核心速覽科技統治力： 全球市值前十的公司幾乎全是美國科技巨頭，科技正在吞噬整個市場份額。這不是 2000 年： AI 擁有成熟的雲基礎設施。ChatGPT 達到同樣搜尋規模的速度比 Google 快了 5.5 倍，需求端訊號極強。顛覆巨頭的公式： 真正的顛覆者將通過 “AI Agent 互動 + 非結構化資料利用 + 按任務結果付費” 來挑戰傳統 SaaS 巨頭。價值錯位： 目前全球有 20 億人用 AI，但僅 4000 萬人付費，未來貨幣化空間極其廣闊。“科技市場比以往任何時候都大，公司保持私有化的時間也比以往任何時候都長。” 這是 a16z 成長基金合夥人 David George 對當前市場最核心的判斷。科技統治全球：贏家通吃的時代我們正處在一個科技“吞噬”整個市場的時代。一個簡單而震撼的事實是：全球市值最高的公司中，前 6 名（有時是前 8 名）幾乎全部是美國科技公司。 科技公司正在逐漸佔據整個市場的市值份額。對於投資機構而言，這意味著機會集是巨大的。而當前最大的變數，就是 人工智慧（AI）。AI 基礎設施：規模空前，巨頭買單與以往的技術周期不同，這一次 AI 浪潮的基礎設施鋪設方式非常獨特：1. 巨頭的“軍備競賽”為初創公司鋪路科技巨頭（Google, Meta, Amazon, Microsoft）年化資本支出（Capex）高達 4000 億美元。這意味著最賺錢的公司正在為全行業承擔昂貴的基建成本。2. 成本下降速度超越摩爾定律成本暴跌： 過去兩年，訪問模型的輸入成本下降了超過 **99%**。質量飆升： 前沿模型的能力大約每 7 個月翻一番。AI 最終會像電力或 Wi-Fi 一樣，成為一種基礎性的、隨處可得的資源。為什麼這次不一樣？需求端的強力證據市場常擔憂 AI 是 2000 年網際網路泡沫的重演，但 a16z 認為需求側訊號截然不同：AI 的普及速度比 Google 快了 5.5 倍。目前全球已有超過一半的網際網路人口體驗過 AI 工具，這種爆發力是史無前例的。商業模式：巨大的“消費者剩餘”AI 的市場機會遠大於軟體市場。美國軟體支出僅佔 GDP 的 **1%**，而白領薪酬佔 GDP 的 20%。價值捕獲： 通常新技術創造的價值中，90% 流向使用者（消費者剩餘），10% 流向公司。即使只捕獲這 10%，也是天文數字。定價潛力： 目前全球約 20 億 AI 使用者中，僅 4000 萬人付費。當 （使用者量）已達數十億量級，未來的爆發點在於 （價格）的精細化運作——從統一訂閱轉向基於任務價值的差異化定價。公式化的貨幣化：結構性轉變：3.5 兆美元的私募市場一個不可逆轉的趨勢是：高增長的科技公司保持私有化的時間越來越長。上市周期拉長： 平均時長從 5-10 年延長到了 14 年。市場重心轉移： 10 年前，10 億美金以上的私有公司總市值約 5000 億；如今已翻 7 倍，達到 3.5 兆美元。增長稀缺： 公開市場中，只有 5% 的軟體公司能保持 25% 以上的增長。想要追求爆發力，投資者必須深入一級市場。顛覆巨頭的三個支點如何挑戰像 Salesforce 這樣的現有霸主？a16z 提出了一個顛覆框架：UI/UX 重新想像： 從“被動記錄”的表格轉變為“主動執行”的 Agent 模式。資料權易手： 從傳統的結構化資料庫轉向對全量非結構化資料的即時呼叫。商業模式創新： 徹底拋棄“按人頭計費（Seat-based）”，轉向“按任務成果計費”。儘管基礎設施建設存在能源和散熱的瓶頸，但使用者端的爆發式增長讓 a16z 對未來 10 年充滿信心。這一次，我們不是在等待未來，而是正在即時見證未來的加速。 (GD梯度下降)

文章來自一場 a16z 的播客，主持人是我很喜歡的科技博主 Packy。這場對談主要發生在兩位a16z的聯合創始人Ben和Marc之間。Marc關於技術改變底層供給模式，從而導致市場不是線性增長，而是跳躍式擴張的觀點很有啟發。視訊連結我放在文末的“閱讀全文”。01｜資訊環境：從“可控”走向“失控”Erik：今天我們想聊一件事：資訊環境變了，媒體變了，創業也變了。你們怎麼看這幾年媒體與資訊生態的變化？Packy：我最強的感受是：過去媒體更集中、更有門檻；現在更分散、更開放，也更混亂。Marc：我會用三個詞：中性一點叫“不可控”，負面一點叫“無政府”，正面一點叫“被解放”。你可以不喜歡它的樣子，但它確實在往表達更難被單點控制的方向走。Packy：你自己也經歷過很多平台階段。到底發生了什麼，讓風向變成這樣？Marc：我不想把自己講成某種英雄。我在很多平台時代都在場，也看過平台治理和內容邊界怎麼被拉扯。要說轉折點，馬斯克買下 Twitter 當然是一個巨大的事件，它把很多原本在後台發生的事，搬到了檯面上。Ben：但我想補一句：很多真正難打的仗，不是那些能靠注意力硬剛的仗。更像 Substack 那種，它是一個相對年輕的公司，面對的壓力很具體、很現實、也更系統性。他們做的不是短期公關動作，而是長期堅持一個底層原則：平台要有自己的完整性。Substack 是一個讓作者直接面向讀者寫作、通過訂閱獲得收入的內容發佈平台，常見訂閱形態是郵件+專欄。它特別之處在於把作者的成功和平台的成功強繫結：作者能建立獨立品牌、賺到錢、沉澱穩定讀者，平台才會變強，而不是靠演算法流量把作者當消耗品。02｜為什麼投 Substack：是商業與價值觀對齊Packy：所以你們投 Substack，底層邏輯是什麼？是價值觀驅動，還是商業判斷？Marc：投資永遠先是商業判斷。我們投 Substack，是因為它有機會成為一種很關鍵的基礎設施：讓一批寫作者把內容當成事業經營，而不是被迫依附在某個分發平台的演算法裡討生活。Packy：但內容平台太多了，憑什麼是它？Marc：因為它把內容創作者的成功和平台的成功繫結得非常緊：作者能建立獨立品牌、能有穩定收入，平台才強。它不是把作者當流量燃料的那種結構。還有一個更關鍵的點：很多人總喜歡用存量市場去理解媒體，覺得就是搶注意力、搶廣告。可 Substack 更像在做供給端擴張：不是把已有內容重新分配，而是讓更多原本不會出現的高品質內容出現。Erik：你說供給端擴張，能展開一點嗎？Marc：很多東西之所以不存在，不是因為沒人想看，而是因為創作者沒法靠它活下去。你把變現機制補上，就會有新人進來，就會出現新題材、新寫法、新的專業內容形態。供給上來以後，需求會被反向啟動。投資人如果只按今天看得到的市場規模去算，往往會錯過這種變化。03｜“市場規模”經常把投資人訓練成“看錯的人”Packy：說到市場規模會被低估，我想到你們聊過 Databricks：你們當時判斷它會變得比大家想像的大很多，甚至可能比 Oracle 還大。為什麼新一代公司總能變成上一代的 10 倍？Databricks 是一家做雲端資料平台的公司，核心是把資料儲存、處理、分析、機器學習、AI 的工作流整合到同一套平台裡，幫企業把資料真正用起來。它特別之處在於佔住了雲時代資料基礎設施的關鍵位置：當企業從本地遷到雲、再疊加 AI 對資料的依賴，這個底層平台的可服務市場會被放大很多倍，容易出現10 倍擴張。Ben：如果你把本地部署軟體換成雲軟體，很多品類天然就是 10 倍擴張。歷史上類似的事情反覆發生：上一代的企業軟體，到了雲時代會擴大很多倍。Databricks 站在資料與雲的關鍵位置上，本來就具備這種乘數效應。Marc：更要命的是：投資人很擅長做一件事，拿現有市場去做精確測算。但真正的 10 倍機會，往往發生在供給能力突然變化之後。Marc：比如，Uber 的市場不是計程車市場；雲軟體不是本地軟體市場；GPU 的市場也不只是遊戲顯示卡市場。技術一旦改變供給能力，市場會跳到 10 倍、100 倍，甚至更多。技術改變供給，市場就會不是線性增長，而是跳躍式擴張。你當下用傳統方法很難證明它，但它恰恰是超額回報的來源。Packy：所以“10 倍”不是一個修辭，而是一個結構性現象？Marc：對。只要底層供給方式變了，很多行業的“可服務規模”就會被重寫。你看到的不是更快一點、便宜一點，而是整個邊界被推開了。04｜ AI：不是某個行業升級，而是“我們重新發明了電腦”Packy：你們新基金規模很大。160億美金的體量，背後到底在押注什麼未來？Marc：一句話：我們重新發明了電腦。新的電腦比過去 50 年我們依賴的那套強太多了。幾乎所有你在新聞裡看到的難題，從癌症到交通、到各類欺詐等，你都能想像 AI 會參與解決。它不是某個行業的工具升級，而是“人類做事方式的重構”。Marc：更關鍵的是，它會讓從想法到產品的路徑變短。創業者會變多，因為實現成本下降了。AI 最擅長的事情之一，就是幫你把東西做出來。所以我們看到的是：機會變多、公司數量變多、世界被重做的速度變快。Ben：以前你遇到複雜問題要自己拆解，現在你可以直接讓 AI 給你一個 18 步的解決路徑，再讓它反過來採訪你，把你的盲點問出來。你會突然意識到：這和過去的電腦完全不是一類東西。05｜認為“有好技術就會贏”，這是錯覺Packy：AI 讓產品變得更容易做出來，那 VC 的價值在那裡？是不是就變成：幫好技術贏得更快？Ben：我們一直認為，VC 真正能做的，是讓創業者從“發明者”變成“能打的 CEO”。現實世界太大、太亂、太複雜，8 億人也好 80 億人也好，每個人都有意見，而且很多人還真的能左右你的命運：客戶買不買、監管怎麼管、對手怎麼打、輿論怎麼走。你可能不是被打敗，而是被忽視。Ben：所以平台的價值不是替你做產品，而是把你放進一個正向的信心循環：你要見關鍵客戶、挖關鍵人才、拿關鍵管道、搞定關鍵政策，如果你做成一次，你的決策會更快，組織會更穩；如果你連續做不成，創業者會進入自我懷疑螺旋。