Where Value Will Accrue in AI: Martin Casado & Sarah Wang
21:41 Share

零和思维是错误的。但这并不意味着你不会遇到麻烦。几乎每家SaaS公司都推出了AI产品，他们并没有袖手旁观。鉴于其分销优势，你可能会认为他们拥有巨大的优势。但我们只是看到了经典的创新者困境。“GPT包装器”这个词带有贬义。我认为我们最终得出结论，这根本就不是一回事。当有人在云上编写软件时，你不会称之为“云包装器”。

这些公司的成功当然也反映了客户的喜爱，但我也想补充一点，他们为客户带来了切实的价值。在这个领域，冲突非常重要。因此，如果你过早地采取过于激进的策略，并且没有认真思考，它可能会阻止你投资于最终获胜的公司。

在拉斯维加斯举行的年度LP峰会上，我和普通合伙人Martin Casado和Sarah Wang坐下来，深入探讨了AI当前的竞争态势。我们探讨了价值在整个技术栈中的产生位置，这一波浪潮与过去的平台转变有何异同，以及在这个指数级加速的时代，如何构建和投资于持久发展的公司。

从GPT包装器的谬误到AI原生应用的兴起，以及Cursor突破性增长背后的意外教训，所有这些都着眼于AI未来的发展方向。让我们开始吧。需要提醒的是，此处的內容仅供参考，不应被视为法律、商业、税务或投资建议，也不应被用于评估任何投资或证券，并且并非针对任何a16z基金的投资者或潜在投资者。

请注意，a16z及其关联公司也可能持有本播客中讨论的公司股份。有关更多详细信息，包括我们投资的链接，请访问a16z.com/disclosures。Martine、Sarah，我们刚刚回顾了公司的现状。

目前AI的竞争态势如何？过去两年半感觉就像一阵模糊。也许只是为了铺垫一下，鉴于AI领域变化如此之快，Martina和我认为，对我们内部团队来说，反思并评估AI生态系统中价值的产生位置是有价值的。我认为它真正归结为几个关键要点。其一，AI公司的增长速度和规模甚至超出了我们的预期。

价值在技术栈的每一层都在积累，包括模型、基础设施、应用等等。

话虽如此，我们看到了一种悖论：在更短的时间内创造了更多的价值，同时在更短的时间内也出现了更大的潜在失败。我们肯定会更深入地探讨这种动态。最后，我们的结论是，你必须身处这个领域，但你必须比以往任何时候都更聪明地进行押注，因为风险更高。是的，我认为当你收听这个节目时，可能值得指出的是，我们已经得出结论，AI不再是一个整体了。

它有很多完全不同的子空间，所有这些都需要各自的策略。例如，大型语言模型与扩散模型非常不同。应用程序与模型本身非常不同。工具与它们也不同。所有这些子空间都非常不同。因此，我们开始了解到，这与软件一样庞大，策略也需要同样多样化。是的，让我们更深入地了解你提到的第一点。当我们说基础模型的增长速度超过预期时，我们指的是什么规模？

是的，两年前，我实际上会说我们可能是最看好市场未来走向的公司，也许是最乐观的。我必须说，即使是我们，也对这个市场的规模和增长速度感到惊讶。如果你看看……

两家顶级前沿实验室的收入，它们不仅超过了历史上一些最优秀SaaS公司的早期收入增长，而且实际上开始超过一些超级巨头的早期增长。我认为，当你考虑到其产品发布的时间时，这些数据就更加令人叹为观止了。我认为

我们在这个领域发现更令人兴奋的是，并非只有两家公司在AI领域发展迅速。这表明市场不仅增长速度更快，规模也远超预期，而且还在碎片化。

让我们更深入地探讨一些例子。很明显，OpenAI和Anthropic拥有巨大的增长机遇。为什么我们对整个技术栈的领导地位感到兴奋？曾经有一种观点认为，OpenAI会赢得一切，或者这些大型模型会早期赢得一切。但如果你实际看看至今的历史，过去三年，情况恰恰相反。如果你还记得，OpenAI做的第一个用例是什么？是代码，是Copilot，对吧？但他们输了。然后他们实际上是第一个真正使用DALI进行图像生成的。他们输了，对吧？Midjourney出现了。他们是第一个使用Sora进行真实视频生成的。

