在這一輪AI 浪潮里，a16z幾乎是繞不過(guò)去的名字。

它是這波AI 周期里下注最重、覆蓋最全、確定性也最高的頂級(jí)基金之一。過(guò)去五年，a16z 投出的名單幾乎定義了硅谷的技術(shù)主線：

OpenAI、SpaceX、Databricks、Figma、Stripe，以及新一代迅速崛起的 Cursor、Harvey 和 Abridge。

某種程度上，a16z 的投資組合，就是過(guò)去幾年 AI 商業(yè)化路徑的一張縮略圖。

更重要的是，a16z 的判斷往往并不止于“投了什么”，而在于他們?nèi)绾谓忉屵@些變化。不久前，a16z 合伙人David George系統(tǒng)性地分享了他對(duì) AI 行業(yè)最新進(jìn)展的觀察，其中有幾個(gè)信號(hào)非常值得一看。

第一，AI 公司正在用更少的人，跑出更快的增長(zhǎng)。

當(dāng)前增長(zhǎng)最快的一批AI 公司，在銷售和市場(chǎng)上的投入，反而顯著低于同階段的 SaaS 公司，但收入增速卻高出數(shù)倍。這并不是效率魔法，而是一個(gè)更簡(jiǎn)單的事實(shí)：需求端正在真實(shí)爆發(fā)，產(chǎn)品在“自己賣自己”。

第二，衡量效率的標(biāo)尺正在被重寫(xiě)。

a16z 開(kāi)始越來(lái)越多地關(guān)注一個(gè)新指標(biāo)：ARR per FTE（人均年度經(jīng)常性收入）。

在最優(yōu)秀的 AI 公司中，每名員工對(duì)應(yīng)的 ARR 已達(dá)到 50 萬(wàn)到 100 萬(wàn)美元，而 SaaS 時(shí)代的經(jīng)驗(yàn)值大約只有40 萬(wàn)美元。這意味著，AI 正在系統(tǒng)性抬高組織效率的上限。

第三，非AI 原生公司只剩下兩條路。

要么完成轉(zhuǎn)型，要么被淘汰。那些真正跑出來(lái)的轉(zhuǎn)型公司，往往具備高度一致的特征：

CEO 親自下場(chǎng)推動(dòng)；從最容易見(jiàn)效的環(huán)節(jié)切入（客戶支持、編碼、運(yùn)營(yíng)）；敢于推翻舊系統(tǒng)，為 AI 重建后端，而不是在舊架構(gòu)上“貼一層 AI”。

接下來(lái)，就跟著硅基君一起，拆解a16z 眼中這場(chǎng)變化，正在如何發(fā)生。

增速是SaaS公司2.5倍，最高同比增長(zhǎng)700%

真正讓我們感到震撼的，是需求側(cè)的變化。

從增長(zhǎng)數(shù)據(jù)和一線接觸來(lái)看，當(dāng)前AI 公司的需求強(qiáng)度，用“瘋狂”來(lái)形容并不夸張。

無(wú)論是產(chǎn)品吸收速度，還是收入增長(zhǎng)質(zhì)量，都顯著好于過(guò)去幾個(gè)周期。尤其是在經(jīng)歷了2022–2024 年的加息環(huán)境與科技回調(diào)后，2025 年成為一個(gè)明確的拐點(diǎn)：收入重新加速，而且是跨公司類型的加速。

更重要的是，這種加速并不是靠“砸銷售、堆市場(chǎng)”換來(lái)的。

恰恰相反，增長(zhǎng)最快的一批AI 公司，在銷售和市場(chǎng)上的投入，反而顯著低于同階段的 SaaS 公司，但收入增長(zhǎng)速度卻高出數(shù)倍。

從數(shù)據(jù)看，AI 公司的增長(zhǎng)速度大約是非AI軟件公司的 2.5 倍以上，其中最極端的頭部公司，年同比增長(zhǎng)甚至接近 700%。這些數(shù)字在最初出現(xiàn)時(shí)，我們自己都反復(fù)核驗(yàn)過(guò)，但它們與我們?cè)谕顿Y組合中看到的實(shí)際情況是高度一致的。

