--- author: Best Partners TV date: '2026-02-15' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=jiqh_bin3LU speaker: Best Partners TV tags: - ai-infrastructure - venture-capital - market-analysis - future-of-work - energy-transition title: AI新浪潮：a16z揭示泡沫真相与万亿市场机遇 summary: 本文基于a16z内部讨论，深入剖析AI时代的底层资本逻辑与产业数据。文章驳斥了AI泡沫论，指出当前基础设施建设由财务健康的巨头主导，并强调AI作为“劳动力”的巨大市场潜力。同时，探讨了模型成本下降驱动的应用繁荣、能源作为算力关键瓶颈，以及公私有市场动态变化。核心观点认为，AI正驱动一个由智能算力和能源共同驱动的新时代，理解并利用新工具将是个人与企业命运的分水岭。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: [] companies_orgs: - a16z - OpenAI - Databricks - xAI - Microsoft - Google - Meta products_models: - ChatGPT media_books: [] status: evergreen --- 大家好，这里是最佳拍档。 在过去的几十年里，我们见证了无数次科技浪潮的起伏，从个人电脑的普及到互联网的爆发，再到移动互联网将世界连接在一起。每一次浪潮来袭的时候，市场上总是充满了两种声音：一种是极致的狂热，认为这次将彻底改变一切；另一种则是冷静的审视，甚至是对泡沫即将破裂的担忧。今天，当我们站在AI这个新时代的门槛上时，这种撕裂感似乎比以往的任何时候都要强烈。一方面，我们看到数以万亿计的资金正在疯狂涌入基础设施的建设，GPU显卡变得一卡难求。另一方面，我们也听到了关于AI应用落地难、商业模式不清晰、甚至是一场单纯的资本游戏的质疑。 那么，真相究竟是什么呢？我们究竟是身处一场类似于两千年互联网泡沫的前夜，还是正站在人类生产力大爆发的起点呢？为了回答这个问题，我们需要从更深层的资本逻辑和产业数据里去寻找答案。最近，**a16z**举办了一场关于增长基金的内部讨论。a16z的合伙人**大卫·乔治**和**珍·卡**分享了非常详尽的数据和视角。他们不仅手里握着十亿美元的资金，更是直接参与了像**OpenAI**、**Databricks**以及**xAI**这样顶级公司的早期和成长期投资。应该说，他们的观点代表了目前硅谷最核心圈层对AI未来的判断。今天我们就来聊聊，在这个AI吞噬世界的时代，科技市场的底层逻辑到底发生了怎样的变化呢？为什么他们认为，我们不仅没有处于泡沫之中，反而可能低估了这场革命的规模呢？ ### 宏观市场演变与私有化趋势 首先是关于宏观市场的变化。在过去很长的一段时间里，a16z创立增长基金的一个简单前提是，科技市场的规模比以往任何时候都要大。但是与此同时，优秀的公司选择保持私有化的时间也比以往任何时候都要长。这不仅仅是一个感觉，而是一个有数据支撑的事实。如果我们去翻看**标准普尔五百指数**会发现，市值最高的几家公司，几乎清一色都是美国本土的科技公司。前五名毫无疑问的被科技巨头所占据，哪怕算上前十名，科技公司也占据了七八个席位。这说明，科技已经不再是一个单独的行业板块，它已经吞噬了整个市场。在这个过程中，出现了一个非常有趣的现象，那就是企业私有化时长的显著拉长。