The State of AI: Models, Moats, and the Consumer Renaissance

a16z 合伙人 Anish 用 Grockbot 买牛仔裤：拍照、限价 500 美元，睡醒已下单。他判断 AI 是“多头赢家”时代，应用层正迎来文艺复兴。

AI 模型竞争白热化，但钱到底在哪赚？a16z 合伙人从市场宏观聊到消费应用，给出一个反直觉判断：模型不是商品，各有“性格”；应用层才是价值捕获的核心。他还透露了 Grockbot 买牛仔裤的实测体验，以及为什么现在给初创公司砸 1 亿美元可能比 2000 万更合理。

Anish 认为，拿“模型商品化”说事太简单了。不同模型像人一样，有各自的“性格”和擅长领域，企业得学会“拼盘”。

• 模型各有“性格”：GLM 系列像“自闭症患者”，只做你交代的事；Kimi K3 则“开放又爱自作主张”，适合创意工作。会计要“神经质”，设计要“开放”，所以组织里两种都得有。
• 开源模型的价值不在省钱：像 Decagon 这类公司选开源，是因为能本地化部署、微调，用强化学习在特定领域（比如客服）打造出比通用模型更聪明的“专家”，代价是牺牲通用性。
• 应用层的“聚合”价值：就像用 Expedia 比挨个上航空公司官网强，Cursor 这类产品把“规划用最强模型、执行用便宜模型”组合起来，单一模型厂商做不到这点。

智能本身是“原材料”，应用层的工作是把它变成客户愿意买单的经济结果。很多人担心 AI 会铲平护城河，但 Anish 认为大部分护城河依然坚固。

• 护城河没死：Nike 的品牌、Instagram 的网络效应，这些不是靠写代码堆出来的，AI 再强也动摇不了。真正危险的是 SAP 那种靠“集成复杂”吃饭的公司，AI 让迁移变得太容易了。
• 应用层是“脏活累活”：模型厂商更愿意向下整合做推理和算力，因为那更标准化；而应用层要面对不同客户（比如信用社）的奇葩需求，定价、包装、销售都得定制，模型厂商没这个耐心。
• AI 自动化是“循环”不是“对话”：从“提示词”进化到“模型在循环里干活”，比如报 bug、自动修复、自动上线。未来企业的价格优化、采购都能这么跑，甚至模型会建议“该在提华纳开个分店”。

消费者不愿为软件付费、没有 AI 原生分发渠道，这两大难题正在被解决。现在做消费 AI，像回到了 2009 年的 iPhone 时代。

• 个人代理开始“懂事”：以 a16z 投资的 Town 为例，它像老员工，用越久越懂你。第一天像新人，第 30 天就能替你做好决定，这种“记忆”带来的复利效应会直接体现为留存率和定价权。
• “数字原生创业者”崛起：以前不懂编程的年轻人只能当 YouTube 博主，现在靠编程代理，一个人就能做出年入 10 万甚至 100 万美元的软件生意，这是新的“夫妻店 SaaS”。
• 消费者愿意为“情感”和“省心”付费：AI 第一次能处理情感和人际领域。用户愿意为能管理生活、自动优化订阅的个人代理每月付 200 美元，而不是过去的 99 美分。

“最大的风险不再是想法太大，而是想法太小。”

• 评估 AI 应用公司时，别只看毛利率：为了换取更宽的产品覆盖面而牺牲毛利是理性的。关键看用户“愿意付多少钱”，比如从 20 美元/月到 200 美元/月，你的产品凭什么涨价？
• 给初创公司“加钱”的逻辑变了：以前钱多会毁掉公司，因为没足够人才铺开。现在资本可以买到模型和算力，1000 万美元的种子轮可能让公司做出完全不同的产品。如果你在融资，可以重新思考“需要多少钱才能建立壁垒”。