Jen Kha

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。

🔗 原始收听与视频来源： AI 的现状：模型、护城河与消费领域的复兴

AI模型正成为地缘政治基础设施：它们将介入几乎所有产品，同时把存在争议的历史、伦理与价值观编码其中。 Horowitz警告说，“模型并不客观，它们有自己的观点”（“the models are not objective. They have opinions”），因此模型选择是主权决策，而不只是基准测试或成本比较：汽车、教育和家庭系统中的默认设置，最终都会投射某一方的世界观。

威慑越来越取决于创新速度，而不只是军力规模；这正把私营AI、autonomy和网络安全厂商拉进盟友安全体系的核心。 Neuberger以霍尔木兹海峡和红海为例：对手可以部署廉价、由软件构建的系统，而“这些技术如今并不是由政府在打造”。政府获取私营部门能力的通道，以及盟友间的互操作性，因而成为战略资产。

AI和API让产品需求全球化的速度超过初创公司的组织供给能力，给VC支持的公司制造了商业分发瓶颈。 Raghuram将过去“几亿美元营收”的出海门槛与今天更早出现的国际需求拉动进行对比，但强调当地关系网络和市场结构仍然重要。在经济结构高度头部化的国家，5家或10家公司加上政府可能就是最关键的市场入口，因此先拿到关键关系，可能优于过早铺开全国市场。

一个锚定客户可以彻底改写进入市场的经济账：一笔500万美元或1000万美元的机会，足以支撑同等规模的前期国家投入。 Horowitz认为，这正是a16z在盟友、AI导向且高度依赖关系的市场中的优势：政府、企业、投资人和采用进程彼此交织。目标市场包括日本、韩国、中东、墨西哥和加拿大；Raghuram指出，日本、韩国和台湾合计拥有《福布斯》全球2000强企业的15–20%。

网络安全是最清晰的双重用途AI机会，也是最棘手的政策陷阱：发现漏洞既能用于修补，也能用于攻击。 Neuberger认为，模型对防守方的帮助可能“大得多”，因为防守方要覆盖广阔的资产面，攻击者却只需要找到一个入口；AI可以“持续、规模化地拧动每一扇门的门把手”。但Horowitz警告，限制漏洞发现能力，也可能阻止防守方审计和修补自己的代码。

硅谷不是一套可以直接在线复制的软件；它的护城河来自技术人才、鼓励创业的规则，以及赋予冒险者社会地位的文化。 Horowitz把“互联网能够催生分布式硅谷”的论点称为“轻松话术”（“happy talk”），并警告这种文化“很容易被摧毁”。对投资而言，推论很直接：税制、财产制度、雇佣规则和社会激励，既能扩大创始人与成长资本的供给管线，也能让它突然收缩。

🔗 原始收听与视频来源： Ben Horowitz 谈全球科技、权力与影响力之争

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

AI 正在成为完整的软件产品周期，而不再只是单一模型周期，因为它叠加了 PC、互联网、云和移动等此前每一层，并通过智能手机触达数十亿潜在用户。 Rampell 表示，如今软件行业“绝大多数新增收入”都来自 AI，覆盖基础设施和应用层；短短2年间，能力也从文本、图像和基础推理推进到原生音频与实时交互。对投资者而言，这意味着应用市场可以建立在已部署的分发基础上，而不必等待一批新设备出现。

采用证据正在从新奇体验转向投资回报：Ramp 的客户支出数据在2025年1月出现拐点，一批软件公司在1到2年内从零做到1亿美元收入，全球约15%的成年人每周使用 ChatGPT。 Rampell 的行为学概括是，人们想要“更富、更懒”；如今“魔术真正进入了企业”，因为 AI 已经能够节省时间、降低成本或创造收入，无论当前估值是贵还是便宜。

AI 原生替代品最好的切入口在于绿地场景，而已有的记录系统让棕地替代极其困难，也让 incumbent 能够从被其工作流锁定的用户身上变现。 一家拥有50名员工、3个实体和2种货币的公司需要摆脱 QuickBooks 时，Rillet 有机会胜出；但“AI NetSuite”或 Mailchimp 克隆品会面临巨大的迁移摩擦。Rampell 有意说得尖锐：“最好的公司拥有的是人质，不是客户。”不过，他区分了持久护城河和让用户厌恶的生意。

最大的新增 TAM 来自把劳动力变成软件，但最有说服力的销售话术往往是创造收入，而不是削减员工人数。 据报道，Salient 能帮助汽车贷款机构多收回50%的款项，支持21种语言，跟踪全部50个州、有时甚至县级的法律要求，并为一家员工年流失率达40%-70%、规模5000万美元的呼叫中心自动化工作。“我们会让你赚更多钱，而且成本更低”比单纯讲节省成本更有力。

AI 能力是差异化因素，不是防御性壁垒；真正的护城河在于掌握端到端工作流，并让私有结果数据持续复利。 EvenUp 让“几乎100%”的案件都经过线索接入、证据收集、医疗时间线、索赔函和诉状等环节，随后学习哪些案件可能值5万美元、哪些可能值500万美元，从而有机会把可行案件的最低价值门槛从5万美元降到5000美元。Haber 称这一闭环是“拿枪参加刀战”。

封闭式数据业务如果出售加工完成的答案，而不是授权原始信息，能够捕获大得多的价值。 OpenEvidence 将独家医学期刊授权与类似 ChatGPT 的界面结合，据报道每周有三分之二的美国医生使用；VLex 聚合法律记录26年后加入 AI，收入据报道增长至原来的5倍；Ask Leo 则利用通常无法获得的合同历史，例如50份 Deloitte 协议。Rampell 的比喻是：掌握稀缺的“蔬菜”，再出售做好的成品菜。

即使 incumbent 强大，创业机会依然存在，但筛选标准会转向模型聚合器、专有语料库、垂直操作系统，以及一次性买下分发渠道的并购，而不是无休止地滚动收购服务公司。 Acharya 认为，聚合器可以在专业模型之间提供“单一视图”，不像绑定第一方模型的实验室；Rampell 更愿意以3倍 EBITDA 收购一家拥有5个蓝筹客户、规模正在收缩的服务商，而不是整合200家会计师事务所。早期企业客户留存被描述为强劲，随着客户开始询问创业公司 AI 应该落地在哪里，支出正转向前置部署工程。

🔗 原始收听与视频来源： 超越模型本身的 AI 机会