一年 100 万个新应用，4 岁的独角兽：a16z 本周图表的四个读数 (2026)

这一期是什么

2026 年 9 月 18 日，a16z.news 更新了每周的图表栏目《Charts of the Week: So Many Apps, So Little Time》，作者是 Moses Sternstein。这个栏目每周挑一批现成的数据图，作者在每张图后面写一段自己的判断。1

这一期收了四组图：应用商店的供需、创业公司的估值与生死、软件股的股价、美国各州开公司的成本。四组图来自四类不同的机构——一篇学术论文、一家银行、几家数据公司和行业协会——统计单位和口径各不相同。a16z 在正文里给出的是一句话结论，读的人要自己把口径补上，才能拿去用。

四组图量的是同一件事的两半。AI 让「把东西做出来」变便宜了，这件事已经落在数据里；「做出来的东西有人用、有人付钱、活得下去」，还没有落在同一批数据里。

一、应用翻倍，下载没动

这一段的事实基础是一篇论文。a16z 引用的图表在脚注里写明了出处：Demirer、Musolff、Yang 三位作者的《Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools》，NBER 工作论文第 35275 号。2

论文要回答的问题是：AI 在单个环节上提高的效率，有多少能走到最终产出。作者把软件开发拆成一条链——写代码、提交、合并请求、项目、发布、被使用——然后用 50 万名以上 GitHub 开发者的公开历史加上内部的 AI 使用记录，把采用 AI 工具的开发者与一年前活跃度接近的开发者配对比较。2

结论是，越靠上游，AI 的增幅越大；越靠下游，增幅衰减得越快。三代工具（自动补全、与开发者实时协作的同步智能体、可以自主执行任务的异步智能体）一代比一代强，增幅则止步在仍由人力承担的那一环。

这里有一个必须先交代的口径问题：同一篇论文，两个版本给出的数字不一样。三位作者 6 月在 VoxEU 上写的版本是提交量累计提升约 40%、140%、180%，项目数增加约 50%，发布量增加约 30%；3 NBER 页面上 9 月修订后的摘要写的是 30%、180%、240%，其中 240% 的提交增幅衰减到项目数的 80%、发布量的 30%。2 a16z 的图沿用 5 月 28 日的版本。两个读者拿着一新一旧两组数字讨论同一篇论文，会得到不同结论。

论文自己给出的解释是「薄弱环节」：代码写出来之后，审查、集成、测试、发布这几个环节仍然由人完成，上游再快，产出也被最慢的一环卡住。作者用模型估出的替代弹性是 0.23，说明 AI 与人力在这条链上互补。他们还有一条观察：异步智能体按设计不能直接发布软件，所以研究者没有为它计算发布量的影响。4

最后一层证据来自应用商店。作者把苹果 App Store、Google Play、Chrome 网上应用店和 SourceForge 四个市场的月度数据拼起来，看到新应用数量在涨，而每一批新应用在头三个月里获得的使用量是平的或下滑的，「连小规模受众都没摸到」的新应用占比在上升。论文对这一现象列了两种可能的解释：一种是 AI 时代新增的应用质量更低，另一种是消费者的注意力和发现渠道本来就稀缺，不会跟着供给一起扩大。作者写明，现有数据还分不开这两种解释。3

九个面板分别展示 iOS、Android 和 Chrome 应用商店的月度活动 — 第一行是每月新增应用，三家平台都在 2025 年 2 月之后陡然上行；第二行是每一批新应用累计获得的使用量，iOS 用评分数、Android 与 Chrome 用下载数，这条线没有跟着涨；第三行按使用量分箱，低使用量的份额上升、高使用量的份额下降。淡色底纹标出「智能体编码时代：2025 年 2 月起始」，数据来自 Demirer、Musolff、Yang 的论文。1

a16z 给这一段的判断是：现阶段的故事是应用层面的粗制滥造（App-Slop），应用变多了，多出来的应用在任何一个有意义的标准上都不算成功。它也写下一句限制——做成一款成功的应用从来不只是写代码，而且现在还很早，业余试水先做出了大量供给，需求还没有跟上来。1

