全球垂直行业 AI 股票筛选框架

核心结论

把全球垂直行业 AI 拆回第一性原理，真正值得做股票筛选的，不是“谁会讲模型故事”，而是“谁已经切进预算，谁掌握稀缺数据或流程卡点，谁把 AI 变成了持续续费和现金流”。按这个标准，现阶段最值得重视的六个方向是：法律与合规 AI、生命科学工作流 AI、金融决策与风控 AI、客服自动化 AI、营销执行 AI、DevSecOps 编排 AI。它们共同点是付费主体清楚、复购链路清楚、错误成本高、替换成本高。相反，纯通用模型封装、纯提示词层、没有专有数据和工作流绑定的“薄应用”，更容易被上游模型价格战与巨头功能下沉压缩。

从股票角度看，利润最确定的两端依旧是上游瓶颈层和下游系统级软件层。上游的 HBM、先进制程、EDA、工程仿真仍旧是供给侧卡点。下游里，最有防御力的并非“最炫”的前台助手，而是那些把 AI 深嵌到合规、法务、临床、信贷、客服、营销和研发流程里的系统级产品。若用“明天若OpenAI或Google亲自下场，三年内能否打掉这家公司”这个残酷问题去筛，答案最稳的通常是拥有专有内容、审计链路、流程控制权、行业认证周期和高切换成本的公司。

本报告最后的结论很明确：当前“加仓池”更偏向被市场低估的专业软件与工作流平台，“建仓池”偏向逻辑正确、估值尚可的系统级赢家，“观察池”主要留给基础设施寡头和高质量但预期已很满的名字。若只抓一句话，就是：优先买“数据与流程的收费权”，少追“模型能力的展示权”。

从真实需求看哪些方向已经过了付费验证

法律、税务、审计、合规这条线，痛点是专业人员单位时间太贵、出错代价太高、可追溯要求极强。付费人是律所、企业法务、税务和审计团队，通常以年费订阅、席位费、模块费或企业级合同支付，天然属于预算科目。证据最强的是，Thomson Reuters 宣布 CoCounsel 已被 107 个国家和地区的 100 万专业人士采用；RELX 表示 Lexis+ AI 保持良好增长、Protégé 使用量快速提升；Wolters Kluwer 的 2026 Future Ready Lawyer 调查看到 AI 投资明显加速。这个赛道的真正卡点不在模型，而在可信内容、法规更新、审计链路与行业工作流。

医疗和生命科学这条线，痛点是多模态数据碎片化、合规要求高、临床与研发流程长。付费人主要是药企、CRO、医院和科研机构，合同周期长，续费黏性高。Veeva 已把 AI agents 布到 CRM、质量、安全、临床和法规等核心模块，且 Vault CRM 在 2025 年中已超过 100 个 live 客户，并拿下 7 家 top 20 biopharma 承诺；Tempus 2025 年数据与应用收入约 3.16 亿美元，同比增长约 31%，数据许可增长 38%，净收入留存约 126%，总合同价值超过 11 亿美元。这里的关键不是会不会做一个医疗助手，而是谁拿着可合规调用的数据层与系统记录层。

金融 AI 的付费逻辑已经极其清楚。信贷评分、风险定价、欺诈防控、财税自动化都直接影响收入、坏账率和合规成本。付费人是银行、消费金融公司、按揭机构、SMB 与财务团队。FICO 仍被 90% 的美国头部贷款机构使用，2025 财年收入 19.9 亿美元，自由现金流 7.39 亿美元；Intuit 的 QuickBooks AI agents 已被超过 300 万客户使用。这个方向的护城河来自评分标准、监管接受度、历史样本、渠道分发和对账闭环。

客服自动化已经从“试点”走向“生产”。付费人是大型企业的呼叫中心、客服与运营团队，通常按席位、并发、用量、语音分钟数和企业合同付费。NICE 在 2025 年四季度 AI ARR 同比增长 66% 至 3.28 亿美元，AI 已进入全年所有新的七位数 CXone 交易；Five9 的企业 AI 收入和预订也在加速，2025 年三季度企业 AI 收入同比增长 41%，AI 预订同比增长超过 80%，且其 AI 以按容量或用量收费。这个方向的关键，是能否接管真实客服流程、知识库、治理与 ROI 归因。

