寫這篇文章是希望有人可以提出反對觀點。希望可以狠狠挑戰我……這樣如果我發現了自己的盲點，就可以賣掉已經買的CSU。可以避免我虧錢。感謝各位。$CONSTELLATION(CNSWF)$
論點
CSU 是一家持續收購垂類軟件的控股公司。它通過將所有利潤再投入到低估值的收購中，預計可以做到每年16%-20%的增長（過去10年曆史記錄應該是19%）。這個持續增長期可以持續很長時間，比如10年或更久。
這樣的公司通常估值會比較高。最近的估值倍數卻隻有18倍歸母盈利。我認為合理的估值在大概30-40倍。也就是說有翻倍的空間。
我和市場核心的意見分歧在於AI對軟件的影響。市場認為GenAI會影響軟件公司的前景。我認為不會。接下來我會簡單解釋一下CSU的模式，以及我對GenAI的判斷。
公司介紹
CSU在價值投資界已經不算陌生了。CFO自己也說最近幾年已經沒有遇到哪個投資人是第一次發現它的存在了。這個由Mark Leonard/馬克倫納德創立的公司早已經家喻戶曉，也導致一直沒有太多賺alpha機會。直到最近。
倫納德是個非傳統的CEO。他留著甘道夫那樣的大胡子。年輕的時候幹過很多活兒，比如保安，掘墓人，除草，刷圍欄，雜貨店店員，工匠，倉庫工人之類的。他說年輕的時候生計所迫，必須得打幾份工。到處零散打工的七年時間裏他完成了本科和MBA的學位。最後進入了風投行業。
在風投行業的他看到了互聯網的機會，但是同時又不喜歡傳統VC的購買高增長，並且追求幾年內退出的風格。所以他找到了他的朋友，說要創業。他的朋友當時在OMERS任職，所以可以給他提供一筆資金。他當時應該是在1995年拿到了2500萬美元。
他很快收購了一家公司。這家公司叫Trapeze，是由另外一個馬克（馬克米勒）於1988年創辦的。米勒就一直經營著這家公司（後來演化為Volaris Group）。米勒也一直是倫納德的左膀右臂。2025年的夏天，米勒接過了倫納德的位置，成為了掌舵人。
在早期的時候，倫納德犯過兩個錯誤，一個無傷大雅，一個給他造成了嚴重的經濟損失。無傷大雅的錯誤是他們在很早期賣掉了一個公司。我印象中是他們買入了不久就有了可以賣出賺一筆的機會。他們很想來一個開門紅，所以就賣掉了那家公司。至今為止CSU已經收購了上千家公司，而隻賣過那一家公司。倫納德說他很後悔賣掉了那家公司，不然的話他們就可以和未來要收購的公司的創始人說他們從來沒有賣過公司。了解伯克希爾的大家都知道，對於公司的賣家來說，能找到一個永久的歸宿是很重要的。因為公司的賣家大多是小公司的創始人，團隊裏的30人50人是創始人眼中一起共事了幾十年的戰友。這個時候創始人很難主動在有了CSU出價的情況下去找PE貨比三家。
這裏順便講一句，CSU內部有一個數據庫。記載了很多可能可以收購的公司。他們負責收購的人就會去早早聯係這些公司的老板，然後很多年一直保持聯係。到了老板退休賣公司的時候就理所應當地先告訴了CSU。我沒有任何證據，但是我聽說CSU的大部分收購案例，CSU都是唯一的一個買家（不用競價）。CSU在業內也有著“cheap bastard”（吝嗇鬼）的名號。他們的出價永遠都很低。
另一個嚴重的錯誤是倫納德在不需要錢的時候進入了一筆注資，給他們造成了比較嚴重的稀釋。我記得倫納德現在占股可能隻有4%左右了。當時的稀釋就是罪魁禍首。不然倫納德可能身價要比現在多得多。引入新投資人的原因也不複雜。當時倫納德從OMERS拿到投資以後，他的朋友離職了。新來的負責人和倫納德不是很和睦。所以倫納德就引入了新的投資人作為平衡。這個決定讓他一直挺惋惜的。
CSU的早期就是在尋找增長緩慢但是估值便宜垂類軟件公司中度過。所謂垂類軟件，就是某個特定行業使用的軟件，出了這個行業就用不到。比如地鐵的運營軟件。隻有地鐵需要，其他公司都不需要。這樣的軟件市場規模很有限。而且作為整個業務中的極其微小的一環，它的出錯會造成整個業務的停擺。所以很少會有外來競爭者。軟件就有很強的提價能力和很穩的護城河。CSU通常都是細分市場的第一或者第二名。垂類裏有很高的市占率。
