ARTICLE · 1064476
a16z 最新观察:AI 让做软件越来越便宜,但真正稀缺的东西变了
过去两年，AI 最容易被观察到的变化，是模型越来越强、代码越来越容易生成。但如果从创业和投资的角度重新看这轮技术周期，会发现一个更基础的变化正在发生：软件的供给成本正在快速下降，而用户需求、注意力、分发渠道和真实业务场景并没有同步扩张。
这已经开始出现在数据里。
a16z 合伙人 Moses Sternstein 最近整理的一组数据显示，随着 AI coding tools 普及，iOS、Android 和 Chrome 上每月新增 App 数量分别出现约2 倍至 4 倍的增长；但同期下载量、用户评分等需求侧指标基本停滞，能够达到早期“逃逸速度”的 App 占比反而明显下降。Sternstein 因此用了一个颇有传播力的词：App-Slop。
他在文章开头写道，AI code generation 带来的一个结果就是 “the proliferation of code”，而随着代码大量出现，“everyone’s a vibecoder now, which means everyone’s an app publisher now, too”。
问题也恰恰从这里开始。当每个人都可以成为 App publisher，真正稀缺的就不再是写代码的人，而是愿意使用这些代码的人。这不仅解释了为什么 AI 生成了大量无人使用的 App，也解释了过去一年创业市场中看似矛盾的几组现象：一边是软件供给爆炸，一边是 SaaS 面临重新定价；一边是大量旧公司关闭，另一边却出现了一批成立四年左右就达到 10 亿美元估值的新独角兽。
把这些数据放在一起看，AI 正在推动的并不是一次简单的软件生产力升级，而是一轮软件经济学的重新排序。
App 数量正在爆炸，但人的时间没有增加
AI coding 最大的变化，是把软件生产从一种稀缺能力，逐渐变成一种低成本能力。过去做一个 App，意味着产品经理、设计师、工程师、测试和运营需要投入大量时间；今天，一个创业者甚至可以在没有完整工程团队的情况下，把一个想法迅速变成可以运行的产品。
这对于供给端几乎是一次释放，但需求端并没有发生同样的变化。
a16z 引用的一项近期研究显示，iOS、Android 和 Chrome 每月新增 App 数量分别出现约 2 倍至 4 倍增长，但下载量或评分数量基本保持平稳。研究者甚至进一步检验了“是不是只是大盘不增长，但其中出现了更多赢家”这一可能性，结果依然不乐观：达到10+ ratings、100+ downloads 或 10+ downloads 等最低使用门槛的 App 占比明显下降。
换句话说，AI 解决的是“有没有东西可以用”，但没有解决“为什么我要用你的东西”。
Sensor Tower 的数据也呈现出类似结果。美国 App 市场过去约一年半的总收入仅增长约 2%，使用时长则增长约 7%。App 数量快速增加，并没有带来相应规模的 App 经济繁荣。但这里存在一个非常重要的反差，AI App 本身正在高速增长。
Sensor Tower 预计，2026 年上半年全球生成式 AI App 使用时长将达到 360 亿小时，较 2025 年同期的 172 亿小时翻了一倍以上；AI App 的全球内购收入预计超过 40 亿美元，环比增长约 36%。同时，2026 年上半年已经有超过 20 万款 App 在产品描述中明确提及 AI，这些 App 的下载量预计接近 100 亿次。
所以真正发生的不是“用户不需要 AI”。恰恰相反，用户对 AI 的需求正在快速增长，但新增需求高度集中在少数真正有用的产品上。
ChatGPT、Gemini、Claude、Grok 等产品推动 Productivity 成为增长最快的主要 App 类别之一；Developer Tools 虽然规模较小，但 Replit 的增长也非常明显。
于是，一个很有意思的分化出现了：
AI apps are plainly very popular, but the apps made by AI, not so much.
