David George

Gavin Baker 整个夏天都在问每一位 AI 领袖：“你能告诉我，你们业务里有哪一个量化数据点正在变差吗？ 只要一个。” 但整个7月和8月，没有人答得上来。AI 整体在这两个月继续加速，尽管部分 AI 股票出现明显回撤；指数表现平静具有误导性，因为“你可能会在一条平均水深只有两英尺的河里溺水”。他的保留意见是：Anthropic 正处于 IPO 静默期。

两人都拒绝零和叙事：这一轮“不是非此即彼，而是彼此兼得”，前沿实验室、开源、neocloud、应用和 Nvidia 都能赢。 每次与 LP 交流，开场都是“这件事会怎么出问题？”，但供给侧数据表明，Nebius 的回本周期大约只有9-10个月（每GW 500亿美元，客户预付50-60%），Blackstone、KKR、Apollo 正以低成本提供融资，设备使用寿命也在延长——真实的股权回本周期“可能远低于一年”。

需求侧“几乎还没开始”：这些公司的约1800亿美元收入，可能只建立在不到1000万名重度用户之上，而全球知识工作者有15亿人。 Baker 的基金 Atreides 内部 token 消耗量从3月到8月增长了100倍；部分 AI 原生公司在 token 上的支出，已经达到人力薪酬的10%以上，而传统经济公司约为1%。两人都更担心到2028年前供给不足，而不是过度建设——Dwarkesh 提出的 token 价格上涨10倍情景，“与所有人想象的方向恰恰相反”。

公开市场必须把实验室收入当作一个可调旋钮，而非一条稳定收入流来消化：在这个例子里，一家以每GW每年约600亿美元的价格变现8GW推理算力的实验室，若将资源重新分配给训练，收入可能从4800亿美元降至1200亿美元——“而我确实认为他们会这么做”。 Satya 曾在资本开支问题上“眨了眼”，并对此感到后悔；Dario 选择避免破产，而不是追求份额，“OpenAI 当时更激进，而现在 OpenAI 又回到了牌桌上”。

Baker 和 George 认为，AI 行业必须自己讲清真相：数据中心“可能是发生在美国工薪阶层身上最好的事情”。 小镇税收“增长10倍”，Loudoun County 同时拥有全美最高收入和最高数据中心密度，低廉的天然气价格（美国为2-3美元，欧洲/亚洲约20-25美元）正在推动美国再工业化；与此同时，Baker 指称存在“一场由 CCP 资助、经 TikTok 洗白的有组织行动”，试图反对美国数据中心。他最喜欢的 Dario 说法是：“别再谈治愈癌症，真正把癌症治好。”

轨道算力的逻辑会因 Starship 可重复使用而彻底反转：每GW 500亿美元的成本中，无论部署在哪里，约350亿美元都是 IT；地面电力、冷却和人力的150亿美元则会受到通胀推动，而可重复使用的发射技术能把太空方案的成本压到10亿美元以下。 Elon 和 Jensen 已共同设计一款目标于2027年Q4发射的 Reuben 机架；即使晚两个季度，“那也是2028年”，Brad Gershner 认为这件事“正在众目睽睽之下发生”。训练仍会留在地球上——延迟和光速都是现实约束。

终局将是由路由器调度的模型组合，而“全球企业智能裁决者”这一抽象层，是“商业史上争夺最激烈的位置”。 企业将用自己的数据对开源基础模型进行 RL，而不是把上下文交给前沿实验室；未来很可能采用 Nvidia 的模型，依托 Nemotron 和收购 Poolside 实现。Fireworks Nexus 是目前最好的落地案例；Kirkland & Ellis 投入5亿美元自建系统，证明了这一品类的价值，但低估了其难度。