以大数据领域的领头羊**Databricks**为例，这类顶级公司在上市之前，已经在私有市场里成长为了庞然大物。这对于像a16z这样的投资机构来说是一把双刃剑：一方面，这意味着巨大的投资机会都留在了私有市场，他们必须在公司上市前就介入；另一方面，这也对投资回报的周期提出了挑战。 ### 巨额基建投入与泡沫反驳 但是，这只是故事的背景板。真正的变量是AI的横空出世。如果说软件时代吞噬了世界，那么AI时代正在扩张这个世界。最震撼的一个数据来自于基础设施的建设：目前的AI基础设施的建设规模，可以说比我们历史上见过的任何一次工业建设都要庞大。大家可能都看过各种关于科技巨头资本支出的新闻图表。如果将**微软**、**谷歌**、**亚马逊**和**Meta**这些巨头最近一个季度的资本支出进行年化计算，这个数字大约是四千亿美元。这还仅仅只是一年的支出，而且这其中的绝大部分都流向了AI基础设施和数据中心。 这时候，很多悲观主义者会跳出来说：“看，这不就是两千年互联网泡沫的重演吗？当时电信公司也是举债建设光纤网络，结果导致了巨大的产能过剩和市场崩盘。”但是，大卫·乔治提出了一个非常关键的反驳观点，这也是我认为本次分析中最核心的差异点。他指出，这次的基础设施建设，买单的人变了。在两千年，铺设光纤的是那些资产负债表非常脆弱、背负着巨额债务的电信公司，一旦需求达不到预期，它们就会面临破产，从而引发系统性的风险。而今天正在疯狂通过购买GPU、建设数据中心来为AI铺路的，是人类历史上资产负债表最健康、现金流最充沛、盈利能力最强的公司。无论是谷歌、微软还是Meta，它们完全有能力承担这种规模的投入，甚至可以说完全有能力承受一定程度的产能过剩。这种由最强买家主导的建设，很大程度上降低了系统性的金融风险。这就像是，如果是借钱炒股的人亏了，可能会跳楼；但是如果是世界首富拿自己的零花钱去投资，即使短期不回本，也不会影响他的生活，更不会引发金融海啸。 ### AI模型经济学与市场颠覆性潜力 这些基础设施建设为未来的AI应用铺平了道路。更令人兴奋的是，在基础设施疯狂扩张的同时，AI模型的核心经济学正在发生惊人变化。我们可以把AI模型看作是一种新型的电力。在过去两年里，获取这种电力的成本，也就是模型输入的成本，下降了超过百分之九十九。这种下降的速度，甚至超过了**摩尔定律**。与此同时，前沿模型的能力却在以每七个月翻一番的速度进化。成本下降一百倍，能力翻倍增长。这两股力量交织在一起，正在为应用层的爆发积蓄着巨大的势能。a16z现在的内部观点是，AI最终会像电力或者移动网络一样，成为一种无处不在的基础设施。你不会因为家里开了灯而觉得需要为此支付高昂的溢价，因为你支付的是照明带来的价值。同样，未来我们使用AI，不会是因为AI技术本身，而是因为它解决了问题。 这就要谈到一个非常宏大的市场愿景。大卫·乔治给出了一个非常震撼的对比数据。他说，如果我们看目前的美国企业软件市场，它的总支出大约占美国GDP的百分之一，这是一个巨大的市场，诞生了**Salesforce**、**Adobe**这样伟大的公司。但是，如果我们把目光转向AI所能够影响的领域，也就是美国白领的薪资总额，这个数字占到了GDP的百分之二十。这意味着什么呢？意味着AI的市场天花板，不仅是替代现有的软件，而是去渗透、辅助、甚至在某些领域替代那百分之二十的白领工作产出。这就是为什么AI的市场机会比软件市场要大得多的原因。这是一场从工具到劳动力的跨越。 ### 需求爆发与前所未有的分发速度 当然，肯定有人会问：“既然市场这么大，为什么我们还没看到大规模的商业爆发呢？是不是需求还是不足呢？”恰恰相反，需求侧的数据其实更加惊人。让我们来看一个对比：**ChatGPT**达到目前搜索量级所花费的时间大约是两年，而当年谷歌达到同样的搜索量级花费了整整十一年。