頂級風投a16z 華人合伙人最新訪談：不要再迷信ARR了

你有沒有發現，最近推特上到處都是創始人在曬自己公司的 ARR（年度經常性收入）數字，從零到 1 億美元，有的公司只用了幾個月。這種速度在以往是完全無法想象的。更夸張的是，據說現在很多 VC 甚至不會看那些在 A 輪融資前 ARR 還沒達到 1 億美元的初創公司。整個硅谷似乎都陷入了一種 ARR 數字競賽的狂熱中，仿佛增長速度慢一點就會被時代拋棄。

但最新的趨勢是硅谷頂級風投開始不約而同的發聲，重新審視AI時代的ARR，前幾天我剛寫了來自Madrona合伙人Vivek Ramaswami的觀點《》，今天則是來自a16z的華人合伙人Jennifer Li的最新訪談。

但就在所有人都在瘋狂追逐這些令人眼花繚亂的數字時，Andreessen Horowitz（a16z）剛剛為其基礎設施團隊籌集了 17 億美元的基金，負責監管這筆資金投向的合伙人 Jennifer Li 卻說出了一番讓人意外的話：不是所有的 ARR 都是平等的，也不是所有的增長都是平等的。她甚至警告創始人，要對那些在推特上宣布驚人 ARR 數字的推文保持懷疑態度。

這引起了我的深度思考。當整個行業都在為快速增長而瘋狂時，為什么一個手握 17 億美元、投資了 Cursor、ElevenLabs、OpenAI 等最熱門 AI 公司的頂級 VC，反而在提醒創始人要慢下來？這背后到底隱藏著什么樣的認知差異？我決定深入研究 Jennifer Li 最近在 TechCrunch 的 Equity 播客上的分享，試圖理解這種反常識背后的深層邏輯。

被稱為SaaS教父的SaaStr創始人Jason也在X上吐槽AI ARR：

ARR 數字的真相：不是所有增長都值得追求

Jennifer Li 在訪談中首先指出了一個很多人忽視的問題：現在大家在推特上談論的 ARR，其實和傳統會計學中嚴格定義的 Annual Recurring Revenue（年度經常性收入）完全不是一回事。真正的 ARR 指的是來自合同簽約的、可預測的訂閱收入的年化值，這是一種有保障的收入，因為它來自于有合同約束的客戶。

但很多創始人在推特上曬的，其實是 revenue run rate（收入運行率）。他們只是把某個時間段內收到的錢進行年化計算，這和真正的 ARR 有本質區別。她說："關于業務質量、留存率和持久性的許多細微差別，在這些對話中都被忽略了。"一個創始人可能剛剛經歷了一個銷售爆發的月份，但并不是每個月都能重復這樣的表現。或者一家初創公司可能有很多短期客戶在做試點項目，所以收入在試點期結束后并不能保證會持續。

我完全理解她的擔憂。在我看來，這種數字游戲最大的問題不在于它本身的不準確性，而在于它對整個創業生態系統的扭曲效應。當那些經驗不足的創始人看到這些驚人的數字時，他們會產生巨大的焦慮："為什么我做不到從零到 1 億？我是不是哪里做錯了？"這種焦慮會驅使他們做出錯誤的決策，比如犧牲產品質量來追求短期的增長數字，或者過度營銷來獲取那些最終不會留存的客戶。

Jennifer Li 對那些焦慮的創始人給出了她的答案："你不需要那樣做。當然，這是一個很好的愿望，但你不必以這種方式建立業務，不必只優化頂線增長。"她提出了一個更健康的增長模式：如何可持續地增長，讓客戶一旦注冊就會留下來，并擴大他們在你公司的支出。這可以實現"每年增長 5 倍或 10 倍"，這意味著從第一年的 100 萬美元增長到 500 萬到 1000 萬美元，到第二年增長到 2500 萬到 5000 萬美元，以此類推。

她特別強調，這種增長速度仍然是"聞所未聞"的。如果再加上快樂的客戶——也就是高留存率——這些初創公司仍然會找到愿意支持他們的投資者。我覺得這個觀點非常重要，因為它揭示了一個很多人忽視的真相：在 AI 時代，雖然快速增長確實成為可能，但可持續的快速增長才是真正有價值的。那些只追求表面數字而忽視客戶留存和業務質量的公司，最終會在泡沫破裂時付出代價。

