硅谷教父馬克·安德森2026開年訪談：AI革命才剛開始，智能的價格正在崩塌

　　2026年1月7日，a16z（Andreessen Horowitz）聯合創始人馬克·安德森（Marc Andreessen）在自家播客The a16z Show上做了一場長達81分鐘的深度對談。作為Netscape瀏覽器的發明者、硅谷最具影響力的投資人之一，安德森在這場AMA（有問必答）式訪談中罕見地系統闡述了他對AI產業的完整判斷。

　　這不是一場常規的展望演講。安德森從1943年的神經網絡學術論文講起，把AI的崛起放在80年技術演進史中審視；他詳細評價了中國AI公司的突破，承認DeepSeek和Kimi讓硅谷"感到驚訝"；他預測GPU短缺將在十年內轉變為產能過剩，AI的單位成本會"像石頭一樣直線下跌"。

　　最關鍵的判斷是：這是他一生中見過最大的技術革命，比互聯網還要大，可以與電力、蒸汽機相提并論。但我們才剛剛開始。

　　以下是這場訪談的核心內容編譯。

　　
原文鏈接：https://www.youtube.com/watch?v=xRh2sVcNXQ8

　　1

　　一、這是最大的技術革命，而我們只在第一局

　　主持人：Marc，我們現在處于AI革命的第幾局（Inning）？你最興奮的是什么？

　　安德森：首先，我要說這是我有生以來最大的技術革命。從量級上來看，這顯然比互聯網還要大，能與之類比的是微處理器、蒸汽機和電力這類事物。

　　為什么這么說？如果你回溯到1930年代，在發明計算機之前，科學家們就已經理解了計算理論。當時存在一場大辯論：是按照"加法機"（收銀機）的形象來構建計算機，還是按照人腦的模型？

　　最終，行業選擇了前者。這就是我們過去80年所處的計算機行業——建造那些每秒可以執行數十億次數學運算的超字面意義的數學機器，但無法像人類一樣理解語音、語言。

　　但在1943年，第一篇神經網絡學術論文就已經發表了。

　　你可以在YouTube上看到作者McCulloch在1946年的采訪，他在海邊別墅里，出于某種原因沒穿襯衫，談論著計算機將通過神經網絡建立在人腦模型之上的未來。那是一條未被選擇的路。

　　神經網絡作為一個想法，被一小群人探索了80年。本質上它并不奏效，十年又十年的過度樂觀緊接著失望。當我在80年代上大學時，AI算是一個冷門領域，每個人都認為它永遠不會實現。

　　然后ChatGPT時刻發生了。那是不到三年前的事——2022年圣誕節。突然之間，一切具象化了。這項技術的巨大好消息是它已經極其民主化了，世界上最好的AI可以在ChatGPT、Grok、Gemini上直接獲得。

　　我想說的是：我基本上每天都對我所看到的東西感到驚訝。

　　每天我都會看到一篇新的AI研究論文，完全讓我震驚——那是某種新的能力，或者某種新的發現，是我從未預料到的。然后在另一邊，我們看到所有新產品和新初創公司的涌現。

　　這一波新的AI公司正在實現的營收增長——我說的是實實在在的客戶收入——其起飛速度絕對是前所未有的。關鍵的領先AI公司的收入增長速度肯定比我以前見過的任何浪潮都快。

　　從所有這些來看，感覺它肯定還處于早期。很難想象我們已經見頂了。我非常懷疑人們今天使用的產品形態會是五年或十年后的樣子。我認為我們可能還有很長的路要走。

　　1

　　二、智能的成本正在"超通縮"：比摩爾定律還快

　　主持人：最大的質疑之一是，是的，收入是巨大的，但支出似乎也保持著同步增長。那么在這個討論中人們忽略了什么？

　　安德森：讓我從商業模式開始。這個行業基本上有兩種核心商業模式：消費者模式和企業基礎設施模式。

　　在消費者方面，我們生活在一個非常有趣的世界——互聯網已經完全部署了。地球上有50億人都在使用某種版本的移動寬帶互聯網。世界各地的智能手機售價低至10美元。

　　我之所以講這一通，是因為消費者AI產品基本上可以以他們想要采用的速度，迅速部署給所有這些人。互聯網是AI能夠以光速擴散到全球廣泛人口的載體波。你不能下載電力，不能下載室內管道，不能下載電視機，但你可以下載AI。

