a16z關於AI市場的最新深度分析：你的公司還在“用血”工作嗎？

作者：深思圈

你有沒有想過，軟體行業可能正在經歷一場比從命令列到圖形界面更激烈的變革？最近聽了一場 a16z 的 David George 分享的關於 AI 市場的深度分析，我被一組數據震撼到了：**最快增長的 AI 公司正以 693% 的年增長率擴張，而他們在銷售和行銷上的支出卻遠低於傳統軟體公司。**這不是個別案例，整個 AI 公司群體的增長速度是非 AI 公司的 2.5 倍以上。更讓我覺得不可思議的是，這些公司的 ARR per FTE（每名員工的年度經常性收入）達到了 50 萬到 100 萬美元，而上一代軟體公司的標準是 40 萬美元。

這意味著什麼？意味著我們正在見證一個全新的商業模式誕生，一個用更少的人、更少的成本、創造更大價值的時代。

David George 在分享中提到，這不是什么小調整，而是一場徹底的範式轉變。那些核心概念——版本控制、模板、文件，甚至用戶的概念——都在因為 AI agent 驅動的工作流程而被重新定義。我深信，未來五年內，那些無法適應這種變革的公司將會被徹底淘汰。

AI 公司增長的驚人真相

David George 在分享中展示的數據讓我重新思考了什麼叫真正的增長。2025 年對於 AI 公司來說是一個加速增長的年份。在經歷了 2022、2023、2024 年因為利率上升和科技行業收縮導致的增長放緩後，2025 年徹底逆轉了這個趨勢。最讓人震驚的是，按照不同梯隊排名的公司中，那些真正的異常值公司，增長速度簡直令人難以置信。

我看到這組數據時的第一反應是：這數字有問題吧？表現最好的 AI 公司群體同比增長 693%。David 說他們團隊也是反覆確認了三遍才相信這個數字。但這完全符合他們從投資組合公司那裡看到的實際情況和案例。這不是孤立的現象，而是整個 AI 領域正在發生的系統性變化。

更關鍵的是增長的質量。傳統軟體公司要達到 1 億美元的年收入通常需要很長時間，而最快增長的 AI 公司到達這個里程碑的速度要快得多。David 特別強調了一個非常重要的點：這不是因為他們在銷售和行銷上花了更多錢，恰恰相反，最快增長的 AI 公司在銷售和行銷上的支出實際上比傳統 SaaS（軟體即服務）公司更少。他們增長得更快，卻花得更少。這背後的原因是什麼？是因為終端客戶的需求極其強烈，產品本身極具吸引力。

我覺得這揭示了一個深刻的商業邏輯轉變。過去的軟體時代，增長往往依賴於強大的銷售團隊和巨額的行銷預算。你需要教育市場、說服客戶、克服採用障礙。但在 AI 時代，真正優秀的產品能夠自己說話。當一個產品能立即為用戶創造價值，能讓用戶在第一次使用時就感受到效率的提升，市場需求就會自動產生。這種由產品驅動的增長模式，比傳統的銷售驅動模式要健康得多，也更可持續。

David 展示的另一組數據也很有意思。AI 公司的毛利率實際上比傳統軟體公司略低一些。他們團隊的看法很獨特：對於 AI 公司來說，低毛利率某種程度上是一種榮譽勳章。因為如果低毛利率是由高推理成本（inference costs）導致的，那說明兩件事：第一，人們真的在使用 AI 功能；第二，隨著時間推移，這些推理成本會下降。所以在某種程度上，如果他們看到一個 AI 公司的毛利率特別高，反而會有點懷疑，因為這可能意味著 AI 功能並不是客戶真正購買或使用的東西。

為什麼 AI 公司能做到更高效

我一直在思考一個問題：為什麼同樣是軟體公司，AI 公司能夠用更少的人創造更多的收入？David 在分享中重點討論了 ARR per FTE 這個指標，也就是每名全職員工創造的年度經常性收入。這個指標實際上是衡量公司整體運營效率的一個綜合指標，它不僅包括銷售和行銷效率，還包括管理成本和研發成本。

最優秀的 AI 公司的 ARR per FTE 達到了 50 萬到 100 萬美元，而上一代軟體公司的標準大約是 40 萬美元。這看起來可能只是數字上的差異，但背後反映的是完全不同的商業模式和運營方式。David 認為，造成這種差異的主要原因是市場對這些產品的需求非常強烈，所以他們需要更少的資源就能將產品推向市場。

但我覺得這只是表面原因。更深層的原因是，AI 公司從一開始就被迫以不同的方式思考如何運營。他們沒有選擇，必須用 AI 來重新設計他們的內部流程、產品開發方式、客戶支持系統。這種被迫的創新反而讓他們找到了一種更高效的商業模式。

