夜雨聆风"Anthropic 和 OpenAI 每月的收入增量已经超过 Meta、Google 或微软。我不惊讶这两家公司的合计年化收入已经达到两千亿美元。"
"AI 技术向实体经济的渗透率还不到 5%。如果这两家公司已经在收入增量上超过超大规模云厂商，而渗透率还不到 5%，那结果将是非凡的。"
"在职业生涯中，我想不出有任何时候我的想法改变速度比现在更快。这既令人兴奋，也令人谦卑。"
本期节目是 The a16z Show 的一期特别对谈。嘉宾包括 a16z 普通合伙人 David George 和 VenCap 首席投资官 David Clark。两人围绕 AI 产业的规模扩张、价值捕获、企业落地、风险投资逻辑以及未来五年行业格局展开了深度讨论。David George 作为 a16z 早期投资 OpenAI 的关键决策者，分享了他对 AI 投资框架的最新思考；David Clark 则从风险投资基金管理的角度，分析了当前 AI 估值周期和投资机会。
规模超出预期：从模糊承诺到真实收入
两位嘉宾都提到，过去一年中他们对 AI 产业规模的判断发生了根本性转变。David George 回忆说，在去年十一月之前，业界对 AI 在企业中的前景还停留在"模糊的承诺"阶段，人们更多是在云计算和生产效率提升的框架下理解 AI 的价值。但到了今年，情况已经完全不同。
最直观的数据来自模型公司的收入增速。David George 指出，Anthropic 和 OpenAI 每月的收入增量已经超过了 Meta、Google 和微软这些科技巨头。更令人震惊的是，这两家公司的合计年化收入可能已经达到两千亿美元的规模。这意味着，成立仅几年的 AI 公司，在收入增速上已经可以与运营数十年的科技巨头相提并论。
David Clark 补充了一个更宏观的视角。他提到，标准普尔 500 指数和财富 500 强公司 collectively 每年产生约两万亿美元的利润。如果 OpenAI 和 Anthropic 的年化收入达到两千亿美元，那已经相当于 Fortune 500 利润总额的百分之十。而且这还不包括使用开源模型和其他供应商的企业，实际规模可能更大。
这种规模扩张的速度超出了几乎所有从业者的预期。David George 说，AI 技术向实体经济的渗透率还不到百分之五。在企业编码和科技前沿领域，采用率确实更高，但在其他所有职能部门中，AI 能力的全面利用还远未开始。当收入增速已经超越超大规模云厂商，而渗透率还不到百分之五时，未来的增长空间可想而知。
退出规模膨胀：顶级退出门槛二十四个月翻了十倍
David Clark 分享了一组令人震撼的数据。二〇二〇年到二〇二四年间，风险投资领域百分之一顶级退出项目的门槛是十亿美元。到二〇二五年和二〇二六年年初，这个数字更新为两百亿美元。而就在节目录制的前一天，他们再次更新了数据——现在是三百二十亿美元。
也就是说，在短短二十四个月的时间里，顶级退出项目的门槛翻了十倍。如果按照这个趋势推算，到今年九月，这个门槛可能超过一千亿美元。David Clark 感叹说，OpenAI 和 Anthropic 的合计规模可能已经超过整个罗素两千指数的总和。
这种规模的膨胀正在改变风险投资的游戏规则。a16z 本身就是为适应这种变化而构建的。David George 提到，他们分析了过去六年所有风投支持的 IPO 项目，加总起来略超一万亿美元。而这个数字，可能小于他们预期即将发生的三笔大型 IPO 中任何一笔的规模。价值创造的速度和规模都在加速，这要求投资机构重新思考自己的策略。
价值捕获之争：谁在 AI 价值链中赚钱
价值捕获是整场对话中最核心也最复杂的话题。David George 坦诚地说，关于谁将捕获 AI 经济价值的问题，他们的判断也在不断变化。