　　這就是我們所看到的，AI消費級殺手級應用的增長速度驚人。變現能力非常好，包括在更高的價位上。現在消費者AI每月的價格層級達到200或300美元已變得很常見，我認為這非常積極。

　　在企業方面，問題基本上就是：智能值多少錢？

　　如果你有能力向你的業務注入更多智能，比如提高客戶服務評分、增加追加銷售、減少客戶流失，或者更有效地運行營銷活動——所有這些都與AI直接相關。領先的AI基礎設施公司的收入增長快得令人難以置信。

　　核心商業模式基本上就是"按次購買Token"（tokens by the drink）——也就是每美元購買多少智能Token。

　　關鍵來了：AI的價格正在發生什么？它的下降速度比摩爾定律還要快。

　　AI的所有輸入都在單位基礎上成本崩塌。結果就是這種單位成本的極度通縮（hyper deflation）。這就帶來了供需彈性下的超越對應水平的需求增長。

　　毫無疑問，"按次購買Token"的價格將從這里開始大幅下降。這只會驅動巨大的需求。然后成本結構中的一切都將得到優化。

　　1

　　三、從短缺到過剩：GPU的命運已經注定

　　主持人：實際上，AWS說他們使用的GPU，已經能夠將其使用壽命延長到甚至7年以上。

　　安德森：是的，這是一個非常重要的觀察。這也引出了另一個問題——大模型與小模型之爭。

　　很多數據中心的建設是圍繞著托管、訓練和服務大模型的。但在同一時間，小模型革命也在發生。

　　如果你追蹤前沿模型的能力隨時間的變化，你會發現在6或12個月后，就會有一個小模型擁有同樣的能力。所以有一種追逐功能正在發生，即大模型的能力基本上被壓縮并在更小的尺寸下提供。

　　我舉個最近的例子，就在過去兩周發生的。有一家中國公司生產名為Kimi的模型，Kimi的新版本是一個推理模型，至少根據目前的基準測試，它基本上復制了GPT-5級別的推理能力。

　　而GPT-5級別的推理模型相對于GPT-4是一大進步，開發和服務成本極其高昂。突然之間，你有了一個名為Kimi的開源模型，它要么是被壓縮到可以在一臺MacBook上運行，要么是兩臺MacBook上。

　　所以你突然之間，如果你是一個企業，想擁有一個GPT-5能力的推理模型但不想支付GPT-5的成本，或者不想讓它被托管在云上，想在本地運行它——你可以做到。

　　當然，OpenAI會去開發GPT-6。所以有一種階梯效應正在發生，整個行業都在向前發展。大模型變得更有能力，小模型在后面追趕。

　　關于芯片方面，在任何具有商品屬性的市場中，導致過剩的第一大原因就是短缺。

　　當你遇到GPU短缺、芯片短缺、數據中心空間短缺時，如果你看看人類響應需求建造事物的歷史——如果有某種東西短缺且可以被物理復制，它就會被復制。

　　現在可能有數千億甚至數萬億美元正投入地下搞這些東西。所以AI公司的單位成本將在未來十年像石頭一樣直線下跌。

　　Nvidia實際上是一家很棒的公司，完全配得上他們所處的地位。但他們現在太值錢了，產生的利潤太多了，這對芯片行業的其他公司來說是有史以來最好的信號。

　　你有其他大公司像AMD在追趕他們。然后非常重要的是，超大規模云廠商（Hyperscalers）在制造自己的芯片。很多大科技公司正在制造自己的芯片，當然，中國人也在制造他們自己的芯片。

　　五年內AI芯片很有可能會變得便宜且豐富，這將極有利于我們所投資的那類公司的經濟效益。

　　1

　　四、中國AI的"超新星時刻"：DeepSeek和Kimi的崛起

　　安德森：AI運行在所謂的GPU上有點歷史的偶然性。個人電腦的經典架構是一個CPU和一個GPU。但事實是，有兩種其他形式的計算非常有價值，而且恰好在操作上是大規模并行的，非常適合GPU架構。

　　這兩種利潤極其豐厚的額外應用——一個是從大約15年前開始的加密貨幣，然后是從大約四年前開始的AI。

　　關于中國，我認為過去18個月發生的事情相當引人注目。基本上，在不到12個月的時間里，有四五家中國公司一路追到了行業前沿。

　　最值得注意的是一家名為DeepSeek的公司。DeepSeek的模型在幾乎所有基準測試中都與Claude 3.5 Sonnet和GPT-4o以及Gemini處于同一水平。這真的是一個超新星時刻。

