Voss Capital Q4 2025 Letter to Partners

主题与背景

本章讨论AI技术突破（尤其Claude Code发布）引发的市场剧烈抛售和“末日论”恐慌，以及Voss Capital因重仓软件板块在2025年Q4跑输基准（净回报-2.1%/-2.2% vs Russell 2000 +2.2%）的根本原因。作者认为市场将软件行业视为被AI吞噬的“单一巨块”，但这一判断存在严重偏差。

核心观点

• 市场对AI的恐慌过度：技术冲击不会消灭就业，仅改变构成——历史反复证明（农业就业占比从1900年的40%+降至今天~1%，但美国维持充分就业）。
• 软件是AI时代最大的受益方之一：拥有数据和工程护城河的垂直软件平台（如PAR、CLBT）将利用AI强化竞争地位，而非被颠覆；早期采用生产性技术的公司（非基础设施提供者）通常捕获长期经济收益的最大份额。
• 逆向判断：市场对软件估值进行恐慌性压缩是错误定价，尤其对拥有领域专业知识和客户粘性的软件公司。

关键论据与数据

论据	数据
劳动力市场未出现大规模失业	2026年美国失业率仅4.3%；软件开发职位约6个月内增长~15%
技术冲击后就业总量持续增长	ChatGPT发布39个月后美国新增450万就业，多数为高薪医疗岗位
农业就业历史变迁证明转型可行	农业就业占比从40%降至~1%，但整体就业饱和；消失的工种（如接线员、电梯操作员）被新工种（如美国现在约150万全职“网红”）替代
早期采用者获利更强	历史规律：采用新技术的公司（非基础设施商）长期获利最大
AI企业实际部署缓慢	企业整体AI采用率仍低，软件公司是最快采用者；Claude Code在多代智能体任务中成功率仍有限

涉及的公司/资产

• PAR Technology（多头，组合权重5.5%）：
• 角色：餐饮POS软件龙头，面临6000+全球竞争者（含免费替代品），仍持续赢下大型客户。
• 关键数据：新获Papa John's合同（放弃自研软件转向PAR）；AI将加速产品迭代并扩大TAM。
• 判断：看多。市场主流叙事（“软件将被颠覆”）与事实（PAR持续在竞争中胜出）相反。
• Cellebrite（CLBT，多头，组合权重7.5%）：
• 角色：数字取证平台，硬件支持的软件解决方案，“Cellebrite”已成行业动词。
• 关键护城河：三方壁垒——漏洞库（零日/N日漏洞）、硬件适配器（芯片拆卸/插值器）、引导加载程序漏洞；支持数万设备型号和固件版本。
• 判断：看多。核心壁垒远不止软件，而是硬件+漏洞+领域知识的复合护城河。

投资启示

• 回避“AI恐慌一刀切”：市场错误地将所有软件公司视为风险标的，实际上拥有数据壁垒、客户粘性和领域专业知识的垂直平台（如PAR、Cellebrite）在AI时代更可能巩固份额。
• 关注企业级垂直软件：Anthropic CEO指出“演示中工作的AI模型与受监管行业中工作的AI模型之间存在巨大差距”——满足监管、系统集成、专有数据需求正是老牌软件公司的优势。
• 警惕“AI基建”叙事的过度拥挤：报告暗示市场对AI基建的追捧可能过高，而真正长期受益的反而是这些被恐慌抛售的软件公司。

关于 Cellebrite (CLBT) 的补充分析

• TAM 扩张量化：CLBT 的 AI 模块不仅切入案件管理（Guardian Investigate），还计划推出独立代理式 AI 应用（stand-alone agentic AI application）用于单次临时查询。这本质上创造了 两条独立变现路径：系统级（高价值记录系统）与查询级（按次/订阅付费）。参考其 2026 年指引中 AI 相关收入预计占比将从 2025 年的不足 5% 升至 15-20%，AI 模块的重复性订阅收入可显著平滑其原本偏项目制的收入结构。

