我最近一直在思考大模型的价值传播链，当下最稀缺的资产无疑是算力，基础模型。因此芯片商（英伟达，博通，美光等），云厂商（微软，甲骨文，谷歌等），基础模型商（OpenAI，Antropic）抓住了绝大部分当前的价值，从市值/估值的暴涨中可以体现，除非上述基建外，另外跑出来的就是代码赛道了，cursor及其竞品今年彻底出了圈，几乎成为了工程师必备的工具。
反观SaaS类公司今年股价表现比较惨，大多数公司依然还在探索AI相关的产品市场匹配，尤其是基于工作流的公司如Salesforce，Workday，增速依然在下滑中。其实非常好理解，客户更愿意把资源花在AI上，而不是传统软件上/云迁移。
我在Q2看了一些公司的财报和产品线更新，说实话大部分产品没有让我觉得眼前一亮，距离Agent自主完全执行还有很长距离，我不认为现在的传统功能加个简单AI就能值20美金一个月一人的席位费，这对于千人公司就是一月2万美金的支出。要是对于每个要用的SaaS应用都买个席位，那开支也不小。
至于要多久跑出来，这个无法预测，大家都是在探索，就连我自己也在探索能不能利用AI做数据工程agent，技术挑战很大。我理想效果是产品经理/分析师给个分析需求，这个agent可以自主查阅数据库写代码测试然后部署生产管线生成每日报表，很难。
但是就在众多SaaS企业摸索产品的过程中，我判断以下三个方向是共性的，且会在下一阶段获取到市场需求
1. 存储（storage）对于非结构化和向量化数据存储，代表是$MongoDB(MDB)$
2. 安全/隐私/合规（securit/privacy/compliance ）对于ai应用的安全和隐私保护，我觉得这点对于toB企业还是很重要的，代表是$Cyber-Ark软件(CYBR)$
3. 观察（observability）对于ai应用的观察和诊断，对于ai做出的决策和行为可溯源然后迭代提升，这里面代表是$Datadog(DDOG)$
我之后还要再深挖并且跟踪他们的产品更新来验证我的判断
#美股##人工智能#