Manhattan Associates：AI试点转订阅转化率100%，企业自建AI系统不现实

100% 从 AI 驾驶员模式向 AI 订阅模式的转化

在曼哈顿联合公司的财报电话会上，我们对这家在仓库管理软件领域处于领先地位的企业印象深刻——其成功实现了从 AI 驾驶员模式到 AI 订阅模式的 100% 转化。

这一数据再次印证了企业级 AI 采用正稳步推进，而我们目前仍处于起步阶段：

“自第一季度上线以来，Active Agents 已从早期采用者计划逐步发展至如今已覆盖我们超过 10% 的活跃部署基础，无论是通过试点项目还是订阅服务。尽管目前仍处于早期阶段，但我们已经见证了从 AI 驾驶员模式到 AI 订阅模式的 100% 转化成功。”

关于软件行业的“熊市”观点认为，企业往往需要自行编写复杂的软件，例如仓库管理系统和供应链管理系统。然而，我们认为市场低估了这些系统所需的专业技能。

在个人电脑上编写一个 Python 应用程序与开发一款能够云端扩展、应对沃尔玛海量订单、同时实现 100% 安全可靠的高度定制化 SaaS 产品，有着截然不同的难度。

举例来说，曼哈顿还提到，客户迫切需要公司派驻的前沿工程师来落地曼哈顿的智能代理能力。因此，我们认为，企业自己从零开始构建所有这些系统及智能代理能力的想法并不现实。

正如我们过去一年所预测的那样，优质软件厂商的预订量和收入增长实际上正在加速：

“这些投资的一些例子包括：由曼哈顿派驻的前沿工程师主导，打造无缝衔接的智能代理 AI 功能。连续三个季度的预订量创下历史新高，这让我们更加确信，我们的市场进入策略正在奏效。就第二季度的预订细节而言，现有客户的销售增速加快。在第二季度，从本地部署转向曼哈顿 Active 的转化率已超过 40% 的新云业务预订。续订订单持续符合我们全年规划，第二季度新增云业务中的新用户占比超过 25%，而我们的中标率则稳定在 70% 以上。”

因此，市场普遍认为“Vibe 编码将蚕食 SaaS 市场”的说法，目前尚无任何证据支持。显然，Claude 是一位顶尖的编码专家，而借助 Fable，我们的生产力提升了约 50 倍。

原本可能需要一两周完成的编码任务，Fable 只需大约半小时或一小时就能完成全部开发工作。不过，这与为云端扩展、并能运行沃尔玛仓储系统的仓库管理软件的编码工作截然不同。

曼哈顿每位客户的 ARR 也仅约为 100 万美元。基本上，如果一家公司雇用一支小型工程与支持团队，利用 Fable 来复制整个系统，其成本仍然远高于曼哈顿目前的收费水平。

因此，在当前阶段，企业自行编写供应链管理软件的设想并不具备经济可行性。只有当 Fable 能够完成所有工作——从头至尾进行代码编写，并为最终用户提供支持，或许再配备一两位工程师进行监督时，这种方案才有可能行得通。

不过，即便在这样的场景下，我们也不认为值得冒这个风险——毕竟，更换仓库管理系统是一项复杂且耗时多年的项目，不仅会对企业的业务和损益表带来巨大风险。

你真的愿意冒着让企业面临风险、只为节省 100 万美元，转而使用自己未经过验证、完全基于 Vibe 编码的供应链管理软件吗？

我们认为，90% 以上的现有客户会选择继续留在曼哈顿，而少数几家顶尖企业或许会聘请工程团队，借助 Fable 来自主开发这类系统。因此，我们相信，市场发出的这一呼吁更多是例外，而非常态。

与此同时，为拥有智能代理能力的客户自动化工作负载，也为软件行业带来了全新的机遇。近期伯恩斯坦的调查也证实了这一点：

“首席信息官们越来越期望 AI 工作负载能够迁移到云端，并更倾向于选择成熟软件供应商提供的打包解决方案，而非自主研发内部应用。重要的是，大多数首席信息官并不指望 AI 能够取代企业软件、削减长期 IT 预算，或推动企业从软件支出转向硬件投资。尽管生成式 AI 是一项备受关注的投资领域，但首席信息官们并未预期会增加对 OpenAI 和 Anthropic 等 LLM 供应商的支出，这进一步印证了这样一种观点：企业更倾向于通过成熟的软件平台来消费 AI，而非自行构建各类能力。”

显然，Claude 是一款极为出色的模型，但企业更倾向于针对自身特定的工作负载，自行微调开源模型，同时只需在现有软件系统中简单地引入智能代理能力。

要构建所有这些智能代理能力，依然需要庞大的工程人才储备，而大多数企业根本缺乏这样的专业人才。因此，曼哈顿的业务表现良好，我们坚信这一业务在未来仍将保持稳健增长。

市场已经开始意识到，将这些股票以 20 倍市盈率出售，并不十分合理——因为预订量和收入都在加速增长：

立即订阅

数据管理系统：一个极具潜力的细分领域

曼哈顿联合并不是唯一一家受益于 AI 的软件公司。正如尼德姆的客户检查所证实的那样，数据管理系统整体的支出正呈现加速增长的趋势：

“上周，我们的客户检查显示，企业正明确将 PostgreSQL 用于基于智能代理、面向外部的应用。然而，各组织对数据库市场的看法却愈发细致入微（与投资者那两种极端化的看法相比），他们认识到，当前正处于一个多语言环境之中。每种数据库都能为智能代理 AI 堆栈贡献一部分功能。MongoDB 获得了积极评价，因为它成功捕捉了大部分新增的、以智能代理为核心的应用；客户预计，2026 年的支出将实现年复一年的加速增长。MongoDB 之所以备受青睐，是因为其 JSON 文档模型——既提供灵活的模式设计，又促进了开发人员的开发速度，并且非常适合用于持久内存的使用场景（在这些场景中，当前的工作负载状态要求内存能够跨越多个会话——例如多步骤的企业工作流）。”