营销 AI 里最容易被低估的，并不是“会生成内容”的工具，而是把第一方数据、受众识别、触达编排、归因和商业结果连起来的平台。付费人是品牌主和市场团队，通常按平台订阅、数据、用量和模块付费。HubSpot 已把 Breeze Customer Agent 推到 credits 制和 outcome pricing，并在 2025 年做到 31.3 亿美元收入、288,000 以上客户、103.5% 的 NRR；Zeta 2025 年收入 13.05 亿美元，同比增长 30%，经营现金流 1.99 亿美元，自由现金流 1.65 亿美元，且平台活动在 2025 年假日季 AI 活动量同比放大 25 倍。这个方向的护城河来自数据闭环与执行闭环。

编程 AI 与设计 AI 都已有真实付费，但二者的利润沉淀方式不同。编程 AI 更容易在 DevSecOps 平台内形成高黏性的协同闭环。GitLab 已让 Duo Agent Platform GA，并推出 credits 计费，2026 财年收入 9.55 亿美元，同比增长 26%，调整后自由现金流 2.20 亿美元。设计 AI 则更多体现在成熟平台的 ARPU 提升与企业生产链优化。Adobe 正把 Firefly、Foundry 和企业自定义模型深入营销和创意生产流程；Autodesk 明确提出押注 3D agentic AI，2026 财年收入同比增长 19%。因此，编程 AI 的“系统级编排”优先级高于单纯设计生成工具。

全球产业链地图

上游这一层，真正的稀缺资产包括算力芯片、先进制程、HBM、EDA 和工程仿真。代表性上市公司包括 NVIDIA、TSMC、SK hynix、Synopsys、Cadence Design Systems。其中 HBM 与先进封装解决的是大模型推理和训练的带宽瓶颈，EDA 和多芯粒仿真解决的是芯片复杂度爆炸后的设计效率问题。这里的利润沉淀逻辑最强，交易也最拥挤。

中游这一层，不是“谁有一个 agent 框架”这么简单，而是谁能把模型、规则、权限、工作流和企业系统整合成可落地的编排层。代表公司包括 Palantir、Pegasystems、UiPath、GitLab。这层的关键在“把模型接入真实流程”，而不是单一模型能力。Palantir 的 AIP 把国防和商业复杂场景做成了平台化部署，Pega 和 UiPath 把 agent 接进长期沉淀的流程引擎，GitLab 则把 agent 接进了软件交付全链路。

下游这一层，才是垂直行业 AI 真正把钱收上来的地方。代表性上市公司包括 Thomson Reuters、RELX、Wolters Kluwer、Veeva Systems、Tempus AI、FICO、Intuit、NICE、Five9、HubSpot、Zeta Global、Adobe、Autodesk。这一层的筛选标准只有一个：有没有收费权和续费权。若 AI 只是一个吸睛功能，长期利润很难沉淀；若 AI 是法务、临床、客服、营销或研发流程的一部分，利润就更容易留在平台层。

价值链卡点与利润归属

第一个卡点是 HBM、先进制程与先进封装。AI 推理和训练的经济性最终受制于内存带宽、功耗和良率，SK hynix 把自己定位为“Full Stack AI Memory Creator”，TSMC 则在财报里直接把 AI 相关需求描述为持续强劲。这类卡点供给稀缺、议价能力强，利润高度集中。

第二个卡点是 EDA 与多芯粒设计工具。芯片与系统复杂度越高，设计自动化越重要。Synopsys 明确表示其 AI 能把工程流程从“天级缩短到小时级、小时级缩短到分钟级”，Cadence 则把自己定位为 AI 与数字孪生计算软件领导者。只要先进芯片还在迭代，这一层就有稳定收费权。

第三个卡点是行业专有数据与可信内容。法务、税务、审计、医学、信贷这些高错误成本行业，对“解释性、出处、审计”要求很高。Thomson Reuters、RELX、Wolters Kluwer、FICO、Veeva、Tempus 的共同护城河，并不是模型本身，而是长期积累的数据、内容和在行业里被接受的标准。这里也是通用大模型最难正面替代的地方。

第四个卡点是系统记录层和工作流控制层。Veeva 的 Vault、NICE 的 CXone、Pega 的 Blueprint 与工作流引擎、GitLab 的 DevSecOps 全栈、UiPath 的 agentic orchestration，都在争夺“AI 到底在哪个系统里执行”的入口。一旦 AI 不只是回答问题，而是要发起审批、调用权限、写回系统、生成审计日志，这些平台就有了核心地位。

