涨了 90%，还要再花一万亿

a16z 成长团队今年的 State of Markets：四位合伙人挑了 25 张图，谈这轮上涨靠什么撑住——还没记上账的是采用。12

按本期官方章节的顺序整理；时间码来自官方视频说明里的 10 段章节，官方单集页与 RSS 都没有章节。

这是 a16z 成长团队一年一度的 State of Markets。四位合伙人是大卫·乔治、莎拉·王、亚历克斯·伊默曼和桑蒂亚戈·罗德里格斯，其中大卫坐在主持那一侧。他们从完整报告里挑出 25 张关键幻灯片，分两半讲：先是宏观的资本开支与需求，再是模型、应用与几个垂直行业的落地观察。完整报告在节目上线当天同步发布，共 100 多张图表。13

第一张图讲科技在美国资本里的分量：高科技设备、软件与研发合计约占美国资本开支的 55%，科技占美国股市总市值近 40%，全球市值前十的公司里有八家是美国科技公司；2026 年标普 500 的盈利增长里，约 76% 来自科技。2

然后是那个被反复问到的问题。市场创新高的同时，交易倍数在往下走：股价涨了约 20%，倍数跌了约 20%，标普 500 的盈利倍数低于 20 倍，涨幅是盈利撑起来的。对照是互联网泡沫时期——那时市值最大的公司靠倍数扩张冲上去，很多以约 100 倍市盈率交易；反过来，一些强周期的存储厂商正在 6 到 7 倍前瞻盈利上交易。自 ChatGPT 发布将近四年来，市场涨了 90%，折成年化是 17%。

五家超大规模厂商——Alphabet、Amazon、Meta、Microsoft、Oracle——2026 年的资本开支约 7800 亿美元，2025 年是 4160 亿美元；所有预期都指向它们从 2027 年起每年花掉超过一万亿美元。他们的解释是：这一轮建设能这么快，是因为分发已经存在——互联网、云、手机——平台一上线就能触达数十亿人。

需求这一侧也有能落笔的证据：微软、谷歌、亚马逊三家云业务合计约有 1.7 万亿美元的后备订单。供应链的说法是需求压过供给，某些材料或产品现在下单也要等到 2028 年。自由现金流眼下被压低，但一致预期显示 2028 年开始回血；亚马逊在最新一次财报电话会上把这条 J 曲线讲得最清楚——芯片的经济寿命比所有人预想的都长。

他们还给了一个读法：把超大规模厂商的资本开支当成别人的订单簿。芯片、电力、施工因此受益，这也是为什么科技繁荣变成了工业繁荣。官方报告的原话是：这笔需求在很大程度上由全球最大科技公司历史级的利润来出钱，功能上等于把超大规模厂商的自由现金流换算成半导体的自由现金流，而且越来越靠债务。1

今年的主题词是「从比特到原子」。1到 2040 年，全球基础设施投资需求估计约 90 万亿美元，远不止 AI 和数据中心，还包括电力、水、道路、交通。组合里的例子被一个个点出来：Anduril 的制造基地相当于 87 个橄榄球场，Waymo 在扩充电站网络，SpaceX 在路易斯安那的投入是千亿美元级。

被点名破除的一个误解是电价。电网是一套共享的固定成本——电线杆、线路、变电站——一个大型而稳定的客户能把成本摊到更多度电上。他们引用一项美国研究：数据中心容量每增加 10%，居民电价下降约 40 个基点。Meta 在路易斯安那与当地社区合作降低电价，被当作真实案例提到。

三个数字放在一起才是重点：标普 500 中约 69% 已有上线的 AI 部署，约 30% 报告了某种可量化影响，而报告任何被持续跟踪的指标的公司只有约 2%。2铺得很快，扎得很浅——从单个部署走到真正有影响力的、反复出现的工作流，是下一段路。他们补了一句：聊过的大多数企业，对 AI 的接触基本还停在 Microsoft Copilot。

企业采用还早的另一面，是重度用户在飞快甩开其他人。1前 1% 的 AI 供应商支出约为前 10% 的 8 倍；更狠的一点是，把前 10% 里的那 1% 拿掉，剩下的 2% 到 10% 加起来才差不多等于它。在最 AI 原生的公司里，最重度的用户每月花 7500 到 9000 美元，中位数用户大概 200 到 400 美元，差 20 倍以上。按人头算的 AI 工具支出，相对靠前的大型财富 500 公司约 1%，组合里最激进的公司可以到 10%。

这一节还给了两个可以拿出来的案例：Chime 连续四年把成本服务率每年降低 10% 以上，累计接近下降 50%；Shopify 的 AI 助手让新客在 15 天内下到五单的比例提高 8%。老牌公司也在收钱：ServiceNow 的 AI 年合同价值超过 10 亿美元，九个月内代理式部署增长 9 倍。

消费那一侧同样早：截至 4 月，只有略超 2% 的美国家庭为某项 AI 服务付费——对照是亚马逊 Prime 的 2 亿多户和 Netflix 的 7000 万户。他们喜欢谈「微笑曲线」：AI 订阅的留存不但不走平，还会随着产品变好往上翘。一个相关的麻烦是，代理在后台干活，屏幕上没有时长可以看。

同一周，亚马逊拒绝了代理 Muse，Instacart 说请进。1他们的解释是：亚马逊的广告收入超过它的全部经营利润，而广告这套系统的前提是消费者会走到网站上点广告——眼球被移开，目的就不成立了；Instacart 的线上生鲜渗透率还很早，它要的是更多订单。乐观的那一面是：流失的是广告，回来的是 GMV，摩擦变低以后，本来不会下的单会被下掉。

公开软件的样本已经变了结构：约 75% 盈利，只有约 30% 还在 20% 以上增长；把线画在 30% 以上，绝对数量不到五家，而私有市场里他们几乎见不到增速低于 30% 的公司。24从年初的「SaaS 末日」到年底的「证明给我看」，他们给了量化的作业：98% 的毛留存是底线，真正要交的是收入增速的加速，目标定在 10 个点以上。

分岔的框架只有一句话：AI 怎么改变了客户对这个产品的需要。网络安全和可观测性站住了，垂直软件普遍比横向应用好。代理访问越来越多的系统、做越来越多的动作，安全与监控的需求反而变大——这对这一行的老牌公司是好消息。