也就是说，ChatGPT的普及速度是谷歌的五点五倍。为什么会这么快呢？因为这一次，AI是站在了巨人的肩膀上。互联网和云计算已经完成了全球范围内的连接和算力铺设，地球上超过一半的人口已经拥有了智能手机。AI不需要像当年的互联网那样，先去铺设网线，再去教用户怎么用电脑。它只需要通过云端，瞬间就可以分发到全球数十亿用户的指尖。这种分发速度，是人类商业史上前所未有的。 ### 消费者剩余与商业模式探索 但是，这里也有一个有趣的悖论，那就是**消费者剩余**。这是经济学上的一个概念，就是你愿意为某件商品支付的价格减去你实际支付的价格。我们以**iPhone**为例，一台iPhone可能卖到一千美元，但是如果明天iPhone要涨价到两千美元，我相信很多人虽然会抱怨，但还是会买，因为它已经成为了你生活中的必需品。这中间的差价，就是苹果公司虽然强大，但是依然没有完全榨取的消费者剩余。在AI领域，这个现象更加明显。目前像ChatGPT Plus或者Claude Pro这样的订阅服务，一个月大约是二十美元。但是它们提供的价值，无论是帮你写代码、翻译文档、还是做深度的研究，对于重度用户来说，价值远远超过二十美元。甚至有用户表示，哪怕涨到两百美元一个月，只要能够大幅提升工作效率，他们也会毫不犹豫的买单。这说明目前的AI公司，其实是在以非常低廉的价格向市场释放着巨大的价值。这不仅仅是因为竞争，更是因为目前的商业模式还处于非常早期的探索阶段。大卫·乔治认为，未来我们可能会看到商业模式的演变，从简单的人头费模式，转向更复杂的定价策略，甚至是广告模式的变种。当然，不是那种粗暴的弹窗广告，而是类似于搜索时代的精准推荐。 ### 毛利率争议与价值驱动的护城河 这就引出了大家非常关心的一个话题：AI公司的毛利率问题。在传统的软件即服务行业，投资者非常看重毛利率，通常要求在百分之七十甚至百分之八十以上。但是目前的AI应用公司，因为需要支付昂贵的GPU推理成本，毛利率往往受到质疑。有的人甚至因此断言，AI应用做不大，都是在给**英伟达**打工。对于这个观点，a16z持有完全不同的看法。他们认为，随着模型供应商比如OpenAI、Google、Anthropic、Meta等之间的竞争加剧，以及硬件性能的提升，推理成本必然会大幅度的下降。我们已经看到了输入成本下降了百分之九十九，这种趋势如果持续下去，AI应用的毛利率将会自然修复。更重要的是，我们不能用看待传统软件的眼光来看待AI应用。对于一个能够解决复杂问题、甚至替代部分人类工作的AI Agent来说，如果它能够为你节省一个年薪十万美元的工程师，那么即使它的软件毛利率稍微低一点，对于客户来说也是非常划算的。在这里，客户看重的是结果的交付，而不是单纯的软件租赁。举个例子，在医疗文档记录领域，像**Abridge**这样的公司，正在利用AI自动生成医生的问诊记录。这不仅仅是一个软件，它实际上替代了以前需要专人来做的工作。这种深度嵌入工作流、解决具体痛点的应用，它的粘性是非常高的。一旦医生习惯了不再需要下班后花两小时去写病历，他们就再也回不去了。这就是真正的护城河。 ### 用户体验重构与AI Agent的未来 此外，关于护城河，大卫·乔治还提到了一个经常被忽视的点，那就是用户体验的彻底重构。现在的软件，比如Salesforce，本质上是一堆表格和输入框的集合，用户需要去填表来喂养数据库。但是未来的AI软件，应该是主动的、预测性的。它不应该等着你去输入数据，而应该通过观察你的工作流、接入你的非结构化数据，自动帮助你完成任务。这种从记录系统到行动系统的转变，将是初创公司挑战传统巨头的最大的机会。 ### 能源瓶颈与算力命门 当然，这一切美好的愿景背后，并不是没有隐忧。