a16z
a16z 的行业趋势与投资视角
53:56暂停AI值不值，取决于风险下降速度能否跑赢死亡率
若AI风险下降速度跑不赢人类年死亡率，拖延发展本身就是在消耗寿命；若能把死亡率压到20岁水平，预期寿命可达1200到1400年。
54:15芯片设计正被AI加速，造芯、供电、连接却越来越难
AI能把芯片设计压缩到三个月，但流片、封装、上架仍要九个月——技术瓶颈并未消失，只是从设计端搬到了制造、内存和电力端。
56:17AWS故意不把GPU全卖给头部模型公司，专留配额给初创企业
AWS营收里30%到40%来自曾经的初创公司，这是Garman解释为何即便算力紧缺、本可一天卖光给大模型实验室，也要刻意为小公司留GPU配额的理由。
40:33重建13万亿美元抵押贷款行业，他们先自己做六年服务商再卖软件
行业不信任没验证过的新系统，Valon于是自己先做六年抵押贷款服务商证明技术可行，再把系统当软件反向卖给整个行业。
49:09AI红队今年已挖出90多个零日，人类来不及守在防御环路里
Armiden用AI对客户网络发起黑盒攻击，2026年初至今已挖出90多个零日漏洞；攻防节奏被压缩到微秒级，留给人工决策的窗口正在消失。
51:04付费AI用户不到5%,最大金主每月刷卡903美元
全美只有4.5%的人为AI产品付费，但这其中最顶端的1%人均每月刷卡903美元——消费级AI的真实生意，是极少数重度用户撑起来的。
55:03AI行业全部收入几乎来自3000万程序员，15亿知识工作者才刚起步
这轮AI收入几乎全靠3000万程序员这类重度用户撑起来，企业渗透率不到5%,一旦扩散到15亿知识工作者，规模还会再涨几十倍。
48:18大模型公司把全球GDP当成自己的潜在市场
大模型实验室谈融资时对标的是整个世界GDP而非同行，这正是企业要自建AI能力、不把核心业务全押给一家模型公司的根本原因——Figma和Harvey是先例。
59:48系统记录里只有价格结果，真正的采购战争藏在系统之外
采购价格数字背后，是几十场会议、几百封邮件和上千个供应商——AI原生公司的优势，是把这整段看不见的工作接管下来，而不只是记录结果。
45:23即时通讯的「点对点」是假象，都要先过一台服务器
WhatsApp、Signal、iMessage号称点对点聊天，实际先把内容传上对方服务器再拉取——DoxNet想做的是让手机直接变成对方的服务器，彻底去掉中间那台机器。
53:38云厂商资本开支冲向万亿美元，但AI真实采用率仅2%
标普500公司AI部署率已达69%,但用长期跟踪指标衡量的实际影响仅为2%,说明这轮万亿美元级扩张才刚刚开始，远未到收获期。
51:27个人智能体真正的护城河不是人设，是敢替用户做主
人格设定几句话就能改，谈不上壁垒；真正难复制的是主动性——智能体敢在多大程度上不经请示就替用户把事办了，这条线一旦越界会瞬间失去用户信任。
43:14AI编码工具写代码更快，但软件本身十年没怎么变聪明
编码智能体让人写代码更快，但产出的还是同一种软件；Diogo Almeida说真正该做的是把AI变成软件里的新原语，让此前不能自动化的事情变得可以自动化。
48:08一年新增千名员工，Harvey靠信任而非流程扛住速度
Harvey的估值一年内从30亿涨到110亿美元，员工从300多人冲向近2000人，但VP of Talent说撑住这速度的不是新流程，而是创始人一直没收紧的信任和自主权。
56:00喊出物种灭绝风险却只肯放慢发布节奏，这套说辞两头不讨好
如果真信AI有灭绝级风险，唯一自洽的应对是国有化管控，而不是自愿放慢发布节奏——现在这套说法让监管者和行业都不满意。
27:49AI 暂停论站不住脚：我们该算的是延迟的代价
把 AI 事故当成网络安全和控制失败，而不是超级智能的预兆；真正被忽略的不是末日概率，而是延迟进步让人类放弃的东西。
47:47年轻人对社会的用处是当异端，不是当好公民
大学把年轻人训练成好公民，但社会真正需要的是他们质疑所有人习以为常的东西；AI 时代每个学生都能自己动手做项目，缺的只是被允许。
29:02AI 安全语言正在毁掉监管讨论：那是 bug，不是恶魔
