高盛重磅研报：智能体工作流开启软件业十年新周期，10家核心企业+3大案例重构行业逻辑

高盛重磅研报：智能体工作流开启软件业十年新周期，10家核心企业+3大案例重构行业逻辑
一、核心结论速览（30秒抓重点）
1. 行业变革：高盛研报指出，软件行业已迈入“智能体工作流（Agentic Workflow）”十年周期，AI智能体正从概念走向商业化，预计2030年智能体业务将占据软件市场超60%份额，客户服务、数据分析等领域增速达45%。
2. 核心玩家：覆盖10家核心企业（含传统巨头、垂直厂商、AI原生玩家），微软、甲骨文等巨头靠生态卡位，Snowflake、Figma等垂直厂商靠场景壁垒，Cohere、Anthropic等AI原生企业靠技术突破。
3. 落地案例：企业端已出现可量化的价值案例——某金融机构用智能体将风控审核效率提升80%，某制造企业通过智能体将供应链响应速度缩短50%。
4. 需求特征：ToB端AI需求坚实（政府/国企为核心采购方，合同金额200万-4350万人民币），ToC端付费率仅3%-13%，变现仍需时间。
二、核心数据与企业布局
1. 全维度核心企业智能体布局

2. 智能体工作流与传统工作流核心差异

3. 市场规模与需求结构

三、深度解读：3个实际案例揭示智能体的真实价值案例1：某头部金融机构——智能体重构风控流程
该机构原有风控审核流程需人工比对12个系统数据，平均每笔贷款审核耗时4小时，错误率12%。
智能体落地后：
• 自动调用征信、流水、工商等系统数据，生成风险报告；
• 识别异常数据并自动触发二次验证；
• 审核耗时缩短至30分钟，错误率降至1.5%，人力成本降低60%。
背后支撑：基于Snowflake的数据底座+微软Copilot的工具调用能力，实现跨系统数据与流程的自动化串联。
案例2：某汽车制造企业——智能体优化供应链
该企业原有供应链响应需人工协调20+供应商，订单交付周期平均21天，库存周转率6次/年。
智能体落地后：
• 实时监控供应商产能、物流数据，自动调整订单分配；
• 预测原材料价格波动，提前锁定低价库存；
• 交付周期缩短至10天，库存周转率提升至9次/年，成本降低25%。
背后支撑：SAP S/4HANA智能体+UiPath RPA，实现供应链数据的实时分析与执行。
案例3：某零售企业——智能体提升客服效率
该企业原有客服团队500人，日均处理工单1.2万条，满意度75%。
智能体落地后：
• 自动回复80%的常规咨询，复杂问题转接人工时自动附上用户画像与历史记录；
• 识别用户情绪，调整回复语气；
• 工单处理效率提升120%，满意度升至92%，人力成本降低40%。
背后支撑：Cohere定制LLM+ServiceNow工单系统，实现客服流程的端到端自动化。
四、个人投资insight
研报里的“干货”其实藏在这些细节里：
1. “效率可量化”是智能体商业化的核心。不管是金融机构的风控时间、制造企业的供应链周期，还是零售企业的客服效率，智能体的价值必须能被“数字”衡量——这也是企业愿意付费的关键。那些只说“提升体验”却给不出具体指标的产品，大概率走不远。
2. “数据+工具+流程”的闭环才是壁垒。单个智能体工具很难创造持续价值，真正的竞争力在于“数据底座（如Snowflake）+工具生态（如微软）+流程场景（如SAP）”的组合——这也是传统巨头能快速卡位的原因，它们已经掌握了企业的“数据与流程”。
3. 垂直场景的机会比通用市场更大。像Figma在设计、UiPath在RPA这样的垂直领域，智能体不需要“通吃所有场景”，只需要在自己的赛道里解决核心痛点，就能获得高付费率。我了解的企业客户里，80%的AI预算都投给了垂直场景工具，而非通用大模型。
五、风险提示
1. 技术迭代风险：智能体的任务执行准确率、多工具协同能力仍需优化，部分复杂场景（如高精度财务计算）仍依赖人工校验。
2. 落地适配风险：企业现有系统的“烟囱式架构”可能导致智能体集成难度超预期，部分企业需先进行系统改造，增加落地成本。
3. 竞争加剧风险：AI原生企业（如Cohere）的技术突破可能挤压传统厂商的市场份额，行业价格战风险上升。
4. 数据安全风险：智能体跨系统调用数据可能增加数据泄露风险，合规成本持续上升。
六、信息来源
本内容基于高盛发布的《Americas Technology_ Software_ Assuming Software Sector Coverage into the Decade of Agentic Workflow_ Buy MSFT, ORCL & NOW》研报翻译整理，核心企业数据、案例均来自研报及各公司2025年Q3财报、投资者会议披露；涉及的股票代码已通过交易所官网交叉验证；仅为信息分享，不构成任何投资建议。
#微软# #甲骨文# #PATH#