Marc Andreessen 的2026年展望：AI时间线、中美之争与AI的价格

摘要

• Andreessen 的基准情景是：AI 只是这场80年革命的第3年，而收入和需求正在验证这一转变。 他认为，AI 的重要性超过互联网，与微处理器、电力和蒸汽机并列；头部公司正以“绝对前所未有的起飞速度”将需求转化为银行账户里的真金白银。未来会有反复、停顿和经济模型失败，但与用户在5年或10年后可能使用的产品相比，今天的产品仍显得原始。

• AI 无需重建实体分发网络，就能触达50亿至60亿互联网用户，因此其普及速度和变现可见度都异常之高。 “你不可能下载电力”，但消费者可以把 AI 下载到售价低至10美元的智能手机上；一些产品已经提供每月200美元或300美元的套餐。民调可能显示恐慌，但实际选择显示，人们正在用 AI 处理工作、健康和人际关系——而且“他们喜欢这项技术”。

• 企业端的核心逻辑是：智能能够创造可衡量的商业价值，而其单位价格下降速度快于摩尔定律。 更好的服务、增购、留存、营销和 AI 原生产品都会带来直接回报；与此同时，“按杯购买的 tokens”越来越便宜，短缺会催生新增产能，数千亿美元、甚至数万亿美元正流入基础设施。Andreessen 预计，需求弹性会把成本崩塌转化为足以抵消、甚至超过降价幅度的需求增长。

• 模型市场更可能是一座金字塔，而不是赢家通吃的终局。 前沿“神模型”可能始终最聪明，但更小的模型会在6至12个月后复现其能力，并扩散到本地和嵌入式系统中。最典型的样本是 Kimi：根据早期基准测试，其推理能力接近 GPT-5，据称只需1台或2台 MacBook 就能运行——“又是一个星期二，又是一次巨大进步”。

• Nvidia 的超额利润同时也是“史上最强的蝙蝠信号”，会吸引竞争者进入芯片市场。 Andreessen 预计，AMD、超大规模云厂商自研芯片、中国芯片公司和 AI 专用初创企业，大约5年后将让芯片相较今天“便宜且充足”。GPU 的胜出既有历史偶然性，也因为适合并行处理；专用 AI 架构可能具备更高的经济效率，并进一步压低成本。

• AI 的战略竞赛已经清晰地变成中美竞赛，但双方的经济纠缠程度高于美苏对抗。 DeepSeek 从量化对冲基金中崛起，随后又出现 Qwen、Kimi 和其他中国模型，说明资源较少的参与者也能迅速追赶；机器人领域可能更有利于中国，因为其机电供应链已经在那里。Andreessen 承认，开源发布可能构成补贴式“倾销”，但更大的影响是迫使华盛顿把 AI 领导权视为一场双雄竞赛。

• 美国近期最大的政策风险，已从联邦限制转向覆盖红州和蓝州、总数约200项的州级法案。 加州被否决的 SB 1047 说明了风险所在：下游责任可能让开源开发者在多年后为模型被滥用负责，实际上扼杀初创企业和学术机构的发布。Andreessen 预计最终联邦权力会占据主导，同时承认失败的暂停条款过于宽泛，无法保留州政府合理的监管权限。

• 应用型初创企业捕获的价值可能高于“GPT 套壳”这一轻蔑标签所暗示的水平，但胜出的定价和市场结构仍是“万亿美元的问题，而不是答案”。 Cursor 等产品可以编排数十个模型，自研模型，并替换为开源模型；供应商可以围绕被替代的劳动力或创造的生产力定价，而不是围绕 token 成本定价。公司必须选择一套连贯的战略，但风险投资可以同时押注相互矛盾的方向：大模型和小模型、闭源和开源、基础模型和应用、消费端和企业端——从而获得“多种获胜方式”。

精读

1. AI 只是80年革命的第3年

• Andreessen 称 AI 是“我这一生经历过的最大技术革命”，其规模明显超过互联网，可与微处理器、蒸汽机、电力——甚至车轮——相提并论。因此，他认为现在还处于早期：相关时钟几十年前就已启动，但实际部署才刚刚开始。

• 他的起源叙事始于1930年代的一次分叉：计算机可以像加法器，也可以像人类认知。产业选择了字面意义上的数学机器，而神经网络的思想——由 McCulloch 和 Pitts 在1943年的论文中形式化——则作为“未被选择的路径”延续下来。

• 这条替代路径经历了连续数十年的乐观与失望。1989年 Andreessen 上大学时，AI 还是一块边缘领域；“2022年的圣诞节”，ChatGPT 突然证明，长期积累的神经网络研究确实奏效。

• 在那次实际突破3年后，前沿能力已经可以通过 ChatGPT、Grok、Gemini、Sora、Veo、Suno 和 Udio 获得。硅谷持久的优势，在于能够把一轮浪潮中的资本和人才重新投入下一轮，并激励新一代人加入下一个项目。