我們做很多事，本質是讓你能借到一股外部力量，快速滾起雪球。Marc：也順便解釋了外界一直對我們的誤解，“你們怎麼這麼愛發聲、這麼愛做品牌、這麼愛出現在公共場域？”因為我們從一開始就是這麼設計的：把 VC 品牌做成可轉移的勢能，讓被投公司在最關鍵階段借過去當彈弓。06｜文化與聲譽：“複利”的不是錢，而是“信譽”Erik：你們內部經常講文化，講“不要當夢想殺手”。怎麼把這件事做成體系？Ben：我們有一份文化檔案，加入前必須認真看、也要簽字。核心很簡單：我們要做的是幫助創業者把事情做成，而不是靠嘲諷別人來顯得自己聰明。我們可以不投，但不應該傷害一個認真做事的人。Packy：如果讓你們各自選一個最長期在“複利”的東西，會是什麼？Ben：兩個字：聲譽。我們從創立第一天就討論這個。聲譽很慢，但一旦建立就非常強。舉個最直觀的對比：第一期基金 3 億美元，我們募了大半年、見了無數人；這次 150 億美元，我和 Marc 各做了一場問答就差不多了，靠的就是過去積累的信譽。Ben：但聲譽也脆弱：一次錯誤的破壞力，遠大於很多次正確的累積。所以你得對內部行為極度敏感，不能容忍不誠實、傲慢、傷害創業者的事。07｜最後，對未來最興奮的是什麼？Ben：我其實最興奮的是我們可能會進入一個生活質量大幅提升的世界。就像你不會想回到沒電的年代一樣，AI 可能把很多“不得不忍受的糟糕事”幹掉。當然我唯一的擔心是：如果人類離真實的目標感太遠，可能會把意義寄託在一些很荒誕的東西上。但整體上，我更相信世界會變好。Marc：我最興奮的是 Z 世代。他們是在 2015–2024 那段很奇怪的社會氛圍里長大的“接收者”，反而更清醒：不沉迷道德表演、不習慣自責、不羞於成功，更直接、更愛表達、更有幽默感、更“AI 原生”。他們看起來更像一群要狠狠幹一把的人。這期聽下來，我反而更平靜了：未來不會按我們熟悉的節奏往前走。很多機會不是更用力搶出來的，而是你先相信它會變大，然後提前站到那個更大的世界裡。以上，祝你今天開心。 (Fun AI Everyday)

核心速覽底層動力： AI 爆發源於人類對“更富有、更懶惰”的終極追求——即用更少的勞動，創造更高的經濟價值。三大核心賽道：AI 原生軟體： 在“綠地機會”中挑戰傳統巨頭，提供全自動化閉環。軟體替代人工： 從“賣工具”轉向“賣結果”，直接切入勞動力市場。私有資料圍牆： 掌控大模型無法獲取的行業私有資料，建構長期防禦力。護城河本質： AI 公司必須成為企業的“記錄系統（System of Record）”。最好的公司擁有“人質”而非客戶。增長神話： AI 極大地縮短了軟體周期。以往需 10 年達成的 1 億美金 ARR，現在最快僅需 2 年。在 AI 浪潮爆發兩年後的今天，市場對於“AI 是否是泡沫”的爭論從未停止。然而，a16z 合夥人 Alex Rampell 在最新訪談中給出了答案：這不是泡沫，而是軟體行業的“黃金時代”。商業的底層邏輯：人類永遠追求“更富有、更懶惰”Alex 認為，所有偉大的技術革命，本質上都在滿足人類的兩個終極本能：Richer & Lazier（變得更富有，以及更懶惰）。更懶惰： 用更少的工作量完成任務。更富有： 創造更高的經濟價值。從 1977 年至今，科技行業經歷了 PC、網際網路、雲、移動網際網路四大周期。AI 是第五個。它並非橫空出世，而是站在前四個周期的肩膀上。現在，AI 已經從“寫個劇本”的魔術表演，正式進入了企業核心流程，開始真金白銀地省錢、賺錢。a16z 看好的三個 AI 投資主題如何建構一家長青的 AI 公司？Alex 總結了三個核心範式：1. 傳統軟體的 AI 原生化 (AI-Native Trad Software)這是在已有的“Bingo 遊戲板”上玩新遊戲。綠地機會 (Greenfield) vs 棕地機會 (Brownfield)： 去搶 Adobe 的老客戶是“棕地”，極其困難。但在新公司成立或系統升級的拐點切入，則是“綠地”。核心邏輯： 像 Real 這樣的公司，它不僅是 ERP，更能自動平帳（Close the books）。對於新公司來說，選一個自帶 AI 功能的原生系統是“腦殘決策（No-brainer）”。2. 軟體正在“吃掉”勞動力 (Software Eating Labor)這是 Alex 最興奮的領域，其市場規模遠超傳統的軟體市場。從“買工具”到“買結果”： 以前你買軟體是給員工用，現在軟體就是“員工”。價值定價： 債務催收 AI Salient 的軟體不僅能講 21 種語言，甚至能比人類多催回 50% 的欠款。客戶不再是付訂閱費，而是為增加的收入買單。3. “圍牆花園”：私有資料模型 (Walled Gardens)當底層大模型變得像電力一樣廉價時，勝負手在於誰擁有“稀缺礦產”。原始蔬菜 vs 成熟大餐： OpenAI 像是賣蔬菜（Token）的農場。但它不知道 1992 年的融資價格，也不知道西班牙 80 年代的法律判例。資料護城河：Open Evidence 擁有醫學期刊獨家授權，Vlex 數位化了海量法律記錄。這些“ChatGPT 抓取不到”的資料是核心防禦力。護城河：最好的公司擁有“Hostages”，而非客戶在 AI 時代，程式碼極易被模仿，因此必須建立極致的粘性。a16z 提出了一個深刻的觀點：偉大的公司擁有“人質（Hostages）”，而非客戶。什麼是“人質”？當你的軟體成為了企業的“記錄系統（System of Record）”，承載了所有核心流程和私有資料時，替換你的成本將高到不可接受。以法律 AI Eve 為例，它管理著律師從接案到結案的整個工作流。即使以後大模型出了更強的總結功能，律師也不會搬家，因為他們的資料和流程都“鎖”在 Eve 裡。巨頭會贏嗎？創業者的勝算在那？Alex 對傳統巨頭（Incumbents）持看好態度。與“雲轉型”時期不同，現在的巨頭（如 Microsoft, Adobe, Intuit）反應極快。他們手握大量“人質（老客戶）”，只要加入 AI 功能就能通過加價賺得盆滿缽滿。創業者的三條活路：極度垂直： 尋找巨頭看不上的細分專業領域。模式創新： 利用 AI 實現按效果計費。深挖資料： 掌控那些物理世界或歷史檔案中的獨佔資料。我們正處於從“工具時代”向“代理時代”跨越的節點。AI 不僅僅是效率的提升，它正在重定義什麼是“公司”。正如 Alex 所言，a16z 並非只是在投 AI，而是在投那些能讓使用者更富有、更懶惰的未來。在這個時代，“速度”是入場券，“資料”是護城河，而“結果”才是真正的商品。 (GD梯度下降)

實現密碼學相關量子電腦的時間表常被誇大——這導致人們呼籲緊急、全面地過渡到後量子密碼學。但這些呼籲往往忽視了過早遷移的成本和風險，並忽視了不同密碼學原語之間截然不同的風險特徵：儘管後量子加密價格高昂，但需要立即部署：“ 先採集後解密 ”（HNDL）的攻擊已經開始。因為即使量子電腦問世還需要幾十年，今天被加密的敏感資料在未來仍然具有價值。後量子加密的性能開銷和實施風險確實存在，但對於需要長期保密的資料而言，面對 HNDL 攻擊我們別無選擇。後量子簽名面臨著不同的考量。 它們不易受到 HNDL 攻擊，但其成本和風險（更大的尺寸、性能開銷、實現不成熟和漏洞）要求我們採取深思熟慮而非立即遷移的策略。這些區別至關重要。誤解會扭曲成本效益分析，導致團隊忽視更突出的安全風險。後量子密碼學的真正挑戰，在於將緊迫性與實際威脅相匹配。下文將澄清關於量子威脅對密碼學（涵蓋加密、簽名和零知識證明）的常見誤解，並特別關注這些威脅對區塊鏈的影響。時間進展儘管一些知名人士聲稱在 2020 年代可能會出現具有密碼學意義的量子電腦，但這種說法極不現實。我所說的“具有密碼學意義的量子電腦”，是指一台容錯、糾錯的量子電腦，其規模足以在合理的時間範圍內運行肖爾演算法來攻擊橢圓曲線密碼學或 RSA（例如，最多用一個月的持續計算就能破解 secp256k1 或 RSA-2048）。根據對公開里程碑和資源估算的合理解讀，我們距離製造出具有密碼學意義的量子電腦還遙遙無期。一些公司聲稱 CRQC 很可能在 2030 年之前或 2035 年之前問世，但公開的進展並不支援這些說法。作為背景，在所有現有的架構中——囚禁離子、超導量子位元和中性原子系統——目前沒有任何一個量子計算平台能夠接近在 RSA-2048 或 secp256k1 上運行肖爾演算法所需的數十萬到數百萬個物理量子位元（具體取決於錯誤率和糾錯方案）。限制因素不僅是量子位元的數量，還包括門保真度、量子位元連接性，以及運行深度量子演算法所需的持續糾錯電路深度。雖然有些系統目前的物理量子位元數量已超過 1,000 個，但僅看原始量子位元數量是有誤導性的：這些系統缺乏進行密碼學相關計算所需的量子位元連接性和門保真度。近期的系統已接近量子糾錯開始發揮作用的物理誤差率，但沒有人展示出超過少數幾個能夠維持糾錯電路深度的邏輯量子位元……更不用說運行肖爾演算法實際需要的數千個高保真、深電路、容錯的邏輯量子位元了。證明量子糾錯原理可行與實現密碼分析所需的規模之間，仍然存在巨大的鴻溝。簡而言之：除非量子位元數量和保真度都提高幾個數量級，否則具有密碼學意義的量子電腦仍然遙不可及。然而，企業新聞稿和媒體報導很容易讓人感到困惑。一些常見的誤解和混淆來源包括：有些演示聲稱具有“量子優勢”，但針對的是人為設計的任務。 選擇這些任務並非因為其實際用途，而是因為它們可以在現有硬體上運行，同時表面上展現出巨大的量子加速效果——這一事實往往在公告中被掩蓋。有些公司聲稱擁有數以千計的物理量子位元。 但這通常指的是量子退火機，而不是運行 肖爾演算法攻擊公鑰密碼所需的門模型機器。有些公司濫用“邏輯量子位元”這個術語。 物理量子位元是有噪聲的。