a16z报告:AI繁荣由少数头部用户、企业与基金集中支撑

a16z报告:AI繁荣由少数头部用户、企业与基金集中支撑

N
News Editor
2026-10-05 10:30:57
基于 a16z《State of Markets II》及 Block Analytics Ltd X Merkle 3s Capital 的解读,AI 在收入、算力和资本开支层面持续升温,但实际收益并未平均扩散。报告显示,token 需求增长几乎全部由前 1% 用户驱动,近七成标普 500 公司称已使用 AI,但只有约 2% 持续追踪效果指标。软件估值、风投回报和创业公司增长也呈现同样的头部集中结构。

作者:Block Analytics Ltd X Merkle 3s Capital。本文内容参考 a16z《State of Markets II》(2026 年 9 月,David George)。

a16z报告:AI繁荣由少数头部用户、企业与基金集中支撑 2

过去一年,美股盈利增长中的约四分之三来自科技公司。AI 的收入、算力和资本开支几乎每个季度都在刷新纪录,但落到个人工资、生意和账户上的体感,多数人并不明显。Block Analytics Ltd X Merkle 3s Capital 在解读中提出,这种「宏观很热、微观偏冷」并不矛盾,问题出在平均数掩盖了分化。

同一份报告里的冷热两面

a16z 这份 90 页报告开篇把科技称为「万物周期」,将科技定义为整个经济的发动机,而不只是一个行业。报告认为,AI 基础设施建设贡献了美国绝大部分新增建筑开支和蓝领岗位增长。

这轮建设的出资方也高度集中。报告指出,几家超大规模云厂商用利润承担了绝大部分资本开支,自由现金流因此大幅下滑,预计要到 2028 年前后才会恢复;现金缺口则由债券市场补上。换句话说,AI 基建的主要账单压在少数几家巨头身上。

盈利端同样火热。按报告算法,截至 2026 年 8 月,标普 500 盈利增长中约四分之三来自科技公司,科技公司的盈利增幅接近非科技公司的 4 倍。报告还强调,这一轮上涨并不像泡沫,科技股估值倍数比 5 年均值低约两成,股价上涨主要由盈利推动,而不是情绪推动。

散户也在参与。报告第 13 页提到,散户仍是推动市场的重要力量,杠杆和追涨放大了波动。与当年围绕「网红股」的交易不同,这一轮散户买入的是共识主题,也就是同一个 AI 叙事。

但报告第 27 页同时写道,「需求很旺,但还很早」。近七成标普 500 公司表示自己在使用 AI,约三成能报告可量化影响,只有约 2% 在持续追踪效果指标。报告对这组数据的评价是:采用很广,但很浅。

热和冷来自同一份报告、同一批作者、同一个月份。解读文章认为,两者并不冲突,冲突的是用平均数去理解它们的方式。

前 1% 用户撑起了大部分 AI 使用强度

报告第 32 页给出了解读文章认为最关键的一句话:token 需求的增长几乎全部由前 1% 的用户驱动。这里的 token 是 AI 模型处理文字的计量单位,可以粗略理解为 AI 读写的「字数」。一个人或一家公司消耗的 token 越多,说明它让 AI 完成的工作越多,因此 token 用量可以反映真实使用强度。

报告说的不是前一半,也不是前 10%,而是前 1%。解读文章据此认为,AI 当前的总量增长,本质上是极少数重度用户把曲线拉陡。

企业层面的数据把这种差距画得更清楚。报告引用 OpenAI 企业使用数据,对 2025 年 4 月至 2026 年 6 月的企业按 token 用量排序。前 10% 的企业被定义为「前沿企业」,中间 10% 为「典型企业」,并以 2025 年 4 月典型企业的用量记为 1 倍基准。

到 2026 年 6 月,前沿企业的输出 token 增长到约 17 倍,典型企业只有约 2 倍,两者相差 8.3 倍,而年初这一差距还只有 2.6 倍。2025 年 10 月以前,两条曲线走势接近;10 月以后,前沿企业曲线明显陡升,典型企业则接近走平。报告给这一页的标题是「重度用户正在甩开其他人」。

分行业看,形状没有变化。信息业前沿企业增长到 32.5 倍,典型企业为 2.8 倍,差距 11.7 倍;金融保险业差距为 6.7 倍;专业与科技服务业差距为 7.7 倍。解读文章指出,没有哪个行业例外,每个行业内部都在分化。

差异不只体现在用量,也体现在用法。插件和技能类工具可以让 AI 接入公司内部系统,并按固定流程重复执行任务。在前沿企业中,这两类工具的周活跃占比分别为 21% 和 19%;在典型企业中,分别只有 9% 和 3%。这意味着前沿企业不只是用得更多,而是已经把 AI 接进了业务流程。