2. 收入表明市场仍处早期，即便今天的产品终将消失

• Andreessen 说自己“每天都会感到惊讶”：一方面，研究论文不断揭示他从未预料到的能力；另一方面，初创企业正把这些发现变成产品，让他“惊得下巴都掉到地上”。两股信号叠加，意味着技术和商业前沿都在不断扩张。

• 他的保留意见很明确：进步会以“反复和停顿”的方式到来。AI 经常过度承诺，产品会有令人失望的时刻，服务成本可能长期过高，个别商业模式也会失败；但这些都不能否定他所说的真正具有魔力的能力。

• 更硬的证据是，“真实客户收入、真实需求转化为美元并出现在银行账户里”，其速度前所未有。头部公司的增速超过他记忆中的任何公司，而产品形态仍很原始，因此他不认为今天的界面会像人们5年或10年后使用的产品。

3. 互联网为 AI 提供了已经建成的全球载体

• 互联网本身需要光纤、基站、计算机和智能手机。它的发明可以追溯到1960年代和1970年代，消费者使用始于1990年代初，家庭宽带主要普及于2000年代，移动宽带则大约在2010年前后普及；即便是2007年的 iPhone，最初也运行在窄带2G网络上。

• AI 继承了这套已经完成的分发系统。大约50亿、甚至可能达到60亿的人口可以通过移动宽带采用 AI，智能手机售价低至10美元，Jio 等项目则在连接剩余人口。“你不可能下载电力，”Andreessen 说，“但你可以下载 AI。”

• 变现也在跟上覆盖范围。消费级 AI 公司正在试验每月200美元或300美元的套餐，Andreessen 对此表示欢迎，因为早期软件公司往往在客户揭示价值上限之前，就通过限制价格“封顶了自己的机会”。

4. 智能有价值，但每一项投入成本都在通缩

• 在企业端，Andreessen 将问题归结为“智能值多少钱？”提升客户服务评分、增购、流失率和营销效果，都会带来可量化回报；把 AI 放进产品——甚至让汽车开口说话——也会创造额外的支付意愿。

• 基础设施的原生模式是“按杯购买 tokens”，但每单位智能的价格下降速度快于摩尔定律。Andreessen 形容投入端正在经历“超级通缩”，随后是与之更不相称的需求增长，因为客户不断发现新的用途。

• 产能遵循商品周期：“过剩的首要原因是短缺，短缺的首要原因是过剩。”可复制的瓶颈会吸引投资，数千亿美元、甚至数万亿美元已经流入芯片和数据中心，为未来10年的单位成本下降埋下基础。

• 主持人补充说，AWS 可以让部分 GPU 保持7年以上的生产效率，从而延长使用寿命并提升利用率。Andreessen 表示认同：硬件寿命和优化也是整体成本的一部分，即便今天基础设施支出的总额看起来仍然令人望而生畏。

5. 小模型将沿成本曲线追赶前沿模型

• 能力图表显示出一种反复出现的追赶：6个月或12个月后，一个更小的模型往往就能达到早期前沿系统的表现。大模型仍在持续进步，但它们此前独占的能力会被压缩进更便宜、可本地部署的形态。

• Andreessen 最新的例子是 Moonshot 的推理模型 Kimi。“至少根据目前的基准测试”，它复现了 GPT-5 的推理能力，超过 GPT-4，但据称只需1台或2台 MacBook 就能运行。他调侃说，OpenAI 会继续推进 GPT-6：“又是一个星期二，又是一次巨大进步。”

• 分歧仍在持续。一派认为，每项任务都会被路由到当时最聪明的模型；反方则认为，大多数经济活动并不需要“一个研究弦理论、智商160的博士”，一个能力合格、智商120的人就够了，而且更便宜。

• Andreessen 的工作假设是一座计算机式金字塔：顶部是少数数据中心“神模型”，下面层层递进的是更小的系统，物理对象内部则嵌入微型模型。最聪明的模型可能占据顶端，而更小的模型贡献大部分使用量。

6. Nvidia 的利润招来了全行业对 AI 芯片的围攻

• Andreessen 称 Nvidia 是一家出色的公司，完全配得上自己的地位和利润，但这些利润也是“史上最强的蝙蝠信号”。AMD、设计内部芯片的超大规模云厂商以及中国竞争者都在响应；5年内，他认为 AI 芯片相对于今天“变得便宜且充足”是“相当可能的”。

• GPU 的主导地位带有历史偶然性。图形处理器原本是 Intel 式 x86 CPU 的并行计算搭档，约15年前意外证明适合加密货币，又在约4年前证明适合 AI。Nvidia 的定位极其出色，但 AI 并不是这种架构最初的用途。

