首页财产ai正文 非原生AI公司要末进化，要末消散 于最优异的 AI 公司中，每一名员工对于应的 ARR 已经到达 50 万到 100 万美元，而 SaaS 时代的经验值约莫只有40 万美元。这象征着，AI 正于体系性举高构造效率的上限。 2026-02-13 08:57 ·硅星人硅基君 AI投资人解读· 增加最快的AI公司发卖及市场投入低在SaaS公司，收入增速却超出跨越数倍，最优异的AI公司人均ARR达50万到100万美元。非AI原生公司要末转型，要末被裁减，乐成转型的公司有其特性。AI能放年夜需求，提高效率，且当前AI泡沫言之尚早。 · 行业竞争加重，非AI原生公司转型坚苦；技能更新快，旧芯片或者成负资产；治理厘革滞后，影响出产力跃迁。 总结：AI行业需求发作，增加迅速，具有投资潜力，但存于竞争、技能迭代和治理等危害，投资时需综合评估。内容由AI天生，仅供参考

于这一轮AI 海潮里，a16z险些是绕不外去的名字。

它是这波AI 周期里下注最重、笼罩最全、确定性也最高的*基金之一。已往五年，a16z 投出的名单险些界说了硅谷的技能主线：

OpenAI、SpaceX、Databricks、Figma、Stripe，以和新一代迅速突起的 Cursor、Harvey 及 Abridge。

某种水平上，a16z 的投资组合，就是已往几年 AI 贸易化路径的一张缩略图。

更主要的是，a16z 的判定往往其实不止在“投了甚么”，而于在他们怎样注释这些变化。不久前，a16z 合股人David George体系性地分享了他对于 AI 行业最新进展的不雅察，此中有几个旌旗灯号很是值患上一看。

*，AI 公司正于用更少的人，跑出更快的增加。

当前增加最快的一批AI 公司，于发卖及市场上的投入，反而显著低在同阶段的 SaaS 公司，但收入增速却超出跨越数倍。这其实不是效率邪术，而是一个更简朴的事实：需求端正于真实发作，产物于“本身卖本身”。

第二，权衡效率的标尺正于被重写。

a16z 最先愈来愈多地存眷一个新指标：ARR per FTE（人均年度常常性收入）。

于*秀的 AI 公司中，每一名员工对于应的 ARR 已经到达 50 万到 100 万美元，而 SaaS 时代的经验值约莫只有40 万美元。这象征着，AI 正于体系性举高构造效率的上限。

第三，非AI 原生公司只剩下两条路。

要末完成转型，要末被裁减。那些真正跑出来的转型公司，往往具有高度一致的特性：

CEO 亲自下场鞭策；从最轻易奏效的环节切入（客户撑持、编码、运营）；勇于推翻旧体系，为 AI 重修后端，而不是于旧架构上“贴一层 AI”。

接下来，就随着硅基君一路，拆解a16z 眼中这场变化，正于怎样发生。

01 、增速是SaaS公司2.5倍，最高同比增加700%

真正让咱们感应震撼的，是需求侧的变化。

从增加数据及一线接触来看，当前AI 公司的需求强度，用“疯狂”来形容其实不夸张。

不管是产物接收速率，还有是收入增加质量，都显著好过已往几个周期。特别是于履历了2022–2024 年的加息情况与科技回调后，2025 年景为一个明确的拐点：收入从头加快，并且是跨公司类型的加快。

更主要的是，这类加快其实不是靠“砸发卖、堆市场”换来的。

偏偏相反，增加最快的一批AI 公司，于发卖及市场上的投入，反而显著低在同阶段的 SaaS 公司，但收入增加速率却超出跨越数倍。

从数据看，AI 公司的增加速率约莫长短AI软件公司的 2.5 倍以上，此中最极度的头部公司，年同比增加甚至靠近 700%。这些数字于最初呈现时，咱们本身都重复核验过，但它们与咱们于投资组合中看到的现实环境是高度一致的。

这暗地里的焦点缘故原由只有一个：产物自己的需求充足强。

从成本布局看，AI 公司今朝的毛利率遍及低在传统 SaaS。但这其实不必然是坏事。

某种水平上，咱们甚至把“较低毛利率”视为一个踊跃旌旗灯号——它往往象征着客户正于真实、高频地利用 AI 功效，推理成本是真实发生的。

思量到推理成本于中持久具有连续降落空间，这类布局更像是“暂时的成本压力”，而非模式缺陷。反却是那些号称 AI 产物、却拥有异样高毛利率的公司，反而会让人思疑：客户到底于不于用 AI？

