如果一家 AI 公司同比增長 693%，人均創(chuàng)收 100 萬美元，銷售費用比 SaaS 同行還低。那么，這究竟是泡沫，還是一種新時代的開端？

a16z（Andreessen Horowitz）普通合伙人 David George 在看過數(shù)百個公司后，總結(jié)出一份讓投資人迅速流傳的投資報告，他給出的答案是：我們正站在一個 10-15 年產(chǎn)品周期的起點。

在近期的一期播客中，他與 a16z 投資者關(guān)系主管 Jen Kha 就 AI 和私募科技市場的現(xiàn)狀進行對話。David 分析了其成長期樣本中，為什么 AI 公司的增長速度是傳統(tǒng)軟件公司的 2.5 倍，同時在銷售和營銷上的支出卻顯著減少——這得益于巨大的市場需求和創(chuàng)紀錄的人均年度經(jīng)常性收入（ARR，Annual Recurring Revenue）。

在本期播客中，他們討論了“模型顛覆者”（Model Busters，指增長速度和持續(xù)時間遠超傳統(tǒng)估值模型預測的公司）的崛起，這類公司的增長速度和持續(xù)時間超出任何人的模型預測。此外，他們還重點討論了實際應用案例，以及 Harvey、Abridge 和 ElevenLabs 等投資組合公司的突破性表現(xiàn)。

（來源：a16z）

以下為播客全文，DeepTech 在不改變原意的前提下做了部分修改：

增長爆發(fā)：原生 AI 公司的效率曲線

David George：開門見山，我先說核心結(jié)論，因為這是我們第一次做這種形式的分享。我們團隊內(nèi)部做了大量研究和分析，既然有如此多不同的觀點和視角，為何不分享給全世界呢？這也是我們決定公開分享的原因。

AI 的需求端簡直火爆。在我們看來，AI 公司的落地速度、增長勢頭和整體質(zhì)量都極其鼓舞人心。企業(yè)開始用 AI 把自身運營得更好，相關(guān)投入數(shù)據(jù)也一直在增長。

但我要說的是，這批公司之所以比以往任何一代都出色，很大程度上是因為市場對其產(chǎn)品的需求極其旺盛。目前市場供給端依然健康，但我們已經(jīng)察覺到出現(xiàn)輕微過熱的跡象。

我們很幸運能參與到這么多優(yōu)秀公司的成長中，而當前私募市場最激動人心的機會，就在 AI 領(lǐng)域。先說核心結(jié)論：我之所以對現(xiàn)在這個節(jié)點如此興奮，是因為我們剛剛處于這個產(chǎn)品周期的起點。產(chǎn)品周期驅(qū)動著我們的業(yè)務(wù)，而這類周期通常長達 10 到 15 年，我們現(xiàn)在只是站在最開端。

（來源：a16z）

我們投資覆蓋私募市場所有階段，這張圖展示了 a16z 的投資布局。在成長期投資賽道中，我們在 AI 與信息應用領(lǐng)域的布局最為積極，覆蓋度也同樣廣泛。

作為一家專注于成長期投資機構(gòu)，a16z 掌握著海量一手數(shù)據(jù)，并覆蓋了市場上絕大多數(shù)成長期公司——無論是我們的投資組合公司，還是潛在標的。我們有一支非常優(yōu)秀的數(shù)據(jù)分析團隊，對這些數(shù)據(jù)進行了系統(tǒng)性研究。

（來源：a16z）

其中最重要的結(jié)論是：2025 年是營收加速增長的一年。受加息和科技行業(yè)部分領(lǐng)域收縮影響，在 2022、2023、2024 年的營收明顯放緩，但 2025 年扭轉(zhuǎn)了這一局面。

無論我們按交易和四分位如何劃分，各類公司的增長都在加速，尤其是頭部公司：增長最快的 AI 公司，達到 1 億美元營收的速度，遠遠快于當年 SaaS 時代增長最快的公司。

（來源：a16z）

我想重點解釋一下原因。客戶需求極其旺盛，產(chǎn)品本身極具吸引力，而不是因為它們在銷售和營銷上花費更多。恰恰相反，增長最快的那些頂尖 AI 公司，并不是在銷售和營銷上投入最多的，它們在這方面的支出低于當年的 SaaS 同行，但增長速度卻快得多。

