全篇概述
这是 a16z 成长基金四位合伙人围绕其年度报告 State of Markets(25 页关键图表)的一场圆桌播客。全场的组织性命题是:我们正处在一轮覆盖软件、芯片、电力、数据中心、建筑乃至国防的投资周期之中,且它“像软件吞噬世界”的下一章——但因为采用率仍处在极早期,最确定的机会也许还没开始。
四位合伙人反复回答同一个被听众追问的问题——“这是泡沫吗?” 他们的答案建立在两组证据上:其一,市场创新高但交易倍数反而下降(涨约 20%,倍数降约 20%),说明涨幅由基本面盈利驱动,而非估值扩张;其二,AI 的实际采用仍极早(标普 500 实际部署率 69%、可量化影响约 30%、长期追踪指标仅 2%)。 由此出现一个核心张力:“技术能力”与“实际使用”之间的巨大缺口,恰恰是他们对应用层最乐观的理由。
需要留意的边界:本篇为播客对谈的中文实录(二手),一手为 a16z 播客音频与 State of Markets 报告原文(均未直听/直读);其中大量数据(capex、采用率、案例指标)引自 a16z 自有的报告与调研口径,属投资机构立场,引用时宜标注来源。
---
- 日期:2026-11-09
- 原始日期:2026-09-30
- 来源:The a16z Show 播客《AI, Infrastructure, and the Next Investment Cycle》,2026-09-30 发布;以 a16z 成长基金年度报告 State of Markets(25 页关键图表)为线索|节目页 阅读原文 |中文全译(Z Potentials)阅读原文
- 渠道:a16z 官方播客(The a16z Show)/中文全译见 PANews、搜狐
- 体裁:访谈(播客圆桌对谈)
- 讲者:David George、Sarah Wang、Alex Immerman、Santiago “Santi” Rodriguez——均系 a16z 成长基金(Growth Fund)合伙人
- 信源层级:二手(播客对谈的中文实录;一手为 a16z 播客音频与 State of Markets 报告原文,音频未直听)
- 标签:a16z / State of Markets / 算力军备 / 采用率 / IPO / 二级市场
- 一句话:市场新高由盈利而非估值驱动,但 AI 采用率仍极早——重度用户正拉开 20 倍差距。
01 技术是“一切周期”
- 数字:高科技设备、软件和研发约占美国资本开支的 55%;科技股约占美国股市总市值的 40%;全球市值前十的公司里有八家是美国科技公司;模型公司合计已筹集超 3500 亿美元。
- 最强类比:这次建设的规模占 GDP 比重已超过当年的“铁路”。他们的判断:“如果快进到五到七年、甚至十年后回头看这些数字,累计值很可能会是现在的 20 倍以上……这确实像是 Marc Andreessen 那句'软件吞噬世界'的下一章。”
- “是泡沫吗?”的正面回答(Alex):“市场创了新高,但市场当前的交易倍数其实反而下降了——股票涨了约 20%,倍数却降了约 20%。这意味着涨幅是由基本面盈利驱动的,而不是倍数扩张。” 标普 500 盈利倍数低于 20 倍,“这和互联网泡沫完全不同——当时股价大涨靠的是倍数抬升,很多股票交易在 100 倍市盈率。”
- Santi 补充:自 GPT 问世近四年,市场涨 90%(年化 17%);但“以低于 20 倍的盈利倍数交易、盈利还在以 15% 的速度增长”,“感觉确实不同于 2021 年,也不同于 2000 年。”
02 “原子的新纪元”
- 超大规模厂商 capex 是“别人的订单簿”:Alphabet、Amazon、Meta、Microsoft、Oracle 2026 年 capex 约 7800 亿美元(2025 年 4160 亿),预期 2027 年起每年超 1 万亿美元。
- 需求超过供给:“数据中心供应链里有些环节,材料或产品要到 2028 年才能拿到。” 需求侧证据:Microsoft、Google、Amazon 合计约 1.7 万亿美元云积压订单(backlog);建设期自由现金流受压,但共识预测 2028 年起回升(“J 曲线”,因 GPU/TPU 经济寿命比预期更长)。
