a16z拆穿AI繁荣真相：前1%的人撑起整个AI叙事

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）。

美股过去一年的盈利增长里，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。可如果你问身边的人，AI 给自己的工资、生意和账户带来了什么，多数人答不上来。宏观数据这么热，个人体感却这么冷。这两件事怎么能同时成立？

同一份报告，两个世界

先看热的一面。a16z 这份 90 页的报告，开篇就把科技称为「万物周期」。意思是，科技已经不是一个行业，而是整个经济的发动机。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。

这场建设的出钱方也很集中。报告指出，几家超大规模云厂商用利润扛下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。现金不够的部分，正在由债券市场补上。整个 AI 基建的账单，主要压在少数几家巨头身上。

盈利数据同样很热。标普 500 是美国市值最大的 500 家上市公司组成的股票指数。按这份报告的算法，截至 2026 年 8 月，标普 500 的盈利增长里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。

报告还特意强调，这一轮上涨不像泡沫。科技股的估值倍数比 5 年均值低约两成，股价上涨主要靠盈利推动。 价格是被利润推上去的，不是被情绪吹上去的。

散户也挤进了这场热闹。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。和当年炒「网红股」不同，这一次散户买的是共识主题。也就是说，大家都在买同一个 AI 故事。

再看冷的一面，报告第 27 页的标题是「需求很旺，但还很早」。近七成标普 500 公司说自己在用 AI。约三成能报出可量化的影响。只有约 2% 在持续追踪效果指标。

报告对这组数字的评价只有一句：采用很广，但很浅。热的一面和冷的一面，出自同一份报告、同一批作者、同一个月。它们并不矛盾。矛盾只出在我们习惯用平均数去读它们。

平均数会骗人。假设一个房间里有 10 个人，1 个人年收入 1,000 万元，另外 9 个人年收入 10 万元。这个房间的人均年收入是 109 万元。这个数字是真的，但它描述不了房间里任何一个真实的人。

AI 现在就是这样一个房间。报告第 32 页写得很直白：亮眼的总量数据，遮住了水面下的真实情况。增长由极少数重度用户驱动。我读到这一页时，回头把前 30 页重新翻了一遍。

换一个角度再读，整份报告的每一章都在讲同一件事。 AI 时代的钱和好处，在每一层都先流向头部。 用户层如此，公司层如此，软件、风投和创业层也如此。下面我们一层一层看。

AI 很火，但只火在少数人家里。

1% 的人，用掉了大部分 AI

先解释一个词。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」。一个人或一家公司用掉的 token 越多，说明它让 AI 干的活越多。所以 token 用量是衡量 AI 真实使用强度的好指标。

报告在第 32 页给出了全文最重要的一句话。token 需求的增长，几乎全部由前 1% 的用户驱动。这些人「才刚刚开始摸到可能性的边缘」。注意，报告说的不是前一半，也不是前 10%，而是前 1%。

企业层的数据把这句话画成了一张图。报告引用了一组企业数据，把企业按 token 用量排序（OpenAI 企业使用数据口径，2025 年 4 月至 2026 年 6 月）。前 10% 的企业叫「前沿企业」，排在正中间 10% 的企业叫「典型企业」。基准是 2025 年 4 月典型企业的用量，记为 1 倍。

到 2026 年 6 月，前沿企业的输出 token 涨到约 17 倍，典型企业只有约 2 倍。两者相差 8.3 倍，而年初这个差距还只有 2.6 倍。

这个差距不是一开始就这么大。2025 年 10 月以前，两条线走得差不多。10 月以后，前沿企业的曲线陡然上扬，典型企业几乎走平。报告给这一页起的标题是「重度用户正在甩开其他人」。

分行业看，形状一样。信息业的前沿企业涨到 32.5 倍，典型企业只有 2.8 倍，差距 11.7 倍。金融保险业两者相差 6.7 倍，专业与科技服务业两者相差 7.7 倍。 没有一个行业例外，每个行业内部都在分化。

用量之外，用法也在分化。插件和技能类工具，是让 AI 接上公司内部系统、按固定流程反复干活的扩展功能。在前沿企业里，这两类工具的周活跃占比分别是 21% 和 19%。在典型企业里，只有 9% 和 3%。前沿企业不只是用得多，而是把 AI 接进了流程。