這背后的核心原因只有一個(gè)：產(chǎn)品本身的需求足夠強(qiáng)。

從成本結(jié)構(gòu)看，AI 公司目前的毛利率普遍低于傳統(tǒng) SaaS。但這并不一定是壞事。

某種程度上，我們甚至把“較低毛利率”視為一個(gè)積極信號(hào)——它往往意味著客戶正在真實(shí)、高頻地使用 AI 功能，推理成本是真實(shí)發(fā)生的。

考慮到推理成本在中長(zhǎng)期具備持續(xù)下降空間，這種結(jié)構(gòu)更像是“暫時(shí)的成本壓力”，而非模式缺陷。反倒是那些號(hào)稱 AI 產(chǎn)品、卻擁有異常高毛利率的公司，反而會(huì)讓人懷疑：客戶到底在不在用 AI？

另一個(gè)變化更值得注意。我們開(kāi)始越來(lái)越多地關(guān)注一個(gè)新的效率指標(biāo)：ARR per FTE（人均ARR）。

它衡量的是公司在整體運(yùn)營(yíng)層面的效率，而不僅僅是銷售效率。結(jié)果非常清晰：

最優(yōu)秀的AI 公司，每名員工對(duì)應(yīng)的 ARR 水平已經(jīng)達(dá)到 50 萬(wàn)到 100 萬(wàn)美元，而 SaaS 時(shí)代的經(jīng)驗(yàn)值，大約只有 40 萬(wàn)美元。

這并非因?yàn)锳I 公司“更省人”，而是因?yàn)樾枨筮^(guò)強(qiáng)，產(chǎn)品幾乎可以自己賣出去。

AI轉(zhuǎn)型該怎么做？

對(duì)于那些非AI 原生公司來(lái)說(shuō)，一個(gè)更現(xiàn)實(shí)的問(wèn)題是，它們應(yīng)該怎么辦？

在我看來(lái)，只有兩種選項(xiàng)，要么適應(yīng)，要么被淘汰。

要想適應(yīng)AI，不僅意味著在產(chǎn)品前端“加一個(gè) AI 功能”，而是要從根本上重新思考：

如果AI 是默認(rèn)能力，產(chǎn)品形態(tài)、工作流、用戶價(jià)值該如何重構(gòu)。

與此同時(shí)，后端的組織方式也在被迫改變。很多時(shí)候，AI變革的核心不在于企業(yè)是否“想用 AI”，而在于能否真正完成適應(yīng)AI時(shí)代的管理變革。

在與大量財(cái)富500 強(qiáng) CEO 的交流中，幾乎所有人都表達(dá)了同一種態(tài)度：

我們必須適應(yīng) AI。但態(tài)度和結(jié)果之間，往往隔著一整套組織慣性。哪怕只是讓員工習(xí)慣使用 AI 助手，都已經(jīng)非常困難；更不用說(shuō)重構(gòu)業(yè)務(wù)流程、決策機(jī)制和系統(tǒng)架構(gòu)。

真正的轉(zhuǎn)型，往往從CEO 的強(qiáng)勢(shì)推動(dòng)開(kāi)始。Shopify 之所以能做成，是因?yàn)?Toby 從高層開(kāi)始用 AI 重寫(xiě)經(jīng)營(yíng)方式，把它變成績(jī)效管理的一部分。

你需要一種罕見(jiàn)的組合：既有商業(yè)直覺(jué)，知道AI 的價(jià)值創(chuàng)造機(jī)會(huì)在哪里；又有技術(shù)深度，知道應(yīng)該重構(gòu)什么、先做什么、怎么迭代。

那些真正跑出來(lái)的公司，往往具備兩個(gè)特征：

第一，知道從哪里下手（例如客戶支持、編碼、運(yùn)營(yíng)）；

第二，敢于推翻舊系統(tǒng)，為AI 重建后端。

當(dāng)然，也會(huì)有一些其他的因素影響。比如，數(shù)據(jù)基礎(chǔ)設(shè)施也很關(guān)鍵，把數(shù)據(jù)集中到云數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)湖，本質(zhì)上是在為AI 工作負(fù)載鋪路。

