a16z，Anish Acharya：SaaS 已死？利润率还重要吗？为什么我们还没进入 AI 泡沫？

摘要

• 软件被过度看空。 Anish Acharya 对公开市场“SaaSacre”的回答是：IT 只占企业支出的8%-12%，所以“手里有这样一把模型创新火箭筒，为什么要把它对准重建 payroll、ERP 或 CRM？”ChatGPT 发布后，75%的上市 SaaS 公司都涨过价，平均涨幅8%-12%，其中很大一批涨幅超过25%；“价格是产品市场匹配度的衡量指标”。“什么都靠 vibe coding”的叙事“完全错了”。

• 编码代理对企业软件的真正影响，是切换成本崩塌。 Alex Rampell 说，“有些公司拥有的是人质，而不是客户”；过去从 SAP 迁移到 Oracle，是一个耗时多年、高风险、很可能失败并让你丢工作的项目，如今会大幅变得更容易。更少人质、更多客户，对整个生态是正向激励，而不是死刑判决。

• 应用层聚合模型。 基础模型大致“齐头并进”，80%是替代关系，20%是专业化模型，因此编排才是大量价值所在：Cursor 让 Gemini 负责前端、Codex 负责后端；创意工作者则会在 Midjourney/Krea 与 Ideogram 之间组合使用。这更像云计算式寡头竞争，而不是 Uber 对 Lyft。Harry 反驳说：“Cursor 今年的收入可能腰斩”，因为 Claude Code 很可能会抢走份额；Anish 的回答是，需求并非固定不变：“我们想要更大胆、更复杂的东西的能力，总是增长得远快于我们的资源。”

• 这不是泡沫。 OpenAI 通过把产能扩大3倍、营收扩大3倍，做到200亿美元营收；推理供应“100%已被预订”，客户价格也在上涨，而不是被压缩。今天的补贴——免费试用额度——是“健康热量”，会转化为每月支付200-300美元的高频用户：Grok Heavy 很可能是300美元，ChatGPT 200美元，Gemini Ultra 250美元；相比之下，过去 Spotify 把消费级订阅价格封顶在20-25美元。

• SaaS 预算向人工预算迁移已经开始。 语音是“进入企业的楔子”，真正的10倍提升在于把客服、销售、催收和运营围绕一个目标捆绑起来，比如改善 CAC。法律软件市场规模为500亿美元；Anish 先把法律称为资本主义的“5亿美元基础设施”，Harry 则称其为“5000亿美元市场”——AI 最终能拿到的份额“更接近5000亿美元，而不是500亿美元”。

• 非典型机会反而会赢。 这些模型是情绪化、具有人性的技术，而 Google/Apple 内部有“1000个委员会，明确负责确保产品里永远不会出现说服、分歧或性表达”，因此陪伴及其他令人不适的品类会留给创业公司。传统护城河仍然有效：网络效应依旧是“黄金标准”，实时专有数据也能胜过没有这类数据的前沿模型。

• a16z 的执行标准很直白：6年半里，“我从未输掉过一笔交易”。 “我们不被允许相信运气……必须看到自己领域内100%的交易，并赢下我们主动争取的100%交易。”价格可以有弹性：低于1亿美元的项目，按60亿美元估值拿12%还是按75亿美元估值拿15%，“差别不大”；所有权比例则没有弹性。

• 2026年的判断是： 移动互联网时代，Friendster 等早期赢家输给了后来者 Facebook；但这一次，2023-24年的早期领导者 Harvey、Gamma 仍然保持领先。 2026年会诞生新的 AI 原生品类，Open Claw 和 Moltbook“只是开始”。Moltbook“作为一个单独的数据点，现在可能被高估了，但它所指向的方向性趋势被低估了”。

精读

1. 城市是最早的网络效应——旧金山仍然胜出

• Harry 先推销伦敦：人才更便宜、留存更久，也没有频繁跳槽的风气。Anish 没有顺着他说：“我不同意。我希望事实确实如此。”城市是最早的网络效应；在“很多秘密都只是在阴暗的走廊里低声传递”的当下，身处旧金山的好处巨大——而且，愿意放弃其他一切搬去那里，本身就会带来选择偏差。

