a16z合伙人深度拆解：為什么AI不是泡沫，而是印鈔機

如果一家 AI 公司同比增長 693%，人均創收 100 萬美元，銷售費用比 SaaS 同行還低。那么，這究竟是泡沫，還是一種新時代的開端？

a16z（Andreessen Horowitz）普通合伙人 David George 在看過數百個公司后，總結出一份讓投資人迅速流傳的投資報告，他給出的答案是：我們正站在一個 10-15 年產品周期的起點。

在近期的一期播客中，他與 a16z 投資者關系主管 Jen Kha 就 AI 和私募科技市場的現狀進行對話。David 分析了其成長期樣本中，為什么 AI 公司的增長速度是傳統軟件公司的 2.5 倍，同時在銷售和營銷上的支出卻顯著減少——這得益于巨大的市場需求和創紀錄的人均年度經常性收入（ARR，Annual Recurring Revenue）。

在本期播客中，他們討論了“模型顛覆者”（Model Busters，指增長速度和持續時間遠超傳統估值模型預測的公司）的崛起，這類公司的增長速度和持續時間超出任何人的模型預測。此外，他們還重點討論了實際應用案例，以及 Harvey、Abridge 和 ElevenLabs 等投資組合公司的突破性表現。

（來源：a16z）

以下為播客全文，DeepTech 在不改變原意的前提下做了部分修改：

增長爆發：原生 AI 公司的效率曲線

David George：開門見山，我先說核心結論，因為這是我們第一次做這種形式的分享。我們團隊內部做了大量研究和分析，既然有如此多不同的觀點和視角，為何不分享給全世界呢？這也是我們決定公開分享的原因。

AI 的需求端簡直火爆。在我們看來，AI 公司的落地速度、增長勢頭和整體質量都極其鼓舞人心。企業開始用 AI 把自身運營得更好，相關投入數據也一直在增長。

但我要說的是，這批公司之所以比以往任何一代都出色，很大程度上是因為市場對其產品的需求極其旺盛。目前市場供給端依然健康，但我們已經察覺到出現輕微過熱的跡象。

我們很幸運能參與到這么多優秀公司的成長中，而當前私募市場最激動人心的機會，就在 AI 領域。先說核心結論：我之所以對現在這個節點如此興奮，是因為我們剛剛處于這個產品周期的起點。產品周期驅動著我們的業務，而這類周期通常長達 10 到 15 年，我們現在只是站在最開端。

（來源：a16z）

我們投資覆蓋私募市場所有階段，這張圖展示了 a16z 的投資布局。在成長期投資賽道中，我們在 AI 與信息應用領域的布局最為積極，覆蓋度也同樣廣泛。

作為一家專注于成長期投資機構，a16z 掌握著海量一手數據，并覆蓋了市場上絕大多數成長期公司——無論是我們的投資組合公司，還是潛在標的。我們有一支非常優秀的數據分析團隊，對這些數據進行了系統性研究。

（來源：a16z）

其中最重要的結論是：2025 年是營收加速增長的一年。受加息和科技行業部分領域收縮影響，在 2022、2023、2024 年的營收明顯放緩，但 2025 年扭轉了這一局面。

無論我們按交易和四分位如何劃分，各類公司的增長都在加速，尤其是頭部公司：增長最快的 AI 公司，達到 1 億美元營收的速度，遠遠快于當年 SaaS 時代增長最快的公司。

（來源：a16z）

我想重點解釋一下原因。客戶需求極其旺盛，產品本身極具吸引力，而不是因為它們在銷售和營銷上花費更多。恰恰相反，增長最快的那些頂尖 AI 公司，并不是在銷售和營銷上投入最多的，它們在這方面的支出低于當年的 SaaS 同行，但增長速度卻快得多。

這張 PPT 展示的就是 AI 公司的增長情況。數據顯示，AI 公司的增長速度是非 AI 公司的 2.5 倍以上。這一點毫不夸張，因為我們看到頭部 AI 公司的增速確實達到了驚人水平。