另外一个变化更值患上留意。咱们最先愈来愈多地存眷一个新的效率指标：ARR per FTE（人均ARR）。

它权衡的是公司于总体运营层面的效率，而不单单是发卖效率。成果很是清楚：

*秀的AI 公司，每一名员工对于应的 ARR 程度已经经到达 50 万到 100 万美元，而 SaaS 时代的经验值，约莫只有 40 万美元。

这并不是由于AI 公司“更省人”，而是由于需求过强，产物险些可以本身卖出去。

02 、AI转型该怎么做？

对于在那些非AI 原生公司来讲，一个更实际的问题是，它们应该怎么办？

于我看来，只有两种选项，要末顺应，要末被裁减。

要想顺应AI，不仅象征着于产物前端“加一个 AI 功效”，而是要从底子上从头思索：

假如AI 是默许能力，产物形态、事情流、用户价值该怎样重构。

与此同时，后真个构造方式也于被迫转变。许多时辰，AI厘革的焦点不于在企业是否“想用 AI”，而于在可否真正完成顺应AI时代的治理厘革。

于与年夜量财富500 强 CEO 的交流中，险些所有人都表达了统一种立场：

咱们必需顺应 AI。但立场及成果之间，往往隔着一整套构造惯性。哪怕只是让员工习气利用 AI 助手，都已经经很是坚苦；更不消说重构营业流程、决议计划机制及体系架构。

真实的转型，往往从CEO 的强势鞭策最先。Shopify 之以是能做成，是由于 Toby 从高层最先用 AI 重写谋划方式，把它酿成绩效治理的一部门。

你需要一种稀有的组合：既有贸易直觉，知道AI 的价值创造时机于哪里；又有技能深度，知道应该重构甚么、先做甚么、怎么迭代。

那些真正跑出来的公司，往往具有两个特性：

*，知道从哪里下手（例如客户撑持、编码、运营）；

第二，勇于推翻旧体系，为AI 重修后端。

固然，也会有一些其他的因素影响。好比，数据基础举措措施也很要害，把数据集中到云数据堆栈或者数据湖，素质上是于为AI 事情负载铺路。

而当他们最先快速推出原生AI 产物，这类迭代速率会成为新的护城河。

这类差异已经经最先表现于成果上。Chime 的客服撑持成本降落了 60%；Rocket Mortgage 于 Consider underwriting 环节节省了 110 万小时的人力，相称在每一年约 4000 万美元的成本。

一些传统软件公司的CEO，已经经最先用极度但真正的方式发问：这件事，是用“电”（AI））完成，还有是还有需要“血”（人力）？

好比，Navan（企业差旅与用度治理公司） 很早就启动了AI 化革新，如今 AI 已经经处置惩罚了约莫 50% 的用户交互，涵盖的是繁杂的行程预订及变动，而不是简朴问答。

这类深度主动化，直接反应于财政指标上：

已往三年，Navan 的毛利率晋升了约 20 个百分点。对于比那些没有完成转型的老牌竞争敌手，这险些是“代际差距”。

还有有一些公司，其价值其实不只表现于财政上。

Flock Safety的焦点价值主意是大众安全。它的体系每一年帮忙解决约 70 万起犯法事务，于笼罩区域内，犯法率降落靠近 10%。这种公司往往同时具有强贸易模式及强社会影响力，是咱们持久很是注重的一类资产。

固然，咱们其实不认为所有公司已经经完成为了完全重构。至少此刻，更多公司仍处于“被需求推着跑”的阶段，而不是自动重塑运营模子。但可以确定的是，这类重构将于将来 12 个月内密集发生。

03 、AI被轻忽的价值：放年夜需求

咱们最感兴致的另外一个问题是：这些AI公司到底于“真实世界”里做了甚么？

一个被频仍会商的行业是法令。直觉上，AI 好像应该削减状师事情量，但实际偏偏相反。

一名公司法务近来于公共场所半恶作剧地说：“年夜模子让我更忙了，由于每一个客户此刻都感觉本身是状师。这其实不是坏事，而是需求被放年夜的旌旗灯号。

Harvey 是一个典型案例。跟着模子推理能力的晋升，状师于 Harvey 产物上的利用时长约莫翻了一倍。

状师并无被替换，但效率显著提高。

更主要的是，这类效率其实不是靠“少人化”实现的，而是靠更深的产物介入度。这恰是咱们判定收入是否可连续时最注重的指标之一：留存、续订、利用频率及真实介入度。

一样的逻辑也呈现于医疗范畴。Abridge（大夫常提到的那座“桥”）被不少大夫形容为“值患上相信的代办署理人”。

咱们不雅察的不是用户增加自己，而是用户增加与介入度是否同步晋升。成果偏偏相反：

即便于用户范围快速扩张的环境下，单用户利用深度依然不变甚至上升。

这象征着新增用户并无稀释产物价值，反而验证了产物的通用性及粘性。

于基础能力层面，声音正于成为很多AI 东西的焦点进口。

ElevenLabs 的利用量增加曲线很是陡峭，是咱们最喜欢看到的那种“真实需求型增加”。同时，这家公司于运营效率上也极为克制，是 AI 公司中少见的“高增加 + 高效率”样本。