一级市场的运营数据讲了一个跟公开市场相反的故事：在 Stripe 的 SaaS 客户数据里，无论年轻公司还是成熟公司，增速在进入 2026 年时都在加快——Stripe 把它叫作「文艺复兴」。1

同一段里还有留在私有市场的算术：Anthropic、OpenAI、Databricks、Stripe、Waymo、Revolut 六家按最后一轮估值合计约 2.4 万亿美元，超过过去十年除 SpaceX 以外所有 IPO 的合计市值（1.7 万亿美元）；Carta 口径下参与员工要约的比例只有 58%；二级市场相对上一轮的折扣基本归零。

他们最后交出的是兴奋清单：机器人可能比大语言模型还大，只是早三到五年；Uber 与 Lyft 的载客里程只占美国行驶里程约 1%，而自动驾驶车比人安全 14 倍，美国每年卖出 1700 万辆新车；AI 乘生物指向新药发现；个人健康是把关于自己的全部信息收进一处；企业内部的扩散要越过编码；以及不在 AI 这个桶里的「美国活力」——国防里新供应商的支出占比还不到 5%。1收尾的话很直接：建设规模巨大，但他们认为它会大幅提升美国的生产率。

底稿是官方单集视频的完整英文字幕（10,090 词）。只保留中文译文，不保留英文原文；对话部分保留说话人标签：片头／大卫／莎拉／亚历克斯／桑蒂。不压缩、不摘要、不删减。5

口径：官方字幕不带说话人信息，四位出场者同为 a16z 成长团队合伙人、声线接近。凡能从内容锚点确定的轮次（开场自我介绍、被点名的应答、「你之前提过」「就像莎拉说的」这类交叉指认）标出姓名；无法确定的过渡句与极短应答标为「同事」；片头是节目包装，单独标注。

分节标题用的是官方章节的时间点与名称，为便于对照官方视频，非本刊分段。

片头：全球市值前十的公司里，有八家是美国科技公司。……自 ChatGPT 发布将近四年以来，市场涨了 90%，折成年化是 17%。人的本能反应会是：这总要跌下来。我们确实处在一个很热的时期。……这把我们带进了一个原子的新时代。到 2040 年，全球基础设施投资需求估计有 90 万亿美元。这远远超出 AI 和数据中心，还包括电力、水、道路、交通。……标普 500 公司里已经上线 AI 部署的占到 69%。而如果你去看那根终极标尺——一项按时间持续跟踪的指标——其实只有 2%。AI 正在带来可观的收入和节省；另一方面，采用还处在极早期。……今天的机会，很大程度上在于把这些能力接过来，搭成可靠的服务。这些听上去都很好，但，它是不是泡沫？呃……呃，呃。

大卫：欢迎回到 The a16z Podcast。我是大卫·乔治，今天和我一起的是我的同事莎拉·王、亚历克斯·伊默曼和桑蒂亚戈·罗德里格斯。今天我们要走一遍我们最新一期 State of Markets 里的 25 张关键幻灯片：市场上涨背后的盈利、这轮 AI 建设的规模、采用正在扩大的证据，以及这个周期对硬件、软件和下一批未上市公司意味着什么。我们会讲清这些图在说什么，也会顺便说说我们在企业内部看到的东西。不管你是看视频还是听音频，都可以跟着走。莎拉、亚历克斯、桑蒂，谢谢你们来。

同事：当然。

大卫：这期播客上线的那一天，我们正好会发布这期 State of Markets 演讲。这是我们成长团队现在一年一度的传统：把科技、AI、基础设施和市场里最大的几个趋势汇总起来。今天只是从中挑一部分有意思的幻灯片聊一聊，所以我建议你直接去看完整版，里面塞满了各种金句。今天要聊的板块分两部分：先是宏观，我们从高处谈资本开支、数据中心带来的加速需求；然后是落地部分的观察，谈模型、应用，以及几个垂直行业的深挖。科技正在驱动一场覆盖整个经济的投资热潮，上涨的盈利支撑着市场的涨幅，而 AI 的需求正把基础设施支出推到远超早先预测的水平。超大规模厂商正把几乎全部的近期经营现金流投进去建这些产能，因为在我们看到的几乎每一个环节上，需求都持续压过供给。它们把投资投向芯片、电力、冷却、施工、熟练工人等等。这轮扩张碰上的，是物理基础设施现代化的更大需求，于是各行业都有了机会，共享成本还有可能被压低，企业和家庭都能受益。那我们就开始吧。第一张幻灯片：科技是那个「万物周期」。这其中有几点可能有点显而易见，但数字放到今天还是有点惊人。高科技设备、软件和研发，现在大约占美国资本开支的 55%，这是个非常惊人的数字。很明显，科技在驱动整个投资周期，覆盖经济的各个角落——从软件和模型，到电力、施工和工业产能。科技几乎占美国整个股市总市值的 40%。全球市值前十的公司里，有八家是美国科技公司。所以这是一个很广的故事。你在资本开支里看得到它，数据中心的建设已经被讲了很多；模型公司合计融资，我记得现在也超过了 3500 亿美元。把它放进很深的历史坐标里看——这大概是我们见到过最多的一个类比——这轮建设占 GDP 的比重刚刚超过了历史上的铁路建设。所以，激动人心的时代，巨大的建设潮。我们几个都认为，如果快进到五年到七年、也许十年之后，回头看这些数字，它们的累计值大概率还要再高 20 倍。

同事：这确实像是马克那句「软件正在吞噬世界」的下一章。过去十五年，软件改造了所有这些行业，但全世界只有一小部分人能动手构建它，我们几个都不在其中。可今天你看看我们：每个人手里都有几件自动化在每天晚上跑。所以你想想软件需求，它意味着多得多的算力、芯片、电力和施工。所以看到大部分投资现在都落在科技上，一点也不奇怪。