我們反復核對了數據：頭部 AI 公司同比增長 693%，這與我們從投資組合公司觀察到的情況完全吻合。這是我們從數據中看到的 Margin 模型。同樣，這些都是我們內部的數據集，來自投資組合公司和潛在投資標的，而 AI 公司的毛利率會稍差一些。

但在某種意義上，我們認為 AI 公司毛利率偏低反而是一種“榮譽勛章”：如果低毛利率是因為高昂的推理成本，那就意味著客戶真的在大量使用 AI 功能。我們相信，這些推理成本長期來看會下降。

所以反過來說，如果我們看到一個 AI 項目毛利率極高，我們反而會有些懷疑——這可能意味著客戶真正購買和使用的并不是 AI 功能。

最近幾天，ARR/FTE（每名全職員工的年度經常性收入）成為社交媒體（如 X 平臺）上引發大量討論的話題，這也是我們最近開始重點關注的新指標。ARR/FTE 大致衡量的是公司整體運營效率，它囊括了所有成本，不僅包括銷售和營銷效率，還涵蓋了管理費用和研發投入。

最優秀的 AI 公司，人均 ARR 能達到 50 萬到 100 萬美元；而上一代 SaaS 軟件企業的經驗值大概是 40 萬美元。核心原因是產品需求極其旺盛，因此它們需要更少的資源去推向市場。

Jen Kha：在進入下一頁之前，請先快速澄清一下：你們是如何定義 AI 公司的？是像 OpenAI、ChatGPT 這類，還是歷史上的 AI/ML 公司？

David George：實際上我們會留一點余地，但核心標準是：它們推向市場的第一款產品就是原生 AI 產品。這里正好可以回應一個很多人關心的問題：從 SaaS 時代到 AI 時代，企業的營收增長預期發生了怎樣的變化？

傳統企業的 AI 改造：要么進化，要么淘汰

Jen Kha：你剛才已經提到了營收增長，那非原生 AI 公司會怎樣？它們在和原生 AI 公司競爭時會很艱難嗎？它們都在轉型嗎？我們會看到更多公司被淘汰嗎？大家該如何看待歷史投資組合？

David George：我們給投資組合公司的建議是：要么適應 AI，要么淘汰，這需要從前端到后端全面改造。

前端：你需要把 AI 原生地融入產品，而不是僅僅在現有工作流里掛一個聊天機器人。你要重新想象 AI 能帶來什么，主動自我顛覆、主動變革。

后端：你需要讓所有開發者用上最新的編碼模型，讓公司各個職能部門都用上最新工具。到目前為止，代碼領域的變革最為顯著，提升幅度最大。

過去一兩個月里，這方面發生了重大變化，安德烈·卡爾帕蒂（Andrej Karpathy）也寫過該方向的文章。我最近和一家 AI 之前時代的公司創始人交流，他對 AI 理解很深，也正積極推動公司轉型。

我們聊天時，他說對旗下某款產品不滿意，于是直接讓兩名資深 AI 工程師，用 Claude Code、Codex、Cursor 等工具從零重構，并且在編碼工具上不對預算設限。他說，進度比之前快了 10 到 20 倍，相關成本也讓他開始重新思考整個組織架構。

結論是：我必須讓整個產品和技術團隊都用這種方式工作，他認為未來 12 個月內這就會成為現實。但這對團隊設計意味著什么？產品和工程的邊界在哪里？甚至設計在流程中的位置在哪里？所以，從這一點來看，12 月似乎成了代碼領域的轉折點：未來 12 個月，這些工具會在企業里全面普及，沒能跟上的公司，發展速度會遠遠落后于同行。

說到 AI 之前時代的公司，我們還有一個案例：一家傳統軟件公司的 CEO 已經全面擁抱 AI，他說：“我們要成為 AI 原生產品公司，我們的員工未來就是 AI Agent。”

他現在張口就問：“你們有多少個 Agent？”還有一位更極端，他說：“現在我評估每一項任務，只問一個問題：這件事能用電解決，還是必須用人解決？”

這是一種極端的思維轉變，正在我們投資組合公司里發生。我很高興看到這些 AI 之前時代的公司行動迅速，但它們必須徹底適應這個新時代——無論是前端產品，還是后端運營方式。

