Marc Andreessen 2026 展望：AI 时间线、中美竞争与 AI 的价格

摘要

a16z 联合创始人 Marc Andreessen 在 2026 年初的内部 AMA 中，系统阐述了他对人工智能革命的最新判断。他认为 AI 是可媲美微处理器、蒸汽机和电力的史上最大技术革命，目前仅处于早期阶段——距离 ChatGPT 时刻不过三年，而这场革命的理念已酝酿了八十年。Andreessen 深入剖析了 AI 产业的商业模式：消费端产品能够以史无前例的速度触达全球五十亿用户，企业端则面临"智能值多少钱"的根本性定价问题。他详细讨论了大型模型与小模型的竞逐关系、芯片供应的经济学、中美 AI 竞赛的格局演变，以及美国联邦与州级 AI 监管的复杂博弈。贯穿全文的核心论点是：面对开放的战略问题，风险投资的组合策略——同时对多个甚至矛盾的路径下注——比任何单一公司的押注都更有优势。

正文

一、我们处于第几局：一场八十年的革命刚刚开始

Andreessen 开篇即给出一个宏大判断：人工智能是他一生中经历的最大技术革命，其量级超越互联网，只能与微处理器、蒸汽机和电力的发明相提并论。

他回溯了这场革命的学术渊源。早在 20 世纪 30 年代，计算机的早期发明者之间就有一场根本性辩论：计算机应该像加法机一样成为精确的数学机器，还是应该模仿人脑的认知模式？计算机产业选择了前一条道路，在随后八十年里建造了能够每秒执行数十亿次数学运算却完全无法理解人类语言的机器，创造了巨大的财富。但与此同时，神经网络的理念也已在学术界酝酿——第一篇神经网络学术论文发表于 1943 年。Warren McCulloch 和 Walter Pitts 在论文中预见了基于人脑模型构建计算机的未来。这条"未被选择的道路"在学术界经历了数十年的过度乐观与反复失望，直到 2022 年圣诞节——ChatGPT 时刻——一切才豁然贯通。

"我们差不多已经走了三年，而这实质上是一场酝酿了八十年的革命。"Andreessen 强调，当前阶段最令人振奋的是 AI 的极端民主化。世界上最先进的 AI——无论是 ChatGPT、Grok、Gemini，还是 Sora、Veo 等视频生成，以及 Suno 和 Udio 等音乐生成——任何人都可以直接使用。

硅谷正在经历一次典型的资源重组：资本、人才、热情被重新配置到新技术浪潮中。Andreessen 表示他几乎每天都会被新的研究论文或初创公司产品震惊，AI 公司正在以前所未有的速度产生实际营收——"真金白银进入银行账户"的增长速度是他从未见过的。他坚信产品形态仍处于极早期，今天人们使用的产品绝不会是五年或十年后的样子。

二、AI 的商业模式：消费端闪电扩展与企业端的价值之问

对于外界关于"AI 公司收入虽高但烧钱更快"的质疑，Andreessen 从两个核心商业模式进行了回应。

消费端：互联网是 AI 的"载波"。与互联网革命不同——当年需要实际铺设光纤、建设基站、配送智能手机，耗时数十年才实现全球覆盖——今天全球已有五十亿人使用移动宽带互联网，智能手机最低售价仅十美元。AI 消费产品几乎可以瞬间触达这些用户，其扩散速度是任何先前技术都不可比拟的。"你没法下载电力，没法下载室内管道，也没法下载电视——但你可以下载 AI。"领先的消费 AI 应用正在以惊人速度增长并实现良好变现，而且 AI 公司在定价上比传统 SaaS 公司和消费互联网公司更具创造力——每月 200 到 300 美元的消费级 AI 订阅正在成为常态。Andreessen 认为许多公司因定价过低限制了自身潜力，而 AI 公司更愿意推高定价，这是积极的信号。