因此，企业正越来越多地使用各类数据系统，为 AI 代理提供所需的数据。对于那些工程师对 SQL 操作较为熟悉的较小规模应用，PostgreSQL 是不二之选。

然而，若您需要强大的、无限扩展的数据处理能力，并且希望采用灵活的模式设计，MongoDB 则是首选。如果您需要先进的分析能力，Databricks 和 Snowflake 则是最佳选择。

Jefferies 指出，Databricks 在 GPU 供应短缺之际筹集了更多资金——这再次成为企业 AI 需求的一个良好信号。去年，我们的某位读者有机会以 700 亿美元的价格投资 Databricks，我们当时曾告诉他，他的投资几乎可以轻松实现翻倍。

而未来，这笔投资的回报将远远超出这一数字。Jefferies 如此写道：

“Databricks 正在融资 30 亿美元，由 Coatue 领投，估值达到 1880 亿美元——较 2025 年 12 月设定的 1340 亿美元估值高出 40%。假设从 2026 财年到 2028 财年，营收年复合增长率可达 65%，这意味着 2028 财年的营收有望达到约 17 倍。目前，SNOW 的股价仅为 2028 财年营收的 13 倍左右，而其 EV 为 1000 亿美元。我们看好 SNOW，因为随着数据云需求的不断攀升，多艘船只都将被带动起航；即使折价至 15 倍，其股价也将达到 310 美元，EV 也高达约 1150 亿美元。值得一提的是，SNOW 的 CEO 最近在接受 CNBC 采访时指出，对专有模型和开源模型的双重需求激增，导致公司在多个地区都出现了 GPU 供应不足的情况。“我们在亚洲的 GPU 产能几乎耗尽，而日本、韩国、美国和印度等国的需求仍在持续上升。因此，我们需要额外采购大量 GPU，而这需要大量的资金投入。正是这种需求，促成了我们最新一轮融资：我们收到了来自客户的大量申请，亟需更多的 GPU 产能。”我们依然认为，数据分析领域的领军企业 Databricks 和 SNOW，最擅长帮助各组织洞察自身业务数据，并运用 AI 更快、更高效地开展分析工作流程。我们预计，这一趋势将在各个领域持续发酵。Databricks 的 Genie 和 SNOW 的 CoCo/CoWork 都正在获得越来越多的关注，早期采用率指标也在稳步提升。与此同时，我们看到这两家公司积极布局 AI 驱动的分析技术，这也使得 PLTR 的竞争格局逐渐变得更加激烈。尤其是 Databricks 的 Genie Ontology，新增了一个企业级上下文层和知识图谱，这可能会对 PLTR 的核心价值主张构成一定挑战。”

我们对最后一点的看法并不一致，也不认为 Snowflake 和 Databricks 对 Palantir 实际上构成了威胁。Palantir 主要为技术门槛较低的终端用户提供了运营决策层，而 Databricks 则本质上是一个面向数据科学家的分析平台。

与此同时，Snowflake 则高度聚焦于具有 SQL 经验的业务分析师。因此，我们相信，这三家企业都将持续保持强劲的增长势头，而 Databricks 和 Snowflake 无疑将从中获益良多——随着企业将数据整合至云端，并在这些平台上日益广泛地运用 AI 工作负载。

由此可见，Databricks 为技术门槛较低的用户打造了一套用户界面，使他们能够与 Palantir 进行更直接的较量（如下图所示），而 Palantir 则已深耕其平台长达十年之久。

因此，我们并不认为，要真正开始在与 Palantir 的合作中取得胜利，会那么容易。

不过，我们仍需密切关注这一变化——因为这套 UI 显然可以让组织中的每一位员工利用它，从数据中提炼商业洞察，并据此做出关键决策，而这一切的背后，正是由强大的 Databricks 分析平台所支撑。

我们同样喜爱 MongoDB 和 Snowflake。我们依然持有 Snowflake 的股票，甚至不介意持有 Mongo 的股份——因为这两家企业的业务都将受益于企业级 AI 的普及与应用。

Palantir 也逐渐展现出新的吸引力——这家公司的今年每股收益预计将翻一番，而其当前的市盈率已达到 77 倍。如果市场继续对该股保持看涨情绪，我们或许会考虑买入该股。

接下来，我们将深入探讨更多投资理念、数据要点以及来自人工智能领域的各种洞见——涵盖半导体、软件及其他相关企业。目前，我们才刚刚走过这篇帖子的三分之一。

阅读更多