Baker 给半导体 CEO 的原则是：“你唯一应该说的话就是‘谢谢你，Jensen’”；George 的经验法则则是，加速器每1%的市场份额约值1000亿美元，因此应接入 Jensen 的生态，而不是去扯 Superman 的披风。 Baker 估计 Jensen 已锁定供应链约70-80%的环节；Nvidia 数据中心也是最容易融资的项目（500亿美元项目只需150亿美元股权），而 George 的交易优先级体现了真实客户偏好：客户股权投资优于 RVG，优于按 token 定价的认股权证，优于裸认股权证。

🔗 原始收听与视频来源： 为何AI需求正在跑赢算力供给

Stripe 的 cohort 数据正在挑战软件商品化论：上半年注册量同比增长50%，2026年 cohort 的收入中位数比2025年高50%，而2025年又比2024年高70%；尽管市场叙事认为垂直平台会陷入困境，Stripe 新 SaaS 平台 cohort 仍扩大了103%。 Gaybrick 认为商品化论「有 plausibility」，并称「我们要么已经身处奇点，要么正缓慢走向奇点」，但「眼下看到的恰恰相反」——软件产出更多、变现更快，ElevenLabs 已使用14款 Stripe 产品。

Stripe 内部智能体集群「Stripe Minions」的单次完成 PR 数量，已从1月/2月博客发布时每周约1,200个增至上周的7,000个，约占 Stripe 全部 PR 的30%；Minion PR 占比已成为公司最重要的内部指标之一。 设计原则是：「不要反复迭代，也不要进入规划模式，只要说清楚我想要什么，然后去做。」组织层面的答案则是更扁平、更小的团队：Stripe Projects 主要由1名 PM 和1名高级工程师在几周内搭建完成，而这名工程师如今正从一个界面协调16个智能体。

Gaybrick 给出的资源配置判断颇为反常：多数公司把智能体效率理解为削减 opex；Stripe 的信念是「我有点调皮，但把一切都做出来」，因为「优化成本结构，就是做空自身未来的潜力」。 KAI 提供了支持 Jevons 效应而非裁员的证据：这款由2人打造的内部 AI 工具将销售生产率提高了20%，结论不是「我们需要更少的销售」，而是「我们需要更多销售」；全球税务申报的交付时间也只有美国申报的1/3，且复杂度更高。

智能体商业之所以还没有迎来「Claude Opus 4.5 式的寒武纪大爆发」，是因为底层原语尚未齐备；因此 Stripe 与 Tempo 搭建了机器支付协议，让服务通过402响应直接说明「购买我的方式」，并在4亿 Link 用户之上推出 Link 智能体钱包 CLI。 Gaybrick 认为，在最好情况下，结账页面不仅对智能体、对人类也可能消失。最令人兴奋的领域是 B2B：智能体可通过 Stripe Projects 配置 Vercel 或 Browserbase。David George 表示，这已经在塑造 a16z 的开发者工具投资逻辑：「假设未来购物的是智能体。」

自互联网诞生以来屡屡失败的微支付，可能终于会因为智能体与稳定币消除旧有摩擦而成立。 过去的困境是，按文章收费既输给订阅模式，也输给广告模式；但当智能体拿着一次性预算在互联网上「像小蜂鸟一样到处飞，在这里吸一点数据……在那里做一点计算」时，用户无需为每项服务开一个月费账户，只要说「智能体，你的预算是15美元，出发」。

稳定币的核心命题是地缘政治层面的支付基础设施：印度本土 UPI 处理了低于5美元支付的约86%，而美国银行卡的占比只有个位数；UPI 和 Pix 在本地都很好用，但「全球经济需要一个 Schelling point」，而加密支付轨道可能提供这一支点。 Stripe 目前通过法币覆盖约60个国家，通过稳定币覆盖约150个国家；Felix Pago 经过数年发展，已占美墨汇款通道5%至10%。Tempo 则希望打造一条支付专用链，提供原生隐私、稳定吞吐和稳定费用，DoorDash 已参与其中。