如上所述，量子演算法（如肖爾演算法）需要數千個邏輯量子位元。利用量子糾錯技術，可以用許多物理量子位元（通常是數百到數千個，具體取決於錯誤率）來實現一個邏輯量子位元。但有些公司將該術語延伸到了無法辨認的地步。例如，最近一份公告聲稱使用距離 2 的碼實現了48個邏輯量子位元，每個邏輯量子位元只有兩個物理量子位元。這簡直荒謬：距離為 2 的程式碼只能檢測錯誤，而不能糾正錯誤。真正用於密碼分析的容錯邏輯量子位元需要數百到數千個物理量子位元，而不是兩個。更廣泛地說，許多量子計算路線圖使用“邏輯量子位元”一詞來指代僅支援克利福德運算的量子位元。這些操作可以被經典電腦高效模擬，因此不足以運行肖爾演算法，後者需要數千個糾錯的 T 門（或更一般的非克利福德門）。即使某份路線圖的目標是“到某年實現數千個邏輯量子位元”，但這並不意味著該公司期望在同一年運行肖爾演算法來破解經典密碼學。這些做法嚴重扭曲了公眾對“我們距離具有密碼學意義的量子電腦還有多遠”的認知，即使是資深觀察者也受到了影響。話雖如此，一些專家確實對取得的進展感到興奮。例如，Scott Aaronson 最近寫道，鑑於“目前驚人的硬體發展速度”，我現在認為，在下屆美國總統大選之前，我們擁有一台能夠運行肖爾演算法的容錯量子電腦是有可能實現的。但 Aaronson 後來澄清，他的聲明並不是指一台具有密碼學意義的量子電腦：即使完全容錯的肖爾演算法運行分解 15 = 3×5比用鉛筆和紙還慢，他也會將其視為已實現。目前的標準仍然是肖爾演算法的小規模運行，而非具有密碼學意義的運行，因為之前在量子電腦上對 15 進行分解時使用的是簡化的電路，而不是完整的、容錯的肖爾演算法。這些實驗之所以始終選擇 15 作為分解目標，是有原因的：模 15 的運算在計算上很容易，而分解稍大一些的數字（比如 21）則要難得多。因此，聲稱能分解 21 的量子實驗通常依賴於額外的提示或捷徑。簡而言之，期望在未來 5 年內出現一台具有密碼學意義的量子電腦，能夠破解 RSA-2048 或 secp256k1（這對於實際密碼學來說才是最重要的），並不受支援。即使是 10 年也依然充滿不確定。考慮到我們距離具有密碼學意義的量子電腦還有多遠，對進展的興奮之情與‘十年以上’的時間線是完全相容的。那麼美國政府將 2035 年定為政府系統全面遷移到後量子時代的最後期限是怎麼回事？ 我認為這是一個完成如此大規模過渡的合理時間表。然而，這並不意味著預測屆時就會出現具有密碼學意義的量子電腦。HNDL 攻擊適用及不適用情況“先採集後解密 ”（HNDL） 攻擊指的是對手先儲存加密流量，然後在有密碼學相關的量子電腦存在後再解密。國家級敵對勢力肯定已經在大規模地存檔來自美國政府的加密通訊，以便在多年後，當 CRQC 出現時解密這些通訊。這就是為什麼說加密技術今天就需要轉型——至少對於那些有 10-50 年以上保密需求的人來說。但是，所有區塊鏈都依賴的數位簽名與加密技術不同：它不存在可追溯攻擊的保密性問題。換句話說，如果出現了與密碼學相關的量子電腦，那麼從那時起，偽造簽名將成為可能，但過去的簽名並不像加密資訊那樣“隱藏”秘密。只要你知道數位簽名是在 CRQC 出現之前生成的，它就不可能是偽造的。這使得向後量子數位簽名的過渡不如加密領域的後量子轉型緊迫。各大平台正採取相應措施：Chrome 和 Cloudflare 推出了用於 Web 傳輸層安全協議加密的混合 X25519 + ML-KEM 加密方案。（為了便於閱讀，本文中使用“加密方案”一詞，但嚴格來說，像 TLS 這樣的安全通訊協議使用的是金鑰交換或金鑰封裝機制，而不是公鑰加密。）這裡的“混合”指的是將後量子安全方案（即 ML-KEM）和現有方案（X25519）疊加使用，以獲得綜合安全保障。這樣一來，有望能夠通過 ML-KEM 阻止 HNDL 攻擊，同時萬一 ML-KEM 即使面對當今的電腦也存在安全漏洞，仍能保持 X25519 提供的經典安全性。蘋果的 iMessage 也通過其 PQ3 協議部署了這種混合後量子加密技術，Signal 的 PQXDH 和 SPQR 協議也是如此。相比之下，後量子數位簽名在關鍵網路基礎設施中的推廣應用正被推遲，直到真正具有密碼學意義的量子電腦即將問世，因為當前的後量子簽名方案引入了性能退化（本文後面會詳細說明）。zkSNARKs（零知識簡潔非互動式知識論證）是區塊鏈長期可擴展性和隱私性的關鍵，其處境與簽名類似。這是因為即使對於那些非後量子安全的 zkSNARKs（它們使用橢圓曲線密碼學，就像今天的非後量子加密和簽名方案一樣），它們的零知識屬性也是後量子安全的。零知識屬性確保在證明過程中不會洩露任何關於秘密見證的資訊——即使是量子對手也不會知道——因此不會有任何機密資訊可供“採集”以便以後解密。因此，zkSNARKs 不會受到“先採集後解密 ”攻擊。正如今天生成的非後量子簽名是安全的一樣，任何在具有密碼學意義的量子電腦出現之前生成的 zkSNARK 證明都是可信的（即被證明的命題絕對為真）——即使 zkSNARK 使用了橢圓曲線密碼學。只有在具有密碼學意義的量子電腦出現之後，攻擊者才能找到令人信服的虛假陳述的證明。這對區塊鏈意味著什麼大多數區塊鏈不會受到 HNDL 攻擊：目前大多數非隱私鏈，如比特幣和以太坊，主要使用非後量子密碼進行交易授權——也就是說，它們使用數位簽名，而不是加密。再次強調，這些簽名並非 HNDL 風險：“先採集後解密”攻擊適用於加密資料。例如，比特幣區塊鏈是公開的；其量子威脅在於簽名偽造（推匯出私鑰以竊取資金），而非解密已公開的交易資料。這消除了 HNDL 攻擊帶來的直接密碼學緊迫性。不幸的是，即使是來自聯準會等可信來源的分析也存在問題，錯誤地聲稱比特幣容易受到 HNDL 攻擊，這種錯誤誇大了向後量子密碼學過渡的緊迫性。也就是說，緊迫性降低並不意味著比特幣可以等待：它面臨著與更改協議所需的巨大社會協調所帶來的不同的時間壓力。（下文將詳細介紹比特幣的獨特挑戰。）目前的例外是隱私鏈，其中許多會對接收者和金額進行加密或其他方式的隱藏。這種保密性現在就可以被收集，一旦量子電腦能夠破解橢圓曲線密碼學，就可以追溯性地去匿名化。對於這類隱私鏈，攻擊的嚴重程度取決於區塊鏈的設計。例如，對於門羅幣採用的基於曲線的環簽名和金鑰鏡像（一種用於防止雙重支付的每個輸出的連結標籤），僅憑公共帳本就足以追溯重建支出圖譜。但在其他區塊鏈中，損失則更為有限——可以參見 Zcash 加密工程師兼研究員 Sean Bowe 的討論以瞭解詳情。如果使用者非常在意自己的交易不被具有密碼學意義的量子電腦洩露，那麼隱私鏈就應該盡快過渡到後量子原語（或混合方案）。或者，它們應該採用避免將可解密的秘密資訊放在鏈上的架構。比特幣特有的難題：治理 + 被遺棄的代幣尤其對於比特幣而言，有兩個現實因素促使人們迫切需要開始轉向後量子數位簽名。而這兩個因素都與量子技術無關。一個令人擔憂的問題是治理速度：比特幣的變革速度很慢。任何爭議性問題都可能引發破壞性的硬分叉，因為社區無法就合適的解決方案達成一致。另一個令人擔憂的問題是，比特幣向後量子簽名的轉換不能是被動遷移：持有者必須主動遷移他們的代幣。這意味著被遺棄的、易受量子攻擊的代幣無法得到保護。一些估算認為，存在量子漏洞且可能被遺棄的 BTC 數量達數百萬枚，按當前價格計算（截至 2025 年 12 月）價值數千億美元。然而，量子技術對比特幣的威脅並非突如其來的災難，而更像是一個有選擇、循序漸進的過程。量子電腦無法同時破解所有加密——肖爾演算法必須逐個攻擊單個公鑰。早期的量子攻擊成本極高且耗時。因此，一旦量子電腦能夠破解單個比特幣簽名金鑰，攻擊者就會有選擇地攻擊高價值錢包。此外，那些避免地址復用且不使用 Taproot 地址（Taproot 直接在鏈上暴露公鑰）的使用者，即使在協議沒有變更的情況下也基本受到保護：他們的公鑰會一直隱藏在雜湊函數之後，直到代幣被花費。當他們最終廣播一筆花費交易時，公鑰就會暴露出來，此時會出現一場短暫的即時競賽：一方是需要確認交易的誠實花費者，另一方是任何擁有量子計算能力的攻擊者，他們試圖找到私鑰並在真正所有者的交易最終完成之前花費這些代幣。因此，真正脆弱的代幣是那些公鑰已經暴露的：早期的 P2PK 輸出、重複使用的地址和 Taproot 持倉。對於那些已被棄用的脆弱代幣來說，沒有簡單的解決辦法。一些可行的方案包括：比特幣社區同意設立一個“旗幟日”，之後所有未遷移的代幣都將被視為銷毀。任由被遺棄的、易受量子攻擊的代幣被任何擁有密碼學相關量子電腦的人攫取。第二種選擇會引發嚴重的法律和安全問題。即使聲稱擁有合法所有權或出於善意，使用量子電腦在沒有私鑰的情況下獲取代幣，也可能在許多司法管轄區引發盜竊和電腦欺詐法下的嚴重問題。此外，“被遺棄”本身就是一種基於不活躍狀態的推定。但實際上，沒有人知道這些代幣是否有能夠訪問金鑰的在世所有者。即使證據表明你曾經擁有過這些代幣，也未必能提供足夠的法律依據來破解加密保護並取回它們。這種法律上的模糊性，增加了被遺棄的、易受量子攻擊的代幣落入惡意行為者手中的可能性，而這些惡意行為者往往會無視法律約束。比特幣特有的最後一個問題是其低交易吞吐量。即使遷移計畫最終確定，將所有易受量子攻擊的資金遷移到後量子安全地址，按比特幣當前的交易速率計算也需要數月時間。這些挑戰使得比特幣現在必須開始規劃其後量子時代的轉型——這並非因為在 2030 年之前可能會出現具有密碼學意義的量子電腦，而是因為遷移價值數十億美元的代幣所涉及的治理、協調和技術後勤問題將需要數年時間才能解決。比特幣面臨的量子威脅確實存在，但時間壓力並非來自即將到來的量子電腦，而是來自比特幣自身的侷限性。