Agent 时代的软件价值链和投资

如果你还没有订阅，请在下方输入你的邮箱，和 8,500+ 位聪明好奇的人一起，每周免费获取我们对于 AI 和 Web3 应用的最新案例和深度解析，帮助你做全球化时代的超级个体！

如果你有任何建议、反馈或者合作的想法，欢迎联系我们 day1globalxyz@gmail.com, 每封邮件我们都会及时回复。

从“谁给软件加了 AI”转向“Agent 完成工作时，必须经过哪些控制点”。

过去的软件由人打开界面、理解信息、点击按钮并承担责任；Agent 时代的软件则越来越像一套供机器调用的能力：模型负责理解意图和处理不确定性，软件负责提供事实、权限、业务规则、确定性执行、交易写回和审计。

这并不意味着所有 SaaS 都会受益。相反，Agent 可能减少传统软件席位、绕过固定界面，也可能把缺乏数据和动作权的应用压缩成低价连接器。真正值得研究的，不是“带 AI 功能的软件”，而是 Agent 无法绕过的数据、权限、工作流、执行环境和权威系统。

本文尝试建立一套可复用的 Agent 软件投资分类，并回答三个问题：

1. Agent 真正需要哪些软件能力？
2. 哪些上市公司控制了这些能力，谁又可能被 Agent 削弱？
3. 如果不想选股，可以用哪些 ETF 获得较匹配的敞口？

本文更新于 2026 年 8 月 5 日。文中的公司产品与 ETF 持仓会变化；本文是研究框架，不构成个性化投资建议。

一、Agent 改变的不是软件需求，而是软件的用户和价值位置

一个能真正完成工作的 Agent，不只是一个会聊天的模型。它至少需要：

• 理解人的目标；
• 获得正确、及时且经过治理的上下文；
• 证明自己是谁、代表谁，以及拥有哪些权限；
• 将数据字段理解为客户、订单、员工、设备等业务对象；
• 按企业规则拆解流程、处理例外并发起审批；
• 调用 API、浏览器、代码、支付等工具执行动作；
• 在失败后重试、恢复状态，并把结果写回权威系统；
• 留下完整的日志、成本、决策和审计记录。

OpenAI 的 Agent 工具体系已经把工具调用、Agent 间交接、护栏和 tracing 作为基础组成部分；Microsoft Entra Agent ID则提供区别于人类账户的 Agent 身份设计。两者支持本文的一个判断：随着模型能力提高，产业瓶颈会更多转向“Agent 能不能安全、可靠、合规地执行”，但这仍需用真实部署和商业数据验证。

七个正在发生的迁移

最后一条尤其重要。模型适合处理模糊意图和概率性判断，但企业不会反复用昂贵推理去计算已经明确的税率、审批阈值、库存扣减和权限规则。能固化的部分会被编译成确定性代码，以更低成本运行，也更容易解释、测试和审批。

因此，Agent 并不会消灭传统软件。它更可能把软件从“人使用的界面”改造成“机器使用的确定性能力”。

如果把这些能力按 Agent 完成任务的顺序展开，就得到下面这条主执行链，以及三类贯穿全程的横切支撑层。

二、Agent Runtime 价值链

这是能力地图，不是严格互斥的行业分类：全栈公司和安全平台会横跨多层。为了避免在投资分析中重复计算，可以按照“客户主要为什么付钱、公司控制的首要稀缺资产是什么”给每家公司确定一个主控制点，其余能力作为副标签。本文保留模型与规划节点，但重点讨论可投资的软件控制点，而不是单独评价基础模型公司。

这里的“核心公司”表示其产品与该层技术需求匹配，不等于当前股价一定具备吸引力。技术必要性、商业变现和股票估值必须分别验证。

三、各层的核心公司与投资逻辑

1. Agent 入口、分发与模型规划：Microsoft 是最典型的全栈例外

全栈平台拥有模型、云、身份、数据、办公入口、开发者工具和分发渠道，可以把多个 Agent 控制点捆绑销售。

Microsoft 不应简单按“传统 SaaS”理解。它更像 Agent OS 的候选者，但也是最容易发生内部价值转移的公司：新 Agent 收入未必全部是增量，也可能替代 Office 席位和既有工作负载。

