727財經作者：Z Potentials
模型能做甚麼與實際被如何使用之間的差距，正是讓我對應用層如此興奮的原因。
AI工具支出排名前1%的企業，其支出中位數約為前10%的八倍。
對於創始人主導的公司，創始人本身就是資產類別。
本文整理自a16z官方播客節目《AI, Infrastructure, and the Next Investment Cycle》。David George、Sarah Wang、Alex Immerman與Santiago「Santi」Rodriguez是a16z成長基金的四位合伙人。本期節目以年度報告State of Markets中的25頁關鍵圖表為線索，討論市場上漲背後的盈利、超大規模廠商的算力軍備競賽、模型層與應用層的極低採用率，以及消費、公共軟件市場、IPO與二級市場的最新觀察。節目發佈於2026年9月30日。
David：歡迎回到a16z播客。我是David George，今天和我一起的還有我的同事Sarah Wang、Alex Immerman和Santiago Rodriguez。我們會在這一期里過一遍最新一期State of Markets報告中的25頁關鍵圖表：市場上漲背後的盈利、AI建設的規模、採用率增長的證據，以及這個週期對硬件、軟件和下一代私營公司意味著甚麼。我們會解釋圖表背後的含義，也會聊聊我們在企業一線看到的情況。Sarah、Alex、Santi，謝謝你們來。
在本期播客上線當天，我們也會發佈完整的State of Markets報告。這是我們成長團隊一年一度的傳統，把科技、AI、基礎設施和整個市場里最大的趨勢匯成一份材料，今天我們就從中挑出一些有趣的圖表來討論。想看全貌的話，請務必去讀完整版，裡面乾貨很多。今天要聊的領域包括宏觀——CapEx、數據中心、加速增長的需求；以及一線觀察——模型、應用和幾個垂直領域的深度盤點。技術正在驅動一場遍及整個經濟的投資熱潮：盈利增長支撐著市場上漲，AI需求把基礎設施支出推得遠超此前預測。超大規模廠商正把近期的經營性現金流幾乎全部投入產能建設，而需求在我們看到的幾乎所有案例中持續超過供給。這些錢流向了芯片、電力、散熱、建築和熟練勞動力，還有更多。這場擴張恰逢我們改造物理基礎設施的更大需求，正在為各行各業創造機會。
好，我們直接開始。第一頁：技術是「一切週期」。這部分可能有些顯而易見，但這一頁上的數字今天看起來相當驚人——高科技設備、軟件和研發現在約佔美國資本開支的55%，這是個令人震驚的數字。技術驅動著經濟所有領域的投資週期，從軟件和模型，到電力、建築和產業產能。科技股約佔美國股市總市值的40%，全球市值前十的公司里有八家是美國科技公司。這是一個宏大敘事，你在capex里能看到它，在數據中心建設里能看到它，也在流向模型公司的資本里能看到它——模型公司合計已經籌集了超過3500億美元。放到更長的歷史里看，因為這是被引用最多的類比：這次建設的規模佔GDP的比重，已經超過了當年的鐵路。我們都有一個感覺：如果快進到五到七年、甚至十年後回頭看這些數字，累計值很可能會是現在的20倍以上。所以，這確實像是Marc Andreessen那句「軟件吞噬世界」的下一章。
Alex：過去15年，軟件改變了所有這些行業，但當時只有一小部分人能構建軟件——我們都不是。而今天，你看看我們自己：我們每個人都有幾個自動化任務在每晚運行。如果順著這個邏輯去推算軟件需求，那就意味著多得多的算力、芯片、電力和建設。所以看到現在大部分投資都集中在科技上，也就不奇怪了。我們經常被聽眾問到同一個問題：這一切都很了不起，但這是泡沫嗎？市場創了新高，但市場當前的交易倍數其實反而下降了——股票漲了約20%，倍數卻降了約20%。這意味著漲幅是由基本面盈利驅動的，而不是倍數擴張。標普500的盈利倍數低於20倍，而構成標普500的大多數都是非常高質量的企業。這和互聯網泡沫完全不同——當時世界上市值最高的那些公司，股價大漲靠的是交易倍數抬升，很多股票交易在100倍市盈率。現在完全不是這種情況。相比之下，一些存儲類公司——它們本身就週期性強——交易在前瞻盈利的六到七倍。所以差異非常大。
Santi：這裡有個重要的補充：自GPT問世近四年以來，市場上漲了90%，年化17%。一般看到連續四年17%的年化增長，直覺反應就是「這肯定會回落」，我們現在也確實處在一個火熱的時期。但當你把它和剛才說的情形放在一起——市場以低於20倍的盈利倍數交易、盈利還在以15%的速度增長——這感覺確實不同於最近的2021年，也不同於2000年，那時候倍數和增長並沒有真正同步。