David 分享了一個特別生動的例子。他說最近在和一家公司的創始人聊天，這個創始人對他們某個產品的進度感到不滿意，於是他直接安排了兩個在 AI 方面很深入的工程師，讓他們用 Claude Code、Cursor 這些最新的編程工具從頭開始重建這個產品，並且給了他們無限的編程工具預算。結果呢？這位創始人說，他認為進度比之前快了 10 到 20 倍。而且這些工具產生的帳單高到讓他開始重新思考整個組織應該是什麼樣子。

這個例子讓我印象深刻的地方在於，這不是漸進式改進，而是數量級的躍升。10 到 20 倍的速度提升意味著什麼？意味著原本需要一年完成的項目，現在可能只需要一兩個月。這種速度差異會在競爭中產生決定性的影響。這位創始人的結論是：我需要讓整個產品和工程團隊都以這種方式工作，而且我認為這會在未來 12 個月內發生。但這也意味著團隊的組織結構會發生根本性變化。產品、工程、設計的邊界在哪裡？這些問題都需要重新定義。

我認為 2024 年 12 月是編程領域的一個轉折點。David 也有同樣的感受。他說感覺在那個時間點上，編程工具發生了質的飛躍。接下來的 12 個月，這種變化要么會在公司中真正落地生根，要么那些沒有採用的公司就會比同行慢得多。這不是危言聳聽，而是現實。

適應 AI 還是被淘汰

David 在分享中提到了一个非常嚴峻的觀點：對於那些在 AI 時代之前創立的公司來說，要么適應 AI 時代，要么死亡。這個說法聽起來很極端，但我完全同意。而且這種適應需要在兩個層面同時進行：前端和後端。

在前端，公司需要思考如何將 AI 原生地整合到產品中，而不僅僅是在現有工作流程中加一個聊天機器人。這需要重新想像在有了 AI 之後產品能做什麼，並且要激進地顛覆自己、做出改變。David 分享了幾個很有意思的例子。有一家 pre-AI 時代的軟體公司，CEO 已經完全被 AI 理念所轉化，他說：我們要成為一個 AI 產品。我們要讓產品能夠說，你的員工現在變成了你的 AI agent。你有多少個 agent？這些是他現在談論的話題。

還有一個更極端的例子。有個 CEO 說，對於我們現在需要完成的每一項任務，我都會問一個問題：我能用電來做這件事，還是必須用血來做？這是一種極端的思維轉變。用電指的是用 AI 和自動化，用血指的是用人力。這種思維方式的轉變非常深刻，它迫使你重新審視公司的每一個流程、每一項任務。

在後端，公司需要完全採用最新的編程模型和工具。所有開發人員都應該使用最新的編程輔助工具，每個職能部門都應該使用最新的工具。到目前為止，編程領域的採用率最高，這也是看到最大飛躍的地方。但這種變化正在擴散到其他職能部門。

David 提到，對於那些 pre-AI 公司來說，好消息是商業模式的演變還處於早期階段。最具破壞性的情況是技術和產品發生轉變，同時商業模式也發生轉變。現在技術和產品確實在發生劇變，但商業模式的轉變還沒有完全展開。

他把商業模式看作一個光譜。最左邊是許可證模式（licenses），這是 pre-SaaS 時代的許可證和維護模式。然後是 SaaS 和訂閱模式，通常基於席位收費，這是一個重大創新，非常具有破壞性。你可以看看 Adobe 在經歷這個轉變時發生了什麼。然後是基於消費的模式（consumption-based），也就是基於使用量的模式，這是雲服務的收費方式，很多基於任務量的業務已經從基於席位轉向了基於消費。

下一個階段將是基於結果的模式（outcome-based）。當你完成一項任務，理想情況下是成功完成一項任務時，你會根據任務的成功完成來收費。目前唯一真正可以實現這種模式的領域可能是客戶支持和客戶成功，因為你可以客觀地衡量問題的解決。但隨著模型能力的提升，如果除了客戶支持之外的其他職能也能衡量這類結果，那將是對現有公司的巨大破壞力。

我覺得這個演變路徑非常有洞察力。從許可證到訂閱，從訂閱到消費，從消費到結果，每一次轉變都是對前一代商業模式的顛覆。而我們現在正處在從消費到結果的轉變前夜。一旦 AI agent 能夠可靠地完成任務並可以被客觀評估，基於結果的定價模式就會成為主流。到那時，那些還在按席位收費的公司將會發現自己完全失去了競爭力。

大公司的 AI 採用困境

關於 Fortune 500 公司採用 AI 的情況，David 的觀察非常有意思。他說，他從這些大公司 CEO 那裡聽到的和實際發生的事情之間存在巨大差距。CEO 們都在說：我們必須適應，我們迫切想了解需要哪些 AI 工具，我們已經準備好改變，我們的業務將全面推出這些工具，我們要成為 AI 公司。