2. 身份、权限与信任：Agent 不能无限借用人的账号

当企业部署大量 Agent 时，生产级 Agent 至少需要可区分、可追责的 Agent、工作负载或委托身份，以及责任人、生命周期、最小权限和可撤销授权。是否为每个实例建立独立身份取决于具体架构；核心要求是企业能回答“是谁调用了这个工具”“它代表谁”“为什么可以访问这份数据”。

Microsoft Entra Agent ID已经把 Agent 作为独立身份对象管理；Okta for AI Agents则强调注册、授权、token exchange 和跨应用访问。

基准判断是，身份协议本身会逐渐标准化。长期护城河不在“会不会发 token”，而在身份数据、策略图谱、应用连接、持续风险判断和完整审计。

3. 事实数据与上下文：RAG 不等于企业真相

通用模型知道世界知识，却不知道某家公司的最新库存、客户合同、权限规则和财务口径。即使接入 RAG，不同数据源也可能对“活跃客户”“毛利”“高风险订单”给出不同定义。

Snowflake Cortex Agents把结构化查询、非结构化搜索、代码执行、自定义工具和 MCP 放在同一个治理环境中；其核心价值不是“再做一个聊天机器人”，而是让 Agent 在既有数据权限内获得一致上下文。

这一层最需要观察的不是 token 数，而是 Agent 是否真正带来可计费查询、计算、存储和更高续费扩张。

4. 业务语义与 Ontology：从“字段”变成“可执行的业务对象”

数据库告诉 Agent 某个字段的值，却未必告诉它这个字段在业务上代表什么。企业执行需要对象、关系、规则和动作：订单属于哪个客户、设备关联哪条产线、退款会影响哪些库存和财务记录。

Palantir AIP 与 Ontology（本体/业务对象模型）把数据、逻辑、动作和安全统一成对人和 Agent 都可理解的业务对象，并允许 Agent 在权限约束下读取和写回。

业务语义层可能相对更难被“模型更聪明”直接替代。模型可以理解文字，但无法凭空拥有企业认可的业务对象、写入权限和责任边界。

5. 工作流、规则与审批：企业需要的不是答案，而是可控执行

Agent 知道应该退款，不等于它可以直接退款。企业还需要检查金额、欺诈风险、客户等级、职责分离、审批阈值和会计记录。

ServiceNow AI Control Tower把 Agent、模型、身份、CMDB、合规和工作流连接起来；Workday Agent System of Record则尝试管理 Agent 的角色、访问和活动记录。这些产品发布说明传统系统记录厂商正在争夺“数字员工管理层”，但不能单独证明客户已经大规模采用或形成重大收入。

这类公司的最大矛盾是：使用量增加不一定等于收入增加。 如果 Agent 减少了员工、工单和座席，而公司仍主要按人收费，产品可能更重要，收入却未必更快增长。

6. Tool 的执行基础设施：Cloudflare 的正确位置

“Cloudflare 是 Tool 的 infra/runtime”可以这样理解：

Agent → 调用某个公开互联网 Tool/API → 若该服务采用 Cloudflare，则经过其网络、安全与 Workers → 源站、数据或交易系统

Agent 可以运行在 OpenAI、Microsoft、本地服务器或其他云上。公开 Tool 通常需要 DNS、网络接入、WAF、身份验证、限流、边缘代码和抗攻击等能力的某种组合，部分场景还适合缓存；Cloudflare 可以提供这些能力，但并非所有 Tool 或调用都会经过 Cloudflare。本地、私有网络或其他云内部的 Tool 可能完全绕过它。

因此，其更底层的投资逻辑是：

• Agent 可能增加机器对机器的 API 请求；
• Tool 数量和远程 MCP 服务可能增加；
• 公开调用通常需要路由、安全、身份、限流和观测中的多项能力；
• 能固化的逻辑可在 Workers 等 CPU 环境执行，而不必反复调用 GPU 模型。

但到 2026 年，只把 Cloudflare 定义为“Tool 的基础设施”已经偏窄。Cloudflare Agents已经提供持久身份、状态、本地 SQL、实时连接、调度、恢复、MCP、浏览器和人工审批等能力。更准确的表述是：

Cloudflare 的既有护城河是全球网络、安全和性能服务；互联网 Tool 调用是叠加在这套基础之上的潜在新工作负载，而公司正尝试进一步向 Agent Runtime 上移。