David：完全同意。我之前在「鐵路的比喻」里提過capex建設的規模。只看超大規模廠商——Alphabet、Amazon、Meta、Microsoft和Oracle——它們2026年的capex大約是7800億美元，而2025年是4160億美元；所有的預期都指向2027年起每年超過1萬億美元。這裡有一個模式：每一代計算平台，都支撐了遠比之前龐大的用戶和用途。這輪建設可以發生得如此之快，而需求依然超過供給，是因為用戶量由已經存在的分發渠道驅動。這個趨勢建立在互聯網、雲計算和手機之上，所以理論上可以馬上觸達數十億用戶——這與之前的技術週期形成鮮明對比。
Sarah：我覺得這一點值得展開。我們已經遠遠超越了「偶爾問一個問題」的模式。想想智能體的崛起：並行任務、長時間運行的任務——你之前也提到過，任務會在你晚上睡覺時、白天做別的事時持續運行。如果智能體可以自主寫代碼、做搜索、執行這些任務，那麼這些平台需要的算力，會遠遠超過我們以往任何時候的想象。
David：完全同意。這張圖展示的是capex側正在發生的事情：五大超大規模廠商的capex預測，在很短的時間內被持續大幅上調。曾經看起來像是天花板、要好幾個季度甚至幾年後才會達到的支出，如今已經變成了近期目標，因為算力需求還在不斷膨脹。看這張圖，我覺得在任何一個時點上，人的本能反應都是「投資從這裡開始會趨於平穩」。但過去四年，作為一個經濟體，我們一直在低估這個趨勢的強度。正如Sarah所說，隨著模型的發展，已安裝產能的使用率在不斷被拉滿。所以David剛才提到的那些數字，就是目前的實際估計。
Alex：用DG的話說，我們都會把當下的算力需求稱為「model buster」。一個很有說服力的例子我們所有人都經歷過：大約一年前，Sam Altman和Sarah Friar因為巨大的算力承諾挨了不少罵，大家都覺得他們魯莽激進。而現在，所有人都會說那個決定極有先見之明。即便如此，就在兩周前，我們都看到OpenAI不得不暫停Pro計劃的訂閱——一個2000美元級別的服務，還是供不應求。我們正在經歷的，是一種難以滿足的需求。
David：供應鏈每一環的每一個人，和我們聊過的每一個人，都在跟我們說同一件事的不同版本：需求超過供給。數據中心供應鏈里有些環節，材料或產品要到2028年才能拿到。所以這種緊張並不會緩解。同時，你也可以從需求側看到高質量業務的證據：Microsoft、Google和Amazon合計有約1.7萬億美元的雲積壓訂單。這些客戶承諾在快速累積，而平台則在大舉投資去服務這些需求。所以，雖然在當前建設期自由現金流是受壓的，但共識預測顯示，2028年起會回升，之後顯著增長。你可以看看Amazon最近一次財報電話會，他們很好地解釋了這種J曲線動態：GPU（或TPU）的實際使用壽命其實相當長。你得先建好數據中心這個「外殼」，這需要時間；然後再買芯片，但芯片的經濟壽命會很長，而且比我們任何一個人預期的都要長。
Sarah：是的，我知道一些超大規模廠商確實因為舉債搞capex而挨批，但和模型實驗室的動態類似，那些因為猶豫而更保守的，後來都後悔了。你最近和Gavin做的那期播客里聊到了Microsoft，但我覺得這是一個全行業的問題。
Santi：是的，另一個被頻繁討論的信號是現有GPU的現貨市場價格：任何能上線算力的GPU，都能以有吸引力的價格租出去，超大規模廠商能獲得可觀的回報。這是關鍵點，我們經常討論：每一次這樣的浪潮，都會創造巨大的用戶和消費者剩餘。就目前所見，消費者和用戶從中獲得了巨大價值——這也是他們用得這麼狠的原因。服務這些用戶的廠商賺得很好。然後一層層往下走到芯片——芯片的獲取成本比12、18、24個月前高得多，但你依然能獲得高毛利，並從用戶身上創造出大量剩餘。