從實操層面看，幾乎每家公司我們都要逐家梳理：創始人處在轉型的哪個階段、落地執行的深度如何。你剛才提到的顛覆現有流程，在 AI 原生公司里也在發生，而且越來越頻繁。

基本上，半年前做的東西，用今天的技術就能大幅優化。這種迭代速度持續發生，AI 之前時代的公司必須不斷追趕。好消息是，商業模式的演進仍處于早期。對企業來說，最具顛覆性的就是同時變革技術產品和商業模式。

簡單來說，商業模式是一條演進曲線：最早是許可證模式，這是傳統軟件的商業模式；然后是 SaaS 訂閱模式，通常按席位收費，這是一次巨大的創新和顛覆，云端交付和架構變革本身就很有沖擊力，商業模式的變化同樣顛覆性——這一點 Adobe 的轉型過程就可以看出來。

接下來是按使用量付費，也就是按量計費，云服務就是這么收費的，很多基于任務、流量的業務已經從按席位轉向按量計費。而再下一代，會是按結果付費。也就是你完成一項任務，理想情況下是成功完成任務后，按成果收費。

目前較容易落地按結果付費模式的領域，可能是客戶支持，因為可以客觀衡量問題是否解決。但隨著模型能力提升，如果除了客戶支持之外的其他職能也能衡量這類成果，那將成為一股巨大的顛覆力量。事實上，從按席位收費到按用量收費本身就是巨大顛覆，而當企業組織架構也為之改變時，下一波變革將更加關鍵。

（來源：a16z）

Jen Kha：說到“用電還是用人”，我們來看 ARR/FTE 這一頁。市場上有很多討論，都在說 AI 帶來了效率提升。從某種程度上確實如此，企業運營方式開始出現一些不同。

David George：是的。就拿我剛才舉的例子：兩名工程師重寫產品。在我觀察看來，即便是 AI 原生公司，運營效率更高，部分原因也是增長太快、需求太旺。我不認為企業已經完全重構了運營方式。我們的數據樣本是最頂尖的一批公司，它們的需求信號極其強勁。

因此，它們只需要更少的資源就能滿足需求。再加上科技行業從 2021 年那段過度擴張的時期之后，整體效率都在提升。我們開始看到效率優化的早期跡象。但要說徹底用全新方式運營公司，我認為我們還處于早期階段。

我見過最酷的公開案例是 Shopify。Tobi Lutke 做得非常出色，他是一位非常激進的 CEO，幾年前就全面擁抱 AI。我們的一位撰稿人還專門深度拆解過 Shopify 如何用 AI 自我改造，包括員工方向、工作流程等。而這可能只是未來五年各行業變革的冰山一角。

（來源：a16z）

Jen Kha：非常棒的分享。下一部分我們講講這些公司具體在做什么，還有我們很喜歡的一個話題：在 AI 這個新領域里，律師的工作量反而增加了，而不是減少。我這周看到有企業律師說，大模型反而讓他的工作量變多了，因為每個客戶都覺得自己是律師了。還有 Harvey 這類產品，表現非常好。

David George：這里有一個很關鍵的問題：怎么判斷這些公司的營收是可持續的，還是曇花一現？我們核心要做的，就是深度追蹤營收留存、續費率和產品使用活躍度，尤其是用戶使用時長。

用戶多久登錄一次平臺？登錄后做了什么？你會看到，隨著過去幾年產品大幅優化，加上推理模型能力提升，法律工作和邏輯推理本身高度相關。用戶在產品上花費的時間幾乎是以前的兩倍。事實證明，AI 非常擅長在法律領域的事務。律師數量并沒有減少，但效率大幅提升。和 Harvey 相關最重要的一點是：用戶在產品上花費大量時間，并且從中獲得巨大價值，這非常關鍵。

（來源：a16z）

David George：這種高粘性、高價值的模式并非個例，我們在其他投資組合公司中也看到了同樣令人振奮的圖景。比如，醫療領域的 Abridge 就是一個很好的例子。醫生們對這款產品贊不絕口，說它節省了大量時間，大幅改善了工作體驗。有客戶把它形容成“值得信賴的副手”。右側圖表是我們重點關注的指標：藍線是用戶增長，綠線是用戶活躍度。