企业端：核心问题是"智能值多少钱"。AI 可以直接提升客户服务评分、增加追加销售、降低流失率、更有效地开展营销活动——这些都是直接的商业回报。AI 基础设施公司的收入增长极其迅猛，呈现出极强的"产品市场契合"。

两个层面交汇于核心商业模式：按用量计费的智能令牌（tokens by the drink）。更重要的是，AI 的单位成本正在以远超摩尔定律的速度崩溃——所有投入要素的单价都在急剧下降。这种单位成本的通缩正在通过需求弹性驱动更大规模的需求增长。Andreessen 援引经济学原理：任何市场中的短缺最终会催生过剩——GPU 短缺正吸引数百亿甚至数万亿美元的资本涌入，五年后 AI 芯片很可能会便宜且充裕。

AWS 最近透露他们使用的 GPU 使用寿命已延长至七年以上，这也意味着优化空间远超预期。

三、大模型 vs. 小模型：追逐与压缩的梯级竞赛

Andreessen 详细阐述了 AI 行业中正在发生的一个关键动态：大型前沿模型不断突破能力边界，而小模型则在 6 到 12 个月后追平这些能力。

他举了一个最近的震撼案例：来自中国的模型 Kimi（由月之暗面 Moonshot 公司开发，读作 Kim Mi）的新版推理模型，其推理能力对标 GPT-5。GPT-5 的开发和服务成本极其高昂，而仅六个月后，一个开源模型就实现了相当的能力，甚至可以在一到两台 MacBook 上本地运行。这意味着企业如果不想承担 GPT-5 的高昂成本或出于隐私考虑需要本地部署，现在有了实际可行的替代方案。

这种模式正在形成一种梯级追赶：前沿模型变得更强大 → 小模型追赶 → 前沿模型再次跃迁至 GPT-6 甚至更高 → 小模型继续追赶。整个行业在这种竞逐中整体向前推进。

Andreessen 对行业结构有一个"金字塔"工作假设：最顶层是少数几个"上帝模型"，运行在巨型数据中心中，始终是最智能的；但往下会层层级联出越来越小的模型，最终遍布每一个嵌入式系统和物理设备。这与微处理器取代大型计算机、操作系统从大型机走向嵌入式的历史路径如出一辙。虽然有业内聪明人认为所有任务最终都只会用最大模型（既然有最智能的，为什么要用次优的？），但 Andreessen 反驳说，经济中大量任务不需要爱因斯坦级别的智能——一个 120 IQ 的"胜任力"就已经足够。

四、芯片的过去与未来：从 GPU 的偶然优势到专用 AI 芯片

Andreessen 回顾了 GPU 在 AI 时代崛起的"历史偶然性"。GPU（图形处理单元，Graphical Processing Unit）最初是为个人电脑图形渲染而设计的第二芯片，与 CPU（中央处理单元）分工协作。Nvidia 在 GPU 战争中打了三十年才胜出，但图形处理器本身并非高利润的大市场。真正改变局面的是两个意外用途：大约十五年前的加密货币和大约四年前的 AI——这两种计算恰好都是大规模并行的，天然适配 GPU 架构。

Andreessen 指出，如果今天从零开始为 AI 设计芯片，没有人会去构建一个完整的 GPU——而是会建造专门针对 AI 优化的专用芯片，经济效率会高得多。这正是正在发生的事情：AMD 正在追赶 Nvidia，大型云服务商在自研芯片，中国也在构建自己的芯片生态系统（华为等）。韩国和日本也必然参与这场芯片大战。已经有初创公司在设计全新的 AI 专用芯片，虽然从零建立芯片公司极其困难，但有些进展良好，也可能被大公司收购。

Andreessen 对芯片供应的结论是：芯片行业的历史规律是"短缺变成过剩，过剩造成短缺"。Nvidia 当下的巨大利润池正在成为整个行业历史上最大的竞争信号，吸引所有参与者入场。