这句话可能是整篇分析里最值得记住的一句话。
AI 正在创造新的软件需求，但 AI 降低生产成本之后出现的大量新软件，并没有自动获得这些需求。
供给越容易生产，分发就越值钱
这其实是互联网商业模式里一个非常经典的变化。当生产成本下降时，市场不会自动变大到吸收所有新增供给。相反，竞争会从“谁能生产”转向“谁能被发现”。
App Store 已经出现了这种迹象。过去，开发一个产品本身就是门槛；现在，产品上线越来越容易，真正的门槛开始变成用户获取、品牌、留存、口碑和分发。
这也是为什么 AI coding 对创业生态的影响可能比对程序员职业的影响更深。如果过去一个创业者一年只能尝试两个项目，现在可以尝试十个，那么创业失败的成本会下降，创业项目的数量会增加，但每个项目获得用户的概率并不会因此提高。
于是市场会出现一种新的幂律结构：更多产品进入市场，更多产品无人使用，少数真正解决问题的产品吸收绝大部分注意力。
这也是 App-Slop 真正值得关注的地方。它不是在证明 AI 创业没有价值，而是在证明：代码已经不再是最稀缺的创业资源。
对于 AI-native 创业公司而言，真正需要建立的壁垒开始转向数据、工作流、分发、网络效应、品牌，以及对某个具体行业的深度理解。
AI 正在制造一种更年轻的独角兽
供给端的变化同样开始反映在 VC 市场。
SVB 的数据显示，整个风险投资支持的 10 亿美元以上公司群体正在变老，但新晋独角兽的成立时间却越来越短。目前新晋独角兽的公司年龄中位数已经略高于 4 年，相比 2023 年下降约 37%；整个独角兽群体的年龄则增加了约 7%。这说明一个非常重要的变化：
老公司越来越老，新公司达到大规模估值所需的时间却越来越短。
SVB 最新的 H2 2026 State of the Markets 进一步给出了一个更加具体的数据：2022 年成立的公司，在成立第四年时的收入中位数已经达到560 万美元，而过去类似阶段通常只有 200 万至 300 万美元。SVB 将其称为“fastest growth on record”。
a16z 对这组数据的解读更加具体。过去的创业 cohort，收入中位数可能从第 3 年的约 200 万美元增长到第 4 年的 300 万美元；2022 cohort 则从约 280 万美元增长到 560 万美元，第 3 年到第 4 年的跃升约为此前的 3 倍。
但这里需要谨慎，Sternstein 自己也提出了疑问：“Is that AI?”
答案目前并不能确定。
2022 cohort 同时经历了 AI 浪潮、资本结构变化以及非软件公司的融资增加，而不同类型公司的增长曲线本来就存在差异。因此，这组数据更适合被视为一个值得跟踪的相关性信号，而不是 AI 已经导致创业公司增长加速的因果证明。
但无论 AI 是否是唯一原因，有一件事情已经非常明确：新一代公司的资本效率正在成为创业市场的重要竞争指标。
上一轮创业公司的问题，是增长逻辑突然变了
这也是为什么今天看 SaaS，不能只看 AI 是否会替代软件。真正发生的变化，是资本市场对“什么样的增长值得被资助”的标准变了。
SVB 的数据表明，从 2022 年第一季度开始，各行业科技公司的经营策略明显从增长转向盈利。此前企业的收入增长中位数可以达到 40%—70%，随后下降至约 15%—30%；与此同时，利润率从深度亏损逐渐向盈亏平衡靠拢。
当然，2022 年本身就是一个特殊年份。疫情重新开放、零利率环境和高风险偏好共同推高了软件公司的增长预期。利率上升后，上市公司同样开始用利润换增长，不能把所有变化都归因于 AI。
但到了 2026 年，问题变成了另外一件事：
那些在上一轮周期按照旧标准建立起来的公司，现在必须按照新标准竞争。
SimpleClosure 对 2026 年上半年关闭公司的数据提供了一个很有意思的侧面观察。在其处理的所有关闭案例中，B2B SaaS 占 27.3%，AI 公司则占 14.4%。而且超过一半的 SaaS 关闭公司成立于 2023 年以前。相比之下，AI 关闭公司的成立年份中位数为 2024 年。更值得注意的是，SimpleClosure 认为，AI 公司并不是当前 shutdown wave 的主要来源。它们在 2026 年上半年获得了美国 VC 投资的 86%，但在该机构处理的关闭案例中只占 14.4%；AI 在其关闭案例中的比例还从两年前的 17.7% 降至目前水平。
当然，这只是 SimpleClosure 自己处理的关闭样本，不代表整个美国创业市场，因此不能直接当作全市场失败率。但它至少揭示了一个资本市场正在发生的变化：
AI 并没有首先摧毁 AI 公司，而是在重新定义旧软件公司的生存标准。
这就是所谓的 SaaSpocalypse 更值得关注的部分。不是“软件突然没用了”，而是过去那套依靠融资、堆人和持续买增长的 SaaS 模式越来越难以获得资本支持。
Sternstein 在原文中对此有一个很克制的判断：
“The new cycle is not like the old cycle, and that’s not fun for everyone.”
