#模型时代# AI原生化、吃掉劳动力、围墙花园：a16z的三个投资主题
a16z应用基金合伙人Alex Rampell与团队在2026年初的内部分享会上，系统阐述了他们对AI应用投资的完整思考框架。这次分享的核心观点是：AI应用正在创造软件史上最大规模的价值转移。
一、产品周期驱动增长：AI是第五次平台浪潮
Alex开场借用了Chris Dixon十几年前的框架：技术产业的增长由产品周期驱动。从PC到互联网、云计算、移动互联网，每一次浪潮都诞生了基础设施层和应用层的标志性公司。
1、每次浪潮的规律是一致的
基础设施层先行，应用层随后爆发。PC时代是微软和苹果打底，Lotus和Adobe在上面开花。互联网是Cisco和Akamai做管道，eBay和Amazon做交易。云计算是AWS撑起半个Amazon市值，Shopify、Workday在上面长出来。移动互联网把超级计算机塞进每个人口袋，地球上绝大多数人现在都有智能手机。
2、AI浪潮的独特之处在于叠加效应
Alex说："如果我们没有智能手机，没有云计算，只有1946年的ENIAC，AI也挺酷的。但现在地球上80亿人大多数都有智能手机，新技术的采用速度前所未有。"这一轮AI的爆发建立在之前所有基础设施的积累之上。
3、企业采用已经在发生
有MIT论文说大多数企业AI部署没什么用。Alex说他们看到的完全相反。信用卡费用管理公司Ramp的数据显示，2025年1月企业AI支出出现明显拐点。这些不是创业公司，是几千员工、想走在技术前沿的中型企业。
二、人类行为的底层逻辑：更懒、更富
Alex抛出了一个贯穿全场的判断框架：所有人想要两样东西：更富、更懒。 做更少的工作，获得更多的经济价值。这就是GenAI的核心价值。
1、ChatGPT使用数据印证了这一点
Alex举的真实例子：他妻子用ChatGPT扫描了加州和联邦法律，发现校车司机"不能开门"的说法是编的，然后AI帮她写了一封礼貌的投诉信。学校道歉了。
"这是无限多的使用场景。"
2、每用户使用时长在暴涨
美国用户的AI使用分钟数增长曲线陡峭。随着工具越来越好、解锁的场景越来越多，这条曲线会继续上扬。
3、从"魔术"到"必需品"的转变
两年前ChatGPT刚出来，还只是文本和图像，没有实时语音交互。现在回看，进步惊人。Alex说他们内部开玩笑：图灵测试、AGI的定义，我们一直在移动门柱。如果把现在的AI展示给10年前的人看，他们会觉得这东西比人聪明。
三、三大投资主题
Alex将AI应用投资归纳为三个核心主题。他用"Bingo板"的比喻来描述软件市场的竞争格局：想象一张5x5的表格，每一格填着一个软件品类——ERP、CRM、客服、支付、营销自动化、费用管理……企业运营需要的每一种软件都是一格。每一格都是一个战场，都有incumbent（在位者）把守，也都有新玩家想攻进去。
主题一：传统软件AI原生化
如果你能造时光机回到15-20年前，只投资云原生公司，你会拥有一个惊人的投资组合——Shopify、Veeva、Netsuite、Salesforce。当时的incumbent卖的是本地部署软件、预付大额license费，不知道怎么做按月订阅。他们输了。
1、Greenfield（绿地）vs Brownfield（棕地）
这是理解软件竞争的核心区分。棕地是已经有人耕种过的地——客户已经在用某个产品，你要把他们抢过来。绿地是从没人耕种的荒地——全新的公司、全新的需求，客户还没选择任何产品。
绿地机会的典型是Mercury。这家为初创公司服务的新银行，定位很清晰：你刚注册公司，需要开个银行账户、管理支出、付工资——来Mercury。它从来没有试图从硅谷银行挖走已有客户。它只做"还没选银行"的新公司。直到硅谷银行倒闭的那个周末，Mercury才第一次接收了别人的存量客户——因为那些客户突然变成了"被迫重新选择"的绿地。
2、棕地机会存在于"临界点"
Alex拿Netsuite举例。一家公司有50个员工、3个实体、2种货币，用了好几年QuickBooks。但QuickBooks处理不了多实体多币种，KPMG说该换更好的ERP了。这个"不得不换"的时刻就是临界点——客户从棕地变成了绿地。此时你可以选Netsuite，也可以选一家AI原生的新公司比如Reel，它不仅有Netsuite的功能，还能自动完成月结。
3、Incumbent会变强，但新公司仍有机会
