炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：网易科技）

8月27日，在近期的一场内部深度对谈中，知名风投a16z（Andreessen Horowitz）合伙人Anish Acharya与主持人Jen Kha就当前AI市场的宏观环境、模型演进、商业护城河以及应用层的未来爆发点进行了全面探讨。

针对市场近期关于“AI泡沫”的讨论，Anish首先给出了坚定的乐观判断。他指出，透过底层的第二阶指标来看，当前市场本质上是“无限的需求和极度受限的供给”。

一个反常的市场信号是，诸如B200这类非最前沿GPU的按小时计费价格正在上涨。在正常的科技周期中，硬件算力本应具有高度通缩性，这种逆势上涨直接证明了AI算力供给的严重受限与需求端的极度旺盛。

在此宏观背景下，随着开源模型的成熟，过往被高昂获客成本压垮的C端AI应用，正迎来真正的盈利拐点。

市场宏观面：需求“几乎无上限”，我们可能“不够乐观”

面对市场关于AI SaaS泡沫的质疑，Anish给出了截然不同的观察视角。他认为，与其探讨这是否是一个泡沫，不如反思市场是否“不够乐观”。

Anish抛出了一个反常的行业数据作为佐证：

对于企业级软件，Anish保持了冷静的商业视角。他指出，当前企业软件支出仅占总支出的8%到12%，比例并不高。

对于企业而言，用AI完全替代薪酬系统或CRM系统，“上涨空间不是特别大，但搞砸的下行风险基本上是无限的。”

因此，对于要求极高精度的核心系统，纯AI代码代理短期内难以完全颠覆。

护城河重塑与模型算账逻辑：打破“商品化”迷思

AI时代，企业传统的护城河被彻底颠覆了吗？Anish对此予以否认。

他认为，绝大多数传统护城河——如网络效应、规模效应、品牌效应，在充裕且低成本的智能时代依然坚固。Anish称：

真正受到致命威胁的是“集成护城河”（Integration moat）。Anish以SAP为例：

在企业如何选择大模型的问题上，Anish提出了一个极具操作性的“ROI算账模型”：按业务的“价值上限”来区分。

对于销售、产品等“收益无上限”的岗位，企业应毫不犹豫地使用最顶级的闭源模型（Frontier tokens）。“为了哪怕聪明1个IQ点的模型，支付任何价格在经济上都是合理的。”

因为你无法预估一个新产品功能或签下一个大客户能带来多大收益。

对于财务、HR等“收益有上限”的后台岗位，最佳状态是“准确”。“你不可能把账本关得比‘准确’还要好10倍。”

因此，使用经过强化学习微调的开源模型，追求成本效率曲线的最优解，才是理性的经济行为。

与此同时，Anish坚决反对“模型商品化”的论调。他指出，模型已经出现了领域专长甚至“性格特征”的分化。

例如，OpenAI的新模型非常擅长知识工作，Claude偏向软件工程；有些模型表现得高度神经质且刻板（适合会计），有些则更加开放和具有创造力（适合设计）。

应用层之争：大模型厂商为何不“向上做应用”？

随着基础大模型能力的不断进化，市场曾普遍担忧大厂会直接吞噬应用层。但实际情况正相反。

Anish称：

Anish解释道，推理的工作负载是高度同质化的，容易建立规模壁垒；而应用层涉及到极其复杂的定价、包装和满足客户异质性的需求，这是一项极其沉重的运营开支（Opex）业务。

“把‘智能原语’转化为信用合作社等特定行业的经济成果，需要完全不同的产品形态。”

Anish表示，这正是应用层创业公司的巨大机会，他们可以将单一的AI能力，通过产品和商业模式的封装，转化为垂直行业的解决方案。

C端应用的“文艺复兴”：迎接高客单价的“奢侈品软件”

在沉寂了近三年后，Anish认为，AI的C端应用迎来了真正的突破口。

过去阻碍C端爆发的核心痛点在于高昂的边际成本和获客成本（CAC）。Anish透露了自己尝试开发X应用的数据：

但现在，低成本、高性能的开源大模型改变了这一现状。加上极高的用户支付意愿，C端市场正在经历类似“2009年iPhone发布时的圣诞节”。

Anish认为：

Anish提出了一个引人瞩目的概念——“软件界的爱马仕铂金包（Birkin bag）”。他建议创业者思考：

在这种新范式下，创始人的画像也在发生改变。Anish观察到，现在的创业团队中“MBA越来越少，研究员越来越多。”

这类年轻的纯技术背景创始人虽然缺乏商业成熟度，但技术敏锐度极高，且没有思想包袱，“他们认为一切皆有可能。”

在资本端，这也解释了为何现在会出现上亿美元的超大种子轮——有了AI工具的杠杆，少数顶尖人才配合充足的资本，足以覆盖过去需要庞大团队才能完成的产品矩阵。