Posts

摩根士丹利的最新测算摆出来了：到 2028 年，全球在 AI 数据中心和芯片上的总支出将高达 2.9 万亿美元；其中约 1.4 万亿可以由超大规模云厂商的内部现金流覆盖，剩下约 1.5 万亿美元的融资缺口，需要外部资本填。瑞银的配套数据是：2025 年全球科技与 AI 相关债券发行已经翻倍到 7100 亿美元，2026 年有望逼近 9900 亿美元。 同一周，腾讯发了 57 亿美元离岸债，CoreWeave 的债券在二级市场跌到新低，CoreWeave 股票单日跌 15%。把这些数字串起来看，一个结构正在浮出水面：AI 军备竞赛正在从股权融资时代，滑向债务融资时代。 债券化的 AI 基建和当年光纤泡沫有何异同？ 相似处显而易见。2000 年前后，电信公司借债铺光纤网络，抵押品是光纤本身；需求不及预期后，债券违约、资产贱卖。今天的版本是：借债买 GPU，抵押品是 GPU 集群、机柜和电力合同。 不同处在于客户质量。光纤泡沫时买单的是还没跑起来的互联网公司，大量破产；今天买单的是微软、谷歌、Meta、亚马逊这种现金流极强的巨头，以及腾讯阿里这类投资级主体。债务的底层还款能力，比当年扎实得多。 但另一个相似处依然成立：当抵押品本身的技术迭代极快——GPU 两三年换代一次——残值折损速度远超传统厂房。今天 4 万美元一张的卡，四年后残值可能只剩三分之一。债券按五年期定价，抵押品四年后可能已经贬值大半。 当 GPU 成为抵押品，循环交易怎么收场？ 更深一层的风险是循环结构。英伟达投资 OpenAI 百亿美元级数据中心，OpenAI 再用算力合同支付给英伟达生态；云厂商发债买 GPU，GPU 厂商又持股云厂商。资金在产业闭环里流转，表面上每一环都有收入，实际上风险敞口是同一个。 这种结构在景气期放大杠杆，在逆风期会反向收缩。十月十四日 CPI 数据引发的抛售，就是一次预演：利率预期一抬头，最先跌的就是债务最重的 neocloud。 风险最后会落到谁头上？ 链条的末端是债券持有人——全球固收基金、养老金、保险公司。它们买了科技公司债券，收益是几个百分点的利差，承担的却是 GPU 残值与 AI 需求不及预期的尾部风险。 对从业者的提醒是：判断 AI 行业健康度，别只看股权市场的融资新闻，去看债券市场的利差走势。股权可以讲故事，债券只会用钱投票。当 AI 债券的利差开始走阔，就是这场万亿级基建潮进入下半场的信号。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

看十月十四日 A 股收盘的数据：宇树科技收报 419.88 元，跌 3.84%，总市值约 1698 亿元；动态市盈率约 290.68 倍，市净率约 58.97 倍，市销率约 81.81 倍，当天换手率 5.13%。同一交易日，寒武纪跌 4.86%、海光信息跌 3.95%、摩尔线程跌 4.79%——整个 AI 硬件板块都在跟着美股 CPI 风暴回调，而宇树的估值倍数，依然站在云端。 这个数字值得停下来算一算。290 倍市盈率意味着：按现在的盈利水平，投资者要等两百九十年才能靠利润收回投资。没有人真的相信这个回报周期，大家买的其实是另一样东西。 290 倍市盈率靠什么现金流支撑？ 答案是：不靠现金流，靠渗透率预期。人形机器人当前的出货量还在千台到万台量级，收入基数小，利润薄。二级市场给 290 倍 PE，本质是把「二十万台、百万台」的远期出货预期，折现到今天。 参照系其实是早年的新能源车。比亚迪、特斯拉在销量破十万台之前，市盈率都站在百倍以上；市场买的是从 1% 渗透率到 30% 渗透率的那段斜率。人形机器人现在处在同样的叙事起点：技术原型成立、量产尚未开始、成本曲线陡峭下降。 二级市场的机器人定价偏离产业现实多远？ 