a16z增长基金掌门人：AI公司增速是传统软件的2.5倍，但我们仍处于产品周期的最开端

2026年2月9日，硅谷顶级风投a16z（Andreessen Horowitz，管理资产超过420亿美元）的播客节目《The a16z Show》有一期特别对话，a16z投资者关系负责人Jen Kha与合伙人David George围绕AI需求、供给、私募市场和公开市场，做了一场信息密度极高的数据分享，据我们观察，这也是a16z首次以这种形式对外发布内部数据分析。

David George领导a16z的增长投资团队，过往投资组合包括Databricks、Figma、Stripe、SpaceX、Anduril和OpenAI，同时也在布局Cursor、Harvey、Abridge等新一代AI公司。2025年12月，他在《Invest Like the Best》播客中分享了a16z增长基金的投资方法论，感兴趣的可以自行去看。

而这次对话，更聚焦于用数据说话：AI公司的需求到底有多强？供给侧是否健康？我们究竟处在这个产品周期的什么位置？

他的核心结论很明确：我们正处于一个10到15年产品周期的最开端。

1、693%的增长不是幻觉

a16z的增长团队有一个独特优势：他们几乎能看到市场上每一家成长期公司，无论是已投的还是潜在标的。基于这些内部数据集，他们做了一套系统的数据分析。

结论是，2025年是收入增长加速之年。2022到2024年，受加息和技术泡沫退潮的影响，科技公司整体收入增速放缓。2025年逆转了这个趋势，尤其在最头部的公司中，增速加速尤为显著。

最惊人的数字是：顶级AI公司的年同比增速达到693%。David George说，他们反复核实了三遍才确认这个数据，但它与投资组合中的实际观察完全吻合。

其他速度同样惊人。上一代SaaS明星如Slack、Zoom，从产品发布到1亿美元ARR（年经常性收入，订阅制软件公司最核心的收入指标）通常需要3到5年。头部AI公司正在将这个时间压缩到一两年甚至更短。

更重要的是原因——增长的引擎不是烧钱做销售，而是产品本身。“最好的AI公司增长最快，但在销售和营销上的投入反而最少，而且比SaaS时代的同类公司花得更少。”这是需求拉动型增长，产品本身足够有说服力，终端客户的需求极其旺盛。

整体来看，AI公司的增速大约是非AI公司的2.5倍以上。

2、低毛利率是“荣誉勋章”

利润率的故事就没那么简单了。AI公司的毛利率确实低于传统软件公司，但David George对此的态度颇为反直觉。

所谓推理成本（inference cost），是每次调用大模型生成回答时消耗的算力费用，是AI应用企业最主要的可变成本。David George的逻辑是：“如果一家AI公司的毛利率很低，是因为推理成本高，那说明两件事——第一，用户真的在使用AI功能；第二，我们相信推理成本会随时间下降。”

反过来，如果一家自称AI的公司毛利率特别高，反而让他警觉：“这可能意味着AI功能并不是客户真正在购买和使用的东西。”

3、每名员工50万到100万美元收入

ARR per FTE（每名全职员工对应的年经常性收入）——是a16z近期重点关注的新指标，这也是在X（原Twitter）上引发热议的数据。

传统的效率指标通常只看销售效率，比如获客成本占收入的比例。ARR per FTE把公司运营的全部成本都装了进去——研发、管理、行政、销售，一切用人的地方。它回答一个简单的问题：平均每个员工“扛”了多少收入？

最好的AI公司，每名员工对应50万到100万美元的年收入。上一代SaaS公司的经验法则大约是40万美元。

David George认为，这种高效率的主要原因仍然是“对其产品的需求非常非常强劲”，因此它们需要更少的资源来将产品推向市场。同时他也指出，这部分也得益于科技市场在经历了2021年的“臃肿时代”后，普遍实现的效率提升。

在定义何为“AI公司”时，他说明，这通常指那些首个产品就是AI原生产品的公司，大致是在ChatGPT出现后的时期成立。

他认为“AI彻底重塑公司运营”的阶段还没到，但早期信号已经出现。目前最好的公开案例是Shopify。创始人兼CEO Tobi Lütke两年前就全面拥抱AI，从员工绩效考核到业务流程都围绕AI重构，a16z还专门写了一篇深度分析。David George认为这可能只是未来5年变化的冰山一角。

4、要么适应，要么死

当被问及那些在AI时代之前成立的公司（pre-AI companies）将面临什么时，David George给出了一个直接的建议。

“我们对投资组合公司的建议是，你需要适应AI时代，否则就会死亡。”

他将这种适应分为两个层面：

一个是「前端（Front-end）」：需要思考如何将AI原生地融入产品，而不仅仅是在现有工作流中附加一个聊天机器人。“要重新想象AI能带来什么，并进行自我颠覆。”

