Jen Kha
前沿洞察
AI原生企业正以极高人效重构软件范式，但超大规模资本开支倒逼万亿级商业变现。随着底层模型加速商品化，单纯技术性能不再构成壁垒；真正护城河转向控制垂直工作流、专有结果数据与交付成品答案。同时，AI已升格为编码价值观的地缘主权基础设施，成为大国威慑与国家安全的前沿支柱，其终局竞争不仅关乎企业商业化重塑，更是全球政治权力的博弈。
观点集合
AI 的现状：模型、护城河与消费领域的复兴
前沿模型竞争正走向“多赢家”：xAI 两周内跻身三强，OpenAI、Anthropic 等凭专业化共同增长。B200 每小时价格上涨显示供给受限、需求近乎无限；coding agents 却在削弱整合护城河，开放权重模型或在有限上行场景占优，消费市场仍等待 AI 原生应用商店。
查看摘要（7段）
- Anish Acharya 明确站在前沿实验室“多赢家”一侧。 过去2周，xAI“从模型端甚至算不上真正的竞争者，变成了3家之一”——双雄竞争变成三足鼎立；与此同时，Anthropic 看似占据的主导地位让位于 OpenAI 表现出色的3个月（新模型、Codex harness，以及 ChatGPT 桌面应用），多家实验室在彼此取得成功的同时都在增长。Jen 补充了可交易的观察框架：X 是不完美的风向标，但能提前反映开发者情绪；Claude 正面临 token 使用量的反弹，而 Anthropic 将于今年晚些时候上市。
- 市场讨论不足的宏观情景不是泡沫，而是“如果我们的乐观程度还不够呢”。 B200 每小时价格正在上涨，尽管它并非最前沿的 GPU，而算力通常具有通缩属性；这“说明供给极度受限，而需求实际上无限”。SaaS 方面，2月的30–40%回撤属于过度抛售，不少公司已经反弹40%，但随着 SBC 扭曲的经济性开始显现，行业进入“加速，否则出局”。
- 多数护城河能够穿越低成本智能充裕的时代，但整合护城河正面临风险。 网络效应、规模/分销和品牌效应“处于有史以来最好的状态”（“再多 coding agents 也不会让 Nike 不再是 Nike”）；与此同时，coding agents 让 SAP 式整合能力大幅提升，也让 SI 和 GSI 面临一个“生死攸关的问题”。
- Token 支出会理性地按上行空间是否有边界进行分配。 对销售和产品而言，“为一个哪怕只聪明1个 IQ 点的模型支付几乎任何价格，在经济上都是理性的”——“你的 Fable 5、Gro 或 GPT56”；对财务而言，“你不可能把结账做得比准确好10倍”，因此，开放权重模型加强化学习可能是帕累托高效的选择。模型不是大宗商品：神经质、字面化的 GLM 5.2/5.3，与开放、擅自推断的 Kimi K3 迥异；组织需要这两类头脑。
- 实验室正在向下垂直整合至推理，而不是向上整合到应用层——这逆转了2025年初的恐慌。 Anthropic 的法律“插件”（其实只是长提示词文件的集合）引发了一轮恐慌，Thomson Reuters 等法律股随之下跌；但推理工作负载同质化且可规模化，应用层则高度特异、运营开支沉重；而在多模型构成帕累托前沿的世界里，实验室更难拿走“你全部的毛利率”。
- 消费者的季度可能终于到来，但“我们还处在 AI 的 DOS 时代”，正等待属于自己的 Windows。 开放权重模型正在让 AI 软件变得显著更便宜、性能更强（Jen 自己的 X 时间线应用接入1名新用户的成本是250美元）；市场仍没有 AI 原生应用商店，消费者却很有兴趣尝试并付费购买新软件。Anish 将这一时刻比作2009年圣诞节前后的 iPhone，只是如今消费者每月可能会支付200美元。
- 投资姿态已经转向真实上线的产品和技术型创始人。 如今，“无论处于哪个阶段，融资路演中没有展示真实上线产品，都是直接出局的理由”；创始人群体变得“少一些 MBA，多一些研究人员”；而根据 Ben 在 offsite 上的说法，“过去最大的风险是想法太大，现在最大的风险是想法太小”。除去 COVID 期间的一个高峰时刻，新企业成立数量已处于历史最高水平——那个本来会成为 YouTube 创作者的25岁年轻人，如今正在为所在社区开发 SaaS。
AI Markets：与 a16z 的 David George 深度对谈
AI原生公司的增速超过同业2.5倍，头部公司增长达到693%，每名员工ARR达50万至100万美元，互动数据也在验证应用需求的持久性。企业采用仍受变革管理约束，而超大规模云厂商累计4.8万亿美元资本开支，要求AI到2030年实现约1万亿美元年收入才能达到10%回报门槛。
查看摘要（8段）
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。
AI 最大瓶颈：能源与散热
超大规模科技公司正在承接AI基础设施投入，模型成本下降超过99%，前沿能力每7个月翻倍，价值池正从软件席位转向白领劳动力。未来5年能源很可能是主要约束，散热紧随其后；持久应用需要高留存、容易获客和工作流深度，而不只是模型调用。
查看摘要（9段）
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。