當然，a16z 基礎設施團隊的一些投資組合公司確實達到了那種飆升的 ARR 數字：Cursor、ElevenLabs 和 Fal.ai。但 Jennifer Li 強調，這種增長是與"持久的業務"相關聯的，"每一個背后都有真正的原因"。Cursor 是因為代碼 agents（AI 代理）是第一個在現實生活中真正起作用并產生令人難以置信結果的 agent。ElevenLabs 是因為語音 agents 加上合成語音有大量低門檻、不易出錯的用例，而且作為首批跨越恐怖谷的模態之一，真正推動了增長。Fal 則是因為他們為從圖像到視頻的所有創意工作負載提供動力，而開源模型的激增創造了對多樣性和一致性能的巨大需求。

我認為這里的關鍵洞察在于：快速增長本身不是目標，它應該是解決真實問題、創造真實價值的自然結果。當你的產品真正解決了一個迫切的需求，當你的技術確實跨越了某個關鍵門檻，增長就會隨之而來。相反，如果只是為了增長而增長，最終只會建立一個脆弱的、不可持續的業務。

AI Agent 時代真的來了嗎？

在訪談中，Jennifer Li 花了大量時間討論 AI agents 的發展。她認為 2026 年將是 agents 真正走向普通知識工作者的一年。她說："我認為 agents 這個概念已經討論了幾年，但現在終于到了能夠從一些長期運行的 agents 和 agentic workflows（代理工作流）中產生真正的投資回報率和生產力的階段，這是一個巨大的突破。"

作為一個 VC，她自己也在使用各種 agents。她使用研究 agents 幫她準備每天的工作，從她自己的云盤中提取筆記和信息。她還大量使用語音 agents 來測試能力和對話流暢性的進步。更有趣的是，她正在構建自己的生產力 agent 來幫她安排日歷，并為思考預留時間。她的第一個知識工作 agent 就是管理她的日歷。

但我注意到一個很有意思的細節：即使是 Jennifer Li 這樣深度參與 AI 投資的人，也承認當前 agents 的局限性。當主持人提到她有 24000 封未讀郵件，希望有一個 agent 能幫她管理時，Jennifer Li 的回應非常誠實："電子郵件和優先級的例子是一個很好的例子，說明人類在連接點和找出未言明的上下文方面非常出色，而對于 LLMs（大語言模型），你真的需要提供所有的上下文，有一個明確的目標和目的。"

她指出，這就是為什么很多電子郵件收件箱 agents 還不夠好的原因。人類能夠理解電子郵件本身或日歷中沒有說出來的事情，能夠收集這些信息并判斷什么應該是你的首要任務。而 AI 目前還做不到這一點。這讓我想到，我們經常高估了 AI 在短期內能做什么，又低估了它在長期能做什么。

Jennifer Li 的觀點是，agents 會像茶包一樣慢慢滲透進我們的工作流程。它是一個更好的 Google，但還沒有真正成為我們可以交付任務的東西。她說："我完全同意，創作仍然是由人類完成的，這是一件好事，但這些工具確實幫助我們提高了很多生產力，讓我們更有目的性，也讓我們的觀點更有深度。"

我認為這是一個非常理性和務實的觀點。在我看來，2026 年甚至 2027 年，我們仍然處于 co-pilot（副駕駛）階段，而不是 autopilot（自動駕駛）階段。某些部分可能會進入自動駕駛模式，比如數據錄入這樣的工作——Jennifer Li 投資了一家名為 Reduct 的公司，它可以將 PDF 和文檔轉換為結構化數據。這種讓人坐在電腦前從海外服務提供商那里進行數據錄入的工作，應該是首先被自動化的。

但對于那些需要人類判斷、創造力和情感智能的工作，agents 在可預見的未來仍然只是輔助工具。這不是 AI 的失敗，而是對 AI 能力的正確理解。我們需要停止炒作 agents 會完全取代人類工作的說法，而是專注于如何讓 agents 幫助人類完成那些乏味、重復、不需要創造力的任務，從而釋放人類去做更有價值、更需要人性的工作。