- 从软件热潮变成工业热潮:钱流向芯片、电力、散热、建筑、熟练劳动力;“这轮更广泛的技术热潮,变成了一场工业热潮。” 到 2040 年全球基础设施投资需求估计 90 万亿美元(远超 AI,含电力/水/道路/交通)。案例:Anduril 工厂(约 87 个足球场)、Waabi 运输中心、SpaceX 路易斯安那千亿级投资。
- 反直觉的一条(Santi):“数据中心其实可以帮助降低你的电费。” 一项美国研究表明,数据中心容量每增加 10%,居民电价下降约 40 个基点——因为电网是“共享的固定成本空间”,大型稳定客户把成本摊到更多电力上。
03 模型层与应用层:可观的营收,极低的采用率
- 成本正在骤降,智能体在更大范围的工作上变得经济可行(他们点名 “TypeSafe 的 Jev / Jevons 悖论”)。
- OpenAI + Anthropic 合计年化营收增长“非同寻常”——“就算按历史上最好的软件公司的净新增营收估计,领先实验室的净新增也已经远远超过。这不仅是规模,更是速度的惊人组合。”
- “我们还是很早”——三个层级(Sarah):① 标普 500 实际部署率 69%;② 可量化影响约 30%;③ 长期追踪指标仅 2%。 “从这些分散的部署,走向真正深入影响、反复发生的工作流……是下一阶段。” 并直言:“和我们交流过的大多数企业,他们对 AI 的接触仍然主要停留在 Microsoft Copilot。”
- Alex 的兴奋点:“模型能做什么与实际被如何使用之间的差距,正是让我对应用层如此兴奋的原因。”(引 Databricks 的 Ali Ghodsi:“AI 可以非常了解世界,但对你所在的公司几乎一无所知。”)
04 重度用户正在拉开差距
- YipitData 数据:AI 工具支出排名前 1% 的企业,其中位支出约为前 10% 的 8 倍;“前 1% 几乎相当于前 2% 到 10% 的总和。”
- 在 a16z 组合内(几乎全是 AI 原生公司):顶级用户支出约每月 7500–9000 美元,中位用户更接近月订阅价(约 200–400 美元)——中位与顶级的差距超 20 倍。
- David 的量化方式:AI 工具支出占员工成本的比例——前瞻型财富 500 强约 1%,最前倾的 AI 原生公司可达 10%。
05 可量化的案例:成本侧与收入侧
- 成本侧·Chime:过去四年每年把服务成本降低超 10%,复利计算服务成本几乎下降 50%(背后有 a16z 组合公司 Decagon 支持)。
- 收入侧·Shopify:AI 助手(sidekick)使入驻 15 天内达到五单的客户比例增长 8%(因达到五单的商家会留存)。
- 在位者也在受益·ServiceNow:披露AI 年度合同价值(ACV)超 10 亿美元,agentic 部署增长 9 倍。
- 他们反复追问的“试金石”:这些公司把增量 AI 投资花在“为客户建新产品、推动营收”还是“成本侧优化”?——“推动营收增长的机会上行是无界的,而成本端的机会……”
06 当成本骤降,新市场被打开
- Agent 带来多步调用:“任务需要多步,多步意味着多次模型调用”——解释了 OpenRouter 上 agent token 使用量 14 倍的增长。
- 成本工程让用例打开:
- 缓存:Hebbia 的金融聊天工作负载运行成本下降 10 倍;
- 路由:Databricks 的智能路由器以比最强单模型低 35% 的成本解决更多问题;
- 微调:Elise AI 微调更小模型,成本降 60%、延迟大降,使一些音频实时用例变得可行。
- 关键判断(Sarah):“更低的成本,让智能体现在可以查错、重试,一下子打开海量任务……在可靠性恰恰是决定用不用智能体的关键场景里,这一点尤其重要。”
07 消费端:2% 的订阅普及率与“微笑曲线”
- 核心数字:只有略高于 2% 的美国家庭真正为 AI 付了订阅费。 对比:Amazon Prime 超 2 亿家庭、Netflix 约 7000 万家庭——“这些数字让我要特意去再确认一下……这才刚刚开始。”
- “微笑曲线”(Alex):“很少有留存曲线不仅走平,而且随着产品改进、人们回流,实际上是'微笑'着上扬的。但这就是我们在 AI 上看到的情况。”