　　它不僅性能出色，而且來自一家對沖基金，而非大型科技巨頭，這完全出乎意料。它是完全開源的，任何人都可以下載和運行。

　　然后你有月之暗面（Moonshot AI）的Kimi模型，你有字節跳動，你有阿里巴巴的Qwen模型，你有百度。所有這些都在不到12個月的時間里一路趕上。

　　有趣的部分是：一旦有人證明了某件事是可行的，其他人想要追趕似乎并不難，即使是那些資源少得多的人。

　　我認為有幾件事正在發生：

　　第一，開源發揮了巨大作用。當某人做出新的突破時，開源模型基本上會說"這就是它的工作原理"。然后世界上每個聰明人都可以研究它并弄清楚如何復制它。

　　第二，這個領域的人才非常年輕。世界上最好的AI研究人員，很多只有22、23、24歲。他們不可能在這個領域待很長時間——他們必然是在過去四五年里上來的。如果他們能做到，未來會有更多人做到。

　　第三，中國在做什么，美國和其他人需要理解。中國在開源模型上的策略，實際上形成了一種全球性的價格競爭。這讓美國政策制定者重新思考監管方向。

　　1

　　五、大模型與小模型：一個智力金字塔的誕生

　　安德森：在這個行業里有一些非常聰明的人認為，最終一切都只會在大模型上運行。因為顯然大模型總是最聰明的。所以你總是會想要最智能的東西。

　　反駁的觀點是：世界上發生了大量的任務不需要愛因斯坦。一個智商120的人就很好了。你不需要一個智商160的弦理論博士，你只需要一個能干的人。

　　我傾向于認為AI行業的結構會很像計算機行業的結構——你會有極少數基本上相當于超級計算機的東西，也就是這些運行在巨大數據中心的巨型"上帝模型"。

　　然后會發生這種向下的級聯，即更小的模型，最終一直到非常小的模型，運行在嵌入式系統中，運行在世界上每一件實物內部的單個芯片上。

　　最聰明的模型總是會在頂端，但模型的數量實際上會是那些擴散出去的小模型更多。

　　這正是微芯片發生的事情，這也是計算機發生的事情——它們變成了微芯片，這也是操作系統和我們在軟件中構建的許多其他東西所發生的事情。

　　1

　　六、初創公司不是"套殼"：Cursor們正在自建模型

　　主持人：很多人質疑初創公司是否只是大模型的"套殼"（GPT Wrappers）？

　　安德森：這是一個重要的問題。我想用Cursor作為例子——Cursor是領先的AI編程工具之一。

　　表面上看，Cursor開始時確實是在調用大模型。但是實際上正在構建自己的AI模型。

　　這些領先的應用公司正在做的是"向后整合"。他們從一個模型開始，但很快就在使用12個模型、50個模型、甚至更多模型。不同的模型負責不同的部分。

　　為什么會這樣？因為他們擁有最深的領域認知。他們比任何人都更了解他們的客戶需要什么。

　　如果你能讓醫生、律師或程序員的生產力大幅提升，你能不能從這部分提升的價值中分一杯羹？我認為你可以。

　　這就是為什么我認為AI初創公司在定價上比SaaS公司更有創造力。高定價往往對客戶是有利的，因為它支撐了更好的研發。

　　1

　　七、我們還在第幾局？答案是：才剛剛開始

　　回到最初的問題：我們現在處于第幾局？

　　安德森的回答是：非常早期。

　　盡管AI已經成為全球熱點話題，盡管ChatGPT的用戶數已經突破數億，盡管AI公司的收入增長創造了歷史記錄——但產品形態還遠未成熟。

　　"我非常懷疑人們今天使用的產品形態會是五年或十年后的樣子。產品會從現在開始變得更加完善。"

　　成本在暴跌，能力在暴漲，競爭在加劇，商業模式在重構。這場革命的規模堪比電力，但我們才剛剛學會如何"發電"。

　　如果你進行一項調查，美國選民對AI的看法就像是他們全都處于極度恐慌之中——天哪，這太可怕了，會搶走所有工作。但如果你觀察他們的"顯示偏好"（實際行為），他們所有人都在使用AI。

　　這就是這場革命的真實狀態：質疑聲不斷，但采用速度驚人。

　　安德森最后說："感覺一切都還在發展中。坦率地說，感覺產品本身仍然超級早期。所以我認為我們可能還有很長的路要走。"