家庭端的数据则更冷。2026 年年中,美国只有约 2.2% 的家庭为 AI 付费,付费家庭平均每月支出约 31 美元。按这个口径,100 个美国家庭里约有 98 个还没有为 AI 付费。报告对消费端的判断是,一切才刚刚开始。

在这种情况下,token 需求为何还能呈现抛物线式增长?报告给出的答案是智能体。智能体是能够自行拆解任务、连续调用模型完成工作的 AI 程序。随着模型成本下降,智能体的经济性提高,token 用量随之成倍增长。报告将这一现象称为杰文斯悖论:某种资源越便宜、越高效,总用量反而越大。

不过,解读文章补充说,把这批更便宜的智能体大规模用起来的,主要还是同一批重度用户。智能在变便宜,但会用便宜智能的人并没有同比例增加。

这批重度用户的影响已经外溢到整个市场。报告指出,需求暴涨正在推高算力价格。按报告引用的租金数据,即便是已经使用 4 至 5 年的旧 GPU,租金与一年前相比也几乎没有下降。解读文章据此认为,前 1% 的用量正在给整个市场的算力定价。

企业 token 用量和家庭付费比例属于不同口径,不能相加,也不能互相换算,但两者呈现出相同形状:少数人站在曲线最陡的位置,大多数人仍停留在起点附近。

公司层:说在用 AI,不等于已经赚到钱

回到报告第 27 页的三个数字,把它们排成漏斗会更直观:近七成公司说自己在用 AI,约三成能报出可量化影响,只有约 2% 在持续追踪效果指标。每往下走一层,公司数量都会明显减少。

所谓持续追踪效果指标,是指公司定期测量 AI 带来的收入、成本或效率变化,并持续跟踪。如果没有这一步,「在用 AI」仍停留在表述层面,无法进入账本。

报告第 28 页用整页列出回报案例,标题是「AI 回报的轶事数据随处可见」。这些案例均来自公司财报或公开发言,口径为 2026 年第二季度。解读文章列出其中四个代表性案例:

  • 微软的 Microsoft 365 Copilot 付费席位超过 3,000 万个。
  • ServiceNow 的 AI 年合同额在 2026 年第二季度突破 10 亿美元,智能体部署量 9 个月增长 9 倍。
  • Meta 的广告模型让 Facebook 上的对话量提升 15%,自动投放工具带来 13% 的增量购买。
  • 亚马逊和沃尔玛都表示,使用 AI 购物助手的顾客每单多花约 40%。

这些数字都来自头部大公司,包括微软、Meta、亚马逊、沃尔玛和 ServiceNow。解读文章指出,报告能拿出的回报案例几乎全部来自大型公司,而一家中位数公司用 AI 赚了多少,报告并没有给出答案。

那么,阻碍其他公司的是成本吗?报告认为不是。按一家国际咨询机构的调研口径,只有约五分之一的受访企业认为成本限制了 AI 采用。报告还提到,云计算普及到第二年时,大约占企业 IT 预算的 4%,而今天 AI 支出的占比还低于这一水平。

报告据此得出结论:企业 AI 支出仍有很大增长空间。解读文章认同这个方向,但认为如果钱不是瓶颈,瓶颈更可能在「会不会用」。前沿企业已经把 AI 接进流程,并量化结果;典型企业还停留在让员工各自尝试的阶段。预算可以很快批下来,流程改造却需要逐项推进,这也是漏斗越往下越窄的原因。

大公司在这件事上天然更有优势。它们拥有现成数据、能够改流程的工程师,以及足够大的业务体量。同样是把转化率提高 5%,放在大型平台上会形成可观收入,放在小公司里则未必能覆盖 AI 账单。

就业数据也指向同一方向。报告第 31 页标题为「AI 强度带来更多招聘,尤其是软件工程师」。在 AI 使用强度高的公司,初级岗位占比上升约 1 个百分点;在 AI 使用强度低的公司,初级岗位占比下降约 0.5 个百分点。这个结果与「AI 抢走饭碗」的流行说法相反,但同样体现出分化:用得深的公司在扩张,用得浅的公司在收缩。

解读文章给普通读者的结论是,下次看到「某公司 AI 收入破纪录」时,先看它是不是漏斗底部那约 2%。对大多数公司来说,AI 目前仍更多写在成本栏,而不是收入栏。

软件层:同样是软件,估值差出三倍多

2026 年初,美股软件板块经历了一轮被市场称为「SaaS 末日」的抛售。SaaS 指按月或按年收取订阅费的云端软件。市场当时的担忧很直接:AI 会不会吃掉这些软件公司的饭碗。