其他區塊鏈也面臨著量子易受攻擊資金帶來的挑戰，但比特幣的特殊之處在於：其早期交易採用的是“支付到公鑰（P2PK）”輸出，這直接將公鑰置於鏈上，使得相當大比例的 BTC 極易受到密碼學相關量子電腦的攻擊。這種技術差異——再加上比特幣的運行年限、價值集中度、低吞吐量以及治理機制的僵化——使得這個問題尤為嚴重。請注意，我上面描述的漏洞指的是比特幣數位簽名的密碼學安全性，而不是比特幣區塊鏈的經濟安全性。這種經濟安全性源於工作量證明共識機制，該機制不易受到量子電腦攻擊，原因有三：PoW 依賴於雜湊演算法，因此僅受格羅弗搜尋演算法的二次方量子加速影響，而不受肖爾演算法指數級加速的影響。實現格羅弗搜尋的實際開銷使其極不可能讓任何量子電腦在比特幣的工作量證明機制上實現那怕是適度的實際加速。即使實現了顯著的速度提升，這些速度提升也只會讓大型量子礦工比小型礦工更有優勢，但不會從根本上破壞比特幣的經濟安全模型。後量子簽名的成本和風險要瞭解為什麼區塊鏈不應該急於部署後量子簽名，我們需要瞭解性能成本以及我們對後量子安全性的信心（這種信心仍在不斷發展）。大多數後量子密碼學基於以下五種方法之一：雜湊 (hashing)編碼 (codes)格 (lattices)多元二次方程系統 (MQ)同源性 (isogenies)為什麼會有五種不同的方法？ 任何後量子密碼原語的安全性都基於這樣一個假設：量子電腦無法高效地解決特定的數學問題。問題的“結構化”程度越高，我們基於此建構的密碼協議就越高效。但這有利有弊：額外的結構也為攻擊演算法提供了更多可利用的攻擊面。這就造成了一種根本性的張力——更強的假設能夠帶來更好的性能，但代價是潛在的安全漏洞（也就是說，假設被證明是錯誤的可能性更大）。一般來說，基於雜湊的方法在安全性方面最為保守，因為我們最有信心量子電腦無法有效地攻擊這些協議。但它們的性能也是最差的。例如，即使在最小參數設定下，NIST 標準化的基於雜湊的簽名大小也為 7-8 KB。相比之下，如今基於橢圓曲線的數位簽名只有 64 字節。這大約是 100 倍的大小差異。格方案是當今部署的重點。目前唯一的加密方案以及 NIST 選定的三種簽名演算法中的兩種都基於格。其中一種格方案（ML-DSA，原名 Dilithium）生成的簽名大小範圍從 2.4 KB（128 位安全等級）到 4.6 KB（256 位安全等級），比目前基於橢圓曲線的簽名大約大 40 到 70 倍。另一種格方案 Falcon 則具有較小的簽名（Falcon-512 為 666 字節，Falcon-1024 為 1.3 KB），但它包含複雜的浮點運算，NIST 本身也將其標記為特殊的實施挑戰。Falcon 的建立者之一 Thomas Pornin 稱其為“我迄今為止實現過的最複雜的加密演算法。”實施安全性在基於格的簽名方案中也比基於橢圓曲線的方案更具挑戰性：ML-DSA 存在更多敏感的中間值，且非平凡拒絕採樣邏輯需要側通道和故障保護。Falcon 增加了恆定時間浮點運算的擔憂；事實上，針對 Falcon 實現的多個側通道攻擊已經恢復出了私鑰。這些問題構成了直接的風險，這與具有密碼學意義的量子電腦這一更為遙遠的威脅截然不同。在部署性能更優異的後量子密碼方案時，謹慎行事是完全合理的。歷史上，像 Rainbow（一種基於 MQ 的簽名方案）和 SIKE/SIDH（一種基於同源的加密方案）這樣的領先候選方案都在經典電腦上被破解了——也就是說，是用今天的電腦而不是量子電腦破解的。這件事發生在 NIST 標準化流程的後期階段。這體現了科學的健康運作，但也說明過早的標準化和部署可能會適得其反。如前所述，網際網路基礎設施正在採取審慎的方式進行簽名遷移。考慮到網際網路加密轉換一旦開始就需要很長時間，這一點尤其值得注意。MD5 和 SHA-1 雜湊函數（儘管網路管理機構多年前就已在技術上棄用）的遷移，實際上花費了數年時間才在整個基礎設施中真正實施，並且在某些語境下仍在進行中。即使這些方案已經完全被破解，而不僅僅是可能容易受到未來技術的影響，這種情況依然發生了。區塊鏈與網際網路基礎設施相比的獨特挑戰幸運的是，由開源開發者社區積極維護的區塊鏈（例如以太坊或 Solana）比傳統網路基礎設施升級速度更快。另一方面，傳統網路基礎設施受益於頻繁的金鑰輪換，這意味著其攻擊面移動速度比早期量子電腦所能瞄準的速度更快——這是區塊鏈所不具備的奢侈條件，因為代幣及其關聯金鑰可以無限期地暴露在外。但總的來說，區塊鏈仍然應該遵循網際網路在簽名遷移方面採取的審慎方法。這兩種場景都不會受到針對簽名的 HNDL 攻擊，而且無論金鑰的保存時間長短，過早遷移到不成熟的後量子方案的成本和風險仍然十分巨大。區塊鏈特有的挑戰也使得過早遷移變得尤為危險和複雜：例如，區塊鏈對簽名方案有著獨特的要求，特別是快速聚合大量簽名的能力。如今，BLS 簽名之所以被廣泛使用，是因為它們能夠實現非常快速的聚合，但它們並不具備後量子安全特性。研究人員正在探索基於 SNARK 的後量子簽名聚合。這項工作很有前景，但仍處於早期階段。就 SNARKs 而言，目前社區主要關注基於雜湊的構造方法，將其視為後量子時代的主流選擇。但重大轉變即將到來：我相信在未來的幾個月和幾年裡，基於格的選項將成為極具吸引力的替代方案。這些替代方案在諸多方面都將優於基於雜湊的 SNARK，例如顯著縮短證明長度——類似於基於格的簽名比基於雜湊的簽名更短。目前更大的挑戰：實施安全性在未來數年內，實現漏洞將比具有密碼學意義的量子電腦構成更大的安全風險。對於 SNARKs 而言，主要問題是漏洞。漏洞對於數位簽名和加密方案來說已經是一個挑戰，而 SNARKs 則要複雜得多。實際上，數位簽名方案可以看作是一種非常簡單的 zkSNARK，它證明了“我知道與我的公鑰對應的私鑰，並且我授權了這條消息”這一陳述。對於後量子簽名而言，直接風險還包括諸如“側通道攻擊”和“故障注入攻擊”之類的實現攻擊。這類攻擊已有充分的文獻記載，並且能夠從已部署的系統中提取私鑰。它們構成的威脅遠比遙遠的量子電腦更為緊迫。社區將持續數年時間來識別和修復 SNARKs 中的漏洞，並加固後量子簽名實現以抵禦側通道和故障注入攻擊。由於後量子 SNARK 和簽名聚合方案的塵埃尚未落定，過早過渡的區塊鏈可能會將自身鎖定在次優方案中。一旦出現更優方案或發現實現漏洞，它們可能需要再次遷移。我們應該怎麼做？7 條建議基於上述情況，我將最後向包括建構者和政策制定者在內的各利益相關方提出建議。最重要的原則是：需要認真對待量子威脅，但不要基於“具有密碼學意義的量子電腦將在 2030 年之前到來”這一假設而急切採取行動。 目前的進展並不支援這種假設。儘管如此，我們現在仍然可以而且應該做一些事情：我們應該立即部署混合加密。或者至少，在長期保密性至關重要且成本可以接受的地方部署。許多瀏覽器、CDN 和即時通訊應用（例如 iMessage 和 Signal）已經部署了混合方案。這種混合方案——後量子 + 經典——既能抵禦 HNDL 攻擊，又能規避後量子方案中潛在的弱點。能接受簽名體積比較大的前提下，應立即採用基於雜湊的簽名。軟體/韌體更新——以及其他此類低頻、對大小不敏感的場景——現在就應該採用混合雜湊簽名。（採用混合簽名是為了防範新方案中的實現漏洞，而不是因為對基於雜湊的安全假設存在疑問。）這種保守的做法為社會提供了一個明確的“救生艇”，以防萬一具有密碼學意義的量子電腦意外地過早出現。如果沒有預先部署好後量子簽名的軟體更新機制，一旦 CRQC 出現，我們將面臨冷啟動問題：我們將無法安全地分發抵禦所需的補丁。區塊鏈不需要急於實現後量子簽名——但現在就應該開始規劃。區塊鏈開發者應效仿 Web PKI 社區的做法，採取審慎的方式部署後量子簽名。這允許後量子簽名方案在性能和我們對其安全性的理解上繼續成熟。這種方式也為開發者提供了時間，讓他們能夠重新設計系統架構以處理更大的簽名，並開發更優的聚合技術。對於比特幣和其他 L1：社區需要制定針對被遺棄的、易受量子攻擊資金的遷移路徑和政策。被動遷移是不可能的，因此規劃至關重要。由於比特幣面臨著一些特殊的挑戰，這些挑戰大多是非技術性的——治理緩慢，以及大量高價值的、可能被遺棄的、易受量子攻擊的地址——因此，比特幣社區現在就開始規劃尤為重要。與此同時，我們需要讓後量子 SNARK 和可聚合簽名方面的研究更加成熟（可能還需要幾年時間）。再次強調，過早遷移可能會導致鎖定在次優方案中，或者需要進行二次遷移來解決實現漏洞。關於以太坊帳戶模型的說明： 以太坊支援兩種帳戶類型，對後量子遷移有不同的影響——外部擁有帳戶 (EOA)，即由 secp256k1 私鑰控制的傳統帳戶類型；以及具有可程式設計授權邏輯的智能合約錢包。在非緊急情況下，如果以太坊加入了後量子簽名支援，可升級的智能合約錢包可以通過合約升級切換到後量子驗證——而 EOA 可能需要將其資金轉移到新的後量子安全地址（儘管以太坊很可能也會為 EOA 提供專門的遷移機制）。在量子緊急情況下，以太坊研究人員提出了一種硬分叉計畫，凍結存在安全隱患的帳戶，並允許使用者通過使用後量子安全 SNARK 證明其知曉助記詞來恢復資金。此恢復機制適用於 EOA 和任何尚未升級的智能合約錢包。對使用者而言，實際意義在於：經過良好審計、可升級的智能合約錢包或許能提供略微更順暢的遷移路徑——但這種差異微乎其微，而且還會帶來對錢包提供商的信任以及升級治理方面的權衡。比帳戶類型更重要的是，以太坊社區仍在繼續推進後量子原語和應急響應計畫的工作。給建構者的更廣泛設計經驗： 如今許多區塊鏈將帳戶身份與特定的加密原語緊密耦合——例如比特幣和以太坊與 secp256k1 上的 ECDSA 簽名耦合，其他區塊鏈則與 EdDSA 耦合。後量子遷移的挑戰凸顯了將帳戶身份與任何特定簽名方案解耦的價值。