第五个卡点是合规与本地部署能力。GitLab 强调可在 air gapped 环境运行并满足数据主权需求，Thomson Reuters 强调 FedRAMP“in process”，Veeva 强调 agents 直接受既有权限和审计轨迹控制。越是监管严格的行业，越需要“可治理的 AI”，这让通用 SaaS 里的轻量助手更难拿走高价值合同。

重点公司与分池

加仓池

1. Wolters Kluwer。环节在下游，主战场是法律、税务、会计与企业合规软件；核心产品是 Legisway、ELM、税务会计平台，以及并购来的 Brightflag 和 Libra。护城河来自专家内容、法规更新、企业法务流程嵌入、长期合同与并购整合能力。本框架判断其巨头测试通过，因为通用模型能生成答案，却很难在三年内复制其合规内容、工作流、客户渠道和高比例续费收入。竞争格局属于高度集中。商业模式质量很强，2025 年经常性收入占比 84%，专家解决方案占收入 59%，云软件收入有机增长 15%。估值端，Reuters 和 Yahoo 指向当前 TTM PE 大约 12 倍，显著低于多数高质量软件股。反共识度高，市场更关注管理层交接和软件行业 AI 焦虑，低估了其把 AI 装进既有订阅体系的能力。归类为加仓池。

2. NICE。环节横跨中游与下游，赛道是客服自动化与 CX AI；核心产品是 CXone Mpower，并通过收购 Cognigy 强化会话式与 agentic AI。护城河来自海量交互数据、知识库、编排与治理能力、企业级集成，以及客服场景里对可靠性和 ROI 的强约束。若通用大模型下场，能提供底层能力，却很难在短期内替代 CXone 在语音、座席、流程和 AI observability 上的完整体系。竞争格局为中度集中，头部平台少数。商业模式质量优，2025 年收入 29.45 亿美元，净利润 6.12 亿美元，经营现金流 7.17 亿美元，账上现金 4.17 亿美元且无债务。估值端，按 4 月 22 日市值粗算，市值约为净利润的 11 倍左右，明显低于高质量软件常见水平。反共识度高，市场把它当成老牌呼叫中心软件看待，忽略了 AI ARR 已增至 3.28 亿美元且进入全部新七位数交易。归类为加仓池。

3. Pegasystems。环节在中游，赛道是 agentic workflow、规则引擎与企业流程现代化；核心产品是 Blueprint 与 Pega Cloud。护城河来自企业流程模型、规则库、案例管理、长期实施关系和迁移成本。即便模型巨头提供更强模型，也很难替代客户已经沉淀在 Pega 里的业务规则、审批逻辑和流程资产。商业模式质量正在明显改善，2026 年一季度 Pega Cloud ACV 同比增长 29%，总 ACV 增长 12%，经营现金流和自由现金流都超过 2 亿美元。估值端，Reuters 显示当前 TTM PE 约 20.5 倍，Public 数据显示显著低于过去 12 个月平均约 39.7 倍。反共识度高，因为市场对它过去转云期的印象仍旧偏重，尚未把 Blueprint AI 当成新一轮增长引擎充分定价。归类为加仓池。

4. Zeta Global。环节在下游，赛道是营销执行 AI；核心产品是 Zeta Marketing Platform 与 Athena。护城河来自第一方消费者信号、营销执行闭环、大客户关系与 scaled customer 结构。即便模型巨头进入，也难在短期内直接拿走其数据资产、渠道连接和企业营销执行层。商业模式质量已经过线，2025 年收入 13.05 亿美元，同比增长 30%，经营现金流 1.99 亿美元，自由现金流 1.65 亿美元，平台拥有 450 多个年收入贡献超过 10 万美元的 scaled enterprise customers。估值端，按当前市值粗算大约 3 倍市销率，配合 13% 自由现金流率和 30% 增长，性价比突出。反共识度很高，因为市场经常把营销 AI 视为“软件附加功能”，低估了第一方数据与执行闭环带来的利润弹性。归类为加仓池。

建仓池

5. RELX。环节覆盖上游数据和下游法律、风险、科研工具；核心产品包括 Lexis+ AI、Protégé、ThreatMetrix 等。护城河在于法律内容、风控数据、科研内容和分析工具的长期积累。通用模型能生成答案，却难在可解释性、版权、数据覆盖、垂直流程和行业信誉上三年内追平。竞争格局高度集中。商业模式非常优，2025 年收入 95.9 亿英镑、调整后经营利润 33.42 亿英镑、现金流转换率 99%，Legal 业务在 2025 年继续提速，Protégé 使用量快速增长。估值端，Reuters 与其他市场数据指向当前 PE 约 24 倍，低于近 12 个月约 30 倍水平。反共识度中等，市场知道它是好公司，但 2026 年法律 AI 冲击担忧使得估值回落。归类为建仓池。