這張 PPT 展示的就是 AI 公司的增長情況。數(shù)據(jù)顯示，AI 公司的增長速度是非 AI 公司的 2.5 倍以上。這一點毫不夸張，因為我們看到頭部 AI 公司的增速確實達到了驚人水平。

我們反復核對了數(shù)據(jù)：頭部 AI 公司同比增長 693%，這與我們從投資組合公司觀察到的情況完全吻合。這是我們從數(shù)據(jù)中看到的 Margin 模型。同樣，這些都是我們內(nèi)部的數(shù)據(jù)集，來自投資組合公司和潛在投資標的，而 AI 公司的毛利率會稍差一些。

但在某種意義上，我們認為 AI 公司毛利率偏低反而是一種“榮譽勛章”：如果低毛利率是因為高昂的推理成本，那就意味著客戶真的在大量使用 AI 功能。我們相信，這些推理成本長期來看會下降。

所以反過來說，如果我們看到一個 AI 項目毛利率極高，我們反而會有些懷疑——這可能意味著客戶真正購買和使用的并不是 AI 功能。

最近幾天，ARR/FTE（每名全職員工的年度經(jīng)常性收入）成為社交媒體（如 X 平臺）上引發(fā)大量討論的話題，這也是我們最近開始重點關(guān)注的新指標。ARR/FTE 大致衡量的是公司整體運營效率，它囊括了所有成本，不僅包括銷售和營銷效率，還涵蓋了管理費用和研發(fā)投入。

最優(yōu)秀的 AI 公司，人均 ARR 能達到 50 萬到 100 萬美元；而上一代 SaaS 軟件企業(yè)的經(jīng)驗值大概是 40 萬美元。核心原因是產(chǎn)品需求極其旺盛，因此它們需要更少的資源去推向市場。

Jen Kha：在進入下一頁之前，請先快速澄清一下：你們是如何定義 AI 公司的？是像 OpenAI、ChatGPT 這類，還是歷史上的 AI/ML 公司？

David George：實際上我們會留一點余地，但核心標準是：它們推向市場的第一款產(chǎn)品就是原生 AI 產(chǎn)品。這里正好可以回應一個很多人關(guān)心的問題：從 SaaS 時代到 AI 時代，企業(yè)的營收增長預期發(fā)生了怎樣的變化？

傳統(tǒng)企業(yè)的 AI 改造：要么進化，要么淘汰

Jen Kha：你剛才已經(jīng)提到了營收增長，那非原生 AI 公司會怎樣？它們在和原生 AI 公司競爭時會很艱難嗎？它們都在轉(zhuǎn)型嗎？我們會看到更多公司被淘汰嗎？大家該如何看待歷史投資組合？

David George：我們給投資組合公司的建議是：要么適應 AI，要么淘汰，這需要從前端到后端全面改造。

前端：你需要把 AI 原生地融入產(chǎn)品，而不是僅僅在現(xiàn)有工作流里掛一個聊天機器人。你要重新想象 AI 能帶來什么，主動自我顛覆、主動變革。

后端：你需要讓所有開發(fā)者用上最新的編碼模型，讓公司各個職能部門都用上最新工具。到目前為止，代碼領(lǐng)域的變革最為顯著，提升幅度最大。

過去一兩個月里，這方面發(fā)生了重大變化，安德烈·卡爾帕蒂（Andrej Karpathy）也寫過該方向的文章。我最近和一家 AI 之前時代的公司創(chuàng)始人交流，他對 AI 理解很深，也正積極推動公司轉(zhuǎn)型。

我們聊天時，他說對旗下某款產(chǎn)品不滿意，于是直接讓兩名資深 AI 工程師，用 Claude Code、Codex、Cursor 等工具從零重構(gòu)，并且在編碼工具上不對預算設(shè)限。他說，進度比之前快了 10 到 20 倍，相關(guān)成本也讓他開始重新思考整個組織架構(gòu)。

結(jié)論是：我必須讓整個產(chǎn)品和技術(shù)團隊都用這種方式工作，他認為未來 12 個月內(nèi)這就會成為現(xiàn)實。但這對團隊設(shè)計意味著什么？產(chǎn)品和工程的邊界在哪里？甚至設(shè)計在流程中的位置在哪里？所以，從這一點來看，12 月似乎成了代碼領(lǐng)域的轉(zhuǎn)折點：未來 12 個月，這些工具會在企業(yè)里全面普及，沒能跟上的公司，發(fā)展速度會遠遠落后于同行。