CSU會收購這樣的公司，然後讓管理者自己運營（去中心化運營）。最多就是大家聚在一起討論一下經營心得（早期好像叫Constellation Academy？）。管理人員的績效考核也很簡單，大家把賺到的利潤上交給母公司。讓母公司去繼續投資。然後績效由利潤率（資本回報率ROIC）和內部增長決定。這個績效很妙。因為ROIC代表著利潤相對於母公司投入的回報（也就是市盈率），但是內部增長率又保證了管理人員不會竭澤而漁。管理人員每年都要仔細平衡增長率和開支投入（主要是營銷和開發成本，本質是投資，但是會作為當期開支）。後期ROIC這個指標有點失真（比如2000年1000萬買的公司，成本隨著分紅降到100萬，現在每年利潤100萬，回報率就是每年100%），他們也做了一些調整。
在差不多十年以後，倫納德感覺自己沒有辦法去看每一家公司的運營了。也沒有辦法仔細審查每一家公司的收購了。所以他這裏做了一個很神奇的決定，他決定去中心化收購。這裏非常有趣，因為當我們說去中心化管理的時候，我們腦海中浮現出的是伯克希爾那種，子公司每年把利潤給母公司。然後母公司不插手運營，但是會統一進行新的投資的模式。母公司每年負責收購的精力是有限的，不可能仔細考察太多項目。所以到最後我們會發現大部分公司的收購數會卡在每年10家左右。但是在CSU，母公司不僅不插手運營，也不插手收購。能做到這一點是有一個很重要的原因的，那就是大部分垂類軟件的經營在本質上是差不多的。他們有差不多的成本結構，差不多的客戶特征。以至於在看過了一些公司以後，套模版去收購其他的公司其實不太容易出錯。所以其實並不需要負責收購的人有很多經驗或者很聰明。而在利益一致性上，CSU沒有股權激勵，但是要求管理人員去拿自己的現金獎金去買CSU的股票。所以在一定程度上達到了利益一致。到了最近，因為CSU已經變得很大了。他們內部也在思考有沒有更好的讓中高層管理人員可以隻為自己相關的事兒負責的可能性。
這樣的去中心化導致母公司旗下出現了幾個迷你CSU。它旗下有了6個運營集團，其中包括了馬克米勒的Volaris/Trapeze。這些運營集團和早期的CSU一樣，負責自己旗下公司的運營，還有做新的收購。CSU母公司隻需要審批特別大的收購案（所以母公司到現在也隻有二十來個人）。後來，隨著規模變大，運營集團們也沒辦法看完所有的收購了。他們又創造了一層新的層級，叫Portfolio Manager（投資組合經理）。PM們會去看所有的投資，也會全球飛，買新公司的時候也和自己的旗下公司交流。我印象中這樣的PM大概有三四十來個吧。在未來，可能還會出現新的層級。所以CSU是少見的能極大量地去收購其他公司的公司。一般來說，收購增長的公司一年收購十幾個很不錯了。CSU有一年我記得是收購了250-300家公司。
這樣的分形結構讓我一直驚歎不已。不隻是思路的巧妙，也很驚訝這樣模式可以這麽多年一直運作得挺好。畢竟理論設計和實際操作是兩碼事兒。這樣的結構也來自於倫納德的設計哲學，他認為人類合作的團隊是有一個上限的。大概是30-50人我記得。超過這個規模，人類原始的大腦就會進入另外一個工作模式。然後很多大公司病就會出現。
這裏我額外再講一下TOI和LMN。很多人會覺得這兩家公司因為更小，所以成長前景更大，值得更高的估值倍數。我感覺提出這個思路的人可能是有一點小樣本偏見或者沒有完全理解CSU的去中心化收購策略。因為CSU本身就是由幾十個TOI和LMN這樣組織組成的。分拆出來上市與否其實並不影響未來的增長潛力。單買TOI和LMN這樣的小公司可能會有極端的結果。但是期望上來說並不會因為單獨上市就更好。當然了，也有很多其他角度的分析，比如LMN的管理層更年期。或者TOI專注歐洲，那邊的市場整合度更低。這些角度大概都有他們的道理。我對這兩家公司研究不深，不好說。