David：對超大規模廠商的capex，我們應該把它看成是別人的訂單簿。這些歷史上利潤最豐厚的平台，正在把現金持續投入AI基礎設施。正如剛才所說，這短期壓低了它們的自由現金流，但對芯片訂單、電力、建築是巨大利好——這也是為甚麼這輪更廣泛的技術熱潮，變成了一場工業熱潮。我們花越來越多的時間，看那些服務這場工業熱潮的企業，沿著數據中心供應鏈的各個環節。有意思的是，傳統上我們的世界更多是關於變現已有的IP——建一次、無限賣；但這些生意要管理的複雜事務多得多：融資、管理供應商關係、預測產能、預測需求。我們看到有些團隊擅長這個，有些團隊則掙扎甚至暫停。這和我們平時花時間的專長略有不同。這把我們帶入「原子的新紀元」。這一頁是大數字：到2040年，全球基礎設施投資需求估計為90萬億美元。但重要的是，這遠超AI和數據中心，還包括電力、水、道路、交通。我們在投資組合里到處都能看到這一點：Anduril的巨大製造工廠，規模相當於87個足球場；Waabi正在激進地擴張他們的運輸中心；還有SpaceX在路易斯安那的千億美元級投資。今天賭未來，從我們的角度看，和過去已經不一樣了。正如Santi所說，這意味著建工廠、擴基礎設施、增加遍布全國的熟練工作崗位。
Santi：說到數據中心，投資物理基礎設施和投資軟件非常不同。Elon很多年前就提出了「工廠即產品」的說法。我們支持的很多優秀創始人來自Tesla或SpaceX，這並不令人意外，因為他們知道，在執行層面，工廠最終會成為規模化過程中巨大的競爭優勢。我們經常聽到很多關於數據中心的迷思：它們會耗盡美國的水資源；有錢人不想住在附近；還有我們最喜歡的一條——我的電費要暴漲了。但看起來可能反直覺的是，數據中心其實可以幫助降低你的電費。最近一項美國的研究表明，數據中心容量每增加10%，居民電價會下降40個基點。你可以這樣想：電網是一個共享的固定成本空間——電線桿、電纜、變電站。一個像數據中心這樣大型而穩定的客戶，可以把這些成本攤到更多單位的電力上。簡單說，共享系統上更多的需求是一件好事。
David：是的，我完全同意你的說法。對共享基礎設施的投資，也能改善與之相連的家庭和企業的經濟效益。
Sarah：這一點沒有得到足夠的媒體關注。Dina Powell最近在一個播客里提到Meta的路易斯安那項目，他們和社區合作降低電價。今天就已經有真實的例子，這不是空談。
Sarah：完全同意。現在我們聊聊模型層和應用層的趨勢。一方面，正如我們預告過的，AI正在創造可觀的營收和節省；另一方面，採用率仍處於極早期。在此基礎上，趨勢非常明確：成本正在驟降。我們已經預告過智能體，現在智能體在更大範圍的工作上變得經濟可行了。而且就在我們說話的當下，格局還在變化：像TypeSafe這樣的新實驗室推出的Jev等新創新，正在把這一點推到更極端。你會看到，兩個數量級的成本差異真的會影響用例的數量。這有點像經典的傑文斯悖論（Jevons paradox），所以這個名字起得很貼切。總的來說，這對模型層和應用層都是絕佳的格局。這些改進正在為軟件公司在增長和盈利兩方面創造真實的機會。並不是說每個人都會贏，但毫不意外，AI正在把風險投資吸引到越來越廣泛的行業中去。我們也看到更多公司在私營市場就達到巨大規模。這不是一張新圖，但它是我最喜歡的圖之一：OpenAI和Anthropic的合計營收規模。過去幾年，每一次GP內部會議我們都會放這張圖，每個月都要更新它，因為它過時得太快了。關鍵點你在數字裡就能看到：OpenAI、Anthropic合計的年化營收已經漲到了非同尋常的程度。我們喜歡把它和歷史上最偉大的軟件公司對比——右邊可以看到，就算按歷史上最好的軟件公司的淨新增營收估計，領先實驗室的淨新增也已經遠遠超過。這不僅是規模，更是速度的驚人組合。
Santi：但我們還是很早。和其他平台遷移相比，AI遷移的有趣之處在於：我們不僅在使用AI的人口比例上還早，在那些用戶對AI的消費份額（share of wallet）上也還很早。這和2008年不一樣——那時候我們按「擁有iPhone的人的比例」來建模；現在我們既要考慮多少人會使用AI產品，也要考慮他們使用到甚麼程度。
Sarah：是的，「還很早」這個點非常重要，這裡有一組指標可以佐證。其一，標普500公司的實際部署率是69%——如果你和我們一樣是「AI上癮者」，這大概接近你的預期。但當你看向可量化的影響——這可能是衡量它們部署進度的一個好指標——是30%。再到終極指標，一個隨時間追蹤的指標，其實只有2%。所以我們相信AI正在交付成果，但在組織內部深化使用、並長期追蹤這些成果，還有巨大的空間。從這些分散的部署，走向真正深入影響、反復發生的工作流，坦白說是下一階段。我可以說，和我們交流過的大多數企業，他們對AI的接觸仍然主要停留在Microsoft Copilot，這本身就說明他們還有多長的路要走。