所谓“SaaS 末日”，目前更像一次选择性重估
2026 年上半年，关于 SaaS 被 AI 彻底颠覆的讨论已经很多。
Citrini Research 年初发布的极端情景分析，更是把这一担忧推到了极致：如果 Agent 能够直接完成过去需要 SaaS 承载的工作，那么企业可能减少软件采购，进而引发软件公司收入下降、裁员和 AI 投资增加的反馈循环。这个分析是情景推演，而不是事实预测。
但到目前为止，公开市场的数据并没有显示出一个全面的“SaaS 末日”。
a16z 对软件公司财报的整理显示，2026 年上半年大多数软件公司仍然达到或超过市场预期，只是最近一个季度给出低于预期指引的公司比例有所增加。
换句话说，Citrini 的悲观情景至少在目前没有完整兑现。
更准确的描述是：软件正在被选择性重估。
SVB 2026 年企业软件报告也提供了一个重要数据：2025 年美国企业软件 VC 投资中，约 65% 流向 AI startup；目前美国 VC 支持的企业软件独角兽已经达到 356 家，2025 年以来新增超过 75 家。与此同时，超过三分之一的软件独角兽年增长率低于 10%。
这意味着资本并没有离开软件，资本只是越来越集中到它认为能够在 AI 周期中重新获得增长的公司。
甚至连 SaaS 的收费方式都开始变化。SVB 对 120 多家企业软件公司的调查显示，目前仍采用纯订阅模式的公司占 37%，但预计未来仍维持纯订阅模式的只有 26%。更多公司正在考虑 usage-based、outcome-based 或混合收费，因为 AI 开始挑战传统 SaaS “一个人 = 一个 seat” 的计价方式，这可能比“SaaS 会不会消失”更值得关注。
真正被 AI 挑战的，是软件的价值计量方式。
当软件越来越便宜，创业地点也开始变得重要
原文最后一个数据点看起来与 AI 无关，却恰好把整个问题推到了更远的地方。
美国不同州的创业成本差异非常大。
Massachusetts 的 LLC 成本约为 1000 美元，约为全美中位水平的 5 倍；California 虽然注册费只有 70 美元，但 LLC 每年需要缴纳至少 800 美元的 annual tax。
单独看这 1000 美元当然并不算什么。一家真正有潜力的创业公司，不会因为少几百美元注册费而改变商业模式。但 AI 正在改变另外一个变量：创业本身的固定成本。
如果过去创业最大的成本是工程师、开发周期和产品迭代，那么 AI 把这些成本大幅压低之后，其他摩擦的相对重要性就会上升。税收、监管、人才密度、融资环境、生活成本以及公司注册制度，都会重新进入创业者的决策函数。
这并不意味着 Massachusetts 或 California 的创业环境一定因此变差，也不能把企业迁移与 LLC 成本直接建立因果关系。Massachusetts 同时拥有 MIT、Harvard 等顶级研究机构以及深厚的生命科学和科技人才基础，California 更拥有全球最密集的 VC、AI 人才和科技企业生态。真正值得关注的是：
当创业门槛下降之后，创业生态本身开始拥有更强的“地理弹性”。
一个创业者不再必须因为工程团队、办公室和资本都集中在那里，就承担所有当地成本。
AI 真正降低的，是“生产”的门槛
把这些数据放在一起，AI 带来的变化就会变得清晰很多。
过去的软件行业，稀缺的是生产能力；现在，AI 正在快速降低生产能力的成本。
于是新的稀缺资源浮现出来：
这也是为什么，“AI 能不能写代码”其实不是最重要的问题。当 AI 足够便宜地写代码之后，整个市场都会开始写代码，真正重要的问题会变成：谁知道应该写什么？谁能找到用户？谁掌握分发？谁拥有数据？谁嵌入了真正的工作流？
这也是 Moses Sternstein 那句判断真正有价值的地方：
“AI apps are plainly very popular, but the apps made by AI, not so much.”
AI 已经证明自己能够制造大量软件，但这只是第一阶段。下一阶段的竞争，不是让软件变得更多，而是让软件变得足够有用。
这也是为什么现在看 AI 创业，不能只看模型能力、代码生成效率和上线速度。真正值得关注的，是一家公司的产品是否拥有 AI 难以快速复制的东西：真实用户、独特数据、工作流控制权、分发渠道、行业关系，以及能够直接转化成收入或成本节约的价值。
从这个角度看，所谓 App-Slop 并不是 AI 创业失败的证据。它恰恰说明 AI 已经把软件生产推进到了一个新的阶段。
当“做出一个 App”越来越便宜，“让一个 App 值得被使用”就越来越贵。
而这可能正是 AI 软件周期从“生产革命”走向“价值捕获革命”的分界线。
Sternstein 在原文结尾用了一个很轻的判断：“we’re still so early.”
这句话真正值得注意的地方，不是 AI 还有多大想象空间，而是我们可能还没有看到——当软件不再稀缺之后，整个创业、融资和产品竞争体系究竟会变成什么样。
关于 Vibehood
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。