报告给这一章起名为「与其说末日,不如说是『证明给我看』」。解读文章认为,这意味着市场并没有抛弃软件行业,而是在要求每家软件公司证明自己在 AI 时代仍然有用。

股价最先体现分化。2026 年 1 月至 8 月,网络安全股上涨 85% 至 90%,横向 SaaS 股下跌 28% 至 30%。这里的横向软件指各行各业都能使用的通用工具,例如办公协作软件;垂直软件则是面向单一行业深度定制的软件。报告给出的防御力排序是:网络安全强于垂直软件,垂直软件强于横向软件。

a16z报告:AI繁荣由少数头部用户、企业与基金集中支撑 3

估值分化更明显。报告第 59 页按一家头部资管机构口径,列出 2026 年上半年企业价值/过去 12 个月收入倍数中位数:

  • 云、数据与 AI 基础设施软件:9.1 倍
  • 安全与身份软件:6.8 倍
  • 垂直软件:4.6 倍
  • 消费与交易平台:4.0 倍
  • 横向软件:2.7 倍

最高和最低之间相差三倍多。若与各自历史峰值相比,差距更大:基础设施软件的峰值为 17.9 倍,目前约回落一半;横向软件峰值为 12.3 倍,目前已回落近八成。解读文章据此写道,在同一轮下跌中,有的软件只是降温,有的软件则被重新定价。

决定倍数的主要因素仍是增长。报告第 5 节图表显示,收入增速在 20% 至 40% 的软件公司,前瞻倍数为 9 至 13 倍;增速在 10% 至 20% 的公司,前瞻倍数只有 4 至 5 倍。前瞻倍数采用未来 12 个月预期收入口径,与前述过去 12 个月收入倍数不能直接比较,但方向一致:增长越快,倍数越高。

问题在于,高增长的软件公司越来越少。约四分之三的上市软件公司已经盈利,只有约三成增速超过 20%。整个行业用增长换来了利润。报告的说法是,如果一家公司仍然保持高增长,它的倍数「依然相当不错」。

报告同时强调,软件公司的基本面一直较稳,收入增长和经营效率几乎没有恶化。因此,市场并不是在惩罚「软件」这个行业,而是在惩罚没有增长、也没有护城河的软件。这里的护城河,指的是让竞争对手难以抢走客户的长期优势。

报告在这一节最后留下一个开放问题:软件会不会像纸媒一样被新技术淘汰,还是 AI 会像涨潮一样抬高所有软件公司的回报率。报告没有给出结论。解读文章的理解是,两种结果可能同时存在,只是落在不同公司身上。市场不再为「软件」两个字付钱,而是为增长付钱。

风投层:漂亮回报主要由前 10% 基金拉动

报告第 68 页的标题是「幂律依旧,而且更甚」。幂律指一种极端集中的分布,极少数个体拿走绝大部分结果。风投行业长期相信幂律:一只基金投 30 家公司,往往只靠其中一两家赚回全部本金和利润。

在公司端,最值钱的未上市公司比以往任何时候都更大,上市时间也更晚。报告的说法是,它们正在「跳过小盘股,直接成为巨头」。这意味着价值创造越来越多地发生在一级市场,等到这些公司上市时,普通投资人能够参与的涨幅区间已经缩短。

二手份额市场也反映出同样的集中趋势。这个市场是投资人之间转让未上市公司股份或基金份额的市场。报告指出,该市场几乎没有折价,最好的公司甚至仍以溢价成交。解读文章据此总结,钱不是不够,而是集中挤向了少数几个名字。

基金端的分化更大。报告引用 Carta 的基金数据,显示同为 2024 年份的风投基金之间差距极大:

  • 头部 10% 的基金,净 IRR 约 40%。
  • 中位数基金,净 IRR 约 -3%。
  • 后 25% 的基金,净 IRR 约 -15%。

报告第 71 页写道,头部 10% 基金与其余基金之间的差距「从未如此之大」。一边是年化约四成回报,另一边是中位数略亏。把它们放在一起求平均,并不能代表任何一只真实基金。

另一个更直接的指标是 DPI,也就是已返还给投资人的现金除以投入本金,衡量的是实际到手的钱。报告显示,2021 年以后成立的基金,DPI 中位数约为 0。这意味着这批基金中有一半以上还没有向出资人返还任何现金。

IRR 包含账面估值,DPI 只计算已兑现现金。解读文章据此指出,风投行业漂亮的回报大部分仍停留在账面上,而且主要属于头部基金。

这件事并不只和专业投资人有关。风投基金的出资人中,很多是养老金、大学基金和保险公司。账面回报要变成现金,需要公司上市或被收购,而前面已经提到,最好的公司上市越来越晚,因此现金回流也会更晚。

