浏览来自 a16z Articles 的中文分析内容。
文章阐述AI推理正成为计算机历史上最大规模的工作负载，遵循计算领域“专业化转向“规律——当工作负载足够大且稳定时，通用GPU将被专用推理硬件取代。GPU虽因灵活性促成AI时代，但推理需持续从内存读取数百GB参数并执行简单操作，内存带宽成为瓶颈，GPU在灵活性和功耗上的浪费不可接受。文章引用Google 2026年5月每月处理3.2万亿token（两年增长300倍）、OpenAI约10亿月活用户等数据论证推理需求急剧增长。Etched由三位哈佛退学生于2022年创立，获得a16z投资，雇佣400余名来自Nvidia、Google TPU、Broadcom、Apple、SK Hynix、TSMC的工程师，首颗芯片在TSMC N4P工艺上首次流片成功（行业标准6-9个月），今年夏天开始出货，10兆瓦站点在建。其核心创新包括低电压推理（功耗降至约一半）和集群级内存（跨芯片池化内存实现超低延迟），这些突破需覆盖晶体管到数据中心层面的全栈设计。
a16z宣布支持Travis Kalanick创办的新公司Atoms，Kalanick本人加入董事会，并表示该公司在过去8年一直处于隐秘运营状态。Atoms的使命是像数字化计算机改变比特世界一样，用机器人技术改变原子（物理）世界，目前已推出Atoms Food、Atoms Mining、Atoms Transport三大垂直领域，分别对应食品、采矿和运输行业的自动化。文章指出，Kalanick此前通过City Storage Systems（亦称CloudKitchens）探索了餐饮行业的物理世界自动化经验，并将这些经验用于更广泛的工业AI布局。作者强调，快速获取社会合法性和用户依赖是此类物理世界AI企业的关键，并援引Uber通过让产品快速成为必需品而赢得城市批准的案例。此外，文章批评了AI会抢走所有工作机会的悲观叙事，主张生产率提升是个人和社会的核心价值，并引用合作伙伴David George的观点说明创始人是长期资产类别。
Applied Intuition于2026年7月21日发布Dana，一个用于开发物理AI应用的agentic平台。该公司自2016年成立以来，从自动驾驶工具供应商发展为涵盖模拟、数据基础设施、物理机器操作系统和智能系统的全栈平台。公司在2018-19年赢得通用汽车开发工具合同后进入传统车企市场，随后拓展至国防、建筑、采矿和商用卡车行业。截至2025年，公司估值达150亿美元，18家非中国前20大车企是其客户，L4卡车在日本实现无司机运营，并与美国陆军及海军展开合作。公司声称已保留近10亿美元融资额并连续多年实现规模翻倍增长。
硬件创业公司招聘风险高，工程能力是基础但商业成功取决于制造、部署、供应链、财务等非工程职能。最佳候选人需具备对「卓越」标准的本能判断力，同时保持文化适应性。制造人才不应局限于同行，应从高产量规模化行业（如饮料灌装、注射器生产）寻找跨行业技能。部署职能需在产品上市前招聘，融合工程、运营和执行力，退役军人和快速学习者表现突出。供应链管理如同策略游戏，需兼具谈判、技术翻译和项目管理能力。财务负责人应理解工厂运营与资本配置，因为硬件合同锁定成本假设五至十年，调整空间极小。
安德森·霍洛维茨（Andreessen Horowitz）宣布任命康纳·洛夫（Connor Love）为新的普通合伙人，负责领导公司的美国动力（American Dynamism）投资业务，专注于国防、太空、制造和自主系统领域的初创公司。康纳·洛夫是西点军校毕业生，曾在美军服役并在2019年部署至伊拉克北部，拥有实战经验，并在过去六年中成为美国动力领域的领先投资者，赢得创始人们的高度认可。他坚信服务国家利益与获得高额回报并不冲突，二者相互促进，并希望通过长期支持这些公司来实现国家与商业的双重价值。
本文为a16z投资人Anish Acharya撰写的关于AI与人类创造力的论述。核心论点为AI不仅是节省时间的工具，更是让人们“花费时间“表达自我的技术，属于语言、印刷机、蒸汽机这一小类既节省劳动又扩展人类可能性的工具。作者认为AI让“做东西“的感觉更有可能实现，通过创造活动人能在过去、现在、未来三种时态间延伸。文中以电工开发低价工具、水管工用AI取消高价咨询合同等案例说明技术民主化使非技术人员也能成为创造者。
Josh 在2026年6月23日宣布加入 Andreessen Horowitz 担任合伙人，专注于消费者技术及 AI 投资。他回顾了在 Facebook、LinkedIn、Twitter、Robinhood 等公司的工作经历，强调自己在产品早期“混乱的中期”阶段负责铺设基础设施、绘制发展路径。文中指出，Twitter、Robinhood、Musical.ly 等早期产品曾被视为玩具，后演变为拥有数十亿用户的平台。Josh 认为 AI 已根本改变普通用户的预期，尤其是 ChatGPT 引领的开放式对话体验；新一代 Gen‑α 用户本身是原生世界构建者，成长于 Roblox、Minecraft，期望自定义和创建内容。他提到 OpenClaw 让他领悟到“工具、循环、上下文”比模型本身更关键；推理成本因开放模型和设备端模型持续下降，为新应用提供经济可行性。整体上，消费者市场在经历低迷后因 AI 与新用户需求再次打开大门，Josh 表示期待帮助拥有早期火花和初步吸引力的团队打造持久平台。