Alex：是的，模型能做甚麼與實際被如何使用之間的差距，正是讓我對應用層如此興奮的原因。Sarah，你和Databricks的Ali Ghodsi和Martin做的那場對話很精彩，他談到AI可以非常瞭解世界，但對你所在的公司幾乎一無所知。我們在投資組合里的應用層公司中正看到這樣的情況——它們在彌合這個差距。過去幾個月有一個例子讓我印象很深：Revolut擁有一支非常成熟的工程團隊，但他們仍然要和11 Labs合作，把11 Labs一流的語音模型接入到客戶賬戶和銀行業務流程的安全連接中，這樣當我作為客戶打電話時，我的問題能被順暢、高效、安全地解決。今天的機會很大程度上在於把這些能力駕馭起來，構建可靠的服務。
Sarah：除了企業採用率還處於早期，另一個我們想用數據說明的顯著趨勢是：重度用戶正在全面拉開差距。你可以認為AI支出在公司間普遍上升，但我們所說的那些最重度用戶，花得要多得多。我們看了一些YipitData的數據：AI工具支出排名前1%的企業，其支出中位數大約是前10%的八倍。
印象深刻的是，前1%幾乎相當於前2%到10%的總和。
即使在我們自己的投資組合公司里——你可以說它們幾乎完全是AI原生的——頂級用戶的支出大約在每月7500到9000美元。而中位用戶——同樣是這些最AI原生的公司——支出更接近月訂閱的價格，大約200美元，可能再加一個訂閱，200到400美元。所以如果你看中位和頂級用戶的差距，是超過20倍的支出差。
David：是的，我們和投資組合公司討論的一個問題是：他們到底有多少採用率，怎麼衡量。比如你看他們花在AI工具上的錢佔員工成本的比例：相對前瞻的大型財富500強公司，今天大概在1%。
而我們組合里最前傾的AI原生公司可以高達10%。所以這些都只關乎擴散有多早、會擴散多深。我們已經看到另一個組合內的例子：很多企業第一次採購Cursor或Cognition時非常興奮，但現實是，那只是旅程的開始。從採購、試用這些工具到全面採用，跑道還很長。
Santi：Sarah你前面提過，我們開始看到可量化的案例研究。我們在報告里點名了幾家確實披露這些指標、並且看到AI帶來實質改善的上市公司。成本側：Chime披露，過去四年他們每年把服務成本降低超過10%，復利計算，服務成本幾乎是下降了50%——這背後有我們投資組合公司Decagon的支持。收入側，我覺得Shopify的例子很有趣：他們推出了AI助手（sidekick），幫商家更快上手。結果，入駐後15天內達到五單的客戶比例增長了8%。Shopify追蹤這個指標，因為一旦商家達到五單，他們就會留下來、繼續用Shopify。所以這也是他們業務一個有意義的順風。
Sarah：絕對。說到服務成本下降帶來的優勢：你有更多空間去競爭——更好的定價、可能更廣的服務、可以再投資於增長。這些好處不僅到達客戶，也到達利潤率，然後資金又回轉投入。另一個非常迷人的現象是：當然各家公司各不相同，不能一概而論，但在位者在這一輪里也做得很不錯。ServiceNow是個好例子，他們披露AI年度合同價值（ACV）超過10億美元，agentic部署增長了9倍。所以你在整個技術棧里都能看到，從在位者到新公司。
David：我們經常討論一個有趣的問題——我們最前瞻的組合公司，比如Stripe，跟我們聊過：他們到底把增量AI投資花在哪裡？是投資於為客戶構建新產品、推動更高的營收？還是用於成本側的優化和效率提升？這就像我們的試金石：這些公司的創始人和CEO，到底在哪裡看到最大的機會。推動營收增長的機會上行是無界的，而成本端的機會……
David：成本側的改善——當然你可以把它再投資回去，但那始終只是一個潛在的機會，會一直存在。如果你認為今天資金的最佳用途是優化成本結構，那這對你的新營收機會意味著甚麼？
Santi：就算在成本優化內部，也有不同的味道。一種是降低服務成本，這讓你能再投資，讓你成為一家更好的公司。我覺得六個月前，我們整個行業真的都在關注「重建系統之記錄」（systems of record）。如果你的工程師忙於重建一個系統之記錄，只為省下幾千幾萬美元，那我覺得這些資源有更好的用途。
Sarah：是的，如果把這些匯總起來，對應用型業務而言，相關的單位其實是「完成客戶任務」的成本。如果你能解耦這一點——你為客戶完成任務並收費，你可以用更好的路由讓產品更經濟——這很神奇，因為現在你不是每一步都用最貴的模型，但任務仍然被完成了。我想我們會看到最好的應用公司出現更多的利潤率改善。
