AI, Infrastructure, and the Next Investment Cycle

a16z 最新报告：全球前十大市值公司有八家是美国科技公司，超大规模云厂商 2026 年资本开支将达 7800 亿美元，但 AI 在企业里的深度使用率只有 2%。

所有人都在问同一个问题：AI 到底是不是泡沫？a16z 增长团队翻出 25 张图表给出一个反直觉答案——股价涨了 20%，估值倍数反而跌了 20%，这轮上涨靠的是真金白银的盈利，不是讲故事。但另一面，企业里真正把 AI 用起来、能追踪到效果的只有 2%。这个巨大的落差，就是接下来几年最大的机会窗口。

a16z 的判断是：这轮上涨和 2000 年互联网泡沫长得完全不一样，因为钱是赚出来的，不是估值吹出来的。

• 股价涨 20%，估值倍数反而跌 20%。标普 500 的市盈率不到 20 倍，而一些存储芯片公司只有 6-7 倍前瞻市盈率，说明上涨由盈利驱动，不是靠倍数扩张。
• 超大规模云厂商 2026 年资本开支约 7800 亿美元，2025 年是 4160 亿，2027 年起预计每年超 1 万亿。微软、谷歌、亚马逊三家的云业务未交付订单合计约 1.7 万亿美元。
• 算力需求已经"爆表"：OpenAI 两周前被迫暂停 Pro 套餐新订阅，连 2000 美元/月的高价服务都供不应求；数据中心供应链有些材料和产品要排到 2028 年才能拿到。

真正有意思的数据在这里：装是装了，但用得很浅。

• 标普 500 公司中 69% 有 AI 部署，但能量化影响的只有 30%，能长期追踪效果的只有 2%。大多数企业的 AI 接触面还停留在微软 Copilot。
• 重度用户和普通用户差距悬殊：前 1% 用户的 AI 支出约是前 10% 的 8 倍，几乎等于第 2 到第 10 名的总和。a16z 自己投的 AI 原生公司里，头部用户每月花 7500-9000 美元，中位数只有 200-400 美元。
• 已经有可量化的案例：Chime 靠 AI 把服务成本四年累计降了近 50%；Shopify 的 AI 助手让新商家 15 天内做到 5 单的比例提升了 8%；ServiceNow 报告 AI 年化合同额超 10 亿美元，智能体部署量增长 9 倍。

模型调用越来越便宜，让很多过去因为太贵而做不了的事变得可行。

• OpenRouter 上的智能体 token 用量增长 14 倍，因为智能体完成任务要多次调用模型。Hebbia 用缓存技术后，金融对话类任务的运行成本降了 10 倍。
• Databricks 的智能路由能自动为每个任务挑合适的模型，解决问题更多，成本比用最强单一模型低 35%。Elise AI 微调小模型后成本降 60%，延迟也大幅下降，实时语音场景才变得可行。
• 消费端也才刚开始：只有略超 2% 的美国家庭付费订阅 AI，而亚马逊 Prime 有超 2 亿家庭、Netflix 有 7000 万。AI 订阅的留存曲线罕见地"微笑"——产品变好，用户还会回来。

"AI 可以很懂这个世界，但对你的公司几乎一无所知。"——Databricks 的 Ali Ghodsi 谈应用层的价值所在。

• 如果你在做企业 AI 产品，盯住那个 2%：从"装上了"到"能追踪长期效果"之间的鸿沟，就是产品要填的坑。先帮客户把 AI 嵌进每天都要跑的固定流程，而不是再加一个一次性试点。
• 成本下降正在重划可行边界。路由 + 缓存 + 微调这三招已经被验证能把成本砍掉 35%-60%，值得直接抄进自己的推理架构里，把省下的钱换成更多能跑的任务。