摘要

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。

精读

1. 大型科技公司正在为AI公用事业层提供承保

George从市场结构切入：全球市值最高的公司中，有5家——有时是6家——来自美国科技行业，前十大公司中则有7至8家。“科技已经吞噬了整个市场”，而AI正在以前所未有的速度推高公司的体量和投资金额。
将大型科技公司最新季度的资本开支年化后，规模约为4000亿美元，其中“大部分”流向AI基础设施和数据中心。供给侧的有利之处在于谁来承担成本：Google、Facebook、Amazon和Microsoft能够吸收过剩产能，而此前几轮基础设施周期的建设者并不具备这种能力。
与此同时，模型调用成本在两年内下降超过99%，约为100倍降幅，而前沿能力每7个月翻倍。George表示，这一降幅超过摩尔定律所预测的成本下降，使应用同时获得更好的输出和更低的输入成本。
经济价值的比较刻意拉大了范围：移动互联网加云计算创造了约10万亿美元的市值，但美国软件支出只占GDP约1%，白领薪酬却接近20%。George的“经验法则”是，新增价值的90%由客户获得，10%归供应商；Apple和Google说明，巨大的消费者剩余可以与极其出色的商业表现并存。

2. 既有分发能力让这轮建设不同于宽带周期

Kha提出的反驳值得保留：资本开支曲线看起来像21世纪初宽带建设及其痛苦的产能过剩。George说，世界最终“消化了这些产能”，但强调当时负责建设的是实力较弱的公司；如今的超大规模云厂商和租户更强，不过“需要关注的是”杠杆。
私募资本并不会消除系统性连接：George指出，银行为私募债公司提供融资，保险公司越来越多地站在这些公司背后，可能通过后门为这轮建设提供资金。尽管如此，他仍认为建设者和租户的身份是“对建设稳定性非常好的信号”，但并未声称融资风险已经消失。
需求以极度压缩的时间表到来。据报道，ChatGPT用了2年达到3650亿次搜索，而Google用了11年；原因在于AI可以直接继承全球互联网、智能手机和云基础设施，无需等待新的网络或硬件设备。这意味着“即时的全球分发”。
George估计，每月有超过10亿人使用ChatGPT，可能还有另外10亿人试用过；以某种形式活跃使用AI产品的人数达到15亿至20亿。具体总量仍有保留，但结论是明确的：“它们达到分发规模的速度，是我们此前从未见过的。”

3. AI能够实现此前平台做不到的价格歧视

历史上，Google、Facebook和Apple都缺乏一种清晰方式，按照每位消费者的支付意愿分别收费。AI已经开始进行用户分层：OpenAI在印度的产品定价约为每月3至4美元，而美国市场200至300美元的高端订阅被形容为“卖得飞快”。
George举出的购物案例体现了商业化逻辑：一个深度研究产品为他儿子挑选棒球棒，比较了详细规格和同比价值，给出了“非凡的答案”，省去了在Google中输入关键词、反复点击、先看到7条赞助链接再找到自然搜索结果的过程。这种体验可以支撑广告或类似联盟分成的变现，同时减少网站和企业获得的导流流量。
讨论中给出的估算是：OpenAI约有3000万至4000万付费用户，竞争对手合计可能另有1000万，相比之下整体AI用户约20亿。ChatGPT日活用户目前每天已使用产品28至29分钟，Instagram约50分钟，TikTok约70分钟——这说明在大规模变现前，AI已经获得了有意义的用户注意力。
对于每月烧掉数十亿美元的担忧，George表示，其中大部分支出用于研发和未来投资。过去12个月，免费竞争产品尚未对消费业务造成实质压力，但他也说这种情况可能改变；与此同时，消费者对产品的熟悉度比原始开发者API更具黏性，因为一旦出现更好的编码模型，应用只需“一次API调用”就能完成替换。

4. 能源是未来5年的瓶颈，散热紧随其后

Kha表示，在当前能源生产方式下，能源就是瓶颈。她最看好核能，预计Three Mile Island将重新启用，并提到数据中心靠近核电站布局，以及西德州天然气——后者也能高效为大型训练集群供电。George认同，一旦这个问题解决，瓶颈就会转移。
Kha表示，xAI曾在约四分之一的常规时间内建成当时全球最大的一个数据中心，但前提是采取了“疯狂且不自然的做法”：在多个州采购备用发电机，并从其他项目手中挖走劳动力。
Kha认为，经历供需失衡后，芯片和基础设施的生产能力通常会向需求靠拢，因此未来5年能源很可能成为瓶颈。随后她指出，散热将是下一个主要约束：行业必须“不能把海洋煮沸”地创新，而George补充说，也必须避免芯片过热熔毁。