Cloudflare Wallets：从 Tool 流量走向 Agent 交易控制层

2026 年 8 月 4 日，Cloudflare 又补上了 Agentic Web 的一个关键组件：Cloudflare Wallets。它不是让 Agent 获得一只可以无限支出的独立钱包，而是采用两层委托结构：

钱包层级控制者作用Account WalletCloudflare 账户的人类或企业所有者充值、提现、管理余额，并向 Agent 委派预算Virtual Wallet通过 API key 操作的 Agent在授权范围内购买 API、MCP Tool、数据或内容

Virtual Wallet 可以设置总预算、商户白名单和单笔交易上限；异常消费或超出限额时，再请求人类复核。概念上的交易链是：

Account Wallet 授权 → Virtual Wallet 发起请求 → 服务端返回 HTTP 402 付款要求 → Agent 通过 x402 付款并重试 → Tool 验证付款、返回资源和回执

Cloudflare Agentic Payments 文档显示，其 Agents SDK 已支持基于 HTTP 402 的 x402 和 MPP（Machine Payments Protocol）。本次 Wallets 公告重点强调 x402 与稳定币微支付：Agent 不必先在每个服务商处建立账户、绑定银行卡、申请试用和保存一组 API key，就可以在有限预算内尝试多个服务。

这对 Agent 经济有四层意义：

1. “请求”可以直接成为交易单位。 API 调用、MCP Tool、数据、内容和推理都可以按次收费，软件商业模式因而更容易从人类 seat 或年度合同迁移到机器使用量。
2. Agent 从软件使用者变成受约束的采购者。 它可以在小额预算内测试几十个服务，再按质量、速度和价格选择供应商。低差异化 API 会更容易被实时比价，拥有独特数据、可靠结果或行业写入权的 Tool 则更容易直接变现。
3. 钱包本质上也是权限和策略系统。 企业真正委托的不是一笔钱，而是“这个 Agent 可以代表谁、向谁购买、最多花多少、何时必须由人接管”的财务动作权。
4. Cloudflare 正在搭建双边交易基础设施。 Monetization Gateway服务卖方，Wallets 服务买方，Web Bot Auth和 cloudflare.pay handle提供可选身份，网络与 Workers 负责策略执行和请求放行。Cloudflare 的潜在位置因此从“传输 Tool 流量”上移为“识别 Agent → 应用策略 → 验证付款 → 放行 Tool → 留下记录”的共同控制层。

不过，这仍然是产品方向而不是已兑现收入。截至 2026 年 8 月 5 日，用户只能预留 Wallet handle；充值、支付、收款和 Virtual Wallet 尚未正式开放，Monetization Gateway 也仍在 early access / waitlist 阶段，支持地区、托管方式、费率以及 Cloudflare 是否抽取交易佣金均未披露。x402 又是开放协议，互操作性会扩大市场，也会限制平台锁定。因此，Wallets 强化了 Cloudflare 的战略可选性，但现阶段不能直接计入确定性交易收入。

验证 Cloudflare 逻辑时，不能只看网络流量或产品 Demo。由于公司并不单独披露 Workers、AI Gateway 或 Agents 收入，应在公司披露时跟踪相关使用量和付费客户，并结合 Developer Platform 表现、大客户扩张、RPO 和整体增量毛利验证。

7. 可观测性、运行安全与审计：多步骤 Agent 会制造更多 trace

传统软件主要监控 uptime、错误率和基础设施；Agent 还需要追踪模型选择、上下文、工具调用、权限、成本、延迟、输出质量和最终动作。

Datadog Agent Observability已经把单次推理、固定工作流和动态 Agent loop 表示为 trace，并监控 token、工具调用、延迟、错误、隐私和质量。开放标准会降低基础采集的门槛，但跨基础设施、模型、工具和业务结果的关联仍可能形成平台价值。

这一层容易出现“技术必需、商业分散”的情况。OpenTelemetry 和开源工具会商品化采集；真正有价值的是能将风险与企业既有安全数据关联，并执行阻断、回滚或审批的平台。