另一个是「后端（Back-end）」：公司内部的每个环节都需要变革。他表示：“你需要为所有开发者全面部署最新的编码模型，并在组织内每个不同职能部门使用所有最新的工具。”

他指出，目前变化最大、收效最显著的领域是编程。

5、用电还是用血？

为了说明后端效率的剧变，David George分享了几个例子。

他和一位投资组合中的Pre-AI公司创始人通话。这位创始人对自家一个产品不满意，于是抽调了两名深度使用AI工具的工程师，让他们用Claude Code（Anthropic推出的命令行编程工具）、Codex（OpenAI的编程模型）和Cursor（基于AI的代码编辑器）从零开始重建产品，编程工具预算不设上限。

结论是：速度比之前快了10到20倍。而花费之高，让他开始重新思考整个组织架构。

“他的结论是：我需要整个产品和工程组织都这样工作，我认为12个月内会实现。但产品经理从哪里开始？工程师从哪里开始？设计师又从哪里介入？”

另一位CEO更极端，他说自己现在对每一项任务都要问一个问题：“这件事我能用电（electricity）完成，还是必须用血肉之躯（blood）来完成？”

David George认为，2024年12月是AI编程工具的转折点。前特斯拉AI总监、OpenAI联合创始人Andrej Karpathy也有类似观察。David George判断接下来12个月将决定命运：能全面拥抱AI编程工具的公司将大幅甩开不能适应的同行。

6、从订阅到结果：商业模式的演进

好在，商业模式的颠覆还在早期，David George分析了商业模式的演进，尤其是在B2B企业软件领域。

许可证制（Pre-SaaS时代，软件一次性买断）→ 订阅制/按席位收费（SaaS时代，Adobe从卖光盘到卖Creative Cloud订阅是经典案例）→ 消费制/按使用量收费（Cloud时代，AWS、Azure等云厂商的计费方式）→ 按结果付费（只有成功完成任务才收费）。

最后一种模式目前只在客户支持领域可行，因为你能客观衡量问题是否被解决。如果模型能力继续提升，让更多职能实现按结果衡量，那对传统软件公司的冲击将是巨大的。

7、当AI遇见律师、医生和安防

为了证明AI带来的实际价值和用户粘性，David George列举了几个投资组合公司的案例。他强调，a16z非常关注收入的可持续性，会深入分析续约率、产品参与度、用户使用时长和行为等数据。

有一条让David George特别喜欢的推文：“一个公司法务说，大语言模型实际上增加了他的工作量，因为每个客户都觉得自己是律师了。”

但法律AI公司Harvey的数据讲了另一个故事。Harvey成立于2022年，由前Meta工程师和前O'Sullivan律所律师联合创办，客户包括全球多家顶级律所。随着推理模型的改进（所谓推理模型reasoning model，是具备多步逻辑推导能力的新一代AI模型，如OpenAI的o系列），法律工作与AI的推理能力天然契合。

结果很直接：用户在Harvey平台上的活跃时间翻了一倍。律师人数没有减少，但效率在显著提升。

David George强调了他们验证收入可持续性的方法：不只看增速，还要深挖留存率、续约率、产品使用频次、登录频率、活跃时长。“这些公司增长比任何前辈都快，但收入是可持续的。高留存，高使用，这对我们来说至关重要。”

医疗AI公司Abridge的数据同样印证了这一点。Abridge用AI自动记录和总结医患对话，帮助医生从繁重的病历文书中解放出来，已被多家美国大型医疗系统采用。用户数量大幅增长的同时，人均使用深度不降反升。医生们描述它像一个“值得信赖的副手”。

语音AI公司ElevenLabs是另一个样本。这家全球领先的AI语音合成公司，技术被广泛用于内容创作、客服和各类AI产品的语音交互，增长惊人，也是高效运营的典范。

企业差旅平台Navan（前身TripActions）的案例则展示了Pre-AI公司如何成功转型。AI现在处理50%的旅行预订和变更相关的用户交互——这可不是查银行余额那种简单场景，而是涉及改签、退票、行程调整等复杂工作流。结果是三年内毛利率扩张了20个百分点，远超停留在旧模式的竞争对手。

安防科技公司Flock Safety用AI摄像头和车牌识别技术辅助美国执法部门，每年帮助破获70万起案件，每位配备Flock的警员多解决近10%的犯罪案件。David George认为这是投资组合中最有说服力的客户价值主张：“他们的ROI就是破案。”

8、财富500强CEO说的和做的不一样

在谈到大型企业（如财富500强）的AI采用情况时，David George观察到一种脱节。

“我们从财富500强CEO那里听到的是：‘我们必须适应，我们渴望了解需要哪些AI工具，我们准备好改变，我们将成为AI公司。’”

然而，他指出：“这与实际发生的情况大相径庭。最大的脱节在于，变革管理非常困难。”