同事：我们经常被各种听众问到一个问题：这些都好，但，它是不是泡沫？市场创了新高，但就在它创新高的同时，市场的交易倍数其实是在往下走的。股价涨了大约 20%，倍数跌了大约 20%。这意味着这段表现是由基本面盈利驱动的，不是倍数抬高带来的。标普 500 的盈利倍数低于 20 倍。你先从这个数出发就会发现，这些公司绝大多数质量都很高。它一点都不像互联网泡沫时期——那时候一些全球市值最大的公司，巨大的涨幅建立在倍数扩张上，很多要以大约 100 倍市盈率交易。今天发生的不是这件事。反过来看，一些存储厂商——同样是非常强周期的行业——大概在 6 倍、7 倍前瞻盈利上交易。所以非常非常不一样。

同事：这里有一点值得再往里按一层：自 GPT 发布将近四年来，市场涨了 90%，折成年化是 17%。任何时候出现连续四年 17% 的年化增长，人的本能反应都是「这总要跌下来」，对吧？我们确实处在一个很热的时期。但把它和你刚才说的那件事放在一起看——市场在低于 20 倍盈利上交易，而盈利在增长 15%——这确实感觉和 2021 年那段时期不太一样，也和 2000 年那段倍数与增长并不同步的时期不太一样。

大卫：完全同意。那我刚才提到资本开支建设的规模，是放在铁路那个语境里讲的。如果你只看超大规模厂商——Alphabet、Amazon、Meta、Microsoft 和 Oracle——它们 2026 年的资本开支大约是 7800 亿美元，2025 年是 4160 亿美元；而所有预期都指向它们从 2027 年起每年花掉超过一万亿美元。这里的模式识别是：每一个这样的计算平台，服务过的用户和使用场景都比上一个多得多。在这个案例里，建设可以这么快，而需求还能压过供给，是因为用户量本身就由「分发已经存在」这件事驱动——这个趋势建立在互联网、云计算、当然还有手机之上，所以它能一下子触达数十亿人，这和以往的技术周期很不一样。

同事：对，我想这一点值得再按一层，因为我们已经远远走出了「偶尔问一句」那种模式，对吧？你想想代理的崛起：有并行任务，有长时间运行的任务。所以，我是说，亚历克斯，你之前提过这一点，对吧？有些任务会一直跑到晚上，或者在你白天做别的事情的时候跑。所以你想想代理在自主写代码、搜索、执行这些任务，它给这些平台带来的算力要求，比以前任何人想的都要大得多。

亚历克斯：对，完全同意。这一张也是指向资本开支这一侧的。五大超大规模厂商的资本开支预测在很短的时间里被连续大幅上修。一个曾经看起来像天花板的时间点——在好几个季度、好几年之后——现在变成了近期的事，因为对算力的需求一直在扩大。

同事：对，你看这里的图：在任何一个时点，人的本能都是说「投资大概就从这里走平了」。可过去四年，作为一个经济体，我们一直在低估这个趋势的强度。就像莎拉说的，随着模型发展，我们已有的装机容量一直在被吃掉。所以现在这些数字，就是大卫刚才提到的那些，也就是当下的估计值。

同事：对。用 DG 的话说，我觉得我们现在都会把对算力的需求叫成一个「model buster」（模型轰炸机）。有一个大家都经历过的、很说明问题的例子：Sam Altman 和 Sarah Friar 一年前左右因为巨额的算力承诺挨了不少骂，当时被说成鲁莽、激进。而到今天，所有人都会说那个决定极其有远见。即便如此，两周前我们也都看到，他们不得不暂停了高端订阅计划的新用户——拿着 2000 美元一份的服务上门，对不起，请回吧。挺惊人的，我们正在经历的是贪得无厌的需求。

同事：对，绝对同意。基本上我们在供应链每一个环节上聊到的每一个人，都在说同一件事的某个版本：需求压过供给。数据中心供应链上的某些环节，你拿不到材料或产品，要等到 2028 年，所以这不是软性的说法。同时，你也可以在超大规模厂商身上看到一些能让你安心的高质量需求的证据：微软、谷歌和亚马逊合计大约有 1.7 万亿美元的云业务后备订单，这些客户承诺在快速累积，同时平台在重金建设服务它们的产能。所以，当下自由现金流确实被这轮建设压低了，但一致预期显示它从 2028 年开始恢复，之后显著增长。你可以看亚马逊最新那一次财报电话会，他们把这条 J 曲线的逻辑讲得非常好：GPU 或者 TPU 的可使用寿命其实相当长。你得先把壳子、把数据中心盖起来，那是要花一定时间的；你得买芯片。但这些芯片会有一个很长、很有价值的经济寿命，而且比我们任何人预想的都长。

同事：对。而且我知道，有些超大规模厂商因为为资本开支举债，坦率地说被批评了；但就像模型实验室那边的处境一样，我觉得那些眨了眼睛、没那么激进的公司，后来都后悔了。我知道你最近和加文做的那期播客里，微软被提到过。但我认为这是一个普遍的问题。

同事：对。另一个被谈得很多的动态，是现有 GPU 在现货市场上的定价。这又是一个信号：任何你能上线的 GPU 都被标上了一个不错的价，超大规模厂商能拿到有吸引力的回报。

同事：对，这一点很关键。这是我们一直在谈的事情之一：每一波这样的浪潮都会创造出大量用户剩余、消费者剩余。而据我们所能看到的，现在实际发生的是，消费者和用户从中拿到了巨大的价值——这就是他们用得这么多的原因；服务这些用户的厂商在赚很好的钱；然后你一路往下走到栈底的芯片，你得付出比 12、18、24 个月前高得多的价钱才能拿到货，可即便如此，你依然能做出很高的毛利，并从用户身上创造出大量的剩余。

同事：当我们谈超大规模厂商的资本开支时，应该把它想成是别人的订单簿。这些历史上利润最高的平台，正把自己的现金倒回 AI 基础设施。这短期压低了它们的自由现金流，我们刚说过；但它对芯片订单、对电力、对施工是一轮盛宴，这也是为什么这场更广的科技繁荣变成了一场工业繁荣——我们越来越多地把时间花在服务这场工业繁荣的公司上，花在数据中心供应链的每一个环节上。我觉得有意思的是，传统上我们这门生意更偏向把已有的知识产权变现：造一次，然后无限次地卖。但这些生意的复杂度高得多——公司要管融资、管供应商关系、预测产能、预测需求。我们看到有些团队做得很好，也有的卡住了或者干脆停了停，这和我们平时花时间的地方是两种不同的专长。