而當(dāng)他們開(kāi)始快速推出原生AI 產(chǎn)品，這種迭代速度會(huì)成為新的護(hù)城河。

這種差異已經(jīng)開(kāi)始體現(xiàn)在結(jié)果上。Chime 的客服支持成本下降了 60%；Rocket Mortgage 在 Consider underwriting 環(huán)節(jié)節(jié)省了 110 萬(wàn)小時(shí)的人力，相當(dāng)于每年約 4000 萬(wàn)美元的成本。

一些傳統(tǒng)軟件公司的CEO，已經(jīng)開(kāi)始用極端但真實(shí)的方式提問(wèn)：這件事，是用“電”（AI））完成，還是還需要“血”（人力）？

比如，Navan（企業(yè)差旅與費(fèi)用管理公司） 很早就啟動(dòng)了AI 化改造，如今 AI 已經(jīng)處理了大約 50% 的用戶交互，涵蓋的是復(fù)雜的行程預(yù)訂和變更，而不是簡(jiǎn)單問(wèn)答。

這種深度自動(dòng)化，直接反映在財(cái)務(wù)指標(biāo)上：

過(guò)去三年，Navan 的毛利率提升了約 20 個(gè)百分點(diǎn)。對(duì)比那些沒(méi)有完成轉(zhuǎn)型的老牌競(jìng)爭(zhēng)對(duì)手，這幾乎是“代際差距”。

還有一些公司，其價(jià)值并不只體現(xiàn)在財(cái)務(wù)上。

Flock Safety的核心價(jià)值主張是公共安全。它的系統(tǒng)每年幫助解決約 70 萬(wàn)起犯罪事件，在覆蓋區(qū)域內(nèi)，犯罪率下降接近 10%。這類公司往往同時(shí)具備強(qiáng)商業(yè)模式和強(qiáng)社會(huì)影響力，是我們長(zhǎng)期非常看重的一類資產(chǎn)。

當(dāng)然，我們并不認(rèn)為所有公司已經(jīng)完成了徹底重構(gòu)。至少現(xiàn)在，更多公司仍處在“被需求推著跑”的階段，而不是主動(dòng)重塑運(yùn)營(yíng)模型。但可以確定的是，這種重構(gòu)將在未來(lái) 12 個(gè)月內(nèi)密集發(fā)生。

AI被忽視的價(jià)值：放大需求

我們最感興趣的另一個(gè)問(wèn)題是：這些AI公司到底在“真實(shí)世界”里做了什么？

一個(gè)被頻繁討論的行業(yè)是法律。直覺(jué)上，AI 似乎應(yīng)該減少律師工作量，但現(xiàn)實(shí)恰恰相反。

一位公司法務(wù)最近在公開(kāi)場(chǎng)合半開(kāi)玩笑地說(shuō)：“大模型讓我更忙了，因?yàn)槊總€(gè)客戶現(xiàn)在都覺(jué)得自己是律師。這并不是壞事，而是需求被放大的信號(hào)。

Harvey 是一個(gè)典型案例。隨著模型推理能力的提升，律師在 Harvey 產(chǎn)品上的使用時(shí)長(zhǎng)大約翻了一倍。

律師并沒(méi)有被替代，但效率顯著提高。

更重要的是，這種效率并不是靠“少人化”實(shí)現(xiàn)的，而是靠更深的產(chǎn)品參與度。這正是我們判斷收入是否可持續(xù)時(shí)最看重的指標(biāo)之一：留存、續(xù)訂、使用頻率和真實(shí)參與度。

