挑选 AI 赢家的新规则：规模、价值捕获与"我们不在泡沫里"（a16z，2026-05-29）¶

嘉宾: David（a16z 成长期投资负责人，本页记为 "a16z 成长期合伙人 David"）
主持: 一位英国 LP/基金投资人（自述投 VC 基金 34 年；从 LP 视角提问）
来源: YouTube · 33 分钟（自动字幕）
转录稿: sources/a16z/20260529-AiM9mZCmVPY

一场 GP–LP 之间的坦率对话。价值不在结论（"我们不在泡沫里"）而在推理链条：为什么"供给受限而非需求受限"意味着不是泡沫、为什么"必须在 token 路径上"成为选标的第一标准、以及一个被反复承认的诚实结论——结果会更大，但预测谁捕获价值变得更难了。

⚠️ 转录稿中嘉宾仅以 "David" 出现，未播报全名。按 a16z 成长期业务与访谈内容判断很可能是 David George，但本库未能从转录稿证实，故不建立独立人物页，暂记于 a16z 频道页。

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： SPEAKER_02 = David（a16z 成长期合伙人，73.8%）、SPEAKER_00 = 主持（英国 LP，25.4%）。依据：SPEAKER_00 多次以 LP 自称——"from an LP perspective"（[00:22:11] 块，92%）、"investing in VC funds for 34 years"（[00:31:15] 块，82%），并点名"keen to get your thoughts on, David"（[00:29:14] 块）。SPEAKER_01（15 秒）为碎片。

概要¶

嘉宾把过去 12 个月的"先验更新"归为两块：规模（scale）与价值捕获（value capture）。规模上他变得更乐观；价值捕获上他变得更不确定。全篇最反复的一个词是"我们的先验一直在变"——"我想不起职业生涯里有哪个时候我改变看法的速度有这么快，这是好事，但也让人谦卑"。

核心观点¶

规模：诊断的关键是"收入已经很大，但扩散几乎为零"¶

2025 年 11 月是转折点——在那之前，企业侧的 AI 工作被类比成云/软件生产力提升那种"模糊的承诺"；之后所有先验都变了（[00:01:02]）。
核心数据对：Anthropic 与 OpenAI 每月新增的收入超过 Meta、Google 或 Microsoft，"它们已经在那个量级上增加收入了"——而技术向真实经济的实际扩散不到 5%（编码和技术前沿公司除外）（[00:01:02]–[00:02:03]）。
上界推演：财富 500 强/标普 500 合计年利润约 2 万亿美元；他预期"两家公司合计年底可能做到 2000 亿美元的收入 run rate"，再加上开源和其它厂商——"我们已经在谈相当于财富 500 强利润 10% 的量级了。所以我认为上界会是：钱从哪来。"（[00:02:03]–[00:03:03]）
由此推出的重要推论："我们曾有各种理论说开源和本地部署为什么会重要。结果是成本会直接打到脸上，让它们比我们以为的更早变重要。"（[00:03:03]）
扩散的下一站：编码里发生的事已能在其它白领职能里看到苗头，法律是第一个（市场比编码小得多，但"模型变得真好、围绕它建的产品变得真好时，你就看到使用量起飞"）；他预期未来 12 个月会在多个职能和垂直行业发生（[00:03:03]–[00:04:03]）。

企业内部为何还很慢：一个反直觉的资源配置观察¶

他认为当前的裁员多半是在削此前的冗余，不是效率提升（[00:04:03]–[00:05:03]）。
最好的公司把资源投在产品和新东西上，而不是自动化自身运转——"他们资源有限，而最好的人才想做产品那边的事，因为那边的奖赏更大"。反倒是更成熟的公司更适合自动化内部业务，但他们是更慢的采用者（[00:05:03]）。
组合内看到的是"潜在机会"，但不是最好的人在做，增量的钱也还没往那儿去（[00:05:03]）。
最前沿的做法目前停在文档化阶段："把一切变成 markdown 文件，尽可能多地捕获 context"，然后再看能在哪里提效而不牺牲客户体验（[00:06:03]）。
AI 原生公司的运转方式完全不同："创始人就是不一样……上一代 SaaS 公司我们直到很晚才意识到他们运转得多低效"。新公司极精简、极激进、一直在工作；最前沿的公司里"研究员甚至不打字，他们在口述（whispering in），跑着成群的 agent"（[00:06:03]–[00:07:04]）。
拟物阶段（skeuomorphic）的判据：今天一切反应式（reactive）的东西都还处在拟物期，会转向主动式（proactive）参与，消费与企业两侧都是（[00:07:04]–[00:08:04]）。

