AI 揭示私募股权对软件押注的脆弱性

发布于: 2 月 3, 2026
编辑: Nigel Trimmer

在 Apollo 的 John Zito 发言后,房间里悬着一个问题:如果企业软件——现代金融中最可靠的抵押品——在 AI 时代比模型假定的更不持久,会怎样?震惊并非来自季度指引或新产品,而是债务为稳定而建的结构与能重写成本曲线、转移成本和定价权的技术之间的不匹配。如果你以过去为杠杆,制度性转变不是波动;它是违约。

作为抵押的“黏性”软件的终结

私募股权把经常性收入变成了债券代理。思路很简单:黏性客户、高毛利和可预测的现金流支持高杠杆。这套逻辑在造成黏性的机制发生改变前成立。生成式 AI 降低了迁移的实际摩擦。Copilot 会编写连接器、映射数据并自动化测试。曾经是差异化要素的支持,如今只需一个提示。当切换成本下降,曾被视为护城河的东西便成了吊桥。从工程角度看,这些企业像是为静态载荷设计的桥;AI 引入了动态载荷和共振。当频率与结构相遇,同一跨越能承载汽车,却会颤动。现金流曾是抵押,直到外部运营环境改变了“物理学”。

企业级 SaaS 并购的集中风险

过去十年训练投资者为净保留率的小幅变动支付高价。许多并购是建立在基于收入的贷款和 covenant-lite 条款之上,假设 95% 的毛利率和追加销售轨迹能覆盖大量债务。但实际上,这些结构对小幅变动高度敏感。把净保留率从 115 降到 103,叠加 10% 到 15% 的价格压力,再加上 6 到 12 个月的 AI 集成延迟,偿付覆盖会迅速倒转。方差并非对称。在软件 LBO 中,一个百分点的流失可以抹去多倍的 EBITDA 回合。上一次周期的基准心态——稳定队列、年度涨价、可预测扩张——是单气候模型。现在天气变了。Apollo 在 10-K 中说 AI 的风险无法预测。这不是套话,而是承认了一种你无法通过分散或提高折现率来模型化的 Knightian 不确定性。

AI 导致的定价压力的博弈论

在一个带有生成特性的市场里,总会有人先砍价。第一个将 AI 捆绑且不另收费的既有厂商,会把竞争对手逼入囚徒困境:要么跟价并压缩利润率,要么守价但冒着把市场份额拱手让给没有遗留包袱的新秀的风险。开源模型压缩了技术溢价。销售周期围绕由 bot 而非一队解决方案工程师交付的概念验证而缩短。胜利者是那些最接近计算、数据和分发输入成本的公司;而不是那些拥有最老旧维护基座的公司。教科书式的护城河——切换成本加上专有代码——面对的对手变了:一个将专有特性价值降低为入场条款的生态系统。这不是正常的竞争周期,而是那种能在一夜之间把付费杀毒变成 Windows Defender 的相变。

信贷市场会对经常性收入贷款重新定价

私募信贷是软件交易中的沉默合伙人。放贷人买入的是电子表格:经常性收入、低资本支出、强劲自由现金流。但这些贷款大多以宽松契约和与 IP 价值及维护合同相关的乐观回收假设承保。在功能商品化和维护定价走弱的世界里,回收率下降。Apollo 在去年底通过做空 Internet Brands、SonicWall 和 Perforce 的贷款探测到这种脆弱性——规模不大,事后已了结,但颇有意味。重点不是交易盈亏,而是发现当 AI 攻击放贷方所依赖的账目项时,软件的资本结构比想象中脆弱。预计企业软件贷款的利差将走阔,结构将收紧。市场将开始对过时风险定价,而不仅仅是对执行风险。

向计算基础设施的杠铃式转移

如果应用层的现金流动摇,资金将向下游迁移。数据中心、电力、网络和存储/内存晶圆厂是新的稀缺投入。Apollo 的联席总裁表示,AI 基础设施在五到七年内将需要 5 到 7 万亿美元,其中仅部分通过投资级渠道。该公司也在这一向量上布局,通过 Valor 支持与 xAI 相关的数十亿美元算力交易。这是一种杠铃策略:对脆弱的应用层敞口进行对冲,同时拥有铲子并有权收取通行费。这并不矛盾。同一团队可以在一个口袋里做空过度杠杆化的软件贷款,在另一个口袋里为变电站和冷却设备提供融资。用 Taleb 的话说,左尾存在于可被竞争抹去的现金流;右尾则在那些随着推理和训练需求上升其价值也上升的资产里。

能源、延迟与供应链成为新的护城河

软件护城河现在看起来像安全帽和变压器。战略性变量是兆瓦数、靠近光纤的土地、变压器交付周期、互联队列和水权。如果你的机架处在数据所在之处,延迟就能成为盈利中心。电网是瓶颈。如果你拥有配额、长期电力协议并能大规模建设,就拥有定价权。这是一种不同于按座位计费软件许可的防御性,也更不依赖于哪一具体模型胜出。无论开源权重还是闭源模型主导,总有人必须为算力供电和降温。价值的中心向具有物理约束的资产移动。对于受无形护城河训练的投资者来说,这是颠倒:你需要的原子越少,经济学就越依赖于控制这些原子的人。

基于薄尾假设的模型遇到肥尾现实

承保上一波软件交易的电子表格是薄尾工具。它外推了稳定的流失率、可预测的定价和温和的竞争。AI 引入了厚尾和突发的相关性。客户队列不是缓慢退化,而是发生制度性转变。利润率不是平缓压缩,而是在功能打包免费时出现跳变。你无法用灵敏度表修正这个问题。输入本身就是错的。像概率谜题一样,错误不在计算赔率上,而在于选择了错误的分布。Apollo 的 CEO 直言不讳:财富将被创造,也可能被摧毁。换言之,方差在扩大。在方差扩大时,杠杆不是工具,而是危险。首要任务是熬过路径,而不是为均值做优化。

在制度性转变中,弹性胜过优化

私募市场的本能是优化。最大化杠杆、最大化 IRR、最小化现金拖累。在稳定制度里这种心态有效。在不稳定制度中,冗余不是浪费,而是生存。拥有回旋余地的资产负债表将比那些追逐每个基点的企业更能存活。在软件领域,这意味着用股权为创新提供资金,而不是指望债权人为转型买单。这意味着接受较低的短期利润来加强留存、降低客户集中度,并用真实价值而非功能清单重建定价权。在信贷方面,这意味着设计能预见过时并允许在为时未晚前介入的结构。在基础设施方面,这意味着在选址和互联上构建可选性。首要问题不是谁能赢得 AI,而是谁能承担错误仍然活着,等答案浮现。

私募对 AI 的教训

那个房间里的震惊并不意外。这个行业把企业软件的现金流当成自然法则。它们不是。它们是成本、摩擦和复杂性的产物,而 AI 正在降低这些因素。一些私募公司会通过下沉堆栈、为输入提供融资并尊重不对称不确定性来适应。另一些将守着不再映射现实的电子表格。市场会对它们作出选择。在此期间,当共识仍视为稳定处应假定脆弱。当环境改变时,最强的结构是那些设计为可弯曲的。软件赌注是为效率而建;AI 正在检验它是否也能有弹性。

区块链 清洁能源