应用商店的独立数据指向同一个方向。Sensor Tower 的估算显示，App Store 的应用提交量在 2022 年前后触底于约 42 万款，2025 年约 60 万款、比上年增加 30%，2026 年上半年已经接近 56 万款；按这个速度，2026 年全年新增会超过 100 万款，超过 2016 年 89 万款的历史峰值。同期下载量的增速是 2025 年 3%、2026 年至今 2%。5 这组数字来自《纽约时报》根据 Sensor Tower 数据的报道，苹果回应称 90% 的应用能在 48 小时内完成审核。6

美国应用总收入与总使用时长指数 — 两条线都以 2024 年 12 月为 100。到 2026 年 8 月，美国应用总收入指数是 102.0，总使用时长指数是 107.0——二十个月里收入多了 2%，使用时长多了 7%。数据来自 Sensor Tower，截至 2026 年 9 月 15 日。1

需求端的状态，a16z 用 Consumer Edge 的数据来说明：付费消费者 AI 渗透率大约 3%，年轻人比年长者高出约 4 倍。回到原始报告，这个「3%」是一段分布：按收入分层，各档落在 2.4% 到 3.7% 之间，年收入 15 万美元以上的一档约 5%；按年龄，18–24 岁约 3%，25–34 岁约 2.5%。这份统计只算消费者自己刷卡付的钱，免费额度、雇主代付和企业采购都还在外面。7

分品类看，a16z 的图里使用时长增长最快的是效率类应用，收入增速排第二的也是这个品类（排第一的食品饮料品类体量很小），主力是 ChatGPT、Claude、Gemini 和 Grok；开发者工具这个品类不大，其中增长最快的是 Replit。a16z 由此写下一句概括：AI 应用很受欢迎，用 AI 做出来的应用眼下人气很低。1

二、4 岁的独角兽

第二组图出自 SVB（硅谷银行，现属 First Citizens 银行）的《State of the Markets》H2 2026 报告，a16z 这一节引用的几张图都来自这份报告。

SVB 统计的是当年新晋的 10 亿美元估值公司。结论有两条：整群独角兽在变老，新一批却在变年轻。全部活跃独角兽的中位年龄比 2019 年上升约 7%，当年新晋独角兽的中位年龄则从 2023 年起下降 37%，2026 年这一批刚过 4 岁。SVB 预计 2026 年全年新增约 230 家美国独角兽。8

新增独角兽与全部活跃独角兽的中位年龄对比 — 绿线是全部活跃独角兽的中位年龄，七年里从约 12 岁升到约 15 岁；蓝线是当年新晋独角兽的中位年龄，从约 7 岁降到刚过 4 岁。图上分别标出「整群年龄上升 7%」与「新独角兽年龄下降 37%」，数据来自 SVB 的 H2 2026 报告。1

比年龄更值得看的是增长速度。SVB 报告首页给出的数字是：2022 年成立的公司，四年后的中位年收入是 560 万美元，是这家机构有记录以来最快的一批；按历史水平，同一时间点的中位数落在 200 万到 300 万美元之间。8

a16z 给这条曲线留了两条反例：一是风险资金更多流向了非软件业务，这类公司的增长曲线本来就不一样；二是 2022 年这一批里可能有大量「AI 套壳」公司，这条曲线能不能维持，要看 2023、2024 两个批次。1

这批公司的经营姿态也在换挡。SVB 的数据显示，从 2022 年第一季度开始，它跟踪的所有垂直行业的科技公司都在用增长换盈利：中位收入增速从 40%–70% 降到 15%–30%，利润率则从大幅亏损走到接近打平。最近拿到融资的公司，增长和利润率的位置又回到了 2022 年的样子。1