同事：这把我们带进了一个原子的新时代，这一页上都是大数字。到 2040 年，全球基础设施投资需求估计有 90 万亿美元。但重要的是，这远远超出 AI 和数据中心，它包括电力、水、道路、交通。我们在自己的组合里到处都能看到它：Anduril 那个巨大的制造设施，规模相当于 87 个橄榄球场；Waymo 在积极扩建自己的车库；当然还有 SpaceX 在路易斯安那的千亿美元级投入。从我们的角度看，今天「为未来下注」和过去已经不完全是一回事了——像桑蒂说的，它意味着建工厂、扩基础设施、更多的熟练岗位，而且是在全国范围内。

同事：还有，和我们刚才谈数据中心时说的类似，我认为投资物理基础设施和投资软件非常不一样。Elon 很多年前造了一个说法：工厂就是产品。我们投过的很多伟大创始人来自 Tesla 或 SpaceX，这一点都不奇怪，因为他们在那里学到的是：随着规模扩大，把工厂执行好本身就会变成巨大的竞争优势。关于数据中心，我们总听到很多说法：它们在抽干美国的水；有钱人不想住在它们旁边；还有我们最喜欢的一条：我的电费要涨上天了。它可能显得反直觉，但一个数据中心其实可以帮你把电价降下来。美国最近一项研究显示，数据中心容量每增加 10%，居民电价下降约 40 个基点。你应该这样理解：电网是一套共享的固定成本空间——电线杆、线路、变电站。而像数据中心这样一个大型而稳定的客户，能帮助把这些成本摊到更多的度电上。简单说，在一个共享系统里，需求更多是好事。

同事：对，我完全同意你说的。对共享基础设施的投资，也能改善与它相连的家庭和企业的经济状况。

同事：对，我觉得这一点没有得到媒体足够的注意。Dina Powell 最近上了一期来自 Meta 的播客，谈到他们在路易斯安那的那个园区——他们和当地社区一起把电价降了下来。所以今天就有真实的例子，这不是场面话。

同事：完全同意。

同事：那接下来我们谈模型层和应用层看到的趋势。一方面，就像我们刚才预告的，AI 正在带来可观的收入和节省；另一方面，采用仍然处在极早期。然后，在这之上，还有一个非常明确的趋势：成本正在急剧下降。代理我们刚才已经预告过了，但代理现在对范围大得多的工作已经变得经济上划算了。当然，这件事在我们说话的同时还在变。像新一些的实验室 Typesafe 做的 Jev 这类新东西，把这件事推到了更极端的地步——你开始看到两个数量级的成本差异，实实在在影响到能用起来的场景数量。这有点像经典的杰文斯悖论，名字起得非常贴切。总的来说，对模型层和应用层来说，这都是一个极好的局面。这些改善正在为软件公司创造真实的增长和盈利机会。这并不是说所有人都会赢，但 AI 吸引风险资金进入的行业范围确实在急剧扩大，这一点不奇怪。我们还看到越来越多公司在私有市场里做到巨大的规模。这一张不是新的图，但它是我最喜欢的图之一：OpenAI 和 Anthropic 加起来的收入规模。这几年我印象里每一次 GP 闭门会都会放它，而且我们每个月都得更新，因为它过时得太快了。这里的重点是，你能从数字里看到，OpenAI 和 Anthropic 合计的年化收入爬升到了一个非常夸张的程度。我们喜欢把它和历史最伟大的软件公司放在一起看；你可以看到，右边那张图上，如果看「新增收入」的估计值，头部实验室的净新增收入已经远远超过了史上最好的软件公司。所以这不只是规模，还有到达这个规模的速度，组合起来非常惊人。

同事：但我们还是很早期。我觉得相对其他平台迁移来说，AI 这次有意思的地方在于：我们不仅在「有多少比例的人口或用户在用 AI」这件事上很早，在「这些用户会把多少钱花在上面」这件事上更早。所以它和过去不太一样——2008 年我们建模的是有多少人拥有 iPhone；在这里我们要想的是，有多少人会使用 AI 产品，以及他们用这些产品用得多深。

同事：对，我觉得「我们还这么早」这一点非常重要，这里面有一堆指标能说明它。一个是，你想想标普 500 公司的上线部署，那是 69%。所以，如果你像我们一样是个 AI 信徒，这大概和你的预期差不多。但如果你往「可量化的影响」走一步——那大概是衡量它们部署进度的好指标——那是 30%。再往那根终极标尺走，也就是一项按时间持续跟踪的指标，其实只有 2%。所以我们相信 AI 正在带来结果，但在组织内部真正把它的使用做深、并且按时间跟踪这些结果，还有巨大的空间。说到底，从你现在看到的这些单个部署，走到真正有深度影响力的、反复出现的工作流，就是下一阶段。我还会说，我们聊过的大多数企业，对 AI 的接触基本还是 Microsoft Copilot，这本身就说明它们还有多远要走。

同事：对。模型能做的事，和使用它的方式之间的这道缺口，正是让我对应用层这么兴奋的原因。莎拉，你和马丁在 Databricks 跟 Ali Ghodsi 做过一次很好的对话，他说到 AI 可以很了解这个世界，却对你的公司知道得很少。我们在应用层的公司身上看到它们正在补这道缺口。这几个月里最打动我的一个例子是：就算像 Revolut 这样工程团队很强的公司，也得和 ElevenLabs 合作，把 11 家最好的语音模型接过来，跟客户账户和银行工作流安全地连起来，这样我作为客户打电话进去，问题能被顺畅、高效、安全地解决。所以今天的机会，很大程度上在于把这些能力接过来，搭成可靠的服务。

同事：所以，除了企业采用还处在很早期这件事之外，我们还想了另一个非常值得用数据说话的显著趋势：重度用户正在彻底甩开所有人。你可以理解为，AI 支出总体上是全公司在涨，但重度用户——我们说的最密集的那批用户——花得多得多。我们看了一些公开数据：如果看 AI 供应商支出的中位数，前 1% 大约是前 10% 的 8 倍。