• 另一个释放正向信号的地理市场是特拉维夫。当地人口1000万，“你不可能自欺欺人地认为国内市场会足够大”，所以创业公司一开始就必须走向全球；伦敦人口6000万，市场又刚好大到足以把公司困在国内，高 LTV 金融科技除外。30亿-50亿美元的结果已经“非同寻常”，但要做出万亿美元公司，从第一天起就需要“一套能够导向这一结果的假设”。

2. “SaaSacre”被过度解读——把火箭筒对准另外90%

• 他对公开市场抛售、也就是 Bloomberg 所称“SaaS 末日”的核心判断是：“软件被完全过度看空……这是一个愚蠢的故事。”IT 只占企业支出的8%-12%，所以即便 ERP 和 payroll 全部靠 vibe coding 重做，节省的也只有8%-12%：“手里有这样一把模型创新火箭筒，为什么要把它对准重建 payroll、ERP 或 CRM？”真正应该瞄准的是企业的核心优势，或支出的另外约90%。

• 与“席位会收缩”空头叙事相矛盾的事实是：ChatGPT 发布后，75%的上市 SaaS 公司都涨过价，平均涨幅8%-12%，其中很大一批涨幅超过25%。Harry 问，这不是因为席位数不再增长、公司被迫涨价吗？Anish 回答：“价格是产品市场匹配度的衡量指标。”在真正的竞争压力下，公司会降价，而不是涨价。老牌公司也不是遗物：ServiceNow“不是 IBM”，而且还上调了指引。

• 他仍然保留了对冲表述：“当然会有长期输家。”按席位定价、被迫转向按结果收费的模型，会面临“很大的拖累”；但对大多数 SaaS 公司而言，被重写的“上行空间非常小……下行空间却非常大”。

• 一个尚未得到充分讨论的机制是：编码代理会摧毁切换成本。Rampell 的原话是：“有些公司拥有的是人质，而不是客户。”他说的是 SAP：迁移到 Oracle 曾经是一个耗时多年、很可能失败、甚至会让你丢工作的项目。现在，这一迁移会变得大幅更便宜、更快：“切换成本下降，客户增加，人质减少——这对整个生态都是正向激励。”

3. 应用聚合模型——云计算式寡头，而不是 Uber 对 Lyft

• 关于 Rampell 提出的竞争——“在位者会先收购创新，还是创业公司会先获得分发？”——历史给出的答案是：有能力的在位者会把既有产品做得更好，“Microsoft 会做出比过去更好的文字处理器”；但原生品类会交给创业公司。AI 电影制作没有现成的在位者，“它大概不会属于 Adobe”。

• 应用层价值之所以被低估，是因为2022年的噩梦是：某一个基础模型成为唯一供应商。那就像只有一家唱片公司拥有 Beatles——“你可以收走客户99%的毛利，实际上往往会收走100%甚至110%。”现实却是，模型提供商大致“齐头并进”：80%属于替代关系，开源模型也能做同样的事；剩下20%“蕴含了大量价值”，因为它们是专业化模型。

• 这使聚合变得有价值：Gemini 擅长前端，Codex 擅长后端，Cursor 就成为“编排所有模型的单一入口”。创意领域里，Midjourney 和 Krea（Krea 1）是有明确审美取向的模型，Ideogram 则专门为平面设计师保持不带倾向；真正工作的创意人员需要同时使用它们。市场结构“更接近 AWS/Google Cloud，而不是 Uber/Lyft”：模型之间大体可替代，但存在真实的专业分工，利润率也不会被价格战完全抹平。

• Harry 的反驳值得保留：“我认为 Cursor 今年的收入可能腰斩”，因为 Claude Code 很可能会抢走它的份额，“我认识的人里没有谁没转过去”。Anish 认为，错误在于假设效率会上升，而雄心和客户数量保持不变：“我们想要更多东西、做更大胆事情的能力，总是增长得远快于我们的资源。”Cursor、作为应用和 CLI 的 Codex，以及 Claude Code，都将找到产品市场匹配度并继续增长。