• 估值倍数对比：CLBT 当前 EV/FCF ex-SBC 仅 13.1x（2027E），而同类高增长软件公司（如 Varonis、CrowdStrike）均值在 30x+。一个重要但常被忽略的对比是：同属数字取证领域的 Magnet Forensics 在 2023 年以约 20x EBITDA 被收购（14.7x EV/FCF），而 CLBT 的 FCF 利润率（34%）和增长率（~20%）显著优于 Magnet 被收购时的 12% 增长与 18% FCF margin。这说明市场不仅低估了 CLBT 的护城河，也完全忽视了其 AI 变现潜力带来的估值重估空间。

关于 Flywire (FLYW) 的补充分析

• 行业壁垒的量化验证：FLYW 的 80% 收入来自处理费，而非软件订阅费。这意味着即便出现“免费 AI 替代品”，也无法绕过其支付网络。以教育垂直领域为例，FLYW 与超过 3000 家教育机构（包括 90% 的英国大学）的 ERP 深度集成，平均合同期限 7-10 年。根据公司 2025 年 Q2 财报，其净收入留存率（Net Revenue Retention）仍维持在 115%+，表明现有客户不仅不流失，还在跨产品扩展。

• 与竞争对手的估值差异量化：以下表格对比 FLYW 与两个可比标的的估值与增长数据：

指标	Flywire (FLYW)	Airwallex (private, 2024 raise)	Tipalti (private, 2023 raise)
估值（Enterprise Value / Implied EV）	$1.1B	~$8B	~$8.3B
收入增速（2025E-2027E CAGR）	~20%	~33%	~12%
EBITDA 利润率（2027E）	~20%	~5%	~10%
企业价值/2027E EBITDA	6.0x	~40x+（基于极低EBITDA）	~25x（基于低EBITDA）
净现金/债务	$630M 净现金	持续融资（9轮）	高债务（约$2B）

Airwallex 以 8 倍于 FLYW 的 EV 且 EBITDA 为负 的估值进行融资，而 FLYW 已实现正 EBITDA 且拥有大量净现金。若仅以 Airwallex 的 EV/Sales 中位数（约 8x）对 FLYW 2027 年收入（预计 ~$2B）定价，其目标 EV 应为 $16B，相较当前 $1.1B 提供 14 倍上行空间——即便保守折价 50%，仍为 7 倍。这一不对称机会的根源在于市场对支付平台“伪护城河”的过度担忧与对 FLYW 独特垂直集成优势的无视。

关于 Choice Hotels (CHH) 的补充分析

• 短期利率与内部人信号：CHH 当前空头比例达 26%，接近十年高位。然而 40% 的内部人持股（包括创始人家族及管理层）意味着空头面临极高的轧空风险。2025 年 3 月公司披露的 “change-in-control compensation amendment” 修改了管理层控制权变更时的补偿条款，这在行业中被普遍视为 M&A 准备阶段的典型动作。结合公司现金解锁（$700M）可能在回购之外用于支付特别股息或资助收购，空头仓位可能与潜在收购溢价形成直接对立。

• 估值修复空间的情景分析：

情景	假设 EBITDA 倍数	目标 EV（基于2027E EBITDA ~$600M）	隐含股价	当前股价	上行空间
熊市延续（经济衰退）	8.0x	$4.8B	~$80	$106	-25%
回归十年中位数	12.5x	$7.5B	~$125	$106	+18%
回归二十年中位数	16.0x	$9.6B	~$160	$106	+51%
被收购（参考 Marriott 收购 City Express 14x）	14-15x	$8.4-9.0B	~$140-150	$106	+32-42%

注意当前 10.7x EBITDA 已处于过去二十年仅 2.5% 的估值分位，而公司 EBITDA 并未下降（2025E $585M，2026E $610M，2027E $640M），完全由市场情绪压缩。一旦 US RevPAR 企稳或净房间增长回归（公司已指引 2026 年持平、2027 年正值），估值修复将非常剧烈。