以太坊正朝著智能帳戶的方向發展，其他鏈上的帳戶抽象努力也反映了這一趨勢：允許帳戶升級其認證邏輯，而無需放棄其鏈上歷史記錄和狀態。這種解耦不會使後量子時代的遷移變得輕而易舉，但它確實比將帳戶硬編碼到單一簽名方案中提供了更大的靈活性。（這也支援了諸如代付交易、社交恢復和多重簽名等其他功能。）對於加密或隱藏交易詳情的隱私鏈，如果性能可以接受，則應優先考慮儘早過渡。目前，這些區塊鏈上的使用者隱私面臨 HNDL 攻擊的風險，儘管不同設計方案的嚴重程度有所不同。僅依靠公共帳本就能實現完全追溯去匿名化的區塊鏈面臨著最緊迫的風險。考慮採用混合（後量子+經典）方案，以防止表面上的後量子方案最終被證明在經典層面上也不安全，或者實施架構變更，避免將可解密的秘密放在鏈上。近期內應優先考慮實施安全性，而不是量子威脅緩解。尤其對於 SNARKs 和後量子簽名等複雜的密碼原語而言，在未來幾年內，漏洞和實現攻擊（側通道攻擊、故障注入）將比具有密碼學意義的量子電腦構成更大的安全風險。現在就投資於審計、模糊測試、形式化驗證和縱深防禦/分層安全方法——不要讓量子擔憂掩蓋了更緊迫的漏洞威脅！為量子計算發展提供資金。以上所有因素對國家安全有著重大影響，那就是我們需要持續投入資金並培養量子計算人才。如果某個主要對手在美國之前獲得了具有密碼學意義的量子計算能力，將會對我們以及世界其他國家構成嚴重的國家安全風險。對量子計算相關公告保持理性態度。隨著量子硬體的日趨成熟，未來幾年將會湧現出許多里程碑式的進展。然而，矛盾的是，這些公告的頻繁發佈本身就證明了我們距離真正具備密碼學應用價值的量子電腦還有很長的路要走：每一個里程碑都代表著我們在到達那個點之前必須跨越的眾多橋樑之一，而每一個里程碑的出現都將引發媒體的頭條報導和興奮。將新聞稿視為需要批判性評估的進度報告，而不是倉促採取行動的提示。當然，可能會出現一些出人意料的發展或創新，從而加快預計的時間表，就像可能會出現嚴重的擴展瓶頸從而延長時間表一樣。我並不認為五年內出現一台具有密碼學意義的量子電腦在字面上是“不可能”的，只是可能性極低。上述建議對這種不確定性具有魯棒性，遵循這些建議可以避免更直接、更可能發生的風險：實現漏洞、倉促部署以及密碼學轉型過程中常見的各種問題。 (W3C DAO)

2026 年 1 月 9 日，a16z 在官網宣佈： 我們剛剛募了超過 150 億美元。這個數字佔到 2025 年美國全年 VC 募資總額的 18%。資金明細顯示：Growth 增長基金 67.5 億AI Infrastructure 17 億AI Apps 17 億American Dynamism 11.76 億其他早期策略 + BioHealth 近 37 億其中，AI 基礎設施和 AI 應用加起來 34 億，是單一領域投入最大的方向。但他們押的不是 AI 模型本身。傳統 VC 算市場規模、看產品競爭力、卡估值天花板。a16z 看的是：能不能創造不存在的市場，能不能讓供給側突破 10 倍、100 倍，能不能把不可能變成現實。（a16z創始人深度訪談：150億美元押注AI的邏輯）1 月 16 日，a16z 的兩位創始人 Marc Andreessen 和 Ben Horowitz 在一場深度訪談中，詳細解釋了這套投資邏輯。第一節｜押什麼：那些還沒出現的好東西Marc 說：真正有價值的，不是市場裡已有的東西，而是那些本來不會出現的東西。這就是他們投 Substack 的原因。Substack 是一個付費訂閱寫作平台，讓獨立作者可以直接向讀者收費。2017 年剛起步時，很多人覺得這產品沒必要存在。 寫作平台不缺，部落格時代已經證明大多數人不願為文字付費。行業普遍的看法是：這筆投資不會成功。但 a16z 從一開始就不是看平台現在能賺多少錢。 他們看的是：這個平台能不能讓創作者活下去，把那些原本不會出現的好內容寫出來。Marc 認為： 很多寫得好的人，不是離不開媒體機構，而是沒有獨立謀生的路。Substack 給了他們那條路。a16z 的邏輯很簡單：供給出來了，需求就會來。但什麼樣的供給值得押注？Marc 用貓咪視訊開了個玩笑：我喜歡貓咪視訊，AI 生成的更好看。他的意思是：娛樂內容有巨大市場，這個大家都看得到。但高品質、長篇、有深度的內容，同樣有巨大的潛在市場。只是現在看不到，因為寫的人養不活自己。換句話說：值錢的不是市場裡已有的東西，而是那些本該存在、卻還沒出現的東西。第二節｜押誰：能把想法變成公司的人但光有供給端的機會還不夠。Marc 和 Ben 更關心的是：誰能把這個機會變成現實？他們說： 我們不是先問產品有多好，而是先看這個人能不能把自己變成 CEO。這句話幾乎概括了 a16z 這輪 AI 下注的重點。因為在 AI 時代，做出一個看起來很厲害的產品越來越容易。真正難的，是把一個技術想法變成一家能長期跑下去的公司。Ben 舉了 Databricks 的例子。當年創始人 Ali Ghodsi 在招人時說，公司未來值 100 億美元。 Ben 聽完後直接給他發郵件：你低估了自己。你應該按 10 倍規模去想。這不是鼓勵吹牛。 而是在糾正創始人對市場天花板的認知。Ben 後來解釋說： Ali 這個人超級偏執，所以那個建議對他特別管用。你必須瞭解你的企業家，給他需要的那種推動力。在 Ben 看來，創業不是靠流程推進，而是一場長期的心理戰。你敢不敢招最頂級的人？你敢不敢打大客戶？你敢不敢公開說自己要做行業第一？每一步，拼的不是技術能力，而是這個人能不能持續向前走。Marc 指出：很多創業者以為，只要產品夠好，世界自然會接受它。現實不是這樣。現實很亂，很吵，有 80 億人，每個人都有意見。也就是說，技術只是起點。 真正的難關，在產品之後：誰能在混亂中持續向前？a16z 在選項目時，其實是在選一种放大能力。他們反覆強調“口碑”，不是為了面子，而是因為口碑會形成正循環：有口碑 → 更容易招到好工程師有口碑 → 客戶更願意試你的產品有口碑→ 後續融資更順所有這些 → 反過來又增強創始人的信心Ben 的總結是：“我們做的事情，就是在幫創始人建立一種向上的勢頭。”這也是為什麼 a16z 不滿足於當出錢的人，而是做播客、寫文章、參與公共討論，甚至介入政策話題。他們要做的不是投完就走，而是把創始人推到更大的舞台上。AI 時代，技術門檻在降低，產品窗口期在縮短。最後拼的不是誰先做出來，而是：誰能更快建立隊伍、跑通市場、撐過動盪。第三節｜怎麼押：讓文化傳下去Ben 說，a16z 的每個人加入之前，都要簽一份檔案。上面寫的不是規章制度，而是一套價值觀。比如：不攻擊創業者，不管投沒投；不貶低別人的技術路線；不站在上帝視角指手畫腳；不抱怨市場，而是站在想做事的人一邊。為什麼要立這種規矩？因為創業不是按部就班，而是需要有人相信你、推你一把。Ben 說：我們不是來挑毛病的，是來幫你把事業做成的。所以 a16z 的文化，不只是用來管自己人的，更要的能夠影響創始人。一個被他們投資的創始人能拿到什麼？借他們的品牌談合作；用他們的團隊補短板；用他們的信念穩住自己。Marc 認為：風投的品牌不是給自己的，是給創始人用的。這就是 a16z 看重人的原因：他們要的不是聽話的創始人，而是能把 a16z 的影響力用到極致的人。這就必須提到他們說得最多的一群人，Z 世代創始人。Marc 對他們的評價是： 我們這幾年接觸到的 Z 世代創業者，真的很猛。他們不裝模作樣，不迷信傳統經驗，也不羞於表達野心。他們從小在網際網路上長大，現在又是 AI 原生使用者。對很多技術、工具的使用，不用解釋，直接上手。Ben 說他最喜歡的一點是：沒有那個 Z 世代創始人會跟你說，我要一邊做好事一邊賺錢。這種空話他們不說。他們只說，我要把這事做成。Marc 也補了一句： 他們不糾結、不拖拉，有幽默感，有力量感。他們不是等認同，他們就是衝著要幹一票大的來的。這就是 a16z 今天真正要做的： 不是扶一個按部就班的團隊，而是找一群真想幹出點事的創始人。給他們機會，給他們支援，給他們舞台， 讓他們自己證明自己。他們不相信靠制度能塑造一個偉大的創業者，但他們相信：文化可以感染人，信念可以傳下去。歸根到底，a16z 這 150 億美元押的是：那些本該出現卻沒出現的好東西，那些沒被發現來的創始人，能讓他們撐下去的文化。少一個，都不成立。 (AI深度研究員)