4. 创业公司的空间：实验室不会做的功能面，以及“怪赛道会赢”

• Granola 并不是 a16z 的被投公司，却已经“被抄到天上去了”；OpenAI 已经在 ChatGPT 内置了会议转录功能。但 Granola 被认为真正想做的，是围绕这一基础能力打造生产力套件。问题在于，OpenAI 是否具备“优先级判断、资源和雄心”去构建完整的功能面。模型“经常会重建基础能力，甚至会做产品营销——我认为 Claude 的法律产品就是这样”，而且模型天然是单模型架构；“多模型、丰富功能面”更有利于应用公司。

• 被问到“无聊的赢家”时，他反过来修正了自己的说法：“我认为怪赛道会赢。”这些模型“狂野、不可预测、情绪化，非常人性化”，可以被用于分歧、说服和性表达。“如果你是 Google 或 Apple，内部有1000个委员会，明确负责确保产品里永远不会出现说服、分歧或性表达。”这正是创业公司的空间。

• 陪伴类产品就是证据：很可能是 Character.AI、很可能是 Janitor AI，也很可能是 Replika——“可能是最健康、最有滋养性的形式之一”。它们得到用户欢迎，却让实验室感到不适，“或许 Grok 也算”。如果问他会不会让孩子使用这些产品，答案是“当然会”。他希望创业公司做出一种情境化陪伴者：陪儿子玩 Minecraft，“示范亲社会行为，同时保持酷和松弛”；对老年人，则可以打电话提醒吃药，“稍微和他们调调情，聊聊第二次世界大战”，提供精神滋养，却不会让人觉得是在被照看。

• Harry 反问，这难道不会让人变得更加封闭吗？Anish 回答：“恰恰相反。”富裕人群拥有心理治疗、“过剩的社交资源”，或者宗教；但“对今天社会中的大多数人来说，他们根本没有出口，我确实认为技术可以成为那个出口”。他的乐观判断也围绕同一个观点展开：“人类体验的 NPS，姑且这么说，正在上升。”

5. 人们想花时间，而不是节省时间——旧护城河仍然有效

• 与“一切都会变成语音”的共识相反，语音“对企业来说非常棒”，但在消费端，聊天和动态 UI 被“夸大了”。他引用 Replika 创始人、如今很可能在做 Wabi 的 Eugenia：“大多数人不是想节省时间，而是想花时间。”产品通常由 Sam、Elon 这样“全世界行动力最强的人”设计；对他们来说，聊天框是最优界面。但浏览式界面大体会继续存在；聊天是否会成为表达意图的未来，“我仍然有点怀疑”。

• 可防御性依然存在：“网络效应是黄金标准。”全世界所有的 vibe coding 加在一起，也动不了 Airbnb；不过，Moltbook 式的合成网络，可能会让某些类型的网络效应不再像过去那么难以攻破。

• 他过去一直怀疑的护城河——“数据网络效应”，也就是“当你想不出还能说什么护城河时，经常被拿出来的东西”——如今以一种形式变成了现实：实时专有数据，很可能指 OpenEvidence。“你可以在它前面接一个相对普通的模型，得到比没有这些数据的最前沿模型更好的结果。”记录系统也会出现同样的分化：没有互动层的本地部署数据库“存在一定风险”；银行的核心系统——每秒数千笔交易、数百名人工参与者、极高的准确性要求——则“像黄金一样可靠”。

6. 利润率：今天的健康热量，以及终于愿意付费的高频用户

• 他坚持强调其中的细微差别：2021年的扭曲，是对 Google 和 Facebook 的“间接补贴”——融资1000万美元，拿800万美元去投广告——那是“空热量”。今天的扭曲，是为试用提供零毛利甚至负毛利的额度；这属于“非常健康的热量”，因为它会转化为高付费的高频用户。AI 原生公司的混合利润率看起来更差，但这种扭曲的形式比5年前好得多。