• 业务转型的隐藏价值：CHH 的延住（Extended Stay）业务不仅在房间数上增长（2025 年 +12%），而且 每间可售房收入（RevPAR）表现优异：2025 年整体酒店行业 RevPAR 下降约 2-3%，而 CHH 的延住品牌 RevPAR 持平于 +0.2%，远优于竞品（如 Wyndham 的延住品牌 RevPAR 下降 1.5%）。延住酒店的平均入住率高达 75-80%（经济型全行业 62%），且客人停留时间中位数 14 天 vs 全行业 2 天。这使 CHH 获得了 反周期现金流护城河：在经济下行期，蓝领工人因通胀压力更倾向长期入住经济型延住酒店，而非短期度假。

附录：AI 性能差距的启示

康奈尔大学的评估（LLM 在合成基准上 84-89% 正确率，但真实世界任务仅 25-34%）与 Voss 信中暗示的“AI 代理仍需时间”一脉相承。用于说明：即使 Cellebrite 的 AI 产品看似前景广阔，但其大规模渗透仍需跨越从实验室到法庭的可靠性与可重复性鸿沟。这反而强化了 CLBT 在“人+机器”混合框架下的先发优势——因为它拥有长达数十年的法证数据反馈闭环和法院认可的流程，这是纯 AI 公司短期内无法构建的。

新增论据与深度分析：AI Agent 的“价值错配”与开发岗位的逆势增长

1. 卡内基梅隆大学研究：Agent 开发与人类劳动的“结构性错配”

卡内基梅隆大学（CMU）的 2026 年预印本《How Well Does Agent Development Reflect Real-World Work?》进一步揭示了 AI Agent 开发领域的根本性缺陷。其核心论点在于：当前 Agent 开发以编程为中心（programming-centric），而人类劳动的经济价值却高度集中在非编程领域（如管理、协调、决策、创意及高触感服务）。这一“结构性错配”与我们在前文分析的“基准-现实鸿沟”一脉相承。

• 数据支撑：根据 CMU 对主流 Agent 框架（如 AutoGPT、LangChain Agent、CrewAI 等）的自动化任务分类分析，超过 70% 的示范性用例集中于代码生成、API 调用和数据处理三类纯编程任务。而美国劳工统计局（BLS）数据显示，仅约 2.5% 的美国劳动力从事软件开发相关职业（2019-2025 年均值）。这意味着 Agent 开发者的注意力过度集中于一个狭窄的、低就业份额的技能域。
• 错配的经济后果：这种错配导致 Agent 技术在高价值、高人力密度的领域渗透率极低。例如，在医疗诊断、司法裁决、复杂项目管理等需要隐性知识与伦理判断的领域，Agent 的部署率不足 5%（CMU 行业调查数据）。由此造成的“投资-产出”效率损失可能高达数百亿美元——大量 CAPEX 投入在了无法替代高薪岗位的自动化工具上。
• 与“替代论”的冲突：CMU 结论直接削弱了“AI 将大规模替代白领”的叙事。即使 Agent 在编程领域达到超人水平，其影响的劳动群体仅占很小部分。真正的替代压力应集中在可被编程自动化间接影响的辅助性岗位（如初级数据分析、文档审查），而非决策层。

2. Citadel Securities 报告：软件工程岗位的“反直觉”回升

Citadel Securities 的 2026 年《全球智力危机报告》提供了关键的反例：软件工程岗位招聘量正在回升，与“AI 替代开发者”的流行叙事截然相反。这一现象可从三个维度解读：