本文阐述太空已成为战争域，分析了美国对手在太空的威胁行为，并从物理原理出发探讨赢得太空战争的关键策略。文章强调进入轨道的delta-v需求约为9.4km/s，受火箭方程限制。全球仅14个组织在2025年成功进行多次轨道级火箭发射，全球仅约40个活跃发射台，凸显太空进入能力的战略重要性。卫星因质量敏感而设计脆弱、易受攻击，文章主张通过最大化上升质量、扩散军事太空架构、发展进攻能力等途径赢得太空战争。
a16z New Media团队成立一周年，提供“go-direct as a service“服务，帮助初创公司通过自制内容和直接叙事赢得关注。该团队具备四个核心运作方式：Launch Videos（自制发布视频）、Editorial（编辑写作支持）、Distribution（分发保证）和Portfolio Services（被投企业服务）。与传统机构不同，a16z拥有自有渠道可保证分发效果，且团队成员与创始人认知水平相当。核心策略是将创始人个人打造为高信号品牌，而非仅依赖公司品牌。
本文阐述晚期风险投资的本质是关于晚期创始人。作者认为优秀创始人具备持续做出正确资本配置决策的能力，这种能力源于他们独特的视野和判断力。技术本身不足以差异化公司，真正的alpha来自创始人的决策。a16z Growth强调找到这类创始人并给予长期自主权和资源支持。
AI正在通过默认录制工作讨论来根本性改变职场记录方式，形成以语音为核心的新型系统记录，带来自下而上的AI能力提升和自上而下的监督优势，推动组织文化从书面向口头倾斜，并逐步成为竞争优势的差异化因素，预计默认录制将成为常态，监管机制将在事后补齐。
a16z 将其投资者关系（Investor Relations）部门更名为 Global Partnerships，标志着该风投公司的服务范围从传统IR扩展至全球合作伙伴关系。新部门旨在帮助创始团队获取最高层级的国家和机构资本、客户及分销渠道，并在进入新市场时具备地缘政治敏感度，以将前沿技术引入美国及其盟友。此举旨在把最优秀的创始人与所需资本和国家资源对接，使LP在公司国际化扩张中获益。
Andreessen Horowitz (a16z) 宣布其全球使命，强调帮助创始人以及美国及其盟友，提出在关键国际市场建立桥梁，近期成立东京办事处以展示对盟友的优先承诺，并公布新的全球举措。公司自成立起定位为一家以帮助创始人构建卓越企业为核心的公司，今日新增帮助美国及其盟友的使命。
本文由前美国国家安全局和白宫官员、现任Andreessen Horowitz普通合伙人与全球事务负责人撰写，回顾了技术与安全交叉领域在过去四十年的演变：冷战时期技术由国家主导、军事技术封闭；2000年代美国技术跨境扩散、全球标准普及；当前美中竞争使技术地缘政治化，聚焦数字主权、供应链韧性和可信基础设施。作者指出美国与盟国的两项战略要务——构建共同技术基础、在全球推广美国AI及新技术应用。盟国不再满足于单纯采购，而是寻求共建、合资和共同研发的合作模式。文章列举了近期赴日本访问，与首相、経济产业大臣、国家安全领袖及企业CEO会谈，探讨海上自主、AI、网络安全等合作领域，以支持日本经济与军事现代化目标。
a16z 宣布全球倡议，旨在帮助其成长型公司通过在美国成功的 playbook 与关系网络进行结构化、长期全球扩张，优先进入关键盟国市场，并将与 Anne Neuberger、Jen Kha 等合作推进。
视觉AI领域正经历从像素原生生成到代码原生生成的根本性转变。传统扩散模型直接生成最终图像或视频，而新一代工具生成的是可执行、可迭代的源代码或结构化表示（如SVG、HTML/CSS、React组件、Lottie JSON、Blender脚本、USD场景图、着色器或游戏引擎场景）。这种转变的核心价值在于：生成的视觉工件成为可编辑、可复用、可版本化、可验证的源代码，而非一次性像素输出。通过「代码→渲染→检查→修订」的闭环反馈机制，模型能够在测试时计算中持续改进底层工件结构，而非仅采样更多图像。技术栈包含编码模型、符号化表示层和渲染引擎三部分。OmniLottie通过将Lottie JSON转换为模型友好的命令序列实现动画生成与编辑；VIGA和Articraft3D等项目展示了3D资产生成的程序化方法，强调几何一致性、部件语义和功能约束。
美军正在大力投资无人自主系统（如Replicator、DAWG项目），但支撑这些系统持续作战的后勤基础设施严重滞后。当前港口、基地和供应链均围绕有人平台设计，180人维护单架MQ-9的现实表明「无人」并不等于减少人力。更关键的是，GAO已预警海军自主化计划未计入基础设施成本——41亿美元采办21艘无人艇的预算甚至不包含全寿命周期费用；历史数据亦显示海军此前增加自动化减少人手的尝试（optimal manning）反而导致维护成本激增。战场补给逻辑亦未建立：XLUUV项目原承包商波音直接放弃后续运维投标，显示市场失灵。在印太战区广袤海域缺乏无人系统维修、加油、回收节点的情况下，指挥官只能囤积本应「可消耗」的资产。NOMARS项目等已展示自动化海上加油与无人港运营的技术可行性，但要形成体系仍需舰队级遥测、预测性维护与实时优化软件支撑。若不建立灵活的自助式后勤骨干，数百亿的平台投资将在仓库中沦为无法作战的展品。
文章讨论AI应用层创业机会，作者认为不应在“大路”上与实验室（OpenAI、Anthropic）竞争，而应在“奥兹国其他区域”寻找垂直化、深度定制的机会。Labs正在通过巨额投资建设企业定制团队，表明通用AI无法解决所有问题。垂直应用公司可通过数据飞轮、模型路由、成本优化和治理控制等机制建立防御性。