风险也在这里。新能源车的渗透率提升，背后有十年的补贴政策、充电网络、供应链成熟做支撑；人形机器人的量产条件还远未齐备——续航、成本、通用任务能力，每一项都可能让斜率比预期平缓一半。 更现实的参照是工业协作臂和扫地机器人。这些品类从首发到百万台量级，都用了十年以上。人形机器人如果复制这个节奏，今天 290 倍的定价就要靠十年的高增长去消化；一旦任一年出货不及预期，杀估值的力度会非常猛。 这个价格里藏着什么信号？ 换手率 5.13% 是个值得注意的数。这个量级说明筹码在快速换手——不是长线资金锁仓，而是短线资金在博波动。加上 A 股同日沐曦股份市销率 82 倍、寒武纪市销率 60 倍，整个国产 AI 硬件板块都在为「国产替代+远期渗透」付溢价。 对一级市场创业者，这个定价是把双刃剑。一方面，二级市场的慷慨估值给具身智能公司打开了退出想象空间——NEXFORM 这类种子轮公司的终局参照，就是宇树今天的倍数。另一方面，如果二级市场率先杀估值，一级市场下一轮的估值锚会跟着下移。 故事值钱的时候，最重要的是分清：自己是在为故事付钱，还是在为故事的兑现节奏付钱。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据科创板日报十月十五日报道，Anthropic 正全力冲刺可能超过 2 万亿美元估值的史上最大 IPO，最新披露的三季度营收同比增长 46%，并称公司已实现盈利。媒体同时报道，其公开亮相可能推迟到十一月美国中期选举之后；而 OpenAI 已把上市计划推迟到 2027 年初。 多空两边的数字摆在一起，反差刺眼。多头按 2 万亿估值讲故事；空头机构 New Constructs 十月六日直接开炮，称这是「2026 年最荒谬的 IPO」，给出的估值约 1500 亿美元，比目标低约九成三。同一家公司，估值差十几倍。 宣称盈利的会计质量经得起推敲吗？ 「实现盈利」这四个字，在 AI 公司的语境里需要拆开看。招股书口径显示，Anthropic 2025 年收入近 46 亿美元，同期营业亏损从 2024 年的 29.8 亿美元扩大到 80.6 亿美元。一年时间，从巨亏到盈利，转折发生在哪里？ 最可能的解释有三类。一是收入爆发速度超过算力成本增速——Q3 企业客户续约与新增放量，边际毛利转正。二是股份支付这类非现金费用的会计处理在季度间波动，把账面利润做正。三是把部分算力承诺按长期合同摊销，短期压不进当期成本。 真正要盯的是现金流量表，不是利润表。一家承诺未来十年投入 5180 亿美元算力的公司，账面盈利和自由现金流之间，可能隔着一条深沟。 2 万亿与 1500 亿之间差的是什么？ 差的是对「终局」的信仰差异。多头算的是：企业 AI 支出每年翻倍，Anthropic 作为前三强，收入五年后到千亿美元量级，给二十倍市销率就是 2 万亿。空头算的是：模型能力趋同、价格年降四成，今天的客户随时可以路由到别家，收入留存撑不住倍数。 这种分歧在巨型 IPO 里并不少见，但规模前所未有。Anthropic 的 IPO 之所以被称为「对投资者判断力的考验」，是因为它将定义整个 AI 板块的估值坐标系：如果 2 万亿发得出去，整个赛道的估值天花板被打开；如果破发，整个私募市场的 AI 估值都要下修。 普通观察者该盯哪个信号？ 不用读招股书全文，盯三个时点：一是最终发行区间，定在区间上沿还是下沿；二是锚定投资人名单，有没有主权基金和长线资管全额认购；三是上市后首周的成交量与折价。 招股书数字可以包装，订单簿不会撒谎。这场 IPO 不管发得发不发得出去，都会成为以后所有 AI 公司融资时绕不开的参照系。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论 ...