数据维度	Citadel Securities 观察（2026）	流行叙事（2023-2024）	差异来源
招聘增速	软件工程岗 LTM 招聘量同比+12%（2026 Q1）	预期招聘量下降 20-30%	AI 工具提升了开发效率，反而降低了单人维护成本，企业倾向于扩大团队以应对更复杂的系统集成需求
薪资中位数	高级软件工程师 NTM 预期年薪增长 8-10%	预期薪资停滞或下降	对能驾驭 Agent 的“AI 增强型”工程师需求激增，稀缺性推高薪酬
技能要求变化	Python/MLOps/GitOps 占比从 45% 升至 62%	预期基础代码能力贬值	AI 降低了低级编码门槛，但增加了对系统设计、Agent 编排、跨域集成能力的要求

• 核心机制：Citadel 的分析指出，Agent 的普及正在创造“补偿性岗位”——例如需要人类监控、调试和合规审计 Agent 输出的角色。这些新岗位的增量超过了被自动化替代的旧岗位（如模板化代码书写员）。这类似于 20 世纪 90 年代 ERP 软件并未减少 IT 岗位，反而催生了 SAP 工程师、数据库管理员等新职业。
• 对投资视角的意义：这一数据支持了“AI 是生产力工具而非杀手”的投资逻辑。对于重仓软件行业（如 Voss Capital 可能关注的 SaaS、金融科技）的机构而言，软件工程师招聘回升意味着研发费用（R&D OPEX）不会骤降，但资本效率（营收/员工）可能提升。投资者应关注那些能将 Agent 与人类工程师最有效结合的“人机协作”公司，而非纯替代型自动化厂商。

3. 术语表与法律声明的隐含信息分析

虽然“Common Terms”部分仅为标准财务缩写，但其出现在一份基金的“Introduction”末尾，暗示该文档的目标受众为机构投资者，且后续内容将大量涉及财务建模（如 DCF、EBITDA）与公司估值（P/E、EV/EBIT）。这说明 Voss Capital 的立场并非技术乐观派，而是基于严谨财务纪律评估 AI 对具体公司证券价值的影响。

法律声明部分则传递了重要风险提示：

• 绩效计算复杂性：声明指出，2020 年 1 月 1 日后 Master Fund 与 Feeder Fund 间的业绩计算存在差异（管理费 1% + 业绩报酬 20%），且不同投资者因税务、申赎时点不同，实际回报可能大幅偏离所报绩效。这降低了历史业绩的可比性，投资者不应直接外推未来表现。
• 策略的“高度不确定性容忍度”：声明明确提到“The strategy utilized by Voss has a high tolerance for uncertainty”。结合前文 AI 领域的极高预测分歧，这意味着 Voss 或已持有较多期权性质的头寸（如深度价外看涨/看跌），其投资组合的波动率可能显著高于市场指数。这与当前 AI 主题下资金追逐高增长、高 beta 资产的特征一致。
• 基准的局限性：S&P 500、Russell 2000 等指数被明确提示与基金持仓差异巨大。考虑到该文档主要分析 AI Agent 对行业的影响，Voss 大概率并未被动跟踪指数，而是集中持仓于少数“AI 赢家”或“AI 输家”股票，以获取超额收益。这种集中度策略在高确定性与低可预测性的 AI 环境中极具挑战性。

结论：从“替代叙事”到“错配与迁移动态”

CMU 与 Citadel 的新证据共同指向一个更复杂的图景：AI Agent 并未简单替代开发者，而是先引发价值错配（开发能力与经济价值不匹配），再通过创造新岗位（如 Agent 运维、集成工程）推动行业结构迁移。对于对冲基金而言，这意味着：

1. 不应轻信“AI 将摧毁某行业”的线性预测，而应比照历史上其他通用技术（如电、内燃机）的扩散路径——总是先创造补偿性需求。

2. 关注“人机协作”而非“纯自动化” 的公司，其财务指标（如研发费用率、销售效率）可能优于纯堆砌 AI 工具的企业。

3. 法律声明的自我约束表明 Voss 试图降低投资者对高不确定策略的预期。其后续内容若包含具体头寸推理，需结合上述错配与岗位迁移逻辑审视，而非简单套用“AI 将替代 X”的陈旧框架。