光伏产业观察 — 光伏、储能、锂电产业链资讯与深度观察

<img class=" wscnph" src="https://wpimg-wscn.awtmt.com/eba2db74-8624-4a71-abbd-7ef602576c6b.png" /> 8月27日，在近期的一场内部深度对谈中，知名风投a16z（Andreessen Horowitz）合伙人Anish Acharya与主持人Jen Kha就当前AI市场的宏观环境、模型演进、商业护城河以及应用层的未来爆发点进行了全面探讨。 针对市场近期关于“AI泡沫”的讨论，Anish首先给出了坚定的乐观判断。他指出，透过底层的第二阶指标来看，当前市场本质上是“无限的需求和极度受限的供给”。 一个反常的市场信号是，诸如B200这类非最前沿GPU的按小时计费价格正在上涨。在正常的科技周期中，硬件算力本应具有高度通缩性，这种逆势上涨直接证明了AI算力供给的严重受限与需求端的极度旺盛。 在此宏观背景下，随着开源模型的成熟，过往被高昂获客成本压垮的C端AI应用，正迎来真正的盈利拐点。 <div> <h2 id="1eb9623">市场宏观面：需求“几乎无上限”，我们可能“不够乐观”</h2> </div> 面对市场关于AI SaaS泡沫的质疑，Anish给出了截然不同的观察视角。他认为，与其探讨这是否是一个泡沫，不如反思市场是否“不够乐观”。 Anish抛出了一个反常的行业数据作为佐证： <blockquote> 如果你看看一些底层指标，比如B200（这甚至不是最前沿的GPU）每小时的租赁价格正在上涨。这是非常奇怪的现象。通常这些东西是高度通缩的，这指向了极度受限的供应和本质上无限的需求。 </blockquote> 对于企业级软件，Anish保持了冷静的商业视角。他指出，当前企业软件支出仅占总支出的8%到12%，比例并不高。 对于企业而言，用AI完全替代薪酬系统或CRM系统，“上涨空间不是特别大，但搞砸的下行风险基本上是无限的。” 因此，对于要求极高精度的核心系统，纯AI代码代理短期内难以完全颠覆。 <div> <h2 id="74cf5f1d">护城河重塑与模型算账逻辑：打破“商品化”迷思</h2> </div> AI时代，企业传统的护城河被彻底颠覆了吗？Anish对此予以否认。 他认为，绝大多数传统护城河——如网络效应、规模效应、品牌效应，在充裕且低成本的智能时代依然坚固。Anish称： <blockquote> 再多的编码代理也无法让耐克变得不再是耐克。Instagram的力量也从来不在于构建App的复杂性，而在于它背后的网络。 </blockquote> 真正受到致命威胁的是“集成护城河”（Integration moat）。Anish以SAP为例： <blockquote> SAP以难以整合进出而闻名，现在连从一个版本迁移到下一个版本都有生存风险。编码代理让这一切变得极其简单。 </blockquote> 在企业如何选择大模型的问题上，Anish提出了一个极具操作性的“ROI算账模型”：按业务的“价值上限”来区分。 对于销售、产品等“收益无上限”的岗位，企业应毫不犹豫地使用最顶级的闭源模型（Frontier tokens）。“为了哪怕聪明1个IQ点的模型，支付任何价格在经济上都是合理的。” 因为你无法预估一个新产品功能或签下一个大客户能带来多大收益。 对于财务、HR等“收益有上限”的后台岗位，最佳状态是“准确”。“你不可能把账本关得比‘准确’还要好10倍。” 因此，使用经过强化学习微调的开源模型，追求成本效率曲线的最优解，才是理性的经济行为。 与此同时，Anish坚决反对“模型商品化”的论调。他指出，模型已经出现了领域专长甚至“性格特征”的分化。 例如，OpenAI的新模型非常擅长知识工作，Claude偏向软件工程；有些模型表现得高度神经质且刻板（适合会计），有些则更加开放和具有创造力（适合设计）。 <div> <h2 id="ae708842">应用层之争：大模型厂商为何不“向上做应用”？</h2> </div> 随着基础大模型能力的不断进化，市场曾普遍担忧大厂会直接吞噬应用层。但实际情况正相反。 Anish称： <blockquote> 我们看到了截然相反的情况。是的，它们（大模型实验室）正在垂直整合，但它们是向下整合到推理和计算领域。 </blockquote> Anish解释道，推理的工作负载是高度同质化的，容易建立规模壁垒；而应用层涉及到极其复杂的定价、包装和满足客户异质性的需求，这是一项极其沉重的运营开支（Opex）业务。 “把‘智能原语’转化为信用合作社等特定行业的经济成果，需要完全不同的产品形态。” Anish表示，这正是应用层创业公司的巨大机会，他们可以将单一的AI能力，通过产品和商业模式的封装，转化为垂直行业的解决方案。 <div> <h2 id="c">C端应用的“文艺复兴”：迎接高客单价的“奢侈品软件”</h2> </div> 在沉寂了近三年后，Anish认为，AI的C端应用迎来了真正的突破口。 过去阻碍C端爆发的核心痛点在于高昂的边际成本和获客成本（CAC）。Anish透露了自己尝试开发X应用的数据： <blockquote> 获得一个新用户的成本高达250美元。对于初创公司来说，想要做一个面向大众的免费产品非常困难。 </blockquote> 但现在，低成本、高性能的开源大模型改变了这一现状。加上极高的用户支付意愿，C端市场正在经历类似“2009年iPhone发布时的圣诞节”。 Anish认为： <blockquote> 现在的消费者渴望尝试新软件，但与过去99美分的时代不同，他们现在愿意每月支付200美元。 </blockquote> Anish提出了一个引人瞩目的概念——“软件界的爱马仕铂金包（Birkin bag）”。他建议创业者思考： <blockquote> 如果过去软件的天花板是20美元，那么你产品每月200美元甚至2000美元的SKU应该是什么样？我们将拥有这种‘奢侈品软件’，并且已经看到了消费者的支付意愿。 </blockquote> 在这种新范式下，创始人的画像也在发生改变。Anish观察到，现在的创业团队中“MBA越来越少，研究员越来越多。” 这类年轻的纯技术背景创始人虽然缺乏商业成熟度，但技术敏锐度极高，且没有思想包袱，“他们认为一切皆有可能。” 在资本端，这也解释了为何现在会出现上亿美元的超大种子轮——有了AI工具的杠杆，少数顶尖人才配合充足的资本，足以覆盖过去需要庞大团队才能完成的产品矩阵。<div style="color: #666; margin-bottom: 15px;">风险提示及免责条款</div> <div> 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。 </div>

顶尖VC a16z探讨AI现状：模型分化、护城河重塑与C端应用复兴

📌 概要