中信建投研究所によると、現在のソフトウェアセクターの恐慌的な無差別売りは、壁の深さに基づく差別化価格設定のためのウィンドウを提供しています。中信建投は「壁の攻防属性」に沿った構成を推奨しています：①コア超過配分「攻撃的壁」対象、壁自体がAI時代の新たな成長基盤となる会社；②「防御→攻撃への転換」ウィンドウに注目、伝統的な壁は堅固だがAI収益転換を検証する必要がある会社；③壁の減衰時間定数が短い対象を回避、低複雑度+浅層データの会社。OpenAI、Anthropicとコンサルティング会社との協力の進展、企業ソフトウェア会社のAI価格設定及びARR成長の転換点に注目してください。### 全文は以下の通りです **中信建投：ソフトウェアセクターの深い調整、過小評価の機会を探る** **現在のソフトウェアセクターの恐慌的な無差別売りは、壁の深さに基づく差別化価格設定のためのウィンドウを提供しています。我々は「壁の攻防属性」に沿った構成を推奨しています：①コア超過配分"攻撃的壁"対象、壁自体がAI時代の新たな成長基盤となる会社；②「防御→攻撃への転換」ウィンドウに注目、伝統的な壁は堅固だがAI収益転換を検証する必要がある会社；③壁の減衰時間定数が短い対象を回避、低複雑度+浅層データの会社。OpenAI、Anthropicとコンサルティング会社との協力の進展、企業ソフトウェア会社のAI価格設定及びARR成長の転換点に注目してください。** 米国のソフトウェアセクターは2020年3月以来最も深い評価の調整を経験しており、中位数EV/NTM Revは3.2倍に低下し、パンデミック前の7.8倍という歴史的平均を大きく下回っています。AnthropicがClaude Code/Coworkなどのツールを発表したことで「AIがSaaSを飲み込む」という終末的な物語が引き起こされましたが、この恐慌的な売りは「法的強制+システム記録」型の会社（壁の減衰時間定数5-10年以上）と「UIパッケージ+単純な自動化」型の会社（壁の減衰時間定数6-24ヶ月）を一緒くたにしており、構造的な誤った価格設定が存在します。収益成長率を調整した後、セクターの評価倍率は過去10年の平均近くに回帰しました。我々は現在、ソフトウェアセクターに対する深い差別化価格設定のウィンドウ期間であると考えています。 モデル層は同質化を加速していますが、完全な同質化ではありません。MITなどのチームによるOpenRouterデータの実証研究に基づくと、クローズドソースモデルの呼び出し量は依然として75％を占めており、短期的な需要の価格弾力性は-1.11（ほぼ単位弾力性に近い）であり、大モデル市場は「ブランド中心の競争」構造を示しており、エコシステム内の移行コストは極めて低く、エコシステムを超えた移行コストは極めて高いことを示しています。しかし、トップモデルのリーディングサイクルは2025年初頭の7.5ヶ月から4ヶ月未満に短縮され、GPQAの1位と10位の差は持続的に縮小しており、モデルメーカーの価格プレミアムウィンドウは狭まっています。OpenAIの2025年の粗利益率は40％から33％に低下し、Anthropicの粗利益率は40％（予想の50％を下回る）、推論コストは内部予想より23％高く、モデル層の利益空間はテスト時間計算の計算力消費とAPI価格のデフレに圧迫され、モデルメーカーはアプリケーション層への浸透を余儀なくされています。 「誤りコスト」フレームワークは、高価値の垂直分野には依然として最強のモデルが必要であり、AIはすべてのソフトウェアを平均的に置き換えることはできないことを証明しています。米国の医療訴訟データに基づくと、医療診断シーンでAIが1回ミスを犯すごとに期待される経済損失は$45-63（調整後）であり、高性能推論モデルを優先的に採用するコスト閾値を大きく上回ります。信用審査シーンでは、偽陰性の信用損失と偽陽性の機会コストを総合すると、加重単回の誤りコストは$27-125の範囲（残高基準による）です。これは、高容認コストのシーンで、モデルの正確性が90％から95％に向上することで支えられる経済的価値が数十倍または百倍の価格プレミアムに達することを意味します。本当の競争の焦点は、誰のAPIがより安いかではなく、誰が垂直分野で専門家レベルの正確性に近づけるかです。 Scalingは依然として3つの並行方向で進行中であり、垂直分野の「特異点パス」はすでに明確です。