家庭层的数据更冷。2026 年年中，美国只有约 2.2% 的家庭为 AI 付费。付费家庭平均每月花约 31 美元。换句话说，100 个美国家庭里，约 98 个还没为 AI 掏过钱。报告对消费端的判断是：一切才刚刚开始。

那 token 需求为什么还能涨成一条抛物线？答案是智能体。智能体是能自己拆解任务、连续调用模型完成工作的 AI 程序。模型越来越便宜，智能体就越来越划算，于是 token 用量成倍增长。

报告把这个现象叫作杰文斯悖论：一样东西越便宜、越高效，人们的总用量反而越大。但我们要补一句。把这批便宜智能大量用起来的，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变多。

这批重度用户的影响，已经超出了他们自己。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，即使是用了 4-5 年的旧 GPU，租金和一年前相比几乎没有下降。换句话说，前 1% 的用量在给整个市场的算力定价。

这一章出现了两种量：企业的 token 用量，和家庭的付费比例。它们口径不同，不能相加，也不能互相换算。但它们的形状相同：少数人站在曲线最陡的那一段，大多数人还在起点附近。

我自己的观察也是这样。身边说自己在用 AI 的人很多。真正让 AI 每天替自己跑流程的人，一只手数得过来。

大多数人用 AI 像用计算器，少数人用 AI 像雇了一个团队。

公司层：说在用，不等于赚到了

回到第 27 页那三个数字。把它们排成一个漏斗，会看得更清楚。近七成公司说在用 AI。约三成能报出可量化的影响。只有约 2% 在持续追踪效果指标。

每往下走一层，公司数量就少一大截。「持续追踪效果指标」的意思是，公司定期测量 AI 带来的收入、成本或效率变化，并且一直测下去。没有这一步，「在用 AI」就只是一种说法，进不了账本。

报告第 28 页用一整页列出回报案例，标题是「AI 回报的轶事数据随处可见」。这些案例都来自公司财报或公开发言（公司财报口径，2026 年第二季度）。我们挑出最有代表性的四个：

1. 微软的 Microsoft 365 Copilot 付费席位超过 3,000 万个。

2. 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。

3. 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。

4. 亚马逊和沃尔玛都说，用 AI 购物助手的顾客每单多花约 40%。

这些数字都是真的。但它们有一个共同点：全部来自大公司。名单上是微软、Meta、亚马逊、沃尔玛和 ServiceNow。 报告能拿出来的回报案例，几乎全部来自头部大公司。 一家中位数公司用 AI 赚了多少，报告里找不到答案。

那么，拦住其他公司的是钱吗？报告认为不是。只有约五分之一的受访企业认为成本限制了 AI 采用（一家国际咨询机构的调研口径）。云计算普及到第二年时，约占企业 IT 预算的 4%。今天 AI 支出的占比还低于这个水平。

报告由此得出结论：企业 AI 支出还有很大的增长空间。我们同意这个方向。但如果钱不是瓶颈，瓶颈就在别处。我们的判断是，瓶颈在「会不会用」。

前沿企业把 AI 接进了流程，并且量化结果。典型企业还停留在让员工各自试一试。 预算可以一夜之间批下来，用法却要一个流程一个流程地改。 这正是漏斗越往下越窄的原因。

大公司在这件事上天然占优。它们有现成的数据，有能改流程的工程师，也有足够大的业务量。同样把转化率提升 5%，放在一家大平台上就是一笔可观的收入。放在一家小公司里，可能连 AI 的账单都盖不住。

就业数据也指向同一个方向。报告第 31 页的标题是「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（招聘与企业支出数据口径）。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。

这个结果和「AI 抢走饭碗」的流行说法相反。但它同样是一种分化。用得深的公司在扩张，用得浅的公司在收缩。 AI 没有平均地影响就业，它先拉开了公司和公司之间的距离。

对普通读者来说，这一章有一个实用的结论。下次看到「某公司 AI 收入破纪录」，先看它是不是漏斗底部那约 2%。对大多数公司来说，AI 今天还写在成本栏里，没有写进收入栏。

说自己在用 AI 的公司很多，能拿出账本的很少。

软件层：同样叫软件，估值差三倍

2026 年开年，美股软件板块经历了一轮抛售，市场叫它「SaaS 末日」。SaaS 是按月或按年收订阅费的云端软件。当时的担心很简单：AI 会吃掉这些软件公司的饭碗。