5. 产品热爱优先于当下毛利率

George欢迎AI结果存在异常宽泛的区间：投资者不仅要判断市场规模，还要判断商业质量、市场力量、哪个环节胜出，以及即便赢家出现，价值是否仍会流向其他参与者。这种差异让当前阶段更难承保，但也带来了更具差异化投资回报的可能。
他最看重的两项营收端指标是毛利留存率和获客难度。如果期初有100个客户，他希望其中90%或更多的美元价值能够留存，最好还能扩大使用量；同样重要的是自然需求，以及相对于销售和营销成本而言较高的支付意愿——产品要能够“被从货架上抢走”。
对较低毛利率的容忍有明确条件，而不是盲目信仰：多家能力接近的模型供应商必须持续压低输入成本。George预计100倍降幅还会延续，只是速度可能放缓；他将GPT-5视为Anthropic的可信替代，并提到Google不断改进的Gemini编码模型。
投资组合不会接受“一堆毛利率为零的公司”。但与成熟SaaS相比，当留存和获客表现极佳时，George对今天的毛利率给予更多容错，因为更低的输入成本和更强的模型可能同时提升产品价值、增强黏性、改善单位经济性，而无需提高价格。

6. 工作流深度，而非模型调用，决定应用的耐久性

医疗听写、客户支持和高端金融分析看起来相对黏性较强，因为模型周围已经形成了集成、公司专属规则、工作流排序和企业级能力。品牌还固化了用户偏好的交互方式，使替换产品的代价高于简单更换底层模型。
实验性的内部工具创建和低端网站原型开发则不那么耐久。George预计市场将分化为两类：用于勾勒原型的产品，以及被信任去构建和部署真实应用的工具；每个细分领域最终由谁掌控仍“有待观察”，企业不太可能“靠氛围编程把自己的Salesforce.com搭出来”。
理想中的定价演进路径，是从永久许可证到SaaS席位，再到云端用量，最终转向对人类所完成任务的替代进行变现。客户支持走得最远，因为一项任务可以被明确判定为完成；但在其他领域，客户仍偏好熟悉的席位或用量定价，而客观衡量任务完成情况仍然困难。
George对未来5年所有软件都会采用新商业模式“信心不高”。在缺乏可信结果衡量的情况下，供应商无法捕获被替代劳动力的全部价值：就像蒸汽机一样，AI会在竞争和资本回报约束下定价，让大部分生产率剩余留在客户手中。

7. 私募市场如今掌握了大部分高增长发现机会

过去的“三倍、三倍、两倍、两倍”增长基准如今显得温和。George表示，领先公司达到1000万美元、再达到1亿美元收入的速度可能快了4倍，因此a16z会拿Cursor、Decagon、Abridge和ElevenLabs来比较新应用，而不是参考Shopify或DocuSign的历史增长轨迹。
公司过去通常在成立5至10年后上市，如今这一数字约为14年，而且还在延长。估值超过10亿美元的私营公司合计约3.5万亿美元，约相当于纳斯达克的10%至12%；10年前约为5000亿美元，规模扩大了7倍。
预计未来12个月增长25%或以上的上市软件和互联网公司，大约只占5%。Figma及其他优质公司仍可能上市，但George不认为高增长结构性迁移至私募市场的趋势会很快逆转；因此，持有增长较慢的上市公司的机会成本异常高。
George表示，基金很少投资上市公司，因为门槛极高，而私募机会集增长更快。更长的私有化周期带来了真实的DPI压力，而不是一张免费期权：他偏好定期要约收购，为员工提供流动性，并帮助私营公司与按季度归属的上市公司RSU竞争。a16z希望采取对每家公司战略上最优的做法，但最终必须实现投资变现，也不会回避持有期问题。

8. 获取机会与非对称性定义投资组合

AI策略分为两类：Cursor、Decagon、ElevenLabs和Abridge这类拥有“不可否认的势头”的公司，以及对George所称全球前5大团队进行极早期成长投资。早期建立的关系能在后续融资中取得“控球权”；他表示，a16z是xAI在Elon之外获得的第一笔外部资金。
George区分不同投资的回报特征，而不是对整个投资组合套用同一套标准。对于近期的Databricks投资机会，他认为2倍回报相对安全，3至4倍属于有信心的区间，同时表示基金不希望投资组合全部由这类项目组成。对于冠军公司，他认为严重下行情景下可能仍有约2倍回报，5年内有机会达到5倍，但未必能达到10倍。
对研究团队的押注具有更宽的业务结果区间，但也可能带来资本上的非对称性，因为即使原有公司计划失败，顶尖人才仍然有价值。George不会为高方差研究团队设定投资配额：“AI市场上不会再凭空出现另一个Ilya。”这类投资会在稀有人才出现时根据机会采取行动，由AI基础设施团队协助评估团队及其研究方向。
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。当机会符合成长基金标准时，加密投资会与Chris及加密团队协作推进；稳定币赋能尤其令人兴奋，如果市场起飞，相关投资可能获得更多关注。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。
要颠覆公共软件，必须同时具备3项要素：能够“替你完成事情”的重构UI/UX、纳入非结构化信息的新数据底座，以及针对席位制定价的商业模式创新。George尚未找到明确的Salesforce杀手；a16z更关注记录系统周边的机会，而其早期关系网络为约80%的新非早期投资提供了先发基础。
George表示，a16z的另一个主要超额收益来源是对市场和产品的洞察。与早期团队保持紧密联系，使成长团队能够更早看到新公司和新类别，同时让一支相对精干的团队覆盖足够广泛的机会。

Vol.205 音乐家陈其钢和电影《隐者山河》：与导演郭旭锋聊他的创作 Legora CEO Max Junestrand：单日新增700万美元ARR｜Harvey vs Legora：法律AI是否赢家通吃？