金色財經
2026 年上半年，美國 VC 共向 AI 公司投入約 3559 億美元，占同期 4127 億美元投資總額的 86%。2025 年，這一比例為 65.5%。但從交易數量看，AI 公司今年上半年占美國 VC 交易筆數的 43.2%，與 2025 年的 43.3% 基本持平。
a16z Growth 團隊在最新一期 State of Markets 中回顧了過去一年的市場數據：大型科技公司的資本開支繼續增加，OpenAI、Anthropic 的收入快速增長，但企業真正把 AI 放進業務流程的進度還很早。
這種落差在企業端已經很具體。69% 的 S&P 500 公司已經有正式運行的 AI 項目，但能夠量化業務影響的約為 30%，持續追蹤明確指標的只有 2%。與此同時，Alphabet、Amazon、Meta、Microsoft 和 Oracle 2027 年的資本開支預計超過 1 兆美金。
a16z 指出接下來花更多時間看的方向列到了消費 Agent、機器人、自動駕駛、AI4Bio、個人健康，以及 Coding 之外更多企業應用。
過去約四年，美國股市累計上漲 90%，折算下來年化約 17%。與此同時，科技公司在整個市場裡的權重繼續增加：高科技設備、軟體和 R&D 已經占到美國資本支出約 55%，科技公司接近美國股市總市值的 40%，全球市值最高的 10 家公司中，有 8 家來自美國科技行業。
市場漲得快，但估值並沒有同步擴張。最近一輪上漲中，股價整體上升約 20%，交易倍數反而下降約 20%，S&P 500 的盈利倍數仍低於 20 倍。2000 年網路泡沫期間，一些大型科技公司曾以接近 100 倍本益比交易，現在推高指數的公司已經擁有更大的收入和利潤。2026 年截至 8 月底，科技公司貢獻了 S&P 500 約 76% 的盈利增長。
OpenAI 和 Anthropic 是其中增長最快的一批公司。兩家公司的合計年化收入，是 Growth 團隊過去幾年持續更新的一組數據。和上一代大型軟體公司相比，頭部模型公司達到相同收入規模所用的時間明顯縮短，每年增加的收入也已經超過不少歷史上的高增長軟體公司。
這種增長也發生在私募市場。按照最近一輪融資估值，Anthropic、OpenAI、Databricks、Stripe、Waymo 和 Revolut 六家公司合計估值約 2.4 兆美元。作為對比，過去十年完成 IPO 的科技公司，目前合計市值約 1.7 兆美元，這一統計不包括 SpaceX。
公司保持私有的時間變長以後，員工流動性也開始更多通過 Tender Offer 和二級交易解決。Carta 的數據中，員工參與 Tender Offer 時實際選擇賣出股份的比例約為 58%；經歷過 2022—2024 年較明顯的二級市場折價之後，部分頭部公司的交易價格已經重新接近最近一輪融資估值。
這批公司的規模，也讓上市不再是獲得大額資金的唯一方式。對於仍在持續投入新業務的公司，留在私募市場可以減少季度財務目標帶來的壓力；另一邊，公開財務資訊也會增加企業客戶的信任，Navan 上市後就獲得了更多大型企業客戶。
資金本身正在進一步向少數公司集中。PitchBook-NVCA 的數據顯示，2026 年上半年美國 VC 總投資額已經超過 4000 億美元，高於 2025 年全年；其中 1 億美元以上的大額融資占全部投資金額的 87.5%。
Alphabet、Amazon、Meta、Microsoft 和 Oracle 在 2026 年的資本開支預計達到約 7800 億美元，2025 年還是 4160 億美元。按照目前的預期，從 2027 年開始，五家公司的年度 CapEx 合計可能超過 1 兆美元。
過去幾年，這組預測已經被多次上調。原本預計幾年以後才會達到的支出規模，往往很快提前到下一年度。
算力需求還沒有出現明顯放緩。部分數據中心供應鏈的設備和材料已經排期到 2028 年。Microsoft、Google 和 Amazon 合計還有約 1.7 兆美元的 Cloud Backlog，對應已經獲得客戶承諾、但尚未完全確認收入的雲業務訂單。
舊一代 GPU 的使用周期也比此前預期更長。隨著新一代晶片不斷上線，A100 等上一代產品的租賃價格並沒有快速下降，部分市場價格仍接近甚至高於年初水平。最新 GPU 的需求則繼續超過供給。a16z 在報告中也提到，算力需求目前仍在快於供給增長。