同事：更让人印象深刻的是，它几乎等于第 2% 到第 10% 加起来的总和，差不多就是那 1% 的量。所以，就是这批重度用户，他们显然是最早的采用者。

同事：对，绝对是这样。而且就算只看我们自己组合里的公司——你可以说它们基本上已经是完全的 AI 原生、AI 深度信徒——你也会看到最重度的用户每月花掉大概 7500 到 9000 美元；而中位数用户、在最 AI 原生的公司里，大概更接近一份月订阅的价格，200 美元，也许你还叠了第二份订阅，所以是 200 到 400 美元。所以如果拿中位数和头部用户比，支出差了 20 倍以上。

同事：对。我们会跟我们自己组合的公司聊，其中一个经常讨论的问题就是：他们的采用程度有多高、该怎么衡量。举个例子，如果你只看他们花在 AI 工具上的钱相对人头数的占比，我觉得那些相对靠前的大型财富 500 公司，今天大概在 1% 这个水平。而组合里最激进的那些 AI 原生公司，可以高到 10%。所以这些都是同一个问题的不同侧面：我们现在处在扩散的哪一段，这段扩散最后会走多深。

同事：对。我们在组合里看到的另一个例子是：很多企业第一次买下 Cursor 或者 Cognition 的时候都非常兴奋，但现实是那只是这段旅程的开始。从采购、试用这些工具，到真正全面采用，中间那段跑道非常长。

同事：而且，莎拉，这一点你前面提到过：我们开始看到可以量化的案例了。我们在这里点了几家会披露指标的上市公司，它们在 AI 上取得了有意义的改善。比如成本这一侧，Chime 说他们连续四年把成本服务率每年降低 10% 以上，累计下来接近下降 50%。这背后有我们组合里的一家公司 Decagon 支持，但总的来说，是很多降低成本服务率的举措。收入这一侧，我找到的一个有意思的例子是 Shopify：他们上线了 AI 助手，帮商家更快上手，于是新客在入驻后 15 天内下到五单的比例提高了 8%。这是 Shopify 跟踪的一个指标：一旦你到了五单，你就会留下来、会在 Shopify 上留存。所以这对他们的生意也是一个有意义的助推。

同事：对，绝对同意。顺着你说的「成本服务率下降」，你想想它能带来什么：你有了更多腾挪空间去竞争，于是价格更好、服务可能更宽，或者可以再投回增长。所以好处会传到客户那里——不只是客户，还有毛利，然后再被转回去。另外一件我觉得很有意思的事是，这些公司的差别很大，不能一概而论，但老牌公司在变现这件事上做得相当不错。ServiceNow 就是一个好例子：他们报告 AI 年合同价值超过 10 亿美元，实际上代理式部署增长了 9 倍。所以从老牌公司到新公司，整条栈上都能看到这件事。

同事：对。我们谈过很多次、而且一些最靠前的公司比如 Stripe 也跟我们讨论过的一件事是：他们到底把新增的 AI 投资花到哪里了？是花在给客户做能带来更高收入的新产品上，还是花在优化、花在成本侧的效率提升上？这在我们看来是一张试纸：这些公司的创始人或 CEO 在哪里看到最大的机会。推动收入增长的机会，向上的空间是没有边界的。

同事：而成本改善的机会呢，是的，你可以拿它再投资，但那是一种会一直悬在那里的潜在机会。如果你认为今天你手上这笔钱最好、最高的用途是优化成本结构，那这说明你在新增收入上的机会是什么样的？

同事：而且就算在成本优化里，也有不同的口味，对吧？一种是降低成本服务率，让你能把钱再投出去，让你变成一家更好的公司。我觉得六个月前，我们这行非常集中在内部重建「记录系统」；如果你的工程师在重建一个记录系统，只为了省几万、几十万美元，我期待这笔资源有更好的用途。对，完全同意。

同事：所以莎拉刚才提到 ServiceNow 上出现了大量的代理式用量。代理来了，它们在执行任务；任务需要很多步骤，每一步又需要多次模型调用——这也解释了 OpenRouter 上代理 token 用量增长 14 倍。不过这些步骤正在变得更容易负担。我们看到了缓存：系统可以复用背景信息，而不是每次从头处理一遍。我看到 Hebbia 用上了这一点：他们的财务问答工作负载变得便宜了 10 倍。同样的预算，现在能支撑更多工作。

同事：对，我觉得你更宏观的那一点是：成本降下来，才让代理「先做一遍、检查结果、再试一次」这件事变得实际可行，于是打开了一大批原本因为推理或工具调用贵得离谱而做不了的场景。我觉得这一点在「可靠性本身决定你用不用代理」的场合尤其重要。而且，我们之前聊过 Typesafe 这类做法：你想象一下，当一个数量级、两个数量级的便宜发生时会怎样——我认为能打开的使用场景多到难以想象。

同事：对，完全同意。而且，延迟上还有大得多的改善。

同事：对，绝对是这样。

同事：对。所以今天越来越多的公司确实在考虑：怎么在大处上同时优化延迟、性能与成本。以 Databricks 为例，他们在用路由，为每一个具体任务挑合适的模型，来改善性能与成本。他们的智能路由表现更好，比最强的单个模型解出更多问题，成本还低 35%。另一个我们现在看到很多的做法是微调，我们在 Harvey 和 EliseAI 身上都看到了。以 Elise 为例，他们微调了一个更小的模型，于是便宜得多——便宜 60%——而且延迟低得多，所以从音频角度看，实时场景才成立。所以这些工程上的进步，让 AI 既更有用，也更负担得起。

同事：对。我觉得，如果你把这些汇总起来，去想应用类生意，对它们真正相关的单位其实是「把客户这一单活干完的成本」。如果你能把这个解耦——你把客户这单活干完，按它收费，同时用更好的路由让产品更省钱——那就很妙了，因为你不再每一步都用最贵的模型，但你依然把活干完了。我认为最好的应用公司会看到更多的毛利改善。

