夜雨聆风Andreessen 最近有句话我觉得是今年最值得产品经理听的。你调研美国人怎么看 AI，所有人说"完了要失业了"；但看行为——全在用。吵架了贴聊天记录让 ChatGPT 分析对象想法，报告来不及了让 AI 救场。问卷里的恐惧和行为上的拥抱，完全是两回事。
说这话的是 a16z 创始人，最近做了一次年中复盘。几个信号对在国内做产品的 PM 很实在：AI 价格在以超预期的速度崩塌，能力追平的周期在缩短，大多数人的定价逻辑还没跟上。
价格塌得比谁都快
说实话这个速度比我预期还快。Andreessen 说 AI 单位成本下降远超 Moore's Law（Moore's Law，芯片性能每两年翻倍的经验规律），所有输入端都在坍塌。中国开源模型 Kimi已在基准上逼近 GPT5 推理能力，一两台 MacBook 就能跑——GPT5 花巨资开发，半年就被开源追到家门口。
对在国内做产品的 PM 来说，「AI 太贵先不做」这个理由正在失效。
拿你产品里最简单的 AI 功能算一下 token 成本（模型处理文本的最小计费单位），除以日活用户数。大概率低到不值得当不做功能的理由。
没有谁的护城河是真的
xAI 从零起步不到 12 个月追平 OpenAI 和 Anthropic。DeepSeek 来自一家量化对冲基金，连中国政府都没预料到。OpenAI 和 xAI 的企业 AI agent 采用率都在 40% 以上——护城河不是没有，是越来越浅。
一旦有人证明路走得通，追上来并不难，哪怕资源少得多。
模型能力本身不是持久壁垒。 差异化在于你对业务场景的理解深度，以及把 AI 嵌入工作流的精细程度。审视一下产品里哪些功能套一层模型壳就能被替代——如果大部分都是，得往数据和行业 know-how 里走。
别按成本定价，按价值定价
a16z 有专门的定价专家陪投后公司磨定价。核心原则：按价值不按成本。如果 AI 能替代部分医生或律师的工作，收的是那份价值的比例，不是 token 成本加价。
Andreessen 提到一个反直觉观点：高价对客户未必是坏事。高价意味着更多研发投入，产品迭代更快。消费者 AI 已出现 200 到 300 美元每月的档位，跑得不错。
一个实操：算你的 AI 功能帮用户省了多少时间，乘以你团队的平均人力时薪。拿这个数字跟团队过一遍，那就是你的定价锚点。
政策是变量，但方向跟你想的不同
美国联邦层面 AI 监管风险已大幅下降——中国竞争让华盛顿不敢自缚手脚。但风险转移到州层面：全美约 1200 项 AI 法案在推进。欧盟的后果已经清楚：苹果和 Meta 不在欧洲上线最新 AI 功能。
做全球化的 PM 别假设一套合规方案能跑通。分区适配是基本功。
最后
Andreessen 有句话适合做产品的 PM 记住：面对开放战略问题，公司必须给明确答案，答错就是灾难。你没有风投同时押注多条路的奢侈——必须在信息不完整时做选择。先跑通再说，别等完美方案。好消息是 AI 价格在塌、追平在加快。坏消息是你没有太多犹豫的时间。
[!TIP]
到 2027 年，不是某个模型赢了，是整个行业同时到达——大模型在爬楼梯，小模型在追，开源在教育更多人进场。