AI 周期的结构性翻面:从“软件经济”到“物理世界资本回归”—— 一份 a16z 基于产业数据与资本流动的周期重估报告

TL;DR

我们正在经历的，可能不是一轮“AI 革命”，而是一轮“经济结构翻面”。

过去两年，关于人工智能的主流叙事几乎高度一致：模型能力持续跃迁、推理成本快速下降、应用层即将爆发、生产率曲线将被重新抬升。

但如果把观察尺度从“模型进步”拉长到资本市场结构、产业分工与企业组织方式，会发现一个更关键的偏差：

技术仍在沿着指数曲线前进，但经济系统的重心正在发生方向性的重排。

这一轮周期中，资产定价逻辑、行业收益分布与企业组织形态，都呈现出明显的“结构性翻面”。科技依旧是核心受益者，但其所嵌入的经济底座，正在从以软件和轻资产扩张为主的数字经济，转向更依赖算力、能源与物理基础设施的混合系统。

换句话说，这轮 AI 周期并不主要表现为增长加速，而更像一次对既有经济结构的重新分配与重组：

资本在重新定价行业权重，产业在重新划分价值链位置，组织形态也在重新定义效率边界。

在这个意义上，AI 不是一个技术变量，而是一个 系统边界变量。

01

 周期的“镜像翻转”：同一轮科技，不同的经济底层逻辑 

如果将后金融危机周期（2010–2020）与后疫情周期（2020–至今）放在同一坐标系中，一个结构性事实会变得非常清晰：

同样是技术驱动周期，但资本回报的来源发生了系统性翻转。

1. 行业回报结构的镜像反转

两轮周期的行业收益呈现出明显的对称性变化：

行业	2010–2020	2020–至今
医疗 / 消费 / 媒体	稳定高回报（双位数）	回报中枢下移（约 3–6%）
能源 / 原材料 / 建筑 / 金融	长期低估值、低回报	盈利与估值双修复（中高双位数）