但實際發生的情況卻完全不同。這種思維方式和實際業務變化之間最大的脫節在於：變革管理太難了。即使只是讓人們使用 AI 助手來幫助他們更好地完成工作，都已經夠難了。至於實際的業務管理、改變業務流程、變革管理，這些都極其困難。

David 說他並不驚訝市場上有些傳言說事情進展得比預期慢。但對於那些真正全面擁抱 AI 並且知道該做什麼的最優秀公司來說，已經產生了巨大的商業影響。他舉了幾個具體的例子：Chime 說他們減少了 60% 的支持成本；Rocket Mortgage 說他們在承保方面節省了 110 萬小時，同比增長 6 倍，相當於每年節省 4000 萬美元的營運成本。

我認為這揭示了一個關鍵問題：意願和能力之間的鴻溝。大公司的 CEO 們都有意願去擁抱 AI，但是否有能力去實施是另一回事。變革管理的難度常常被低估。這不僅僅是買一些工具或者雇一些 AI 工程師的問題，而是需要從根本上改變公司的流程、文化、組織結構。

而且很多大公司需要先調整自己的業務，讓它為 AI 做好準備。使用聊天機器人是一回事，能獲得多少生產力提升可能不多。但如果你必須完全改造你的系統、資訊和後端以適應 AI，很多工作可能是潛在的，正在積累中，還沒有看到相關的結果。

David 預測，接下來的 12 個月將會非常有意思。他認為我們會看到更多的案例，但會有公司能搞定，也會有公司搞不定。那些能搞定的公司將會獲得巨大的生產力優勢，而那些搞不定的公司將會處於巨大的劣勢。我認為這種分化會比人們想像的來得更快、更激烈。

Model Busters 和市場的未來

David 在分享中提到了一個我覺得特別有洞察力的概念：Model Busters。這是指那些增長速度和持續時間遠遠超出任何人在任何情境下所能預測的公司。iPhone 是這個概念的經典案例。如果你看 iPhone 發布前的共識預測，和 4-5 年後的實際表現，共識預測偏離了 3 倍。而這是全世界最受關注的公司。

David 認為，AI 將會是他職業生涯中見過的最大的 Model Buster。許多 AI 領域的公司表現將會大幅超出任何電子表格中的預期。這個觀點我非常認同。當一個技術平台帶來的不是漸進式改進，而是數量級的躍升時，傳統的預測模型就會失效。

他提到，科技本身就是一種 Model Buster。但自 2010 年以來，科技以前所未有的速度和規模提供了高利潤率的收入。所以它早期看起來總是很貴，但反覆出現超預期的表現，創造的價值遠遠超過所需的資本。他沒有理由認為這次會有什麼不同。

在資本支出方面，David 展示的數據也很有意思。相比於網路泡沫時期，現在的資本支出實際上是由現金流支撐的，而且資本支出占收入的百分比要低得多。承擔最大資本支出負擔的是超大規模雲服務提供商（hyperscalers），而這些公司是有史以來最優秀的商業公司。

David 特別提到，作為投資組合公司，他們非常歡迎這種資本支出。他說：盡可能多地建設容量，為訓練和推理提供盡可能多的供應，這是非常好的事情。而且承擔大部分負擔的是那些史上最優秀的商業公司。

他們開始關注的一個現象是債務進入了這個等式。你無法僅用現金流為所有預測的未來資本支出提供資金，市場開始看到一些債務。但總體來說，他們對那些用現金流融資、繼續產生現金流並使用債務的公司感到很放心，只要對手方是 Meta、Microsoft、AWS、Nvidia 這樣的公司。

David 提到了一個值得關注的案例：Oracle。Oracle 一直都很盈利，一直在回購股票，但他們承諾的資本支出規模非常大，這是一個豪賭。他們將在未來很多年出現負現金流。市場已經開始注意到這一點，Oracle 的信用違約互換（CDS）成本在過去三個月上漲到了大約 2%。這是需要關注的信號。

我認為這種資本密集型的建設階段是必要的，但並非沒有風險。關鍵是要確保這些投資最終能產生相應的回報。目前來看，需求是遠遠超過供應的。所有超大規模雲服務提供商都報告說需求遠超供應。David 采訪的 Gavin Baker 有一個很好的比喻：網路時代鋪設了大量光纖，然後這些光纖閒置著，沒有被使用，這叫做暗光纖（dark fiber）。但在 AI 時代，沒有所謂的暗 GPU。如果你在資料中心安裝了 GPU，它會立即被充分利用。

