a 16 z合伙人深度拆解：为什么AI不是泡沫，而是印钞机
如果一家 AI 公司同比增长 693%，人均创收 100 万美元，销售费用比 SaaS 同行还低。那么， 这究竟是泡沫，还是一种新时代的开端？
a16z（Andreessen Horowitz）普通合伙人 David George 在看过数百个公司后，总结出一份让投资人迅速流传的投资报告，他给出的答案是： 我们正站在一个 10-15 年产品周期的起点。
在近期的一期播客中，他与 a16z 投资者关系主管 Jen Kha 就 AI 和私募科技市场的现状进行对话。David 分析了 其成长期样本中， 为什么 AI 公司的增长速度是传统软件公司的 2.5 倍，同时在销售和营销上的支出却显著减少——这得益于巨大的市场需求和创纪录的人均 年度经常性收入（ ARR， Annual Recurring Revenue） 。
在本期播客中，他们讨论了“模型颠覆者 ” （Model Busters， 指增长速度和持续时间远超传统估值模型预测的公司 ）的崛起，这类公司的增长速度和持续时间超出任何人的模型预测。此外，他们还重点讨论了实际应用案例，以及 Harvey、Abridge 和 ElevenLabs 等投资组合公司的突破性表现。
（来源：a16z） 以下为播客全文，DeepTech 在不改变原意的前提下做了部分修改：
增长爆发：原生 AI 公司的效率曲线
David George： 开门见山，我先说核心结论，因为这是我们第一次做这种形式的分享。我们团队内部做了大量研究和分析，既然有如此多不同的观点和视角，为何不分享给全世界呢？这也是我们决定公开分享的原因。
AI 的需求端简直火爆。在我们看来，AI 公司的落地速度、增长势头和整体质量都极其鼓舞人心。企业开始用 AI 把自身运营得更好，相关投入数据也一直在增长。
但我要说的是，这批公司之所以比以往任何一代都出色，很大程度上是因为市场对其产品的需求极其旺盛。目前市场供给端依然健康，但我们已经察觉到出现轻微过热的迹象。
我们很幸运能参与到这么多优秀公司的成长中，而当前私募市场最激动人心的机会，就在 AI 领域。先说核心结论：我之所以对现在这个节点如此兴奋，是因为我们刚刚处于这个产品周期的起点。 产品周期驱动着我们的业务，而这类周期通常长达 10 到 15 年，我们现在只是站在最开端。
（来源：a16z） 我们投资覆盖私募市场所有阶段，这张图展示了 a16z 的投资布局。在成长期投资赛道中，我们在 AI 与信息应用领域的布局最为积极，覆盖度也同样广泛。
作为一家专注于成长期投资机构，a16z 掌握着海量一手数据，并覆盖了市场上绝大多数成长期公司——无论是我们的投资组合公司，还是潜在标的。我们有一支非常优秀的数据分析团队，对这些数据进行了系统性研究。
（来源：a16z）
其中最重要的结论是：2025 年是营收加速增长的一年。受加息和科技行业部分领域收缩影响，在 2022、2023、2024 年的营收明显放缓，但 2025 年扭转了这一局面。
无论我们按交易和四分位如何划分，各类公司的增长都在加速，尤其是头部公司：增长最快的 AI 公司，达到 1 亿美元营收的速度，远远快于当年 SaaS 时代增长最快的公司。
（来源：a16z） 我想重点解释一下原因。客户需求极其旺盛，产品本身极具吸引力，而不是因为它们在销售和营销上花费更多。恰恰相反，增长最快的那些顶尖 AI 公司，并不是在销售和营销上投入最多的，它们在这方面的支出低于当年的 SaaS 同行，但增长速度却快得多。
这张 PPT 展示的就是 AI 公司的增长情况。数据显示，AI 公司的增长速度是非 AI 公司的 2.5 倍以上。这一点毫不夸张，因为我们看到头部 AI 公司的增速确实达到了惊人水平。
我们反复核对了数据： 头部 AI 公司同比增长 693%，这与我们从投资组合公司观察到的情况完全吻合。 这是我们从数据中看到的 Margin 模型 。同样，这些都是我们内部的数据集，来自投资组合公司和潜在投资标的，而 AI 公司的毛利率会稍差一些。
但在某种意义上，我们认为 AI 公司毛利率偏低反而是一种“荣誉勋章 ” ：如果低毛利率是因为高昂的推理成本，那就意味着客户真的在大量使用 AI 功能。我们相信，这些推理成本长期来看会下降。
所以反过来说，如果我们看到一个 AI 项目毛利率极高，我们反而会有些怀疑——这可能意味着客户真正购买和使用的并不是 AI 功能。