後來CSU又出現了新的模式，非常有趣。通常來說，他們收購企業的時候，都用一倍或者更低的市銷率（考慮到大概20%的利潤率，就是5倍市盈率）。但是當他們隨著規模增長想去收購大企業的時候，一倍市銷率就太低了。賣家可能想要五倍市銷率。但是CSU內部對投資回報率有非常高的要求（並且絕對不會降低，他們曾經實驗過，降低回報率要求雖然可以帶來稍微更多一點的收購數量，但是會拉低所有收購的回報率。我個人覺得是因為回報率要求低了，所以負責收購的人也給了更高的開價，畢竟不是自己的錢）。為了達成交易，Topicus這家運營集團做了一個蠻有趣的設計。他們低價收購了一家大公司，但是同時也IPO了自己，然後讓大公司的賣家拿到了一部分的上市公司的股份。這樣從Topicus/CSU的角度看，他們投出去了一大筆錢，而且是用2倍市銷率投出去的。從賣家的角度看，他的業務2倍市銷率賣掉了一部分，然後剩下的部分被市場以7倍市銷率估值。所以他平均的估值也有4-5倍。這裏做的其實是一個標準的multiple arbitrage（估值倍數套利）。所以我其實不太喜歡，因為當市場不好的時候，他們就沒辦法繼續這樣做，大額投資能力就會下降。有很強的反身性。不過還好，隻有Topicus和Lumine兩家公司采用了這樣的策略。這樣的策略好的一部分就是這些運營集團或者子公司可以要求員工買自己的股票，而不是CSU的股票，利益會更加一致。
有的時候，有些公司被收購則是因為自己希望變得更好。比如Topicus收購了Asseco 25%的股票。Asseco是一家思路和CSU很類似的公司（他們底下也是子公司嵌套子公司，通過收購增長）。他們希望可以從CSU那裏學習到軟件公司的運營。到了現在，CSU有上千家子公司。他們每年都會搞一個大會，上千家子公司的管理層會飛到一個酒店。他們會把酒店包下來，然後讓上千人在一個周末進行非常密集的會議，比如天8場會，一場一個小時。米勒自己的風格是讓大家都帶上一個名牌，然後績效的好壞在這些會議上一覽無餘。讓強者幫助弱者。這些運營思路的分享非常重要。比如CSU常做的事是把公司買下來以後，把軟件提價20% - 30%。但是這個提價過程中怎麽樣和客戶溝通，怎麽樣篩選掉低價值的客戶，怎麽樣讓高價值的客戶心甘情願留下來。這些都有學問。
我以前問過CFO，為什麽他們會願意把這些運營思路分享給Asseco。因為CSU對Topicus的擁有權隻有30%，Topicus又隻有25%的Assecco。那相當於CSU隻有7%的Assecco。CSU不怕Asseco把這些運營知識偷走嗎？CFO說這個思路沒錯的，但是他們認為他們投出去了很大一筆的金額。他們覺得這個是劃算的。我後來仔細想了想，如果把所有的運營思路當作一個數據庫。這個數據庫其實是存在一千個子公司管理者的腦子裏的。而且數據庫每年隻開放兩天，讀寫的速度基本就是人類說話的速度。還會每年有小的變化。所以其實很難偷走。另外一方麵，可能也說明這個運營思路並不是什麽非常重要的東西。並不是泄露了就會影響自己未來的絕密配方。
這邊另外再講一下增長的曆史。CSU喜歡看穩定重複的營收，所以他們並不太在乎硬件銷售，一次性的永久使用許可銷售之類的。他們更在乎每年收的許可費和支持/維護費用。如果我們看總營收，內生增長率是2%（也就是說剔除掉收購新公司帶來的營收，增長率是2%）。如果我們看重複營收，內生增長率是4%。我曾經很擔心一個事兒，就是如果他們收購一家公司，然後未來一兩年大幅提價，那這批新公司的內生增長率會很高。類似於超市如果開店擴張快，同店營收增長率會被新店拉高（新店頭兩年的同店營收增長速度會很快，然後成熟以後會停滯）。CFO說他們做過內部研究，如果去掉收購的新公司，內生增長率反而會更高。這一點我其實保持健康的懷疑。但是至少我和CFO開的幾次會裏看，他是個相對保守的人。
我和他看法唯一不同的是他認為他們有4%的市占率，我認為有8%。這個是我一直沒解開的問題。我也沒被他說服。我是用他們的營收和Gartner全球垂類軟件市場規模算的。他是用他們自己內部跟蹤全球軟件公司的數據庫算的。我覺得目前市占率4%可能過於樂觀了（雖然我也同意是長坡厚雪，但是我覺得坡沒那麽長）。