2025-2026年の実証によれば、モデル性能の向上は次の要素から来ている：①RL/RLVRアルゴリズムの改善（GRPO→DAPO→Dr.GRPO→λ-GRPO）、人間のラベル付け報酬から自動検証へ移行；②推論時のScaling（Deep Thinkの並行思考、Agent Swarmの並行サンプリング、思考効率の最適化）、DeepSeek R1-0528は後訓練計算力を増加させることでAIMEの正確性を70％から87.5％に向上させました；③アーキテクチャ効率の改善（MoEのスパースアクティベーション、線形注意、スパース注意）、Kimi K2.5のPARL訓練はエンドツーエンドの実行時間を80％削減しました。3つの方向の限界利益が急速に収束していない背景の中で、垂直分野の正確性は引き続き向上し、本当の堀の道は「Mid-trainingで業界知識を注入 → 検証可能な報酬環境を構築 → RLが深い推論を刺激 → テスト時間に十分な思考」です。 ソフトウェアの壁は深く差別化され、AIの衝撃も差別化されています。企業ソフトウェアの価値は、常にコード自体にはありません。96％の商業プログラムにはオープンソースコードが含まれていますが、企業は依然として安全性、コンプライアンス、統合、SLAに対して支払っています。AI時代では、壁は「ワークフローの複雑さ×データの堀の深さ」という2つの次元で差別化されます：①高複雑度+深層データ、ワークフロー編成、コンテキスト管理、コンプライアンス監査の価値はAIによって増強され、減少することはありません；②低複雑度+深層データ、データは価値がありますが、席次制料金ロジックはAIによる人効率の向上後に構造的に圧縮される可能性があります；③低複雑度+浅層データ、コア機能はAIエージェントによって直接覆われており、堀は非常に薄いです。BloombergGPTの失敗は「自社モデル」路線が実行不可能であることを証明しており、GPT-4は1年未満で、3,630億トークンの金融データを最初から訓練した専有モデルをすべての金融ベンチマークで上回っています。一方、Hebbia（$130億の評価）、Harvey（ARR>$1億）の成功は「専有データ+ワークフロー+前沿の汎用モデル」が正しい価値捕捉の方法であることを証明しています。 強い壁は「商業慣行と法律規則の抽象化されたコーディング」から生まれ、AIネイティブソフトウェアの複製コストは非常に高いです。SAPを例にとると（世界の77％の取引収入がそのシステムに触れている）、その壁は三層のネストから成り立っています。①業務ルールのコーディング（各国の税法/労働法/業界コンプライアンスの実行可能な論理）、②カスタマイズ構成の不可逆性（数万の構成パラメータ、数百のカスタムレポート、数十年の蓄積による組織の記憶）、③エコシステムのロックイン（数十万の認定コンサルタント、S/4HANAの強制移行が再ロックインイベントに変わる）。SAPの元エンジニアであるThomas Otterは、多くの機能は「商業選択」ではなく、法律による強制要求である（例えば、ドイツの給与計算は教会税、社会保険の分担など数十の相互依存する変数を含む）と指摘しています。給与分野で0.01％の誤りは法律訴訟を引き起こす可能性があります。AIがコアERPに対する脅威は「層別浸透」であり、「代替」ではありません。UI/インタラクション層とプロセス自動化層（L1-L2）ではAIはこれらのシステムを強化しています（例：SAP Joule）が、コアビジネスロジック層（L4、2028年以降）およびシステム記録層（L5）では、予見可能な未来でも強化ツールであり、代替者ではありません。同時に、AIは製品開発のバリューチェーンを圧縮しており、Anthropicの内部実践は「アイデアからプロトタイプまで」のサイクルを数週間から数時間に圧縮させており、UI/UXを中間産物としての価値が低下しています。Figmaなどのデザインツールは「設計段階が全体的に圧縮される」リスクに直面していますが、視覚協力とデザインシステム管理の壁は短期的には存在し続けます。 投資提案：現在のソフトウェアセクターの恐慌的な無差別売りは、壁の深さに基づく差別化価格設定のためのウィンドウを提供しています。我々は「壁の攻防属性」に沿った構成を推奨しています：①コア超過配分「攻撃的壁」対象、壁自体がAI時代の新たな成長基盤となる会社；②「防御→攻撃への転換」ウィンドウに注目、伝統的な壁は堅固だがAI収益転換を検証する必要がある会社；③壁の減衰時間定数が短い対象を回避、低複雑度+浅層データの会社。今後はOpenAI、Anthropicとコンサルティング会社との協力進展、企業ソフトウェア会社のAI価格設定及びARR成長の転換点に注目してください。（出典：第一财经）