8. 垂直交易与行业 Runtime：Agent 最终要把事情做完

垂直 Runtime 不只是行业知识，而是把权威状态、行业规则、动作、审核和结果反馈放在同一个闭环里。Shopify、Intuit、Veeva、Procore 等平台既保存订单、账务或行业记录，又控制对应动作和合规流程。

通用模型可以理解“退款”“报税”或“行业流程”，却不能凭空获得订单写回权、合规账本或行业审批链。垂直 Runtime 的价值在于控制权威状态和最终动作，而不仅是提供行业知识。

Shopify 的 UCP 与 Catalog API已把商品发现、购物车和结账暴露给 Agent，同时保留实时价格、库存、商家控制的结账流程和权威交易记录；这正是“前端入口改变，但交易 Runtime 仍有价值”的代表案例。

同样，Intuit 的税务与账务记录、Veeva 的生命科学合规对象、Procore 的工程项目状态，都不是通用模型仅凭行业知识就能替代的资产。真正的护城河是被客户认可的权威记录、审批责任和写回能力。

四、一次退款请求，如何穿过整个价值链

假设用户说：“给这个异常订单退款。”概念上的主链是：

1. Microsoft 或其他入口接收意图，由模型和 Agent 进行规划；
2. Snowflake 等数据平台提供订单、客户和历史行为事实；
3. Palantir Ontology 等语义层定义订单、客户、欺诈风险之间的业务关系；
4. ServiceNow 等工作流系统根据金额和异常类型执行规则并发起人工审批；
5. Agent 调用 Shopify 等交易系统，修改权威订单状态并执行退款。

身份策略、执行基础设施和可观测性并不是后置步骤，而是横切整个主链：

• Okta 或 Entra 可以在数据访问和 Tool 调用时验证身份与授权范围；
• 若相关互联网服务采用 Cloudflare，它可以承载和保护部分 API 调用；
• 若企业采用 Datadog，它可以记录相关步骤的延迟、错误、成本和结果。

这是用于说明边界的概念示意，并不表示这些厂商通常会同时部署，也不表示它们之间已经存在上述现成集成。

最重要的边界是：

Snowflake 说明事实是什么；Palantir 说明这些事实在业务上意味着什么；Okta 决定谁能做；ServiceNow 规定如何做、谁批准；Shopify 把结果写入权威系统。Cloudflare 和 Datadog 则分别代表横切的执行基础设施与可观测能力。

五、核心研究池：谁更可能受益，谁的风险更大

这里没有“所有公司都会一起赢”的结论。组合内部甚至存在直接竞争：Microsoft Entra 竞争 Okta，Fabric 竞争 Snowflake，Microsoft、ServiceNow、Salesforce 和 Workday 都在争夺企业 Agent 的控制平面。

分散持有这些公司，实际是在同时押注多种不同的价值归属，而不是押注一个统一结果。

六、Agent 如何改变软件的收费模式

Agent 会增加调用量，但只有收费单位与机器活动一致，使用量才会转化为收入。

可以用一个简化公式理解：

AI 净增量毛利
= 机器调用收入 + 交易/结果收入 + 成本节约
− 人类席位流失 − 模型与基础设施成本 − 价格压缩

值得特别跟踪的经营指标包括：

• 付费 Agent、非人类身份和受治理 Agent 数量；
• Agent action、tool call、query、trace 和交易量；
• AI 产品的 ACV（年度合同价值）、RPO（剩余履约义务）、attach rate（增购渗透率）和续费扩张；
• 从 seat 转向 credits、usage 或 outcome 后的实际单价；
• 扣除模型、GPU、网络和存储成本后的增量毛利；
• Agent 带来的新增收入是否超过 human-seat 流失；
• 第三方 Agent 和 Tool 生态，而不只是自家 Copilot 的使用量。

七、六个选股问题

分析一家 Agent 软件公司时，可以依次问：

1. 必要性：Agent 不调用它，能否完成最终任务？
2. 控制权：公司拥有权威数据、权限或写入权，还是只拥有一个界面？
3. 确定性：它能否把概率性意图转成可测试、可审批的动作？
4. 收入弹性：Agent 使用越多，公司收入是否一定增加？
5. 增量毛利：新增收入能否超过 seat 流失和推理成本？
6. 可替代性：模型公司、云厂商或开放协议能否轻易捆绑其功能？