他們公司的文化就是很保守的。這裏不得不提回一句倫納德。他堅持不給薪酬激勵，應該是和巴菲特學的。他們在股東大會上也經常講到巴菲特。這讓他們2010年左右在加拿大的價值投資者圈子就很出名。Edgepoint的明星基金經理帕斯特好像就在2012年左右給倫納德寫過郵件，倫納德說從價值投資的角度來，CSU的公司的估值已經不像以前那麽便宜了。那時候的CSU的股價是100塊一股。現在2026年，CSU的股價是2500塊一股。
順便一說，帕斯特2018年來我所在的大學俱樂部演講。也是第一次讓我知道了CSU這家公司。帕斯特在一兩年後加入了CSU的董事會。最近也成為了Computer Modelling Group（CMG）的董事會主席。有興趣的小夥伴也可以看看CMG。他在董事會這件事情，讓我對CSU相對更有信心了一點，雖然他也不會去做審計，但是在一定程度上降低了財務造假的可能性。CSU IPO的時候就隻是為了投資人退出，自己沒有募資（除了借債）。中途還發過幾億的分紅，收購的也有不少大的上市公司。但是這麽多的子公司，其實結構非常適合造假。所以還是要多留一個心眼。
倫納德的人品讓我佩服的是他說過的一句話。他說他不會回購股票，隻會分紅，因為這裏有一個利益衝突。擁有公司大量股票的管理層完全可以通過釋放悲觀消息來打壓股價，然後低價回購，讓自己的股權增多。我覺得這樣激進的觀點很難被一個偽君子發自內心地說出來。我從來沒有在其他任何管理層那裏聽到過這樣的思路。我自己看到以後也不理解，是把自己放在他的位置上，過了好久才明白的。
倫納德在2010年代後期就進入半退休的狀態。他不拿工資。隻是為了自己的股權增值而工作。他主要做的是三個部分的工作。第一個是研究CSU變大以後的新的激勵機製。第二個是研究垂類軟件之外有沒有可以進入的行業。第三個是利用一千多個公司做科學實驗（更改一批公司操作流程，看看有沒有顯著的經濟效益）。第三點的效果怎麽樣不知道。但是可惜的是前兩個沒有什麽結果。好在也沒有什麽損失，就是倫納德帶著兩三個年輕人在那兒研究。好像後來那些年輕人走了，自己創業去了。
其實這裏就顯示了一個很大的問題，就是有越來越多的模仿者。在CSU幹收購，賺得肯定沒有自己單幹賺得多。現在CSU做大了，裏麵的人出來單幹也不難。所以其實能看到很多這種模仿者。這也是每個行業都會遇到的情況。這裏麵有兩個問題，第一個是在持續整合的時候，會出現更多的競爭對手，收購估值會上升，回報率會下降。CSU必須降低對回報率的要求，或者減少投資的數量（現在是利潤100%可以拿去收購）。這種競爭是無法回避的。
那麽CSU未來的增長還有多久呢？我做了一點簡單的跨行業研究，其實這種“低價購買零增長小壟斷企業”的整合經常出現。具體來說，我看了Thomson （小鎮報紙整合），SCI（墓地整合），Airgas（工業氣體整合），Waste Management（工業和居民垃圾處理），Caliber（修車店整合），Lamar（戶外廣告牌整合）。它們的整合程度其實會隨著時間的推移提高。根據我看到的數據，我的預測是垂類軟件在2035年的時候的整合會基本結束。CSU在這個期間會保持18% 的增長。（行業本身保持8%的增長）。這個假設其實就是2025年股價5000的時候的市場的假設。所以其實這個研究的本身也沒有什麽和市場不同的洞見。
2025年的夏天，GenAI取代軟件的論調開始被更多人提起（即使很早就出現了）。CSU決定舉行一個問答會來回答大家的問題。投資人和行業分析師都挺期待的，因為CSU從來沒舉行過問答會。也沒有季度業績會。一般就是股東大會和大家聊聊。所以金融界的大家還是有點期待的。後來問答會上其實還是老生常談。說沒看到AI具體的影響，我們在努力嚐試，沒辦法預測未來之類的。所以其實當時股價就跌了。一周之後，倫納德突然卸任。大家多少都覺得和AI有關係。所以股價跌了很多。雖然大家知道是健康問題（傳言說得比較具體但是我這裏就不複述了），但是多少會覺得和AI有關係（畢竟隔壁NFI的CEO得了動脈瘤還在努力工作）。