五、中美 AI 竞赛：从 DeepSeek 地震到两强格局

在讨论中美 AI 竞争时，Andreessen 首先承认这是一个复杂的地缘政治问题。一方面，美中经济深度交织——中国制造的零部件几乎嵌入每一件美国产品，中国经济严重依赖对美出口（美国消费市场占全球三分之一）。这与冷战时期美苏关系根本不同：苏联实际上除了武器几乎不生产任何其他国家需要的东西。

但华盛顿两党在过去十年间已形成共识：必须将中国视为地缘政治对手。AI 领域的特殊性在于，它基本上只在美国和中国两地被大规模建设——世界其他地区要么无法、要么不愿参与。于是问题变成：未来遍布全球的 AI，会是美国的 AI 还是中国的 AI？

DeepSeek（深度求索）的发布是 2026 年的"超新星时刻"。Andreessen 指出 DeepSeek 之所以令人震惊有三个原因：一是能力极强，可以将云端大模型的能力压缩到可在少量本地硬件上运行；二是以开源方式发布，而中国此前并无深厚的开源传统；三是它来自一家量化对冲基金而非大型科技公司或大学实验室，据外部迹象判断甚至可能出乎中国政府的意料——这对整个领域而言反而是鼓舞性的，因为它证明了即使是无名之辈也有可能做出突破。

如今中国已有四到六家主要 AI 公司：DeepSeek（来自一家对冲基金）、Qwen（通义千问，来自阿里巴巴）、Kimi（来自月之暗面 Moonshot）、以及腾讯、字节跳动等；还有大量初创公司。在软件层面，中国已全面入场竞争。在芯片层面，中国虽尚未追平，但正在全面发力——据称 DeepSeek 至今未发布新版本是因为中国政府要求其仅使用国产芯片构建，以推动国内芯片生态。华为是目前主要的中国 AI 芯片公司。

在机器人领域，中国因掌握大量机电零部件供应链而具有先天优势——这条供应链三十年前从美国迁出后从未回流。

DC（华盛顿）的"怀疑论者"会说中国是在倾销开源模型，试图从一开始就将 AI 商品化。Andreessen 认为这种观点可能过于 cynical：更重要的信号是中国确确实实在这场竞赛中。一个实际的积极影响是，意识到这是"双马竞速而非独马独跑"之后，华盛顿政策圈对 AI 的态度已显著改善——限制或禁止 AI 的冲动大幅减弱了。

六、AI 监管：从联邦层面的好转到州级碎片化的隐忧

两年前，Andreessen 对联邦层面可能推出毁灭性 AI 立法的风险深感忧虑。如今他认为这种风险已大幅降低——两党几乎都不愿意做任何可能妨碍美国战胜中国的事情。

但监管焦点已转移到了州一级。在美国联邦制体系下，各州有权就许多事务自行立法，目前全美五十个州合计有约 200 项 AI 相关法案正在被追踪——不仅是蓝州，红州同样活跃。背后的动力既有善意的政策关切，也有政治投机：AI 是当下最热门的话题，任何有抱负的州议员都可能借 AI 立法为自己积累政治资本。

科罗拉多州去年通过了一项极为严厉的 AI 监管法案，遭到丹佛和博尔德当地创业生态的强烈反对，一年后正在试图逆转。加州则出现了最危险的案例——SB 1047 法案，基本上是欧盟《AI 法案》（EU AI Act）的翻版。欧盟《AI 法案》已经实质上扼杀了欧洲的 AI 发展，甚至连 Apple 和 Meta 这样的美国巨头都拒绝在欧洲推出领先的 AI 功能。加州居然试图复制这一模式，Andreessen 称之为"完全疯狂"。该法案最灾难性的条款是：对开源开发者施加"下游责任"——如果某位独立开发者、学者或初创公司发布了一个开源 AI 模型，五年后该模型被用于某核电站并发生熔毁，原始开发者需要承担法律责任。这将彻底扼杀开源、初创公司和学术研究。幸运的是，加州州长在最后时刻否决了这项已在两院通过的法案。但这仍然揭示了州级政客正在玩火的危险程度。