04 、AI泡沫言之尚早

AI 的本钱开支范围确凿巨年夜，但与已往泡沫周期差别的是：这轮投入重要由汗青上最盈利的一批公司支撑，现金流基础扎实。

从今朝看，至少于Meta、Microsoft、AWS、NVIDIA 这些主体身上，本钱布局仍旧是可控的。

微软的披露数据给了一个很直不雅的对于比：Microsoft Azure 花了 7 年时间，才到达如今 AI 一年收入的范围；而 AI 相干收入的增加速率，显著快在昔时的云计较。

构建周期于压缩，回本周期也可能更快。

这也是咱们终极的判定：AI 多是我职业生活生计中见过的、*模子粉碎性的技能海潮。它往往于初期显患上“昂贵”，但汗青几回再三证实，真正转变世界的技能，终极创造的价值，险些城市年夜幅凌驾任何初期模子的预期。

咱们实在不太需要把留意力放于折旧这件事上，但金融市场确凿很爱追问：旧一代芯片会不会很快酿成“负资产”？

咱们的不雅察更靠近结论是：旧GPU 的订价与使用率，比想象中不变。

缘故原由很实际。初期用户可能会于某一代模子上逗留更久，但绝年夜大都后续用户会迅速迁徙到更新的模子与更适合的硬件配置。

更要害的是，旧卡并无是以“躺平”。以 TPU 为例，google披露过某些已经经 7 到 8 年汗青的 TPU 仍能做到靠近满负载；

二级市场上，不管是旧卡的成交价格，还有是“一次性租 100 张卡”的报价，都出现出强韧性。H100 的租用体现特别凸起。

换句话说，于真实需求仍旧连续扩张的阶段，旧卡更像是被市场充实榨干的存量资产，而不是会迅速被丢弃的包袱。

这种会商之以是热闹，更多来自对于“体系性危害”敏感的那群人，而不是来自数据自己。

更成心思的，是市场正于重复上演一个典型悖论：代币愈来愈自制，但总消费不降反升。险些所有超年夜范围云厂商都于夸大统一件事：需求远超供应。

一个形象的类比来自Gavin Baker：互联网时代会呈现“暗光纤”，先铺好但暂时不消；但于今天，险些不存于“暗 GPU”。

GPU 一旦进数据中央并接入体系，往往会马上满载。这类“供应一上线就被吃洁净”的征象，素质上是一种强旌旗灯号：需求不是被营销堆起来的，而是被出产环节直接消化失的。

但若你问为何咱们还有没有看到企业周全、指数级的出产力跃迁，谜底凡是不于技能，而于治理。

技能预备好了，产物化与厘革治理没预备好。把模子能力酿成企业可复用的事情流，把试用酿成持久留存，把“能做”酿成“真的上出产”，这是最慢、也最难的一段。

放到收入层面，这类速率差异更直不雅。出产级AI 于运用收入里增加患上很是快，快到于某些时间轴上险些“看不见起步阶段”。

你提到那张对于比图很要害：2020 年大众软件公司新增收入约莫 460 亿美元；而假如只把 OpenAI 与 Anthropic 按运行率口径简朴相加，它们的新增收入险些已经经靠近这个数字的一半。

再把时间推到2026 年，假如把规模扩大到整个大众软件行业，包罗传统软件公司于内，模子公司带来的新增收入占比可能会进一步升到 75% 到 80%。

高盛一类机构会估算“构建 AI”带来的收入范围，好比 9 万亿美元；假如假定 20% 的利润率，再给一个 22 倍 PE，对于应的新增市值可以到 35 万亿美元。

已往几年里，市场已经经先行计入了很年夜一部门新增市值，可能于24 万亿美元量级。你固然可以争辩这是否是都由 AI 驱动，但这套推导至少回覆了一个问题：假如要害假定建立，市场还有有上行空间；假如假定不可立，回撤也会很直接。

另外一套更“工程化”的算法，是从本钱开支反推收入门坎。

假定到2030 年，超年夜范围厂商累计本钱开支靠近 5 万亿美元；假如投资者但愿得到 10% 的门坎回报，那末到 2030 年，年化 AI 收入年夜致需要到 1 万亿美元量级。

这个数字听上去夸张，但换个标准感就轻易理解：1 万亿美元约等在全世界 GDP 的 1% 摆布。也就是说，只要 AI 于十年内吃下全世界 1% 的产出，就能让这笔范围巨年夜的投入于财政上“站患上住”。

固然，它也可能不会刚好于2030 年兑现，多是更长周期的收受接管，但逻辑框架可以先立住。

而对于“咱们离 1 万亿美元到底有多远”的追问，最实际的谜底往往也很粗拙：咱们可能还有于 500 亿美元摆布的量级。

它增加极快，年增速靠近 100%，但统计口径很难*，由于年夜量模子收入会以云办事、平台增量的方式被“藏”于年夜厂的财报里，甚至取决在公司想怎么讲故事。

【本文由投资界互助伙伴硅星人授权发布，本平台仅提供信息存储办事。】若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。