• Andrew Chen 在 AI 时代之前说过，“高频用户就是普通用户”，这条规律已经失效。Spotify 的顶价计划曾把消费端价格封顶在每月20-25美元；现在，很可能 Grok Heavy 是300美元，ChatGPT 是200美元，Gemini Ultra 是250美元——价格上涨10倍，外加消费收入，使得围绕这些用户进行的销售与营销投入“非常值得”。他认为 Jason Lemkin 的相邻判断“100%正确”：“对最好的公司来说，影响力就是新的销售和营销。”

• Harry 团队的运营框架是：把第1个月视为免费的自然流量，而不是获客用户；把试用期的利润率成本计入 CAC，再从转化用户身上读取可持续利润率。M2 是新的 M1；之后仍沿用过去的留存标准：M12 达到50%算扎实，达到“60%-70%，我们会非常非常满意”。

7. 这不是泡沫——供应100%被预订，价格还在上涨

• 他的俏皮话是：“这不是泡沫，而且这是好事。”OpenAI 已经做到200亿美元营收，靠的是把产能扩大3倍、营收扩大3倍；相比过去泡沫时期供应远远领先于需求，如今推理供应“100%已被预订”。客户价格在上涨，而不是被压缩。现有的补贴则是“智能补贴”，主要由大科技公司和实验室买单，同时让消费者和创业公司受益。“谢天谢地。”

• Harry 引用 Rory O’Driscoll 的检验标准：只要支出能从12%的 SaaS 预算迁移到人工预算，这套逻辑就成立。Anish 回答：“我们已经看到了”，并提到 CH Robinson 的案例。“语音是进入企业的楔子”，近期真正的奖品不是更便宜的客服：模型既可以随时充当富有同理心的倾听者，也可以随时成为魅力十足的“话痨”。因此，成熟公司会把客服、销售、催收和运营围绕改善 CAC 这一目标捆绑起来，“这将带来生产率上的10倍提升”。

• Lemkin 的反驳是：今年会出现按价格进行替代的现象，ElevenLabs “非常出色……但太贵了”。Anish 不同意：产品化能力已经超过成本下降速度——“有人会说，我应该回去用更便宜的 Sonnet 3.7，或者改用 Opus 4.5、Codex 5.2 以外的东西吗？没人会这么说。”况且，自 GPT-4o 发布以来，token 成本已经下降了100倍。

• 成本本身是一项功能：它迫使公司建立“商业模式卫生”，这是那些免费但没有商业模式的产品从未经历过的。与其让 ElevenLabs 用融资的5亿美元补贴一场圈地战，不如继续推动前沿：软件最终应该逼近消费者可选消费和企业支出的80%-90%，覆盖陪伴、娱乐、心理治疗、医疗和教育。

8. 法律不是500亿美元市场，而是5000亿美元的资本主义基础设施

• Harry 无法把 Thiel 学派“竞争是失败者的游戏”与现实中的约50家客服创业公司对应起来：它们融资超过5000万美元，其中10家融资超过1亿美元。Anish 回答：“你所说的市场，其实是一个行业。”Anish 起初说法律是资本主义的“5亿美元基础设施”；Harry 则称其为“5000亿美元市场”。Anish 回答，没有哪一家公司的胜利能覆盖全部市场，AI 能拿到的份额会“落在500亿美元和5000亿美元之间——更接近5000亿美元”。

• AI 带来的不是消灭岗位，而是生产率大幅提升。岗位本质上是由一组任务构成，而这些任务很难实现100%自动化；因此，20%的生产率提升更可能表现为“每周工作4天”，而不是岗位减少20%。“你可以把客服工作全部自动化，但有时还是得请客户吃一顿牛排晚餐。”

• “你只管休息一天，AI 替你把一切都做完”的代理最大主义，“可能略微领先于现实进展”。人类仍会在环路中处理例外情况；我们的指令“模糊得令人沮丧”，模型则会钻进局部最优，“很多时候需要人类直觉才能从局部最优跳到全局最优”。BPO 先被自动化，因为它们是从队列中取出、定义清晰的任务。至于 UiPath，他没有下定论，只指出“视觉模型远远没有跟上”。