通常用戶大幅增長時，活躍度可能會下降，但這家公司恰恰相反：新增用戶規模暴漲的同時，老用戶的使用率依然極高，甚至還略有提升。這些都是我們判斷營收可持續性的關鍵數據。這些公司的增長速度遠超前代企業，但增長非常健康：高活躍度、高留存，這對我們來說至關重要。

ElevenLabs 也是一樣，語音是眾多新一代 AI 工具的核心。我之前講過 B2B 領域的客戶支持，此外很多個人工具、商業應用也都從語音開始。我最關注的就是它的使用量增長，數據驚人，公司增長極快，也是運營效率極高的典型案例。

（來源：a16z）

Navan 是另一種類型的案例，正好能印證我剛才說的觀點。它們很早就啟動 AI 轉型，投入大量精力充分利用 AI 能力優化業務。目前最直觀的體現是問題處理環節：它們的業務涉及旅行預訂、行程變更等，現在 AI 已經能處理 50% 的用戶交互。

這可不是簡單的“查一下賬戶余額”，而是 AI 現在已經能夠勝任復雜的工作流程。反映在業務上就是：過去三年毛利率提升了 20 個百分點，效果極其顯著。

所以說“要么適應，要么淘汰”：它們的競爭對手還在墨守成規，而 Navan 已經比同行高出 20 個百分點的毛利率。

（來源：a16z）

還有 Flock，它們的工作也極其出色。在我們的投資組合公司里，它們的客戶價值主張最有說服力。因為它們的 AI 用于打擊犯罪。我們之前提到過一個數據：Flock 每年幫助破獲 70 萬起案件。右側數據顯示，在部署 Flock 的地區，每位警官的破案率提升了近 10%，對社區影響巨大。顯然，它們的業務和財務模型也非常優秀，產品影響力非凡。

資本市場與基建：支撐增長的巨大動能

Jen Kha：有一個問題是：如果以傳統行業（比如金融，以摩根大通為標桿）來看，你如何評估財富 500 強企業的 AI 應用水平？另外還有 MIT 去年年初做的一份企業 AI 應用調研，也可以結合談談。

David George：先說說我們從財富 500 強 CEO 那里聽到的消息：我們必須轉型，迫切想知道需要哪些 AI 工具，我們準備好改變了，我們的業務會全面落地 AI，我們要成為 AI 公司。

但這和實際發生的情況有很大差距。最大的脫節在于：變革管理太難了。哪怕只是讓員工用 AI 助手提升工作效率都不容易。代碼領域可能最容易理解，客戶支持也是見效快、成本低、價值明顯。

但真正到企業整體管理、業務流程改造、變革落地，難度極大。所以有一些案例顯示轉型速度慢于預期，我并不意外。但對那些全面擁抱、真正知道怎么做的優秀企業來說，AI 已經帶來了巨大的商業價值。

David George：我認為未來五年會出現一次大洗牌：誰能真正擁抱變革、推動落地、采用最好的產品，誰就會占據優勢，生產力差距會大幅拉開。企業對生產力提升、增長等方面的預期很高，我相信一批公司能實現，做不到的則會處于極大劣勢。

有公司說支持成本降低了 60%；Rocket Mortgage 說在核保環節節省了 110 萬小時，同比增長 6 倍，年節約成本達 4,000 萬美元。我們在非 AI 企業里也看到了這些亮點。我認為未來六個月會非常值得關注，會出現更多案例，當然也會有公司始終無法突破。

Jen Kha：非常同意。而且很多大企業必須先對業務進行改造，才能真正適配 AI。不是簡單掛個聊天機器人那么簡單，那帶來的生產力提升其實很有限。要真正徹底重構系統、數據和后端架構，這部分工作很多還在建設中，成果還沒完全顯現。