Alex：完全同意。Sarah提到過ServiceNow看到海量的agentic使用。智能體已經在這裡了，它們在執行任務。任務需要多步，多步意味著多次模型調用——這解釋了OpenRouter上agent token使用量14倍的增長。不過這些步驟正變得越來越廉價。我們看到緩存的應用——系統可以復用背景信息，而不是每次都從頭處理。我看到Hebbia充分利用了這一點：他們的金融聊天工作負載，運行成本下降了10倍。同樣的預算，現在可以支撐更多工作。
Sarah：是的，我認為你更廣泛的觀點是：更低的成本，讓智能體現在可以查錯、重試，一下子打開海量任務——在以前，推理或工具調用可能貴得無法承受。在可靠性恰恰是決定用不用智能體的關鍵場景里，這一點尤其重要。還有，我們之前聊過TypeSafe，想象一下當成本降一個數量級、兩個數量級的時候，打開的用例數量其實難以想象。
David：再加上延遲大幅改善。絕對如此。
Alex：是的，所以公司現在越來越認真地思考，如何在大規模下優化延遲或性能與成本。以Databricks為例，他們用路由——為每個具體任務選擇合適的模型——來改善性能和成本。他們的智能路由器表現更好：以比最強單模型低35%的成本，解決了更多問題。我們現在看到很多另一種做法是微調：Harvey、Elise AI都是例子。Elise微調了一個更小的模型，成本降低了60%，延遲也低得多，於是一些音頻場景的實時用例變得可行。這些工程改進，讓AI更有用，也更便宜。
David：我們主要聊了企業內的使用，但消費端也很重要——畢竟那裡我們有過一些最大的回報，也花了很多時間。我們認為消費端還很早。最近一項調查顯示，只有略高於2%的美國家庭真正為AI付了訂閱費。也許訂閱不是向大多數家庭變現的最佳方式，但到目前為止它就是。訂閱收入有趣的一點是，它具有我們在消費端見過的最好的留存之一。Alex喜歡講「微笑曲線」——真的很少有留存曲線不僅走平，而且隨著產品改進、人們回流，實際上是「微笑」著上揚的。但這就是我們在AI上看到的情況，這正好說明訂閱能向付費者交付的價值。
Sarah：順便說說訂閱，這些數字裡讓我震動的是——特別是看右下角的圖——它們有多小。想想Amazon Prime，那是超過2億家庭。Netflix也是一個好例子——7000萬家庭。這些數字讓我要特意去再確認一下，我想「這是不是搞錯了」。所以完全同意，這才剛剛開始。
Alex：是的。我們的合伙人Josh Elman有個我喜歡的說法，可能有點反直覺：消費級AI是我在日常生活中用的東西，不一定要報銷。所以在他看來，97%的家庭在用AI但還沒付錢，這或許並不奇怪。你說得對Santi，我確實喜歡微笑的留存曲線——我們喜歡看到用戶越來越頻繁地回來。大型消費平台的另一個共同特徵是花時間：Facebook、Instagram、TikTok、Snap的活躍用戶，每天花30到60分鐘。而今天最好的AI助手們——現在有很多正在崛起——都想成為我的首選應用。我希望它們能極度持久、永遠在線、超級主動，那樣的話，未來它們可能不是我花時間最多的地方。沒錯，當智能體在後台工作、我們不再像看社交媒體屏幕時間那樣用外部數據看參與度時，我們的工作會變得更難，但這很重要。我記得當12月發佈最新模型時，即使在我們的工作里，我們也會啓動一個深度研究任務或agent任務，然後開車去城裡——這並不會體現在傳統的屏幕時長指標里，也不同於過去幾代消費產品所追蹤的參與度。
Santi：是的，完全同意。還早，但消費端真的是一個嶄新且激動人心的時刻。
Alex：Muse和Instinct無疑是新玩家，但它們成長得很快。它們和ChatGPT一起，越來越多地搶走我對傳統搜索的查詢。
這是一個非常動態的時刻，所以如果你是一個現有的消費發現平台、一個現有的marketplace，你真的需要現在就考慮下一步。我會問幾個問題。第一，我能從AI agent那裡獲得多少增量需求？它們能帶來多少額外訂單？第二，我的業務里，有多大比例的利潤池來自對客戶關係和發現的所有權？上周有很多新聞：Amazon對Muse說了「不，謝謝」，但Instacart說了「好的，請」。想想Amazon（以及AWS）和Instacart：它們的廣告收入超過了它們所有的經營性利潤。所以廣告收入、對客戶關係的所有權極其重要。但對Amazon來說，接入Muse能帶來多少增量新訂單或新客戶？沒那麼多。而看Instacart：生鮮的線上滲透率還相對早期，還有很多訂單可以爭取。樂觀的可能性是：會有更多的訂單來自這些應用。過去我得用各種方式點擊著去下下一個訂單；如果我把這交給agent，突然就沒有點擊了，但希望有更多的GMV。我曾經想訂但沒訂的旅行會被訂上；我們今晚想下的晚餐訂單會下上。所以我樂觀地認為會有更多GMV，彌補一部分流失的廣告收入。