他们也输了。然而，他们从文本中获得了巨大的价值。因此，正如Sarah所说，我认为这是正确的。主要结论是，这些市场规模更大，增长速度也比我们预期的要快。因此，你最终会看到碎片化。因此，以前我们会说，“哦，这是某种次要的事情，OpenAI会搞定它”，或者“这是一个小型市场”等等，最终却变成了足够大的市场，足以容纳多家公司，拥有巨大的增长和巨大的价值，对吧？因此，我们认为在这个领域唯一的错误是

这稍后会详细说明，那就是零和思维。任何宣称防御性不起作用的人都是错的。任何宣称一切都会聚合的人都是错的。因此，零和思维是错误的。但这并不意味着你不会遇到麻烦。所以我们会谈到这一点。有趣的是，一年前关于GPT包装器有很多讨论。每个应用程序都是一个GPT包装器，你知道，基础模型等等。发生了什么变化？为什么基础模型没有赢得一切？

我认为这对房间里许多投资者来说是一个有趣的问题，因为我们并不都只投资基础模型。事实上，我们看到AI应用的爆炸式增长，这确实令人兴奋。因此，我认为你的问题有两个方面。一方面，在这个周期早期，大部分关注和投资集中在基础设施方面是有道理的。现在我们看到的是，随着智能实际上变得免费，应用程序正在从这项巨额投资中受益。你看到了这些因素的结合，人们

最先进的模型市场的激烈竞争正在推动持续不断的性能改进以及持续的价格下降。事实上，我认为模型推理成本同比下降了10倍。因此，正如我们所说，这些因素正在这方面结合。然后关于为什么基础模型不会接管一切的问题，我认为这是一个问题。我的意思是，这是一个非常合理的问题。这是我们在进行每一次新的投资时都会问自己的问题。我们当然在

早期的营销文案AI应用程序中看到了这一点。但是，你知道，在与这些应用程序公司本身的创始人以及模型提供商交谈后，这个问题的答案变得越来越一致。那就是在哪里

你拥有复杂的工作流程和大量客户数据，深度集成对于为客户创造最终价值是必要的。这就是专业AI应用程序胜过市场上任何基础模型层或其他公司的领域。我们实际上有一些例子会对此进行介绍，但考虑到最初的格局朝着不同的方向发展，看到这一点非常有趣。我必须说，

“GPT包装器”这个词带有贬义。我认为我们最终得出结论，这根本就不是一回事。当有人在云上编写软件时，你不会称之为“云包装器”。你在这些模型之上拥有所有软件的复杂性。通过传统的软件，以及通过构建你自己的模型，都有巨大的机会来增加价值。因此，我们认为，听着，这是一个软件的演变，这些模型是基础设施的演变，在技术栈之上有巨大的机会来增加价值。

有人在推特上说，风险投资只是LP资本的包装器。但是，是的，为了说明这一点。我们应该如何看待AI原生公司与传统SaaS公司相比？这是一个有趣的问题。我要首先指出的，从表面上看，就是AI原生公司的发展速度远远超过了它们的SaaS同行。你可以从

新公司超越了达到1亿ARR所需时间的黄金指标来看出这一点，这确实是一项令人难以置信的成就。但令人惊奇的是，不仅仅是最好的公司做得很好。实际上，你可以从汇总的Stripe数据中看到这一点，AI原生公司的增长速度快于所谓的SaaS 2.0一代。我们将此归因于许多因素。一个因素是观察

随着AI能力的改进，你也会看到客户体验的10倍以上改进。而SaaS 2.0，你通常会看到更渐进的改进，比如说25%、50%。然后第二点是，这还处于早期阶段，并且与之相关，但你开始看到的是对某些服务预算的替代，而不仅仅是软件。我要说的第二点，除了增长本身之外，相对增长是

当你考虑到几乎每家SaaS公司都推出了AI产品时，这一点尤其有趣。他们并没有袖手旁观。你可能会认为，鉴于其分销优势，他们会拥有巨大的优势。但我们只是看到经典的创新者困境已经开始显现。事实上，他们拥有创收产品，他们必须投入时间和资源，这改变了他们的游戏规则。AI公司并不是在构建AI产品，他们只是……