他认为，让员工使用AI助手来更好地完成工作已经很难，更不用说改变整个业务流程。编程可能是最容易让人理解的场景，客户支持则是“更好、更快、更便宜”的案例。但在一般性的业务流程管理上，变革管理极其困难。

不过，零星的突破已经出现。他举了两个例子：

一个是美国数字银行Chime（用户超过2200万），将客户支持成本降低了60%。另一个是美国最大的在线房贷公司Rocket Mortgage，在承保环节节省了110万小时，年化节约4000万美元，同比提升6倍。这两家都不是科技公司，却已经从AI中获得了实打实的成本节约。

David George预计2026年将出现大量类似案例，但分化也将加剧：“有些公司能想明白，有些不能。那些不能的，将处于巨大的劣势。”

9、市场没有泡沫，但也不便宜

针对市场是否存在泡沫的疑问，David George给出了他的分析。他认为，虽然AI巨头正在驱动公共市场（占标普500指数回报的近80%），但基本面是稳固的。

他表示：“当前的表现主要是由EPS（每股盈利）增长驱动的，市场定价总的来说是基于盈利和盈利增长，而非估值泡沫推升。”

资本市场对公司的评估逻辑也发生了转变。投资者不再像过去那样盲目地为“不计成本的增长”买单，而是将目光重新聚焦于企业的实际盈利能力和持续改善的利润率。

David George把当前的AI市场和互联网泡沫做了明确区分。虽然AI市场的市盈率高于历史平均水平，但远未达到2000年互联网泡沫（dot-com bubble）时期的水平。

与2021至2022年，乃至更早的互联网泡沫时期相比，当下的市场环境形成了鲜明对比，在那些时期，高增长的故事往往比实际利润更受追捧。然而，长周期的数据表明，如今能够持续改善利润率的公司，才真正获得了市场的青睐。这标志着市场正从偏爱“亏损换增长”的模式，转向奖励那些“实现盈利性增长”的企业。

作为参照，2021年是上一轮科技泡沫的顶峰，大量亏损的SaaS公司以数十倍收入的估值交易，随后在美联储加息周期中暴跌。

他经常说一句话：当今领先的科技公司是人类商业史上最好的企业。如果看长期利润率改善的趋势，这个说法可能确实成立。

尽管当前市场的整体估值高于历史平均水平，但市盈率（P/E Ratio）等关键指标并未达到非理性的高位。这种“高估值”背后存在合理的预期支撑，核心驱动力正是AI。David George指出：“市场普遍对AI在未来几年内为各行各业带来的盈利能力提升抱有强烈乐观态度，这种预期为当前的估值水平提供了基础。”

为了更清晰理解市场的估值偏好，他将公司放入一个以“增长速度”和“利润水平”为维度的四象限中分析：

高增长 & 高利润公司：市场中的佼佼者，理应享有最高的估值溢价。高增长 & 低利润公司：这类公司同样能获得市场奖励，但前提是它们必须拥有健康的单位经济效益（Unit Economics），并能证明自己正走在一条通往更高利润率的明确道路上。低增长 & 低利润公司：这类公司处于最不利的象限，市场不会给予奖励，它们的交易价格也理应处于低位。

总而言之，市场对高增长、高利润公司给出了明显溢价，对低增长公司即使利润率不错也很残酷。“归根结底，增长是未来5到10年回报的最大驱动力。”这种理性的转变，加上对AI技术潜力的巨大信心，共同塑造了当今的投资格局。“AI将成为我职业生涯中所见过的最大的模型颠覆者。”

10、资本开支：没有“暗GPU”

AI基础设施建设的规模和集中度本身就带有风险，但David George认为其底层逻辑与此前的泡沫有本质区别：这一轮投资主要由历史上最赚钱的公司用自有现金流支撑。

对冲基金Atreides Management创始人Gavin Baker在a16z AI峰会上做过一个类比。2000年前后的互联网泡沫中，电信公司花费数千亿美元在全球铺设光纤网络，泡沫破裂后，大量光纤闲置多年无人使用，行业称之为「暗光纤（dark fiber）」。

“但GPU不一样。”David George引用Baker的话说，你把一块GPU放进数据中心，它立刻被充分利用。没有暗GPU（no dark GPU）。所有超大规模厂商都表示需求远超供给，他说他相信这个说法。

速度对比也很鲜明。微软云Azure花了7年才达到AI一年的收入规模；Azure收入超越其资本支出用了10年，AI预计会更快完成这个跨越。

折旧问题也没有看起来那么严重。Google在2017、2018年前后投入使用的TPU（自研AI芯片）至今仍保持100%利用率。二级市场上英伟达A100和H100——分别是2020年和2022年推出的数据中心GPU，训练和运行大模型的主力芯片——租赁价格维持坚挺。

