内容供给持续增加，但受众所能分配的注意力总量却已逼近存量天花板；AI算力需求仍在扩张，但在物理世界承接需求的工厂、电气设备与熟练工人，准备节奏却未必同步。另一边，资本市场已经开始追问：被AI推高的增长预期，究竟何时才会体现在软件公司的实质收入里？

a16z于2026年10月23日发布的《本周图表：Attention is All You Need》，把这些看似分散、实则内在关联的命题放在了同一期里。本文依据该报告及其全部11张图表整理，沿着原文的四条主线展开，并将制造业的产能与用工分开讨论。图表中的统计时间各有不同，文中的“今年”均指2026年。

原文开篇还简要提到，a16z的Joel de la Garza与Zane Lackey近期向被投企业CEO发出了网络安全提醒《Patch or Die》，强调及时修补漏洞。该提醒的具体技术细节不在本次PDF内，以下聚焦图表正文。

Netflix表面上仍在增长，但原文关心的核心在于：它的增长速度正在边际放缓。

按文中财报图，Netflix营收同比增速已回落至略低于12%，接近2021—2022年市场上一轮讨论其增长见顶时的水平。作者借此重新提出一个问题：Netflix会不会遇到类似当年Blockbuster那样的结构性困境？——商业模式尚在运转，但用户消费内容的基础方式却在改变。需要明确的是，这属于作者基于观看方式变化的风险类比，并非对Netflix结局的定论。

图1｜Netflix季度营收与同比增速。柱形表示营收，折线表示增速。

外部竞争来自两个维度：一边是其他长视频流媒体，争夺同样的订阅预算；另一边是Reels、TikTok和Shorts这类短视频，争夺用户愿意持续投入的专注时长。

如果越来越多人习惯快速切换画面，对一集40多分钟的电视剧耐心下降，那么一个单价持续提高的长视频服务，还能从哪里获得规模化的新付费用户？作者认为，这个问题目前尚无明确答案。他也将Netflix尝试短视频、进入体育直播等动作，放在这一突围背景下来理解，但并未把二者写成已经验证的解决方案。

更大的硬约束，来自时间总量本身。

图2｜美国每周主动媒体消费时长及结构，2018—2025年。

这张引用BCG的图统计的是主动媒体消费（Active Media Consumption），侧重主动投入注意力的消费，不能直接等同于通勤、办公或做家务时叠加的全部媒体使用时间。2021年该读数为每周26.5小时，2025年为25.3小时；2018—2025年的整体复合年化变化约为负0.5%。原文将其概括为每周约26小时的上限；这是一种基于历史统计的观察性概括，并非不可突破的人类生理极限。

总量变化不大，内部份额却在剧烈重构。图中2018—2025年YouTube消费时长的复合年增长率（CAGR）为7.8%，社交媒体为6.6%，纸媒为负10.5%；不含YouTube的视频为负0.7%，把YouTube算进去的视频总量则约增长0.2%。必须强调的是，这些数字对应的是“消费时长的增长率”，不能直接等同于各平台的收入增速。

因此，作者判断，内容创作者与应用开发者越来越接近一场争夺存量时间的零和竞争。一个产品多获得一段专注时间，往往意味着另一个产品失去这段时间。

另一种看似的增长来自“多任务背景式消费”：开车时听、工作时放、做家务时看。不同场景叠加，让媒体使用渗透进了更多生活缝隙，但并没有改变一天只有24小时的物理事实。原文所说把消费时长“拉长到超过24小时”，是对这种统计叠加效应的形象描述。

内容供给可以继续指数级增加，用户愿意专门留给内容的时间却很难以同样速度增长。这是这一组图想表达的核心矛盾。

面对市场上关于“老架构GPU会不会迅速贬值过时”的担忧，原文没有从理论参数和技术路线入手争论，而是直接观察GPU租赁价格指数。

图3｜主要GPU型号的租赁价格指数，2026年初归一化为100。

在Ornn Data这组样本中，所有列示型号的租金都高于年初，包括较老的A100。新芯片不断推出，并没有让这组旧型号的租赁报价沿着一条稳定向下的曲线单调滑落。

作者接着做了一个对照：假设硬件租赁价格按六年直线折旧的路径下行，实际租金会落在什么位置？

图4｜各型号GPU租金相对于六年直线下降基准的表现。

在图中最新时点，各主要型号的实际租赁价格比这一假设基准高出约9%至143%。但这里的比较对象是即期租赁价格与假设基准的相对差距，不能直接读成设备投资利润率，也不等于芯片的会计折旧年限已经得到证明。