Agent 又增加了新的計算量。過去的聊天機器人主要是一問一答，一次請求對應有限的模型調用。Agent 可以持續運行幾十分鐘甚至數小時，期間搜尋資料、調用工具、運行代碼，再檢查自己的結果；第一次失敗後，還可以重新執行。
OpenRouter 上，與 Agent 相關的 Token 使用量已經增長約 14 倍。
另一邊，每一次模型調用又在繼續變便宜。Hebbia 通過 Cache 復用已經處理過的背景資訊，將部分金融聊天 Workload 的成本降低約 10 倍；Databricks 用 Router 根據任務選擇不同模型，在提高完成率的同時，把成本壓低約 35%。
Elise AI 則通過 Fine-tune 更小的模型，將成本降低約 60%，同時減少實時語音場景里的延遲。
單次計算價格下降後，產品可以讓 Agent 多檢查一次結果，失敗後重新執行，過去因為成本過高不適合交給模型的任務也開始能夠跑起來。
五家科技公司投入的 CapEx 最終繼續流向晶片、電力、冷卻、建築和數據中心設備。全球到 2040 年的基礎設施投資需求預計約為 90 兆美元，除了數據中心，還包括電力、水、道路和交通。
Anduril 正在擴建大型製造設施，Waymo 隨著無人駕駛車隊增加，需要繼續增加車輛 Depot；SpaceX 也在增加製造和基礎設施投入。對這些公司來說，擴張除了研發，還包括工廠、供應商、產能和交付周期。
算力投入已經到了數千億美元，企業內部的使用深度要慢得多。69% 的 S&P 500 公司已經有正式運行的 AI 項目。能夠量化 AI 帶來業務影響的公司約為 30%，真正持續追蹤一項明確指標的只有約 2%。a16z 的報告也確認，企業 AI 已經覆蓋得很廣，但實際使用仍然偏淺。
不少大型公司目前最普遍的 AI 工具仍然是 Microsoft Copilot。技術團隊也開始購買 Cursor、Cognition 等產品，但從採購工具到真正改變原來的業務流程，中間還需要接入公司的數據、帳戶、權限和內部系統。
Databricks CEO Ali Ghodsi 此前和團隊討論企業 AI 時提到，大模型知道大量關於世界的資訊，卻知道很少關於一家具體公司的事情。
Revolut 做 AI 語音客服時，即使自己擁有成熟的工程團隊，仍然選擇和 ElevenLabs 合作。語音模型只解決其中一部分問題，後面還要連接用戶帳戶、銀行系統和現有業務流程。用戶打進電話以後，AI 才能從回答問題繼續走到處理具體業務。
已經有一些公司開始給出可以量化的結果。Chime 過去四年的 Cost to Serve 每年下降超過 10%，連續計算下來，累計降幅接近一半；其中包括 Decagon 等 AI 客服產品帶來的效率提升。Shopify 推出 AI Sidekick 後，新商家在註冊後 15 天內完成 5 筆訂單的比例提高約 8%，這項指標和商家之後能否留在平台有較強關聯。
ServiceNow 的 AI ACV 已經超過 10 億美元，Agentic Deployment 增長約 9 倍但公司之間、甚至同一家公司內部的使用差距都很大。
AI 支出最高的 1% 用戶，其供應商支出中位數大約是前 10% 用戶的 8 倍。在一些本身已經大量使用 AI 的創業公司里，最重度用戶一個月會花掉約 7500 至 9000 美元，普通用戶可能只有 200 至 400 美元。
一些採用 AI 較積極的大型企業，目前 AI 工具支出大約相當於人力成本的 1%；少數從成立開始就大量使用 AI 的公司，這一比例已經接近 10%。
企業現在也開始區分 AI 預算最後用在哪裡。一種是降低已有業務的成本，例如減少客服或者內部操作的人力；另一種是做新的產品，把 AI 直接賣給客戶。過去半年，單純用 AI 重做內部系統的討論有所降溫。如果工程團隊投入數月只為了省下一部分內部成本，資源是否值得這樣分配，開始成為更現實的問題。
這些變化也進入了 SaaS 市場。目前大約 75% 的美國上市軟體公司已經盈利，但仍能保持 20% 以上收入增長的只有約 30%。如果把門檻提高到 30%，符合條件的公司已經不到 5 家。
年初市場一度集中討論「SaaS Apocalypse」，擔心企業會直接用 AI 重寫內部軟體，大量 SaaS 公司因此失去位置。目前還沒有看到這種替代大規模發生，企業更常見的選擇仍然是在原有系統上增加 AI，或者購買可以進入現有 Workflow 的新產品。
軟體公司之間已經出現差異。Cybersecurity、Observability 和 Vertical Software 相對更穩，一部分 Horizontal Application 的增長壓力更大。