收入增長的驚人速度

David 展示的一組數據特別震撼。他比較了雲服務、上市軟體公司，以及 2025 年新增的淨收入。上市軟體公司在 2025 年總共新增了 460 億美元的收入。如果你只看 OpenAI 和 Anthropic 這兩家公司，按照營運收入計算，它們新增的收入幾乎是這個數字的一半。

而且 David 認為，如果做同樣的比較看 2026 年，整個上市軟體行業（包括 SAP 和老牌軟體公司，不僅僅是 SaaS），AI 公司（模型公司）新增的收入可能會達到 75% 到 80%。這個速度簡直令人難以置信。這意味著在短短幾年內，AI 公司創造的新價值就會超過整個傳統軟體行業。

Goldman Sachs 估計，AI 建設將會產生 9 萬億美元的收入。如果假設 20% 的利潤率和 22 倍的市盈率，這將轉化為 35 萬億美元的新市值。現在已經有大約 24 萬億美元的市值被提前計入了。雖然我們可以爭論這是否全部歸因於 AI 或者大型科技公司的表現，但仍然有很多市值可以爭取，如果這些假設是正確的，還有很大的上漲空間。

David 還做了一個簡單的算術。按照目前的估計，到 2030 年，超大規模雲服務提供商的累計資本支出將略低於 5 萬億美元。要在這 4.8 萬億美元或接近 5 萬億美元的投資上實現 10% 的門檻回報率，到 2030 年，AI 年收入需要達到大約 1 萬億美元。把這個數字放在上下文中，1 萬億美元大約是全球 GDP 的 1%，才能產生 10% 的回報。

這有可能實現嗎？也有可能會略有不足。但 David 認為僅僅看 2030 年是有局限性的。這些投資的回報可能會在更長的時間段內實現，比如 2030 年到 2040 年之間。而且如果我們現在大約在 500 億美元的 AI 收入規模（這是他的粗略估計），而這主要是在過去一年半左右產生的，那麼從 500 億成長到 1 萬億的路徑並不是不可能的。

我對未來的思考

聽完 David 的分享，我最大的感受是：我們正處在一個歷史性轉折點的開端，而不是中期或者末期。這是一個可能持續 10 到 15 年的產品週期，而我們才剛剛開始。這讓我既興奮又焦慮。

興奮的是，這種轉變帶來的機會是巨大的。對於那些能夠快速適應、全面擁抱 AI 的公司來說，他們不僅能獲得競爭優勢，更有可能成為定義下一個時代的公司。我們將會看到新的獨角獸誕生，看到新的商業模式出現，看到完全不同的公司組織方式。

焦慮的是，這種變化的速度可能比大多數人預期的要快得多。David 提到的那個數據特別能說明問題：S&P 500 公司平均在指數中停留的時間在過去 50 年裡下降了 40%。這意味著公司被顛覆的速度在加快。在 AI 時代，這個速度可能會進一步加快。

我認為接下來會出現明顯的分化。一些公司會真正理解 AI 的潛力，從根本上重新思考他們的產品、流程、組織結構。這些公司會獲得數量級的效率提升和競爭優勢。而另一些公司，即使有意願去改變，也會因為變革管理的困難、組織慣性、技術債務等原因而進展緩慢。這種分化會在未來幾年內變得越來越明顯。

對於創業者來說，現在可能是最好的時代。市場需求極其強勁，技術能力日新月異，資本市場仍然願意支持真正有潛力的公司。而且與上一代軟體公司相比，現在可以用更少的資源、更快的速度達到同樣的規模。這降低了創業的門檻，但也提高了對產品質量和市場契合度的要求。

對於投資者來說，關鍵是要識別出那些真正的 Model Busters。這些公司的增長速度和持續時間會遠超任何傳統模型的預測。但這也需要投資者有足夠的遠見和耐心，願意相信那些看起來不合理的增長曲線。

對於從業者來說，無論你是工程師、產品經理、設計師還是其他角色，都需要快速學習和適應新的工具和工作方式。David 提到的那個例子——兩個工程師用最新的編程工具能比之前快 10 到 20 倍——這不是個例，而是一個趨勢。那些能夠掌握這些新工具、新方法的人將會獲得巨大的職業優勢。

最後，我想說的是，這種轉變不僅僅是技術層面的，更是思維方式的轉變。從"我們應該如何做"到"我們想要實現什麼結果"，從"增加更多的人手"到"如何用 AI 解決這個問題"，從"按照既定流程"到"重新想像可能性"。那句"用電還是用血"的問題，雖然聽起來極端，但它抓住了這種轉變的本質。

我們正在見證軟體世界被重寫的過程。這不是一次漸進式的升級，而是一次徹底的重構。而那些能夠理解這一點、擁抱這一點的人和公司，將會定義下一個時代。