桑蒂：这是个很好的过渡。我们前面主要谈的是企业内部的用量，但消费者这一侧也必须谈，因为那显然是出过一些最大成果、也是我们花很多时间的地方。我们认为现在还非常早。最近有一项调查显示，只有略超 2% 的美国家庭真的在为 AI 付订阅费。也许订阅不是把大多数家庭变现的最好方式，但到目前为止它确实是最主要的方式。而订阅收入有意思的地方在于，它有着我们在消费领域见过的最好的留存之一。亚历克斯喜欢谈「微笑曲线」，而一条留存曲线不但走平、还真的随着产品变好和用户回流而往上翘，这在消费里非常非常罕见。但这就是我们在 AI 上看到的，它本身就说明订阅给付费的那个人交付了价值。

同事：顺便说一句，关于订阅这件事，最让我意外的是这些数字有多小——尤其你看右下角那张图。想想亚马逊 Prime，那是 2 亿多户家庭。Netflix 也是个好例子。

同事：7000 万户，对吧？这个我还专门去查了，我说，是不是单位弄错了？所以我们完全同意，这事才刚开始。

亚历克斯：对。我们的合伙人 Josh Elman 有一个我挺喜欢的定义，它和这个方向稍微有点相反：消费者 AI，是我日常生活里用的东西，不一定是拿去报销的东西。按他这个口径，正在用 AI 的家庭里还有 97% 没有付费，就一点都不奇怪了。你说得对，桑蒂，我确实喜欢那条会微笑的留存曲线，我们确实想看到用户越来越多地回来。大型消费平台还有一个共同特征，就是使用时长：如果你去看 Facebook、Instagram、TikTok、Snap，它们每天都能拿到活跃用户 30 到 60 分钟。而现在最好的那些 AI 助手——眼下正在冒出来很多——都想成为我的默认应用。我希望它们会极其持久、始终在线、而且非常主动，以至于未来我花时间最多的地方可能不是它们。这也让我们的工作更难：我们没法再从外部数据里看参与度了，因为代理是在后台干活，而不是我们去盯着社交媒体应用的屏幕时长。但这件事很重要。我记得最新的模型出来的时候，就在我们自己的工作负载里，我们也会丢出一个深度研究任务或者代理任务，然后开车进城去——那还不是开特斯拉。

同事：那段时间不会被算成屏幕时长，也就不会被像前几代消费产品那样被跟踪到。

同事：对，完全同意。

同事：很早，但这是消费领域一个非常新、非常令人兴奋的时刻。Muse 和 Instinct 毫无疑问是这条街上新来的小孩，但它们长得非常快。它们和 ChatGPT 一起，正在把越来越多的搜索从我手里拿走。这是一个非常有活力的时期，所以如果你是一个现成的消费发现平台、一个现成的市集，你现在真的要好好想想你的应对招数了。我会问两个问题。第一，我能从一个 AI 代理身上拿到多少增量需求？它能给我带来多少更多订单？第二，我的生意里、我的利润池里，有多大一部分来自「拥有客户关系与发现权」？上周有很多新闻：亚马逊对 Muse 说不，谢谢；而 Instacart 说，请进。如果你看亚马逊和 AWS，再看 Instacart，它们的广告收入都超过了全部经营利润。所以广告收入、拥有客户关系，是极其重要的。但对亚马逊来说，通过接上 Muse，我能拿到多少增量新订单、或者新客户？没有多少。而如果你看 Instacart，线上生鲜的渗透率还相对很早，还有多得多的订单可以去拿。所以这里乐观的可能性是：会从这些应用里来多得多的订单。过去我得一路点很多下才能把一单走完；如果我把这件事交给代理，突然之间就没有点击了，而 GMV 可能更多。我本来想订却没订成的行程被订了；我们本来想点却没点的今晚那顿饭被点了。所以我乐观地认为会有多得多 GMV，它会在某种程度上补上那部分失去的广告收入。

同事：对，但这里有一个悬而未决的问题：这件事到底怎么被补偿？就像你说的，亚马逊有超过 700 亿美元的广告生意，利润率高、现金流极好，而它的全部前提是消费者会走到网站上、点那些广告。如果人们不再这么做，会发生什么？今天 Meta 和谷歌是公认投得最好的广告平台，大概好过任何一家互联网平台。在美国和发达市场，它们从每个用户身上大概能拿到 200 美元以上。Meta 那边更像一个娱乐应用，会怎么走还要再看，它的处境可能稍微安全一点。谷歌这边就很有意思：两年前这一切刚发生的时候，大家都在说「天哪，谷歌的搜索生意要完了」，结果它表现得相当有韧性。一部分原因是它那些高变现的广告词本身比较安全，比如「我要买保险」「帮我找这个城市的一家酒店」——这些你能直接变现，而当时的 AI 还没有能力替你去执行这些动作。如果这一点变了，局面就会很不一样。

同事：对。再补一点：我觉得上周那个叙事有点偏「负和」——非常负面，你看，这些市集要受影响了。我确实认为这件事有一个正面的看法的：第一，也许那 700 亿美元花在亚马逊广告上的钱，只是找到了一条别的渠道、流到别处去了，也许直接花在代理上、通过另一种形态花掉，或者只是找到了更好的触达人的方式；第二，我觉得摩擦变低之后，我们可能只是会看到更多消费——人们可能买得更多——那就是一个正向的飞轮，会推动经济增长。我觉得我们有点被锁进「哦，这对利润池是坏事」这个念头里了，而它其实可能是好事。

同事：对，没错。

同事：顺便说，两件事可以同时成立。

同事：对。

同事：对，对。

同事：它可能是——

同事：利润池可能会消失，但它对整体经济可能是加法。我觉得如果三年后回头看，宏观层面并没有出现有意义的生产率改善——在广告这个例子里，那会推动消费者支出走高——我们所有人都会失望。但可能的情况就是：利润池从某些地方消失了，然后被重新分配到别的地方。

同事：即时反应是，整个生态的市值是净增加的。Meta 涨出来的市值，远远超过市集那些公司跌掉的损失。

同事：对，这一点很好。

同事：对。回到我们关于软件的讨论，也许更往公开市场那一侧走一点。我觉得这些图里最跳出来的大趋势是：结构已经明显转向增长更慢、但更赚钱的公司。这里公开软件的样本里，大约 75% 是盈利的，而只有 30% 的增速在 20% 以上。