9. a16z 的标准：看见100%的交易，赢下100%的交易——不允许归因于运气

• 被问到最痛苦的一次失手时，他回答：“我没有输掉过一笔交易”，时间跨度是6年半。Harry 委婉地问，这是否意味着风险敞口太低？Anish 仍坚持：“在 Andreessen，我们不被允许相信运气。必须看到自己领域内100%的交易，并赢下我们主动争取的100%交易。”基于充分信息做出错误决策没有问题；根本没看到这家公司才是问题。这也呼应了 Marc 那条令人抓狂的入职建议：“只要经常做对就行。”

• 对于 Harry 认为 Series A 是最难投资阶段的说法——营收100万美元、100-200倍估值倍数，相比2500万美元种子轮，价格与进展不匹配——Anish 回答：“我不同意。”投资人可以选择自己承担哪类风险：竞争、定价、团队、地域或融资。“已经交付过产品、卖出过产品，是一个极其强烈的信号。”对他来说，A 轮是信息最充分的投资点，同时还能获得理想的进入所有权。“它本来就应该很难，但你无论如何都应该赢。”

• 价格非常有弹性，但所有权“没有太大弹性”。在低于1亿美元的交易里，“60拿12，75拿15——差别不大”；价格真正的成本在于下一轮融资预期，而到了成长期，按3亿美元、5亿美元还是7亿美元估值融资，差别就非常大。所有权比例则是“把所有筹码都押上”的全部逻辑。

• Triple-triple-double-double 并没有失效，标准应当“根据你所在的细分市场校准”，也就是相对于同类公司的前四分位表现。“有些市场就是存在物理规律”：ERP 买家谨慎，payroll 是慢慢沸腾的销售周期，而 Deel 把它变成了快速沸腾。新的基础能力则允许公司从10做到100，甚至从10做到200。他也为“曲线下面积型公司”辩护：Figma 安静建设3-4年，最终形成了一个拥有 N-of-1 网络效应的产品，如今正好赶上工作从执行转向思考；相比那些被追捧的1到100故事，这类公司经常被低估。

10. 改变看法：早期领导者守住领先，2026年诞生原生品类

• 他承认自己犯过的错误，是2021年对产品市场匹配度“有点太随意”。当时他投资的是一个可信创始人的理论，而且与自己的理论相吻合，却没有追问“这到底有没有奏效”。带着这种“明明还没有奏效，却先假设它已经奏效”的自我欺骗去投资，本身就是错误。

• 关于 TAM 的教训是：“我们总是低估市场有多大，同时总是高估从0到1有多容易。”Credit Karma 是典型案例：纸面估算只会得到一小群每年需要查询两次信用分的人；现实却是，超过1亿美国人使用它，5000万季度活跃用户每月登录4次。信用分其实是“一面人们喜欢照着看的镜子，用来客观地确认自己作为一个成年人过得怎么样”。推论是：面对一位强大、并且正在非线性进步的创始人，“惯性是宇宙中最强大的力量……你必须在平局时押注他们会永远做下去。”

• 这一轮让他意外的是：移动互联网时代，2008-09年被看好的赢家——那些 Friendster——输给了后来出现的 Facebook；但这一次，2023-24年的早期领导者 Harvey 和 Gamma 仍然保持领先。他的时间线是：22年11月 ChatGPT 出现；23年，显然正确的想法开始启动；24年底，推理模型 o1、DeepSeek 让那些尚未奏效的想法开始奏效；25年，模型规模化。“2026年我们会看到一整套全新的品类……既然我们现在知道了所有这些事情，你会创办什么公司？这才是关键问题。”Open Claw 和 Moltbook 只是开始。

• 至于 Moltbook 本身，他认为它“酷得离谱”，即使接受那种批评——很可能来自 Balaji——认为它只是“机器人狗互相吠叫”。真正重要的是方向：数字分身进行虚拟约会，再为自己的主人撮合；以及刚刚重创 Match 股价的 UGC 叙事。“Moltbook 作为一个单独的数据点，现在可能被高估了，但它所指向的方向性趋势被低估了。”