• 如果从零开始，Andreessen 预计会选择专用 AI 芯片，而不是搭载多余图形组件的完整 GPU。初创企业可能建立独立供应商，也可能被有能力扩大产能的公司收购；韩国、日本和中国也会提供更多选择，而他预计这将成为一场“巨大战争”。

7. 中国把 AI 领导权变成了双雄竞赛

• 冷战类比并不完整，因为美国和中国的生产体系高度交织。Andreessen 说，中国的治理基础是高就业；地缘政治分析人士认为，25%或50%的失业率可能制造中国共产党所担心的动荡，而美国消费者约占全球消费需求的三分之一，也是关键出口市场。

• 尽管如此，华盛顿仍在关注台湾和南海周边的军事风险、美国去工业化造成的依赖，以及全球范围内的扩散竞赛。在 Andreessen 的框架中，先进 AI 基本由美国和中国建造；地缘政治问题在于，最终在全球扩散的是美国系统还是中国系统。

• 中国的软件领域包括 DeepSeek、阿里巴巴的 Qwen、Moonshot 的 Kimi、腾讯、百度和字节跳动。华为主导芯片推进，而美国的一种普遍理解——尚未得到证实——是，之所以尚未出现下一个 DeepSeek，是因为政府要求它只能运行在中国芯片上。

• DeepSeek 是那个“超新星时刻”：能力出人意料地强、规模更小、采用开源方式，而且并非由国家级企业打造，而是由一家量化对冲基金创建。Andreessen 承认补贴式倾销的理论——中国的补贴式发布可能把西方 AI 商品化——但他强调，这一事件也证明了不知名的聪明团队可以参与竞争，并让美国继续自我克制变得更加难以维持。

8. 州级监管成为美国眼下最紧迫的政策威胁

• 两年前，Andreessen 曾非常担心会造成灾难性后果的联邦 AI 立法；如今，他看不到两党有多少意愿支持任何会阻止美国击败中国的措施。注意力已转向大约200项州级法案，这些法案由投机者和出于善意的两党议员提出。

• AI 天生跨州，因此他认为应由联邦权力进行监管。附加在“一个大而美丽的法案”中的州级法律暂停条款最终在后期垮掉；他承认，该条款既无法在政治上通过，实质内容也过于宽泛，因为州政府仍保有合理的监管职责。

• 欧洲是他的警示案例：他认为，欧盟 AI 法案压制了本地开发，并阻止 Apple 和 Meta 在欧洲推出领先能力。Draghi 报告将监管认定为竞争力问题，而欧洲目前正释放信号，准备撤销 AI 监管体系的部分内容；他还说，欧盟正在试图撤销 GDPR。

• 加州被否决的 SB 1047 原本会把下游滥用责任分配给开源开发者。Andreessen 用归谬法描述其后果：今天发布一个安全模型，5年后它被安装进核电站，然后开发者要为核泄漏承担责任。他说，这会消灭初创企业、学术机构和独立开发者的开源工作；a16z 的两党“little tech”议程认为，反对这类规则是维持产业领导地位必须承担的成本。

9. AI 定价应跟随价值，而不是 token 成本

• 基础设施的交易条件非同寻常：AWS、Azure 和 Google Cloud 原本可以把自己的“神奇新技术”藏起来，但既有的云计算竞争迫使它们按需出售智能。因此，初创企业无需承担巨额固定成本，就能“按杯购买”复杂模型。

• 但这并不意味着按使用量收费适合应用。Andreessen 更倾向于围绕商业价值收费：收取 AI 所执行的程序员、医生、护士、放射科医生、律师、律师助理或教师工作价值的一定比例，或者收取 AI 增强这些专业人士后带来的生产力提升价值的一定比例。

• 他对定价的反常识判断是：“高价格实际上可以成为给客户的礼物。”更高的利润率能够为更快的产品改进提供资金，而买家通常想要的是能用的东西，而不是绝对最低价。客户很少会在调查中明确表达这一逻辑，因此必须持续试验。

10. 开源和闭源模型都可能胜出

• Andreessen 的“诚实的非答案”是，竞赛仍未结束。闭源实验室报告了快速进展和“800个新想法”；它们可能需要新的扩展方法，但最接近实际工作的研究人员并不认为能力已经触顶。

• 开源同样在明显进步，并承担着另一项功能：它让教授、学生、公司工程师和地下室里的创业者了解最先进的 AI 如何运作。知识的扩散阻止专业能力继续被封存在2家或3家公司内部。

• AI 研究人员目前的收入可能高于职业运动员，但 Andreessen 认为这只是暂时的供需失衡。一些顶尖研究人员只有22岁至24岁，学习这个领域也不过4年或5年；未来会有更多人跟进。他对长期格局的答案可能很简单：两者都存在——高价的闭源前沿智能，加上规模巨大的开源和小模型使用量。