George 估计 Stripe 的交易额已超过2万亿美元；Gaybrick 则认为，token 正在与货币逐渐模糊边界。 针对 Cursor、Replit 等通用 token 消费者的攻击，「非常像我们看到的试图窃取 Stripe 用户资金的行为」，这要求 Stripe 把 token↔美元之间的流转做得和美元↔欧元一样安全。欺诈方面，Gaybrick 认为 Cursor 可能是 Stripe 在该领域的第一个用户，并称免费试用用户大约每6人就有1人存在滥用行为；如今 Stripe 的信号每天帮助 ElevenLabs 拦截2,000名免费试用滥用者。

Clerk 的 Colin 用一句话概括这套战略：「赢下所有初创公司，然后再赢它们一次」——初创公司是下一轮机会的风向标，也会以最高标准检验 Stripe（企业客户的 CSAT 赞扬 Stripe 的报告能力，初创公司却称其「垃圾」），推动 Stripe 覆盖近一半《财富》500强。 品味通过自上而下的重复、产品使用与模拟来规模化：建立不含 PII、增长随机化的合成账户，模拟真实争议与退款。George 给投资人的框架是，创始人这一资产类别负责发现下一个产品领域；Gaybrick 的收官愿景则是「在 Stripe 内部打造下一个 Stripe」。

🔗 原始收听与视频来源： “结账页面不应存在”——Stripe 谈代理式商务

规模判断在11月发生了变化：George表示，尽管AI在实体经济中的渗透率仍低于5%，Anthropic和OpenAI如今每月新增的收入已经超过Meta、Google或Microsoft。 Clark表示，如果这两家公司到年底合计达到2000亿美元的收入年化规模，他不会感到意外——这还没算开源和其他供应商，相当于Fortune 500企业合计2万亿美元利润池的约10%。这意味着成本压力必然传导过来，开源和本地模型可能比预期更早变得重要，因为“成本会迎面撞上我们”（“cost is going to hit us in the face”）。

企业AI的核心仍是运营模式重构，而不只是软件采用。 Clark表示，强势公司目前仍把最优秀的人才投入新产品，而不是自动化内部工作；George则将近期裁员描述为“削减过去积累的冗余”，而非已经验证的AI效率提升。Clark接触到的最前沿从业者，仍在记录工作流、捕捉上下文。原生AI公司提供了未来样本：精简团队对着“代理群”低声下达指令，工具也正从被动响应式辅助转向主动介入。

AI的幂律正在变得更加陡峭，但赢家是谁却越来越难预测。 Clark援引的数据显示，2020-24年退出交易中排名前1%的门槛为100亿美元，覆盖2025年及2026年前两个月的2月更新后，这一门槛升至200亿美元。George表示，近期完成的退出交易已将门槛推至320亿美元；如果OpenAI和Anthropic进入样本，到9月可能超过1000亿美元。与此同时，George指出，去年Forbes AI 50榜单中有40%的公司今年掉榜；Clark表示，这些公司的半衰期短得惊人。

George当前对应用层赢家的判断规则很直接：“必须处在 token path 上”（“you have to be in the token path”）。 传统软件预算无法承受快速上升的AI成本，而价值最终落在哪里，还取决于前沿模型竞争、开源、本地推理和小模型等一系列未知变量。前沿实验室如果有5家，token价格大概率会低于只有2家时的水平，从而支撑更广泛的应用生态。

成本与性能之争可能颠覆当前前沿模型的集中格局。 George表示，领先的中国LLM看起来约落后美国模型6个月，但价格便宜10倍——这构成了“创新者困境”：以10%的价格提供80%的能力。Clark表示，前沿需求仍然极其旺盛，但优化可能比预期更早到来；据称，蒸馏成本约为预训练成本的2%，而同等性能下的token成本每年下降超过10倍。