- 参与度度量之变:大型消费平台(FB/IG/TikTok/Snap)活跃用户每天 30–60 分钟;但当 Agent 在后台工作时,传统“屏幕时长”指标会失效——“这并不会体现在传统的屏幕时长指标里。”
- 对 marketplace 的两个关键问题:“① 我能从 AI agent 那里获得多少增量需求?② 我的业务里有多大比例的利润池来自对客户关系和发现的所有权?” 案例:Amazon 对 Muse 说“不”,Instacart 说“好”——广告收入超过其全部经营性利润,故“客户关系与发现的所有权”极其重要。正和视角:“那 700 亿美元(Amazon 广告)可能只是换个渠道;摩擦降低后可能看到更多消费。”
08 公共软件市场的分化
- 趋势:公共软件样本中约 75% 盈利,但只有 30% 以 20%+ 速度增长(“如果把线画在 30%,绝对数量少于五家”);而私营市场“我们花时间的每一家公司,增长都远超 30%”。
- “SaaS 末日”的反驳(David):真正要看的信号是软件公司能否录得 98% 的毛额留存 + 推动效率提升 + 最重要的是营收增长加速——“这既显示防御安全,也显示进攻性投资有效”。他们给出的目标:营收增长加速 10% 以上(“有神奇的产品,加上 AI 可获得的预算,似乎可行”)。
09 资本市场:创始人、IPO 与二级市场
- 头部私营公司:Anthropic、OpenAI、Databricks、Stripe、Waymo、Revolut 按最新一轮估值合计约 2.4 万亿美元。
- 二级市场:“私营公司二级市场交易对最新一轮价格的折价目前基本为零。”
- 两条耐人寻味的判断:
- “创始人本身就是资产类别”(对创始人主导的公司);
- “IPO 应被视为又一次融资事件,而非必经阶段。”
10 未来机会(a16z 的判断)
- 看好:消费智能体、机器人、自动驾驶、AI 制药、个人健康、企业级 AI 扩散,以及“美国活力”相关国防技术。
- 一个大胆排序:“机器人可能比大语言模型更大,但或晚三至五年到来。”
整理者的分析
标注:以下为整理者(范德)的分析,非四位讲者原话,不代表其立场。
- 这期与李丰那场是“正面对撞”的两个数据点,值得并排读——a16z(卖方视角)说“涨的是盈利不是倍数,不是泡沫”;李丰(独立视角)提醒“资本可为想象力定价,商业最终为价值买单”,并给出 App 层“采用率极低”的证据(几乎同一批数字:标普部署 69%、可量化 30%)。两人其实不矛盾:a16z 自己给出的“2% 长期追踪指标”,恰恰是对“盈利驱动”最有力的反驳样本——市场在赌未来,而未来的“可量化影响”目前只有 2%。 读这条时,把“谁在说话”标清楚。
- “69% / 30% / 2%”这三层,是本篇最有用的一把尺子——它精确指出 AI 商业化的真正裂缝:“部署”容易(装个 Copilot 就算),“可量化影响”难,“长期追踪”几乎为零。 对造物云/教育线的映射:别把“上线了 AI 功能”当成绩,要问“它在哪个反复发生的流程里、产生了多少可量化影响”。
- “AI 工具支出占员工成本”这个指标可直接搬走——前瞻型财富 500 强约 1%、最前倾的 AI 原生公司可达 10%。这是一个廉价的“AI 渗透率”自测口径:拿自己团队的 AI 工具年支出 ÷ 人力成本,看落在 1% 还是 10% 端。
- “重度用户拉开 20 倍差距”比“采用率”更有决策含义——它说明AI 的回报不是线性的:同样是“用了 AI”,头部和中位差 20 倍。对团队的含义:要盯的不是“有没有用”,而是“用到什么强度”——这与“算力军备”“数据飞轮”同源。
保留意见:① 本篇为播客对谈的中文实录(二手),一手为 a16z 播客音频与 State of Markets 报告原文(均未直听/直读);② 全部数据(capex、采用率、案例指标、估值)引自 a16z 自有报告与调研口径,属投资机构立场,不构成独立事实,引用时须标注来源与立场;③ 现场嘉宾为 a16z 成长基金合伙人,其判断与被投组合利益相关(文中多处提及自家组合公司 Decagon 等),宜作“行业乐观派之一”而非定论;④ 节目发布 2026-09-30,中文全译见 PANews/搜狐,日期不同,勿混。