到了2026年，軟件公司又因為AI出現了一次大跌。這一波裏可能出現了很多機會，但是我想挑CSU下手。畢竟關注了8年，股東信讀了又讀，有點白月光哈哈。學習成本比較少，也不需要買到最便宜的公司（類似我2024年買百度。所有中概股都很便宜，但是我最了解百度，就買了百度。過後看阿裏果然漲得更好。但是沒辦法，我又看不懂阿裏。）
AI的影響
這是敢逆著市場判斷買軟件的根本。但是我先明確一點，我不認為有任何人可以有確定性地預測科技發展的未來。如果我能夠預測AI可以在2028年達到AGI。那我就必須知道AGI的運行機製和達成機製的前置條件，那我其實在2026年就已經發明了AGI。這個來源於波普爾對曆史決定論的批判。但是在實際應用中，放棄對曆史的歸納等於閉上眼睛走路。所以隻能說我一切的推演和預判都不一定對。
最早當業界說AI取代軟件的時候，大部分人腦子裏的畫麵是無限充裕的智能取代了人類員工，而軟件是按使用者賣的（比如一個使用者每年5000美金）。那客戶那邊員工人頭數的減少就會降低軟件公司的營收。隨著時間的演變，多模態的成熟，在2024年變成了這個業務用ChatGPT能不能做。拿大家比較熟悉的交易軟件來說，有沒有可能讓ChatGPT自動幫我交易，我隻需要給一個大概的方向，然後它可以自動交易所有的賬戶（機構投資者可能要獨立管理幾十個賬號），做所有的杠杆/合規管理，處理月末報告？這樣的想法在2025年逐漸變成了對AI顛覆現有軟件邏輯速度的顧慮。假如說有一個新的創業公司，它用AI寫軟件非常快，並且它的軟件還有更好的AI功能（比如用AI幫忙做更多的自動化），那這種更便宜，更好的軟件會不會取代前一代的軟件？
我認為會，但是這種取代會是在漫長時間裏漸漸完成的。這種取代的核心驅動力是公司體係對企業家精神的剝削。首先，所有的成果的產出都是需要人力資本的。如果你是一個有能力的人，在公司內部創業的獎勵不及自己創業的百分之一。但是失敗的後果可能同樣嚴重。所以這種不對稱的機製會讓有風險承擔能力的人和有新點子的人出來自己單幹。那麽大公司麵臨流失的人力資本，能做到的創新自然會變少。但是這種取代的過程會很漫長，這個漫長的時間會給好公司適應和保持領先的機會。也會額外給CSU學習GenAI主導的軟件公司的機會。CSU本質上是一個投資公司，所以隻要他能保持20%的投資回報率，那麽其實它今天有什麽公司並不重要，我們買的是它十年以後的投資組合，而不是今天的（今天組合的和十年後的組合隻能說因為路徑依賴的原因，是強相關的）。
所以我們要討論的就是這個革新的過程為什麽是漫長的。認為有以下兩個角度：
第一是工作量並不因AI編程大幅減少。本質上來說一個軟件的編寫需要軟件開發的時間和客戶的時間。AI編程隻能減少軟件開發的時間，不能減少客戶的時間。
目前來看，所有商用軟件的本質都是通過邏輯進行硬編碼，從而自動化一部分的工作流，提高員工的工作效率。大家都能明白這一點，但是非業內人士很難理解其中龐大的複雜程度。有一個廣為流傳的梗：“鮑勃是當年寫這段代碼的人，隻有鮑勃知道這段代碼是為什麽要這樣工作的，現在鮑勃離職了，所以整個公司沒一個人能解釋清楚了。”
我可以舉一個我以前見到的例子。有關於一個股票交易係統，算是垂類軟件的一種。這個軟件每次買完股票以後會分配給所有參與購買的賬號。然後用戶發現一個問題，有一個賬號總是比別的賬號先交易完。別的賬號今天隻交易完了10%的股票，但是這個賬號總是第一天就完成了它100%的單。這個在合規上明顯是有問題的。在用戶聯係了交易係統的軟件開發公司後，他們發現了以下問題。
首先，即便是同一個投資人，管理的不同的賬號體量差距很大，有的賬戶要買10000股，有的賬戶隻要買10股。那麽買10000股的賬號的買賣單位就可以使用默認的100股一手。而買10股的賬號就隻能1股1股買（國外市場允許這樣）。這個是每個賬戶最小交易單位在交易軟件裏的設定。