6. Thomson Reuters。环节在下游法律、税务、审计和合规 AI；核心产品是 CoCounsel、Westlaw、ONESOURCE、Legal Tracker。护城河是专业内容、客户流程嵌入、合规信誉和政府级安全资质推进。若模型巨头下场，最难复制的是百年内容资产、与专业人士的日常工作流耦合，以及高监管行业中的可信度。商业模式质量很高，2025 年有机收入增长 7%，自由现金流约 19.5 亿美元，CoCounsel 已被 107 个国家和地区的 100 万专业人士采用。估值端，Reuters 指向 PE 约 28.9 倍，低于过去 12 个月约 39 倍平均，仍属优质资产溢价。反共识度中等，2 月法律 AI 焦虑引发股价大波动后，市场开始重新认识其“内容加 workflow”护城河。归类为建仓池。

7. Veeva Systems。环节横跨中游和下游，赛道是生命科学系统记录层与 agentic AI；核心产品是 Vault Platform、Vault CRM、Veeva AI Agents、Direct Data API。护城河来自行业单一垂直聚焦、系统记录层、权限与审计链路、药企实施关系。模型巨头能提供能力，却很难替代药企对受控流程、验证、审计和数据主权的要求。商业模式质量优异，2026 财年收入 31.95 亿美元，同比增长 16%，营业利润 9.16 亿美元，同比增长 33%；Vault CRM 已超过 100 个 live 客户，7 家 top 20 biopharma 已承诺采用。估值端当前 PE 约 32.7 倍，结合其利润率与行业壁垒，处于“贵不离谱”的区间。反共识度中等，市场更容易把 Veeva 看成成熟 SaaS，低估了 AI 一旦嵌进 Vault 之后的增购空间。归类为建仓池。

8. GitLab。环节在中游与下游之间，赛道是 DevSecOps orchestration；核心产品是 Duo Agent Platform、AI Catalog、GitLab Credits。护城河来自源代码上下文、安全与合规控制、从计划到部署的一体化平台，以及可在云、私有化和 air gapped 环境运行的能力。OpenAI 或 Google 可以做代码建议，却很难直接替代整条软件交付链的上下文、审计、漏洞修复与流水线编排。商业模式质量显著改善，2026 财年收入 9.55 亿美元，同比增长 26%，调整后自由现金流 2.20 亿美元，非 GAAP 毛利率 89%。估值端按当前市值粗算约 3.9 倍市销率，并不昂贵。反共识度中高，因为市场更关注 GitHub Copilot 和底模竞争，低估了“软件交付系统记录层”的价值。归类为建仓池。

9. UiPath。环节在中游，赛道是 agentic automation 与 orchestration；核心产品是 UiPath Platform、Maestro、agentic automation。护城河来自流程自动化资产、机器人和人的协同、流程发现与既有企业部署。模型巨头能做 agent，却不容易把 agent 与机器人、流程节点、企业治理体系接通。商业模式质量稳步改善，UiPath 披露其被超过 10,700 家组织使用，2026 财年 ARR 为 18.53 亿美元，同比增长 11%，GAAP 毛利率 85%，经营现金流 1.82 亿美元。估值端当前 PE 约 25.7 倍，若用市值对 ARR 粗看也不贵。反共识度中高，因为市场对其过去增长放缓记忆仍在。归类为建仓池。

观察池

10. FICO。环节在下游金融决策 AI；核心产品是 FICO Score 与 FICO Platform。护城河几乎是行业标准本身，90% 的美国头部贷款机构使用 FICO Score，这种标准化和监管接受度很难被模型巨头短期改写。商业模式质量极强，2025 财年收入 19.9 亿美元，同比增长 16%，自由现金流 7.39 亿美元，体现出近似“收费站”式属性。问题在估值，当前 PE 约 38 倍，属于逻辑最强但预期也最满的名字。反共识度低。归类为观察池。