原文也主动保留了反例：如果把时间拉长，A100和H100在这条基准线下方停留的时间其实更长，较长时期的价格表现并不优于直线下降路径。当前的逆势走强，主要出现在2026年春季、尤其是4月以后的需求变化中。

图5｜OpenRouter平台的周度token消耗量及开放、专有模型结构。

OpenRouter的样本显示，平台周度token消耗量在春季出现明显上行，夏末短暂停顿，随后再次恢复增长。开放权重模型与专有模型的使用量均在同步扩大；在原文观察的最近一周，专有模型的份额还有小幅回升。

作者由此提出一个带前置条件的判断：如果2026年春季以来的需求状态能够持续，旧GPU也可能继续受益。 这与“新架构一出来，旧设备就立即失去使用价值”的机械叙事并不一致。

但证据的覆盖范围依然有限。OpenRouter只反映整个模型调用市场的一个局部切片，token数量也不能完全替代实际支出；GPU租金指数同样无法代表所有私有合同、特定地区和定制交易条件。原文承认这些限制，主张的是重视这组观察所提示的需求韧性信号，而非据此断言整个行业的回报已经确定。

在典型工业周期中，需求上升与价格上涨通常会拉动供给增加。供给总量的释放一般有两种路径：新建物理产能，或者让已有产能运转得更充分。

原文将AI建设深度依赖的四类制造业——计算机及外围设备、通信设备、半导体和电气设备放在一起，系统比较其产能、产量、利用率与生产者价格。结果显示，AI相关产业并没有沿着同一条路线扩张，而是出现了显著的行业分化。

图6｜四类美国制造业的产能、产量、利用率与价格指数。以2019年12月为100，使用截至2026年第三季度的季度均值。

计算机及外围设备，产能与利用率同时上升。 图中产能较基期增加约16%，利用率指数增加约26%，产量增加约46%。新增产能与现有设施更充分运转，共同支持了产出的较快扩张。

通信设备，新增产能走得更快。 产能约增长110%，产量约增长87%，利用率指数反而下降约11%。作者据此推测，这一领域目前可能存在一定的富余产能；“可能”很重要，图表本身只呈现宏观数据，没有证明每一家微观企业都出现过剩。

半导体，产量主要跟着产能走。 产能约增加77%，产量约增加76%，利用率指数大体持平。这体现出产出增长主要来自新建扩产的贡献，不能归为单纯靠提高存量开工率。

电气设备最为反常：价格大涨，产能反而收缩。 图中价格指数较基期大涨约69%，产能反而下降约9%，产量约下降7%；利用率指数虽提高约13%，仍未抵消产能总量的萎缩。必须严格注意的是，上述利用率变化均为相对基期的指数变化，并非利用率绝对水平上升了相同数量的百分点。

开关设备等电气产品，是电网扩建、GPU供电和更广泛电气化改造的基础配套。作者尤其关注这一环节的断层：面对旺盛需求与高价格，美国本土供给的响应严重滞后。

不过，这四类统计并不完全使用同样宽窄的行业分类。原图说明中，电气设备的产能与利用率采用较宽的NAICS 335，产量和价格则采用更聚焦的3353。它能清晰提示行业层面的供给短板，但不能被当作某一家开关设备企业微观订单、产能和利润的直接映射。

图7｜四类商品的美国国内产出与实际进口变化。产出比较2019年12月至2026年9月，进口比较2019—2026年；两者分类与期间并不完全相同。

本土供给的缺口，很大程度上由进口来填补。在原文图7中，这四类商品的实际进口增长，全部显著快于美国国内产出增长。它讨论的是美国境内的生产响应，绝不代表全球产业链没有扩产。