其次，當日購買的股票是統一交易，然後在收盤後進行分配。分配邏輯如下：首先計算每個賬戶應該按比例分配到的總股數。在我們的例子裏，假如我們隻有兩個賬戶，一個要買10000股（交易單位100），另一個要買10股（交易單位1股），總共就是10010股。我們在市場上假如今天買了1000股。那麽總訂單完成了1000/10010=9.99%。那麽第一個賬戶應該得到10000股*9.99%=999股。第二個賬戶應該得到10股*9.99%=0.999股。
係統具體的計算過程為分配999股給大賬戶。因為交易單位為100股，所以向下取整為900股。分配0.999股給小賬戶，因為交易單位為1股，所以向下取整為0股。剩餘未分配股票為100股。係統處理剩餘未分配股票的邏輯為：找到完成比例和目標比例相差最大的賬戶，並且將所有未分配股票分配給這個賬戶，如果還有結餘，就把剩下的結餘全部分給相差第二大的賬戶，以此類推。
此時大賬戶目標完成度9.99%，實際完成度900/10000=9%。小賬戶目標完成度9.99%，實際完成度0/10=0%。所以100股會全部分配給小賬戶。小賬戶隻需要10股，所以剩下的90股全部給大賬戶。這樣一來，本來應該小賬戶拿1股，大賬戶拿999股，結果變成了小賬戶拿10股，大賬戶拿990股。
其實設計的思路是完全沒有問題的，向下取整是為了避免股票不夠分的情況。而全部把結餘股票給一個賬戶，則是假設在所有賬戶分完自己的份額以後，結餘的股票隻是一個非常小的數字。這樣做可以避免複雜的計算帶來其他的漏洞。
但是在實際的應用中，有很多大小迥異的賬號，每個賬號還會為了照顧審批人員設置不同的交易單位。所以看似合理的設計就有了意想不到結果。這種被稱為邊緣案例。金融業很多人可能會認為軟件就是硬邏輯堆出來的不同的功能。但是其實軟件很大一部分則是在十多年的時間裏和很多顧客溝通。每年解決大量的這種邊緣案例/特殊情況。通過微調邏輯的方式去保證軟件在正常情況下和已經發現的邊緣案例/特殊情況下都能達到預期的效果。不僅要做對，而且要高效低延遲地做對，要安全地做對，要穩定地做對。而且要和其他複雜的IT係統合作（比如會計係統，庫存管理係統，營銷係統等等），並且符合監管者對業務流程的規定。這是一個軟件公司和客戶在過去幾十年裏共同投入大量時間資源做到的事情。對於標準化的軟件來說，一個改動會惠及所有客戶。
這個問題在其他很多場景都會出現。本質上也是一個有一定哲學性質的問題。硬邏輯編碼的問題在與它永遠不完美契合現實世界的情況。永遠會有邊緣案例/特殊情況。所以我們不僅在軟件行業看到這個問題，我們也會在其他行業看到。比如法律的明文規定永遠有漏洞，或者生物分類學的分類永遠不完美（因為離散係統很難解釋連續係統）。
所以其實可以把軟件想成一本筆記。是軟件公司和客戶多年來共同打磨的，盡可能記載和模擬現實工作流的筆記。大量問題的答案被高度抽象地記錄在了代碼裏。但是問題本身並沒有被記錄。所以看到代碼的人隻知道這樣做是對的，而不知道不這樣做為什麽是錯的。所以除非直接照抄代碼，不然沒有辦法做出好的軟件。
這是一個巨大的工作量，而且同時需要軟件公司和客戶的時間。這是一個雙邊的網絡效應。AI代碼隻解決軟件公司的開發成本（目前隻節省大概20%的人效，以後可能會進步更多）。但是並不會讓客戶願意放下手中的工作來打磨一款新產品。具體體現出來，就是新產品用不了，不好用，容易出錯。容易因為省小錢丟了大生意。這也是傳統上軟件公司定價權的來源。AI寫代碼並不能解決這個問題。
第二個角度是AI處理自然語言的能力可以做到傳統硬邏輯做不到的事情。這個角度非常正確。比如人工客服這種事情，基本沒有辦法用硬邏輯處理（因為全是邊緣案例）。傳統的軟件最多幫客服分流一下致電客戶的需求，然後記錄一下客服的表現指標。但是現在有了AI就可以做到從頭到尾沒有人類參與解決相當一部分的電話。
這個過程裏，因為之前沒有類似的產品，所以客戶無論如何都需要花這個時間和某一個軟件公司溝通討論現實裏具體的實施細節，所以老牌軟件公司在這一塊並沒有太多的護城河。