结果更大、更快，但谁捕获价值更难预测¶

顶级 1% 退出的门槛：2020–2024 年是 100 亿美元；2026 年 2 月更新到 200 亿；本次录制前一天再更新，仅看已完成的退出是 320 亿——24 个月里翻了 10 倍；若算上 OpenAI 和 Anthropic，到 9 月可能超 1000 亿（[00:08:04]–[00:09:06]）。
对照：过去 6 年所有 VC 支持的 IPO 加起来略超 1 万亿美元，"这大概会小于我们预期的三大 IPO 中的任何一个"（[00:09:06]）。
但半衰期在变短：Forbes 的 AI 50 榜单，去年上榜的公司有 40% 今年掉出。"所以我们先验的演化是：是的，结果会大得多，但要预测谁捕获那些价值，感觉正在变得难得多。"（[00:11:06]）
他坦率复盘 a16z 自己的三次立场翻转（投 OpenAI 早于 ChatGPT）：先是"模型公司会是一切，不会再有应用公司"→ 然后"什么都会有应用公司，模型公司只是 API"→ 现在"模型公司正一路往上挤进应用层，这是它们提升黏性的最大手段"（[00:12:07]）。

选标的第一标准：必须在 token 路径上¶

"现在你必须在 token 路径（token path）上。这是我们对被投公司看的头号事情。"（[00:12:07]）
理由是买方已经出现成本压力，而且发生得很快：他们不会给"上一代软件"加预算——事实上他们连 AI 带来的成本增长都还没能靠削减那部分覆盖住。钱只能来自涨价或重构劳动力（[00:12:07]–[00:13:07]）。
决定价值归属的最大变量是"模型公司的市场结构"，而他明确称之为"根本不可知"：
前沿只有两三家 → token 价格更高；有五家 → token 价格更低。
token 价格更低对整体经济更好，因为不会有那么快重构劳动力的压力。
"现在这个数字更小，不是五。当前对前沿智能存在极大的非弹性需求。"（[00:13:07]–[00:14:08]）
其余开放问题：很多工作是否用上一代模型做就够了（"今天没人是这么消费 token 的"）、开源扮演什么角色、多少能本地跑、多少能用小模型跑（[00:14:08]）。

中国模型与创新者困境¶

主持人转述在中国的同事反馈：中国领先 LLM 的能力大约落后美国 6 个月，但便宜 10 倍——"这不就是典型的创新者困境吗？下一代产品能做到前沿产品 80% 的事，成本只要 10%"（[00:14:08]–[00:15:08]）。
嘉宾的回应有两层：
"到目前为止，我们对绝对前沿的胃口之贪婪感到意外"——部分原因是我们还没进入优化阶段。
但"优化阶段大概会比我们预期的更早到来"（[00:15:08]）。
关于蒸馏与开源的关键量化：蒸馏一个模型的成本大约是其实际（预）训练成本的 2%——"大模型公司不想自己的模型被蒸馏……如果这一点继续成立且可行，那对开源大概是好消息；如果不成立，那对开源大概不是好消息"（[00:16:09]）。
单位成本 vs 总支出："同等能力下的每 token 成本正在以每年超过 10 倍的速度下降。但前沿 token 的胃口，按美元计，远远超过了这个降幅。"（[00:16:09]）

为什么"现在不是泡沫"：供给受限而非需求受限¶

主持人的框架：泡沫通常以过剩供给摧毁经济性为特征；今天则是稀缺——算力不够、内存不够、数据中心不够、电力不够（[00:23:11]–[00:24:12]）。
嘉宾接受这个框架："供给受限现在大概是件健康的事，因为它让我们更不可能处在泡沫里。我相当有信心说我们现在不在泡沫里。我没那么有信心说三年后不在。"（[00:24:12]）
具体：规模化的数据中心容量要到 2028 年底、2029 年初才拿得到；美国的数据中心建设大概比人们预期的进度晚了一年；供应链几乎每个环节都受限（部分因 TSMC 有意克制，部分因硬件本身难以扩产）（[00:24:12]–[00:25:12]）。
他对数据中心阻力的看法与 All-In 那期一致（"最好的运营商进社区承诺资助自然保护区、学校高速网络、创造就业和税收，却被'太耗水'挡回来——我宁愿少吃四五颗杏仁"）（[00:25:12]）。
唯一可能翻转结论的变量：大幅变小的模型，"大概来自某种算法突破"。"从人脑出发看，人脑在学习、在'达成智能所需的 context'上都高效得多。"若出现意外的阶跃式变化，可能走向供给过剩——但他认为短期不太可能（[00:26:14]）。
CapEx 的收益方程：未来四五年若花 5 万亿资本开支，能否拿到 1–2 万亿收入回报？ "如果两家大模型公司今年就以 2000 亿收入 run rate 收尾，大家应该对这个等式相当安心。"（[00:26:14]–[00:27:14]）