为什么高溢价和强需求没有刺激更全面的美国本土扩建？作者给出了两种解释假说：增加本土生产的成本与风险太高，或者企业认为自身难以与海外供给竞争。这些是对宏观数据的合理推测，原文并未进一步在数据上证明哪一种原因占主导。

因此，总结这部分数据时必须恪守行业差异：通信和半导体确实扩充了大量产能，电气设备却没有表现出同样的响应。如果把资本开支热潮直接等同于“美国制造业的全面复兴”，就会遗漏这张图最重要的警示信号。

在厂房与设备等硬资产之外，还有劳动力这道现实约束。

为了观察制造业微观主体如何消化额外负荷，原文把ADP提供的人均工时数据与美国劳工统计局（BLS）的就业人数变动并列，展开了交叉对比。

图8｜制造业各行业人均工时与就业人数同比变化，以及制造业薪酬增长。

非金属矿物制品行业的人均工时增长约4.7%，人数增长仅约0.4%；化工分别约为4.2%和0.4%；计算机与电子产品行业的人均工时增加约1.6%，人数约增加0.7%；塑料与橡胶制品行业的人均工时增加约3.6%，人数却净下降约0.9%。

这些行业数据支持作者的核心概括：不少制造业领域首先让现有人手承担更多工作，而不是同比例增加员工。 但这并不是在所有行业都成立的绝对规律。电气设备、家电及零部件的人数增长约4.0%，略高于人均工时的3.8%；金属制品和机械制造也有类似的人员扩张例外。

作者认为，现有工人在承担更多工作，一部分可能源于生产率改善，但更值得重视的解释是熟练劳动力短缺。图中的薪酬数据提供了另一条佐证：制造业整体总薪酬同比增长约5.5%，跳槽者增幅约为10%；跳槽者相对于在职留任者的薪酬增速溢价约为5个百分点。

需要再次厘清其统计口径：这并不是说跳槽者的工资绝对水平只高出5%，而是其工资上涨速度快了整整5个百分点。 作者将这一差距理解为用工企业在存量有限的熟练技工池中展开激烈争夺的直接体现。

由此，原文引申出一个带有反差的现实观察：主流舆论围绕AI的讨论经常担心岗位被技术替代，但在把庞大的算力基础设施建落地的物理过程中，缺少足够能够完成工作的产业工人，反而可能成为眼前的硬约束。作者在此非常克制地界定了讨论边界——不据此预判AI对全社会长期就业的终极影响，而是紧扣当前基础设施建设链条中的用工错配。

穿透了硬件与制造环节后，原文在终章将视线从物理基础设施转向了应用层软件。

作者并不认同“所有SaaS公司都会遭遇同一种替代命运”的机械悲观论。在他看来，二级市场一直在理性区分标的：真正拥有底层动力、或被预期将深度受益于新趋势的软件公司，股价表现展现出极强的韧性；而其他企业，处境则越发困难。

网络安全无疑是2026年最受关注的一类，但最近几周它同样迎来了市场的严苛审视。

图9｜IGV中的网络安全及可观测性股票组合，与IGV软件ETF的年初至今表现。

截至原文观察时点，IGV成分股中的网络安全及可观测性股票组合年内表现依然较强，但进入10月后出现了一轮明显回撤。作者将其描述为“随大盘下跌、且下挫幅度更大”；而配图直接锚定的对比基准，则是IGV软件ETF。

作者没有把这次回撤原因写成定论，而是给出了一个符合逻辑的合理解释：市场对AI叙事的考核标准正在切实提高。单纯相信“AI带来更多网络攻击风险，所以安全公司必然受益”这一概念推演，已经不够支撑估值；投资者开始急切等待各家财报中扎实的真实收入证据。

图10｜网络安全及相关公司的股票表现，与营收增速变化对照。

图10的横轴比较了2026年第三季度预期营收增速相较于2025年第四季度增速的变化差值，带有前瞻预测口径，并非全部已经落地的财报结果。在原文样本中，有些明星标的的年内涨幅曾达到约125%甚至更高，但前瞻营收增速仅提升了几个百分点，部分核心公司的增速曲线甚至在向下弯折。股票涨幅与营收增速的变化，是两种完全不同的指标。 Palo Alto Networks的营收增速提速较为亮眼，不过作者特意严谨指认：其中大部分增长是由一系列外延式并购驱动的，不能全部归为AI带来的内生有机增长。