代价落在退出的一端。SVB 称创业公司破产与清算正在走向历史最高，滚动四个季度的数量是 2,345 家，其中三分之一来自零利率时期成立的公司。8 专做公司关停服务的 SimpleClosure 在 8 月 20 日发布的 H1 2026 报告里给出了更细的结构：SaaS 公司占它上半年关停总量的 27.3%，是最大的一类；AI 公司占 14.4%，低于 2025 年全年的 15.9% 和 2024 年的 17.7%；一家 B2B SaaS 公司关停时账上剩下的现金中位数是 11,900 美元，五分之一是零，而 AI 这一类的中位数是 30,000 美元。9

a16z 对这一段的判断是：新周期和旧周期不一样。B2B SaaS 的关停潮里，AI 冲击和题材轮动各占多少很难分清，分母本身也很大——SaaS 曾经是最热门的品类。1

三、Citrini 抄到底没有

第三组图讲软件股，先要交代被调侃的对象。《THE 2028 GLOBAL INTELLIGENCE CRISIS》是 Citrini Research 与 Alap Shah 在 2026 年 2 月 22 日发布的一篇长文，副标题写着「一次关于金融历史的思想实验，来自未来」，正文以一份虚构的 2028 年 6 月宏观备忘录写成，开头声明这是一个情景。10

这篇情景推演落在了一轮真实抛售的最深处。路透社 2 月 4 日报道，标普 500 软件与服务指数在前一个交易日下跌近 4%，当日再跌 0.73%，创下六连跌，自 1 月 28 日以来蒸发约 8,300 亿美元市值；相比 10 月的高点，这个指数已经下跌 26%。触发因素是 Anthropic 为 Claude 智能体推出的一款覆盖法律、销售、营销和数据分析场景的工具。11

软件股价指数，按市值分组 — 三条线按市值分组：小盘低于 20 亿美元（样本 34–35 家）、中盘 20 亿至 100 亿美元（62 家）、大盘 100 亿美元以上（66 家）。虚线标出 2 月 22 日，也就是 Citrini 发文当天。此后指数继续下探到 4 月中旬，再逐月回升，9 月中旬三条线落在 127 到 132 之间，都高于 2 月 20 日的基准 100。数据来自 CaplIQ，截至 2026 年 9 月 14 日。1

a16z 的结论是：就目前而言，Citrini 几乎踩到了软件股抛售的底部。1

它给这一段加的两道限制，比结论本身更有用。第一道是基本面：原文引用的一张图统计，上半年软件公司的财报大多达到或超过预期，虽然最近一个季度给出低于预期指引的公司占比上升；a16z 自己说这份统计并不全面，它反映的是预期而不是业绩——预期低的时候超预期容易，预期高的时候给出低指引也容易，两种情况下的实际经营都可能是强或弱。1 第二道是时间：a16z 说，到今天为止，「SaaS 末日」还停在讨论里。1

四、开一家公司要多少钱

最后一组图和 AI 没有关系，讲的是美国各州开公司的成本差多少。

2026 年美国各州 LLC 总成本排序 — 按 2026 年各州 LLC 总成本排序：马萨诸塞州 1,000 美元居首，加州 890 美元，内华达 775 美元，田纳西 600 美元，特拉华 510 美元；州中位数在 200 美元上下，最低的蒙大拿 35 美元。这批数字来自 LLC University，经 Apollo 与 Daily Spark 于 9 月 13 日转引。1

马萨诸塞州这一头能对上政府口径：该州 LLC 设立时的登记费是 500 美元，此后每年按成立周年提交年报，费用同样是 500 美元。12 第一年的 1,000 美元里，一半是设立费，一半是第一次年报费。

a16z 自己承认 1,000 美元在大盘子里是舍入误差，它关心的是这个数字背后的政策姿态。佐证来自 CNBC 的《America's Top States for Business 2026》：马萨诸塞州综合排名第 15，技术与创新这一项排第 8，经商成本这一项排在全国第 49，得分 69。13 同一组排名里，排第一的是俄亥俄州。

