 自动处理支付，交易笔数激增，手续费收入同步增长。
驱动：AI 导购 / 跨境支付 Agent 批量发起交易，API 调用与交易规模双增

Circle

Circle 已成为Agent-to-Agent（A2A）支付的绝对主导者，核心是靠USDC 稳定币 + Nanopayments 纳米支付 + Circle Gateway三件套，垄断了全球超 98% 的 AI 代理间交易。

交易份额
2025 年 7 月 —2026 年 3 月，全球 **98.6%–99%的 A2A 支付通过USDC（Circle 发行）** 完成。
核心数据（2026 年 3 月）

A2A 支付笔数：1.4 亿笔（9 个月）
总交易额：4,300 万美元
平均每笔：0.31 美元（典型微支付）
活跃付费 AI 代理：40 万 +

客户
OpenAI、Anthropic、Perplexity、Salesforce Agentforce 等头部 AI / 企业均接入 Circle A2A 支付。

总结：AI对SAAS的影响

1，对IT侧的基础设施，AI AGENT增加网络流量，IT的复杂度，对监控DATADOG，网络加速(AKAMAI, CLAUDFARE)，数据库MONGDB, 数据库仓库SNOWFLAKE, 网络安全，运维SERVICENOW等是利好。但不好的消息是authropic自己下场做安全（Claude Mythos， Claude Security）。所以对安全类的是利空，未来大模型公司会不会下场做运维，监控？

2，对业务侧，应该基本是利空，大模型公司authropic，AI创业公司在抢这块市场。从生成文档，到UI设计，图片视频处理，从获客，客服，到法律，金融服务，AI在不断扩圈。未来会不会扩展到HR, 财务，报税等场景？所以对业务侧的SAAS，基本是利空。

3，对SAAS公司本身，给软件增加AI功能，一方面会增加营收和客户黏性，另一方面，AI的TOKEN消耗，成本是没办法随着用户量的增长而分摊的。过去的软件多一个用户，几乎是0成本。而AI不一样。所以商业模式会变差。

4，企业给SAAS的预算会减少，1是AI导致裁员，人工减少，按人头收费的SAAS,费用少了。2是企业增加AI投入，必然会减少给SAAS的预算。全球每年总的IT支出一般不会大幅增长，除非AI真的能给企业赚大钱。

其他文章参考：

Anthropic是企业软件的杀手，哪些SaaS会被AI杀死，哪些反而受益于AI应用大爆发？

Anthropic，openAI, SpaceX 上市谁最受益？

10年一次的IT技术浪潮，这次的领头羊是 OpenAI，Anthropic，DeepSeek：

Token消耗大爆发，指数级增长，Anthropic估值逼近万亿美金，超OpenAI

下面推广一下我的知识星球：

大家好！我是书生老徐，长期在雪球，知乎，公众号等平台分享投资知识和经验，全网阅读量过亿。过去这些年我分享了非常多的投资机会，并及时提示很多投资风险。获得广大网友好评。我是《物依稀为贵》的作者，本人认为投资的精髓就是：物依稀为贵。根据物依稀为贵原则，我成功抓住了中国移动，中芯国际，汇量科技，中烟香港等牛股。以及黄金白银的投资机会。为更好的推广这一投资思想，本人决定创建一个知识社区，更方便的和大家一起学习交流。加入即可获得：

1. 《物依稀为贵》的电子版

2. 深入的投资机会分享

3. 及时的投资风险警示

4. 一对一问题解答

5. 牛散，著名公募，私募，社保基金的持股分析

6. ETF免5开户

前50名优惠价189/年，每天只要5毛钱，给自己找一个投资理财的小帮手