构建产品。他们中的许多人都是新公司，因此他们没有2021年强加的远程文化。我们合作的大多数创始人每周在办公室工作六到七天。最后，他们中的许多人实际上是应用AI工程师，他们非常擅长从LLM中榨取每一滴价值，这实际上转化为客户价值。它有点回到了引人注目的投资回报率问题。我认为结果不言而喻。

我们讨论的另一个激发这次谈话的问题是防御性。我们应该如何看待这家公司的防御性？它们有防御性吗？防御性来自哪里？它来自状态吗？它来自上下文吗？它来自品牌吗？某种混合？Martin，你来谈谈吧。关于这些东西的实际数据非常嘈杂，因为一切都做得很好。因此，很难有一个理论。但如果你真的深入研究，并且观察三年，一些事情似乎很清楚。那就是构建任何初创公司或软件的一件非常困难的事情，那就是引导问题。例如，你如何获得前100、200个客户？而AI实际上解决了这个问题。

它只是解决了引导问题。这些模型太神奇了。你包装其中一个模型，你知道，你让它可用，人们认为它很棒，他们就会出现。但同样清楚的是，如果你是一家软件公司，这并不能解决你的留存问题。它解决了一个非常困难的问题，但没有解决另一个问题。可以说，这些AI公司实际上存在许多反常的规模经济，因为模型很快就会商品化，任何人都可以使用它们，等等。因此，我们发现似乎有效的模式是，一家初创公司会来，他们会做一个模型

并获得大量用户使用该模型，这将是很棒的。但随后他们必须转向传统的软件来构建传统的模式，对吧？因此，这些模式可以是任何东西。它可以是一个双边市场。它可以是一个长尾集成模式。它可以是一个工作流程模式。无论我们在过去已经找到了如何构建的东西，他们最终都必须这样做。但同样，我的意思是，最后一点需要注意的是，一些公司的增长速度如此之快，而且这个领域如此之新，我们甚至看到了我们很长时间以来都没有看到的影响，例如品牌效应，对吧？就像这些公司正在进入这些巨大的真空

然后我们都认识它们。即使你认为竞争对手同样优秀，对吧？你知道，OpenAI比Anthrop好多少？我不知道，但每个人似乎都在使用它，因为它的品牌。Cursor比竞争对手好多少？它好得多，但每个人都知道它的名字，对吧？因此，当你了解这个名字时，你会这样做。早期的互联网就是这样。每个人都知道谷歌，每个人都知道亚马逊，你拥有这些大型品牌模式。我们开始看到这种模式在这个领域再次出现。但据我所知，据我们所知，在AI技术栈中，除了克服引导问题之外，没有内在的流行模式。

让我们详细讨论一下Cursor。是什么解释了它惊人的成功？这太疯狂了，对吧？因此，你可以问这个问题，你知道，他们是否发现了冷聚变？实际上，一些答案实际上相当平淡无奇。它实际上是第一个实现货币化的AI应用程序

是代码，对吧？是Copilot。因此，微软投入了大量资金，并使用Copilot和VS Code使市场成熟。因此，每个人都知道它。这就像当时的模型还不够成熟一样。因此，你可能有，可以说4亿到6亿美元的ARR，你知道，用户在那里和用户行为。因此，当Cursor出现时，发生了两件事。A，他们基本上遵循了你在VS Code中看到的相同行为，这就像，你知道，这个代码编辑器是第一位的。第二件事是你有了RL浪潮

你拥有这些使用RL的模型。因此，教练变得好得多，好得多，好得多，对吧？因此，这是一个非凡的团队

非常注重产品。他们赶上了模型浪潮，并且存在现有的用户行为。其余的都是历史了。正如我之前提到的，品牌的这个概念，我的意思是，他们只是进入了时代精神。我无法告诉你，我们有多少次会有一位创始人出现，他们说，“我们是X的Cursor”。很难表达对这些产品的实际用户喜爱之情，这意义重大。我认为，自互联网时代以来，我们还没有看到过这种情况。绝对的。这些公司的成功实际上也反映了增长