当前AI较低的亏损率，并不能证明风险投资风险已经消失。 George表示，他们的早期基金历史上的亏损率约为60%，而近期AI项目的亏损率可能只有个位数，并称“引力定律”终将重新生效。Clark不认为低亏损率应当成为目标，并称一个从未亏过钱的投资人给出的其实是“糟糕的数据点”；George补充道：“那是一家PE机构”（“That’s a PE firm.”）。Khosla Ventures的理念，是押注有前景市场中的领导者，因为真正驱动回报的是少数巨型赢家，而不是异常安全的投资组合。

Clark相当有把握地认为，AI目前还不是泡沫，核心原因是供给仍然稀缺，而不是过剩。 大规模数据中心算力要到2028年末或2029年初才能获得，美国建设进度可能已经比预期落后1年；最大的反转风险，是算法突破让模型规模大幅缩小。面对可能达到5万亿美元的建设投入，Clark认为1-2万亿美元收入是合理的回报预期，尤其是在OpenAI和Anthropic今年单独就可能接近2000亿美元收入年化规模的情况下。

🔗 原始收听与视频来源： 挑选 AI 赢家的新规则｜The a16z Show

AI 原生需求正与其他软件需求迅速分化。 George 表示，AI 公司增速超过其他公司的2.5倍，头部公司同比增长达到693%，最快达到1亿美元收入的时间也远早于SaaS前辈。“AI需求疯狂”（“AI demand is crazy”），但增长最快的公司在销售和营销上的投入反而更少，而不是更多。

最强的AI公司在实现惊人增长的同时，每名员工对应的ARR达到50万-100万美元。 这一水平高于SaaS时代约40万美元的经验法则；如果较高的推理成本意味着客户确实在使用AI功能，那么较低的毛利率甚至可以成为“荣誉徽章”。George提醒，强劲需求、精简人员，以及2021年组织臃肿之后普遍出现的效率提升，已经解释了当下效率改善的很大一部分；全面由AI驱动的组织重构仍处于早期。

AI时代之前的公司必须在产品和内部运营两端“适应AI时代，否则消亡”。 一位创始人让2名熟悉AI的工程师无限使用 Claude Code、Codex 和 Cursor，以预计10-20倍的速度重做一款令他不满的产品，促使他在12个月内重新思考产品与工程组织。如今最极端的运营问题变成了：“我能不能用电来完成，还是必须用血来完成？”

互动数据让最优秀的应用收入看起来更持久，而非仍处于实验阶段。 George表示，Harvey用户在产品中的使用时长大约翻倍；Abridge在快速增加临床医生用户的同时，用户互动保持稳定甚至上升；Navan如今用AI处理50%的旅行互动，帮助其毛利率在3年内提升20个百分点。George称，Flock每年协助侦破70万起案件，在其覆盖地区，警员的案件清除率提高近10%。

企业采用AI的意愿远远领先于落地进度，执行鸿沟正在扩大。 《财富》500强领导者表示必须成为AI公司，但George认为，核心约束不是模型是否准备就绪，而是变革管理。早期结果已经显示出其中的价值：Chime将客服成本削减60%，Rocket Mortgage则节省了110万小时的承保时间，并实现4000万美元的年度运行率节省。

AI赢家贡献了标普500近80%的回报，但George认为，这轮上涨的底层驱动力是盈利，而非投机性估值倍数扩张。 估值倍数高于平均水平，却远低于互联网泡沫时期；投资者偏好有利润的增长，而不是2021年市场追捧的亏损增长。他认为，长期有效的因子仍是增长：“归根结底，驱动5-10年回报最大的因素就是增长。”

基础设施建设带有泡沫特征，但利用率和融资结构仍与此前泡沫存在实质差异。 超大规模云厂商主要由历史上盈利能力强的公司和现金流支撑；运行了7-8年的 Google TPU 仍保持满负荷利用，A100 和 H100 的租赁价格也依然坚挺，因此才有了那句转述：“没有闲置的GPU”（“There are no dark GPUs”）。需要关注的是债务：Oracle正在进行一笔规模巨大的、现金流为负的云业务押注，其信用违约掉期成本已升至约2%。