David：不過這裡有個開放的問題：它怎麼被補償？以你說的Amazon為例，它有超過700億美元的廣告業務，是極高毛利的流式變現，完全建立在消費者訪問網站並點擊廣告的前提上。如果他們不再這樣做了，會怎樣？今天，Meta和Google出名地把廣告做得比任何互聯網平台都好，在美國和發達市場每個用戶能賺200多美元。Meta基本是個娛樂應用，看看會發生甚麼，它可能相對安全。Google這邊——有趣的是，兩年前這一切剛發生時，圍繞Google的整個話術是「天哪，Google的搜索業務會怎樣」，結果它非常有韌性。部分原因是他們變現率很高的廣告詞相對安全——那些詞更像是「我需要買保險」或者「給我找這個城市的酒店」。
David：或者類似的東西——你能直接變現，但AI還不能替你做這些事。如果這改變了，那可能是非常不同的動態。
David：是的，我想補充一點：上周的敘事有點「負和」的味道，非常負面——「看，這些marketplace會受影響」。但我確實認為正和視角是：第一，那700億美元花在Amazon廣告上的錢，可能只是換了個渠道去別處——可能直接以不同形式花在agent上，或者找到更好的觸達方式；第二，摩擦降低後，我們可能看到更多消費——人們可能買得更多，這就是一個推動經濟增長的正向飛輪。我覺得我們有點被困在「這對利潤池不利」的說法里，但實際上可能只是好的。……是的，兩者都可能同時成立。
David：可能利潤池會變化，但整體上對經濟是增量。我想，如果三年後回看，宏觀層面沒有出現有意義的效率提升——那會推動廣告領域的消費支出更高——我們所有人都會失望。但也可能就是某些地方的利潤池消失了，然後被重新分配。
Alex：即時的反應是整個生態的淨市值是正的。Meta的漲幅，遠超marketplace們的損失。
Sarah：是的，回到我們關於軟件的討論，可能更多轉向公共市場。這些圖表裡最突出的趨勢是：構成已經明顯轉向更慢增長、更盈利的公司。這裡大約75%的公共軟件樣本是盈利的，而只有30%以20%或以上的速度增長。
David：這是一個驚人的數字：只有30%的公共軟件公司在以20%以上的速度增長——而且不只是20%，那是30%。
Alex：如果你把線畫在30%，我們已經討論過，絕對數量少於五家。而在私營市場，我們看到的、花時間相處的每一家公司，增長都遠超30%。
David：而且說實話這有點顯而易見：你去和IT經理、CIO聊聊——看看他們的增長和他們花在AI上的錢，這些錢最容易的來源，就是不再為新的SaaS軟件項目花增量資金。
David：我們投資了一些SaaS軟件公司，包括公共市場的。我們和它們的創始人對話非常聚焦：我如何利用我現有的分發——很多情況下非常強大、客戶被鎖定，正如你之前對Santi說的不會流失——為它們應用真正有趣的新AI產品，把營收增長推得更高？我認為，要驅散圍繞「SaaS末日」的最大恐懼，我們需要看到一段時期：軟件公司繼續錄得像98%的毛額留存這樣的數字——這向來是它們作為投資標的吸引人的關鍵點；繼續推動我們談過的效率提升；但最重要的是推動營收增長加速。這既顯示它們在防禦上是安全的，也顯示它們進攻性的投資實際會推動業務變得更好。
Sarah：我覺得你幾個月前寫的那篇關於「兩條路」的博客里的觀點，作為一個經驗法則非常有意思。也許可以再多分享一點關於具體百分比的細節。
David：是的，寫得越多、和創始人聊得越多，我就越感覺：幾乎每個我們聊過的人都說「是的，我正試圖把營收增長推得更高」。這顯然是我們投資和支持的那些公司的主要路徑。這和一年前很不一樣——當時恐懼是「每個人都會用vibe coding重寫他們的軟件系統」，而市場里顯然沒有在發生這種事。但交付營收增長加速的壓力很大。所以我們說過：目標定在10%以上的加速，那是一個很高的數字，但有了神奇的產品，加上AI可獲得的預算，似乎是可行的。我們拭目以待。我們有幾個已經接近的公司，未來12到18個月會看到結果。
