AI残酷真相：模型公司赢家通吃，应用层淘汰赛已开始

最近，一场对话把AI产业的估值逻辑从头算了一遍。对话的双方是a16z的普通合伙人Da vid George和VenCap的首席投资官Da vid Clark，两人聊了半小时，话题很集中——AI到底怎么重塑风险投资和科技产业本身。

就在前几天，Palantir的CEO公开怼模型厂，说卖Token就是收“AI税”，软件公司第一个被干趴下，这根本是用虚假进步掩盖真实成本。企业每年砸几千万美元买Token，却拿不出一个可量化的商业回报。而这场对话从另一个角度呼应了这个判断：投资人的钱和企业的钱，都在找同一个答案——AI的价值到底落在哪里。Token只是燃料，真正的地儿还没到。

两位顶级投资人私下算了笔账，结果发现OpenAI和Anthropic这两家模型公司加起来，每个月新增的收入已经超过了Meta、Google或Microsoft中的任何一家。照这个速度，到2026年年底，它们的年收入运行率可能达到2000亿美元。这意味着什么？用对话里的原话讲，它们单独一家公司的价值增量，已经超过了整个罗素2000指数的全部市值。

George提到，在去年11月之前，他和同事观察AI的方式主要围绕生产力增强和云计算类比来展开。但那个时间点之后，一切都变了——Anthropic和OpenAI的收入增长曲线陡峭得超出绝大多数人预期。更关键的是，AI这项技术面向实体经济的渗透还不到5%。除了编程公司和科技前沿公司，其他企业职能部门几乎还没真正用上AI。在George看来，这个矛盾恰恰是一个巨大的机会窗口。

Clark则从退出数据里看到了同样激进的趋势。从2020年到2024年间，前1%的VC支持退出门槛是10亿美元，到今年2月这个数字已经涨到了20亿美元。就在这场对话发生的前一天，他们刚把数据更新到32亿美元。Clark推测，等OpenAI或Anthropic这类公司上市之后，这个门槛很可能直接蹦到1000亿美元以上——大概是两年时间实现十倍的增长。

这种集中程度在科技行业历史上也找不出太多先例。过去六年，全部VC支持的IPO加起来也就一万亿美元出头。George说，未来任何一家大规模AI公司的IPO，都有可能超过这个总和，因为大模型公司正在以史无前例的速度捕获价值。

不过，两位投资人也承认，整个行业还处在高度不确定的状态。George表示，在他职业生涯里从没见过变化这么快的时期，每隔几周就要推翻一些先前的判断，这种变化速度让人既兴奋又不安。

最大的变数来自模型公司的竞争格局。假如最终只有两三家占据前沿，Token价格会维持在高位；假如有五家，价格就会大幅下降。实际上低价对整体经济更有利，原因在于它不会迫使企业以极快速度重组劳动力。但问题是，目前做决定的人还没有足够多的信息来做出判断。

Clark则提到了中国因素。他的同事前不久刚从中国回来，反馈说中国领先的大模型在能力上大约仅落后美国半年，但成本只有十分之一。这个差距说明很多任务并不需要用最贵的模型来完成，次优模型能力不差，价格上更有竞争力，而且迭代速度也很快。这对于试图靠技术壁垒维持高价的美国模型公司来说，无疑是个隐患。

另一个不确定因素是开源。AI蒸馏技术的成本大约只有预训练的2%，如果这个比例继续成立，开源模型会快速跟进那些最前沿的能力。大模型公司显然不愿意自己的模型被蒸馏，但法律和技术层面能否完全阻止这件事，眼下还没有定论。

（来源：YouTube）

两位投资人也聊了AI行业的估值风险。去年福布斯发布了AI 50榜单，但40%的公司今年已经掉下去了。AI公司的半衰期很短，估值却很高。George提到，a16z早期基金历史上有60%左右的退出交易不赚钱，这其实是风险投资的正常分布。但过去两年AI领域的亏损率大概只有个位数，这并不健康。说明太多公司在展示同样的AI热情，却只有极少数能笑到最后。

George表示，自己去参观一些最前沿的AI公司时，看到研究人员坐在那里对着麦克风低声细语，甚至不再使用打字了，直接用语音指挥Agent集群完成工作。这跟他观察到的传统SaaS公司形成鲜明对比——后者依然靠大量招聘和销售增长来掩盖效率问题。George评价说，老一代的公司没有意识到自己的运营效率有多低，新公司则从一开始就完全不同。

Clark也注意到了这种公司之间的代际差异。他说，新一代创始人就是不一样，更精干、更激进、工作时长也更长。

但两人都不认同当前处于泡沫阶段的观点。George的判断是，当前市场处于供应受限状态——算力、数据中心、电力都不够用，这种稀缺性其实会抑制泡沫的形成。他说一些大厂直到2028年底或2029年初才能获得大规模数据中心容量，这种供应瓶颈意味着AI需求还会持续推高价格。

不过George也指出，这个判断也许会在三年后失效。假如出现某种算法突破，能把模型缩小到现在的十分之一，同时保持能力不降，那么供应过剩就会出现。但短期内发生这种突破的概率很小。

这场对话的另一个焦点是企业AI的采用速度。George的观察是，一些技术公司把大部分资源投在了产品和交付上，而不是内部流程自动化。成熟公司更适合做内部降本增效，但它们的行动速度通常很慢。他这样形容目前的情况：大部分企业还处于文档化时期——把现有知识转化成Markdown文件，接着尝试在不大幅影响客户体验的前提下提高效率。

假如AI的乐观情景成立，VC行业五年后会是什么样？他们认为这取决于模型公司的市场结构。Token成本是最大的变量。假设Token价格足够低，大量高价值公司会在应用层涌现出来。用比尔·盖茨那句老话来说，平台的价值最终取决于建立在平台之上的公司。如果未来是这样，风险投资仍然会站在核心位置。

参考资料：
https://www.youtube.com/watch?v=AiM9mZCmVPY