說到 AI 之前時代的公司，我們還有一個案例：一家傳統(tǒng)軟件公司的 CEO 已經(jīng)全面擁抱 AI，他說：“我們要成為 AI 原生產(chǎn)品公司，我們的員工未來就是 AI Agent?！?/p>

他現(xiàn)在張口就問：“你們有多少個 Agent？”還有一位更極端，他說：“現(xiàn)在我評估每一項任務(wù)，只問一個問題：這件事能用電解決，還是必須用人解決？”

這是一種極端的思維轉(zhuǎn)變，正在我們投資組合公司里發(fā)生。我很高興看到這些 AI 之前時代的公司行動迅速，但它們必須徹底適應這個新時代——無論是前端產(chǎn)品，還是后端運營方式。

從實操層面看，幾乎每家公司我們都要逐家梳理：創(chuàng)始人處在轉(zhuǎn)型的哪個階段、落地執(zhí)行的深度如何。你剛才提到的顛覆現(xiàn)有流程，在 AI 原生公司里也在發(fā)生，而且越來越頻繁。

基本上，半年前做的東西，用今天的技術(shù)就能大幅優(yōu)化。這種迭代速度持續(xù)發(fā)生，AI 之前時代的公司必須不斷追趕。好消息是，商業(yè)模式的演進仍處于早期。對企業(yè)來說，最具顛覆性的就是同時變革技術(shù)產(chǎn)品和商業(yè)模式。

簡單來說，商業(yè)模式是一條演進曲線：最早是許可證模式，這是傳統(tǒng)軟件的商業(yè)模式；然后是 SaaS 訂閱模式，通常按席位收費，這是一次巨大的創(chuàng)新和顛覆，云端交付和架構(gòu)變革本身就很有沖擊力，商業(yè)模式的變化同樣顛覆性——這一點 Adobe 的轉(zhuǎn)型過程就可以看出來。

接下來是按使用量付費，也就是按量計費，云服務(wù)就是這么收費的，很多基于任務(wù)、流量的業(yè)務(wù)已經(jīng)從按席位轉(zhuǎn)向按量計費。而再下一代，會是按結(jié)果付費。也就是你完成一項任務(wù)，理想情況下是成功完成任務(wù)后，按成果收費。

目前較容易落地按結(jié)果付費模式的領(lǐng)域，可能是客戶支持，因為可以客觀衡量問題是否解決。但隨著模型能力提升，如果除了客戶支持之外的其他職能也能衡量這類成果，那將成為一股巨大的顛覆力量。事實上，從按席位收費到按用量收費本身就是巨大顛覆，而當企業(yè)組織架構(gòu)也為之改變時，下一波變革將更加關(guān)鍵。

（來源：a16z）

Jen Kha：說到“用電還是用人”，我們來看 ARR/FTE 這一頁。市場上有很多討論，都在說 AI 帶來了效率提升。從某種程度上確實如此，企業(yè)運營方式開始出現(xiàn)一些不同。

David George：是的。就拿我剛才舉的例子：兩名工程師重寫產(chǎn)品。在我觀察看來，即便是 AI 原生公司，運營效率更高，部分原因也是增長太快、需求太旺。我不認為企業(yè)已經(jīng)完全重構(gòu)了運營方式。我們的數(shù)據(jù)樣本是最頂尖的一批公司，它們的需求信號極其強勁。

因此，它們只需要更少的資源就能滿足需求。再加上科技行業(yè)從 2021 年那段過度擴張的時期之后，整體效率都在提升。我們開始看到效率優(yōu)化的早期跡象。但要說徹底用全新方式運營公司，我認為我們還處于早期階段。

我見過最酷的公開案例是 Shopify。Tobi Lutke 做得非常出色，他是一位非常激進的 CEO，幾年前就全面擁抱 AI。我們的一位撰稿人還專門深度拆解過 Shopify 如何用 AI 自我改造，包括員工方向、工作流程等。而這可能只是未來五年各行業(yè)變革的冰山一角。

