a16z 最新一期「Charts of the Week」把几组看似分散的数据放进了同一张图景里：资本和劳动力的重心，正在从「比特」重新转向「原子」。这份由 Moses Sternstein 撰写、深潮 TechFlow 编译的内容，围绕 ETF 主题轮动、数据中心建设、网约车与零工经济，以及 AI Agent 的使用结构变化展开。
ETF 主题几年来已明显换挡
文中提到，ETF 在公开市场中的存在感越来越强，尤其面对散户。除主题型 ETF 外，市场上还有主动与被动 ETF、指数跟踪 ETF、信用 ETF，产品类型和杠杆形式都在扩展。推动 ETF 持续增长的因素，包括低费率、低门槛、更易分发，以及更强的营销能力，同时也离不开整体散户参与度提升。
据 Citadel 的数据，ETF 净流入正走向史上最强劲的一年，其中 7 月创下历史新高。
文章认为，ETF 最擅长的一件事，就是迅速贴上市场当下最热的投资主题。更关键的是，主题切换的速度已经快到足以改写整个排行榜。
2020 年，前五大主题还包括清洁能源、新兴市场科技和医疗；到 2026 年，排行榜已经被 AI、核能、太空、国防与基建占据。原文把这一变化视作一轮围绕「原子重于比特」的资本密集型押注。至于最终结果如何，图表本身无法给出答案，但至少从主题分布看，2026 年的资金偏好已和几年前明显不同。
数据中心建设正在改写地方投资结构
在第二组图表里，a16z 把目光转向数据中心。文中称，虽然不少投资者愿意把数据中心装进自己的 ETF 组合，但对数据中心落在自家附近这件事，态度却未必一致。不过从经济层面看，数据中心已是一些州非常重要的建设项目，甚至可能成为当地最重要的单项经济脉冲之一。
以非住宅类建筑支出来看，新墨西哥和怀俄明在建数据中心容量都不足 3 吉瓦，但由于两州整体建设活动规模本就不大，数据中心已占到私人非住宅建筑支出的约 60%。对宾夕法尼亚这样的更大州而言，约 3 吉瓦的数据中心也接近非住宅支出的 30%。得州在建容量虽然大得多，但占总支出的比例约为 10%。
文中援引富国银行（Wells Fargo）的梳理称，自 2024 年以来，已经有数据中心投运的县，在多项指标上的表现更好，包括住房更多、房价更高、失业率更低、就业增长更快。对于仍在建设数据中心的县，就业表现同样更强，但新房建设回落更明显，房价涨幅也没有那么高。
文章同时提醒，这里的因果关系并不清晰。一个原因是，大量既有和新建数据中心位于弗吉尼亚州劳登县，而该县本身就是美国最富裕的县之一。另一个原因是，许多新建项目位于得州，而得州在 2024 年之前经历了历史性的住宅建设和房价上涨，因此之后的住房回落，是从更高基数开始的。
尽管如此，文中仍强调了一点：数据中心建设几乎必然有利于就业。除建设期带来的大量岗位外，其薪酬也显著高于同类雇主。
据 Indeed 的数据，数据中心相关岗位的工资溢价最高可达 64%，对应职位是设施经理；即便是溢价最低的电气工程师，也有 10% 的工资溢价。
达拉斯联储（Dallas Fed）一份报告中的近期评论，进一步说明了这种薪资拉动。一家重型工业建筑承包商表示：「我们一直给熟练混凝土工人开出自认为很有竞争力的工资，每小时 28—32 美元。而数据中心开出的价是每小时 45 美元，外加每天 150 美元的补贴。」
按原文计算，这意味着数据中心给混凝土工人提供的工资溢价约为 50%。
ADP 的数据也呈现出类似方向。若以跳槽者相对留任者的工资增长差来观察劳动力需求热度，建筑、制造以及自然资源/采矿业的跳槽工资增长高出 6—9.5 个百分点，明显高于其他行业。文章借此指出，拒绝数据中心，不只是拒绝一个项目，也可能意味着放弃蓝领工人更高的工资和周边一轮可观的投资支出。
Uber 车费自 2024 年以来上涨约 20%
第三部分聚焦网约车价格。文中称，如果用户感觉最近打 Uber 更贵，这种感受基本符合数据。
据 Gridwise Analytics 的数据，自 2024 年以来，Uber 的平均票价和中位票价都上涨了约 20%，而且仍在继续走高。
同期，Lyft 的走势不同。其平均和中位车费比 2024 年初略便宜，整体比 Uber 低约 24%，虽然近期也出现上涨。