回本门槛极高，可能远远延伸至2030年之后；与此同时，私募市场已经成为重要资产类别。 在超大规模云厂商累计资本开支约4.8万亿美元的背景下，到2030年，AI年收入需要接近1万亿美元——约占全球GDP的1%——才能达到10%的回报门槛；George粗略估计，目前规模只有500亿美元，尽管同比增速远超100%。与此同时，收入超过1亿美元的公司中约86%仍为私有公司，北美和欧洲规模最大的10家独角兽占据5.5万亿美元估值池近40%的价值。

🔗 原始收听与视频来源： AI Markets：与 a16z 的 David George 深度对谈

David George 的基准判断是，AI 基础设施正由足以承受过度建设的公司提供融资，而成本性能曲线正在持续向应用开发商倾斜。 按最新季度年化计算，大型科技公司的资本开支接近4000亿美元，其中“大部分”用于AI基础设施和数据中心；模型调用成本在两年内下降超过99%，前沿能力则每7个月翻倍。他预计AI会“像电力或Wi-Fi一样”，由大型科技公司承担大部分底层基础设施成本。

在 George 看来，互联网和云分发已经存在、且使用规模早已达到全球水平，因此今天的产能建设不能简单类比互联网泡沫。 ChatGPT在两年内达到3650亿次搜索，而Google用了11年；George估计各类产品的活跃AI用户达到15亿至20亿。建设者和租户的实力更强，但经由银行、私募债和保险公司传导的杠杆仍值得关注。“它建立在此前几轮技术周期之上。”

可寻址的价值池是劳动力，而不只是软件：美国软件支出约占GDP的1%，白领薪酬则接近20%。 George预计，AI创造的价值将超过移动互联网和云计算带来的约10万亿美元，其中可能有90%流向客户、10%流向供应商——这仍足以支撑巨大的市值。如果已完成的工作仍难以衡量和定价，竞争将把更多剩余留给用户。

消费级AI可能先在价格上带来惊喜，之后才是在覆盖面上超预期。 据介绍，ChatGPT月活用户已超过10亿，付费用户为3000万至4000万，而整体AI用户可能约20亿；印度市场的定价接近每月3至4美元，美国高端产品则达到200至300美元。George认为，P×Q中的P仍有很大上行空间，因为“可从用户基础中实现的变现上行，远大于价格承压的风险”。

Kha 和 George 对瓶颈的判断是，芯片和基础设施产能应能扩张，但未来5年能源很可能成为限制因素，散热紧随其后。 Kha看好核能，预计Three Mile Island将重新启用，并提到西德州天然气；xAI之所以能高速建设，是因为它在多个州抢购备用发电机，并从其他项目挖走劳动力。Kha认为下一个约束是为这轮建设降温，“不能把海洋煮沸”，也不能让芯片融化。

对于AI应用，George可以接受阶段性较低的毛利率，但不能接受产品缺乏用户热爱。 他的承保优先级是：在当前毛利率之前，先看90%或更高的毛利留存率和容易获客，前提是多家模型供应商持续压低输入成本；GPT-5、Anthropic和Gemini都被视为竞争压力。消费产品可以形成黏性，而原始开发者API“并不太黏”，因为切换模型只需调用一次API。

可投资的高增长前沿已经转移到私募市场，使得获取机会和流动性与标的选择一样，成为回报的核心变量。 估值超过10亿美元的私营公司合计约3.5万亿美元，而10年前为5000亿美元；如今公司保持私有的时间约为14年，未来12个月预计增长超过25%的上市软件和互联网公司仅约占5%。a16z的做法是将“不可否认的势头”与对最强研究团队的极早期押注结合起来。