他回顾了一个有趣的历史循环。在投资 OpenAI 的早期，团队曾认为模型公司将成为一切，应用公司可能会全部消失。然后他们经历了一个周期，认为会出现各种应用公司，而模型公司只会沦为 API 提供商。现在，局面又回到了模型公司向上延伸进入应用层，因为这是它们建立用户粘性的最重要方式。
在这种不断变化的格局中，David George 提出了一个判断标准：你的公司必须处于"Token 路径"之中。也就是说，用户在使用 AI 服务的过程中，必须经过你的产品。这是目前评估一家公司位置的首要条件。
为什么这个标准如此重要？因为企业买家已经在承受成本压力。AI 的使用成本增长非常快，企业不可能通过增加预算来同时购买新一代软件和支付 AI 成本。这意味着，不能为买家创造足够价值的软件公司将面临被替代的风险。买家只能通过提高产品定价或重组劳动力来应对这些成本。
价值捕获的另一个关键变量是模型产业的市场结构。David George 指出，这是一个目前完全不可知的因素。如果前沿模型公司只有两三家，Token 价格可能会比较高；如果有五家，价格可能会更低。Token 价格较低对整个生态系统更有利，因为这样企业就不需要那么激进地重组劳动力。目前前沿智能的需求缺乏弹性，所有用户都在争夺最强大的模型能力，但这种格局能持续多久，没人能说清楚。
企业 AI 落地：远比你想象的更早，也比想象的更难
David George 对企业 AI 落地的现状给出了非常诚实的评估。他认为，关于公司如何因为 AI 而改变运营方式，我们目前还处于" nowhere"的阶段。
他观察到，目前最前沿的企业仍然把主要资源投入到产品开发上，而不是内部流程自动化。最好的工程师也希望在产品创新上工作，因为产品成功的回报远大于内部效率优化。成熟企业可能更适合尝试内部自动化，但它们恰恰是 adoption 速度最慢的群体。
目前企业 AI 落地最激进的实践还停留在"文档化"阶段——把一切业务流程转化为 Markdown 文件，尽可能多地捕获上下文信息，然后看看在什么环节可以用 AI 提升效率，同时不牺牲客户体验。David George 强调，这个阶段非常非常早期。
但他也指出了一些令人兴奋的信号。在编程领域已经发生的变化，现在开始在其他白领工作中出现。法律领域就是一个例子，虽然规模远小于编程领域，但当模型足够好、产品足够成熟时，使用量会出现爆发式增长。他认为，未来十二个月内，这种现象将在组织的多个职能部门和行业垂直领域同时发生。
关于原生 AI 应用，David George 认为目前我们仍处于" skeuomorphic"阶段——用 AI 来做原本就在做的事情，只是更快、更便宜、更高效。真正的原生 AI 应用将从"被动响应"转向"主动参与"，无论是在消费者端还是企业端。一些最前沿的初创公司已经开始探索这个方向，但还非常早期。
泡沫还是机遇：供给约束下的非典型周期
关于"我们是否在 AI 泡沫中"的问题，David George 给出了明确的判断：目前不是泡沫，但他对三年后是否会是泡沫持更谨慎的态度。
他认为当前周期与典型泡沫有一个本质区别。历史上的泡沫通常由供给过剩摧毁经济模型来定义，但 AI 产业目前面临的是严重的供给约束。数据中心容量已经排到二〇二八年末到二〇二九年初，美国的数据中心建设进度比预期落后约一年。从芯片到硬件组件，整个供应链都处于紧张状态。
David George 对数据中心建设中遇到的社区阻力感到不解。最好的运营商进入社区，承诺资助自然保护区、为学校提供高速互联网、创造就业和税收，但仍然面临反对，理由是"用水太多"。他认为，与其纠结于数据中心用水，不如少吃几颗杏仁来保证发展所需的基础设施容量。
他唯一担心的变数是模型规模的突破性缩小。如果发生算法层面的重大突破，使得模型对算力和 Token 的需求大幅下降，那可能会导致供给过剩。考虑到人脑的学习效率远高于当前模型，这种突破并非不可能。但在短期内，供给约束可能还会持续三年左右。