文章把平台费用上升视作 Uber 票价抬升的重要来源之一，尤其是在 Uber 一侧更为明显。过去一年多里，Uber 的平台费用持续走高，其中中位费用在 10 月出现明显跳升；相比之下，Lyft 的平台费用在经历一段较大幅度下滑后，才开始回升。
票价更高，受益方并不只有平台。文中写道，Uber 和 Lyft 司机的单次行程平均毛收入自 2024 年以来也在持续上升，近期达到历史新高。
长期看，更高车费是否会压制需求，原文认为还需要继续观察；但就当前数据而言，车费上涨带来的收益，正在同时流向平台和司机两端。
零工经济里，社交电商增速最突出
文中提到，尽管整体招聘市场依旧疲软，但除了更多人选择自己创业，也有更多人进入零工经济，部分原因可能与收入上升有关。不过，网约车并不是增速最快的零工类别。
据美银（BofA）客户账户数据，在各类零工中，除度假租赁外，多数类别都在增长，其中社交电商的增幅超过 30%，远高于其他类别，尽管其基数更小。
对于社交电商为何突然走强，原文并未给出定论，只列出了几种可能：媒介消费从电视向社交平台转移，叠加更广泛的电商增长；AI 降低了运营社交媒体版 QVC 的其他成本；或者广告定向能力变得更强。这一部分在原文中被明确写成推测，而非确定结论。
AI Agent 仍早期，但 token 消耗已接近人类 5 倍
最后一部分转向 AI 使用结构。文章称，虽然整体 AI 需求都在增加，但增长分布并不均匀。中位用户和重度用户之间的差距很大，而 OpenAI 近期数据表明，这一分化还在扩大。
从企业维度看，典型企业的 token 输出大致翻倍，但头部 10% 企业的增速更快。跨所有行业，典型企业与头部 10% 企业之间的 token 产出差距约为 8 倍；后者自 2025 年 4 月以来产出增长逾 17 倍。信息行业的差距更大，接近 12 倍，头部 10% 企业的 token 产出达到一年多前的 32.5 倍。
重度用户之所以能生成更多 token，文章认为并不是因为聊天更多，而是它们更早转向了更复杂的 AI 工具。头部 10% 企业对插件和 Skills 的采用率，分别约为典型企业的 2 倍和 6 倍，尽管即便如此，它们距离 OpenAI 内部的采用水平仍有差距。
若用 Codex 采用率衡量使用成熟度，法律从业者表现最突出。文中称，法律行业的 Codex 采用率自 2026 年 2 月以来增长了 108 倍。至于这一变化有多少来自更广义的 Codex 推广，原文认为仍可商榷，但法律行业在各群体中最为显眼。
更复杂的采用方式，也在改变 token 消耗的结构。根据 OpenRouter 以及图表作者 Peter Walker 的数据，真正部署完整 Agent 的 AI 使用者占比仍然不高，但 Agent 消耗的 token 几乎是人类的 5 倍，自 2 月以来增长约 14 倍。
同样据 OpenRouter，超过 85% 的 Agent token 消耗来自缓存提示词，而缓存 token 几乎构成了 token 用量相对增长的全部。原文解释称，人类更偏向「提问—回答」式交互，Agent 则围绕某个目标不断迭代。初始提示中往往含有 token 密集的预填充内容，后续再以增量方式持续读写，并把更多内容加入缓存。
文章指出，缓存 token 比预填充便宜得多，这使 Agent 的经济性更强，但同时也更消耗内存。原文借此解释了为何高带宽内存需求升温：大量持续运行的 Agent 需要内存支撑，而不是在每个周期都从头开始。
另一个潜在影响是，Agent 可能正在削弱传统自动化和工作流工具的需求。根据 Similarweb 的数据，除 Gumloop 外，多家自动化工具网站流量持续下滑。N8N、Zapier 和 Make 都早于 LLM 出现，按访问量看也仍主导自动化板块，但在滚动 12 周口径下都出现了两位数下滑。相比之下，Gumloop 于 2023 年以「AI 原生的 Agent 构建器」定位推出，是 Similarweb 数据中唯一仍在获势的平台。
原文最后写道，现在就判断 Zapier 这类产品的结局还为时过早，毕竟它们本身也在引入 AI；但 Agent 虽然刚起步，已经开始以实质方式改变原有格局。