創造力仍然屬于人類：最不合群的觀點

當主持人問 Jennifer Li 她最不合群的觀點是什么時，她的回答讓我印象深刻："我知道這些模型非常有創造力，它們能夠在幾秒鐘內以閃電般的速度創作，但我本質上仍然認為創造力屬于人類，最好的想法最終仍然會來自人類。"

這個觀點在當前這個 AI 狂熱的時代確實顯得有些"不合時宜"。到處都是關于 AI 生成內容的討論，從圖像、視頻到音樂、文本，AI 似乎在所有創意領域都取得了驚人的進展。但 Jennifer Li 堅持認為，在 AGI（通用人工智能）的最佳形式中，每個人都能夠最大限度地表達我們的創造力。

她說："我希望 AGI 帶給我們的是，有很多智能真正幫助我們處理那些我們不喜歡做的事情，那些本質上不是在推動個人邊界的事情，真正幫助每個人擴展我們的領域、知識，并達到最大的創造力。"她認為，我們很多人在日常工作中其實并沒有太多時間去創造，我們被困在完成任務的緊迫性中。

我非常同意這個觀點。在我看來，AI 的真正價值不是取代人類的創造力，而是為人類的創造力創造更多空間。想象一下，如果你不需要花時間整理那 24000 封郵件，不需要手動進行數據錄入，不需要重復回答同樣的客戶問題，你會有多少時間去思考、去創造、去解決真正有挑戰性的問題？

Jennifer Li 舉了一個很好的例子：如果有 agent 幫助你處理那些郵件，你就能創造更多，也能進一步推動你的最佳想法。這才是 AI 應該扮演的角色——不是替代人類，而是增強人類。讓機器處理那些機械的、重復的、不需要創造力的任務，讓人類專注于那些需要想象力、直覺、情感智能和創造力的工作。

這也讓我想到，為什么硅谷總是喜歡炒作"AI 將取代人類工作"的話題。在訪談中，主持人直接質疑了這一點，她說："我覺得硅谷和甚至 VC 在某種程度上一直在談論 agents 作為人類替代品，就像完全的人類工作替代品。但在我看來，我們要交給 agents 的是不受歡迎的任務，但這種說法——你永遠不需要銷售人員之類的——我覺得那只是營銷，這樣這些軟件公司就可以把他們的 agents 定價為與勞動力相比。"

Jennifer Li 對此的回應很理性："這真的取決于工作和角色。如果這是一份真的不值得、只是坐在電腦前做數據錄入或打電話一遍又一遍地談論同樣的事情，比如解釋同樣的概念或回答關于'我的訂單在哪里'、'我如何退貨'這類問題，這些本質上是非常繁瑣、單調和令人沮喪的任務，我希望 agents 能夠取代并將這些人提升到更智能的工作類型。"

我認為這是一個非常重要的區分：agents 將取代任務，而不是工作。當然，仍然有一些從 1960 年代遺留下來的人類工作，比如數據錄入，但技術一直在自動化這些東西。就像以前公司都有接線員，現在早就沒有了，而這遠在 AI agents 出現之前。所以，任務會被自動化，工作會演變，但人類不會被完全取代。

LLMs 的局限性與未來方向

在討論 AGI 和創造力時，Jennifer Li 也談到了她對 LLMs 局限性的看法。她同意主持人關于 LLMs 會遇到極限的觀點："我也認為這是一個相當公認的觀點，即 LLMs 擅長某些事情，但不會成為一切的答案。"

她明確表示，LLMs 不會轉變為 AGI。我們需要多模態性，需要與現實世界互動的方式。我們不能只活在 token 生成和下一個 token 預測中。這個觀點讓我想到了當前 AI 發展的一個重要轉折點：我們正在看到 LLMs 的邊界在哪里。