（來源：a16z）

Jen Kha：非常棒的分享。下一部分我們講講這些公司具體在做什么，還有我們很喜歡的一個話題：在 AI 這個新領(lǐng)域里，律師的工作量反而增加了，而不是減少。我這周看到有企業(yè)律師說，大模型反而讓他的工作量變多了，因為每個客戶都覺得自己是律師了。還有 Harvey 這類產(chǎn)品，表現(xiàn)非常好。

David George：這里有一個很關(guān)鍵的問題：怎么判斷這些公司的營收是可持續(xù)的，還是曇花一現(xiàn)？我們核心要做的，就是深度追蹤營收留存、續(xù)費率和產(chǎn)品使用活躍度，尤其是用戶使用時長。

用戶多久登錄一次平臺？登錄后做了什么？你會看到，隨著過去幾年產(chǎn)品大幅優(yōu)化，加上推理模型能力提升，法律工作和邏輯推理本身高度相關(guān)。用戶在產(chǎn)品上花費的時間幾乎是以前的兩倍。事實證明，AI 非常擅長在法律領(lǐng)域的事務(wù)。律師數(shù)量并沒有減少，但效率大幅提升。和 Harvey 相關(guān)最重要的一點是：用戶在產(chǎn)品上花費大量時間，并且從中獲得巨大價值，這非常關(guān)鍵。

（來源：a16z）

David George：這種高粘性、高價值的模式并非個例，我們在其他投資組合公司中也看到了同樣令人振奮的圖景。比如，醫(yī)療領(lǐng)域的 Abridge 就是一個很好的例子。醫(yī)生們對這款產(chǎn)品贊不絕口，說它節(jié)省了大量時間，大幅改善了工作體驗。有客戶把它形容成“值得信賴的副手”。右側(cè)圖表是我們重點關(guān)注的指標：藍線是用戶增長，綠線是用戶活躍度。

通常用戶大幅增長時，活躍度可能會下降，但這家公司恰恰相反：新增用戶規(guī)模暴漲的同時，老用戶的使用率依然極高，甚至還略有提升。這些都是我們判斷營收可持續(xù)性的關(guān)鍵數(shù)據(jù)。這些公司的增長速度遠超前代企業(yè)，但增長非常健康：高活躍度、高留存，這對我們來說至關(guān)重要。

ElevenLabs 也是一樣，語音是眾多新一代 AI 工具的核心。我之前講過 B2B 領(lǐng)域的客戶支持，此外很多個人工具、商業(yè)應用也都從語音開始。我最關(guān)注的就是它的使用量增長，數(shù)據(jù)驚人，公司增長極快，也是運營效率極高的典型案例。

（來源：a16z）

Navan 是另一種類型的案例，正好能印證我剛才說的觀點。它們很早就啟動 AI 轉(zhuǎn)型，投入大量精力充分利用 AI 能力優(yōu)化業(yè)務(wù)。目前最直觀的體現(xiàn)是問題處理環(huán)節(jié)：它們的業(yè)務(wù)涉及旅行預訂、行程變更等，現(xiàn)在 AI 已經(jīng)能處理 50% 的用戶交互。

這可不是簡單的“查一下賬戶余額”，而是 AI 現(xiàn)在已經(jīng)能夠勝任復雜的工作流程。反映在業(yè)務(wù)上就是：過去三年毛利率提升了 20 個百分點，效果極其顯著。

所以說“要么適應，要么淘汰”：它們的競爭對手還在墨守成規(guī)，而 Navan 已經(jīng)比同行高出 20 個百分點的毛利率。

（來源：a16z）

還有 Flock，它們的工作也極其出色。在我們的投資組合公司里，它們的客戶價值主張最有說服力。因為它們的 AI 用于打擊犯罪。我們之前提到過一個數(shù)據(jù)：Flock 每年幫助破獲 70 萬起案件。右側(cè)數(shù)據(jù)顯示，在部署 Flock 的地區(qū)，每位警官的破案率提升了近 10%，對社區(qū)影響巨大。顯然，它們的業(yè)務(wù)和財務(wù)模型也非常優(yōu)秀，產(chǎn)品影響力非凡。

資本市場與基建：支撐增長的巨大動能

Jen Kha：有一個問題是：如果以傳統(tǒng)行業(yè)（比如金融，以摩根大通為標桿）來看，你如何評估財富 500 強企業(yè)的 AI 應用水平？另外還有 MIT 去年年初做的一份企業(yè) AI 應用調(diào)研，也可以結(jié)合談?wù)劇?/p>