Bill.com、SAP、Adobe、Workday都会因为AI变得更强。Workday可以开始对每个新员工收500美元做背景调查。但问题是：为什么别人不能收4.99美元？因为你被Workday锁住了——你的人事数据、薪酬数据、组织架构全在里面，换系统的成本极高。
这就是"人质vs客户"的意思。System of Record（系统级产品） 指的是那些承载了企业核心数据和流程的软件——你的ERP记录着所有财务往来，你的CRM记录着所有客户关系，你的HRM记录着所有员工信息。这些系统一旦嵌入业务，就像地基一样难以替换。Alex说他们投资的标准是：公司必须成为系统级产品，而不是可以随时被更便宜替代品换掉的小工具。
主题二：软件吃掉劳动力
这是Alex个人最兴奋的领域。Bingo板上找不到这些公司，因为以前根本不存在卖软件来做这些事的市场——这些事原本是人做的。
1、劳动力市场远大于软件市场
一个光学诊所招前台，年薪47000美元。诊所每年在软件上花多少钱？大概500美元——Microsoft Office加Squarespace。如果你能用软件完成这个岗位8项职责中的5项，诊所会买这个软件吗？会的。他们不会付47000美元，可能也不会只付500美元，但付20000美元完全可能。
这就是AI打开的新市场：当成本降到价值线以下，原本不存在的交易就会发生。
2、案例：Eve（原告律师AI）
David介绍了Eve这家法律AI公司。在美国，律师分两边：一边是defense（辩护方，通常代表公司），一边是plaintiff（原告方，通常代表个人）。原告律师采用contingency模式（风险代理）——只有赢了才收钱，收的是赔偿金的百分比。所以他们极度挑剔案源：每收到100条线索，可能只接1个案子，因为接案就是在投入时间和精力。
这个业务特性让AI的价值格外突出。如果是辩护方律师，初级律师效率提高50倍，意味着能向客户收的费用反而少了。但原告律师效率提高5倍，意味着能接的案子多5倍，收入也能多5倍。
Eve的产品逻辑是端到端工作流所有权：
• 语音Agent收集客户证据，支持50种语言
• AI筛选医疗记录、雇佣文件
• 基于历史案件数据预测案值（"这个案子可能值5万，那个可能值500万"）
• 自动生成医疗时间线、索赔函、起诉状
关键护城河在于数据：Eve积累的案件结果数据是不公开的，大模型训练不到。这些数据反哺到intake环节——intake就是律所接收新案源、决定接不接的流程——让系统越用越准，能告诉律师"根据我们平台上所有案件的特征，这个案子有这三个变量，可能值更多钱"。
Eve的增长数据惊人：2年内从接近0跑到3000万美元收入。David说市场拉动力比预期还强。
3、案例：Salient（汽车贷款催收AI）
Salient做汽车贷款服务和催收。Alex问CEO Arya：为什么你会赢，假如出现一家叫Taliant的竞争对手呢？
Arya的回答有几个要点：
• 他们不是卖"省钱"，而是卖"多收50%"。前者是成本故事，后者是收入故事。客户听到"省钱"会考虑一下；听到"多收50%"会立刻签约。
• 催收是痛苦工作：被骂、被拒、保险公司让你等四小时听烂音乐。一家5000万美元年收入的呼叫中心，员工年化流失率40-70%，不是因为被开除，而是没人愿意干这活。
• AI知道在密苏里该说什么、在加州该说什么、在爱荷华该说什么，还能用21种语言说。人类催收员记不住所有州县的法规细节。
• Salient有专门产品抓取各州法规更新，从法案提出阶段就开始跟踪。
"最好的公司拥有人质，不是客户"——Salient正在成为客户的系统级产品，不是一个可以随便换掉的语音widget。
4、AI不是在消灭工作，是在做原本不存在的工作
1789年，98%的美国人是农民。拖拉机让一些人失业，但人类没有消失，只是去做了别的事。"产品经理"这个职业75年前不存在，"软件公司的设计师"在1800年毫无意义。
Alex说他们看到的大多数案例不是"取代人"，而是"做人不愿意做、做不了、或者成本算不过来的事"。没人会雇一个人凌晨2点接电话。但AI可以。
主题三：围墙花园（Walled Garden）——专有数据护城河
Alex用了一个比喻：OpenAI是一个蔬菜农场，卖token给应用开发者。但后来OpenAI说，既然这么多人来我们农场，干脆在农场里开餐厅吧。餐厅老板慌了：你一边卖我蔬菜，一边跟我抢生意？
围墙花园策略的核心是：找到一个数据源，只有你有，然后用AI把原材料变成成品。
1、专有数据的逻辑古已有之