客户喜爱，但我也想补充一点，他们为客户带来了切实的价值。我认为过去12个月发生的一件事是，从仅仅是

我需要AI，你知道，实验性氛围购买，我称之为。你有氛围编码，你有氛围企业AI采购，但转向切实的投资回报率关注。因此，这里有两个例子。在Cursor方面，我们举办这些年度投资组合CTO晚宴。当然，在过去几年中，我们提出的一些问题中，AI占据了晚宴的重要部分。去年，当我们问到，嘿，Cursor，

24家投资组合公司的CTO们，AI实际上对你们的生产力影响有多大？而各方的答案几乎都是10%到15%。我们都在使用GitHub Copilot。这意味着有很多炒作，但结果不多。今年，我被我们得到的答案彻底震惊了。它们从低端的，比如说30%到50%的生产力提升，到

我开玩笑的，一位CTO告诉我们，他看到自己和他的团队的生产力提高了10倍。他们都在使用Cursor。24家投资组合公司中有24家都在使用Cursor。并且他们公司中90%的代码都是AI生成的。这

这是在短短12个月内，甚至可能不到12个月内。因此，你确实看到了这种强劲投资回报率的提升。我认为客户支持是另一个被炒作的用例，如果你愿意的话，在方面，嘿，这真的会对行业产生影响。但早期的结果是，我们称之为好坏参半。如果你与Decagon的客户交谈，他们实际上正在将他们的客户支持成本降低高达80%。不仅如此，他们还看到转移率从30%上升到60%到80%。

他们的CSAT，他们的客户满意度得分翻了一番。因此，正如我所说，这是切实的投资回报率。这就是真正推动这种增长的原因。老实说，正是潜在的生产力和影响力提升让我们真正兴奋。

让我们更深入地探讨客户细分部分。许多增长是由消费市场驱动的这一事实有什么影响？正如我之前提到的，AI确实有助于克服引导问题。它没有留存问题。因此，这是我们看待的另一件事。而且

事实证明，这些公司看起来像我们长期以来一直在关注的这些专业消费者公司，它们都有不同的特征。因此，我认为我们应该记住，每次我们有一个超级周期，它往往都以这些专业消费者的方式开始，对吧？互联网就是这样做的，对吧？我还记得Sun禁止浏览器的时候，对吧？这是

Sun Microsystems，对吧？但他们真的不知道如何使用它。因此，企业不知道如何使用这些新技术，但显然有很多价值。因此，你知道，个人会拿起它们并使用它们。我们看到了很多新的行为。非常有趣的是，这已经导致了我们从未见过的企业渠道。因此，这些是专业消费者业务的事实，就像你说的那样，这些是专业消费者业务的事实，并不是因为他们总是向他们销售。这只是周期自然成熟的结果。如果有什么不同的话，它看起来比那个时候结束时更有希望。

为了更深入地阐述Martine的观点，我认为大量的专业消费者收入确实意味着我们正在关注。我的意思是，我们总是关注留存率，但我们比以往任何时候都更关注它。许多这些高增长应用并不是我们在2010年代看到的那种典型的记录系统，其毛美元留存率为95%。但是

重要的是，这并不意味着你应该把孩子和洗澡水一起倒掉。这并不是说，嘿，这些留存率很糟糕，所以这些公司很糟糕，对吧？然后我认为另一部分是对于那些……

留存率值得怀疑的公司，我们对此持谨慎态度，因为在这个市场上所要求的估值确实需要某种客户粘性和基础来建立，或者至少能够证明漏斗顶部实际上正在转化为企业收入，正如Martine提到的那样。因此，我认为这是一个需要很多细微差别的领域，坦率地说，团队正在花费大量时间在这个领域。因此，我们已经讨论了大赢家，但正如我们提到的，也有一些大的失败。

我们从赢家和输家的共同点中学到了什么？我认为，关于这个融资周期，特别是基础模型层面的融资周期，有趣的是，在任何牵引力之前，人们筹集的资金规模巨大。我们正在

我们正在参与其中一些轮次。当我们这样做时，我们会更多地讨论我们的论点是什么。但正如我们所知，你筹集的资金越多，你就越需要展示业绩。DG喜欢称这种转变为从“讲故事”公司转变为“展示而非讲述”公司。因此，当你筹集了数亿美元时，你真的需要展示而非讲述。因此，我们会标记几个主题。关键主题是放弃优秀但不优秀的团队通常是有回报的。