只有当一家初创公司同时实现3项突破时，存量软件才真正脆弱：重构UI/UX、新的数据层和颠覆性定价。 George以Salesforce为例，认为其前端缺乏吸引力，却连接着极具黏性的数据库；AI可以让软件从保存记录转向直接完成工作，但他尚未看到能够颠覆Salesforce的杀手级思路。近期机会更多围绕记录系统展开，而不是全面替代。

除了AI基础设施和应用，George预计 American Dynamism 将成为下一个最大的领域，同时会布局一些AI赋能的医疗业务，并与加密团队协作推进加密投资。 如果稳定币市场起飞，相关赋能可能变得更重要。投资组合遵循最佳创意，而不是为新投与追加投资设定配额；George表示，a16z的优势还来自早期项目获取能力，以及对市场和产品的洞察。

🔗 原始收听与视频来源： AI 最大瓶颈：能源与散热

大基金之争，数据已经给出答案：a16z 历史上表现最好的基金规模为10亿美元——Databricks 已为该基金带来7倍回报，Coinbase 仅DPI就已达到5倍；在相近倍数下，大基金的表现也优于小基金。 结构性原因是：私募市场市值在10年间增长10倍，超过5万亿美元；a16z 对2017–2025年间前50家IPO的研究显示，53%的增值金额来自C轮及以后。关键在于“你捕获了多少赢家”。

George 认为，公开市场仍能提供更低的资本成本；Harry 的反驳很有力——Ramp 和 Lovable 很可能“与 Wix 的定价相同，而 Wix 正在创造20亿美元利润”——George 诚实的回答则是：“我们和这些公司还不在同一层级。” George 认为，私募市场真正的优势不是资金更便宜，而是避免股价波动和员工管理压力（Stripe、SpaceX、Databricks 都是如此）。

劳动力预算转向技术预算，已经出现积极苗头：卡车经纪商 CH Robinson 披露，自2022年底以来，AI 驱动的生产率提升了40%（人均每日处理货运量），营业利润率扩大680个基点；Microsoft 则削减了6%员工。 与此同时，公开软件公司如今“在被证明无罪前都被视为有罪……除非证明AI不会毁掉它，否则默认它会被毁掉”；Harry 认为，这会压制所有缺乏劳动力替代逻辑的公司，包括他持有的 Monday.com 和 Duolingo。

AI 收入只有在背后有用户参与度支撑时才算数：不可能以这样的速度看到多年的续费数据，因此 a16z 已将判断标准转向留存和参与度等领先指标；反向信号也成为筛选条件：“如果有一家自称AI公司的企业，毛利率却是SaaS水平，我们会问很多问题”——这可能意味着根本没人使用它的AI功能。

“造王者”不是一个牢靠的投资逻辑。 “如果投资逻辑是，我们的投资会把它变成赢家，那可能是一个相当脆弱的投资逻辑。” 对既有领导者的优先依附是真实存在的；SoftBank 把资本当作武器的做法，则“有点像一台逆向选择机器”——愿意接受补贴的公司，往往正是缺乏获胜理由的公司，补贴最终又流回 Google 和 Facebook。

模型不会吞掉应用：a16z 在18–24个月前“彻底改变了想法”；尽管AI读片效果更好，放射科医生人数仍在增加，因为扫描只占其工作量的30–40%。 模型层本身则可能像云计算一样走向寡头竞争：他认为 ChatGPT 会主导消费者市场，与 Anthropic 的B2B之争将是正面对决，而Anthropic 是 George 至今仍耿耿于怀的漏投项目。

自动驾驶投资是内部争议最大的项目：George 的团队认为2020年的价格过高；Mark 和 Ben 则以“这是自动驾驶……市场空间无穷无尽”为由推翻了这一判断，最终采取先投小额、后续大幅加码的折中方案，并取得了成功。 Flow 的逻辑是基于 Adam（很可能是 Neumann）的优势叠加进行承保：租金占美国平均租客可支配收入的30%，却是“每个人生活中唯一没有品牌的体验”。George 认为，机器人领域虽然 a16z 尚未进行大额投资，但可能成为“AI 最大的品类”。