David George：先說說我們從財富 500 強 CEO 那里聽到的消息：我們必須轉(zhuǎn)型，迫切想知道需要哪些 AI 工具，我們準備好改變了，我們的業(yè)務(wù)會全面落地 AI，我們要成為 AI 公司。

但這和實際發(fā)生的情況有很大差距。最大的脫節(jié)在于：變革管理太難了。哪怕只是讓員工用 AI 助手提升工作效率都不容易。代碼領(lǐng)域可能最容易理解，客戶支持也是見效快、成本低、價值明顯。

但真正到企業(yè)整體管理、業(yè)務(wù)流程改造、變革落地，難度極大。所以有一些案例顯示轉(zhuǎn)型速度慢于預期，我并不意外。但對那些全面擁抱、真正知道怎么做的優(yōu)秀企業(yè)來說，AI 已經(jīng)帶來了巨大的商業(yè)價值。

David George：我認為未來五年會出現(xiàn)一次大洗牌：誰能真正擁抱變革、推動落地、采用最好的產(chǎn)品，誰就會占據(jù)優(yōu)勢，生產(chǎn)力差距會大幅拉開。企業(yè)對生產(chǎn)力提升、增長等方面的預期很高，我相信一批公司能實現(xiàn)，做不到的則會處于極大劣勢。

有公司說支持成本降低了 60%；Rocket Mortgage 說在核保環(huán)節(jié)節(jié)省了 110 萬小時，同比增長 6 倍，年節(jié)約成本達 4,000 萬美元。我們在非 AI 企業(yè)里也看到了這些亮點。我認為未來六個月會非常值得關(guān)注，會出現(xiàn)更多案例，當然也會有公司始終無法突破。

Jen Kha：非常同意。而且很多大企業(yè)必須先對業(yè)務(wù)進行改造，才能真正適配 AI。不是簡單掛個聊天機器人那么簡單，那帶來的生產(chǎn)力提升其實很有限。要真正徹底重構(gòu)系統(tǒng)、數(shù)據(jù)和后端架構(gòu)，這部分工作很多還在建設(shè)中，成果還沒完全顯現(xiàn)。

（來源：a16z）

David George: 這些微觀層面的效率提升，匯聚在一起，正在成為驅(qū)動宏觀市場的核心動力。我們還看到，AI 相關(guān)科技巨頭正在驅(qū)動公開市場，并貢獻了標普 500 近 80% 的回報率，這是當前經(jīng)濟和股市的核心驅(qū)動力。公開市場表現(xiàn)很好，基本面也很扎實。股價在上漲，雖然最近幾天有波動，但整體向好，基本面非常穩(wěn)健。

近期上漲主要由每股收益增長驅(qū)動。估值倍數(shù)略有收縮，對 SaaS 公司來說可能收縮更明顯一些，但整體來看，市場定價完全基于盈利，尤其是盈利的增長。估值倍數(shù)高于平均水平，但遠未達到互聯(lián)網(wǎng)泡沫時期。

（來源：a16z）

看看圖表就能明白當前的位置，這讓我比較安心。作為市場主要驅(qū)動力的那些公司，盈利狀況相當扎實，公司本身也很優(yōu)秀。我常說，在當前商業(yè)史階段，頭部科技 AI 公司屬于最優(yōu)質(zhì)的商業(yè)模型之一。長期來看，它們的毛利率持續(xù)提升，也印證了這一點。

現(xiàn)在投資者看重的是利潤，而不是燒錢換增長，這和 2000 年互聯(lián)網(wǎng)泡沫時期形成鮮明對比。剔除毛利率因素后，估值并不算特別高。簡單總結(jié)：市場比過去更高，但上漲有其理由。我們對 AI 在未來幾年推動盈利、帶動整體公開市場持樂觀態(tài)度。

（來源：a16z）

大家可以重點看右側(cè)：把公司分為低增長/高增長、低毛利/高毛利四個象限。最優(yōu)秀的公司享有溢價。

右側(cè)兩列分別是：高增長 + 高毛利；高增長 + 低毛利。左下角顯然是低增長 + 低毛利，這類公司不應該被給予高估值，事實也是如此。但高增長 + 高毛利的公司，以及高增長 + 低毛利（只要單位經(jīng)濟健康、毛利率在逐步改善）的公司，理應獲得獎勵。如果沒有高增長，哪怕毛利再高，日子也會很難過，這并不意外。