解读文章还特别提醒,a16z 本身就是头部风投基金之一,这份报告由站在曲线最高处的机构写成。这并不意味着数据有误,但读者需要记住作者所处的位置。

创业层:新公司冲得很快,老独角兽在和时间赛跑

报告第 73 页先给出一个例外:在零利率时代结束后,创业公司和上市公司一样,普遍开始用增长换利润,但最近成功融到资的公司,增速仍与零利率高峰期持平,甚至更快。原因很简单,没有高增长,就拿不到下一轮融资。

增长主要集中在最年轻的公司。按 Stripe 支付数据口径,成立不到 1 年的 SaaS 公司收入增速在 500% 以上,高峰时一度超过 600%;成立 1 年以上的公司,增速从约 30% 降到约 20%,之后回升到约 20% 至 25%。报告用这组数据反驳「SaaS 末日」,指出软件收入在新的一年反而加速,但同一张图也说明,最高增速属于刚成立的公司。

解读文章据此写道,一家公司熬过第一年后,增长曲线往往就会从陡坡变成缓坡。

报告第 75 页将新一代独角兽形容为「更大、更快、更年轻」。独角兽指估值 10 亿美元以上的未上市公司。报告认为,新一代 AI 公司用更短时间、更少人数做到了更大的收入。

但存量独角兽的处境完全不同。按硅谷银行口径,2026 年美国独角兽中,约四成收入增速在 0% 至 20% 之间,约一成半处于负增长,过半公司的现金 Runway 不足 2 年。现金 Runway 指按当前烧钱速度,账上现金还能支撑多久。

Runway 不足 2 年,意味着这些公司很快就要再次融资,而一轮融资从启动到到账通常需要数月时间。如果增速只有 0% 至 20%,它们很难拿出投资人想看到的增长故事。

融资本身也在向少数公司集中。报告第 74 页用一句话概括这个周期:更少的基金,用更大的支票,投给更少的公司。这些公司越来越多集中在硅谷,而且几乎全部与 AI 相关。

报告还指出,资金流向的行业正在变化。除了企业软件和消费应用,法律、会计等服务业,以及半导体、电力、国防等重资产行业也开始获得风投资金。但赛道变宽,并没有改变资金集中的方向。

因此,创业层的分化不只发生在 AI 公司和非 AI 公司之间,也发生在新公司和老公司之间。新公司在头部起飞,老独角兽中则有相当一部分正在和时间赛跑。

五层数据指向同一种结构

解读文章最后把五层放在一起:企业层,前沿企业的 token 产出是典型企业的 8.3 倍;公司层,近七成在用 AI,但只有约 2% 在持续追踪效果;软件层,基础设施软件估值倍数是横向软件的三倍多;风投层,头部基金与中位数基金的回报差距创纪录;创业层,新公司增速超过 500%,而过半老独角兽现金 Runway 不足 2 年。

token 用量、估值倍数和基金回报属于完全不同的指标,不能相加,也不能互相换算。但它们呈现出相同形状:每一层都是少数头部撑起整体。

报告也提到,头部集中可能只是早期现象,其他参与者最终会跟上,或者被甩在后面。解读文章认同这种可能,并指出互联网和云计算都经历过从头部扩散到大众的过程。但「最终」没有日期,在扩散真正发生之前,同一个数字究竟描述的是头部还是大多数,会导向完全不同的结论。

基于这一点,解读文章提出三个判断问题:这个数字说的是头部还是中位数;说的是「在用」还是「在赚」;说的是账面还是到手现金。文中举例称,如果一条新闻写着「AI 让企业效率提升 30%」,就需要先问清楚,它统计的是前沿企业还是所有企业,衡量的是员工使用时长还是公司新增利润,这笔钱已经进入利润表还是仍停留在预测中。

文章没有给出买卖结论,只给出一个判断框架:如果一个数字对应的是「头部」「在用」「账面」,那它更像是关于少数人的好消息;如果对应的是「中位数」「在赚」「现金」,它才真正与大多数人有关。

文章最后将问题收束为一句话:下次再看到 AI 的好消息,先问一句,说的是前 1%,还是你。

本文最初由 Bit.Fan 发布。 欲了解更多加密货币新闻与市场洞察,请访问 www.bit.fan.
10400

免责声明:

本平台展示的市场信息、项目资料与第三方内容仅用于行业信息分享,不构成任何形式的投资建议或收益承诺。

加密资产交易具有较高风险,用户应充分评估自身风险承受能力并独立作出决策,相关盈亏及法律责任由用户自行承担。

a16z报告:AI繁荣由少数头部用户、企业与基金集中支撑 | Bit.Fan