（來源：a16z）

David George: 這些微觀層面的效率提升，匯聚在一起，正在成為驅動宏觀市場的核心動力。我們還看到，AI 相關科技巨頭正在驅動公開市場，并貢獻了標普 500 近 80% 的回報率，這是當前經濟和股市的核心驅動力。公開市場表現很好，基本面也很扎實。股價在上漲，雖然最近幾天有波動，但整體向好，基本面非常穩健。

近期上漲主要由每股收益增長驅動。估值倍數略有收縮，對 SaaS 公司來說可能收縮更明顯一些，但整體來看，市場定價完全基于盈利，尤其是盈利的增長。估值倍數高于平均水平，但遠未達到互聯網泡沫時期。

（來源：a16z）

看看圖表就能明白當前的位置，這讓我比較安心。作為市場主要驅動力的那些公司，盈利狀況相當扎實，公司本身也很優秀。我常說，在當前商業史階段，頭部科技 AI 公司屬于最優質的商業模型之一。長期來看，它們的毛利率持續提升，也印證了這一點。

現在投資者看重的是利潤，而不是燒錢換增長，這和 2000 年互聯網泡沫時期形成鮮明對比。剔除毛利率因素后，估值并不算特別高。簡單總結：市場比過去更高，但上漲有其理由。我們對 AI 在未來幾年推動盈利、帶動整體公開市場持樂觀態度。

（來源：a16z）

大家可以重點看右側：把公司分為低增長/高增長、低毛利/高毛利四個象限。最優秀的公司享有溢價。

右側兩列分別是：高增長 + 高毛利；高增長 + 低毛利。左下角顯然是低增長 + 低毛利，這類公司不應該被給予高估值，事實也是如此。但高增長 + 高毛利的公司，以及高增長 + 低毛利（只要單位經濟健康、毛利率在逐步改善）的公司，理應獲得獎勵。如果沒有高增長，哪怕毛利再高，日子也會很難過，這并不意外。

長期來看，增長是驅動回報的最重要因素。所以，我很高興看到高增長被給予溢價，遠高于低增長。如果一家公司既能高增長又有高毛利，那就是頂級生意，市場也給予了極高獎勵。

（來源：a16z）

與市場火熱的需求相對應的，是供給側同樣龐大的基礎設施建設。基建規模極其龐大，投資的體量和集中度本身就帶有一定風險，因為規模實在太大。雖然表面看起來有些相似，但底層邏輯和歷史上的泡沫幾乎沒有共同點。這些投資主要由長期盈利、現金流極好的公司支撐，就是我剛才提到的那些頂尖企業。

債務開始進入視野，周期有所加快，這是積極信號。不過，我們仍在持續跟蹤訓練成本和整體經濟模型，目前數據尚可。大模型公司在模型訓練上的投入回報相當可觀，但我們仍在緊密監控。最重要的是，我認為 AI 將成為我職業生涯中最大的產品周期。

歷史上的產品周期，公司增長速度和持續時間都超出所有人預期，iPhone 就是經典案例。從 iPhone 發布前到發布后四五年，市場一致預期對蘋果業績的測算偏差達到 3 倍。我認為 AI 很多領域也會出現同樣情況：實際表現會大幅超出所有預期。

（來源：a16z）

科技行業本身就是如此。2010 年以來，科技行業以前所未有的速度和規模實現了高毛利營收增長。早期往往看起來很貴，但一次次超出市場預期，創造的價值遠超增長所需的資本。

我認為這一次也會一樣。和互聯網泡沫時期的資本開支相比，本輪開支有現金流支撐，資本開支占營收比例也更低。超大規模云廠商承擔了絕大部分資本開支，這對我們的組合公司是極大的利好。我完全支持：盡可能多地建設算力基礎設施，為訓練和推理提供充足供給。

不過，在肯定積極投入的同時，我們也開始密切關注其中的一個潛在變量，那就是債務在整體資本開支中的比重。未來的資本開支能否全部用現金流覆蓋？我們已經開始看到債務的介入，正在密切追蹤。

我們通常不會重倉那些風險敞口過大的公司，但對微軟、AWS、谷歌等用現金流支撐、持續產生現金流、甚至適度使用債務的公司非常有信心。當然，并不是所有交易對手都一樣。此外，我們看到私人信貸開始更多地參與到數據中心建設中。