🔗 原始收听与视频来源： a16z 的 David George 谈 a16z 最具争议的押注：AI 时代，利润率和收入还重要吗？

George 认为，消费级 AI 的变现天花板是个神话，历史已经证明了这一点。 私募市场投资者曾把 Facebook 和 Google 的收入上限定在「每用户20美元」；10年后，两家公司在发达国家每用户收入约为200美元。ChatGPT（大概率）达到 Google 的规模约快4倍，拥有约10亿用户，但变现用户不到5000万；交互界面将从被动响应式聊天机器人转向「主动式……长时记忆……多模态」，而最终胜出的广告形态，可能像当年的信息流广告一样难以预见。

对于企业级 AI，他有意扮演怀疑者。 「软件市场有4000亿美元，但白领劳动力规模巨大」这类演示「有点经不起推敲」。他的基准判断是：「90%的技术剩余都将归终端用户」，就像蒸汽机从未按照替代50名工人的价值来定价。商业模式进展最清晰的是客户支持（按结果收费）和编程（按消耗收费），其他领域「基本还没有定论」；但下一代企业级赢家仍可能比上一代大得多。

本期最核心的市场判断是：30%以上的增长仍未被市场充分定价。 原因在于投资者很难建模增长的持续性；2009年市场对 Apple 2013年的共识预测，在「全球覆盖度最高的公司」身上偏差达3倍，而增长率从80%降至75%再到65%，与从80%降至65%、50%、40%，会造成「估值相差3倍」。他的投资组合按美元加权增长112%，进入估值为21倍收入——「远没有 PE 里以15倍 EBITDA 买入一家增长12%的公司那么危险」。

大多数科技市场都是《格伦加里·格伦·罗斯》式竞争：「第一名拿凯迪拉克，第二名拿一套餐刀，第三名直接被解雇。」 绝大多数市值最终归于领导者——「Salesforce 没有第二名」。模型层是例外：它更像云计算或飞机制造，而不是航空公司，会形成多个玩家共享利润池。模型收入排名第二没有问题；但在主导性的消费聊天界面中排名第二，就不行。

可能投资 Waymo 的经历，是他学会摆脱电子表格束缚的关键一课。 2020年他曾反对：「这要花10年……估值会非常高。」Mark 和 Ben 回应：「不在乎……这是有史以来最大的市场。别想太多。」2020年的小额支票，到2024年底变成了更大的一笔投资，因为「消费者偏好直接拍在你脸上」——可能的 Waymo 仅用约400辆车，就在市场份额上超过了旧金山湾区约5万名 Lyft 司机。相比之下，机器人面对的是「无穷多的自由度」；他认为机器人技术成熟所需时间会长于预期。

风险投资已经悄然成为成熟资产类别。 全球市值最大的10家公司中有8家属于科技行业，其中7家由西海岸风险资本支持；私募市场市值约5万亿美元，10年增长10倍——接近标普500总市值的四分之一，也超过 Mag 7 的一半。与此同时，公开市场在20年间缩水一半，公开上市的软件、消费和金融科技公司中，增长30%的不到5家。稀缺资产——高增长——如今存在于私募市场。

a16z 评估 AI 公司的方法是：拉力胜过推力、持久参与度，以及反 SaaS 时代的低毛利率。 「市场是否在要求更多你的产品？」这句话贴在他的显示器上；推理模型上线后，Harvey 的使用量出现跃升——「律师需要推理」；而在 SaaS 时代反过来，低毛利率如今反而是荣誉勋章：「我是一个 AI 产品，而且毛利率有75%……那就说明根本没人用 AI。」终局可能是毛利率50%而不是80%的公司，但只要规模足够大，差别就不重要。