長期來看，增長是驅(qū)動回報的最重要因素。所以，我很高興看到高增長被給予溢價，遠高于低增長。如果一家公司既能高增長又有高毛利，那就是頂級生意，市場也給予了極高獎勵。

（來源：a16z）

與市場火熱的需求相對應的，是供給側(cè)同樣龐大的基礎(chǔ)設(shè)施建設(shè)。基建規(guī)模極其龐大，投資的體量和集中度本身就帶有一定風險，因為規(guī)模實在太大。雖然表面看起來有些相似，但底層邏輯和歷史上的泡沫幾乎沒有共同點。這些投資主要由長期盈利、現(xiàn)金流極好的公司支撐，就是我剛才提到的那些頂尖企業(yè)。

債務(wù)開始進入視野，周期有所加快，這是積極信號。不過，我們?nèi)栽诔掷m(xù)跟蹤訓練成本和整體經(jīng)濟模型，目前數(shù)據(jù)尚可。大模型公司在模型訓練上的投入回報相當可觀，但我們?nèi)栽诰o密監(jiān)控。最重要的是，我認為 AI 將成為我職業(yè)生涯中最大的產(chǎn)品周期。

歷史上的產(chǎn)品周期，公司增長速度和持續(xù)時間都超出所有人預期，iPhone 就是經(jīng)典案例。從 iPhone 發(fā)布前到發(fā)布后四五年，市場一致預期對蘋果業(yè)績的測算偏差達到 3 倍。我認為 AI 很多領(lǐng)域也會出現(xiàn)同樣情況：實際表現(xiàn)會大幅超出所有預期。

（來源：a16z）

科技行業(yè)本身就是如此。2010 年以來，科技行業(yè)以前所未有的速度和規(guī)模實現(xiàn)了高毛利營收增長。早期往往看起來很貴，但一次次超出市場預期，創(chuàng)造的價值遠超增長所需的資本。

我認為這一次也會一樣。和互聯(lián)網(wǎng)泡沫時期的資本開支相比，本輪開支有現(xiàn)金流支撐，資本開支占營收比例也更低。超大規(guī)模云廠商承擔了絕大部分資本開支，這對我們的組合公司是極大的利好。我完全支持：盡可能多地建設(shè)算力基礎(chǔ)設(shè)施，為訓練和推理提供充足供給。

不過，在肯定積極投入的同時，我們也開始密切關(guān)注其中的一個潛在變量，那就是債務(wù)在整體資本開支中的比重。未來的資本開支能否全部用現(xiàn)金流覆蓋？我們已經(jīng)開始看到債務(wù)的介入，正在密切追蹤。

我們通常不會重倉那些風險敞口過大的公司，但對微軟、AWS、谷歌等用現(xiàn)金流支撐、持續(xù)產(chǎn)生現(xiàn)金流、甚至適度使用債務(wù)的公司非常有信心。當然，并不是所有交易對手都一樣。此外，我們看到私人信貸開始更多地參與到數(shù)據(jù)中心建設(shè)中。

還有一家被廣泛關(guān)注的公司是甲骨文，它們在向云業(yè)務(wù)轉(zhuǎn)型，一直盈利，持續(xù)回購股票。但它們承諾投入的資本規(guī)模極其龐大，未來多年現(xiàn)金流可能會轉(zhuǎn)負。最近市場上的一些信號顯示，其信用違約互換成本在過去三個月上升至約 2%。我們正在密切關(guān)注這類情況?？傮w而言，這些對投資組合公司都是好事，但也需要確保整個市場生態(tài)健康。

（來源：a16z）

這張 PPT 展示了 AI 變革的速度和幅度。把 AI 基建和營收與當年 Azure 的發(fā)展對比：AI 營收達到 Azure 當年水平，只用了后者 1/7 的時間。基建速度也快得多。Azure 用了接近十年時間，相關(guān)業(yè)務(wù)收入規(guī)模才明顯跑贏其基礎(chǔ)設(shè)施投入節(jié)奏，我們認為 AI 的這個比例拐點會來得快得多。