（矽谷創投教父Marc Andreessen： AI 產業處於早期）進入2026，矽谷最會押趨勢的那批人，開始強調一個更底層的邏輯：AI 不是先變強，而是先變便宜。1月7日，a16z 創辦人Marc Andreessen（馬克安德森）在自家播客上做了一場訪談，核心觀點是：AI 是他見過最大的技術變革，但關鍵不在於模型能力的突破，而是智慧本身正在從奢侈品變成日用品。調用一次AI 的成本，正以驚人的速度往下掉。不是降了一點，是斷崖式暴跌。Marc 同時強調：現在還早。成本已經降下來了，但大部分機會還沒被創業家發現。他這場訪談不談技術前景，也不談市場泡沫，而是聚焦一個更具體的問題：如果智慧像水電一樣便宜且隨處可得，商業規則會怎麼變？變化體現在四個面向：成本結構、技術路徑、定價模式、競爭格局。現在的AI，不是誰更強，而是誰先把便宜智能變成標準流程。第一節｜崩的是價格，起飛的是收入Marc Andreessen 首先指出：AI 的智慧成本正在暴跌他說：“AI 的單位成本，下降速度比摩爾定律還快。”模型越訓練越強，但每次調用AI 所需的成本，反而越來越低。不是降一點點，而是斷崖式往下掉。他特別提到：過去一年，大模型的token 成本正在快速下滑。 OpenAI、Anthropic、Google 都在把自己的AI 能力連接到雲端服務，誰都想多拿市場份額。競爭一激烈，價格自然一落千丈。硬體端的使用年限也變了。 Marc 引用了一條AWS 的數據：GPU 的使用壽命從3 年延長到7 年以上。企業買一塊卡、蓋一個伺服器，能跑AI 的時間直接翻倍，攤到每次呼叫上的成本，就降了一半還多。這意味著什麼？智慧正在變成一種可批量採購、按需計費的新材料。而且成本下降的同時，收入卻在快速成長。Marc 用「起飛」來形容AI 公司最近一年的變現速度。他說：我們看到的AI 公司，營收成長速度比以往任何一波科技周期都快。具體看兩端：個人端：越來越多消費者願意為AI 服務付高價訂閱。20 美元/月不再是上限，現在200～300 美元/月的高級方案也開始有大量付費用戶。企業端也是一樣：AI 能幫客服多處理一個工單、幫銷售多挽回一個用戶，光這些日常工作，就能帶來直接回報。只要能帶來結果，就有人願意花錢用。也就是說：價格在掉,價值在漲。在 Marc  看來，這正好說明：AI，不是泡沫，而是開始變成真生意了。第二節｜AI 不用做最強，用得起才是關鍵第一節說了成本在崩，但為什麼崩？因為AI 不是要做到最聰明才有用。Marc Andreessen 在對話中舉了一個形象的例子：有些工作任務，不需要「愛因斯坦」大腦來解決，只要一個聰明、可靠的普通人就足夠。這一點破了一個很多人沒注意到的機會：模型不需要越大越好，夠用就好，尤其是在成本敏感的場景下。過去一年，大量小模型開始冒頭。 Marc 特別提到國內的Kimi 模型：最新版Kimi 在推理能力上已經追平了GPT-5，但模型體積更小，成本更低，可能在MacBook 上就能跑。他觀察到一個規律：大模型推出後，6 到12 個月，就會出現同等能力的小模型。大模型證明某個能力可行，小模型快速複製，然後以更低成本提供。這帶來兩個現實變化：一是使用方式改變了：AI 正在從高高在上的聰明大腦變成隨手可用的小工具；二是開發方式改變了：新創公司、獨立開發者都可以拿開源模型，快速部署上線，甚至自己微調一套專用模型。但這不代表大模型會消失。Marc 認為，AI 產業會形成金字塔結構：頂端：少數超級模型，在巨型資料中心運行，永遠是最聰明的底層：大量小模型，擴散到各種裝置裡，運行在手機、手錶、甚至每個實體物品內部就像電腦產業的演化：超級電腦沒有消失，但真正改變世界的是無所不在的微晶片。所以真正的機會在那裡？不是去做最強，而是：誰能把智慧壓縮、量產、變成隨時可調用的標準件，誰就能搶佔最大的市場。因為當智慧不再稀缺，拼的不是最強，而是「用得起」。第三節｜AI 應用不只是套殼，定價方式決定天花板過去一年，很多人看AI 應用公司時會說：這不就是套了一層GPT 介面？Marc Andreessen 可不這麼看。以AI 編程工具Cursor 為例：一開始確實是呼叫大模型輔助編程，但很快，這類公司開始自己微調模型、甚至自研模型。產品不是換個殼，而是在功能、速度、成本上做了深度最佳化。他把這個叫做「向後整合」。換句話說，以前是前端產品，後端呼叫別人的API，現在是：從一個模型起步，最後用12 個、50 個、甚至上百個模型不同模型負責不同部分：介面回應、程式碼邏輯、情境記憶針對垂直場景，自己訓練客製化模型這不是為了技術而技術，而是為了掌控技術棧。因為對業務理解最深的人，才知道那些環節需要什麼樣的智慧。Marc 說，最前衛的AI 應用公司，實際上掌握了核心技術。那麼AI 應用在定價上呢？這裡的規則和第一節不一樣。第一節說，基礎設施層（OpenAI API）在打價格戰，成本暴跌。但應用層的定價邏輯完全不同。因為定價邏輯分層了：基礎設施層：智慧變成水電，按使用量計費，競爭激烈，價格往下走應用層：產品賣的是結果，以價值計費，差異化大，價格可以往上走關鍵在於：不要以成本定價，要以價值定價。傳統SaaS 按年訂閱、按坐席收費，但AI 應用可以探索更多可能：不是按「產生了幾份文件」收費（使用量）而是以「節省了多少工時」收費（價值）或以「提升了多少生產力」分成（回報）舉個例子：如果一個AI 程式設計工具讓程式設計師效率提升30%，它可以收走這30% 生產力帶來的部分價值，而不是只收調用了多少次API的成本。為什麼高價產品反而好賣？因為使用者買的不是模型，而是結果。只要結果值這個價，就有人付錢。這就解釋了第一節提到的現象：200～300 美元/月的訂閱越來越多，本質上這些產品在賣“解決了什麼問題”，而不是“用了多少Token”。依照這個思路，應用層的機會在於：向後整合，掌控技術棧深耕場景，瞭解使用者價值按價值定價，而不是按成本定價基礎設施層會繼續價格戰，但應用層的天花板，取決於你能創造多少價值。這個機會窗口，到底留給誰？第四節｜追趕只需要半年，不確定性變成了常態很多人看AI 產業，第一個反應是：已經有OpenAI、Anthropic 這些巨頭了，我們是不是來晚了？但實際情況是，一旦有人證明某件事可行，其他人追上來的速度會很快。幾個具體的例子：xAI 不到12 個月追上行業前列： Elon Musk 的團隊從零開始做Grok，不到一年就把產品性能拉到了OpenAI 和Anthropic 的水平。DeepSeek 用開源衝進主舞台：避險基金背景的團隊，用開源模型直接把能力推到全球視野，還能在本地運行。多家中國公司同時追上：月之暗面（Kimi）、阿里巴巴（Qwen）、字節跳動、百度等，不到12 個月都追到了前沿水平。1.為什麼追趕這麼快？Marc 給了三個主要因素：第一，開源降低了學習門檻：領先者做出了新突破，開源模型就把「怎麼做」展示出來。任何人都能學習、複製、改進。第二，知識擴散速度極快：現在全世界最好的AI 人才，很多只有22、23、24 歲。他們不可能在這個領域待很久，必然是過去四、五年迅速成長的。如果他們能做到，未來會有更多人做到。第三，成本已經不是門檻：前三節說的成本塌陷、小模型崛起、雲端服務競爭，都在降低做AI 的資源需求。不需要幾千人團隊，也不需要數十億美元，一個小團隊就能快速驗證想法。2、這對不同角色意味著什麼？第一，對現有的AI 公司來說，這是個壞消息Marc 指出：當一家公司不知道該往那個方向發展時，這是個大麻煩。因為公司必須做出選擇，把資源押注在某個方向上。一旦押錯了，競爭對手追上來，優勢就消失了。這就是他說的「兆美元問題」：不是現成的答案，而是每個公司都要面對的策略不確定性。第二，但對創投和創業家來說，這是個好消息a16z 的投資策略是：不只投一個方向，而是同時支援多個有希望的路徑。只要某種方法有可能跑通，就支持有人試一次。對創投來說，不確定性意味著可以分散投資。對創業者來說，不確定性意味著窗口還開著。總結來說：領先者不再安全。追趕只需要半年到一年，技術方法已經透明，成本也降低。但這也意味著，追上之後你也會被追趕。持續競爭變成了常態。結語｜不是AI 更強了，而是你用得起了Marc Andreessen 說，AI 產業的轉捩點，不是模型多聰明，而是智能不再昂貴。成本暴跌讓智慧變成了可以大量採購的新材料。小模型夠用就能打，應用層可以用價值收費。而且追趕只需要半年到一年，領先者的護城河正在變淺。這意味著什麼？模型再大，不如先落地。技術再強，不如用。這場技術變革才剛開始，但商業競爭規則已經重寫了。(AI深度研究員)

在第二期“Big Ideas 2026”節目中，a16z合夥人Ryan McEntush、Angela Strange與Sarah Wang共同探討了AI在未來一年將如何重塑產業、金融與企業軟體的底層結構。他們分別從工業基礎、金融服務與企業系統的角度出發，描繪了AI原生平台、智能代理系統以及系統級重構的趨勢。工業革命的底層堆疊Ryan指出，下一輪工業革命不再侷限於工廠，而是發生在驅動工廠的機器內部。支撐這場新工業革命的，並不是全新的發明，而是一套已經存在數十年的底層工業能力——“電動-工業堆疊”（electro-industrial stack）。它涵蓋從礦物提煉、電力驅動到精密電機、感測器與軟體協調的完整體系，是連接“推動世界的原子”與“指揮世界的位元”的關鍵基礎。然而，這一堆疊的建構能力正在美國本土加速流失。Ryan強調，誰能掌握這套堆疊，誰就能在未來的工業體系中佔據戰略優勢。金融服務的轉折點Angela認為，金融與保險行業正處在一個基礎設施重構的臨界點。過去幾年，AI作為“外掛”被整合在舊系統之上，但真正的變革來自於底層架構的重建。她預測，2026年將有更多大型金融機構放棄傳統供應商合同，轉向AI原生平台。這些新平台能夠統一底層資料、打通流程、平行執行任務，從而實現“類別融合”與“規模躍遷”。例如，客戶KYC與風險監控資料將整合進一個統一平台，形成更大的軟體市場空間。Angela強調，未來的金融服務不是在舊系統上應用AI，而是建構一個以AI為基礎的新作業系統。企業軟體的智能代理層Sarah指出，企業軟體的真正顛覆在於“系統記錄層”的地位正在被“智能執行層”取代。AI模型如今可以直接在運算元據上進行讀寫與推理，使得ITSM與CRM系統從被動資料庫轉變為主動工作引擎。隨著推理模型與智能體工作流的進化，企業將建構“動態代理層”，而傳統系統則退居為“持久化儲存層”。掌握智能執行環境，就等於掌握了戰略槓桿。這一轉變意味著企業組織結構、角色定義與軟體架構都將被重塑。從軟體到系統的遷移隨著AI深入各行各業，競爭優勢正從單點軟體轉向系統級平台，從分散工具轉向AI原生架構，從靜態記錄轉向智能執行。工業領域正在把可觀察性延伸到物理世界，金融體系的重構將催生更大規模的贏家，企業軟體的價值焦點也從資料所有權轉向智能體的協調能力。跨行業的變化共同指向一個趨勢：系統級重構正在成為AI時代真正的增長引擎。結語回看這場關於2026年的討論，真正被重新定義的不是某項技術，而是我們理解系統的方式。AI正在把工業、金融與企業軟體這些看似分散的領域重新編織成一個整體，使組織從依賴工具的時代邁向依賴系統的時代。技術的變化固然重要，但更關鍵的是：企業如何在新的系統結構中找到自己的位置，並以此建構新的能力邊界。未來的競爭，不再是比拚某個產品或模型，而是誰能率先適應這種系統級的秩序重構。 (楊承帥談超人工智慧和奇點)