中信建投：ソフトウェアセクター深度調整、誤殺のチャンスを探る
中信建投研究所によると、現在のソフトウェアセクターの恐慌的な無差別売りは、壁の深さに基づく差別化価格設定のためのウィンドウを提供しています。中信建投は「壁の攻防属性」に沿った構成を推奨しています：①コア超過配分「攻撃的壁」対象、壁自体がAI時代の新たな成長基盤となる会社；②「防御→攻撃への転換」ウィンドウに注目、伝統的な壁は堅固だがAI収益転換を検証する必要がある会社；③壁の減衰時間定数が短い対象を回避、低複雑度+浅層データの会社。OpenAI、Anthropicとコンサルティング会社との協力の進展、企業ソフトウェア会社のAI価格設定及びARR成長の転換点に注目してください。
全文は以下の通りです
中信建投：ソフトウェアセクターの深い調整、過小評価の機会を探る
現在のソフトウェアセクターの恐慌的な無差別売りは、壁の深さに基づく差別化価格設定のためのウィンドウを提供しています。我々は「壁の攻防属性」に沿った構成を推奨しています：①コア超過配分"攻撃的壁"対象、壁自体がAI時代の新たな成長基盤となる会社；②「防御→攻撃への転換」ウィンドウに注目、伝統的な壁は堅固だがAI収益転換を検証する必要がある会社；③壁の減衰時間定数が短い対象を回避、低複雑度+浅層データの会社。OpenAI、Anthropicとコンサルティング会社との協力の進展、企業ソフトウェア会社のAI価格設定及びARR成長の転換点に注目してください。
米国のソフトウェアセクターは2020年3月以来最も深い評価の調整を経験しており、中位数EV/NTM Revは3.2倍に低下し、パンデミック前の7.8倍という歴史的平均を大きく下回っています。AnthropicがClaude Code/Coworkなどのツールを発表したことで「AIがSaaSを飲み込む」という終末的な物語が引き起こされましたが、この恐慌的な売りは「法的強制+システム記録」型の会社（壁の減衰時間定数5-10年以上）と「UIパッケージ+単純な自動化」型の会社（壁の減衰時間定数6-24ヶ月）を一緒くたにしており、構造的な誤った価格設定が存在します。収益成長率を調整した後、セクターの評価倍率は過去10年の平均近くに回帰しました。我々は現在、ソフトウェアセクターに対する深い差別化価格設定のウィンドウ期間であると考えています。
モデル層は同質化を加速していますが、完全な同質化ではありません。MITなどのチームによるOpenRouterデータの実証研究に基づくと、クローズドソースモデルの呼び出し量は依然として75％を占めており、短期的な需要の価格弾力性は-1.11（ほぼ単位弾力性に近い）であり、大モデル市場は「ブランド中心の競争」構造を示しており、エコシステム内の移行コストは極めて低く、エコシステムを超えた移行コストは極めて高いことを示しています。しかし、トップモデルのリーディングサイクルは2025年初頭の7.5ヶ月から4ヶ月未満に短縮され、GPQAの1位と10位の差は持続的に縮小しており、モデルメーカーの価格プレミアムウィンドウは狭まっています。OpenAIの2025年の粗利益率は40％から33％に低下し、Anthropicの粗利益率は40％（予想の50％を下回る）、推論コストは内部予想より23％高く、モデル層の利益空間はテスト時間計算の計算力消費とAPI価格のデフレに圧迫され、モデルメーカーはアプリケーション層への浸透を余儀なくされています。
「誤りコスト」フレームワークは、高価値の垂直分野には依然として最強のモデルが必要であり、AIはすべてのソフトウェアを平均的に置き換えることはできないことを証明しています。米国の医療訴訟データに基づくと、医療診断シーンでAIが1回ミスを犯すごとに期待される経済損失は$45-63（調整後）であり、高性能推論モデルを優先的に採用するコスト閾値を大きく上回ります。信用審査シーンでは、偽陰性の信用損失と偽陽性の機会コストを総合すると、加重単回の誤りコストは$27-125の範囲（残高基準による）です。これは、高容認コストのシーンで、モデルの正確性が90％から95％に向上することで支えられる経済的価値が数十倍または百倍の価格プレミアムに達することを意味します。本当の競争の焦点は、誰のAPIがより安いかではなく、誰が垂直分野で専門家レベルの正確性に近づけるかです。