这并不意味着AI需求永远不会体现在财务报表里，它反映的是当下客观存在的落差：在当期公司的整体收入增速及近期的市场预期中，尚未普遍出现与此前股价涨幅相称的加速拐点。

各家网安龙头在业绩会中，也披露了一些贴近AI业务颗粒度的前沿指标。

图11｜六家公司披露的部分AI相关业务指标。各项分别采用同比、环比、特定期间增长或占比口径，不能横向直接排名。

这张图的信息密度极高，按各家原图披露口径逐一拆解：

•Palo Alto Networks：Prisma AIRS客户数环比增长超过100%；XSIAM年度经常性收入（ARR）同比增长约70%；Secrets & AI预订额在FY26同比增长约40%；软件防火墙AI流量自2026年6月以来增长超过300%；SASE智能体（Agent）流量在九个月内增长超过800%。

•Fortinet：AI驱动的SecOps ARR同比增长19.9%。

•CrowdStrike：AIDR ARR环比增长约200%。

•Zscaler：Security for AI预订额环比增长超过50%。

•SentinelOne：Purple AI与Prompt Security相关ARR同比增长约200%。

•SailPoint：AI驱动的销售机会管线自2026年6月以来增长超过100%；采用AI的客户年度支出提升超过60%；在FY27第二季度，AI在净新增ARR中的占比已突破30%。需要重点提示，最后这一项是结构性占比，不是增长率。

原图说明进一步厘清了各产品的差异化生态位：Prisma AIRS归为面向AI模型、应用和智能体的安全平台，XSIAM归为AI驱动的安全运营平台；CrowdStrike的AIDR对应AI检测与响应，Purple AI涉及安全分析与工作流自动化，Prompt Security则重点防范企业使用AI时的数据泄漏和智能体风险。这些指标所度量的，是截然不同的业务环节与产品切片。

因此，绝不能把图中的800%、200%与19.9%排成一张“谁增长最快”的简单排位表：各个指标在口径上有的是网络流量，有的是客户数、预订额、ARR或销售机会；各自的观察区间也完全错落。原作者还坦诚交代，这组指标是借助Codex工具整理的，缺少标准化定义和较长的历史序列，适合作为追踪动向的微观线索，不能直接草率推导全行业的统一演进趋势。

作者尤其指出了一个符合买方常识的穿透视角：九个月内智能体流量增长超过800%、部分AI产品ARR增长约200%，看起来极为强劲；但他推测，在当下这些先锋业务占母公司总收入的绝对基数可能依然非常微薄，现阶段尚不足以明显改变全公司的整体收入大盘。由于原文并未给出一套穿透的绝对收入底稿，这一推论仍有待后续财报持续验证。

AI最终会给网络安全赛道开拓出真正的增量空间，还是更多表现为存量安全软件内部的一轮产品形态替换，仍需时间观察。原文用“Prove-It”（拿证据来）精准概括了当前市场的新要求：把业务热度逐步兑现为白纸黑字可衡量的经营成果。

回看这一期图表，四个主题层层递进，各自回答了一个核心问题：在消费端，用户还有多少注意力可以分配；在算力端，底层需求是否仍在扩张、旧架构能否继续受益；在承接端，制造与用工能否跟上硬件扩张；在商业化端，软件公司的AI商业化何时能够真正体现在收入里。把这些问题逐一解构，才能看清哪些变化已经沉淀为确凿的数据事实，哪些仍停留在逻辑推演与高空预期中。

来源与说明

本文整理自Moses Sternstein发表于a16z的《Charts of the Week: Attention is All You Need》（2026年10月23日），

文中原图来自相应PDF页面渲染裁切，图表版权归原权利人，文章不暴露报告原文，仅作信息总结。本文用于产业与市场信息整理，不构成证券投资建议。