FlightAware收集全球飞机的ADS-B转发器信号数据。这些数据理论上是公开的——马航失联事件后，所有飞机都必须装转发器广播位置信息，你可以在Amazon买个天线自己收。但FlightAware有上百个天线遍布全球、多年积累、系统化处理。你问ChatGPT"UA123航班现在在哪"，它答不上来。
PitchBook知道1992年一家公司的B轮估值是多少。Ancestry.com从摩门教会买了族谱数据。Bloomberg有各种exotic金融数据。Co-Star有商业地产数据。这些东西ChatGPT都没有。
2、AI让专有数据的价值暴涨
以前卖原材料：PitchBook卖订阅，每月200美元，你拿到数据，自己找分析师写memo。
现在卖成品：PitchBook可以直接给你一份关于法律科技公司过去30年融资情况的完整分析报告，收2000美元。
Alex举了三个例子：
Open Evidence：三分之二的美国医生每周使用。它独家授权了《新英格兰医学杂志》等医学期刊。你问ChatGPT撕裂跟腱怎么治，它能给个大概。但Open Evidence基于循证医学文献给你精准答案。
VLEX：一家26年的西班牙公司，创始人是西班牙人，最早的生意就是把西班牙的法律判例数字化。Wilson Sonsini这种大律所如果要查西班牙判例法——比如a16z投了家西班牙公司需要做法律尽调——就得用VLEX。加了AI之后，VLEX收入翻了5倍。原因？律师不想买VLEX订阅然后自己读判例，他们想在早上7点前收到一份完整的法律memo。VLEX能做到这件事，Harvey做不到，因为Harvey没有西班牙判例法数据。
Ask Leo：采购AI。假设你收到德勤的咨询合同，想知道能怎么还价。谁有50份其他公司跟德勤签的合同，知道哪些条款能push back？ChatGPT没有这种数据。
3、"蔬菜免费，但餐厅值钱"
很多专有数据的来源其实是免费或极便宜的：eBay上1990年代搅拌机的说明书、县政府的产权记录、YouTube频道的历史订阅数（YouTube只显示当前订阅数，不显示历史）。关键是有人去收集、数字化、系统化。
Alex最近见了一个创业者，专门收集旧电器说明书。你从哪找1999年某款搅拌机的说明书？eBay。但这种信息以前没法变现——你卖原材料最多收几美元订阅费。现在你可以围绕它做一个AI产品，收10倍甚至100倍的钱。
四、Incumbent vs Startup：谁会赢？
这是所有AI投资的核心问题。Alex的判断出人意料地乐观——他对incumbent（在位者）持乐观态度。
1、这一轮和云计算不一样
云计算时代，大多数本地部署软件厂商说"云是蠢主意"，客户也说"我不信任云，我要自己托管"。整个IT部门都抵触。所以Peoplesoft没有去做云，Workday冒出来抢了市场。
AI不一样。所有人都觉得这是好主意。 没有人会反对"每个人口袋里都有AGI"。这意味着incumbent会主动拥抱AI。
2、但绿地机会仍然存在
原因有两个：
• 新的数据机会不断涌现——以前不值钱的数据源，加上AI就能做成产品
• 成本-价值曲线的变化创造了新市场——以前只有人能做的事，现在AI能用十分之一的成本做
3、Brownfield在Bingo板上很难打
Alex明确说：他对Bingo板（传统软件品类）的棕地机会持谨慎态度。你很难让一个用Mailchimp的公司换成你的AI版Mailchimp。但如果你有专有数据，或者你在做劳动力替代，棕地反而可行，因为你不是在替换软件，你是在替换原本根本没有软件方案的环节。
六、消费者AI：同样的逻辑在C端重演
Anish接棒讲了消费者AI。三个主题在C端同样成立。
1、传统品类AI原生化
Photoshop是伟大的产品。但新一代设计师想用的是AI原生的Photoshop。Korea（一款AI设计工具）18个月内成长为年轻设计师的首选。
2、品类创造
ElevenLabs是典型案例。5年前，语音模型市场基本不存在。现在他们同时做to B和to C，因为他们选择了纵向整合。
3、专有数据
Slingshot是AI心理治疗应用。他们怎么获取专有数据？给真人治疗师提供AI笔记工具（scribe，记录员）。笔记工具收集的治疗对话用来训练模型，模型驱动一个叫Ash的消费者产品。OpenAI没有这些数据，所以Slingshot能卖出溢价。
4、为什么"模型聚合者"会赢
一个重要洞察：在很多品类，聚合多个模型比只用单一模型更好。类比航班搜索：用Kayak比只用Delta好，因为你能看到所有航司的库存。