同事：这是个惊人的数字：公开软件公司里只有 30% 在 20% 以上增长。

同事：而且不只是 20% 这个门槛——那是 30%。如果你把线画在 30%，我们讨论过，绝对数量不到五家。而私有市场里，我们几乎看到的每一家、花时间在一起的每一家公司，增速都远超 30%。

同事：对。你看，如果你去跟 IT 负责人、CIO 这些人聊，会发现这其实有点显而易见。如果你看他们经历的增速，以及他们花在 AI 上的钱……

同事：这些钱最容易来的地方，就是不花在新软件项目上的那部分增量预算。

同事：对，完全正确。我想我们是一些 SaaS 软件公司的投资人，包括公开市场上的；我们和它们、和这些创始人的对话，都非常聚焦在一件事上：我怎么把我已有的分发——很多时候它非常非常强，客户被锁得很死——用起来，把真正有意思的 AI 产品装到他们身上，从而把收入增速拉上去。我觉得，要驱散大家对「SaaS 末日」最大的恐惧，我们只需要看到一段时间里，软件公司继续交出像 98% 毛美元留存这样的数字——这历来就是它们作为投资标的那么有吸引力的关键点；继续像我们说的那样提高效率；但最重要的是，把收入增速的加速做出来。这既说明它们在防守上是安全的，也说明它们在进攻上的投入会真的让生意变得更好。

同事：你几个月前那篇讲「两条路」的文章里那个规则，我觉得很有意思。也许你可以就那几个百分点的细节多讲一点。

大卫：对。写完那篇之后我跟创始人聊得越多，越觉得……几乎每个我们聊过的人都说：我在努力把收入增速做高。对我们投的、这些年支持的这类公司来说，这显然是最主流的一条路。相对一年前那种「所有人都会用自然语言把自己的软件系统重写一遍」的恐惧，市场已经证明这件事没有发生。但压力确实在于交出收入增速的加速，所以我们说过：目标就定 10 个点以上的加速，这是个很高的数字；不过在有魔幻级产品、又有那么多预算摆在 AI 面前的情况下，看起来是做得到的。我们就看吧——有几家我们很接近的公司，未来 12 到 18 个月里应该能看到。

同事：对，绝对是这样。而且你也知道，凡事都一样，不能把每一家公司都塞进「软件」这一个桶里去谈倍数下降、增速下滑。事实上，软件内部分化得很厉害。你看这张图，网络安全和可观测性非常突出，垂直软件总体上也比横向应用撑得好得多。我认为我们判断「什么撑住了、甚至涨得不错」和「什么在更长期的衰退里」的框架是：去想 AI 怎么改变了客户对这个产品的需要。和 AI 相关的网络安全风险已经被讲得很多；而随着更多软件和代理创造出新的安全与监控需求，这实际上给这些市场上的老牌公司带来了更大的需求——你能看到右边点到 CrowdStrike。反过来，应用类面对的是不同程度的工作流变化。你可以想想我们一位顶尖 CEO Ali Ghodsi 喜欢讲的那个「AI 的砧板」——什么会先上砧板；同时反过来想，什么才是 AI 真正需要的。把这两种动态配在一起，我觉得就能解释很多我们在公开市场看到的东西。对，我觉得这和我们在一级市场看到的东西很吻合。就像你刚提到的安全那一侧，代理正在访问越来越多的系统、做越来越多的动作，OpenAI 和 Hugging Face 那件事对很多人来说是一次警醒，所以安全是头等大事。再看垂直 AI 公司，那是我们在一级市场见到增长最快的一批公司：Harvey、Abridge、EliseAI，它们的增速超过了这个行业以前任何一家公司的先例。这反映的是客户认识到：重要的不只是模型——我们前面谈过——还有你怎么编排它、怎么在它周围把应用搭起来，以及垂直专属的工作流会把这些需求真正扣住。

同事：对。我们还花很多时间看公开市场，倒不是为了投资，而是因为我们要给退出倍数定价，所以我们会盯得很紧。如果要给这一年做个回顾：头两个月是「SaaS 末日」，我们写了篇文章讲什么样的生意会好；快进到今天，软件指数其实已经回到年初的位置，但内部分化成了两类——一些公司被认定是 AI 输家，一些被认定是 AI 赢家。公开市场有时候会把事情简化得太过。但就像你说的，AI 赢家不只是那些能改善成本结构的，而是那些真的在加速、真的吃到这批被让出来的新增收入的公司；如果你没有真的吃到，那你大概没有骑在这波浪上。

同事：对。

莎拉：对。我觉得反过来说，我们想展示的是另一组数据——来自一级市场公司的运营数据，它能让我们看到客户实际在做什么。而在 Stripe 的 SaaS 客户数据里，有一条跟叙事相反的东西：它显示无论年轻公司还是成熟公司，增速在进入 2026 年时都在加快。

同事：Stripe 把它叫作「文艺复兴」。

同事：哦，「文艺复兴」。我其实挺喜欢「文艺复兴」这个说法的。

同事：我喜欢「文艺复兴」。对，

同事：这个说法很好，非常好。

同事：嗯，如果你去聊——我们刚才谈了不少公开市场。你知道，莎拉刚讲了私有市场 SaaS 的加速。我们经常被问到，公司留在私有市场的时间越来越长这件事。如果你去看今天最大的六家公司——Anthropic、OpenAI、Databricks、Stripe、Waymo、Revolut，按最后一轮估值算——它们加起来大约 2.4 万亿美元。这比我们过去十年看到的、除 SpaceX 以外所有 IPO 的合计市值还多，后者加起来是 1.7 万亿美元。所以说，我们这门生意里发生的活动量——六家公司、2.4 万亿——几乎和罗素 2000 指数一样大，那可是公开市场里一个大指数，有几百个公开市场管理人把大部分时间花在上面。所以，在这些能够持续投资增长、而不是去最大化短期利润的后期冠军公司上花时间，变得越来越让人兴奋。不过大卫，你可以讲讲我们是怎么就 IPO、以及在什么时候该留在私有市场、什么时候该上市的给公司建议的。