报告给这一章起的名字是「与其说末日，不如说是『证明给我看』」。意思是，市场没有抛弃软件。市场只是要求每家软件公司拿出证据，证明自己在 AI 时代仍然有用。

股价最先显示出分化。2026 年 1 月至 8 月，网络安全股涨了 85-90%，横向 SaaS 股跌了 28-30%（标普 Capital IQ 口径，截至 2026 年 8 月底）。横向软件是各行各业都能用的通用工具，比如办公协作软件。垂直软件是为某一个行业深度定制的软件。报告的防御力排序是：网络安全强于垂直软件，垂直软件强于横向软件。

估值的分化更明显。这里要用到一个指标：EV/收入倍数。它是企业总价值除以收入的结果，代表市场愿意为每 1 美元收入付多少钱。倍数越高，说明市场越看好这家公司的未来。

报告第 59 页把软件分成五类，列出各自的估值倍数（一家头部资管机构的口径，企业价值/过去 12 个月收入的倍数中位数，2026 年上半年）。云、数据与 AI 基础设施软件是 9.1 倍。安全与身份软件是 6.8 倍。垂直软件是 4.6 倍，消费与交易平台是 4.0 倍。横向软件只有 2.7 倍。

最高和最低之间，差了三倍多。和各自的历史峰值比，差距更大。基础设施软件的峰值是 17.9 倍，现在跌掉约一半。横向软件的峰值是 12.3 倍，现在跌掉近八成。 同一轮下跌里，有的软件只是降温，有的软件被重新定价。

决定倍数的主要是增长。报告第 5 节的图显示，收入增速在 20-40% 的软件公司，前瞻倍数 9-13 倍。增速在 10-20% 的公司，前瞻倍数只有 4-5 倍。前瞻倍数用的是未来 12 个月的预期收入，和上面那组用过去 12 个月收入的倍数口径不同。两组数字不能直接比大小，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，只有约三成的增速超过 20%。整个行业用增长换来了利润。报告的说法是：如果你仍然是高增长公司，你的倍数「依然相当不错」。

报告还强调，软件公司的基本面一直很稳。收入增长和经营效率几乎没有恶化。所以市场并不是在惩罚「软件」这个行业。 市场惩罚的，是没有增长、也没有护城河的软件。 护城河指的是让对手难以抢走客户的长期优势。

报告在这一节最后留了一个开放问题。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？报告没有下结论。我们的理解是，两种结局可能同时发生，只是落在不同的公司身上。

软件层的头部，不是某几家公司，而是某几类公司。一类是跟着 AI 基础设施一起增长的软件。另一类是 AI 越强、越被需要的安全软件。如果一家软件公司讲不清 AI 为什么让它更强，市场大概率会按横向软件的倍数给它定价。

市场不再为「软件」两个字付钱，只为增长付钱。

风投层：好看的回报，是前 10% 拉出来的

先解释一个词：幂律。幂律是一种极端集中的分布，极少数个体拿走了绝大部分结果。风投行业一直相信幂律。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。

报告第 68 页的标题是「幂律依旧，而且更甚」。这句话在公司和基金两端都成立。我们先看公司端。

最值钱的未上市公司比以往任何时候都大。它们上市越来越晚，报告的说法是「跳过小盘股，直接成为巨头」。价值创造越来越多地发生在一级市场。等这些公司上市时，普通投资人能参与的那一段涨幅已经变短了。

二手份额市场也讲着同一个故事。二手份额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，这个市场上几乎没有折价，最好的公司还在溢价成交。 钱不是不够，而是都挤向了同几个名字。

基金端的分化更大。这里要用到两个指标。IRR 是内部收益率，它把投资期间每一笔现金进出折算成一个年化回报率。基金的「年份」指基金开始投资的年份。

报告引用的基金数据显示，同为 2024 年份的风投基金，彼此差距极大（Carta 基金数据口径）：

1. 头部 10% 的基金，净 IRR 约 40%。

2. 中位数基金，净 IRR 约 -3%，略低于零。

3. 排在后 25% 的基金，净 IRR 约 -15%。

报告第 71 页的标题是：头部 10% 的基金与其余基金的差距「从未如此之大」。一边是年化约四成的回报，另一边是中位数略亏。把它们放在一起求平均，得到的数字不代表任何一只真实的基金。

第二个指标更直接。DPI 是已还给投资人的现金除以投入本金，衡量的是真正到手的钱。2021 年以后成立的基金，DPI 中位数约为 0。也就是说，这批基金里有一半以上，还没把一分现金还给出资人。