马萨诸塞州私营部门企业出生与死亡之比 — 纵轴是马萨诸塞州私营部门企业「出生」数与「死亡」数之比，大于 1 表示新开的多于关闭的。2014 年这个比值约 1.4，2020 年之后跌破 1，2023–2024 年降到 0.75 附近，图上标出三个政策节点：2018–19 年的雇主医疗附加费、2018 年签署的「大妥协」（最低工资分步涨到 15 美元、带薪家事假工资税）、2023 年 1 月生效的百万富翁附加税。图注写明该州净企业形成率全国最低，9 个季度净减少约 17,500 家企业；数据来自 BLS 商业就业动态表 9，净减少的测算由 Pioneer Institute 完成，区间为 2020 年 9 月至 2024 年 9 月，2025 年因死亡企业计数尚未发布而缺。1

读到这里，这一段该怎么用就清楚了：单个州的 1,000 美元注册费说明不了公司的成败，把它和「净企业形成率全国最低、连续多个季度净减少」放在一起，才是 a16z 想说的州与州之间的竞争。Pioneer Institute 的同一份分析还给出另一组数字：2020 年以来马萨诸塞州净流出约 18.2 万居民，减少约 3.5 万个私营部门岗位。14

哪些能独立核实，哪些是 a16z 的判断

这一期的每一组数据都有原文之外的出处，而且大多来自第三方：NBER 的工作论文、SVB 的半年报告、Sensor Tower 与 Consumer Edge 的估算、SimpleClosure 的关停报告、CaplIQ 的股价指数、BLS 的就业动态数据、CNBC 的州排名、马萨诸塞州政府的收费页面。这些都能点开原文对照。

属于 a16z 的是选材和结论：「现阶段的故事是 App-Slop」「新周期和旧周期不一样」「Citrini 几乎踩到了底」「1,000 美元是一种政策姿态」。a16z 是一家风险投资机构，这一期由它选取数据并解释数据，文章底部保留着标准的免责声明。读它关于 AI 正在重塑创业与投资格局的判断时，把机构立场一起算进去会更稳妥。

作者自己标注的不确定性也值得记下来：论文作者写明数据分不开「质量下降」和「注意力稀缺」两种解释；a16z 写明 2022 年批次的收入曲线可能是一次性的，要等 2023、2024 批次；a16z 写明软件公司的超预期统计并不全面，而低预期容易超预期。

读者需要核对的四道边界

第一，供给指标只是产量。新增应用数、代码提交量、项目数说的都是「做出来的东西变多了」。同一篇论文里对应价值的是下游指标：发布量和被使用量。做产品决策时，该盯的是自己那一批用户的留存，以及品类里新增的竞品拿走了多少注意力。

第二，「App-Slop」对应两种可能的原因。一种是新增应用的质量更低，另一种是消费者的注意力和发现渠道稀缺、供给扩大也带不来需求。两种原因指向完全不同的做法：前者要求把产品做得更好，后者要求解决分发和获客。

第三，独角兽的年龄用的是私募估值和中位数。这里的「4 岁」是中位年龄，一半的新独角兽比它更年轻；估值来自一级市场的定价，反映投资人当下愿意支付的价格。同一份报告里，560 万美元对应的是收入。两个数字各量各的东西，放在一句话里读会得出错误印象。

第四，州级成本要连着企业生死看。1,000 美元的注册费是一次性支出，此后每年 500 美元，对一家公司的存亡影响很小；它的意义来自与其他政策信号叠加后形成的姿态。判断一个州适不适合创业，看的是企业出生与死亡之比连续几年的走势。

结论与跟踪锚点

四组读数放在一起，量出的是同一个时间差。AI 已经把「写出来、做出来」这一步的成本打下来了，而审查、集成、发布、获客，以及消费者掏钱这几步还没有跟上。应用数量翻了几倍，下载几乎没动；新独角兽更年轻、增长更快，上一轮融资的公司在以历史高位关停；软件股从 2 月的低点涨了回来，撑住它的是「达到或超过已经降下来的预期」；连开一家公司，不同州之间也差了几倍。

a16z 对这一局的判断是「我们仍然处在很早的阶段」。这句话既解释了现象，也符合一家投资机构的立场。它是否成立，可以盯下面几个锚点：