Agent 可以進入更多企業系統、訪問數據並執行動作以後，安全軟體需要管理的不再只有人的賬號和權限。法律、醫療等行業則出現了一批增長很快的 Vertical AI 公司，例如 Harvey、Abridge 和 Elise AI，產品需要同時接入行業數據、既有系統和具體業務流程。
消費市場仍然處在更早的位置。截至今年 4 月，美國只有略高於 2% 的家庭為某種 AI 服務付費。Amazon Prime 已經覆蓋超過 2 億家庭，Netflix 的美國家庭用戶也以千萬計。即使今年以來 AI 付費滲透率繼續增加，和成熟消費訂閱相比仍然很小。
已經付費的用戶留存表現更好。一些 AI 產品出現了過去消費 App 中並不常見的 Smile Curve：一批已經減少使用的用戶，會隨著模型升級和功能增加重新回來。
Agent 還讓過去常用的 Screen Time 指標變得不那麼直接。
Facebook、Instagram、TikTok、Snap 等消費產品需要用戶停留在 App 里，頭部平台每天可以占據活躍用戶 30 至 60 分鐘。Agent 可以在人離開屏幕以後繼續工作。用戶發起一次 Deep Research，隨後去開會或者開車，幾個小時以後再回來拿結果。
消費端現在被關注的一類產品，是這種不需要人一直盯着、可以自己把多步驟任務繼續做下去的 Agent。它已經開始進入電商和 Marketplace 原來的業務鏈條。Amazon 對外部購物 Agent 更謹慎，Instacart 則更願意開放。兩家公司的收入結構不同。
Amazon 一年的廣告收入已經超過 700 億美元，而且利潤率很高。消費者進入 Amazon 搜尋商品、瀏覽推薦、點擊廣告，再完成購買，這條路徑本身就在產生收入。如果 Agent 直接完成搜尋、比較和下單，平台仍然可能得到交易，但中間的廣告曝光和點擊會減少。
Instacart 面臨的情況不同。線上雜貨滲透率仍然較低，如果 Agent 能帶來更多原本不會發生的訂單，新增 GMV 對平台更重要。
Google Search 過去兩年的商業表現也比生成式 AI 剛出現時市場預期得更穩定。其中一個原因是保險、酒店等高價值搜尋後面還需要用戶完成具體操作，早期 AI 只能回答問題，不能可靠地完成交易。
當 Agent 開始繼續處理購買、預訂和支付，平台需要重新判斷新增交易和原有廣告收入之間的關係。
節目最後，消費 Agent 之外，機器人被放到了更靠前的位置。David George 提到，他們認為機器人最終可能形成一個比 LLM 更大的市場，但現在的發展階段大約比 LLM 早 3 至 5 年。未來 5 年，機器人會是他們持續投入時間的方向。
這一類公司和純軟體公司需要解決的問題不同。除了模型，還要處理傳感器、執行器、硬體設計、生產線、供應鏈、現場部署和維護。產品能力做出來以後，製造成本和擴產速度同樣決定公司能走多快。
自動駕駛已經走得更靠前。目前 Uber 和 Lyft 承載的里程大約只占美國整體出行里程的 1%。David George 判斷，隨著完整的無人駕駛網路擴大，這一比例未來還有一個數量級的增長空間。美國每年銷售約 1700 萬輛新車，他預計未來十年，新銷售汽車裡的自動駕駛能力也會快速提高。
AI × Bio 的周期更長。藥物發現和疾病研究是其中被直接提到的方向。模型需要真正進入實驗、候選藥物篩選和研發流程，最終結果還要經過後續實驗驗證。這類公司不會像 Coding Agent 一樣，很快通過席位數和 ARR 看到結果。
個人健康更靠近消費端。現在一個人的體檢、醫療記錄、可穿戴設備、運動、睡眠和飲食資訊通常分散在不同系統里。David George 提到，他關注的是把這些長期數據集中以後，由 AI 根據一個人的持續變化提供更具體的建議，而不是只在用戶主動提問時回答一次健康問題。
企業端還有 Coding 之外更多工作。客服、銷售、研究、金融、法律和內部營運都已經開始接入 Agent，各自進入業務流程的程度還不一樣。
來源：金色財經
發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。
暢行幣圈交易全攻略，專家駐群實戰交流
▌立即加入鉅亨買幣實戰交流 LINE 社群（點此入群）
不管是新手發問，還是老手交流，只要你想參與加密貨幣現貨交易、合約跟單、合約網格、量化交易、理財產品的投資，都歡迎入群討論學習！
上一篇
下一篇