我們不用過多討論折舊，但這是金融圈很關(guān)心的話題，尤其是芯片折舊假設(shè)。老款 GPU 的價格依然堅挺。早期用戶會使用模型更久，但后期用戶會快速切換到新版本。谷歌曾披露，七八年的 TPU 使用率依然是 100%。我們密切跟蹤二手芯片價格以及 H100 等芯片的租賃價格，表現(xiàn)都非常堅挺。老一代芯片仍在滿負荷使用，所以我目前并不擔心這個問題。

（來源：a16z）

但這確實是大家經(jīng)常討論的風險點。我們經(jīng)常討論一個悖論：Token 越便宜，消耗量越大。所有超大規(guī)模云廠商都表示，需求遠超供給，我相信這一點。我曾在 AI 峰會上采訪過 Gavin Baker，他把這次數(shù)據(jù)中心建設(shè)，比作當年互聯(lián)網(wǎng)鋪設(shè)光纖。

他的核心觀點是：沒有閑置 GPU。當年有“暗光纖”，鋪好之后長期閑置不用；但今天，只要把 GPU 放進數(shù)據(jù)中心，立刻就會被滿負荷使用。這是需求匹配供給的非常積極的信號。這些公司必須保持早期的增長勢頭，否則就可能被顛覆。

再次強調(diào)：變革管理是目前轉(zhuǎn)型尚未全面爆發(fā)的最大原因。坦白說，問題不在于技術(shù)本身是否成熟，而在于圍繞技術(shù)的產(chǎn)品構(gòu)建、變革管理和規(guī)?；涞?。

生成式 AI 應用營收的增長速度，在所有類別中一騎絕塵。從 2023 年幾乎可以忽略不計，到現(xiàn)在爆發(fā)式增長。

未來展望：萬億目標與私募市場的變局

對比 2025 年上市軟件公司新增凈營收。2025 年，所有上市軟件公司合計新增營收 460 億美元；僅 OpenAI 和 Anthropic 按年化口徑計算，新增營收就接近這個數(shù)字的一半。

如果 2026 年做同樣對比，包括 SAP 等傳統(tǒng)軟件在內(nèi)的整個上市軟件行業(yè)，AI 和大模型公司的營收增量將達到它們的 75%-80%，增長勢頭極其迅猛。

（來源：a16z）

市場普遍預期，AI 基建將帶來 9 萬億美元營收。假設(shè) 20% 的凈利率、22 倍市盈率，對應 35 萬億美元新增市值。目前已經(jīng)“預支”了約 24 萬億市值，未來仍有很大空間。

這是另一種測算 AI 回報的方式：當前市場預期，到 2030 年，超大規(guī)模云廠商累計資本開支略低于 5 萬億美元。簡單測算：要在 4.8 萬億美元投資上實現(xiàn) 10% 的門檻收益率，到 2030 年 AI 營收需要達到約 1 萬億美元。

作為參考，1 萬億美元大約相當于全球 GDP 的 1%。這有可能實現(xiàn)，也可能略低，但我們不能只看到 2030 年，回報周期可能會更長，在 2030 到 2040 年之間逐步實現(xiàn)。

我們最近還做了一件事：開發(fā)軟件，跟蹤所有上市科技公司財報電話會議中對 AI 的討論，以及 AI 與我們早期、成長期投資業(yè)務(wù)的相關(guān)性，整理后發(fā)給我們的 CEO 們，讓他們能簡明扼要地了解：AI 對上市科技公司意味著什么，對我的業(yè)務(wù)又有什么影響。

Jen Kha：很好。在進入私募市場部分之前，還有一個問題：你剛才提到 2030 年 AI 營收要達到 1 萬億美元左右，我們現(xiàn)在處于什么位置？距離萬億目標還有多遠？

David George：按我們內(nèi)部估算，目前整體規(guī)模約在 500 億美元左右。最難追蹤的是大型科技公司的真實 AI 營收，云廠商偶爾會披露 AI 帶來的營收提升比例，但它們會根據(jù)想呈現(xiàn)的效果做一些調(diào)整。所以，萬億目標只是一個粗略估算：我們現(xiàn)在大概在 500 億水平，增速遠高于每年 100%。

Jen Kha: ChatGPT 已推出三年多，但絕大部分爆發(fā)式增長其實是在過去一年半左右發(fā)生的。也希望你能談?wù)勊侥际袌龇矫娴挠^點。

David George: 在 B2B 領(lǐng)域，不僅大模型公司都有大規(guī)模 API 業(yè)務(wù)，云廠商也一樣，很多模型相關(guān)營收也通過云廠商實現(xiàn)。