合规已成为美国增长最快的职业领域之一，现有超过40万名合规官，年劳动力支出超过400亿美元。尽管需求旺盛，但合规行业面临严重的人才流失问题，87%的新入行者最终离开，年流失率超过20%。传统的合规工作依赖人工操作，包括文档分析、人工审查和工作流程监控，这些构成了合规职能的三大核心活动。AI技术，特别是视觉语言模型(VLMs)和计算机使用代理，已跨越从试点到可信赖的阈值。LLM在LegalBench的162项法律推理任务中得分达80-100%。企业现在面临三种AI应用选择：将监管转化为代码、建立新系统记录或增强现有工作流程。合规正从成本中心转变为收入驱动力，TD Bank因未能监控92%的交易被罚款30亿美元。
本文作者认为个人伤害律师（plaintiff attorneys）虽然形象负面，但实际上是理解AI采用的理想案例，因为他们的业务模式已面向未来。作者从个人伤害律师的商业模式中提取出三个可应用于AI的核心模式：1）leadgen+underwriting模式，适用于所有依赖获取合格潜在客户的行业；2）recall-based CAC（客户获取成本），强调在关键时刻被想起比产品优势更重要，这与未来LLM选择工具的行为模式相似；3）contingency fees（成功付费）模式，天然适合零和博弈场景。作者还指出Jevons悖论在法律服务中的体现——降低法律成本将导致消费量大增，巴西JEC小额诉讼系统是这一现象的实证案例。最重要的是，作者强调普通用户并非都是“建设者”，大量用户需求是赢得零和博弈（如向航空公司索赔），这将成为AI应用的重要场景，比浪漫的创业故事更能反映真实的市场信号。
本文宣布 a16z 邀请前美国特种作战司令部指挥官 Bryan Fenton 将军担任美国动力（American Dynamism）实践特别顾问，强调人在防务技术中的核心地位，指出美国需要新一代防务技术公司，并将为防务、国家安全和政府相关领域的创始人提供战略指导。Fenton 将军拥有38年服役经历，曾任第13任美国特种作战司令部司令，指挥联合特种作战司令部并担任两位国防部长的资深军事助理，未来将在 a16z 帮助评估新兴技术、国防工业基础需求及政府采纳路径。
本文分析了企业软件领域从“系统记录”(SoR)向“系统智能”(SoI)的关键转型。作者以社交媒体从好友图谱到信息流的演变类比CRM的演变：CRM不会消失，但正成为“系统智能”的多个输入之一，类似于好友图谱成为信息流的输入。AI代理（如研究代理、拨号代理、编排层）正在接管销售人员的GTM工作流程，CRM从面向用户的主界面变为AI代理的数据库。文章指出系统记录的粘性来源于数据积累和切换成本，但在AI时代，重力来源将转向编排能力——AI代理可以同时从多个系统提取信号并综合处理。新一代公司正在“系统智能”层构建应用，该层位于基础模型与客户之间，执行跨系统上下文编排、销售逻辑编码、合规处理等工作。作者引用调查数据指出CRM使用量实际在AI采用后上升，因为代理丰富了数据；代理ROI足够高使总预算增长而非取代人力。系统智能还能继承离职员工的机构知识，形成可“运输”的机构记忆。文章最后指出系统记录仍保有其数据库价值，但价值正在向“读取写入数据库并进行实际思考”的智能层迁移。
Salesforce推出无头产品，将价值从UI转向数据层；代理可直接读写系统记录底层数据，削弱了传统以UI和人类使用习惯为核心的粘性。工作流逻辑、未文档化SOP、合规关键数据和跨系统连通性成为新的防御性要素。未来的竞争焦点是数据的可迁移性、运营逻辑的显式表达以及系统作为代理间身份授权与审计的结构性角色。
本文论述美国军事自主系统发展与「不抛弃任何人」价值观的内在关联。作者从战争远程化历史演进角度，分析自主武器系统的战略必然性，并以乌克兰战争中Operation Spiderweb等案例说明无人机技术的实战价值，同时驳斥关于自主武器降低战争门槛、消除杀戮心理障碍、诱发先发制人攻击等三个反对论点，强调自主系统在进攻与救援双重维度的技术同构性，主张民主国家有道德义务发展可替代人类执行危险任务的机器。
本文驳斥AI将导致永久性大规模失业的悲观论调，认为这不过是“劳动力总量谬误”的重新包装。作者引用Jevons悖论——当强大生产要素成本下降时，经济不会停滞，而是催生新产品、新需求和新产业。历史先例包括：农业机械化使农业就业从三分之一降至2%但产出近两倍增长；电气化用了数十年才完成生产力释放；电子表格替代账房先生却使金融分析师数量不降反升。更关键的是，AI作为增强工具（augmentation）与替代工具（substitution）在企业财报电话会议中被提及比例为8:1，软件开发岗位自2025年起逆势增长。历史数据表明，1940年以来大多数新创造的岗位在1940年根本不存在。
文章讨论当代世界中关键“抽象”（reliable interfaces built out of less-than-reliable parts）正在失效或泄漏的现象。作者认为AI末日论关注“将被建造的东西”，而主流末日论关注“将崩溃的东西”，但真正的洞见在于认识到许多支撑世界运转的抽象——如全球贸易、能源市场、美元体系——不会彻底崩溃，却会在地缘政治冲击下持续泄漏其底层复杂性。以电子商务结账、美国财政部纸质支票案例、霍尔木兹海峡危机导致的全球油价市场异动为例，论证当政治承诺或个人感知介入复杂系统时，反身性反馈会放大系统性风险。Mark Carney在达沃斯的发言被引用为对20世纪全球抽象（统一市场、统一规范）终结的官方确认。