把十月十四日的并购新闻并排看，是个耐人寻味的切面：Workday 签协议收购 C1.ai，做 agent 身份治理；Rocket Software 收购 Geniez AI，做大型机智能体；Freshworks 收购 Torii，做 token 级 AI 支出治理。三笔交易、三家买家、三个不同模块，金额都没披露，预计都在四季度完成。 同一天三笔，是巧合也是信号。当一级市场还在讨论「下一个十亿美元 AI 独角兽在哪」，二级市场的企业软件巨头已经用真金白银投票：独立 AI 小模块的终局，不是长成大公司，而是被套件收编。 为什么 AI 创业公司的退出通道在向 M&A 倾斜？ 先看 IPO 这扇门。2026 年下半年公开市场对烧钱 AI 公司明显苛刻：Anthropic 的 IPO 被独立机构称为「最荒谬」，OpenAI 把上市推迟到 2027 年，CoreWeave 单日暴跌 15%。公开市场要的是利润，而多数 AI 小模块公司收入规模还在千万美元量级，撑不起上市财务门槛。 再看 M&A 这扇窗。企业软件巨头有充足现金和高估值股票，收购一个模块团队，比自己从零组团队快十二个月。对卖家而言，收购价格未必惊艳，但确定性高——客户渠道直接打开，不用再自己烧钱做销售。 一推一拉之间，退出通道自然向并购倾斜。 买模块而不是买平台，巨头在怕什么？ 三笔收购有个共同点：买家买的都不是「下一代平台」，而是「现有套件缺的那块拼图」。Workday 缺 agent 身份，Rocket 缺大型机 agent 能力，Freshworks 缺 AI 支出治理。 这说明巨头怕的不是被新平台颠覆，而是自己的存量客户被第三方工具截胡。客户已经在买 Torii 这类产品管 AI 账单了，Freshworks 不买，客户数据就流到别家系统里。收购是防御性的：把客户关系留在自己套件内。 这个趋势对创业者意味着什么？ 如果退出通道是 M&A，创业逻辑就要反过来设计。第一天就要想清楚：我的能力模块，将来会被谁的套件需要？身份治理进 HR 套件、支出治理进 ITSM、大型机 agent 进运维套件——选对了「被谁收购」，估值路径才清晰。 ...

据湖南日报十月十五日报道，《全国人大常委会 2026 年度立法工作计划》已将人工智能健康发展等方面的立法项目纳入预备审议项目；《国务院 2026 年度立法工作计划》也要求完善人工智能治理、加快推进 AI 健康发展综合性立法。报道引用专家观点称，这标志着我国 AI 治理正从「分领域立规」向「综合性立法」稳步迈进。 这个时间点值得琢磨。就在同一周，美国那边 CPI 数据引发 AI 股抛售，欧盟 AI 法案已进入全面执行阶段，中国这边则选择在这个窗口释放综合性立法的信号。规则竞争，正在和算力竞赛并行。 综合性立法会抬高多少合规成本？ 先算一笔粗账。过去几年，中国 AI 行业面对的是一套分散规则：算法备案、深度合成标识、生成内容管理、数据出境评估，各管一段。企业创业像走独木桥，每条线单独合规，咨询与法务成本常年滚动。 综合性立法的好处是规则收拢。把分散要求整合进一部法律，企业面对的是一张完整的义务清单，而不是补丁摞补丁的部门文件。坏处是：法律位阶高了，违法成本也水涨船高——从行政处罚上升到法律责任，创业公司的试错空间会被压缩。 对中小创业公司，合规会从「可选项」变成「入场券」。没有法务预算的团队，未来要么抱大腿进入大厂生态，要么把合规成本提前计入单位经济模型。 规则主导权为什么成了算力之外的第二战场？ 全球 AI 竞争已经不只是谁的模型强、谁的 GPU 多。欧洲用 AI 法案输出一套「高风险即严管」的规则，美国用出口管制把模型权重变成战略物资，中国则在构建自己的综合性框架。 规则的本质是市场准入。