IRR 包含账面估值，DPI 只算到手现金。账面上有正有负，现金上中位数是零。 风投行业的漂亮回报，大部分还停在账面上，而且主要属于头部基金。

这件事离普通人并不远。风投基金的出资人，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。前面说过，最好的公司上市越来越晚，所以这笔现金也会来得越来越晚。

还有一点需要说明。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。这不说明数据有错，只说明我们读它时要记住作者的位置。

这一章的数字是基金回报。它和前面的 token 用量、估值倍数是不同的量。但它的形状依然相同：头部拉高了平均数，中位数离平均数很远。

风投的漂亮平均数，是前 10% 的基金扛起来的。

创业层：新公司跑得飞快，老公司第二年就喘气

先说背景。零利率时代指的是美国长期把利率压在接近零的那几年，那时融资很便宜。零利率结束后，创业公司和上市公司一样，开始用增长换利润。

但报告第 73 页提醒了一个例外。最近成功融到钱的公司，增速仍然和零利率巅峰期持平，甚至更快。原因很简单：没有高增长，就拿不到新一轮融资。

增长集中在最年轻的公司。报告引用的支付数据（Stripe 支付数据口径）显示：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% 跌到约 20%，之后回升到约 20-25%。SaaS 指按月或按年收费的订阅制软件。

报告用这组数据反驳「SaaS 末日」：软件收入在新的一年反而加速了。这个判断没错。但同一张图也说明，最高的增速属于刚成立的公司。 一家公司熬过第一年，增长曲线往往就从陡坡变成了缓坡。

报告第 75 页这样形容新一代独角兽：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。新一代 AI 公司用更短的时间、更少的人，做到了更大的收入。

存量独角兽的处境却完全不同。报告引用的数据（硅谷银行口径，2026 年美国独角兽）显示：约四成独角兽的收入增速在 0-20% 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 指的是按目前的烧钱速度，账上现金还能撑多久。

Runway 不足 2 年，意味着这些公司很快就要再融资。一轮融资从启动到到账，通常要花上好几个月。如果增速只有 0-20%，它们很难拿出投资人想看的增长故事。

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

报告也指出了一个细节。钱流向的行业在变化。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拿到风投资金。但赛道变宽，并没有改变集中的方向。

所以，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。老独角兽里，有相当一部分在和时间赛跑。

独角兽分两种：一种在起飞，一种在数现金还剩几个月。

下次看到 AI 好消息，先问一句话

我们把五层放在一起看。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，约 2% 在持续追踪效果。

软件层，基础设施软件的估值倍数是横向软件的三倍多。风投层，头部基金和中位数基金的回报差距创了纪录。创业层，新公司增速 500% 以上，过半老独角兽现金 Runway 不足 2 年。五层讲的都是同一个形状。

token 用量、估值倍数、基金回报，是三种完全不同的量。我们不把它们相加，也不互相换算。 口径不同，形状相同：每一层都是少数头部撑起了整体。

有人会说，头部集中只是早期现象。报告自己也这样写：其他人最终会跟上，或者被甩在后面。我们同意这种可能。互联网和云计算都走过从头部扩散到大众的路。

但「最终」没有日期。在其他人跟上之前，一个数字说的是头部还是大多数，结论会完全不同。所以我们认为， 幂律不是一张机会清单，而是一把尺子。 它不告诉你该买什么，只帮你量清楚一个好消息离你有多远。

下次再看到 AI 的好消息，可以先用这把尺子问三个问题：

1. 这个数字说的是头部，还是中位数？前 1% 的用户、前 10% 的基金，不代表大多数人。

2. 这个数字说的是「在用」，还是「在赚」？近七成公司在用 AI，能拿出账本的只有约 2%。

3. 这个数字说的是账面，还是到手的现金？基金的账面回报很好看，DPI 中位数却约为 0。

这三个问题不需要任何专业背景。举个例子，假如一条新闻说「AI 让企业效率提升 30%」。第一问，它统计的是前沿企业，还是所有企业？第二问，它测的是员工在用的时长，还是公司多赚的钱？第三问，这笔钱已经进了利润表，还是一个预测？

我们不给任何买卖结论。如果一个数字对这三个问题的答案都是「头部」「在用」「账面」，它就是一个关于少数人的好消息。如果答案是「中位数」「在赚」「现金」，它才真正和大多数人有关。

AI 的好消息，先问一句：说的是前 1%，还是你？