Sarah：是的，絕對。正如凡事一樣，你不能把每家公司都歸入同一個「軟件」桶，去談倍數下降、增長下降。事實上，軟件已經高度分化：看這張圖，網絡安全、可觀測性真正脫穎而出，垂直軟件總體上也比橫向應用支撐得好得多。我們用來思考「甚麼撐住了、甚至漲得不錯，甚麼處於更長期的下滑」的框架是：真正去想AI如何改變客戶對這個產品的需求。AI帶來的網絡安全風險已經被充分公開化了；但隨著更多軟件和agent創造了新的安全和監控需求，這實際上為這些市場的在位者創造了更大的需求——你可以看到右邊CrowdStrike的標注。反過來說，應用正面臨不同程度的工作流改變：我們最優秀的CEO之一Ali Ghodsi喜歡談「AI的砍頭台」和甚麼會先被砍掉。你也可以從另一面想：AI到底需要甚麼。把這兩種動態放在一起，我認為能解釋我們在公共市場上看到的大部分情況。
Alex：是的，我認為這和我們在私營市場看到的很一致。就像你Sarah在安全領域暗示的，agent正在訪問越來越多的系統、採取越來越多的行動——OpenAI和Hugging Face的事件對很多人來說是開眼界的。所以安全是重中之重。還有，看垂直AI公司：它們是我們私營市場里增長最快的公司，Harvey、Abridge、Elise，比它們各自行業里任何先行者都增長得更快。這反映了客戶認識到：關鍵不只是模型——我們之前聊過——而是你如何編排它、如何圍繞它構建應用，以及垂直領域相關的工作流要求這些。
Santi：我們花很多時間看公共市場，不是為了投資，而是為了給退出倍數定價，所以我們跟蹤得非常緊密。如果總結這一年：年初幾個月是「SaaS末日」。我們寫了一篇博客，講甚麼樣的企業會表現好。快進到今天，軟件指數其實回到了年初的位置，但真的分化成了被認為的AI輸家和贏家。公共市場有時把事情簡化得太過分了。但按你的觀點，AI贏家不只是能改善成本結構的人，而是那些真正在加速、抓住了這些新錢的人；如果你沒抓住，你可能就沒有搭上這波浪潮。
Sarah：反過來，我們想展示一些私營公司的運營數據，看看客戶實際在做甚麼。Stripe的SaaS客戶數據里其實有個「反敘事」的發現：增長在進入2026年後加速了，年輕和成熟企業都是如此。
David：Stripe把它稱為「RenaSaaS」。
Santi：哦，「Renaissance（復興）」。
David：我其實挺喜歡「RenaSaaS」這個說法。
Sarah：是的，我也喜歡「RenaSaaS」。
Santi：我們聊了一點公共市場，Sarah談到了私營市場的SaaS加速。我們經常被問到：公司是否會更長時間保持私營？看看今天按最新一輪估值排名的前六家公司：Anthropic、OpenAI、Databricks、Stripe、Waymo、Revolut，合計約2.4萬億美元。這超過了過去十年IPO的總市值（不包括SpaceX），後者累計約1.7萬億美元。所以光我們這個市場里的活動量——再說一次，六家公司，2.4萬億美元——幾乎和羅素2000指數一樣大，那是一個巨大的公共市場指數，裡面有好幾百個公共基金經理在花大部分時間。所以，花時間在這些後期冠軍身上越來越讓人興奮，它們可以持續投資於增長，而不是最大化短期利潤。但David，你可以講講我們如何給公司提IPO建議、何時應該留在私營市場……
David：是的，你看，關於IPO，特別是對創始人領導的公司，我們一直在聊、我也寫過的一件事是：在這一點上，創始人本身就是資產類別。我們下注的理由，以及一些公司保持私營有益的部分原因，是它們通常在私營市場能下更大的注，而這些注有更長的回報期。Zuck和Elon顯然是公共市場的例外。但你在Databricks、Stripe這樣的公司的數字裡，能看到它如何顯現：在新的產品領域下巨大的新注，隨之而來能看到營收加速。你也可以在一家公共公司里做這些，但它會受到更嚴的審視——顯然，Meta的股價在最谷底時曾跌破100美元，那是人們對他們在AR/VR上的投資極度懷疑的時候。對我們來說，我們和創始人談論的方式是：IPO只是另一次融資事件。你成為一家上市公司，相對於私營公司，得到了甚麼？顯然你能在私營市場達到很大規模。也有一些公司已經像上市公司一樣運作：高度重視效率，基本上每個指標都被追蹤。還有些公司可能受益於公開披露財務，在企業和消費者層面贏得客戶信任——比如Navan上市後，我們看到它再次加速，部分就是因為一些更大的企業因為他們是上市公司而更信任他們。
David：是的，當然也有這樣的例子：資本需求隨時間可能變得非常大，私營市場的資本池非常深，可以服務很多這樣的公司，但到某個點，資本需求甚至可能大到私營市場裝不下。