Workday是企业软件领域的关键参与者，拥有超过10,000家组织用户、年收入接近100亿美元、市值约300亿美元，但客户高续约率源于迁移锁定而非产品优秀。HCM是最后一个缺乏AI原生挑战者的大型企业软件类别，当前平台转型正在发生。Workday虽推出25+个AI功能和Flex Credits定价模式（AI ARR超4亿美元），但Flex Credits本质是采购创新而非部署创新，Illuminate功能仅为叠加层。三个因素使Workday首次面临真正脆弱性：企业IT正在重新审视核心系统、AI原生迁移工具已出现（如Tessera）、Workday无法从内部重构其2005年的遗留架构。文章认为现在是针对财富500强构建AI原生HCM系统-of-record的独特机会窗口。
本文分析美国在开源AI领域面临的地缘政治挑战与政策应对。文章指出AI竞争正从模型能力转向平台生态建设，开源工具正成为全球AI发展的基石，但目前中国在开源AI领域占据主导地位——80%的开源工具用户使用中国工具，阿里巴巴Qwen模型下载量超7亿次，DeepSeek等模型快速崛起。开源软件对经济价值巨大（估值8.8万亿美元），能降低创新门槛、提升安全性并促进竞争。美国政策界经历了从限制开源到认识其战略价值的转变，NTIA报告和拜登政府最终认可开源AI的边际风险被高估。特朗普政府已将美国开源AI领导力纳入国家AI行动计划。
本文为初创企业进入美国国防部战争部（DoW）市场的入门指南。文章涵盖DoW采购体系的核心要素，包括PPBE预算周期、资金分类（RDT&E各预算活动）、SBIR/STTR三阶段资助机制、其他交易协议（OT）特点，以及与主承包商合作策略。同时梳理了2025年末法定改革影响、持续决议机制、CPE/PAE职能变化及2026年SBIR再授权争议。
本文论证大语言模型需要持续学习能力。当前LLM存在「永久现在」的缺陷——训练后知识冻结在参数中，只能依靠外部脚手架（聊天历史、检索系统）补偿，无法真正内化新经验。LLM本质是压缩算法，训练时将互联网压缩进参数，这种有损压缩正是其强大的根源，但部署后我们阻止了这种压缩机制改用外部记忆。上下文学习虽有效，但受限于：1)长任务中上下文膨胀导致20-100步后失连贯；2)无法表达高维隐性知识（如医学影像纹理、音频特征）；3)仅能回忆而非真正学习。持续学习将压缩能力扩展到部署后，让模型直接更新参数而非依赖外部检索。
本文论述互联网已成为美国生活各层面的上游因素，塑造新闻传播、音乐创作、电影制作、政治话语和语言本身。作者指出政客越来越熟悉meme文化语言，TikTok已成为音乐流行的关键平台，电影制作策略转向吸引特定网络亚文化群体。文章同时承认传统媒体在信息泄露传播、政治协调和共识构建方面的不可替代性。作者认为互联网作为新型社会技术范式既是当前现实，也存在潜在风险，需要审慎对待。
a16z speedrun 第七期（SR007）现已开放申请，截止日期为2026年5月17日。该项目目前已完成六期，累计投资超过250家公司、总投资额超3亿美元，上期有近万名投资人参与对接。入选公司可获得最高100万美元投资（50万美元通过SAFE upfront、另50万美元18个月内跟进），以及超过500万美元的云服务、AI和软件积分，并享有模型提供商、应用商店和社交平台的优先接入权。
Kalshi Research于3月底在纽约举办首届研究会议，汇集学术界、华尔街高管、前政治家和交易员。Kalshi体育交易周交易量近30亿美元，占平台总成交量约80%，但体育占比实际上处于历史最低水平，因为娱乐、加密货币、政治、文化等类别增长更快。传统金融市场有S&P 500、ICE原油等基准，而预测市场正为政治经济事件提供动态、流动的基准价格，使机构能直接对事件进行交易或对冲组合风险。目前大多数机构仍处于利用预测市场作为数据源的第一阶段，少量进入第二阶段，仅有少数进入第三阶段（直接交易）。机构采用率低的重大障碍是需全额名义价值作为保证金抵押品。Kalshi已获NFA许可并正与CFTC合作引入保证金交易。政界方面，特朗普、杰弗里斯、舒默均公开引用Kalshi赔率，DDHq将预测市场数据作为党代会标准输入，Vote Hub宣布将Kalshi数据整合进中期选举预测模型。与会前议员蒙代尔·琼斯指出预测市场正常化已在进行中。面板上的四名成功交易员均非金融背景，分别来自音乐、政治、扑克领域，但均强调平台奖励深度领域知识而非资历。
文章分析了AI从语言范式向物理世界扩展的机遇与技术基础。当前VLAs、WAMs、原生具身模型等架构正收敛于学习物理世界表示；双系统分层架构（System 2推理+System 1控制）成为复杂具身AI的标准设计；强化学习后训练正将LLM的缩放定律引入动作领域；模拟和合成数据是解决物理世界数据稀缺的核心基础设施。三大前沿机会领域为机器人学习、自主科学和新的人机界面，三者共享物理动态学习表示、分层动作架构、闭环控制等技术基元，形成相互增强的结构性飞轮。
本文分析了休眠商务条款（Dormant Commerce Clause）在州级AI监管中的适用困境。法院在进行成本效益平衡时缺乏足够证据，导致判决不准确。文章指出，2025年美国各州提出超过1000项AI相关法案，2026年截至3月已超过1500项。休眠商务条款包含三个原则：反歧视、反域外效力、反过度负担，其中Pike平衡测试要求评估州法负担是否明显超出其本地收益，但法院缺乏量化方法。xAI已对科罗拉多AI法案提起休眠商务条款诉讼。文章建议通过立法前证据声明、事后审查和合规成本披露等方式，为法院提供更好的证据和分析工具。