🔗 原始收听与视频来源： a16z Growth 如何投资

Gavin Baker 的答案是否定的：今天的 AI 建设热潮，无论估值还是利用率，都不像2000年泡沫。 Cisco 高峰期市盈率约为150–180倍，而 NVIDIA 约为40倍；互联网泡沫顶峰时97%的光纤处于闲置状态，如今「没有闲置GPU」（there are no dark GPUs），训练集群正把芯片用到熔化。大型上市 GPU 买家自资本开支加速以来 ROIC 提升了约10个百分点——这一趋势能否穿越 Blackwell 投资周期，仍是「有意思且开放的讨论」，但 Baker 个人认为会延续。

基础设施账单规模惊人，但买方拥有异常深厚的资产负债表缓冲。 David George 盘点了约1万亿美元的美国存量数据中心、未来5年计划投入的3万亿至4万亿美元，并估计 OpenAI 的承诺交易超过1万亿美元；相比之下，主要支出方每年产生约3000亿美元自由现金流，持有5000亿美元现金。按每1GW NVIDIA 算力投入400亿至500亿美元计算，George 认为，即便短期建设造成错配，也相当于「一个每年增加3000亿美元的8000亿美元缓冲垫」。

外界担心的循环融资确实存在，但在 Baker 看来规模有限且具有战略合理性。 NVIDIA 为 OpenAI 提供资金、OpenAI 再购买 NVIDIA 芯片，看起来像资金循环，因为「钱是可互换的」；但 Baker 认为，真正的驱动力是与 Google 的 TPU、DeepMind 和 Gemini 竞争，而不是底层需求疲弱。Baker 估计 Gemini 在两三个月内拿下了约15–20个百分点的流量份额，并怀疑按实际流量计算，Google 可能已经比 OpenAI 或 Anthropic 拥有更多 AI 流量；上述份额变化不包括 AI Overviews。

AI 可能强化 Mag 7 中的大多数公司，但执行失败仍可能是生死问题。 incumbents 已经拥有数据、分发、算力、资本和人才等关键投入，因此只要执行到位，AI 可能是一场延续性创新；否则，落得 IBM 的下场都可能算好结局。David George 称 ChatGPT 是「Google 的珍珠港时刻」（Pearl Harbor for Google），而 Baker 提醒，前沿实验室的毛利率在结构上会低于 SaaS，因为 scaling laws 和 test-time compute 会让产品持续高度依赖算力。

应用 SaaS 未必已经死亡，但赢家必须接受利润率压缩。 Baker 已经弱化了自己在2024年初关于所有应用 SaaS「可能归零」的判断，尤其是服务高度分散 SMB 客户的厂商；但他警告，若执着于守住80–90%的毛利率，可能反而放弃 AI 机会。真正的选择是「10美元收入、90%毛利率，还是50美元收入、60%毛利率」；与此同时， incumbents 可以先让 AI 产品盈亏平衡，等 Cursor 等领先者积累足够多的 token 后，再追赶可能就难了。

分发能力和推理能力，让消费级 AI 对长期平台的威胁没那么大。 AI 浏览器推出后，Google 可以先观察先行者3–6个月，再通过 Chrome 约50亿用户做出回应。推理和 RL 还能把庞大用户群转化为经典的产品—数据飞轮：用户改进算法，算法再改进产品。David George 认为 GPT-5 并不能证明 scaling laws 已经失效，因为它是「更小的模型」，目标是更经济地运行，而不是最大化能力。

结果定价可能是商业模式的转向，机器人则是同一逻辑向物理世界的延伸。 客服可以按解决任务收费，因为任务成功本身就是可验证的奖励；个人代理可能在完成购买后收取联盟佣金，从而挤压广告主过度支付的部分，而这正是 Google 搜索如此赚钱的原因。Baker 认为机器人「非常真实」，预计竞争格局会是 Tesla 对中国，并认为人形机器人之争实际上已经结束：机器人可以从视频或人类示范中学习，也能获得清晰的任务级反馈。

🔗 原始收听与视频来源： 有 AI 泡沫吗？Gavin Baker 与 David George