然后我要强调的第二个主题是，正如Martine和我所说的那样，“研究人员综合症”是真实存在的。我们已经近距离地看到了这一点。鉴于许多现有公司和中国公司正在向这些领域投入资金，这一点尤其重要。因此，这真的不是胆小的人能做的。最后，我认为我们在这里提出的更广泛的观点是，这不是一个所有船只都能乘风破浪的市场。选择实际上比以往任何时候都更重要。

同样重要的是要意识到，与早期的加密货币不同，在这个领域，冲突非常重要。因此，如果你过早地采取过于激进的策略，并且没有认真思考，它可能会阻止你投资于最终获胜的公司。Martin，你来谈谈中国的情况如何影响我们的市场吧？是的。

是的，让我快速地谈谈这个。这是一种喜忧参半的情况，对吧？一方面，他们构建了这些很棒的开源模型。他们不受版权的限制。他们可以非常廉价地获取数据。但另一方面，从历史上看，中国一直无法构建软件，至少对于专业消费者企业市场来说是这样，这是我的领域。他们从来没有真正做到这一点。因此，我认为，你知道，他们在软件层面的竞争能力非常有限。在模型层面，他们实际上相当不错。但是，你知道，我们从中学到了很多东西。

当然，在消费者领域，就像TikTok一样，他们从历史上看一直都很好。因此，我认为这还有待观察。但对我们来说，你知道，对我来说，我认为这是一种喜忧参半的情况，但更多的是利大于弊。我的意思是，我认为拥有竞争对手是一件好事，拥有这些模型也是一件好事。让我们转向我们的论点。我们讨论了需要避免的陷阱。让我们谈谈我们在基础模型方面寻找什么。

是的，我们将基础模型分为两种，我只谈谈模型，因为每个人都这样做。最先进的模型市场，就像Anthropos和Open AIs一样，竞争非常激烈，而且补贴非常多。我的意思是，像Meta和Google等等。因此，我们的观点是，在你进入之前，你必须非常非常小心。

在这个领域有很多你从未听说过的公司，我们避免与它们合作。因此，我们的观点是，你真的想支持那些以前做过这件事、能够筹集资金并组建最佳团队的主要公司，对吧？所以，你知道，我们投资了Ilya。我的意思是，这个人是奥本海默。在过去的15年中，他一直与AI的每一次重大进步都密切相关。我们对这些最先进模型的看法实际上就像能够获得资金的顶级团队一样。

是的，没错。我不会逐一介绍我们在其他类别上的论点。但我认为这里的共同主题，你将在讨论中反复听到这一点，那就是目标，论点是押注于具有显著动力的市场领导者，并且由在如何将AI应用于其垂直领域方面具有远见的创始人领导。让我们以一两个辛辣的观点来结束。其他公司认为真实但我们不认为真实的事情是什么，反之亦然？

我认为总的来说，我想说的是，许多公司在这两方面都失败了。有些公司认为，这并不真实，我们不会投资。这太令人惊讶了。一些非常非常相关的公司，我们再也见不到了。我的意思是，创始人不会谈论它们。他们不在那里。他们不在交易中。在我从事这项工作10年来，最显著的转变是

然后还有一些公司过早地变得如此兴奋，并进行了所有交易。正如我提到的那样，他们陷入了冲突。他们正在处理许多行不通的公司。因此，我的意思是，我们认为你必须非常深思熟虑，并意识到这是一个独立的领域，你需要对任何软件都具有相同的复杂程度。最后，我们要向听众传达哪些关键信息？

你已经反复听到这些信息了，但它们确实是我们要从我们的工作和我们思考投资的方式中传达的关键信息。那就是市场增长速度比任何人预期的都要快，规模也比任何人预期的都要大。你必须认真考虑你将在哪里下注。风险比以往任何时候都更高。这是一个不能将热度与动量混淆的市场。最后，正如Martine所说，你身处这个领域，或者你无关紧要。我们对未来的机遇极其乐观。我们认为这仅仅是个开始。

非常感谢。谢谢你，Martin。谢谢你，Sarah。谢谢。感谢收听a16z播客。如果你喜欢这一集，请在ratethispodcast.com/a16z留下评论告诉我们。我们还有更多精彩的对话即将到来。下次再见。