本文分析AI应用公司如何在价格战中存活而不毁掉业务。核心发现：企业买家通常拥有预分配的AI预算，不会仅因价格选择供应商；大型企业有意部署2-3个AI工具处理相同用例以实现冗余；真正决定胜负的是工具是否不可或缺而非价格最低；优质感知可维持比竞争对手高10-20%的价格而不增加流失；定价单位（如何收费）与定价水平同样重要；成果定价模式使价格比较更困难；买家同时需要可预测性和基于绩效的模式；降低入门成本和摩擦比降低产品价格更有效；免费试用和概念验证阶段可提供10-25倍价值；随着基础模型成本下降，构建vs购买的经济性正在改变；真正的护城河是难以在内部复制的差异化——深度工作流集成、持续模型改进、领域特定训练数据、专属客户成功和驻场工程师。
旧金山科技社交场景已主要由“终端在线”人群驱动，社交图谱首先在X（Twitter）上建立，随后通过私人群聊和Partiful活动实现线下聚会。社交资本从线下会议和咖啡聊转向线上互相关注和内容互动，形成以“mutuals”为证明工作的新模式。许多人通过长期线上内容消费在X上相识并最终线下见面，甚至找到恋爱对象。新搬入的居民常只认识通过X或X用户聚集的活动认识的人。传统意义上场所提供的社交“工作”已被线上社交基础设施取代，活动报名通过Partiful排队和“门卫”控制。a16z的新媒体 fellowship（New Media Fellowship）采用X群聊和Partiful组织线下聚会，未使用名片或破冰环节。该文认为这些模式可能向其他城市扩散，标志着整个世代建立信任、寻找爱情和招聘方式的潜在转变。
本文回顾美国在经济与科技竞争中的“活力”（dynamism）优势，指出日本在1950‑1990年间凭借制造业高速增长成为美国的主要竞争对手，但美国通过早期互联网大规模投资、太空竞赛中的全力动员（NASA预算峰值达联邦预算的4.4%，阿波罗计划雇用超40万人）以及曼哈顿计划的巨大投入（13万工人、约合今日350亿美元），最终在技术浪潮中占据主导。当前，AI被视作新的国家项目，美国正通过在俄亥俄的Arsenal‑1工厂、路易斯安那的无人舰船、阿拉巴马和亚利桑那的AI制造设施等大规模产业布局，加速AI技术的军事和工业应用。文章的核心论点是，只要美国相信AI的潜力并继续快速动员资源，就有能力在AI时代继续保持领先地位。
截至2026年4月，a16z内部数据显示Fortune 500的29%和Global 2000的约19%已实现AI平台的付费上线。AI采用最快的使用场景为代码生成（规模比次高场景高出一个数量级），其次是客服和搜索；技术、法律和医疗行业最先拥抱AI。代码工具将顶尖工程师生产力提升10‑20倍，客服AI具备自然人工接管路径且ROI易量化，法律AI创业公司Harvey三年ARR约2亿美元，Eve拥有450+客户并估值10亿美元，医疗AI公司如Abridge、Ambience快速成长。整体显示AI在企业中的渗透速度远超传统软件，且在结构性、可验证任务上最具价值。
本文为2026年3月发布的第六版生成式AI消费者应用Top 100榜单。核心变化是首次将AI功能深度集成的非AI原生产品纳入榜单（如CapCut 7.36亿MAU、Canva、Notion付费AI附加率从20%升至50%+）。ChatGPT仍以2.7倍优势领跑桌面端、2.5倍领跑移动端，周活用户突破9亿覆盖全球10%人口。Gemini和Claude付费订阅增长加速（分别258%和200%+ YoY），约20% ChatGPT用户同时使用Gemini。Google的Nano Banana图像模型首周生成2亿张图带来千万新用户，Veo 3被视为美国视频模型突破。Claude通过Claude Code、Cowork等专注开发者/专业人士，而ChatGPT正通过220+应用的消费交易生态（旅行、购物、餐饮等）向超级App演进，两平台仅11%应用重叠。地理格局呈现三大生态分裂：西方工具主占美印巴英印尼市场；DeepSeek独跨中（33.5%）俄（7.1%）美（6.6%）；俄罗斯本土产品快速填补制裁空缺。按人均AI采用率，新加坡第一、美国仅第20。创意工具领域，图像生成自7席缩至3席，视频/音乐/语音填补空白，中国模型主导视频生成。Sora曾登顶美区App Store 20天实现百万下载但未能维持病毒式增长，现仍有300万日活。Agentic AI从垂直 vibe coding（Lovable、Cursor等）向水平代理演进。
本文指出，互联网上通过开放标准实现的开放与控制平衡曾保障了学习自由，但随着AI技术普及，出版商正通过付费墙、服务条款和法院禁令限制公开信息的访问，可能把学习自由从公共资源转变为受合同和技术壁垒约束的特权。此趋势将提高AI训练和使用成本，削弱用户对合法内容的分析和摘要能力，并因大公司更易适应复杂规则而导致市场集中度上升。历史判例（Ticketmaster案、KPMG链接争议、书籍首次销售 doctrine、X v. Bright Data）表明合同不能完全剥夺公众对公开数据的合理使用权。作者建议通过市场、技术与政策相结合的定制方案（如robots.txt标准演进）来在AI时代维护学习自由。