联邦层面曾有尝试通过一项"州级 AI 监管暂停令"，但被纳入的"一项大法案"谈判在最后时刻破裂。Andreessen 认为联邦政府必须出面主张对跨州技术的主导监管权，并积极与两党进行对话。a16z 的政策努力是纯粹基于政策、完全超越党派、聚焦于"让创始人和初创公司有创新的自由"这一核心理念的。

七、定价的"万亿级问题"：按用量还是按价值？

当被问及按用量（usage-based）定价是否优于按席位（seats）定价时，Andreessen 将此列为他的"万亿级问题"清单之一——答案的不同将造就或消灭万亿美元级别的市场价值。

他指出当前出现了一个令人惊叹但鲜少被公开谈论的现象：大型科技公司出于云服务战争（AWS vs. Azure vs. Google Cloud）的竞争压力，正在通过云业务将最前沿的 AI 能力以"智能令牌按杯出售"（intelligence tokens by the drink）的方式提供给全球任何人——价格低廉且持续下降。对初创公司而言，这意味着几乎没有固定成本就可以创建 AI 应用，这是不可思议的恩赐。

但这并不意味着所有应用都应该按用量定价。Andreessen 强调定价的核心原理是：尽量以价值而非成本来定价。一些 AI 初创公司正在探索基于价值的定价模式——如果 AI 能够替代编码人员、医生、护士、放射科医生、律师或教师的工作，能否按这些人力成本的一个百分比来收费？或者按边际生产率提升来定价——如果 AI 让一位人类医生大幅提升效率，能否从这种"人类与 AI 共生关系"的生产力增量中分一杯羹？

他提出了一个反直觉的观点：高价格很多时候对客户反而是好事。低价的朴素观念认为越便宜对客户越好，但更成熟的看法是——更高的价格意味着供应商有更多利润空间投资于研发，从而更快地改进产品，最终让客户受益。"高价格可能是送给客户的一份礼物，因为它能让供应商变得更好、让产品变得更好，最终让客户获得更好的结果。"

八、开源的持续生命力与知识扩散效应

关于开源模型与闭源模型谁将胜出，Andreessen 认为这个问题远未定论。闭源大模型持续快速进步——各大实验室的研究人员普遍乐观，表示有"800 个新想法"等待探索，可能只是需要找到新的扩展方式。

但开源模型同步高速发展。差不多每个月都会有类似 Kimi 这样的重大发布——前沿能力被惊人地压缩到极小的体量上。开源的另一个被低估的效应是知识扩散：计算机科学教授需要开源模型来教授 AI 课程，学生需要它们来学习，工程师需要它们来理解如何构建，深夜在地下室构想创业点子的人同样需要它们。开源模型展示了"如何做一切事情"，极大的加速了 AI 知识在全球范围内的传播。

这也在解决 AI 人才供需失衡的问题。目前 AI 研究人员的薪酬超过职业运动员，但世界上最优秀的 AI 人才中许多人年龄不过 22 到 24 岁——他们"按照定义不可能是整个职业生涯的专家"，只是在过去四五年里快速上手的。既然他们能做到，未来就会有更多人做到。Andreessen 的最终判断可能是：两者都会成功——最智能的大模型始终占据顶端，而海量的小模型将涵盖一切边缘场景。

九、在位者 vs. 初创公司：从"GPT 套壳"到反向整合

Andreessen 观察到 AI 产业格局正在发生重要变化。大公司方面，Google、Meta、Amazon、Microsoft 都在积极投入。但令人意外的是，新的"在位者"正在以极快的速度出现——Anthropic 和 OpenAI 自不必说，xAI（产品名为 Grok）在不到 12 个月内从零追平了最前沿的水平。Mistral 作为法国的"国家 AI 冠军"是欧洲的难得例外。a16z 还投资了来自 OpenAI 的 Ilya Sutskever 和 Mira Murati，以及斯坦福的 Fei-Fei Li 等，去构建新的基础模型公司。