11. Tempus AI。环节在下游医疗与生命科学 AI；核心产品是 Tempus One、Lens、Notetaker、EHR 内嵌助手，以及数据许可业务。护城河来自多模态临床数据、分子检测与应用层结合、持续积累的合同与数据反馈。模型巨头难以直接复制其临床数据获取链和场景深度。商业模式正在变好，2025 年收入约 12.7 亿美元，同比增长约 83%，其中数据与应用收入约 3.16 亿美元，同比增长 31%，净收入留存约 126%，总合同价值已超过 11 亿美元，数据与应用毛利率远高于检测业务。问题是估值和整合执行，按当前市值与 2025 收入粗算约 7.6 倍市销率，按 2026 指引 15.9 亿美元收入粗算仍在 6 倍左右。反共识度中等，但股价已明显承载成长预期。归类为观察池。

12. 基础设施观察池。Synopsys、Cadence、TSMC、SK hynix、NVIDIA 都属于“逻辑非常正确、但交易已经明显拥挤”的基础设施层。它们的护城河最深、卡点能力最强，真正能跨越技术迭代；问题在于市场早已高度认识这件事。Synopsys 和 Cadence 直接受益于 AI 芯片设计复杂度上升，TSMC 受益于先进制程与客户粘性，SK hynix 受益于 HBM 紧平衡，NVIDIA 继续占据 AI 计算平台中心。若只看产业地位，这组公司完全值得长期跟踪；若看现阶段超额收益空间，则更适合留在观察池，等待基础设施链出现更好的回撤窗口。

次级候选里，Intuit、HubSpot、Five9、Adobe、Autodesk 都值得跟踪。Intuit 已有超过 300 万客户使用 AI agents，PE 约 26 倍，逻辑扎实但反共识度略低；HubSpot 已把 Breeze 进入 credits 与结果导向定价，客户数超过 288,000，NRR 升至 103.5%，当前更像“被错杀的大平台”而非纯 AI 主题；Five9 的 AI 增长很快，但平台黏性与体量弱于 NICE；Adobe 与 Autodesk 的设计 AI 真实可收费，但更像成熟订阅产品的增购和生产链优化，超额收益弹性目前低于法务、合规、客服和营销执行这些更刚性的流程型场景。

风险与局限

需要首先警惕巨头下场和估值压缩的双重风险。2026 年二月，围绕法律 AI 与更强模型工作流的担忧，已经引发 Thomson Reuters、RELX 及更广泛软件板块的剧烈估值波动，这说明市场会先对“可替代性”做极端交易，再回头去区分谁有内容、谁有流程、谁有收费权。即便基本面最终能证明护城河存在，股价路径也会非常波动。

第二个风险是价格战和“功能下沉”。设计 AI、营销 AI、通用客服 AI、代码助手都可能被更大平台直接做成标配，从而压缩独立软件的单独定价权。这也是为什么本框架更偏爱系统记录层、合规层和工作流层，因为那里更容易守住价格。

第三个风险是数据合规与部署复杂度。GitLab 明确强调数据主权与 air gapped 场景，Thomson Reuters 强调 FedRAMP 路线，Veeva 强调权限、审计与直接安全访问。这些都说明，AI 真正进入企业生产后，合规、权限和审计可能决定签单速度，也可能决定项目延迟。

第四个风险是客户预算波动与落地节奏。Tempus、UiPath、GitLab、Zeta 这类仍处在高增长曲线的公司，对新签约、扩容和客户部署节奏较敏感；若宏观环境走弱，收入兑现节奏会明显受影响。

最后说明两点局限。其一，本报告的估值判断以 2026 年 4 月 22 日附近的公开市场价格、Reuters 或 finance 数据，以及公司最新披露的收入、利润、现金流为主，能够完成相对估值和分池，却还达不到完整 sell side 模型级别的 DCF 精度。其二，部分非美国公司当前估值引用了 Reuters、Yahoo 等市场数据页面，而非公司自报口径，因此适合做方向筛选和排序，不适合替代逐公司精细估值模型。

综合排序后，本框架当前最看好的冷门利润池依次是：法律与合规软件、客服自动化平台、营销执行与第一方数据平台、生命科学系统记录层、DevSecOps 编排层。若只选股票池，优先顺序是 Wolters Kluwer、NICE、Pegasystems、Zeta Global；若做更稳妥的分批配置，第二层是 RELX、Thomson Reuters、Veeva、GitLab、UiPath；若做长期跟踪但暂不追价，观察 FICO、Tempus AI 与基础设施寡头。整个框架的核心，不在追逐最热的 AI 名字，而在于锁定那些已经把 AI 变成预算、续费、审计和现金流的公司。