11. 应用公司正在成为模型公司

• 现有巨头正在激烈竞争：Google、Meta、Amazon 和 Microsoft，以及较新的现有巨头 OpenAI 和 Anthropic。xAI 几乎一夜之间也成为新的现有巨头，而 Mistral 是 Andreessen 对欧洲整体悲观判断中的例外。

• 新公司的供给也在持续。Andreessen 提到由 Ilya Sutskever 和 Mira Murati 领衔的基础模型项目，以及由斯坦福大学 Fei-Fei Li 领导的世界模型公司；他认为这些项目尚处早期，但前景可期。

• Cursor 驳斥了“GPT 套壳”的轻蔑说法。一个成熟的应用可能从依赖一家供应商发展到调用12个模型，最终使用50个或100个专用系统，同时向后整合、开发自有模型，并在第三方 token 经济性变得不再划算时转向开源模型。

• 追赶速度削弱了前沿模型拥有永久护城河的假设：xAI 从零开始不到12个月就进入最先进水平，随后约4家中国公司也追了上来。这可能给大型实验室的经济模型带来压力，但也强化了应用型初创企业的逻辑——它们拥有分发能力、领域知识和模型选择权。

12. 不确定性利好风险投资，但经营公司必须给出答案

• 公司面对开放的战略问题，仍然必须做出选择：资本、人才和产品架构都要求一套具体且连贯的答案，而错误答案可能致命。风险投资在结构上享有一种奢侈，可以把这些问题视为“万亿美元的问题，而不是答案”。

• Andreessen 表示，a16z 同时投资大模型和小模型、闭源和开源、基础模型和应用层、消费端和企业端——即便这些判断彼此矛盾。世界可能容纳多个“并且答案”；即使不能，投资组合仍保留“多种获胜方式”。

• 这一姿态源于他的理论：风险投资回报集中在架构转变发生的早期，早于现有巨头做出回应。Kleiner Perkins 曾从小型机转向互联网，并押注 Andreessen 曾参与的公司、Amazon、Google 和 @Home；错过一轮又一轮浪潮的公司最终只能逐渐消失。

• 他仍然惊讶于许多风险投资机构从 Bitcoin 2009年的白皮书一路到2021年的加密货币牛市都选择旁观，并认为 AI 领域也存在类似的被动。a16z 的 AI 重组反映了这次转变的规模；其“AD”项目受益于 AI 驱动的能源和材料需求，而加密货币、生物科技、医疗健康和药物发现也越来越与 AI 交叉。

13. AI 的社会许可将更多取决于行为，而不是民调

• Andreessen 和 Ben Horowitz 争论的更多是公司的公共形象，而不是核心决策。直言不讳和争议能帮助创始人在与公司会面前判断其勇气和信念；沟通也能触达距离硅谷3000英里的华盛顿官员。矛盾在于多久触碰一次“第三轨”议题，而不是是否应该发声。

• 技术恐慌一再重演：印刷机、马克思主义者对自动化的恐惧、Johnson 政府1964年的“三重革命委员会”、2000年代的外包、2010年代的机器人，以及今天要求暂停 AI 的公开信。硅谷如今已经成了“追上公交车的狗”，因此 Andreessen 说，建设者必须认真对待恐惧，并解释自己。

• 他的社会科学测试，是比较人们所说的话与“揭示性偏好”。民调受访者预测 AI 会消灭工作、毁掉一切；但实际观察到的用户却在下载这些应用，把 ChatGPT 带进工作场景，并以最快速度采用它们。

• 具体用途往往非常私密：解读与伴侣的争吵、检查皮肤状况，或完成一份“救了我一命”的周一报告。公共讨论可能来回摆动，但 Andreessen 预计最终会由行为胜出——在1年、5年或20年后，人们会说：“谢天谢地，我们拥有它。”

14. 现实是治愈风险投资过度自信的最快方式

• 当被问及最近什么改变了他的想法时，Andreessen 无法单独指出一个例子，因为这种情况“每天都在发生”，而且往往是某个年轻人拓展了他对可能性的理解。低温保存则不同：“不是用当前的冷冻技术”，因为他认为这项技术的过往记录很差，其相关故事也令人恐惧。

• 他承认，影响力可能扭曲现实，甚至有助于推动事情完成，但合伙人、公司结果，以及“整个互联网都准备告诉我我是个白痴”，都会提供纠偏。投资实验的反馈速度足够快，能够反复证明所谓更优越的分析其实是在“减损价值”。

• 错过赢家的伤害具有非对称性：失败的投资会破产，而被拒绝的成功项目会登上《华尔街日报》和 CNBC，30年里不断说：“你当时就把它放在办公室里。”至于火星，他个人仍然认为“可能不会去”，但——明确这不是预测——他不会对10年内出现常规火星旅行感到意外。