变化的核心不在行业轮动，而在 定价机制变化：

• 上一轮周期：回报来自需求扩张
• 本轮周期：回报来自供给约束与成本重估

科技仍然是唯一长期占优资产类别，但内部结构发生分化：

• 硬件持续受益于算力与基础设施扩张
• 软件进入“增长放缓 + 估值重估”阶段

本质上：

市场正在从轻资产互联网范式，切换至重资产真实经济范式。

2. 从 asset-light 到 asset-heavy：资本偏好的再定价

过去十年资本市场的主导逻辑是轻资产：

• 软件边际成本趋近于零
• 平台网络效应驱动规模扩张
• 消费互联网成为增长主轴

但进入 2020 年代后发生反转：

• 能源重新成为核心约束变量
• 算力与数据中心成为资本密集型资产
• 制造与供应链重新进入定价核心

资本正在系统性重估资产偏好：

asset-heavy（重资产）相对显著跑赢 asset-light（轻资产）

这一变化并非周期轮动，而是 约束函数变化：

• AI 对算力 → 推动基础设施资本开支
• AI 对能源 → 推动电力系统重估
• AI 对物理执行 → 推动制造与机器人回归

本质上：

资本正在从“可无限复制的软件世界”，回到“受物理约束的真实世界”。

3. 从 bits 到 atoms：经济系统的底层迁移

这一轮周期可以进一步压缩为一个结构迁移：

经济增长的重心正在从 bits 回流至 atoms。

但这并不是去数字化，而是系统绑定方式改变：

• bits（信息层）仍在扩展
• atoms（物理世界）权重显著上升

关键变化在于：

数字系统不再独立增长，而是开始系统性绑定物理系统。

AI 在其中扮演的是中间层，从“信息生成”走向“决策与执行”连接层。

因此，一个更底层的变化正在出现：

真实世界约束，正在重新成为最稀缺变量。

02

 机器人崛起：AI 周期的第二增长曲线 

如果大模型代表认知扩展，那么机器人与物理 AI 代表的是执行系统扩展。

AI 的边界正在从信息空间走向物理世界。

1. 私募市场结构变化：从缺席到核心资产

在 2010 年代，机器人并未进入主流 VC 资产类别。

但进入 2020 年代后发生结构性变化：

• 已成为全球第二大私募投资类别
• 超越金融科技、支付等传统赛道
• 从边缘技术进入基础设施叙事

本质变化是：

AI 正在从“认知系统（cognitive system）”，扩展为“行动系统（action system）”。

换句话说，资本开始押注的不再只是“智能本身”，而是“智能如何进入现实世界”。

2. VC 资金流向：从能力投资到执行投资

根据 PitchBook 数据：

• 2024 年 Q1 融资约 160 亿美元
• 涉及约 500 笔交易
• 相较上一周期：交易数约 +2 倍，投资额约 +4.5 倍

更重要的是结构变化，资本正在从“软变量”转向“硬变量”：

• 算法能力 → 物理执行能力
• 软件效率 → 现实生产力
• 虚拟扩展 → 物理落地

AI 扩展路径正在从信息效率优化，转向生产函数重写。

3. 历史类比：电气化的第二阶段

电气化早期，电机替代蒸汽机，结构基本未变。

真正跃迁发生在第二阶段：

• 分布式电机替代集中动力
• 工厂结构被重写
• 生产函数发生变化

AI 当前更接近第一阶段：

• 工具嵌入流程
• 局部效率提升
• 尚未重构系统本身

但历史规律表明：

生产率的真正跃迁，发生在“系统重构阶段”，而非“工具替换阶段”。

机器人与物理 AI 的意义在于：

它可能是 AI 从工具走向生产系统本身的临界点。

03

 AI 的真实瓶颈：结构映射问题 

市场当前一个普遍困惑是：

AI 能力持续跃迁，但企业层面的 ROI 释放却明显滞后。

一项针对 515 家高增长企业的研究指出，这一矛盾的核心不在技术本身，而在一个更底层的问题：

mapping problem（结构映射问题）

1. mapping problem：技术能力与组织结构的错配

企业在 AI 落地过程中面临的核心障碍，并不是“不会使用 AI”，而是：

• 不清楚 AI 应替代哪些具体流程
• 不清楚业务链条如何被重新拆解
• 不清楚 AI 如何嵌入组织的目标函数

本质上，这不是技术问题，而是结构问题：

技术能力已经成立，但组织结构没有随之重写。

换句话说，AI 的能力提升发生在模型层，而 ROI 释放发生在组织层。

而这两个层级之间，存在明显断裂。

2. 两种 AI 采用路径：效率优化 vs 结构重构

研究将企业的AI采用路径区分为两种模式：

（1）增量式采用（incremental adoption）：AI 嵌入既有流程，用于局部效率优化，不改变组织结构本身；

（2）结构式重构（structural redesign）：从业务目标反推流程设计，AI 参与流程定义本身，组织结构被重新编排。

两者的结果差异非常显著：

• AI 使用场景：+44%
  
• Top vigintile 收入增长：约 2 倍
• Top decile 收入增长：约 +50%
• 资本消耗：约 -40%
  

关键差异不在“用了多少 AI”，而在：

AI 是否只是工具，还是被纳入生产函数本身。

3. 咨询行业的结构性再定价：中介层的价值坍缩

这一结构变化在服务业中表现尤为明显，尤其是传统咨询行业。

市场曾长期预期，以 Accenture 为代表的企业将成为 AI 转型的核心受益者，但实际路径却相反：

• FCF 估值一度上升至约 30x
• 随后回落至约 6x
• 回到长期均值以下区间

这种调整并非周期性波动，而是结构性重估：

AI 正在系统性削弱“知识中介层”的经济必要性。

原因在于企业开始出现三种变化：

• 内部 AI 能力快速建设
• 模型直接嵌入业务流程
• 咨询服务从“必需品”变为“可替代项”

换句话说：

AI 并没有强化咨询行业，而是在压缩“解释与实施之间的中间层”。

04

 AI 企业的组织形态：从组织扩张到结构收缩 

在 AI 渗透早期企业与创业生态的过程中，一个更底层的变化正在出现：

组织不再是规模扩张的载体，而正在成为效率约束本身。

1. YC样本的结构性变化：组织正在“变薄”

在 Y Combinator 的 W20–F24 样本中，一个清晰趋势逐渐显现：

• AI 公司平均启动规模更小
• 初始团队人数显著下降
• 组织层级结构更扁平
• 无明确层级结构的公司占比更高

这意味着一个关键变化：

AI 正在压缩“组织的最优规模边界”。

换句话说，在 AI 介入后，增长不再依赖组织扩张，而更依赖结构密度。

2. Stripe 数据：个体经济体的规模化崛起

Stripe 的数据进一步验证了这一趋势：

• $100K+ 个体收入持续增长
• $1M+ 收入：2025 年较 2023 年增长超过 2 倍
• $5M 与 $10M 级别收入：约 3 倍增长
• 高收入个体占比同步提升