但是我們要明確一個問題，就是這個部分隻適用於和傳統業務關係不大的增量市場。打個比方，一個供應鏈管理軟件目前可能隻是根據需求預測去調配生產原料的采購，倉儲和運輸。有了AI，可能會想用AI來代替人類處理供應鏈中的意外情況（比如倉庫起火，運輸延誤等等）。但是這一塊的新業務及其依賴供應鏈管理軟件在需求預測，倉儲管理，運輸管理本身的數據。如果有一個新的，第三方的軟件公司想進來隻做AI管理突發供應鏈事件，那應該如何獲取這些數據？理論上客戶擁有自己的數據。但是怎麽具體實施呢？總不能讓原有的供應鏈管理軟件直接開放客戶的雲端數據庫實例給其他第三方軟件吧？還是說每次都手動下載數據到一個excel表裏，然後手動上傳到第三方軟件。（順便，大部分人可能會驚訝於供應鏈管理的落後，相當多的公司還在用excel來管理供應鏈。）
另外從個人的角度來看。假如你是一個公司的供應鏈管理領導（CSCO）。你應該每年都會被你現在的軟件銷售帶出去吃喝玩樂。現在他要推一個看起來不錯的服務，然後另外一個創業公司也在推薦一樣的服務。你會買誰的？假如你想買創業公司的，好的。那先給你們公司的首席信息官CIO仔細解釋一下為什麽要增加係統複雜度，買一個額外的軟件再整合到現有架構裏。再給CFO計算投資回報率。再上董事會和給CEO解釋為什麽需要買一個新的軟件（他們完全聽不懂你在說什麽，而且隻給你十分鍾時間，你還要去做市場調研做調查或者招標）。最後通過了，你要讓你手下（包括十年內就要退休的中年人）花很多s時間來學會使用這個新係統（有全新UI和設計理念）。如果你買原公司的附加功能。這裏麵有很多麻煩都可以省掉。
至於AI取代硬編碼。我覺得是很難的。所以適合硬編碼的需求也會持續帶動硬編碼增長。比如我用硬編碼的程序去買股票，我可以99.9999999999999999%保證我輸入100股我就會買入100股（有0.0000000000000001%的概率我因為宇宙射線影響硬件買入1024股）。但是用GenAI，短期內還很難看到有達到一樣準確率的概率。而且換成AI對於整個過程毫無提升，反而打一大堆字讓效率更低。直接用圖形用戶界麵更好。而且現在很多問題哪怕給AI，AI也是調用工具利用硬編碼解決的。用邏輯比用統計的好處就是可複現，可審計，穩定可靠。更別說目前來看成本也更低（因為同一個邏輯隻需要程序員寫一次，就可以多次複用。但是不排除未來的AI智能便宜到發指的地步，單次使用也更便宜）。
所以哪怕人才都外流，老牌公司在未來幾年也有一戰之力/拖延之力。我相信最後的結果是一大批公司逐漸被擠到市場邊緣。但是這個過程是需要時間的。
有人會說轉換成本高，但是新成立的公司在采購軟件的時候是不是更傾向於買AI生產的軟件？是的。但是除了轉換成本，之前說到的兩個優勢：市場足夠小，以及產品需要顧客和軟件公司一起打磨。這兩點會讓進入這個市場的人很少，而且他們的產品質量也不夠高。
有人可能會說當AI讓成本降低很多的時候，營收必然會下降。我覺得這個說法有一定道理。尤其是在充分競爭的市場（CSU有不少市場可能不是充分競爭）。但是降低成本以後呢？通常我們看到的是添加更多功能，自動化更多工作流。人類偷懶/省錢的本質會讓工作一直被自動化，而人類想要更美好生活的本質會讓顧客永遠麵臨更新的需求。
還有一種極端情況是AI直接完美取代人類。所有的人類都不用工作了。在這種情況下，AI依然要用底層的軟件去完成很多工作。這可能反而是軟件公司能遇到的不錯的情況，因為所有的工作都需要用軟件來完成。當然也可以說AI自己能自己寫自己需要的軟件（我們現在也看到很多這種情況），因為AI不需要圖形界麵。這是可以的，但是需要很多工作量，而且新軟件肯定很多錯誤，需要不斷打磨。經濟帳上未必能算得過來。而且能用的東西如果換掉出錯了，誰背鍋呢？AI公司自己大概率隻背很有限的鍋。