损失率、风险与 VC 行业的结构¶

他明确拒绝低损失率作为目标："如果我们损失率低，那我们就没在承担足够的风险。"（提到某位以"从没在一笔交易上亏过钱"自豪的 VC——"那不是值得骄傲的事，那是个糟糕的数据点。那是 PE 公司。"）（[00:17:09]–[00:18:09]）
Khosla 式的哲学：任何有多个优秀创业者、有顺风、且我们对技术有观点的重要领域，都应该投最好的创始人、支持早期的市场领导者。领域成了而我们有领跑者→很好；领域没成而我们有领跑者→没有损失，那本来就是生意的一部分。"糟糕的那一格是：领域成了，而我们挑错了人。"（[00:18:09]–[00:19:10]）
LP 的对照观点：英国 VC 协会的现场调查中 80% 认为 AI 估值过高，约 6% 认为过低；主持人认为这大致是对的平衡——"80% 的公司今天大概确实被高估了，因为历史上大多数公司不会成；而其中会有一小撮被极度低估，因为它们会成为领导者"（[00:21:10]–[00:22:11]）。历史上该机构早期基金的损失率是 60%；过去几年 AI 领域的损失率"不是零，但大概是个位数百分比"——"这不可持续。"
a16z 为何做大平台：因为创业者要。"这波 AI 快到公司在生命很早期就撞上大公司的问题"——Cursor 这样的例子"几十亿美元收入，团队却很小，生命还很早"，却已要谈重大商务合作、复杂的供应商关系、云合同、国际扩张。公司留在私有市场更久，需求来得更早（[00:20:10]–[00:21:10]）。
对公开市场：让这些公司在超高增长期进入公开市场是好事；过去 20 年美国上市公司数量减半；"如果排除数据中心供应链，公开市场上几乎没有高增长的东西可买——七巨头现在都在 30% 以下增长，软件公司也都在 30% 以下，Palantir 大概是唯一还在 70% 增长的"（[00:27:14]–[00:29:14]）。
五年后的 VC 行业：最大的驱动变量仍是模型行业的市场结构与 token 成本。他引 Bill Gates 那句关于平台的话（建在你之上的公司的价值总和必须超过平台本身的价值）——"如果那是未来，我非常乐观"。最后补一句：最大的结果往往来自消费侧，而过去十年是"时间份额被大科技公司捕获、与之竞争极难"的故事；他期待这波技术带来注意力/时间份额的转移（[00:30:14]–[00:31:15]）。

与本库其它观点的关系¶

与 7 月 11 日 All-In 那期是同一辩论的投资人版本：两边都把"模型层的市场结构"指认为决定价值归属的最大未知数，都认为竞争压低 token 价格对整体经济更好。区别在于 Chamath 认为 ROI 反噬已在门口，此处嘉宾认为"优化阶段会比预期早，但还没到"。
"供给受限 ≠ 泡沫"与 Pat Gelsinger 的"能源容量是防泡沫上限"是同一论证的两个版本（一个从资本市场、一个从物理约束）。
"必须在 token 路径上"与 swyx 的 agent lab（Latent Space 期）是同一判据的投资侧与创业侧表述。
"模型公司正往上挤进应用层"呼应 Benedict Evans 的价值上移论——但方向相反：Evans 认为模型商品化、价值向上游走；此处认为模型公司自己在往应用层走。这是 AI 的商业化与价值捕获里值得并置的一处张力。
"AI 50 榜单 40% 一年掉榜"是本库关于护城河半衰期最硬的一个数据点。

事实性断言与预测（可验证）¶

Anthropic + OpenAI 每月新增收入超过 Meta / Google / Microsoft 各自（断言，[00:01:02]）。
技术向真实经济的扩散 <5%（断言，[00:01:02]）。
两家合计年底可能达 2000 亿美元收入 run rate（预测，[00:02:03]、[00:26:14]）。
顶级 1% 退出门槛：100 亿（2020–24）→ 200 亿（2026-02）→ 320 亿（2026-05），9 月或超 1000 亿（断言+预测，[00:08:04]–[00:09:06]）。
Forbes AI 50 榜单一年内 40% 掉榜（断言，[00:11:06]）。
蒸馏成本约为预训练成本的 2%（断言，[00:16:09]）。
同等能力每 token 成本年降 >10 倍（断言，[00:16:09]）。
规模化数据中心容量要等到 2028 年底/2029 年初；美国建设进度落后约一年（断言/预测，[00:24:12]–[00:25:12]）。
中国领先 LLM 落后约 6 个月、便宜 10 倍（主持人转述，[00:14:08]–[00:15:08]）。
"我们现在不在泡沫里；三年后不确定"（预测，[00:24:12]）。