谁先定义清楚「什么样的 AI 能在我的市场卖」，谁就掌握了定价权的前置阀门。报道提到「科林格里奇困境」——技术早期管太死会扼杀创新，成熟后再管又来不及——综合性立法要解的就是这个时间差。 对创业者的真实影响是什么？ 短期看，预备审议还不是生效，行业有一到两年的缓冲期。这个窗口期，适合把备案、标识、数据合规这些基本功做扎实的团队，反而会在规则落地后获得相对优势——因为对手的合规负担是突然增加的。 中期看，综合性立法大概率会细化「内容生成、数据训练、自动决策、AI agent 责任」这几块的边界。对做 Agent 的公司，最值得提前准备的是责任链举证：Agent 出了事，日志留在哪、责任怎么分。这会成为未来融资尽调的常规科目。 规则从来不是中立的。它既约束创业，也保护那些愿意按规则做事的人。这场立法的终局，可能决定中国 AI 行业下一轮估值里，合规溢价到底怎么算。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据 36 氪十月十四日转载窄播 AI 的报道，OpenAI 首席财务官 Sarah Friar 最近给出了一个新口径：企业不应只看每百万 token 的价格，还要计算一项任务是否完成、花多少时间、失败后重复调用几次、需要多少人工监督。她把这套算法称为「每美元有效智能」。 这个提法出现的时机很微妙：就在同一周，Ramp 的数据显示企业每百万 token 的有效价格从 1.15 美元跌到 0.68 美元，降幅 41%；但企业月度 token 总支出在一年内涨了 20 倍。降价没有带来账单下降，反而带来了用量的洪水。模型厂商必须解释一件事：token 白菜价之后，凭什么还收高端溢价？ 每美元有效智能到底是谁定义的？ 这是这套叙事的核心裂缝。「有效」的评测标准如果由模型厂商自己定义，就变成了一场永动机：我说我的智能更有效，所以你该付溢价；你无法反驳，因为度量尺在我手里。 企业正在用脚投票。Ramp 数据显示，前 1% 企业客户的人均 AI 支出在八月环比下降了约 9.7%。越来越多公司把便宜的标准模型设为默认，高端模型只开放给高价值任务；Fable 5 只占 Anthropic 用量的约 6%，却吃掉约 11.4% 的支出——企业在用权限管理对冲溢价。 单价跌四成，为什么账单反而涨二十倍？ 因为价格弹性在 Agent 时代彻底变了。过去按回答买服务，价格降一半，用量最多涨几倍；现在按任务跑 Agent，一个任务自己循环调用模型几十轮、失败重跑再几十轮，token 消耗量随价格下降呈指数级释放。 这解释了模型厂商的两难：降价是为了和对手抢市场，结果用量爆炸又把自己的推理成本推高。SemiAnalysis 测算更扎心：假设 API 毛利率 92%，用户用满 Opus 5.5 额度对应的订阅毛利率约为负 369%，用满低限额的 Fable 5.1 也只有约 1%。订阅包装的背后，是公开价目表消失、额度规则变成新的黑箱。 谁有资格给智能定价？ 我的判断是：最终的定价权会流向掌握真实工作流数据的一方——不是模型厂商，而是企业自己的成本平台、以及多模型路由层。 理由很简单。一项智能到底有没有用，只能在客户的真实业务里验证：这个 Agent 完成了多少工单、省了多少人工、错了几次。模型厂商可以定义基准跑分，但定义不了你的业务结果。当市场上出现真正中立的「任务成功率仪表盘」，模型厂商自己提出的「有效智能」标准，反而会被客户拿来反向压价。 下一阶段的竞争，不是谁的 token 更便宜，而是谁能证明一美元完成了更多工作。这个证明权，正在从卖方手里滑向买方。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论 ...

