Let's Make AGI Real

第十章：风险投资视角（a16z & Coatue）——“购买 vs. 构建”的转折与市场的大分化

如果说咨询公司的报告反映了企业的焦虑，智库的报告反映了国家的意志，那么风险投资（VC）的报告则最直观地揭示了金钱的流向与未来的赌注。在2025年，硅谷顶级VC机构Andreessen Horowitz (a16z) 发布的《2025年企业GenAI构建与购买报告》（How 100 Enterprise CIOs Are Building… Gen AI in 2025）与对冲基金Coatue Management发布的《大分化：关于AI的10个残酷真相》（The Great Separation: 10 Brutal Truths About AI…），共同构成了理解AI商业化进程中最具前瞻性的金融叙事。这两份报告揭示了市场正在发生的一场剧烈洗牌：从早期的盲目狂热转向了冷酷的价值筛选，资本正在用脚投票，重塑整个技术生态的格局。

a16z的报告基于对100位企业CIO（首席信息官）的深度访谈，敏锐地捕捉到了企业AI采购策略的根本性逆转——从“构建”（Build）转向“购买”（Buy）。在2023-2024年，许多企业曾雄心勃勃地试图自建私有大模型，希望拥有完全的自主权。然而，a16z在2025年的调研显示，这种热情已迅速冷却。CIO们发现，自建模型的成本高昂、人才短缺且维护极难，而市场上涌现出的“AI原生供应商”（AI-native vendors）提供了更便宜、更快且性能更优的现成解决方案。报告指出，90%的企业正在测试或部署第三方AI应用，GenAI的支出已从单纯的“创新基金”转入常规的IT预算1。这意味着AI原生应用公司（如专门做法律、医疗或营销AI的SaaS公司）迎来了黄金爆发期。a16z的这一发现解释了为什么市场上会出现一批估值飙升的初创企业，因为它们正好承接了企业从“自建”撤退后的巨大外包需求。企业现在更倾向于通过API接入模型，而不是自己训练模型，这大大降低了AI落地的摩擦力。

Coatue的报告则从更宏观的资本市场角度，为这一趋势提供了注脚，并提出了“大分化”（The Great Separation）的核心概念。Coatue指出，AI正在将全球科技公司无情地劈成两半：赢家和输家。赢家是那些核心业务被AI显著加速的高增长公司（收入增长>25%），市场给予它们高达13倍的估值倍数；而输家则是那些增长乏力或面临AI颠覆风险的公司，其估值倍数仅为4-5倍1。这种估值剪刀差是过去十年未见的。Coatue坚决反驳了“AI泡沫论”，通过对比过去400年的30多次市场泡沫，他们认为当前的AI热潮有坚实的业绩支撑——即a16z所提到的企业真实支出的增加。Coatue认为，我们正处于“AI繁荣”（AI Abundance）周期的早期，这是一个“进攻之年”，资本将疯狂追逐那些能够证明自己是“未来构建者”的公司，而对旧时代的巨头（如果不能成功转型）将毫不留情地抛弃。

这两份报告还共同触及了一个关键点：软件商业模式的变革。a16z和Coatue都注意到，传统的SaaS（软件即服务）模式正在向“服务即软件”（Service-as-a-Software）演变。也就是说，企业购买的不再仅仅是一个工具（Tool），而是一种工作成果（Outcome）。AI应用不仅要帮助人做得更快，甚至要直接完成工作。这种模式的转变将极大地提升软件的客单价和市场天花板，因为企业愿意为“结果”支付比“工具”高得多的费用。Bessemer Venture Partners（BVP）在其《2025年AI状态报告》中进一步将这类公司称为“AI超级新星”（AI Supernovas），指出它们在极短时间内就能达到1亿美元的年经常性收入（ARR），展现出前所未有的增长爆发力1。

总结而言，a16z与Coatue的报告为我们揭示了2025年AI市场的底层金融逻辑。它们告诉我们，市场的筛选机制已经启动，“讲故事”的时代结束了，“交业绩”的时代开始了。对于创业者来说，机会窗口在于成为a16z口中的“AI原生供应商”，直接解决企业的具体问题；对于投资者来说，策略在于识别Coatue所说的“大分化”中的赢家。这两份报告是理解AI如何从一项技术发明转化为巨大的商业机器的关键钥匙，它们预示着未来几年将是科技史上财富转移最剧烈的时期之一。

补充说明：

2025年12月，OpenRouter与A16Z又联合发布一份重要报告《State of AI》。报告基于超过100万亿token的真实用户交互数据，提供了对AI实际应用状态的深入洞察，而非依赖特定公司为投资者和市场定制的营销宣传。这份报告聚焦于自o1推理模型（代号“草莓”）发布以来的“后拐点时代”。o1的出现标志着行业范式从简单的模式匹配转向了具备数学推理、逻辑一致性和多步骤决策能力的结构化内部认知。

报告的核心发现之一是当前AI使用的两大主要用例：编程和角色扮演。角色扮演是所有用例中体量最大的类别，尤其在开源模型（OSS）中占据主导地位，消耗了超过50%的token。这颠覆了AI作为纯粹“生产力主力”的普遍认知。角色扮演之所以在开源社区盛行，是因为这类模型通常缺乏闭源模型（如Claude、ChatGPT）必须遵守的严格安全护栏或限制，从而满足了用户对娱乐、创意或成人内容等场景的自由度需求。

与角色扮演的高容量相对应，编程则是推动AI工作负载复杂性和增长的最主要驱动力。编程查询的token用量占比已从2025年初的约11%飙升至近期的50%以上。这种增长与“Agentic 推理”范式的崛起直接相关。Agentic 推理已成为默认模式，模型被用于执行多步骤规划、调用外部工具，并在扩展上下文中持续交互。因此，平均提示词长度在过去一年增长了近四倍，从约1,500个token增至超过6,000个，主要由开发者输入整个代码库、日志或长对话历史等进行推理和调试的任务驱动。推理优化模型的使用份额现已超过50%。

在竞争格局方面，闭源模型仍占据约70%的市场份额，尤其在需要高可靠性的企业级任务中。但在开源领域，中国开发者的模型（如DeepSeek、通义千问）正在迅速崛起，曾触及每周总用量的30%。同时，中型模型（15B至70B参数）因其在能力和效率间的良好平衡而日益普及。商业数据还揭示了**“灰姑娘水晶鞋效应”**：当模型完美匹配某一高价值、此前未被满足的工作负载时，会形成强大的经济和认知惯性，产生持久的用户留存，即使后续出现更好的模型也难以替代。这表明用户对高质量和可靠性的需求远高于对低价的追逐，模型的差异化能力和信任度仍然高于成本。