關(guān)于私募市場，我的核心觀點是：企業(yè)保持私有化的時間明顯變長，但私募市場已經(jīng)成為真正的主流資產(chǎn)類別。過去 20 年，上市公司數(shù)量減少了一半。營收超過 1 億美元的公司中，約 86% 是私有企業(yè)，這是一個巨大的轉(zhuǎn)變。

（來源：a16z）

我簡單講講冪律（Power Laws）分布，這很有意思，也是我們之前聊得不多的內(nèi)容：價值高度集中在頭部公司。北美和歐洲獨角獸的總估值約為數(shù)萬億美元，僅前十家就占據(jù)了近 40% 的總價值，這一比例自 2020 年以來幾乎翻了一倍。我數(shù)了一下，當時前十里有七家是我們的投資組合公司。

冪律在公開市場也同樣存在。2019 年以來，大盤股的定義標準已經(jīng)翻了三倍。右側(cè)這張圖表是我們最新的數(shù)據(jù)分析，非常有意思：標普 500 公司的平均“任期”，也就是一家公司進入標普 500 后，能留在里面的時間，過去 50 年下降了 40%。企業(yè)被顛覆的速度越來越快，這與技術(shù)驅(qū)動市場的變革速度完全吻合。

（來源：a16z）

Jen Kha: 我們行業(yè)里也總喜歡討論冪律。

David George: 我知道大家對波動有很多疑問和擔憂，波動問題在我們內(nèi)部也是一個重要議題，尤其是創(chuàng)始人在討論私募和公開市場的優(yōu)劣時。有人在采訪中提到，管理股價、避免波動，穩(wěn)步推升股價，更容易留住和招聘員工，這我能理解。

但我認為成為上市公司也有非常強的優(yōu)勢。未來 18 個月會非常有意思，一批長期私有化的巨頭將會上市，在我看來這是好事。我們觀察到長期來看市場波動確實有所加劇，我認為這部分是周期因素導致的。

兩種路徑各有優(yōu)勢，企業(yè)在私募階段可以做得更大，我們已經(jīng)接受了這個新現(xiàn)實，這對我們的業(yè)務(wù)有很大好處，讓我們能持續(xù)投資這些公司。當然，上市路徑也有其優(yōu)勢，我們也非常關(guān)注。

Jen Kha：基于這一點，還有個問題。你能講講從 AI 之前時代的公司，比如 Databricks，全面轉(zhuǎn)型為 AI 公司的過程嗎？

David George：首先，必須承認， Shopify 之所以能全面擁抱 AI，是因為 Tobi 自上而下推動，親自運營公司。而 Databricks 也是如此，它們是商業(yè)能力和技術(shù)能力的罕見結(jié)合體。既需要商業(yè)直覺，理解 AI 創(chuàng)造價值的重要性，又需要足夠深入的技術(shù)認知，知道該做什么產(chǎn)品。

它們的云數(shù)據(jù)倉庫，也就是數(shù)據(jù)湖本身就是一個非常適合承載 AI 工作負載的底層架構(gòu)，這是它們的先天優(yōu)勢。之后它們又非常激進地迭代新 AI 產(chǎn)品，推出了叫 Agent Bricks 的新產(chǎn)品，我們非?？春茫J為會給它們帶來革命性變化。

另一方面，大量頂尖 AI 原生公司都是它們的客戶。它們既有技術(shù)，又有低成本技術(shù)。我們做投資時很看重一點：你的客戶是誰。

我寧愿投資組合公司的客戶是思想前沿的企業(yè)，比如 OpenAI、Anthropic、Uber 這類，而不是非常傳統(tǒng)的守舊公司。因為這意味著，它們的技術(shù)被聰明的技術(shù)團隊評估并選擇。大量頂尖 AI 公司都構(gòu)建在 Databricks 之上，它們可以伴隨這些公司一起規(guī)模化成長，同時這也是一種極佳的技術(shù)驗證。

Jen Kha：好的，我們就到這里結(jié)束，感謝 David 帶給我們的這場分享。

參考資料：

https://www.youtube.com/watch?v=rSohMpT24SI

排版：劉雅坤