据 Reuters 十月十五日报道，信实工业（Reliance Industries）旗下数字服务业务 Jio Platforms 已将 IPO 价格带定为每股 1065 至 1119 卢比。这笔发行有望成为印度有史以来规模最大的 IPO 之一。同一周，印度制造平台 Zetwerk 也完成了 2251 亿卢比的锚定投资人认购，99 家锚定方包括贝莱德、高盛、野村。 当中国 AI 公司还在排队港股、美国 AI 公司还在为估值争吵时，印度数字平台选择在这个窗口集中上市。新兴市场的退出窗口，似乎正在另一处打开。 价格带背后的估值锚是什么？ Jio 的业务盘子很杂：电信、移动支付、云、流媒体、电商。定价不能用单一倍数，市场实际上买的是「印度数字基础设施的特许经营权」——它拥有印度最大的移动用户基础，每张用户卡都是 ARPU 提升的入口。 参照印度此前上市的科技公司，这种平台型公司定价会看两个数：用户数对应的 EV/用户，以及数字业务收入的增长曲线。价格带 1065 至 1119 卢比对应的整体估值，市场解读为「不便宜但留了锚定认购的安全垫」。 新兴市场数字平台的退出窗口开了吗？ 看一组时间点：Jio 定价带公布、Zetwerk 获贝莱德高盛锚定、国防技术公司 Tonbo Imaging 也完成锚定认购。一周内三单大型 IPO 进程同时推进，说明国际长线资金对印度科技资产的配置意愿在上升。 背后的逻辑是分散配置。全球基金同时看美国 AI 巨头的高估值，需要找相关性更低的新市场。印度数字平台既受益于 AI 应用渗透（语音 AI、本地化内容），又不完全绑定 GPU 军备竞赛，风险敞口结构不同。 这对中国 AI 公司的参照意义是什么？ 短期是分流效应：全球机构基金的配置额度有限，印度大盘 IPO 会吸走一部分原本给港股 AI 公司的钱。长期是镜鉴：数字平台的终局估值，最终还是要看用户付费密度，而不是概念热度。 对国内观察者，值得跟踪的是 Jio 上市后的首日表现与后续交易：如果一个万亿卢比量级的数字平台能稳住估值，新兴市场科技股的风险偏好会整体上一个台阶；如果破发，说明全球资金对大市值科技 IPO 的耐心，比想象中更有限。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论 ...

据旭成网十月十五日报道，Physical AGI 企业 NEXFORM 新元体宣布完成数千万元种子轮融资，戈壁创投、浙大友创等机构参与投资。公司脱胎于浙江大学机器人研究院专家团队，由浙大新昌联合创新中心天姥实验室孵化。 资金用途写得很标准：机器人底层算法、核心硬件、研发团队、开发者工具链、商业场景落地。硬件矩阵覆盖轻量化七轴机械臂、商业作业机器人、双足人形机器人，主打「通用硬件平台+开发者生态+物理智能体」三件套。 数千万元种子轮在具身智能赛道算什么体量？ 先对标。2026 年人形机器人赛道的 A 轮融资普遍在数亿元人民币量级，头部公司单轮十亿级。数千万种子轮，在这个赛道属于非常早期、非常克制的注码。 克制反而是理性。具身智能公司的最大成本是硬件迭代与真机数据采集，数千万够撑十八个月算法验证与小批量样机，不够铺产线。戈壁创投这类早期基金的风格，就是用小注码换股权，看团队能不能在 A 轮前拿出可演示的闭环。 Physical RSI 路线离商业化还有多远？ NEXFORM 反复强调 Physical RSI——让机器人通过自动化研究完成自我迭代。这个概念对标数字世界的 RSI 叙事，但物理世界的迭代成本极高：每一次试验都消耗硬件、电力和场地。 它选择的切入路径很聪明：不直接做人形机器人的通用任务，而是先做模块化机械臂+开发者工具链，让第三方在自己的硬件上开发物理智能体应用。相当于先卖「机器人界的安卓生态」，再谈自己的人形故事。商业化的第一笔收入，大概率来自机械臂的行业定制，而不是人形机器人销售。 浙大系团队的退出想象空间在哪？ 国内具身智能的退出通道正在清晰化：一级市场 A 轮接力，二级市场则看宇树这类已上市公司的表现——十月十四日宇树科技市盈率约 290 倍，市值近 1700 亿人民币。二级市场给人形机器人公司的估值锚非常慷慨。 对 NEXFORM 这种团队，路径大概是：种子轮做验证，A 轮拿产业方的钱（车企、工厂自动化厂商），三到五年内要么被产业集团收购，要么冲击上市。数千万种子轮押的，就是这个长周期期权。