為何風投機構A16Z總能精準站在技術革命爆發的前沿？這種解構技術未來的能力究竟又是如何煉成的呢？Andreessen Horowitz（簡稱A16Z），從2009年成立到如今，已成為矽谷乃至全球最具影響力的風險投資機構之一，幾乎每一次技術浪潮背後，都能看到它的身影。16年的時間，這家風投機構不僅押中了Facebook、Twitter、Airbnb等網際網路巨頭，還活躍在加密貨幣、人工智慧、醫療健康等多個前沿領域，其管理資產規模更突破450億美元，累計為LP創造了250億美元的淨回報。甚至，每當傳統風投還在追逐現有賽道時，A16Z卻早已盯上了下一場技術變革的爆發點。為何A16Z總能精準站在技術革命爆發的前沿，這種解構技術未來的能力究竟又是如何煉成的呢？1 程式設計師基因與“反傳統”密碼A16Z的與眾不同，或許源於其兩位創始人的獨特經歷與對創業生態的深刻洞察。馬克·安德森（Marc Andreessen）在23歲時就主導開發了世界上第一款圖形化瀏覽器“網景”（Netscape），推動網際網路從文字時代邁入可視化時代。五年後，網景被美國線上（AOL）以42億美元收購，安德森也成為登上《時代》雜誌封面的“程式設計神童”。而本·霍洛維茨（Ben Horowitz）則是一位從逆境中突圍的實戰派創業者。他與安德森聯合創辦的Loudcloud在網際網路泡沫破裂期間幾近崩潰，最終通過艱難轉型為Opsware後，以16.5億美元售予惠普，完成了一次商業上的“成功轉型並高價出售”的經典案例。正是這段從頂峰到谷底再重回頂峰的共同經歷，讓兩人深切體會到創業者最需要的不僅是資金，更包括迷茫時的戰略指引和瀕臨崩潰時的關鍵支援。在Opsware成功退出後，兩位年輕創業者隨即以個人身份進行天使投資，相繼投資了當時不被看好的Twitter、Facebook等明星項目。在這一過程中，他們越發感受到傳統風投模式有著諸多侷限，比如很多VC只是將創業者視為“交易標的”，投後支援流於形式，而在招聘、合規、市場推廣等實際挑戰面前往往無能為力。正如霍洛維茨後來直言：“風投對LP是好產品，但對創業者卻是平庸產品。”2009年，倆人以彼此名字合作成立了“Andreessen Horowitz”投資機構。由於覺得姓氏拼寫太長、網址也難記，於是便借助科技圈早已通行的“數字省略”慣例（如i18n表示internationalization），將18個字母的Andreessen Horowitz壓縮成5字元後的“A16Z”，這樣既好讀又好打，隨後迅速成為品牌標識的“A16Z”。A16Z成立時，就做出一項顛覆性決定：不盲目擴大投資團隊，通過一支超過200人的專業營運團隊，覆蓋招聘、市場、政策遊說、技術支援等關鍵領域，使得企業投資人員佔比不到四分之一，其餘全部投入“投後賦能”。事實上，這一模式是借鑑於好萊塢頂級經紀公司CAA（Creative Artists Agency）的“全端服務”模式，其核心理念是將創業者視為“客戶”，而非一次性的交易對象，通過專業化服務來提升創業者的成功機率。為了實現這一目標，A16Z還特意重構了當時風投行業薪酬體系，其普通合夥人年薪約為30萬美元，遠低於行業標準的100萬美元，省下的資金則全部用於支付上百位領域專家的費用。這種“低薪高賦能”模式，立即吸引了眾多資深人士加入，例如美國SEC前主管Bill Hinman、拜登總統前高級顧問Tomicah Tillemann等人。這些專業人士不僅給了初創時期的A16Z極為關鍵的專業指導與建議，也使其投資企業A輪後存活率達到68%，遠超行業平均的42%。在投資策略上，A16Z更是展現出對技術敏銳的洞察力。在AI時代剛出現時，A16Z就斷言，未來沒有純粹的“AI公司”，AI技術將如同氧氣般融入所有行業，成為所有創新的底層引擎。正是基於這一判斷，A16Z迅速領投了Relace這樣的AI初創公司，在全球AI智能體的設計開發領域佔了先機。除了資本和營運支援，A16Z還善於通過強大的內容輸出能力建構行業話語權，展現獨特的投資理念。比如2011年，安德森就在《華爾街日報》上以一篇題為《Software Is Eating theWorld》（軟體正在吞噬世界）署名文章，提出“凡是能被軟體重構的行業，最終都會被重構”，引發業內熱烈討論。這種將內容作為“資本槓桿”的做法，不僅降低了市場教育成本，更使A16Z在加密、AI等新興領域掌握了定義賽道標準的話語權，為其後續前瞻性佈局埋下了伏筆。2 顛覆傳統風投：從資金中介到創新作業系統縱觀A16Z的16年發展，就是一部“錨定技術範式、加速行業成熟”的投資史，其佈局節奏清晰貫穿網際網路、加密、AI三代技術浪潮，每一步都精準踩中行業變革的關鍵節點。2009年公司成立時，網際網路正從PC端向移動端遷移，社交、出行等場景的數位化重構尚未完成，A16Z卻沒有跟風“移動端概念”，而是始終聚集“使用者需求”的底層邏輯。從早期重倉Facebook，推動其從校園平台升級為全球社交基礎設施；到看中其“即時資訊流動”價值，投資Twitter，使其成為全球重要資訊節點；以及押注Airbnb，通過共享經濟顛覆傳統酒店業，無不顯示出其對個性化市場需求的精準洞察。尤為關鍵的是，A16Z對投資企業還一直堅持“長期陪伴”策略，而非“快進快出”的短期套利。以GitHub為例，A16Z在其2008年A輪融資時就領投，後續持續加注，直到2018年微軟以75億美元收購。正是憑藉這種“不急於退出”的耐心，才最終在網際網路平台型公司的爆發期中收穫豐厚回報。到2013年，A16Z管理資產已突破10億美元，憑藉多個網際網路平台型明星項目的退出，正式躋身矽谷一線VC行列。也是在此時，A16Z又將目光投向尚處邊緣的加密貨幣領域。彼時的全球加密市場堪稱“蠻荒時代”，比特幣價格一度從100美元飆升至1200美元，又在短短一個月內回落至200美元，使得多數VC對此敬而遠之，甚至將比特幣視為“投機工具”。A16Z卻看出加密市場的“去中心化金融可能重構傳統金融的信任機制”，而這種“無須信任的價值傳遞”將有可能打開全新的金融場景。為此，A16Z連續8次投資了主營數字貨幣交換和錢包服務的Coinbase。儘管當時全球加密貨幣市場規模不足百億美元，監管態度模糊，但A16Z依然堅定押注了Coinbase五年之久。2018年，加密市場依然萎靡不振，A16Z卻逆勢成立首隻3億美元的加密專項基金，隨後三年又連續加碼至22億美元，先後投資了Solana、Aave、OpenSea等數十個標竿項目，並把公鏈、DeFi、NFT三大加密貨幣平台也陸續收入囊中，建構出極為龐大的“區塊鏈基礎設施”矩陣。隨著2021年牛市到來，Coinbase登陸納斯達克，市值一度衝破860億美元，A16Z早期持股價值飆升至97億美元；OpenSea估值更是從16億美元半年暴漲至133億美元，單筆回報超十倍，令業內豔羨不已。加密盛宴落袋之際，A16Z又將籌碼押向下一個賽道——AI人工智慧。面對AI技術近年來指數級的增長，A16Z對未來的判斷也從“軟體吞噬世界”迅速轉向為“AI將成為新的作業系統”，投資了一大批極具潛力的AI企業。在其投資的AI應用版圖中，既有能將醫生寫病歷的時間從45分鐘縮短至3分鐘的Abridge；也有讓普通人也能輕鬆進行AI創作的Runway、Descript等工具，顯示出其“凡是需要靈活判斷的問題，都可能借助AI找到新的解決方案”投資理念的落地。借助這些投資佈局，A16Z也表達了自己的投資觀點，提出“每一個無法用確定性計算解決的問題，都將是AI的機會。”值得注意的是，這些案例看似是A16Z在網際網路、加密、AI三代技術浪潮中都“押對了寶”，但這絕非偶然的運氣疊加，而是來自其最與眾不同的“既投錢也做事”的投資模式。3 獨特的營運邏輯和管理模式在A16Z的字典裡，“投資”從來不是“給錢就走”的單向交易，而是“資金+資源+敘事”三位一體的服務體系。A16Z的投資邏輯是為創業者打造“降低失敗機率”生態系統，這一理念的直觀體現包括顛覆行業的“平台型VC”定位，以及旗下規模超200人的營運團隊。與“投資團隊主導”的傳統VC不同，A16Z的營運團隊並不參與投資決策，卻通過專業的投資分析與營運，直接決定項目的生存效率與成長效率。比如在其人才端，有專門的獵頭團隊，負責招募各類高管與核心工程師；在品牌端，則是通過自有部落格、播客及各類行業峰會建構傳播矩陣；在政策端，還有專職遊說團隊，深度對接美國國會與監管機構，負責規避項目因政策問題夭折的風險；而技術端的專業的專家團隊，不僅提供技術盡調，還會深度參與產品路線圖最佳化，讓初創公司避開技術方向偏差的坑。通過這種“全端式”的貼心服務，A16Z在創業者心中的地位與日俱增。很多創始人直言：“選擇A16Z，不是因為估值最高，而是它能幫我們解決從0到1的冷啟動、從1到100的規模化難題。”A16Z的另一項核心競爭力，是頗為獨特地通過“敘事先行”節奏來掌握賽道話語權。比如聯合創始人安德森可謂是頂級的“話題製造者”，經常現身媒體發佈各類觀點，以壯大A16Z的影響力。2021年，他靠一篇《Why Web3 Matters》（Web3為何至關重要）打破了加密“只炒作”的偏見；2023年，又以《Why AI Will Save the World》（AI為何將拯救世界）來反駁AI威脅論。兩篇文章發佈後，不僅使得相關領域融資熱度均顯著上升，也給A16Z帶來更多關注。