📎 The InfraRed Report 2026.pdf

过去一年，美股软件市场给出一个有些反常的画面：许多应用软件估值承压，基础设施公司反而得到更高期待。最容易的解释是「AI 时代继续买铲子」。但这个说法未必正确。

真正发生变化的，是软件收入和使用方式之间的关系。

一、市场误读了基础设施行情

过去的 SaaS 增长，大多围绕人展开。公司多招一个员工，多买一个 seat；部门扩张，软件预算跟着扩张。这个逻辑支撑了过去十多年企业软件的估值体系。

AI agent 出现以后，软件开始有了另一种使用者：机器。

它会在后台反复调用模型、查询数据、运行代码、访问 API、写入数据库、检查结果，再继续下一轮任务。对用户来说，这可能只是一次点击；对系统来说，背后已经跑过几十次调用。

这就是基础设施重新被定价的原因。市场奖励的并不只是“基础设施”这个标签，而是那些被机器任务反复经过的公司。

据 SVTR AI创投库，过去 12 个月，应用类 SaaS 和基础设施公司的二级市场表现明显分化。表面上看，这是“应用下跌、基础设施上涨”；拆开看，涨幅更好的公司往往还有一个共同点：它们在 agent 执行路径上，而且收入能跟着调用量增长。

二、软件的新用户是机器

Datadog 是一个典型例子。

过去，可观测性主要服务工程师：系统报警了，人去看日志、查指标、定位故障。进入 agentic software 之后，系统里多了大量自动生成、自动执行、自动修复的动作。代码是谁写的，接口是谁调的，错误在哪里发生，哪一次执行导致了异常，这些问题比过去更难追踪，也更值钱。

Datadog 的 AI 溢价，不是来自某个单独的 AI 功能，而是来自软件执行方式的变化。

Cloudflare 也是类似逻辑。它原本是网络、安全和边缘计算公司，但 AI 原生应用、开发者工具和 coding agent 正在把更多部署和访问路径推到它的网络上。AI 公司需要更快上线服务，开发者需要把本地生成的代码推到线上，企业需要控制模型如何访问内容和数据。Cloudflare 站在这些路径之间，流量和任务自然会经过它。

而在Redpoint最新的报告里，提到的Temporal、Clickhouse、Railway这类公司的增长，不再完全依赖客户多买多少席位，而是依赖系统多跑多少任务。人没有增加，调用在增加；组织没有扩张，后台消耗在扩张。消费计费模式因此变得更有弹性。

这也解释了为什么部分传统 SaaS 被重新定价。AI 提升效率以后，客户会重新计算软件预算：哪些工具仍然必需，哪些 seat 可以减少，哪些流程已经被 agent 接管。如果一个产品主要依赖人工登录、人工操作、按人头收费，它吃到的 AI 红利会有限，甚至可能被 AI 反向压缩。

三、估值差异来自执行路径

“应用 vs 基础设施”是一个过于粗糙的分法。

更关键的问题是：一家公司有没有进入 agent 的运行过程。

一个完整的 agent 任务，不只是调用一次模型。它需要理解目标、检索数据、调用工具、运行代码、访问外部系统、检查结果、记录过程，有时还要反复修正。这个过程越长，越会依赖一组新的基础设施：可观测、网关、安全、沙箱、持久化执行、工作流编排、数据层和推理服务。

站在这些路径上的公司，更容易获得增量预算。因为客户不是在为“一个新软件”付费，而是在为机器任务的持续运行付费。

相反，路径之外的软件会面对更大压力。漏洞管理、传统安全工具、低频治理软件、弱 AI 叙事的席位制 SaaS，并不会因为客户开始使用 AI 就自然受益。如果产品没有进入 agent 执行过程，AI 反而会让客户重新审视它的必要性。

所以，基础设施溢价不是一个赛道标签，而是一种收入结构的变化。市场正在给“被机器调用”的公司更高预期，也在给“只被人登录”的软件更低耐心。

四、模型之外，循环成了护城河

模型层的变化进一步放大了这个趋势。

预训练模型仍然重要，但企业不会永远为“更大的模型”付同样高的溢价。开源模型持续追近，推理成本继续下降，企业开始更现实地看待闭源 API、开源模型和自建部署之间的组合。

模型能力变得更可获得以后，价值会往模型之后迁移：推理服务、后训练、评估环境、强化学习数据、agent runtime、工作流编排和执行沙箱。

这些环节共同构成了新的循环：模型服务真实任务，任务产生数据，数据进入评估和反馈，再推动模型与系统迭代。这个循环不是抽象概念，它需要稳定的执行环境。推理要跑，数据要回流，任务要被记录，错误要被追踪，执行过程要能复现。

看似是模型在工作，实际上大量价值发生在模型周围。

这也是 SVTR 更关注“执行路径”的原因。基础设施公司的价值，不再只来自底层能力，而来自它是否能参与这个持续循环。站在循环里的公司，收入会随着 agent 使用量增长；站在循环旁边的公司，即使也属于基础设施，也可能被平台、开源或客户议价压缩。

五、美国投公司，中国看平台

中美市场在这里出现了一个很有意思的差别。

在美国，agent 执行路径上的许多环节仍然可以形成独立公司。推理云、开发者平台、评估环境、代码执行沙箱、工作流引擎，都有机会在大云厂商和企业客户之间找到位置。Together、Fireworks、Baseten、Modal 这类公司之所以能继续融资，就是因为美国市场允许中间层公司独立存在。

中国的情况不同。

中国模型层更早进入开源竞争，DeepSeek、Qwen、智谱、MiniMax 等模型体系已经把“开源优先”变成基本环境。真正不同的是价值归属。推理、部署、数据、运维、安全、行业客户关系，往往被阿里云、火山引擎、腾讯云和国资算力体系一起吸收。

许多在美国可以独立融资的环节，在中国更可能成为平台能力的一部分。

这对跨境投资人很重要。同样是 agent loop，美国可能投到一批独立创业公司；中国则要判断哪一层还能公司化，哪一层已经被平台吃掉。复制赛道没有意义，识别价值归属才有意义。

六、基础设施需要重新定价

我们过去一年看到的新公司密度，也在印证这一点。最活跃的地方不再是笼统的“AI 基础设施”，而是更具体的执行环节：可观测、沙箱、持久化执行、工作流编排、数据回放、评估环境、推理服务。

它们的共同点不是技术分类，而是都试图进入 agent 的运行过程。

基础设施溢价正在被市场重新分配。算力、模型、工具、应用这些传统分类仍然有用，但已经不够。下一步更重要的问题，是一家公司是否被机器任务持续调用，收入是否能跟着调用量增长。

如果答案是肯定的，它就有机会分享 agent 时代的基础设施溢价。否则，即使它被归入基础设施，也仍然会被当成传统软件重新估值。

AI 时代的“卖铲人”不会平均受益。真正值钱的，不是站在淘金热旁边卖工具，而是站在每一次机器劳动必须经过的路上。