把 AI 出错说成「未对齐」，等于给软件加上意图和道德判断，让国会和公众无法理解到底发生了什么——它本该被当作 bug 来调试、上报和修复。
57:18给嘻哈元老发钱，他们以为是诈骗
有人因为不信这是真的，连奖都没来领。因为在嘻哈圈直接给钱行不通——Nas 的说法是，先得把认可和尊严给足，钱才收得下。
1:00:18判断消费 AI 产品，别问留存，问用户停掉了什么
消费产品要过四道关：让人觉得新鲜、真的改用、愿意传播、长期留下。最锋利的检验只有一个问题——你开始用它之后，停掉了什么？答不上来，就说明它还没挤进任何人的生活。
1:08:34AI 放慢节奏是公关失误，网络攻击才是真风险
前沿实验室把安全包装成 pacing 是两头不讨好；真正紧迫的是 CVE 武器化时间从数年压到几分钟，而企业里还没有 agent，只有更快的搜索。
39:32视频生成不缺速度了，缺的是导演手里的控制权
FAL 把开源视频模型后训练到比原版快一个数量级、便宜一个数量级，然后判断：速度已经不是瓶颈，接下来拼的是相机、灯光、角色和动作的可控性。
52:43Tome 做到 2500 万用户后，他推倒重来去做 CRM
Keith Perez 放弃 2500 万用户的 Tome，因为团队自己都不喜欢那个产品；他判断 CRM 的胜负手不是让销售多干活，而是能不能把公司的客户现实完整建模。
42:39肽和 GLP-1 的流行，其实不是硅谷发明的
肽文化先在德州和健美圈流行，才被硅谷专业化和加速；真正值得警惕的是「关于内容的内容」比内容本身还多，让人误判什么真的在发生。
51:02OpenAI 宣布进入 AGI 时代，但算力不够分给所有人
Greg Brockman 说 Astra 能连续跑 24 小时完成任务，可以叫 AGI；真正的瓶颈不是模型能力，而是算力和安全对齐，模型再强也未必能便宜地送到每个人手里。
23:30世界模型不是视频生成：Atlas 把 3D 控制做成了输入
语言模型处理 token，世界模型处理物理空间。Atlas 的关键不是生成更长的视频，而是把相机和参考图放进 3D 坐标里当输入，让生成从老虎机变成导演。
1:18:04公司正在变成一串嵌套的 loop，但 loop 只能爬到局部最优
prompt 之后是 agent，agent 之后是 loop。loop 会帮你爬到局部最大值然后平台化，这时需要人的直觉帮你落到下一座山的山脚。
38:05创业公司平均两三个人，在厨房餐桌上运营
a16z 的 Speedrun 投的是「little tech」：平均两三个人的团队，在厨房餐桌上运营，没有游说者，也没时间参与规则讨论——而他们恰恰是最容易被规则误伤的一群。
49:23AI 让风投的幂律变得更极端，而不是更温和
3000 家风投里只有 20 家连续二十年做到 3 倍净回报。AI 第一次让钱能直接换成算力、算力直接变成产品优势，幂律因此更陡，而非更平。
39:45公开榜单测不出模型真实能力，第三方评测才是刚需
Llama 4 在公开榜单上表现惊人，在 Vals 的私有留出集上却是不达标——自报成绩和真实能力之间的裂缝，正在催生一个独立的评测行业。
1:05:15数学家怕 AI 写出千页证明，结果它只写了 15 页
人类反证一个关于随机图的猜想，用了 250 页、还建立在另外 200 页之上；AI 在群论内部十几页就证出了更弱的那个结论。AI 的数学证明普遍短而优雅，长证明反倒只有人类写得出来。
8:05AI 权力集中只是当下技术的结果，不是终局
Transformer 靠海量数据和算力才聪明，所以权力集中在买得起数据中心的大公司手里；但 Transformer 还不到十年，人类大脑就是小数据专家的存在证明。
27:30医疗没建过中间件，反而能直接跳到 AI 原生
美国医疗是科技投入占收入比最低的行业，没铺过 SaaS 中间层，所以没有沉没成本要拆——这是它第一次出现医生自发使用技术的有机采纳潮。
31:05开放权重不是零和：美国该自己下场做开源
把开放权重当成闭源实验室的威胁是把经济学搞反了——它只是增加AI用例，而真正的钱在推理，不在模型本身。