但债务开始了。未来的资本支出预测无法全部靠现金流覆盖，私人信贷正在介入数据中心建设。

一个值得观察的案例是Oracle。这家以数据库和ERP软件闻名了40多年的公司，正试图将自己重塑为云计算和AI基础设施玩家，未来多年将处于负现金流状态。它的CDS（信用违约互换，衡量市场对公司违约担忧的金融衍生品）成本在最近三个月已经升至约2%。

David George直言：“不是所有交易对手都一样好。对Meta、微软、AWS、英伟达这些我很放心。但对所有参与方，我不敢说同样的话。”

11、距离万亿美元AI收入还有多远

Goldman Sachs估算AI将产生9万亿美元收入。假设20%的利润率和22倍市盈率，这意味着35万亿美元的新增市值。目前大约已有24万亿被提前反映在股价中——市场已经在为AI的未来买单，但如果收入预期兑现，仍有大量上行空间。

另一笔账：到2030年，超大规模云厂商（AWS、微软Azure、Google Cloud、Meta等运营全球最大数据中心网络的科技巨头）的累计资本支出将接近5万亿美元。要在这笔投资上获得10%的回报率，2030年的年度AI收入需要达到约1万亿美元。

1万亿美元是什么概念？大约是全球GDP的1%。

当被问及目前AI相关收入的规模时，David George粗略估计：“可能在500亿美元的范围内。”增速远超年化100%。

一个数字足以说明变化的烈度：仅OpenAI和Anthropic（Claude的开发商）两家，2025年新增的年化收入就接近整个公开SaaS市场新增收入的一半。如果做同样的比较，到2026年，模型公司的新增收入可能达到整个公开软件行业——包括SAP等老牌厂商在内——新增收入的75%到80%。

David George认为这是他职业生涯中见过的最大“模型终结者”（Modelbuster）机会。这是他自创的一个投资概念，指那些增长速度和持续时间远超华尔街任何财务模型预期的公司——偏差不是10%、20%，而是数倍。

经典案例是iPhone。发布后四年，华尔街对苹果的一致性预测偏差了3倍。苹果是当时全球分析师覆盖度最高的公司。

“科技行业本身就是一个模型终结者。”他说，“自2010年以来，科技公司以前所未有的速度和规模创造了高利润率收入。它早期看起来总是太贵，但反复超出预期。”

12、私募市场的幂律正在加剧

风险投资行业有一个铁律叫“幂律分布”：少数赢家创造了绝大部分回报。这个现象正在变得更极端。

过去20年，美国上市公司数量减少了一半。收入超过1亿美元的公司中，86%是私有公司。公司待在私有市场的时间更长了。

北美和欧洲独角兽（估值超过10亿美元的未上市公司）的总估值约为5.5万亿美元。前10家就占了近40%，这个集中度自2020年以来翻了一倍。David George透露，a16z在这前10家中投了7家。

标普500成份股的平均在任时间在过去50年下降了40%。颠覆越来越快。

围绕私有市场还有一场争论——“波动性洗白”。批评者认为私有公司通过避免上市来人为掩盖估值波动。支持者的代表是Stripe联合创始人Patrick Collison。Stripe估值约950亿美元，是全球最大的未上市科技公司之一。Collison的逻辑是：在私有市场可以有序管理股价上涨，更容易留住员工、管理士气。

David George认为两面都有道理，但他判断接下来18个月将出现一批长期保持私有的大型公司IPO，这是好事。

在问答环节，David George以Databricks为例，说明了一家pre-AI公司如何成功转型。Databricks由加州大学伯克利分校的Apache Spark项目团队创办，目前是全球最大的独立数据和AI平台公司，估值超过600亿美元。

他首先强调了领导力的重要性，将Databricks的CEO Ali Ghodsi与Shopify的CEO Tobi Lütke相提并论，认为他们都是从最高层推动AI战略的典范。他形容Ali Ghodsi是“商业终结者”和“技术终结者”的独特结合体，既有商业直觉，又对技术有足够深的理解。

其次，Databricks的产品（数据湖）恰好处于一个有利位置，使其成为运行AI工作负载的理想平台。新推出的Agent Bricks产品让企业可以在自己的数据上构建AI智能体。

最后，他强调了一个重要的验证信号：“所有大型AI原生公司都是他们的客户。当我们在投资公司时，我们非常看重他们的客户是谁。我更希望我们投资组合公司的客户是那些思想现代的公司，比如DoorDash、Instacart、Uber，而不是非常老派、守旧的公司。因为这意味着他们的技术经过了聪明的技术专家的评估和选择。”

在分享的最后，David George重申，尽管AI已经取得了惊人的进展，但这仍然只是一个漫长周期的开始。这场从“血”到“电”的转变，其全部影响，仍有待在未来几年乃至十几年中完全展开。