这一变化的关键不只是收入增长，而是单位结构的变化：

商业生产单元正在从“公司”，迁移到“个体 + AI 系统”。

05

 生产率悖论：技术进步并不必然转化为效率提升 

宏观经济中一个长期被低估的事实是：

技术扩散 ≠ 生产率增长

技术本身只是输入变量，而生产率结果取决于更深层的结构条件。

1. 零售 vs 超市：同一技术环境下的分化路径

在零售体系中，一个明显的长期分化已经出现：

• 零售行业整体生产率持续提升
• 超市行业生产率长期停滞，甚至阶段性下降

这种差异并非来自技术采用程度，而是来自结构路径差异：

• 零售业务高度标准化
• 超市业务复杂度持续上升
• 劳动结构被服务化不断稀释效率

换句话说：

同样的技术输入，在不同结构中产生完全不同的产出函数。

2. 扫描技术的历史启示：效率提升与复杂度上升并存

70–90 年代扫描技术（POS 系统）的普及，是一个典型案例。它带来了明显的技术进步：库存管理能力显著提升，商品种类快速扩张，数据化能力增强。

但同时引入了新的结构变量：

• 商品与供应链复杂度上升
• 门店运营流程更细分
• 服务环节进一步增加

最终结果是：

技术效率的提升，被结构复杂度的上升部分抵消。

这揭示了一个关键机制：

生产率并不只取决于“更好的工具”，还取决于系统是否变得更复杂。

3. 后疫情阶段再分化：结构复杂度重新主导结果

疫情之后，这一分化进一步强化：

• 电商显著提升零售体系效率
• 传统超市因“线上+线下混合模式”反而增加运营复杂度
• 人力与流程成本再次上升

结果是：

• 同一行业内部生产率路径出现分裂
• 技术扩散不再具有统一方向性

这进一步强化了一个结论：

技术不会统一提升生产率，它只提供“可能性空间”，最终路径由结构决定。

06

周期的真正含义：AI 不是互联网延续，而是工业系统的再数字化

当我们将前述所有结构变化重新放回同一框架中，一个更本质的结论开始浮现：

AI 并不是一轮技术升级，而是工业系统在数字条件下的重新构建。

它改变的不是某个行业，而是四个基础结构层，综合所有结构变化，可以得到一个统一结论：

1. 资本结构：从轻资产到重资产

AI 驱动的资本重新配置，正在从软件主导转向物理世界约束主导：

• 能源系统重新成为核心约束变量
• 算力基础设施成为新一代资本密集型资产
• 机器人与物理AI进入核心投资组合

资本正在从“可无限复制的软件资产”，回到“受物理约束的真实资产”。

2. 技术结构：从生成内容到执行动作

AI 能力的边界正在发生迁移：

从文本、图像、代码生成，走向任务执行、决策执行与物理控制

本质变化是：

从“表达世界”，走向“作用于世界”。

3. 企业结构：从流程优化到组织重写

企业 A I采用路径正在从局部效率优化，转向系统性结构重构：

• 流程自动化 → 组织再设计
• 工具嵌入 → 生产函数重写
• 外包能力 → 内生能力化

企业不再只是“使用AI”，而是在被 AI 重新定义。

4. 商业结构：从规模经济到密度经济

传统增长逻辑正在发生变化：

• 规模扩张不再是唯一驱动因素
• 单位结构的“能力密度”变得更重要
• 个体 + AI 系统开始替代传统组织扩张

增长的核心变量，从“规模”，转向“结构密度”。

最终判断

当这四个层级同时发生变化时，一个统一结论变得不可避免：

AI 不是互联网的延续，而是工业系统在数字技术条件下的再构建。

它的本质不在于“更强的软件”，而在于：

• 工作如何被定义
• 组织如何被构建
• 生产函数如何被重新编码
• 经济系统如何被重新分层

07

 结语：真正的 AI 周期，仍然处于早期阶段 

当前市场所经历的，更像是一轮结构性重构的起点，而非周期的中段或终局。

尽管技术进展正在加速，但真正的系统性变化仍在逐步展开：

• 机器人开始规模化进入劳动力体系
• 企业正在向AI原生结构重构
• 物理世界逐步走向“可编程化”

这些变化尚未完全兑现，但它们决定了下一阶段周期的形态。

在这些条件真正成立之前，这一轮AI周期仍然处在相对早期的位置。

而在此之前，一个更本质的问题正在变得越来越重要：

我们是在用 AI 优化既有系统，还是在用 AI 重写系统本身？

这个问题的答案，将决定这一轮周期的真实位置——

以及我们所处的，不是“AI 时代”，而是 AI 时代的哪个阶段。

08

关于 Vibehood

Vibehood 致力于连接AI 创新者与资本、技术资源及生态伙伴，帮助真正的 builder从实验项目走向规模化产品。

如果你正在构建 AI Agent、AI 应用或探索新的 AI 创业方向，或正在寻找融资与战略支持，欢迎在后台留言： 

👉 「融资」

我们将与你取得联系，一起推动下一代 AI 创新的发生。