最理想的 Agent 时代软件公司通常具有以下组合：

拥有权威状态或动作权，提供治理后的确定性执行，按机器使用量或业务结果收费，并且难以被 Agent 入口平台绕过。

反过来，风险最高的往往是：

• 主要价值来自固定界面；
• 按人类席位收费，却无法对 Agent 收费；
• 没有专有数据、业务规则或系统写入权；
• 只是通用模型的简单封装或 MCP 连接器；
• AI 推理成本高，但产品缺少定价权；
• 产品能提高效率，却同时减少客户对其席位和流程的需求。

八、相关 ETF：没有一只能够完整复制 Agent Runtime 价值链

Agent 软件横跨云、软件、安全、数据、互联网平台和垂直行业系统，而大多数 ETF 仍按照传统行业或“云计算”主题划分。因此 ETF 更适合获取一部分公开市场敞口，而不是完整复制这套分类。

下表数据主要截至 2026 年 7 月 31 日：

ETF 官方资料：QQQ、QQQ/QQQM 当前费率、IGV、WCLD、CLOU、SKYY、XSW。

如何选择

• 只想持有一个长期科技核心 ETF：QQQM 通常比主题 ETF 更简单，也覆盖主要全栈平台，但它不是 Agent 软件纯主题。
• 已有 QQQ/QQQM，想补充中型云软件：WCLD 的等权和纯云软件属性更适合作为补充。
• 希望重点持有 SNOW、DDOG、NET、NOW 等龙头：CLOU 的实际权重明显高于 WCLD，但集中度和费用也更高。
• 更相信成熟软件、安全与系统记录公司：IGV 比 WCLD 更合适，但它本质上是主动加码软件龙头。
• 更相信 AI 会首先扩大公有云消费：SKYY 比纯 SaaS ETF 更匹配。
• 不确定谁会赢，只想分散持有软件行业：XSW 可以降低单一公司风险，但会牺牲主题纯度。

根据同日 WCLD 官方组合与 CLOU 官方持仓，截至 2026 年 7 月 31 日，两者按股票代码匹配、剔除现金后共有21家公司，这些公司占 CLOU 权重约72.63%；但这是单向的“CLOU 权重被 WCLD 成分覆盖比例”，并非标准、对称的权重重叠度。WisdomTree 按标准 weighted overlap 口径计算，截至 2026 年 3 月 31 日，两者共有19家公司，权重重叠度为30.8%。因此，CLOU 的主要作用是提高 SNOW、DDOG、NET、NOW 等共同龙头的权重，WCLD 则增加大量中小型纯云软件公司；两者存在成分分散，但经济风险因子和共同龙头暴露仍然较高。

按 2026 年 7 月 31 日 IGV 官方持仓与同日跟踪 Nasdaq-100 的 QNDX 组合代理计算，两者共有17只股票，标准权重重叠度约13.42%；但 IGV 约66.09%的权重属于 Nasdaq-100 成分股。QQQ 与 QNDX 跟踪同一指数，实际权重可能相差数个基点。因此，IGV 加到 QQQ 上主要是主动超配软件与网络安全，而不是获得独立的资产分散。

三种角色用法

下面只说明组合角色，不给出适用于所有人的固定比例：

1. 核心＋卫星：如果投资者事先把股票仓的一小部分定义为主题卫星预算，可在宽基或 QQQM 核心之外选择 WCLD 或 IGV。主题仓大小应取决于风险承受力、现有科技暴露和最大回撤容忍度。
2. 云软件高确信：在既定的主题卫星预算内使用 CLOU，用集中度换取 SNOW、DDOG、NET、NOW 对组合的实际影响。
3. ETF＋个股：用 QQQM、IGV 或 WCLD 获得行业底仓，再用少量个股补足主题 ETF 覆盖不足的垂直交易与行业 Runtime，例如 Shopify、Veeva、Procore；或主动提高 Okta 等在 ETF 中权重较低的控制点公司。

对大多数投资者而言，没有必要同时堆叠多只高度重叠的主题 ETF。先确定想买的是全栈平台、成熟软件、成长型云软件、云基础设施，还是少数高确信龙头，再选择一只对应工具，通常比“每只都买一点”更清楚。