同樣的邏輯也出現(xiàn)在醫(yī)療領(lǐng)域。Abridge（醫(yī)生常提到的那座“橋”）被不少醫(yī)生形容為“值得信賴的代理人”。

我們觀察的不是用戶增長(zhǎng)本身，而是用戶增長(zhǎng)與參與度是否同步提升。結(jié)果恰恰相反：

即便在用戶規(guī)模快速擴(kuò)張的情況下，單用戶使用深度依然穩(wěn)定甚至上升。

這意味著新增用戶并沒(méi)有稀釋產(chǎn)品價(jià)值，反而驗(yàn)證了產(chǎn)品的通用性和粘性。

在基礎(chǔ)能力層面，聲音正在成為許多AI 工具的核心入口。

ElevenLabs 的使用量增長(zhǎng)曲線非常陡峭，是我們最喜歡看到的那種“真實(shí)需求型增長(zhǎng)”。同時(shí)，這家公司在運(yùn)營(yíng)效率上也極其克制，是 AI 公司中少見(jiàn)的“高增長(zhǎng) + 高效率”樣本。

/ 04 /

AI泡沫言之尚早

AI 的資本開(kāi)支規(guī)模確實(shí)巨大，但與過(guò)去泡沫周期不同的是：這輪投入主要由歷史上最盈利的一批公司支撐，現(xiàn)金流基礎(chǔ)扎實(shí)。

從目前看，至少在Meta、Microsoft、AWS、NVIDIA 這些主體身上，資本結(jié)構(gòu)仍然是可控的。

微軟的披露數(shù)據(jù)給了一個(gè)很直觀的對(duì)比：Microsoft Azure 花了 7 年時(shí)間，才達(dá)到如今 AI 一年收入的規(guī)模；而 AI 相關(guān)收入的增長(zhǎng)速度，顯著快于當(dāng)年的云計(jì)算。

構(gòu)建周期在壓縮，回本周期也可能更快。

這也是我們最終的判斷：AI 可能是我職業(yè)生涯中見(jiàn)過(guò)的、最具模型破壞性的技術(shù)浪潮。它往往在早期顯得“昂貴”，但歷史一再證明，真正改變世界的技術(shù)，最終創(chuàng)造的價(jià)值，幾乎都會(huì)大幅超出任何早期模型的預(yù)期。

我們其實(shí)不太需要把注意力放在折舊這件事上，但金融市場(chǎng)確實(shí)很愛(ài)追問(wèn)：舊一代芯片會(huì)不會(huì)很快變成“負(fù)資產(chǎn)”？

我們的觀察更接近結(jié)論是：舊GPU 的定價(jià)與利用率，比想象中穩(wěn)定。

原因很現(xiàn)實(shí)。早期用戶可能會(huì)在某一代模型上停留更久，但絕大多數(shù)后續(xù)用戶會(huì)迅速遷移到更新的模型與更合適的硬件配置。

更關(guān)鍵的是，舊卡并沒(méi)有因此“躺平”。以 TPU 為例，谷歌披露過(guò)某些已經(jīng) 7 到 8 年歷史的 TPU 仍能做到接近滿負(fù)載；

二級(jí)市場(chǎng)上，無(wú)論是舊卡的成交價(jià)格，還是“一次性租 100 張卡”的報(bào)價(jià)，都呈現(xiàn)出強(qiáng)韌性。H100 的租用表現(xiàn)尤其突出。

換句話說(shuō)，在真實(shí)需求仍然持續(xù)擴(kuò)張的階段，舊卡更像是被市場(chǎng)充分榨干的存量資產(chǎn)，而不是會(huì)迅速被拋棄的包袱。

這類討論之所以熱鬧，更多來(lái)自對(duì)“系統(tǒng)性風(fēng)險(xiǎn)”敏感的那群人，而不是來(lái)自數(shù)據(jù)本身。

更有意思的，是市場(chǎng)正在反復(fù)上演一個(gè)典型悖論：代幣越來(lái)越便宜，但總消費(fèi)不降反升。幾乎所有超大規(guī)模云廠商都在強(qiáng)調(diào)同一件事：需求遠(yuǎn)超供給。

一個(gè)形象的類比來(lái)自Gavin Baker：互聯(lián)網(wǎng)時(shí)代會(huì)出現(xiàn)“暗光纖”，先鋪好但暫時(shí)不用；但在今天，幾乎不存在“暗 GPU”。