Santi：那就是公共市場。在私營市場，我們花很多時間的另一個領域是二級市場。這裡有兩個動態。其一，我們看到越來越多公司為員工做tender（要約收購）——如果它們選擇保持私營，讓員工在公共市場之外獲得流動性。這裡一個有趣的數據是：Carta顯示tender的參與率只有58%——員工選擇不拿流動性，因為他們對自己業務的業績有極大信心。這和有時「員工在套現」的敘事正好相反——我們看到的是員工選擇不套現，因為他們如此相信自己的公司。
David：想象一下如果那是100%，舊金山的房價會怎樣。
David：那會很難。確實。這些tender offer我們顯然經常參與並主導。我們認為它們是好事。它們有兩個目的。其一，對員工和潛在員工來說，有時很難與公共市場的流動性吸引力競爭——每個季度以淨稅收基礎進入你賬戶的RSU。所以這是私營市場在與公共公司競爭人才或留住員工時的一個競爭武器。另一面：我們主張更頻繁地重置估值。這會讓你的私營股價保持新鮮，原因有幾個：一，更容易和員工與潛在員工談論這件事；二，如果你想做M&A——我們很多公司做過——你手裡有新鮮的貨幣可以用。
Santi：我覺得二級市場折價被討論得很多，因為這是過去五年的動態：從2021、22、23、24年走出來時，二級市場對最新一輪價格的折價中位數很有意義，因為可能有的輪次定得過高、過時了。但今天實際看到的是，當二級市場有交易時，對最新一輪價格的折價基本是零。這正好說明公司融資的價格是新鮮的，總有新的投資人願意以同樣的價格買入——這在過去一兩年並不是這樣。
David：是的，好觀點。這張有趣的幻燈片叫「一切皆AI計算機」。在這份2026快照里，AI相關公司佔美國VC交易活動的86%，高於2025年的65%。顯然，AI已經成為風險資金的主導目的地。
Alex：是的，但在AI這個標籤之下，機會其實大大拓寬了：企業應用、消費應用，還有服務、半導體、電力。
Alex：還有國防。很多注意力集中在OpenAI、xAI和Anthropic身上，但除此之外，我們的機會集合從未像現在這樣深、這樣廣。
David：最後，我們覺得聊聊我們現在非常興奮的一些領域會很有趣。顯然，我們觸及了一些將由agent完成的消費工作——你可以叫它長期運行的agent、自主agent、重度使用的消費。如果你從這樣的角度想：消費agent可以做完你不想做的所有任務，給你那些你本來不會花時間或花錢的東西——這非常有吸引力，我認為它的擴散會很快。
機器人是我們花了很多時間和注意力的領域，我們碰巧認為它甚至可能比LLM更大——但可能早三到五年到來。所以未來五年，這將是一個巨大的投資和興奮領域。
自動駕駛已經在這裡了，無人駕駛已經可行，這是一個非常激動人心的時刻。退一步看汽車和運輸行業：這是世界上最大的行業之一，但我們可能不太談論它，因為我們現在花這麼多時間聊AI。如果看Uber和Lyft的行駛里程，它只佔美國總行駛里程的約1%。我認為，有了比人類司機安全14倍的自動駕駛網絡，未來幾年這個數字至少會擴大一個數量級。此外，美國每年賣出1700萬輛新車，我認為未來十年它們都會是自動駕駛的。
David：AI乘以生物：這是一個超級令人興奮的領域，實驗室里的人顯然在談這個——新藥發現、解決世界上一些最使人衰弱的疾病，這個承諾我們都抱有巨大的希望，未來十年會看到很多進展。
David：個人健康是另一個我自己非常興奮的領域——作為一個健康極致主義者（health maximalist），我一直覺得沒有一個好的地方，能把你關於自己的所有信息放進去、得到高度個性化的建議。
David：最後，進入企業、超越編碼的擴散：這是Sarah你剛剛談到的——企業里技術的實際擴散還這麼早，我認為這會超級、超級令人興奮。
David：最後還有一塊不在AI桶里的領域，我們稱之為American Dynamism（美國活力）——整個「美國活力」技術棧的重新武裝。我們投資這個領域很久了，是大投資者。它仍然只是國防總開支中不到5%的一小部分。更新型的供應商比如Anduril、Saronic、Castelion，我們預期它會隨需求變化而大幅增長。
David：有太多令人興奮的領域了。顯然我們在AI領域非常活躍，我們對它給整體經濟帶來的影響很樂觀——建設規模巨大，但我們認為它在美國會是一次巨幅的效率提升。和你們一起錄節目很開心。謝謝。