主持人提到了 world models（世界模型）的概念，她認為這是 AI 開始與現實世界互動的地方，這才能讓我們到達想象中的未來——比如讓機器人采摘蘋果，而不是人類。我覺得這個觀點很有洞察力。LLMs 在處理語言和文本方面非常強大，但它們缺乏對物理世界的理解和互動能力。

Jennifer Li 也談到了 AI 在芯片設計領域的應用。她提到，現在我們看到很多 AI 工作負載運行的基礎設施并不是為它們構建的。我們正在推向一個未來，那里將有更多針對特定工作負載的硬件和軟件，無論是用于大規模推理還是快速低延遲。

她說："如果你想想 LLMs 和 AI 真正能幫助的地方，就是這個瀑布式的過程——設計一個芯片需要數年時間，從原型設計到生產，現在我們真的可以縮短設計和原型設計的初始階段。"這不僅適用于芯片，也適用于今天所有的軟件創建，縮短了構思和創建初始階段的時間。

我認為這揭示了 AI 的真正價值：不是取代整個創造過程，而是加速特定階段。在芯片設計中，AI 可以快速生成和測試多個設計方案，大大縮短從想法到原型的時間。但最終的決策、優化和整合仍然需要人類工程師的專業知識和判斷。

這種對 AI 能力的務實認識，在我看來，比那些夸大其詞的炒作要有價值得多。LLMs 是強大的工具,但它們有明確的局限性。承認這些局限性并不是貶低 AI 的價值，而是幫助我們更好地理解如何充分利用這項技術。

超高速增長的代價：人才短缺與運營挑戰

Jennifer Li 在訪談中還談到了一個很多人忽視的問題：當一家公司真的實現了從零到 1 億美元的超高速增長時，它會面臨什么樣的挑戰？

她說，今天最困難的事情，也是一直被討論的話題，就是"我們如何招聘——不是快速招聘，而是能夠真正適應這種速度和文化的合適人才"。這些達到那些里程碑的公司，團隊規模都還不到 100 人。就像主持人說的，沒有 CFO（首席財務官），也沒有 CRO（首席營收官）。很多增長都是由初始團隊完成的,人們在不斷成長。

但當他們想要進一步擴大團隊時，尋找能夠以 AI 速度移動的最優秀人才，現在的人才庫非常有限。Jennifer Li 說："考慮到另一邊對人們失業的恐懼，說現在所有這些 AI 公司的招聘市場出現如此嚴重的人才短缺，這很瘋狂。有如此多的人才需求，希望找到能夠快速行動、同時也是 AI 原生的人。"

我覺得這是一個非常有趣的悖論。一方面，人們擔心 AI 會搶走他們的工作；另一方面，AI 公司卻在拼命尋找人才。這說明了什么？說明 AI 時代需要的不是更少的人，而是不同類型的人。那些能夠理解 AI、與 AI 協作、在快速變化的環境中適應的人，比以往任何時候都更有價值。

Jennifer Li 還提到了其他一些超高速增長帶來的挑戰："還有大量未知和開放的話題和問題,我們以前從未面對過,比如很多深度偽造如何對抗,以及法律和合規要求,這些都是我們一直在摸索的新領域。"

這需要大量的創造性思維,也需要冷靜、謹慎,還要思考公眾和全球觀眾會如何對某些行動做出反應。這些都是非常微妙的話題。這些公司還不習慣突然一個錯誤的詞,人們就會群起而攻之。

她舉了 Cursor 的例子,他們在推出新定價方式時犯了一個錯誤,引起了用戶的強烈反對。三年前,一個開發者工具 IDE（集成開發環境）改變定價成為大新聞是不可想像的,但現在,這是一件大事。

我認為這揭示了一個重要的現實:超高速增長聽起來很美好,但它也帶來了獨特的挑戰。這些公司必須在還沒有建立起相應支持系統的情況下,就要處理大公司才會面臨的問題。他們沒有完善的財務系統、法律團隊或公關部門,但卻要應對與大公司同樣的審查和期望。

這就是為什么 Jennifer Li 一開始就警告創始人不要盲目追求那些推特上的驚人數字。超高速增長不僅僅是一個好問題,它也是一個"小心你的愿望"的情況。你可能會得到增長,但你也會得到隨之而來的所有復雜性、壓力和挑戰。