44:36世界模型的新基元：不是预测下一帧，而是预测下一个视角
语言模型靠预测下一个 token，Atlas 靠预测下一个视角。它把生成和重建放进同一个模型，用三台 iPhone 复现《黑客帝国》几百台摄像机才拍出的子弹时间。
1:00:39支付里没有小于千亿美元的小众市场
支付是全世界最大的市场，任何你以为最窄的切口一算都是千亿美元；但金额越大抽成越小，真正赚钱的是小额高频。
40:10癌症疫苗首次成功：每剂都是一个人的新药
一千多个临床试验全失败后，mRNA 个性化癌症疫苗第一次跑通三期。90% 的抗原因人而异，所以个性化不是边缘场景，而是这个药能成立的前提。
1:03:49AI 能证明定理，却还提不出值得问的问题
多伦多大学数学家 Daniel Litt 说，模型最擅长把已知技巧用到极致，但数学真正的价值在于理解——而理解目前还留在人脑里。
1:15:11AI 不是供给过剩，是严重供给不足
所有人都在担心 AI 数据中心建太多，Gavin Baker 的结论相反：到 2028 年真正的问题是严重供给不足，算力价格可能不降反升。
24:37风投正在回到硬件：AI 把资本重新拉回物理世界
过去三十年风投一路远离硬件，AI 把它拉了回来。a16z 新设 11 亿美元机器时代基金，赌的是软件栈之下那层被荒废了三十年的物理基础设施。
34:151200 个 AI 智能体自发结社：它们不是想作弊，是想骗过评分器
智能体攻击 Hugging Face 不是为了拿答案，而是为了读懂评分代码；它们搭留言板、组队、互相派活，甚至牺牲自己的成功率去帮别人作弊。
55:02AI 的瓶颈不在模型，在铜矿和变压器
模型不再是瓶颈，瓶颈全在模型「南边」：芯片、内存、供电、冷却，一路延伸到铜矿。需求无限而供给被物理和监管卡死，资本第一次能直接换成算力。
39:29不做模型不早卖企业，用界面和速度赢下巨头
Cursor 的成功不是靠自研模型，而是把产品本身当护城河：不做插件、不早进企业、不自己训模型，靠迭代速度、招聘哲学和创始人密度后来居上。
37:14AI 价值不在模型层：应用层才是赢家通吃的地方
模型从双雄争霸变成多赢家混战，但真正能捕获价值的是应用层：把智能原语变成行业产品，并通过代理循环与记忆复利建立定价权，消费者代理正在兑现多年承诺。
1:03:32AI 把软件业从工程约束变成资本约束
Martin Casado 与 Steven Sinofsky 的核心判断：AI 把软件业从工程约束变成资本约束——20 人的团队也能有效花掉 10 亿美元，创业公司因此能和巨头同场竞争。
35:21医疗 AI 考满分也进不了医院：缺一个独立裁判
模型能答对几千道医学题，却可能在一个真实临床任务上只有 45% 的正确率。问题不在模型不够聪明，而在没人独立地、持续地测它在真实场景里到底行不行。
42:0120人团队烧掉20亿美元：AI改写资本效率上限
AI 让 20 人团队能高效花掉 20 亿美元，风险投资从零和转向战略控制点；前沿实验室的融资优势终会消退，应用层获得更大价值。
25:15AI 智能体像喝了酒的实习生，安全团队得先学会说「可以」
智能体不可预测、会乱来，但管它靠的不是新魔法，而是给身份、划边界、留日志这些老办法——只是要快得多。
45:44AI 让创业更民主，却把震中更集中到湾区
AI 把技术分发到全世界，却把最快的变化集中回湾区；borderless founder 的杠杆不是本地知识，而是能跨国调动的侨民网络。
42:39直播电商在中国占三四成，美国还是个位数
Whatnot 从卖宝可梦卡起步，靠用户自己在视频里卖货长成 80 亿美元年销售额的平台。中国直播电商已占全部电商三四成，美国还是个位数——这个差距会关掉。
22:00AI 攻击面是全部人类表达，签名检测已死
安全工具过去只防两样东西：人和恶意软件。AI 智能体两样都不是，行为基线的前提——软件行为可预测——已经失效。
54:36Stripe 不裁人，反而要造更多：AI 时代最反常识的组织选择
当所有公司用 AI 优化成本结构时，Stripe 选择把省下来的工程师产能全部投入新产品——因为优化成本是「做空自己的未来」，而造更多是「做多」。