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据 StartupFeed 十月十五日报道，企业 AI 初创 Parallel Loop 完成 660 万美元种子轮融资，由 3one4 Capital 领投，Picus Capital、Flourish Ventures、新加坡 EDIS 等跟投，个人投资者包括 Paytm 创始人 Vijay Shekhar Sharma 与 CRED 创始人 Kunal Shah。 这家公司的模式不新鲜：派向前部署工程师（FDE）驻场，帮企业把 AI 工具接进现有系统与工作流。区别在于技术部署位置——可以跑在客户自己的云环境，也可以本地部署，数据不出企业边界。在数据合规越来越紧的 2026 年，这一点成了卖点。 驻场工程师模式的单位经济成立吗？ FDE 模式的本质是人力服务，毛利率天然受限。一个工程师一年成本按印度薪酬约三到四万美元，驻场项目收费按月计费，单个 FDE 一年带来的收入大约八到十二万美元，毛利看着还行。 但它的天花板也在人头上：收入增长线性绑定工程师数量，无法像纯软件那样边际成本趋零。Parallel Loop 们要做的，是把驻场经验沉淀成可复用的连接器与工作流模板，第二年同一个客户就不用再派三个人。换句话说，种子轮的钱买到的是「服务转产品」的转型时间。 为什么明星创始人个人会拿钱？ Paytm 和 CRED 创始人参投，信号意义大于金额。这两位是印度消费科技的标志性人物，他们个人下注企业 AI 落地服务，等于在告诉市场：印度企业市场的 AI 买单周期开始了。 更深一层，这是一种人脉投资。Parallel Loop 的客户很可能就是这些创始人生态里的企业——新加坡、印度的中型企业想接 AI 又怕数据泄露，找一个「熟人背书、本地部署」的团队，决策门槛最低。种子轮的估值里，已经包含了创始人网络的导流价值。 这类公司的退出通道在哪？ 参照 Freshworks 收购 Torii、Workday 收购 C1.ai 的路径，这类「帮企业接 AI」的公司，最终归宿大概率是被企业软件巨头收购——作为交付团队嵌入现有客户成功体系。 对创业者而言，FDE 模式是个诚实的选择：不吹 AGI，只赚把 AI 塞进真实工作流的辛苦钱。在 token 价格年降 41%、模型能力趋同的时代，最后一公里的落地服务，反而成了最稳的现金流。 ...

据 AITech365、InfotechLead 十月十四日报道，Rocket Software 宣布收购 Geniez AI，为主机（mainframe）系统的 agentic AI 现代化加码。Geniez 由联合创始人兼 CEO Gil Peleg 带领的团队将整体加入 Rocket，其技术将用于加速 Rocket EVA——面向关键任务系统的 agentic AI 平台。Rocket 本身服务超过 13500 家客户，主力市场是银行、保险、政府这些还在跑大型机的机构。 这笔收购在 AI 新闻的热闹里不太显眼，但它揭示了一个被忽视的市场：当消费级 Agent 争相比拼通用能力，企业 IT 的最后一个堡垒——大型机——才刚开始被 AI 渗透。 为什么 agent 现代化先发生在大型机上？ 听起来反直觉，其实逻辑很硬。大型机系统的迁移成本极高，银行核心账务跑了四十年，没人敢重写。但维护这些系统的人正在退休——懂 COBOL 的工程师平均年龄已经超过五十岁。 Geniez 的技术恰好补这个缺口：用自然语言监控线上大型机系统、诊断故障、执行 agentic 工作流。年轻工程师不用再啃 COBOL 老代码，对着界面说人话就能运维。客户的痛点是「没人会修了」，产品的答案是「让 AI 当翻译官」。 13500 家存量客户怎么转化成 ARR？ Rocket 的商业模式靠软件维护费。它的客户群是高度锁定的：银行、保险公司、政府部门，续费稳定、替换成本极高。EVA 平台接入这些存量系统后，最顺的卖法不是重新卖软件，而是把 agent 能力作为维护费的增值模块加价。 这种路径的单位经济非常健康：销售成本近乎为零，因为客户已经在合同里；边际成本主要是推理算力；毛利大概率高于 80%。对 Rocket 而言，这是把存量客户关系二次变现；对 Geniez 团队而言，这是拿到了进入一万多家机构机房的门票。 老软件公司的 AI 故事值多少钱？ 未披露金额的收购背后，定价参照系很清楚：Geniez 这种团队，独立融资估值可能在五千万到一亿美元区间；卖给 Rocket 这种私有软件巨头，溢价有限但确定性极高。 对整个企业软件行业，这个案例说明一件事：AI 增值层不会只发生在云原生公司身上，只要手里握着存量客户关系，老软件帝国都能用「收购小团队+接入大套件」的方式完成 AI 化。收购潮的下一棒，大概率会落在 ERP、CRM、EDA 这些老牌软件板块上。 ...