我這裏再稍微做個小預測。大家討論問題說的都是未來技術進步以後的AI取代軟件。所以假設的是技術進步以後AI的能力可以基本取代人類的工作成果。那麽我認為有一個關鍵指標可以判斷什麽工作會先被取代。這個指標就是一個比值：驗證一個成果的成本比創造一個成果的成本。這個比值越小，就會越先被取代。比如寫一款前端軟件。一個簡單的軟件，十幾個交互按鈕。試用這款軟件可能隻要一個小時，但是寫出來可能要五天四十小時。這個時候的比值就是1:40.就是會很早被取代的東西。相反假如是做價值投資，驗證一個投資論點的成本比找到一個投資論點的時間其實區別小很多。比如我需要一周來驗證一個投資論點，但是隻需要四周就可以自己找到一個投資論點。那比值就是1:4. 價值投資找論點就是相對會晚一點被取代的工作。這個成本也不一定是時間，也可以是犯錯成本。我覺得這個指標很重要，因為它同時涵蓋了效率提升和可靠性這兩點。
最後我還是想強調一下CSU的特別之處。它本質是一個投資公司。在買公司的時候，我經常問自己，重要的是生物質還是基因。有些公司重要的是它手上現有的資產，業務，現金流。這些東西更多意義地決定未來10年的公司表現。有些公司我們買的是基因。買的是被不斷複製的模式。如果CSU真的每年增長18%，那麽10年後，有80% 的業務都會是新收購的。這個情況下，現在的公司反而不那麽重要。當然了，生物質和基因是相互依存的關係/相乘的關係。如果明天這些公司都破產了，那CSU也沒有10年後了。CSU的獨特之處在於它有一個成熟的收購體係，所以它的轉型相對會更加容易。這是其他公司沒有的一點。
CSU通常不會要求子公司去做什麽事兒。哪怕當年雲服務興起，他們也對子公司放任不管。但是這次他們還是有一些自上而下的AI項目的。想讓子公司多研究一下AI。所以看起來態度不錯。
我目前看到的就是大部分公司（軟件，IT服務公司）都在努力找GenAI相關的營收或者投資。但是在應用層，很少有純GenAI的收入。大多最多就5%-10%。AI編程方麵，一般都說的是20%的人效提升。但是很明顯AI行業一天一個樣，很難說最後會怎麽樣。隻能說目前我的判斷還沒有被證偽。
估值
如之前所說的，我認為沒有辦法估計AI對軟件業的影響（影響時間，幅度，概率都有很廣的概率分布）。我內化它的感受是“AI對CSU的影響不是很關鍵”。“不是很關鍵”的意思大概是最多10%-20%的估值下降。
如果完全不考慮AI。我認為CSU正在以合理價值50%的價格在交易（現在一股大概2500）。假設的是
10年增長18%。
期末估值倍數15倍。
貼現率8%。
2026年的歸母調整淨利潤大概是30億。
（Topicus那塊兒比較複雜，但是大概的歸母利潤占Topicus總利潤30%。Lumine大概歸母是60%。）
我們考慮一下悲觀一點的情況。假如我們用0%內生增長率，10年增長16%，貼現率10%，期末估值倍數10倍。那正好可以達到現在的估值。也就是說在這個價格下買入，假設軟件被AI影響導致0增長。那也有一年10%的回報。
風險
風險點在什麽地方呢？
認知上最大的風險就是我對它旗下公司的具體業務的了解非常小。它的規模已經到了一個我不能也沒必要一家家去研究的程度了。所以可能他們的護城河/客戶的脆弱性比我想的要糟糕。網上流傳的他們公司涉及的行業列表我放在了文章最後。
虧錢的場景，第一個是AI快速顛覆軟件行業。讓CSU反應不過來。
第二個是大的經濟蕭條讓內生增長較長時間變成負數（但是可能也可以幫到收購倍數。通常來說小企業主不會在經濟不好的時候割肉，但是私有化收購已經上市了的公司的機會可能變多）。
第三點是在未來十年內提前撞到收購增長的天花板。
總得來說我覺得機遇大於風險。假如AI和收購都不順利，CSU失去所有的盈利增長（但是假設也沒有下跌），單是手上的公司，估計也有12倍的估值。那就是繼續下跌30%的風險。我感覺這種情況概率很小。而且下跌30%比起上漲100% 也是不對稱的風險和收益。
我的相關
我有大概三分之一倉位購入CSU。但是短期也可能換去另外一隻類似的股票（還在研究）。
這應該是我大概5年來第一次買新公司。工作方麵，最近從價值投資基金辭職去做AI應用創業。
很多細節都是我憑記憶寫的。所以可能不準確。
僅供思路分享，不構成投資建議。