而且，A16Z不僅擅長“講故事”，還很會借此“帶貨”。比如Web3概念剛冒頭的時候，A16Z就馬上推出22億美元的加密基金，先把OpenSea這類明星項目的估值拉起來，吸引其他投資機構跟著投，直接拉高了加密賽道的價值，讓自身也獲得了豐厚收益。到了AI時代，A16Z的“敘事+資金聯動”策略運用更為嫻熟，先是借各種管道傳播“什麼是AI原生的企業用軟體”的理念，隨後又投資了Klarna這樣的公司實現落地實踐，精心打造了一套從賣概唸到案例驗證，最後變成行業趨勢的完整閉環。更關鍵的是，A16Z諸多項目能如此迅速落地，離不開其“大家一起分收益、但決策權集中”的管理模式。通常情況下，傳統VC項目要落地，必須要合夥人都到齊後再投票商量，效率特別低。可A16Z內部，就是安德森和霍洛維茨說了算，無論是決定佈局加密領域，還是全力押注AI，只要他們說“OK”，很快就推進了。正如安德森所說是：“企業同時在好幾個領域做事，不能把決策權拆得太散，集中做決定才能跟上技術變化的速度。”可以說，不同尋常的投資與做事邏輯，不僅讓A16Z迅速成為全球頂尖的投資機構，也改變了行業裡“只給錢不管事”的老規矩，從往日只“比誰錢多”，逐漸演變為“比誰能給創業者提供更全的資源支援”的行業新玩法。4 重塑全球創投生態在A16Z出現前，全球VC行業都有個“尷尬症”：不到十個人的規模，握著3億-5億美元的基金，什麼賽道都想沾點邊，卻又沒能力深耕，天天坐在辦公室等項目自己找上門。只可惜這種模式既沒有足夠資源幫企業做投後服務，也無法及時抓住AI、加密這種大賽道的機會，只能在中間地帶晃悠。而A16Z入場後，立即採取“兩頭強、中間弱”的“槓鈴模式”衝擊了行業的固有模式。一方面，作為掌管450億美元的超大平台型VC，A16Z能集中資源押注AI、加密這種需要大投入的賽道；另一方面，A16Z還設立了專門扶持小眾創業者的TxO計畫，精準挖掘那些沒被注意到的潛力項目。資料顯示，自2011年以來，A16Z為LP們創造的淨回報，扣除相應成本，已累計達到了250億美元（約合1780億元人民幣），相應的“現金”回報更是高達370億美元（約合2630億元人民幣），堪稱“矽谷風投之王”。正是見識到A16Z的“生猛”帶來的收益，國內許多VC也開始效仿A16Z，組建專門的投後團隊，推出垂直領域基金。比如紅杉成立專門的AI基金，凱鵬華盈（KPCB China）加強政策遊說能力，這些變化都離不開A16Z的示範效應，使得VC的“投後服務”從之前“順帶做的小事”變成了不得不做的核心競爭力，推動整個行業從昔日“粗放式”向“精細化”逐漸轉型。A16Z對行業的改變，也直接改變了創業者選擇VC的“標準”。以前創業者挑VC就看兩件事：誰給的估值高、誰的名氣大，那家給的錢多就跟那家。可對比A16Z服務後，越來越多的創業者將“能不能幫上實際忙”，作為選擇合作夥伴的重要參考。一家AI初創公司創始人曾表示：“現在找VC，最關心的是‘能不能幫我對接算力資源’‘能不能幫我搞定相關資質’，這些事遠比估值更重要。”A16Z帶來的VC和創業者之間的關係變化，也進一步提升了VC行業的門檻，面對那些具備優勢的科技創投項目，那些沒有足夠的資源儲備（人才、政策、技術），僅靠“人脈”和“判斷力”的VC就很難找到好項目，甚至出現了“優質項目挑VC”的現象。可以說，A16Z是以幾乎“降維打擊”的商業模式，不斷倒逼整個VC行業提升服務能力，以適應不斷發展的市場需求。不過，即便如此，A16Z的投資生涯也並非只有高光時刻。比如最初投資的去中心化電商項目OpenBazaar，初衷是打造“加密版淘寶”，但最終因未能適應市場實際需求而停止營運；還有由Meta（原Facebook）發起的穩定幣項目Diem，儘管陣容豪華，但在全球監管機構的強烈壓力下，只能擱置。甚至，A16Z還曾被同一位創業者“割了兩次”。早先，他們先投資了一位名為Nader Al-Naji創業者的演算法穩定幣項目Basis，可惜項目因未能解決美國證券法的合規問題，在融資1.33億美元後被迫關閉；A16Z隨後又投資了他的新項目BitClout（一個區塊鏈社交媒體平台），但其代幣價值此後卻暴跌超過97%，最終不得不放棄。這些案例表明，即便是頂級的投資機構，在面對技術可行性、監管合規與真實市場需求的綜合考驗時，其投資判斷也同樣會“馬失前蹄”。但不管怎麼說，對於正在轉型的中國VC來說，A16Z還是有很多值得借鑑的價值。一方面，以前中國VC多盯著“模式創新”，比如做個電商平台、搞個本地生活APP，靠流量紅利和人口多就能賺得盆滿缽滿，可隨著科技發展，越來越多案例證明，只有像AI、加密等“技術底層的創新”，或許才是能長期賺錢的根本。如今，中國VC加大對AI晶片、醫療AI這些硬科技的投入，逐漸從“賺流量的快錢”，轉為“賺技術的慢錢”，或多或少也是受到A16Z等投資公司的啟發。值得一提的是，也正是投資方向的轉變，如今中國AI科技才得以迅猛發展。比如在AI陪伴賽道，中國項目就佔到六成以上，出現了海螺、可靈這些AI視訊生成工具，許多功能甚至比國外的Sora、InVideo AI還好用，並得到了A16Z的認可。對於中國VC來說，最重要的或許還是學習A16Z的“長期主義”。A16Z對Coinbase前後投了8輪，投AI也從2020年一直堅持到現在，並不著急套現離場，這與中國VC以前“3-5年就想退出賺錢”的短期思維完全不同。而隨著全球創投市場進入“硬科技時代”，技術研發需要更長周期，這種“不著急”的耐心，也是未來競爭最重要的核心競爭力。從另一個角度來看，面對2025年AI革命的深水區和全球市場新變革，中國VC或許還要重點關注A16Z正悄悄進行怎樣的戰略佈局。因為這些舉措，將會持續影響全球創投行業的走向。5 押注AI巨潮的底層邏輯2025年，全球AI行業已從“技術探索”邁入“規模化落地”階段：大模型能處理醫療診斷、供應鏈預測等複雜任務，但算力成本與研發投入同步飆升，一家AI公司想實現商業化突破，往往需要數億甚至數十億美元支援。對全球投資機構而言，AI是重構所有行業的核心力量，需要充足的資本托底已成為共識。正是看準這一趨勢，A16Z將人工智慧定為2025年核心戰略，計畫募集200億美元AI專項基金做系統佈局。不過，這筆龐大資金並未採用“廣撒網”的投資策略，而是聚焦“全端式AI機會”，即從底層技術到上層應用，從軟體到硬體，一步步搭起投資閉環。底層技術上，A16Z重點投OpenAI、Anthropic等頭部大模型公司，因為這類企業握有核心演算法與資料，可謂AI行業的“地基”。因此，A16Z不只是給錢，還希望借此影響AI的技術方向。比如其在醫療領域，就是不斷推動大模型適配臨床場景，以避免AI技術陷入“單純拼參數規模”的誤區。應該說，A16Z在AI醫療領域的投資最為可圈可點。比如其投資的Anthropic，已推出醫療專用大模型，對病灶的識別精準率比通用模型高出16%；另一家投資標的Abridge，能將醫生的診療對話即時轉化為結構化病歷，減少80%的文書工作，讓醫生更專注於診療本身；還有一家AI藥企，借助演算法模擬分子與疾病靶點的結合效果，將傳統需要2-3年的藥物分子篩選周期縮短至3個月，大幅加快了新藥研發處理程序。針對企業服務領域，A16Z則主打通過AI重構傳統軟體。傳統的ERP（企業資源計畫）和CRM（客戶關係管理）系統主要側重於資料記錄，而AI原生系統則能即時分析資料並主動提供決策建議。A16Z也是借助所投資的AI供應鏈公司，通過整合分析全球物流、原材料價格等動態資料，進而精準預測庫存需求，最終最佳化服務企業的庫存周轉效率。在硬體領域，A16Z主要聚焦於兩大方向：AI晶片與邊緣計算。隨著大模型參數規模持續增長，傳統GPU在算力與能效比方面逐漸難以滿足需求。如A16Z所投資的Cerebras公司推出的專用AI晶片，其算力相當於數千塊傳統GPU，能夠將大模型訓練時間從數月縮短至數周。在邊緣計算方向，A16Z則著眼於解決AI應用中的隱私與延遲問題。如在醫療場景中，患者病歷等敏感資料無需上傳至雲端，可在本地裝置完成處理，既保障了資料安全，也實現了更低的響應延遲。目前，該模式已被多家醫院採納並投入使用。A16Z不僅在AI領域進行全產業鏈佈局，也積極推動其與其它前沿科技的跨界融合。例如，在其“AI加密錢包”構想中，AI未來可自主管理資產並以獨立身份參與金融活動；同時，A16Z還投資了“去中心化自治聊天機器人”項目，此類機器人能夠依據社區設定的規則自主運行，以滿足使用者在社交、諮詢等場景下的個性化需求。作為矽谷頂級投資機構，A16Z還始終在全球範圍內挖掘並投資於具有變革潛力的領域。其核心舉措之一便是佈局RWA（現實世界資產），例如通過投資QGEX交易所，推動房地產、藝術品等傳統高價值資產實現鏈上代幣化，極大降低了大眾投資者的參與門檻。值得注意的是，A16Z並非僅以商業回報為目標，也持續通過公益項目踐行其社會責任，展現風險投資的社會價值。比如在其支援中小企業的TxO計畫中，就專門設立了面向少數族裔與缺乏資源的初創者的扶持通道。該計畫不僅提供100萬至300萬美元的種子資金，還積極協助對接行業導師與潛在客戶，切實幫助創業者將技術構想轉化為可落地的項目。從上述佈局與案例可見，A16Z的底層投資邏輯並非追逐短期風口，而是致力於建構一套支撐未來世界的“作業系統”。其核心在於，始終立足於技術範式的起點，通過資金與資源的系統性投入，加速未來願景的實現。正是憑藉這一理念，A16Z才能不斷穿越網際網路泡沫、加密市場低迷與AI監管波動等多輪周期，成為矽谷頂級的投資機構。正如其聯合創始人馬克·安德森所言：“賽道是結果，未來才是起點。”而這，或許也正是A16Z能夠持續精準押注並始終引領行業的關鍵所在，也給所有希望實現持續成功的創投機構，提供了一份極具參考價值的行動指南。 (礪石商業評論)