在这次对谈中，他们也坦诚聊到了未来的瓶颈。出乎意料的是，他们认为最大的瓶颈可能不是算力，也不是算法，而是能源。数据中心是吃电的巨兽，目前的电网承载能力可能跟不上AI算力的指数级扩张。这也是为什么我们看到微软重启三哩岛的核电站，看到各大科技巨头都在疯狂的投资清洁能源。珍提到，a16z正在关注核能，包括核裂变和未来的核聚变，以及位于得克萨斯州等地的天然气能源项目。因为在未来，谁掌握了能源，谁就掌握了算力的命门。这也解释了为什么像马斯克的**xAI**，能够在短时间内建成全球最大的数据中心。这不仅仅是买了多少张显卡的问题，更是如何搞定电力、冷却和工程建设的综合能力的体现。 ### 市场双峰结构与非对称下注策略 a16z观察到，目前的市场呈现出一种极其明显的双峰结构。一边是那些非常稀缺、拥有世界级团队的超级公司，比如OpenAI、xAI、Databricks等等。这些公司的创始人往往具备一种特殊的特质，大卫·乔治称之为是“硬核资本家的科学家”。以前的AI大牛可能更偏向于学术研究，不关心商业化。但是现在的这批创始人，比如OpenAI的团队，他们既懂得最前沿的技术，又拥有极强的商业野心和执行力。对于这类公司，资本是追着跑的，估值往往也是天文数字。而另一边，则是大量普通的SaaS公司，它们正在面临着增长乏力的困境。在公开市场上，可能只有百分之五的软件公司能够预测未来一年有超过百分之二十五的增长。绝大多数曾经的高增长明星，现在都在变的平庸。因此，a16z的策略非常明确，那就是非对称下注。他们宁愿在看起来很贵的阶段，去投资那些最顶级的团队，因为这些公司的天花板非常高，成功的收益可以覆盖掉所有的风险。而在这些顶级项目中，由于团队质量极高，即便遇到挫折，它归零的风险也相对较小，这就是所谓的下行保护。同时，他们也非常看好**美国活力**这个赛道。这不是一个纯粹的技术概念，而是一个涵盖了国防、航空航天、先进制造等实体产业的概念。像**Anduril**和**SpaceX**这样的公司，正在用软件和AI去重塑物理世界。这类公司因为涉及复杂的硬件制造和政府合同，护城河非常的深，一旦跑出来，往往就是垄断级别的巨头。 ### 公私有市场差异与选股难度 那么既然机会这么大，为什么我们在公开市场上感觉赚钱越来越难了呢？这其实是一个非常残酷的现实。大卫·乔治在对话中提到，高增长的公司正在以前所未有的速度，在私有市场里完成它们的价值增值。以前，像亚马逊这样的公司上市时，市值可能只有几亿美元，普通股民可以陪它一起成长到万亿市值。但是现在，像OpenAI或者Databricks，它们在上市前可能就已经是一千亿甚至几千亿美元的规模了。这意味着，增长最快、最肥美的那一段鱼身，被私有市场的投资者吃掉了。留给公开市场的，往往是增长曲线已经开始平缓的阶段。这并不是说公开市场没有机会，而是说选股的难度变大了，你需要更加毒辣的眼光去寻找那些真正能够穿越周期的公司。 ### 核心判断与未来展望 总结一下，a16z的这次深度分享，给了我们几个非常核心的判断： 第一，我们没有处在泡沫中，因为这次的基础设施建设是由现金流充沛的巨头主导的，而不是借债投机的赌徒。 第二，AI不仅是软件，更是劳动力，它的市场天花板是几十万亿美元级别的白领薪资市场。 第三，模型成本的下降将带来应用层的繁荣，不要过分纠结于短期的毛利率，要看它是不是真的解决了高价值的问题。 第四，能源将是下一个十年的硬通货，它是算力的物理底座。 对于我们普通观察者来说，这不仅是对科技行业的预判，更是对未来世界运行规则的一次剧透。我们正在进入一个由智能算力和能源共同驱动的新时代。在这个时代，能不能理解并且利用好这些新的工具，可能就是个人和企业命运的分水岭了。 感谢收看本期视频，我们下期再见。