GPU 一旦進(jìn)數(shù)據(jù)中心并接入系統(tǒng)，往往會(huì)立刻滿載。這種“供給一上線就被吃干凈”的現(xiàn)象，本質(zhì)上是一種強(qiáng)信號(hào)：需求不是被營(yíng)銷堆起來(lái)的，而是被生產(chǎn)環(huán)節(jié)直接消化掉的。

但如果你問(wèn)為什么我們還沒(méi)有看到企業(yè)全面、指數(shù)級(jí)的生產(chǎn)力躍遷，答案通常不在技術(shù)，而在管理。

技術(shù)準(zhǔn)備好了，產(chǎn)品化與變革管理沒(méi)準(zhǔn)備好。把模型能力變成企業(yè)可復(fù)用的工作流，把試用變成長(zhǎng)期留存，把“能做”變成“真的上生產(chǎn)”，這是最慢、也最難的一段。

放到收入層面，這種速度差異更直觀。生產(chǎn)級(jí)AI 在應(yīng)用收入里增長(zhǎng)得非常快，快到在某些時(shí)間軸上幾乎“看不見(jiàn)起步階段”。

你提到那張對(duì)比圖很關(guān)鍵：2020 年公共軟件公司新增收入大約 460 億美元；而如果只把 OpenAI 與 Anthropic 按運(yùn)行率口徑簡(jiǎn)單相加，它們的新增收入幾乎已經(jīng)接近這個(gè)數(shù)字的一半。

再把時(shí)間推到2026 年，如果把范圍擴(kuò)展到整個(gè)公共軟件行業(yè)，包含傳統(tǒng)軟件公司在內(nèi)，模型公司帶來(lái)的新增收入占比可能會(huì)進(jìn)一步升到 75% 到 80%。

高盛一類機(jī)構(gòu)會(huì)估算“構(gòu)建 AI”帶來(lái)的收入規(guī)模，比如 9 萬(wàn)億美元；如果假設(shè) 20% 的利潤(rùn)率，再給一個(gè) 22 倍 PE，對(duì)應(yīng)的新增市值可以到 35 萬(wàn)億美元。

過(guò)去幾年里，市場(chǎng)已經(jīng)先行計(jì)入了很大一部分新增市值，可能在24 萬(wàn)億美元量級(jí)。你當(dāng)然可以爭(zhēng)論這是不是都由 AI 驅(qū)動(dòng)，但這套推導(dǎo)至少回答了一個(gè)問(wèn)題：如果關(guān)鍵假設(shè)成立，市場(chǎng)還有上行空間；如果假設(shè)不成立，回撤也會(huì)很直接。

另一套更“工程化”的算法，是從資本開(kāi)支反推收入門(mén)檻。

假設(shè)到2030 年，超大規(guī)模廠商累計(jì)資本開(kāi)支接近 5 萬(wàn)億美元；如果投資者希望獲得 10% 的門(mén)檻回報(bào)，那么到 2030 年，年化 AI 收入大致需要到 1 萬(wàn)億美元量級(jí)。

這個(gè)數(shù)字聽(tīng)上去夸張，但換個(gè)尺度感就容易理解：1 萬(wàn)億美元約等于全球 GDP 的 1% 左右。也就是說(shuō)，只要 AI 在十年內(nèi)吃下全球 1% 的產(chǎn)出，就能讓這筆規(guī)模巨大的投入在財(cái)務(wù)上“站得住”。

當(dāng)然，它也可能不會(huì)恰好在2030 年兌現(xiàn)，可能是更長(zhǎng)周期的回收，但邏輯框架可以先立住。

而對(duì)“我們離 1 萬(wàn)億美元到底有多遠(yuǎn)”的追問(wèn)，最現(xiàn)實(shí)的答案往往也很粗糙：我們可能還在 500 億美元左右的量級(jí)。

它增長(zhǎng)極快，年增速接近 100%，但統(tǒng)計(jì)口徑很難完美，因?yàn)榇罅磕Ｐ褪杖霑?huì)以云服務(wù)、平臺(tái)增量的方式被“藏”在大廠的財(cái)報(bào)里，甚至取決于公司想怎么講故事。

PS：如果你對(duì)AI大模型領(lǐng)域有獨(dú)特的看法，歡迎掃碼加入我們的大模型交流群。