Scalingは依然として3つの並行方向で進行中であり、垂直分野の「特異点パス」はすでに明確です。2025-2026年の実証によれば、モデル性能の向上は次の要素から来ている：①RL/RLVRアルゴリズムの改善（GRPO→DAPO→Dr.GRPO→λ-GRPO）、人間のラベル付け報酬から自動検証へ移行；②推論時のScaling（Deep Thinkの並行思考、Agent Swarmの並行サンプリング、思考効率の最適化）、DeepSeek R1-0528は後訓練計算力を増加させることでAIMEの正確性を70％から87.5％に向上させました；③アーキテクチャ効率の改善（MoEのスパースアクティベーション、線形注意、スパース注意）、Kimi K2.5のPARL訓練はエンドツーエンドの実行時間を80％削減しました。3つの方向の限界利益が急速に収束していない背景の中で、垂直分野の正確性は引き続き向上し、本当の堀の道は「Mid-trainingで業界知識を注入 → 検証可能な報酬環境を構築 → RLが深い推論を刺激 → テスト時間に十分な思考」です。
ソフトウェアの壁は深く差別化され、AIの衝撃も差別化されています。企業ソフトウェアの価値は、常にコード自体にはありません。96％の商業プログラムにはオープンソースコードが含まれていますが、企業は依然として安全性、コンプライアンス、統合、SLAに対して支払っています。AI時代では、壁は「ワークフローの複雑さ×データの堀の深さ」という2つの次元で差別化されます：①高複雑度+深層データ、ワークフロー編成、コンテキスト管理、コンプライアンス監査の価値はAIによって増強され、減少することはありません；②低複雑度+深層データ、データは価値がありますが、席次制料金ロジックはAIによる人効率の向上後に構造的に圧縮される可能性があります；③低複雑度+浅層データ、コア機能はAIエージェントによって直接覆われており、堀は非常に薄いです。BloombergGPTの失敗は「自社モデル」路線が実行不可能であることを証明しており、GPT-4は1年未満で、3,630億トークンの金融データを最初から訓練した専有モデルをすべての金融ベンチマークで上回っています。一方、Hebbia（$130億の評価）、Harvey（ARR>$1億）の成功は「専有データ+ワークフロー+前沿の汎用モデル」が正しい価値捕捉の方法であることを証明しています。
強い壁は「商業慣行と法律規則の抽象化されたコーディング」から生まれ、AIネイティブソフトウェアの複製コストは非常に高いです。SAPを例にとると（世界の77％の取引収入がそのシステムに触れている）、その壁は三層のネストから成り立っています。①業務ルールのコーディング（各国の税法/労働法/業界コンプライアンスの実行可能な論理）、②カスタマイズ構成の不可逆性（数万の構成パラメータ、数百のカスタムレポート、数十年の蓄積による組織の記憶）、③エコシステムのロックイン（数十万の認定コンサルタント、S/4HANAの強制移行が再ロックインイベントに変わる）。SAPの元エンジニアであるThomas Otterは、多くの機能は「商業選択」ではなく、法律による強制要求である（例えば、ドイツの給与計算は教会税、社会保険の分担など数十の相互依存する変数を含む）と指摘しています。給与分野で0.01％の誤りは法律訴訟を引き起こす可能性があります。AIがコアERPに対する脅威は「層別浸透」であり、「代替」ではありません。UI/インタラクション層とプロセス自動化層（L1-L2）ではAIはこれらのシステムを強化しています（例：SAP Joule）が、コアビジネスロジック層（L4、2028年以降）およびシステム記録層（L5）では、予見可能な未来でも強化ツールであり、代替者ではありません。同時に、AIは製品開発のバリューチェーンを圧縮しており、Anthropicの内部実践は「アイデアからプロトタイプまで」のサイクルを数週間から数時間に圧縮させており、UI/UXを中間産物としての価値が低下しています。Figmaなどのデザインツールは「設計段階が全体的に圧縮される」リスクに直面していますが、視覚協力とデザインシステム管理の壁は短期的には存在し続けます。
投資提案：現在のソフトウェアセクターの恐慌的な無差別売りは、壁の深さに基づく差別化価格設定のためのウィンドウを提供しています。我々は「壁の攻防属性」に沿った構成を推奨しています：①コア超過配分「攻撃的壁」対象、壁自体がAI時代の新たな成長基盤となる会社；②「防御→攻撃への転換」ウィンドウに注目、伝統的な壁は堅固だがAI収益転換を検証する必要がある会社；③壁の減衰時間定数が短い対象を回避、低複雑度+浅層データの会社。今後はOpenAI、Anthropicとコンサルティング会社との協力進展、企業ソフトウェア会社のAI価格設定及びARR成長の転換点に注目してください。
（出典：第一财经）