从投资回报角度看，如果未来四到五年全球在数据中心上投入五万亿美元的资本支出，能产生一到两万亿美元的年收入作为回报，这应该是一个合理的预期。仅两家大型模型公司如果年底年化收入达到两千亿美元，这个等式就已经成立。
公共市场的消化能力：高增长公司回归
David Clark 提出了一个关于公共市场的重要问题。随着这些超大规模 AI 公司陆续 IPO，公共市场是否有足够的容量来消化它们？
David George 认为，让这些公司在高速增长阶段进入公共市场，对投资者来说是极好的事情。过去二十年中，上市公司数量减少了一半，公共市场缺乏高增长的投资标的。排除数据中心供应链公司，目前公共市场上几乎没有增长超过百分之三十的公司——除了 Palantir。七大科技巨头的增速都已低于百分之三十，所有软件公司也是如此。
因此，这些 AI 公司进入公共市场将为投资者注入一剂强心针。他预计这些公司将进入各种指数，使普通投资者的退休基金也能参与其中。就像十年前我们难以想象会出现四万亿或五万亿美元的公司一样，十年后我们回望今天，也会惊叹于这些公司的规模。
风险投资的未来：押注领导者，而非判断赛道
David Clark 从 LP 的角度提出了一个关键问题。目前 AI 领域的早期投资损失率只有个位数百分比，远低于风险投资历史上百分之六十的典型损失率。这种状态可持续吗？
David George 分享了 a16z 的投资哲学。他们不追求低损失率——低损失率可能意味着没有承担足够的风险。他们的策略是，在任何有多个优秀创业者进入、有技术顺风的方向上，押注最好的创始人和领导者。如果这个方向成功了，他们投了领导者，那很好；如果方向失败了，但他们投的是领导者，那也没关系——这就是风险投资的本质。真正需要 scrutinize 的情况是：方向成功了，但投错了公司。
他承认，在增长阶段，损失率应该低于早期阶段。但目前一切都太早期了，关于谁将捕获价值还有太多未知数。损失率随着时间推移肯定会上升，他们能做的就是按照正确的原则构建公司。
a16z 近年来大幅扩展了团队规模，增加了国际化、定价、销售团队建设等能力。这是因为 AI 公司保持私有状态的时间更长，而且它们比上一代科技公司更早地遇到"大公司问题"。Cursor 就是一个例子——在非常早期的阶段就达到数十亿美元收入，需要处理复杂的供应商关系、云交易和国际扩张。企业家们用脚投票，选择了能够提供全方位支持的投资机构。
五年后的图景：消费者注意力的重新分配
谈到未来五年风险投资行业的格局，David George 认为最大的驱动因素仍然是模型产业的市场结构和 Token 成本。他倾向于相信，会有足够多聪明的人来解决这些问题，最终形成模型公司极其有价值、同时在智能之上构建的庞大生态系统也极其有价值的局面。
但他特别强调了一个常被忽视的方向——消费者 AI。过去十年基本上是科技巨头争夺用户时间的故事，而 AI 带来的技术突破可能会改变这一格局。他最兴奋的是看到消费者注意力可能发生重新分配，这可能会创造出非凡的投资回报。
David Clark 总结说，他在风险投资基金领域工作了三十四年，这绝对是迄今为止最让人兴奋也最让人紧张的时刻。变化的速度既是巨大的机会，也要求投资者做对每一个判断。
David George 最后说，这个机会是如此巨大，他强烈地感觉到 AI 将从根本上改变我们的生活和工作方式，让社会变得更好。而在这个过程中，将会创造出难以估量的价值。
结语
这场对谈揭示了 AI 产业正在经历的规模膨胀和价值重构。从收入增速到退出规模，从企业落地到公共市场，每一个维度都在超出预期。但对于投资者而言，最大的挑战不是判断产业方向——方向已经足够清晰——而是判断谁将捕获这些价值。在技术变化如此之快的环境中，押注最好的创始人，保持对价值捕获路径的持续审视，可能是唯一可靠的投资法则。
内容来源："The Rule for Picking AI Winners"丨The a16z Show