大卫：对。你看，IPO，尤其是对创始人主导的公司来说，我们谈过、我也写过的一件事是：在今天，创始人本身就是那个资产类别。所以我们下的注、以及为什么对其中一些公司来说留在私有市场是有好处的部分原因在于，它们在私有市场里往往能下更大的注，而这些注的回报周期更长。在公开市场上，扎克和 Elon 算是这条规则的明显例外。而这种好处在 Databricks、Stripe 这类公司的数字上表现出来，就是在新产品方向上下的极其巨大的新注，以及由此出现的收入加速。你在公开市场也能这么做，但它会引来更严格的审视——比如 Meta 的股价，在人们非常非常怀疑它们在 AR、VR 上的投入时，一度跌到每股 100 美元以下。对我们来说，我们跟创始人谈这件事的方式是：IPO 只是又一次融资事件。作为一家上市公司，你得到了什么；作为一家私有公司，你又得到了什么？显然，在私有市场你也能做到很大的规模。也有一些公司，我们刚才说过，它们本来就按上市公司的样子在管自己，比如对效率高度关注、几乎每个都会区都在跟踪。而另一些公司会从公开披露财务这件事里受益——无论在企业侧还是消费侧，都能赢得客户的信任。Navan 就是上市之后，我们看到它因为「是一家上市公司」而得到一些更大企业的更多信任，业务随之重新加速。

同事：对。当然也有一些例子，是资金需求随着时间变得非常非常大，而私有市场的资金池很大，能服务很多这样的公司；但到了某个时点，资金需求可能会大到连私有市场都吃不下。

同事：那就是公开市场了。在私有市场里，我们还花很多时间在一件事上，就是老股转让。这里有两个动态。一个是我们看到越来越多的公司在为员工做要约收购，这样如果他们选择继续留在私有市场，员工也能在公开市场之外拿到流动性。这里有一个有意思的数据点：Carta 的数据显示，参与要约的比例只有 58%。也就是说，员工选择不拿流动性，因为他们对自己公司的表现有极高的信心。所以这和「员工急着套现」的叙事恰好相反：我们看到的是员工选择不套现，因为他们太相信自己的公司了。

同事：你可以想象一下，如果这个比例是 100%，旧金山的房价会是什么样。

同事：确实。

同事：那会很难。确实。那些要约收购，我们自己显然也经常参与、经常牵头，所以我们认为它们是好事。它们有两个作用。一个是，对员工和潜在员工来说，有时候和公开市场的流动性吸引力竞争是很难的——上市公司的 RSU 每个季度都会按税后净额打进你的账户；所以对那些要在公开市场公司之间争夺、留住员工的私有市场公司来说，这是一件竞争武器。另一个是，我们主张更频繁地重设你的估值。这样你的股价——私有股价——会保持新鲜，原因有好几个：一是跟员工和潜在员工谈起来更容易；二是，如果你想做并购，就像我们很多公司做过的那样，你手上有新鲜的货币可以用。

同事：对。也许再说另一个动态。人们经常谈二级市场的折扣，因为这是过去五年我们看到的一个现象：从 2021、2022、2023、2024 年走出来的时候，二级市场相对最后一轮价格的折扣中位数是有意义的，因为可能有一轮定价太高、又已经过时了。但今天你实际看到的是：当二级市场发生交易时，相对最后一轮价格的折扣基本上是零。

同事：对，这一点很好。所以，嗯，这张图挺有意思，上面的标题是「一切都是 AI 计算机」。AI 相关公司占了美国 VC 交易额的 86%（这是 2026 年的快照），2025 年这个数字是 65%。所以很明显，AI 已经成为风险资金的主导去处。

同事：对。但在这个 AI 标签底下，机会其实已经拓宽了很多，对吧？有企业应用、消费应用，也有服务、半导体、电力、国防。很多注意力都在 OpenAI、xAI 和 Anthropic 身上，但在那之外，我们的机会集从来没有这么深、这么宽。

同事：最后，我们想聊一聊现在特别让我们兴奋的几个领域，这也是个挺有意思的话题。我们已经提过一部分消费者工作，将来会由代理来完成。你可以叫它长时运行的代理，也可以叫它自主代理，总之是消费者侧的高强度使用。如果你站在这个角度看：你会有消费级代理替你做所有你不想做的任务，给你那些你本来不会花时间或花钱去得到的东西。这非常有吸引力，而且我认为它的分发可能发生得相当快。机器人是我们投入很多时间和注意力的领域。我们恰好认为它可能比大语言模型还要大，但也许要早三到五年，所以我们认为未来五年这会是投资和兴奋感的一个巨大领域。自动驾驶已经来了，无人驾驶是可行的，这是一个非常令人兴奋的时刻。如果你退后一步谈汽车产业和交通产业，那是世界上最大的产业之一，我们可能谈得没那么多，因为现在太多时间花在谈 AI 上。如果你看 Uber 和 Lyft 的载客里程，它大约只占美国行驶里程的 1%。如果配上比人类司机安全 14 倍的完整无人驾驶网络，我们预期未来几年这个数字至少会扩大一个数量级。另外，美国每年卖出 1700 万辆新车，我认为未来十年它们都会变成无人驾驶的。AI 乘生物，这是一个超级令人兴奋的领域，实验室里的人显然也在谈。新药发现，去解决世界上一些最让人衰弱的疾病，我觉得这是我们所有人都非常希望看到、并且未来十年会取得大量进展的承诺。个人健康，这是我自己非常兴奋的一个领域，作为一个健康最大化的人，一直以来都没有一个好的地方或途径，能把关于你自己的所有信息收进一处，然后换回极度个人化的建议。最后，是企业内部越过编码的扩散——莎拉你刚才也讲到，把这项技术真正扩散到企业里去，我们还非常早期，所以我认为这会超级超级令人兴奋。还有一个不在 AI 这个桶里，就是我们所说的「美国活力」，也就是重造整个美国活力栈。我们在这个领域已经是大投资者，做了很久。新供应商在国防支出里的占比现在还不到 5%，比如 Anduril、Saronic、Castelion 这些；随着需求变化，我们预期它会大幅增长。

大卫：让人兴奋的领域太多了。显然，我们在这个 AI 领域一直非常活跃，而且我们对它将给整体经济带来的影响很乐观。这轮建设规模巨大，但我们认为它会极大地提升美国的生产率。所以，跟你们几个一起聊聊非常愉快。谢谢。