Prepared 是一家面向 911 呼叫中心的 AI 辅助平台，提供两类核心功能：非紧急事务（如噪音、停车、311 等）全自动化，以及紧急呼叫时的实时共驾（包括语音转写、多语言即时翻译、CAD 条目自动生成和全量质量监控）。公司创始于耶鲁大学，创始人 Michael Chime 受 2012 年校园枪击事件个人经历启发，最初为学校研发紧急通讯 App，随后发现 911 中心系统仍基于 1960 年代技术，导致与现代通讯方式严重脱节。Prepared 通过免费试用层直接向终端用户（911 接警员）展示技术优势，快速在全美扩展至约 1000 家中心（约占全国 6%），并在 2024 年预计处理超过 2000 万通电话。其 AI 共驾能够捕捉人工遗漏的关键细节（如现场武器、呼叫者自闭症等），并将质量检查覆盖率从传统的 2% 提升至 100%；多语言场景（如越南语）实现即时翻译，消除 1-7 分钟的人工口译等待时间。公司坚持“以用户问题为导向”的迭代开发，强调技术价值而非营销，已在多个大城市落地并持续扩展。
本文提出美国联邦AI立法路线图，主张AI不能成为责任防护盾，强调需对儿童提供特殊保护、联邦主导模型开发的跨州监管、州保留对AI使用危害的执法权、透明度要求聚焦消费者决策且不增加初创企业负担、加强防御性AI和网络防御、评估AI在国家安全领域的边际风险、以及建设AIready劳动力等配套措施。
2025年10月6日，a16z合伙人Kimberly Tan在OpenAI第三届年度开发者大会DevDay上与Decagon和Clay的创始人对话，聚焦企业级AI的构建与销售策略。对话涉及快速演进的模型环境下的产品决策、AI实验与风险管理的平衡、确保AI试点成功的关键要素、在嘈杂市场中突围的策略、垂直深耕与横向扩展的权衡、投资时间与资金的优先级分配，以及对创始人的核心建议。
领先AI公司面临的不是留存问题，而是衡量问题。由于AI游客（临时注册后快速流失的用户）大量出现，传统的以Month 0（M0）或Month 1（M1）为基准的留存率会误导。分析数百家AI公司后发现，将留存和获客基准点从M0重新定位到Month 3（M3），可以更准确反映核心用户的长期留存、产品‑市场匹配、单位经济效益以及GTM投资决策。M3被视为剔除AI游客后的“真实”客户基线；M12/M3比率可预测长期净美元留存率（NDR），领先的自助或月度计费AI企业已实现>100% NDR，且部分产品呈现“微笑”留存曲线（如ChatGPT），暗示随产品能力提升，被动流失用户会回归并扩大使用。留存是5年LTV/CAC回报的关键输入，若M3后留存继续下滑则警示产品价值未转化为持久效用；对月度合同可直接用留存曲线评估PMF，对年度合同则需关注使用与功能采用等参与度指标。随着更多AI公司拥有微笑曲线，长期NDR有望在$500M+ ARR规模时突破150%。
AI 正在催生新一轮“模型破坏者”（modelbusters）——增长速度远超预测的公司。在前所未有的资本支出（CapEx）推动下，AI 成本每 12 个月下降约 10 倍，模型能力约每 7 个月翻倍，已实现 10 倍用户体验、1/10 成本的根本性提升。AI 正快速渗透价值 6 万亿美元的脑力服务市场并夺走消费者注意力，ChatGPT 月活已超 10 亿、美国用户每日使用时长约 20 分钟。OpenAI、Anthropic 等公司 2025 年净收入已接近除 Mag 7 之外的全部公共软件收入，C 端和 B 端均出现高速增长案例（如 Cursor 从 2 美元增长至 3 亿美元，Decagon 成本下降 60% 且满意度翻倍）。与此同时，基于成果的计价模式和 ROI 分成等新商业模式正在浮现，为创始人在平台转移期捕获超额价值提供路径。
This article examines the constitutional limits on state authority to regulate artificial intelligence, focusing on the dormant Commerce Clause. It outlines three doctrinal components—anti‑discrimination, Pike balancing, and the anti‑extraterritorial principle—and illustrates their application through recent case law (Pike v. Bruce Church, National Pork Producers v. Ross, Minnesota insulin pricing case). The piece notes that, in 2024, states enacted over 100 AI‑related statutes while Congress passed none, and it highlights California AB 1018 as a bill that could impose hundreds of millions of dollars in compliance costs and effectively set de‑facto national standards, raising dormant Commerce Clause concerns. The analysis advises states to target harmful AI uses within their borders rather than extraterritorial model‑development regulation.