還有一家被廣泛關注的公司是甲骨文，它們在向云業務轉型，一直盈利，持續回購股票。但它們承諾投入的資本規模極其龐大，未來多年現金流可能會轉負。最近市場上的一些信號顯示，其信用違約互換成本在過去三個月上升至約 2%。我們正在密切關注這類情況。總體而言，這些對投資組合公司都是好事，但也需要確保整個市場生態健康。

（來源：a16z）

這張 PPT 展示了 AI 變革的速度和幅度。把 AI 基建和營收與當年 Azure 的發展對比：AI 營收達到 Azure 當年水平，只用了后者 1/7 的時間。基建速度也快得多。Azure 用了接近十年時間，相關業務收入規模才明顯跑贏其基礎設施投入節奏，我們認為 AI 的這個比例拐點會來得快得多。

我們不用過多討論折舊，但這是金融圈很關心的話題，尤其是芯片折舊假設。老款 GPU 的價格依然堅挺。早期用戶會使用模型更久，但后期用戶會快速切換到新版本。谷歌曾披露，七八年的 TPU 使用率依然是 100%。我們密切跟蹤二手芯片價格以及 H100 等芯片的租賃價格，表現都非常堅挺。老一代芯片仍在滿負荷使用，所以我目前并不擔心這個問題。

（來源：a16z）

但這確實是大家經常討論的風險點。我們經常討論一個悖論：Token 越便宜，消耗量越大。所有超大規模云廠商都表示，需求遠超供給，我相信這一點。我曾在 AI 峰會上采訪過 Gavin Baker，他把這次數據中心建設，比作當年互聯網鋪設光纖。

他的核心觀點是：沒有閑置 GPU。當年有“暗光纖”，鋪好之后長期閑置不用；但今天，只要把 GPU 放進數據中心，立刻就會被滿負荷使用。這是需求匹配供給的非常積極的信號。這些公司必須保持早期的增長勢頭，否則就可能被顛覆。

再次強調：變革管理是目前轉型尚未全面爆發的最大原因。坦白說，問題不在于技術本身是否成熟，而在于圍繞技術的產品構建、變革管理和規模化落地。

生成式 AI 應用營收的增長速度，在所有類別中一騎絕塵。從 2023 年幾乎可以忽略不計，到現在爆發式增長。

未來展望：萬億目標與私募市場的變局

對比 2025 年上市軟件公司新增凈營收。2025 年，所有上市軟件公司合計新增營收 460 億美元；僅 OpenAI 和 Anthropic 按年化口徑計算，新增營收就接近這個數字的一半。

如果 2026 年做同樣對比，包括 SAP 等傳統軟件在內的整個上市軟件行業，AI 和大模型公司的營收增量將達到它們的 75%-80%，增長勢頭極其迅猛。

（來源：a16z）

市場普遍預期，AI 基建將帶來 9 萬億美元營收。假設 20% 的凈利率、22 倍市盈率，對應 35 萬億美元新增市值。目前已經“預支”了約 24 萬億市值，未來仍有很大空間。

這是另一種測算 AI 回報的方式：當前市場預期，到 2030 年，超大規模云廠商累計資本開支略低于 5 萬億美元。簡單測算：要在 4.8 萬億美元投資上實現 10% 的門檻收益率，到 2030 年 AI 營收需要達到約 1 萬億美元。

作為參考，1 萬億美元大約相當于全球 GDP 的 1%。這有可能實現，也可能略低，但我們不能只看到 2030 年，回報周期可能會更長，在 2030 到 2040 年之間逐步實現。

我們最近還做了一件事：開發軟件，跟蹤所有上市科技公司財報電話會議中對 AI 的討論，以及 AI 與我們早期、成長期投資業務的相關性，整理后發給我們的 CEO 們，讓他們能簡明扼要地了解：AI 對上市科技公司意味著什么，對我的業務又有什么影響。

Jen Kha：很好。在進入私募市場部分之前，還有一個問題：你剛才提到 2030 年 AI 營收要達到 1 萬億美元左右，我們現在處于什么位置？距離萬億目標還有多遠？

