a16z对话揭示AI残酷真相：模型公司赢家通吃，应用层淘汰赛已开始

近日，一场对话重新计算了 AI 产业的估值逻辑。这场对话的参与者分别是 a16z 的普通合伙人 David George 和 VenCap 的首席投资官 David Clark。他们聊了半个小时，话题集中在 AI 怎样重塑风险投资和科技产业本身。

Palantir CEO怒怼模型厂：卖Token就是收“AI税”，软件公司第一个被打残并表示这是用虚假进步掩盖真实成本。企业每年花费几千万美元买 Token，却得不到一个可量化的商业回报。本次对话从另一个视角呼应了这个判断，那就是投资人的钱和企业的钱都在寻找同一个答案，即 AI 的价值到底会在哪里落地。Token 只是一个燃料，真正的目的地还没到。

这两位顶级投资人私下算了笔账之后发现 OpenAI 和 Anthropic 这两家模型公司加起来，每个月新增的收入已经超过了 Meta、Google 或 Microsoft 中的任何一家公司。按这个速度来推进，它们 2026 年年底的年收入运行率可能达到 2,000 亿美元。这到底意味着什么？用这场对话里原话来说，它们单独一家公司的价值增量，已然超过了整个罗素 2000 指数的全部市值。

George 指出在去年 11 月之前，他和同事观察 AI 的方式主要围绕生产力增强和云计算类比来展开。但在那个时间点之后一切都变了，Anthropic 和 OpenAI 的收入增长曲线陡峭得高出了绝大多数人的预期。更为关键的是，AI 这项技术面向实体经济的渗透还不到 5%，除了编程公司和科技前沿公司，其他的企业职能部门几乎还没有真正用上 AI，在 George 眼中这个矛盾是一个巨大的机会窗口。

Clark 则从退出数据里看到了一样激进的趋势，从 2020 年到 2024 年间，前 1% 的 VC 支持退出门槛是 10 亿美元，到今年 2 月这个数字已经涨到了 20 亿美元。在这场对话发生的前一天，他们刚刚把数据更新到了 32 亿美元。Clark 推测等到 OpenAI 或 Anthropic 这类公司上市之后，这个门槛很可能直接蹦到 1,000 亿美元以上，也就是大概两年时间实现了十倍的增长。

这种集中程度在科技行业的历史上也找不出太多的先例，过去六年全部VC 支持的 IPO 加起来也就一万亿美元出头。George 说，而在未来任何一家大规模 AI 公司的 IPO，都有可能超过这个总和，因为大模型公司正在以史无前例的速度来捕获价值。

然而两位投资人也承认，整个行业还处在一个高度不确定的状态。George 表示在他职业生涯里从没见过变化这么快的时期，他说自己每隔几周就要推翻一些先前的判断，这种变化速度让人既兴奋又不安。

其中最大的变数来自模型公司的竞争格局，假如最终只有两三家占据前沿，Token 价格会维持在一个高位，假如有五家价格就会大幅下降。实际上低价对于整体经济更有利，原因在于它不会迫使企业以极快速度重组劳动力，但是目前做决定的人还没有足够多的信息来做出判断。

Clark 则提到了中国因素，他的同事前不久刚从中国回来，同事反馈说中国领先的大模型在能力上大约仅仅落后美国半年，但是成本只有十分之一。这个差距说明很多任务并不需要用最贵的模型来完成，次优模型能力不差而且在价格上更有竞争力，同时它们的迭代速度也很快。而这对于试图靠技术壁垒维持高价的美国模型公司来说毫无疑问是一个隐患。

另一个不确定因素则是开源，AI 蒸馏技术的成本大约只有预训练的 2%，假如这个比例继续成立下去，开源模型会快速跟进那些最前沿的能力。而大模型公司显然不愿意自己的模型被蒸馏，但是法律和技术层面能否完全阻止这件事，眼下还没有定论。

（来源：YouTube）

这两位投资人还讨论了 AI 行业的估值风险，去年福布斯发布了 AI 50 榜单，但是 40% 的公司在今年已经掉下去了。由此可见 AI 公司的半衰期很短，但是估值却很高。George 表示，自己所在的 a16z 早期基金历史上有 60% 左右的退出交易不赚钱，这也是风险投资的正常分布。但是，过去两年 AI 领域的亏损率大概只有个位数，这并不是一个健康的水平，这说明太多公司在展示同样的 AI 热情，但却只有极少数能笑到最后。

George 表示自己去参观一些最前沿的 AI 公司时，一些研究人员坐在那里对着麦克风低声细语，甚至不再使用打字了，他们直接用语音指挥 Agent 集群完成工作。这跟他观察到的传统 SaaS 公司形成了鲜明对比，后者依然靠大量招聘和销售增长来掩盖效率问题。对此 George 的评价是，老一代的公司没有意识到自己运营效率有多低，新公司则从一开始就完全不同。

Clark 也注意到了这种公司之间的代际差异，他说新一代创始人就是不一样，他们更加精干、更加激进、工作时长也更加长。

但是，他们都不认同当前处于泡沫阶段的观点，George 的判断是当前市场处于供应受限状态，算力、数据中心、电力都不够用，这种稀缺性其实会抑制泡沫的形成。他说一些大厂直到 2028 年底或 2029 年初才能获得大规模数据中心容量，这种供应瓶颈意味着 AI 需求还会持续地推高价格。

但是 George 也指出，这个判断也许会在三年后失效，假如出现某种算法突破，能够把模型缩小到现在的十分之一，与此同时保持能力不降，那么供应过剩就会出现。然而，短期内发生这种突破的概率很小。

这场对话的另一个焦点是企业 AI 的采用速度，George 的观察是一些技术公司把大部分的资源投在了产品和交付上，而不是投资了内部流程自动化上。对于成熟公司来说它们更适合做内部降本增效，但是它们的行动速度通常很慢。他这样形容目前的情况，大部分企业还处于文档化时期，即把现有知识转化成 Markdown 文件，接着尝试在不大幅影响客户体验的前提下来提高效率。

假如 AI 的乐观情景成立，VC 行业五年后会是什么样，他们认为这取决于模型公司的市场结构。Token 成本是一个最大的变量，假设 Token 价格足够低，大量高价值公司会在应用层涌现出来。用比尔·盖茨的那句老话来说，平台的价值最终取决于建立在平台之上的公司，假如未来是这样的话，风险投资仍然会站在核心位置。

参考资料：

https://www.youtube.com/watch?v=AiM9mZCmVPY

排版：胡巍巍

注：封面/首图由AI辅助生成