AI 时代的风险投资，权力法则会更极端｜The a16z Show × David George, Aram Verdiyan

先说结论

这期的核心判断是：AI 不是让风险投资的权力法则变平，而是可能让它更陡。过去创业公司拿到更多钱，常见失败方式是盲目扩招、组织复杂度上升、效率下降；现在资本可以转化为算力，而算力能直接提升产品能力、训练速度和推理供给。这让头部公司更容易把融资优势变成能力优势。中文深度整理，非逐字翻译。

原始来源：Why Investors Are Rethinking Everything for the AI Era。节目：The a16z Show。嘉宾：David George, Aram Verdiyan。原始日期：2026-09-10。时长：约 48 分钟。内容类型：访谈 / AI 投资与风险资本。

这期内容在讨论什么

节目讨论的是 AI 对 venture capital 的结构性影响，而不是单个 AI 股票或热门创业公司。David George 的关键观点是，资本在 AI 时代第一次可以更直接地复利化公司的优势。传统软件创业公司如果拿太多钱，可能会被人头和协调成本拖垮；AI 公司则可以把钱投入 compute、数据、推理服务、模型训练和基础设施，形成更高的能力上限。

Aram Verdiyan 补充了需求侧：推理需求近乎无限。AI 收入增长速度远快于 SaaS 早期阶段，而且现在渗透率还很低。如果 AI 的 TAM 不是软件预算，而是劳动本身，那么市场规模和头部结果都会被重新估值。

核心观点

第一，AI 把“资本优势”变得更像“生产优势”。过去资本只能间接买时间、人才和分发；现在它还可以买训练和推理。只要模型能力、数据飞轮和产品体验能随算力增强，头部公司的融资能力就会变成技术迭代速度。

第二，AI 的 TAM 不是传统软件，而是任务和劳动。企业软件替代的是软件预算，AI 则可能替代或放大一部分知识工作、客服、法务、医疗行政、金融分析、创意生产和工程流程。用 SaaS 市场规模去估 AI，可能从一开始就低估。

第三，LP 配置会更集中。节目提到，美国 VC 机构很多，但长期稳定给出高净回报的非常少。如果 AI 时代头部结果更大、获取权更集中，LP 买一篮子 50 到 70 个基金并不一定分散风险，反而可能把自己锁进平均回报。

第四，开源和应用层机会不会消失，但价值捕获会更困难。基础模型、数据、分发和工作流之间的边界还在变化。某些公司会因为掌握模型和算力而变得巨大；另一些公司则可能在垂直行业、专有数据和深工作流里拿到价值。

推理链与关键例子

节目先从 venture 的回报分布讲起。风险投资本来就是极端权力法则行业，少数公司贡献绝大多数回报。但过去十到二十年，很多基金的平均净回报并没有想象中好。David 的 LP 结论很硬：如果长期只有少数基金能稳定拿到顶级项目，并把仓位打足，机构投资人就不该过度分散到大量普通基金。

AI 让这个结论更尖锐。SpaceX、OpenAI、Anthropic 这类公司代表的是数万亿美元级潜在价值，很多机构投资者过去没有足够 exposure。问题不只是错过某家公司，而是错过一类新的巨型结果。如果未来头部 AI 公司真的比上一代软件公司更大，那么风投组合里有没有这几个名字，会决定整体回报。

第二条推理链是 compute 的特殊性。传统创业公司拿钱扩人，边际协调成本会越来越高；AI 公司拿钱买 compute，至少在某些阶段可以直接提高模型能力、响应速度和客户供给。当然这不是无限成立，数据、算法、产品和安全也会成为瓶颈，但它改变了资本效率的上限。

第三条线索是劳动市场。Aram 用医疗举例：医疗 IT 预算本身有限，但医疗行政、理赔、计费、文书和流程协调是更大的任务市场。如果 AI 进入的是任务本身，而不是软件采购表格里的某一栏，它能打开的市场就不是传统 SaaS 的几倍，而可能是一个数量级的差别。

节目也讨论了 AI 是否会压低专业服务需求。一个很有意思的反例是，法律 AI 工具让客户更像“半个律师”，但律师账单没有必然下降，反而可能因为客户能提出更多问题、推进更多交易而增加。这说明 AI 并不总是替代预算，有时会释放原本被成本压住的需求。

边界、保留意见与争议

最需要保留的是，资本能买 compute，不等于资本一定能买好产品。模型训练有技术路线风险，推理成本有价格战风险，产品分发有竞争风险，监管和安全也可能限制增长。资本复利优势成立的前提，是额外 compute 能持续转化为用户价值。

第二，LP 集中化也有反身性。如果所有资金都追逐少数顶级基金和头部公司，价格会更贵，未来回报可能被提前折现。能够拿到 allocation 本身就是稀缺能力，但高估值进入也会削弱回报。

第三，AI 的劳动 TAM 不是自动可得市场。很多任务可以被 AI 辅助，却不能马上被软件端到端承接。行业流程、责任归属、数据权限、员工接受度和客户信任都会影响兑现速度。

整理后的观察

这期最有用的观察，是把 AI 投资从“哪个应用会爆”提升到“生产函数变了”。当资本可以直接购买智能产能，创业公司的规模经济、融资逻辑和竞争壁垒都会变化。风投原本就押少数异常值，AI 可能让异常值更大，也让错过异常值的代价更高。

对创业者来说，问题不是“是否融资越多越好”，而是你的业务是否真的能把资本转化为可复利的能力。如果钱只能买市场投放和人头，老问题仍在；如果钱能买到更好的模型、更低的单位成本、更强的数据飞轮和更高的客户留存，它才会成为战略武器。

对投资人来说，AI 时代也许会奖励更少、更深、更有 access 的配置方式。平均化投资看起来稳健，但如果回报进一步集中，过度分散可能只是买到了被稀释的中位数。真正难的不是承认权力法则，而是在权力法则变得更极端时，仍能判断哪种集中是洞察，哪种集中只是追高。