David George：按我們內部估算，目前整體規模約在 500 億美元左右。最難追蹤的是大型科技公司的真實 AI 營收，云廠商偶爾會披露 AI 帶來的營收提升比例，但它們會根據想呈現的效果做一些調整。所以，萬億目標只是一個粗略估算：我們現在大概在 500 億水平，增速遠高于每年 100%。

Jen Kha: ChatGPT 已推出三年多，但絕大部分爆發式增長其實是在過去一年半左右發生的。也希望你能談談私募市場方面的觀點。

David George: 在 B2B 領域，不僅大模型公司都有大規模 API 業務，云廠商也一樣，很多模型相關營收也通過云廠商實現。

關于私募市場，我的核心觀點是：企業保持私有化的時間明顯變長，但私募市場已經成為真正的主流資產類別。過去 20 年，上市公司數量減少了一半。營收超過 1 億美元的公司中，約 86% 是私有企業，這是一個巨大的轉變。

（來源：a16z）

我簡單講講冪律（Power Laws）分布，這很有意思，也是我們之前聊得不多的內容：價值高度集中在頭部公司。北美和歐洲獨角獸的總估值約為數萬億美元，僅前十家就占據了近 40% 的總價值，這一比例自 2020 年以來幾乎翻了一倍。我數了一下，當時前十里有七家是我們的投資組合公司。

冪律在公開市場也同樣存在。2019 年以來，大盤股的定義標準已經翻了三倍。右側這張圖表是我們最新的數據分析，非常有意思：標普 500 公司的平均“任期”，也就是一家公司進入標普 500 后，能留在里面的時間，過去 50 年下降了 40%。企業被顛覆的速度越來越快，這與技術驅動市場的變革速度完全吻合。

（來源：a16z）

Jen Kha: 我們行業里也總喜歡討論冪律。

David George: 我知道大家對波動有很多疑問和擔憂，波動問題在我們內部也是一個重要議題，尤其是創始人在討論私募和公開市場的優劣時。有人在采訪中提到，管理股價、避免波動，穩步推升股價，更容易留住和招聘員工，這我能理解。

但我認為成為上市公司也有非常強的優勢。未來 18 個月會非常有意思，一批長期私有化的巨頭將會上市，在我看來這是好事。我們觀察到長期來看市場波動確實有所加劇，我認為這部分是周期因素導致的。

兩種路徑各有優勢，企業在私募階段可以做得更大，我們已經接受了這個新現實，這對我們的業務有很大好處，讓我們能持續投資這些公司。當然，上市路徑也有其優勢，我們也非常關注。

Jen Kha：基于這一點，還有個問題。你能講講從 AI 之前時代的公司，比如 Databricks，全面轉型為 AI 公司的過程嗎？

David George：首先，必須承認， Shopify 之所以能全面擁抱 AI，是因為 Tobi 自上而下推動，親自運營公司。而 Databricks 也是如此，它們是商業能力和技術能力的罕見結合體。既需要商業直覺，理解 AI 創造價值的重要性，又需要足夠深入的技術認知，知道該做什么產品。

它們的云數據倉庫，也就是數據湖本身就是一個非常適合承載 AI 工作負載的底層架構，這是它們的先天優勢。之后它們又非常激進地迭代新 AI 產品，推出了叫 Agent Bricks 的新產品，我們非常看好，認為會給它們帶來革命性變化。

另一方面，大量頂尖 AI 原生公司都是它們的客戶。它們既有技術，又有低成本技術。我們做投資時很看重一點：你的客戶是誰。

我寧愿投資組合公司的客戶是思想前沿的企業，比如 OpenAI、Anthropic、Uber 這類，而不是非常傳統的守舊公司。因為這意味著，它們的技術被聰明的技術團隊評估并選擇。大量頂尖 AI 公司都構建在 Databricks 之上，它們可以伴隨這些公司一起規模化成長，同時這也是一種極佳的技術驗證。

Jen Kha：好的，我們就到這里結束，感謝 David 帶給我們的這場分享。

參考資料：

https://www.youtube.com/watch?v=rSohMpT24SI

排版：劉雅坤