搜索：被低估的基礎設施

在訪談的最后,當主持人問 Jennifer Li 她希望用這 17 億美元找到什么樣的創業公司時,她的回答有些出人意料:搜索。

"我認為搜索仍有巨大的潛力。無論是網絡搜索,還是個性化類型的搜索。我認為 LLM 需要工具,它真的需要最新的、準確的信息,而這是一個搜索問題。"她說,搜索基礎設施已經發展了很多,但仍然需要進一步發展,以使搜索更加個性化,也更加全面,更快,以真正跟上高吞吐量、高頻率的 agentic 搜索,同時也要保持高準確性。

她指出,現在我們對語言模型的要求更高了。我們不能允許搜索結果中有一個錯誤的條目,對吧？幻覺問題,或者與這個搜索查詢不符的上下文,我們對 LLMs 的期望更高了,而這又回到了搜索問題。

我覺得這是一個被嚴重低估的洞察。在所有人都在關注大模型、agents、應用層的時候,Jennifer Li 卻在關注搜索這個基礎設施。為什么？因為無論上層應用多么炫酷,如果底層的搜索和信息檢索不夠好,整個系統都會受到限制。

想想看,agents 需要什么？它們需要準確、及時、相關的信息來做出決策。如果搜索系統不能快速準確地提供這些信息,agents 就無法有效工作。如果搜索結果包含錯誤信息,agents 就會做出錯誤的決策。如果搜索不能個性化,agents 就無法真正理解用戶的特定需求和上下文。

而且,隨著 agents 的普及,搜索的需求會呈指數級增長。不再是人類偶爾搜索一次,而是可能有成千上萬的 agents 不斷地、高頻率地進行搜索。這對搜索基礎設施的性能、準確性和可擴展性提出了全新的要求。

我認為這就是為什么 Jennifer Li 如此看重搜索創業公司的原因。在 AI 時代,搜索不再只是找到網頁,而是為 AI 系統提供準確、及時、上下文相關的信息的關鍵基礎設施。誰能解決這個問題,誰就掌握了 AI 時代的關鍵基礎設施之一。

我的思考：理性與狂熱之間的平衡

聽完 Jennifer Li 的整個訪談,我最大的感受是:在這個充滿狂熱和炒作的 AI 時代,理性和務實是多么珍貴。

作為一個手握 17 億美元、投資了一些最成功的 AI 公司的 VC,Jennifer Li 完全可以加入炒作的行列,宣揚 AI 將如何改變一切、agents 將如何取代所有工作、AGI 即將到來等等。但她沒有。相反,她花了大量時間討論 AI 的局限性、agents 的邊界、超高速增長的挑戰。

她對創始人的建議也很實際:不要被推特上的數字迷惑,不要只追求表面的增長,要關注業務質量和可持續性。她對 AI 未來的展望也很理性:創造力仍然屬于人類,LLMs 有其局限性,我們仍然處于 co-pilot 階段而不是 autopilot 階段。

我認為這種理性在當前的環境中尤為重要。AI 確實在改變世界,但改變的方式和速度可能與炒作所描述的不同。agents 確實會影響工作,但不是簡單地取代人類,而是改變人類的工作方式。增長確實可以很快,但可持續的增長需要堅實的基礎。

在狂熱和理性之間找到平衡,在樂觀和務實之間找到平衡,這可能是在 AI 時代成功的關鍵。不是盲目追隨炒作,也不是完全拒絕新技術,而是深入理解技術的能力和局限性,找到真正創造價值的方式。

Jennifer Li 的觀點給了我一個重要的提醒:在這個快速變化的時代,慢下來思考可能比盲目快速行動更有價值。了解什么是真實的、什么是炒作,什么是可持續的、什么只是曇花一現,這些判斷能力在長期來看可能比短期的增長速度更重要。

最后,我想說的是,AI 時代最稀缺的不是技術,不是資金,甚至不是人才,而是理性的判斷和務實的執行。當所有人都在推特上曬 ARR 數字的時候,能夠慢下來問"這個數字背后的質量如何"的人,可能才是最終的贏家。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。