本报告为第五版全球生成式AI消费产品Top100榜单，基于Similarweb网页月独立访客和Sensor Tower移动端月活用户数据，列出前50个AI原生网页产品与前50个AI原生移动应用。总体来看，生态正趋于稳定，网页榜单新增11个品牌（含Google四个可独立追踪的产品），移动榜单新增14个品牌。Google的Gemini在网页端排名第二、移动端紧随ChatGPT；AI Studio进入前十，NotebookLM排名第13，Google Labs位列第39。X的Grok在网页第4、移动第23，因Grok 4发布和AI伴侣头像在7月大幅增长。Meta AI在网页第46，未进入移动榜单。DeepSeek在移动端下降22%，在网页端下降超40%；Perplexity和Claude保持增长。中国产品在网页前20中占三席（Quark、Doubao、Kimi），其中22个移动应用源自中国公司，Meitu贡献5个席位。 vibe coding平台Lovable和Replit新晋榜单，数据显示其美国用户收入留存率数月保持在100%以上，并带动Supabase等配套服务的流量增长。连续五次进入网页前50的14家“全明星”企业分布在美、英、澳、中、法，且大多数已获风投。另有5家企业若排除首版也在候选名单之列。
2025年中后期，多家行业巨头收紧API数据访问权限，典型案例包括Salesforce限制Slack批量索引、摩根大通拟向金融科技聚合商收取3亿美元年费、微软加强对Bing及GitHub的控制。此类限制迫使依赖系统记录的AI产品（企业搜索、Copilot、知识图谱）面临数据获取成本上升、单位经济恶化及产品差异化受限的挑战。作者指出，平台方通过限流、审查、付费墙等“消耗式”手段而非直接封禁来挤压生态，并援引开放银行案例表明用户对第三方工具的黏性可能导致平台方被迫让步。为应对风险，企业可采用全栈AI自建、开放源码LLM与向量数据库实现数据自主、或通过政策与监管明确数据所有权。两位路径浮现：封闭栈的守成平台与全栈挑战者。创始人需自问：若所有API明日失效，业务是否仍存？
本文分析AI应用生成平台的演进，指出平台并非零和竞争，而是像基础模型一样走向专业化和差异化。文章引用2022年对基础模型的错误假设（模型可互换、价格竞争），以及随后出现的Claude、Gemini、Mistral、ChatGPT等专门化方向和价格上涨的例子，说明平台市场正复制这一模式。文章利用Similarweb数据说明Replit和Lovable的用户忠诚度分别为82%和74%，并指出Lovable倾向于美学原型、Replit倾向于后端密集型应用。作者提出约束型、专注于特定应用类别的平台往往优于通用平台，并列出六大需要不同集成的应用类别：数据/服务包装工具、工具类、内容平台、电商中心、生产力工具、社交/消息应用。预测未来市场将呈现多个专门化、观点鲜明的平台共存的格局，类似于当前基础模型市场的格局。
Consumer AI apps are rapidly adopting $200/month hyper‑premium subscription tiers that serve narrow, high‑intensity use cases rather than the mass market, enabling niche‑focused products with favorable unit economics and signaling a shift away from ad‑supported growth models toward deep, specialized offerings.
The third batch of Open Source AI Grant recipients was announced on 2025‑06‑26. The grant program provides non‑investment funding to hackers, researchers, and small teams developing AI outside major labs. This batch emphasizes evaluating frontier large language model (LLM) capabilities and testing their limits, highlighting benchmarks such as SWE‑Bench and ARC Prize that go beyond saturated metrics to assess genuine reasoning and real‑world problem solving. Experimental work by truth_terminal, Pliny, and Janus is cited for pushing AI boundaries, revealing unexpected abilities and raising questions about AI interaction with the real world. Additional grants target top open‑source AI infrastructure teams.
本文分析企业AI行业的关键特征与商业模式创新，指出AI已从概念验证走向商业落地，初创企业在模型编排、实现细节和客户深度集成方面构建壁垒；企业采购行为从传统软件转向AI驱动的价值交付，ARR增速远超SaaS基准，成本下降与工具链成熟催生长尾软件市场；早期动量和品牌建设成为竞争优势，但可持续护城河仍需围绕系统-of-record、工作流锁定和深度垂直集成打造。
In early 2025 an anonymous document branded "Unpatched AI" published >100 previously unknown Microsoft Access and Office 365 vulnerabilities with full technical proofs, stack traces and exploit chains, indicating an autonomous LLM‑steered vulnerability‑research pipeline that combines fuzzing, symbolic execution and generative narration. The security community recognized the findings as genuine and highly automated, prompting the realization that autonomous systems are beginning to compete—and in some cases outperform—human researchers in offensive security tasks, moving up public bug‑bounty leaderboards and scaling attack‑surface coverage without human guidance. Traditional penetration testing relies on periodic, human‑driven engagements that cannot keep pace with rapid software change; the 2025 Verizon DBIR notes >67 % of breaches involve unpatched flaws >90 days old despite recent assessments. A new class of AI‑native pentesting platforms unbundles expert‑labor constraints by coupling LLMs with exploit tooling, real‑time telemetry and proprietary data, offering fully autonomous agents or copilot‑style assistance that execute exploits in safe sandboxes, verify findings, and generate actionable reports. Early platforms promised automation but suffered shallow coverage, static detection logic, poor cloud‑native support and alert fatigue ("50 000 criticals, zero real"). Current systems excel at low‑hanging issues (XSS, SSRF, misconfigs) and business‑logic flaws that can be inferred from intent, but still lag in complex chained authorizations, race conditions and environment‑specific contexts requiring deep contextual reasoning. Regulatory frameworks (SOC 2, PCI, ISO 27001) require human‑led assessments, creating auditability and liability gaps for fully autonomous tools. The emerging shift is toward continuous, AI‑augmented testing integrated into CI/CD pipelines, blurring the line between testing, pentesting and red‑teaming.