九、需要持续验证的反方情景

这套投资逻辑并非单向成立。以下情况会削弱甚至推翻它：

1. Agent 使用增长，但软件收入没有增长：机器调用被免费打包，或客户强力压低单价。
2. Seat 流失大于 usage 收入：传统 SaaS 的人类用户减少，而新收费模式迟迟不能建立。
3. 入口平台拿走大部分经济价值：OpenAI、Microsoft、Google 等掌握用户关系，把垂直软件压成低毛利后台。
4. 开放协议商品化连接器和编排：MCP、A2A（Agent2Agent）和 UCP（Universal Commerce Protocol）等扩大分发，也可能降低连接层的差异化。
5. 云厂商向上捆绑：身份、数据、搜索、工作流、可观测性被统一打包，压缩独立厂商空间。
6. 安全与监管阻止大规模自治：高风险行业只允许 Agent 建议，不允许直接执行。
7. AI 成本下降得不够快：收入增加，却被模型、GPU、网络和数据处理成本吞噬。
8. 估值已经预支多年成功：业务方向判断正确，股票仍可能因为估值过高而长期低回报。

公司发布的 Agent、MCP、Ontology 或 Control Tower 产品，能够证明企业架构正在变化，却不能证明这些产品已经形成重大收入。最终仍需通过财报中的付费用量、RPO、客户扩张、毛利和对既有席位的蚕食来验证。

结论

Agent 时代的软件投资，不应再以“有没有 AI 功能”或“是不是 SaaS”作为起点，而应沿着主执行链和横切支撑层寻找控制点：

主链：入口、模型规划 → 治理数据 → 业务语义 → 工作流与审批 → Tool 调用 → 垂直交易或行业系统 Runtime
横切层：身份与权限 + 执行基础设施 + 可观测、运行安全与审计

最强的软件公司不是单纯让 Agent 更聪明，而是让 Agent 有正确的事实、有合法的权限、按企业规则行动、把结果写入权威系统，并对整个过程负责。

从这一框架看：

• Microsoft 是全栈聚合器；
• Okta 管身份和权限；
• Snowflake 管事实与上下文；
• Palantir 管业务语义和动作；
• ServiceNow 管工作流、审批和治理；
• Cloudflare 承载并保护互联网 Tool，并尝试把身份、策略、支付和请求放行连接成 Agent 交易控制层；
• Datadog 验证执行过程；
• Shopify、Intuit、Veeva 和 Procore 则代表垂直交易与行业 Runtime。

如果通过 ETF 表达，WCLD 更接近分散的 Agent 云软件生态，CLOU 更偏集中持有云软件龙头，IGV 更偏成熟软件与安全，QQQM 则更适合作为包含全栈平台的科技核心仓。

最后仍要把“好业务”和“好股票”分开。Agent 可能让一家公司在技术栈中变得更重要，但只有当这种重要性能够转化为收入、毛利、现金流，并且没有被当前估值过度预支时，它才会成为一笔好的投资。

📌 免责声明：本文所有讨论仅作为信息记录和思考分享，不构成任何投资建议。文中提到的所有估值、数据均来自播客嘉宾讨论或公开信息，可能与实时数据有差异。请务必 DYOR。

我们每周 1-2 封邮件，深度解析Web3和AI应用，帮助你做全球化时代的超级个体，创造属于自己的故事，拥有自己的个人品牌

如果你觉得我们的内容对你有帮助，请订阅我们的播客和Newsletter，并多多推荐给朋友。你的支持是我们创作内容的最大动力。

最后欢迎通过打赏或付费订阅来支持我们

打赏地址

1. 捐赠平台：Web3Brand @ Giveth (平台会奖励$GIV)
2. ETH：0x0D66A74b64198F3a27298e1a08007FDcAcF08fD3
3. BTC：bc1qp26ljfpzmu4p3tvgrrmdx7h4cuzz5c9gqv54hr
4. Doge: DEN9XmHCXvbLQAKrZUZZHZBSyyY1uhpNs4
5. SOL: 6KDaycLzxyzVdFsgieoCVjJKYEmffB8FztVmYZAiSmQQ
6. TON: UQDmT8U8AUVvjOCmfQemABi1auZn6unACxGVDeU9t1cqJ0ee

恭喜你阅读到最后！欢迎分享这封 Web3Brand Newsletter 给你的朋友或者到社交网络，让更多的人可以看到我们, thx!

Share