曾经被认为拥有极深护城河的垂类行业软件公司，在最近一个交易日里遭遇了集体性估值屠杀。
汤森路透（Thomson Reuters）单日跌幅接近 20%，LegalZoom 跌幅同样接近 20%。这不是个股利空，也不是短期情绪宣泄，而是资本用真金白银对一类商业模式给出的重新定价。
市场正在明确传达一个信号：
凡是其核心价值建立在“流程复杂、信息不对称、人工经验不可规模化”之上的公司，都正在被系统性下调未来现金流预期。
当 AI 从“辅助工具”演化为“自动执行者”，过去被视为护城河的东西，正在迅速转化为可被替代、可被压缩、可被清算的成本项。
这篇文章要讨论的，不是某几家公司为什么下跌，而是一个更根本的问题：
在 AI 时代，哪些公司的资产，正在被资本判定为“长期无效”？
这不是危言耸听，而是资本已经给出的答案。
当 AI 开始从“工具”进化为“执行者”，市场正在做一件非常冷静、也非常残酷的事情：
重新判断，哪些资产还能在未来产生现金流。
而一旦答案是否定的，哪怕现在仍在盈利，资本也会提前清算。
一、第一类：以“流程复杂度”为护城河的公司
这类公司过去最常见，也最容易被高估。
它们的核心卖点通常是：
- 行业流程复杂
- 规则多、变动频繁
- 新人学习成本高
- 必须依赖“专业人士”
典型形态包括：
- 法律、合规、审计、税务类 SaaS
- 行业 ERP / 行业管理系统
- 各种“专业服务 + 软件”的组合
问题在于：
AI 对流程复杂度是天然免疫的。
流程越复杂，越适合被拆解； 规则越多，越适合被模型调用； 人越贵，自动化的 ROI 越高。
当 Agent 可以把一整套流程拆成 50 个步骤并稳定执行时， “我懂流程”这件事，本身就不再稀缺。
复杂度，不再是护城河，而是被优先优化掉的成本。
二、第二类：以“信息不对称”为核心价值的公司
这一类公司，过去赚钱极其稳定。
它们掌握的是：
- 数据入口
- 行业信息源
- 标准、解释权、查询权
例如：
- 数据库订阅
- 行业信息平台
- 报告售卖
- 标准解读型服务
但 AI 带来的变化是：
- 信息获取成本 → 接近 0
- 查询效率 → 实时
- 跨库、跨源整合 → 默认能力
当用户不再“查资料”，而是“直接问结论”， 信息本身就不再是资产，只是原料。
如果你的公司只控制“整理后的信息”，而不控制：
- 原始数据的生成
- 数据持续更新的源头
那么你提供的价值，就会被直接内嵌进模型能力中。
信息差，在 AI 面前，只是时间差。
而资本，不会为时间差付溢价。
三、第三类：中间商型平台
这一类公司，风险往往被严重低估。
它们的商业模式通常是：
- 连接供需双方
- 提供撮合、匹配、定价
- 抽取中介费或平台费
在 AI 之前，问题在于“找不到合适的人 / 服务 / 资源”。
在 AI 之后，问题变成了：
为什么还需要一个中间层？
当智能体可以：
- 自动筛选
- 自动比价
- 自动谈判
- 自动执行
中间商存在的前提——信息和效率优势——正在消失。
如果平台本身不控制核心资源，只是撮合， 那么它的利润率，本质上是暂时的。
所有不掌握资源定价权的平台，最终都会被压到接近零利润。
四、第四类：以“经验”和“模板”为商品的公司
包括但不限于：
- 咨询公司
- 培训机构
- 方法论输出型组织
它们过去的核心资产是：
- 案例积累
- 成功经验
- 标准化模板
但 AI 的本质能力之一是：
把个体经验，快速平均化。
当模型可以在数百万案例中进行模式归纳时， 单个组织积累的“经验优势”，会被迅速稀释。
如果你的服务交付是：
- PPT
- 框架
- 方法论
- 行业最佳实践
而不是直接参与结果， 那么你的定价能力会持续下降。
经验一旦可以被复制，就不再是资产。
五、真正不会归零的两类资产
当一切“可自动化的价值”都在被压缩， 资本反而在抬升两类最原始的东西：
1️⃣ 产生算力的能量
- 电力
- 能源系统
- 数据中心基础设施
因为算力可以被复制，但能量供给不能被无限扩展。
2️⃣ 不可复制的原始数据
- 真实世界数据
- 行为数据
- 物理世界传感数据
这些数据无法通过“更聪明的模型”凭空生成。
它们只能被采集、被记录、被长期积累。
越接近真实世界的资产，越难被 AI 替代。
结语：这是清算，不是周期
这不是一次行业轮动， 也不是一次风格切换。
而是资本在用未来十年的视角， 提前对一批商业模式进行现金流清算。
当市场不再相信你还能持续收费， 你今天的利润，就已经失去意义。
AI 时代真正的分水岭只有一个：
你的价值，是来自“别人暂时做不到”， 还是来自“别人永远拿不走”。
前者，正在归零； 后者，正在被重估。
来自：金金多米说
免责声明：
- 本文提及的所有观点仅供参考，不构成任何投资建议；
- 市场有风险，投资需谨慎，请根据自身情况独立判断；
- 过往业绩不代表未来表现，文中案例仅为说明观点，非推荐标的；
- 作者及公众号不对任何依据本文操作导致的损失承担责任。