本文指出在消费者AI领域，由于基础模型和基础设施每月都在快速迭代，传统护城河已不复存在，速度成为核心竞争优势。传统营销渠道（付费获客、SEO）难以创造持久留存。文章总结了当前有效的分发策略：hackathon已演变为公开表演场所（如ElevenLabs的Gibberlink病毒事件、Lovable的设计师对决vibe coder）；社交挑战赛（如Genspark的10K美元挑战）成本低效果好；联盟式启动包（如Captions+Runway+ElevenLabs+Hedra）实现能力交叉授粉；早期采用者的真实演示比影响者营销更有效（如Nick St. Pierre对Midjourney的推广、PJ Ace对Veo 3的$500作品）；聘用工程师担任增长负责人（如ElevenLabs的Luke Harries）；公开构建文化（如Genspark 45天达成$36M ARR）。
Based on a June 2025 survey of 100 enterprise CIOs across 15 industries, generative‑AI budgets are growing faster than expected (average ~75% YoY), with spend shifting from experimental innovation funds to core IT and business‑unit budgets. Multi‑model deployments are now standard (37% using 5+ models), driven by task‑specific model differentiation rather than just vendor‑lock‑in concerns. Model costs have dropped roughly ten‑fold per year, improving price‑performance for closed‑source small/medium models; as a result, fine‑tuning is declining in favor of prompt engineering and long‑context solutions. Reasoning models are in early testing but already showing strong adoption for OpenAI’s o3 (23% in production vs 3% for DeepSeek). Enterprises are moving toward direct procurement from model providers or via Databricks, seeking early access and lower switching costs—though agentic workflows increase lock‑in because extensive prompt tuning is model‑specific. External benchmarks (e.g., LM Arena) are now a key filter in procurement, complementing internal evaluation. The ecosystem of third‑party AI applications has matured, driving a buy‑vs‑build shift; over 90% of respondents are testing third‑party customer‑support apps, while regulated sectors like healthcare still favor in‑house development.
AI‑native startups are reaching revenue milestones far faster than pre‑AI benchmarks, with median enterprise ARR exceeding $2 M and median consumer ARR reaching $4.2 M within the first year, enabling Series A funding within 8–9 months after monetization.
The article argues that enterprise AI startups succeed by adopting implementation‑heavy, services‑oriented models similar to early Salesforce, ServiceNow and Workday, rather than pure product‑led growth. It contends that AI agents require deep integration, data ingestion and ongoing management, which creates a need for forward‑deployed engineers and professional services that lower early gross margins but build durable moats and higher margins later. The author claims that even model providers are hiring solutions engineers, and that controlling the data ingestion point is critical for building a system of work that rivals traditional systems of record.
AI正在根本性重塑年规模1400亿美元的全球市场研究行业。传统市场研究受制于缓慢的问卷调查、存在偏差的小组样本和滞后的洞察，而AI原生公司正通过语音转文本、文本转语音模型及大型语言模型构建自动化访谈平台，实现从数周缩短至数小时的分析周期。更前沿的方向是基于生成式代理（generative agents）的模拟研究——利用LLM驱动的虚拟角色模拟真实消费者行为，实现持续、动态的研究能力。该领域已出现Simile、Aaru等初创公司，后者与Accenture达成合作。早期采用者关注70%准确率阈值即可满足多数CMO需求，且成本更低、速度更快、数据实时更新。Qualtrics和Medallia等传统SaaS平台估值分别达125亿和64亿美元，而Gartner和McKinsey各约400亿美元，反映软件在整体市场中的占比仍极低。
传统SEO基于链接和关键词匹配，市场规模超800亿美元。2025年搜索正从传统浏览器转向LLM平台，苹果宣布将Perplexity和Claude等AI原生搜索引擎集成到Safari。GEO（生成式引擎优化）基于语言模型构建，核心指标从页面排名转向答案引用率。AI搜索查询平均23词、深度会话平均6分钟，LLM具备记忆、推理和个性化能力。与传统搜索广告变现模式不同，LLM多为订阅制，模型提供商对第三方内容引用激励不足。ChatGPT已驱动数万个不同域名的引荐流量。Vercel CEO透露ChatGPT带来其10%新注册用户。Canada Goose等品牌开始使用Profound、Goodie、Daydream等平台监测LLM对品牌的引用方式。Ahrefs和Semrush等传统SEO工具商已推出AI可见性追踪功能。GEO仍处于实验阶段，LLM提供商的引用规则仍在调整中，策略包括源文档引用、模仿品牌相关提示语言、战略性注入SEO关键词及大规模合成查询测试。GEO定位为品牌与AI层互动的系统记录，潜在平台机会包括模型微调、实时营销生成和模型记忆优化。
文章认为，针对AI模型开发的高额合规成本将损害小型AI创业公司（Little Tech），并导致市场集中度上升。作者指出，现有的基于训练成本、算力或计算量的阈值难以准确区分小型和大型开发者，因为现代AI模型通过多方协同训练、开源模型复用、模型蒸馏以及大量前期研发实现，且大部分真实成本出现在最终训练运行之前，导致阈值无法有效豁免小型公司。文章因此主张使用收入阈值（revenue‑based thresholds）来划定监管范围，因为收入指标针对的是AI应用而非开发阶段，更能反映企业的实际规模与承担合规负担的能力。