最近几天，ARR/FTE（每名全职员工的年度经常性收入）成为社交媒体（如 X 平台）上引发大量讨论的话题，这也是我们最近开始重点关注的新指标。ARR/FTE 大致衡量的是公司整体运营效率，它囊括了所有成本，不仅包括销售和营销效率，还涵盖了管理费用和研发投入。
最优秀的 AI 公司，人均 ARR 能达到 50 万到 100 万美元；而上一代 SaaS 软件企业的经验值大概是 40 万美元。 核心原因是产品需求极其旺盛，因此它们需要更少的资源去推向市场。
Jen Kha： 在进入下一页之前，请先快速澄清一下：你们是如何定义 AI 公司的？是像 OpenAI、ChatGPT 这类，还是历史上的 AI/ML 公司？
David George： 实际上我们会留一点余地，但核心标准是：它们推向市场的第一款产品就是原生 AI 产品。这里正好可以回应一个很多人关心的问题：从 SaaS 时代到 AI 时代，企业的营收增长预期发生了怎样的变化？
传统企业的 AI 改造：要么进化，要么淘汰
Jen Kha： 你刚才已经提到了营收增长，那非原生 AI 公司会怎样？它们在和原生 AI 公司竞争时会很艰难吗？它们都在转型吗？我们会看到更多公司被淘汰吗？大家该如何看待历史投资组合？
David George： 我们给投资组合公司的建议是：要么适应 AI，要么淘汰，这需要从前端到后端全面改造。
前端：你需要把 AI 原生地融入产品，而不是仅仅在现有工作流里挂一个聊天机器人。你要重新想象 AI 能带来什么，主动自我颠覆、主动变革。
后端：你需要让所有开发者用上最新的编码模型，让公司各个职能部门都用上最新工具。到目前为止，代码领域的变革最为显著，提升幅度最大。
过去一两个月里，这方面发生了重大变化，安德烈·卡尔帕蒂（Andrej Karpathy）也写过该方向的文章。我最近和一家 AI 之前时代的公司创始人交流，他对 AI 理解很深，也正积极推动公司转型。
我们聊天时，他说对旗下某款产品不满意，于是直接让两名资深 AI 工程师，用 Claude Code 、Codex、Cursor 等工具从零重构，并且在编码工具上不对预算设限。他说， 进度比之前快了 10 到 20 倍，相关成本也让他开始重新思考整个组织架构。
结论是：我必须让整个产品和技术团队都用这种方式工作，他认为未来 12 个月内这就会成为现实。但这对团队设计意味着什么？产品和工程的边界在哪里？甚至设计在流程中的位置在哪里？所以，从这一点来看，12 月似乎成了代码领域的转折点：未来 12 个月，这些工具会在企业里全面普及，没能跟上的公司，发展速度会远远落后于同行。
说到 AI 之前时代的公司，我们还有一个案例：一家传统软件公司的 CEO 已经全面拥抱 AI，他说：“我们要成为 AI 原生产品公司，我们的员工未来就是 AI Agent。 ”
他现在张口就问：“你们有多少个 Agent？ ” 还有一位更极端，他说：“现在我评估每一项任务，只问一个问题：这件事能用电解决，还是必须用人解决？ ”
这是一种极端的思维转变，正在我们投资组合公司里发生。我很高兴看到这些 AI 之前时代的公司行动迅速，但它们必须彻底适应这个新时代——无论是前端产品，还是后端运营方式。
从实操层面看，几乎每家公司我们都要逐家梳理：创始人处在转型的哪个阶段、落地执行的深度如何。你刚才提到的颠覆现有流程，在 AI 原生公司里也在发生，而且越来越频繁。
基本上，半年前做的东西，用今天的技术就能大幅优化。这种迭代速度持续发生，AI 之前时代的公司必须不断追赶。好消息是，商业模式的演进仍处于早期。对企业来说，最具颠覆性的就是同时变革技术产品和商业模式。
简单来说，商业模式是一条演进曲线：最早是许可证模式，这是传统软件的商业模式；然后是 SaaS 订阅模式，通常按席位收费，这是一次巨大的创新和颠覆，云端交付和架构变革本身就很有冲击力，商业模式的变化同样颠覆性——这一点 Adobe 的转型过程就可以看出来。
接下来是按使用量付费，也就是按量计费，云服务就是这么收费的，很多基于任务、流量的业务已经从按席位转向按量计费。而再下一代，会是按结果付费。也就是你完成一项任务，理想情况下是成功完成任务后，按成果收费。
目前较容易落地按结果付费模式的领域，可能是客户支持，因为可以客观衡量问题是否解决。但随着模型能力提升，如果除了客户支持之外的其他职能也能衡量这类成果，那将成为一股巨大的颠覆力量。事实上， 从按席位收费到按用量收费本身就是巨大颠覆，而当企业组织架构也为之改变时，下一波变革将更加关键。