在应用层，Andreessen 提出了一个重要的观察纠正。业界曾有一个贬义标签——"GPT 套壳"（GPT wrappers），认为这些应用公司仅仅是调用别人的 AI 模型，不具备持久的护城河。但实际情况恰恰相反：领先的 AI 应用公司（如代码编辑器 Cursor）发现，随着产品日益复杂，它们不再使用单一的 AI 模型，而是根据产品不同环节的需求使用数十甚至上百个不同的模型；更重要的是，它们正在"反向整合"——自己构建 AI 模型。由于对自身领域有最深刻的理解，这些应用公司能够打造最适合自身场景的模型，同时也能灵活切换使用开源模型以优化经济性。最终，最优秀的 AI 应用公司实际上成为了完整的深度技术公司。

Andreessen 补充了一个更大尺度的观察：OpenAI 曾经遥遥领先，人们以为不可能被追上；然后是 Anthropic 追平（但可以解释为"他们带着所有秘密出走"）；再然后是一批公司迅速追平，xAI 就是最佳例证；再后来是中国的四家公司追平。这一系列事件指向一个结论——一旦有人证明了某项能力是可行的，追上似乎并没有那么困难，即使资源少得多。这或许让人对大型玩家的长期经济学稍持怀疑，但显然让人们对初创公司生态更加乐观。

十、为什么风险投资的结构性优势恰恰在于这些"开放问题"

面对"大模型还是小模型"、"开源还是闭源"、"在位者还是初创公司"这些从根本上开放的战略问题，Andreessen 点出了一个重要区别：对于一家公司而言，这意味着巨大的风险——公司必须做出具体的、连贯的战略选择，将投资金额和人力部署到特定方向，如果判断错误就可能陷入困境。但对风险投资而言，这正是结构性优势所在：可以采用投资组合方法，同时对多条甚至相互矛盾的路径下注——大模型也投，小模型也投；专有模型也投，开源模型也投；基础模型也投，应用层也投；消费端也投，企业端也投。

"我们正在积极地、全方位地投资于每一个我们认为有合理成功机会的策略，即使它们彼此矛盾。部分原因是世界本身就是杂乱的——很多事情很可能同时成功，不存在非此即彼的干净答案。但更重要的是：如果某条策略失败了，我们的投资组合中有代表另一条策略的仓位。我们有多种方式获胜。"

十一、a16z 的战略与组织：跨越技术浪潮的法则

Andreessen 回顾了 a16z 围绕 AI 进行重组并推出 American Dynamism（AD）的两年历程。他认为这些决策是正确的——风险投资的本质正是技术架构发生根本性转变时创造价值。如果技术没有代际范式转移，初创公司很难成功，因为大公司最终会吞噬一切。因此，一家风投机构要么随着一波又一波的技术浪潮成功跨越，要么消亡。

他回顾了 90 年代 Kleiner Perkins 从微型计算机时代起家、成功跃入互联网浪潮并接连投资 Netscape、Amazon、Google 等的历史。那些在 80 年代声名显赫却未能跨入互联网的 VC 最终销声匿迹。他对那些决定"不参与"加密领域的 VC 感到困惑——"这不就是工作吗？"同样，AI 浪潮来临，有些机构全力拥抱，有些却袖手旁观。

AD 本身也在受益于 AI 的双重效应：一是 AD 投资的公司因其行业特性天然适用 AI，二是 AI 正在拉动能源和材料等 AD 领域的巨大需求。加密领域因政策环境改善已重回正轨，而 AI 与加密之间也将产生诸多交叉创新。生物科技和医疗健康同样注定被 AI 深刻变革——无论在临床端还是药物发现端。

十二、技术恐慌的历史循环与显性偏好的真实力量

Andreessen 将 AI 引发的社会焦虑置于更长的历史视角中。五百年前印刷术引发的恐慌伴随宗教改革而来；过去两百年至少经历过多轮自动化恐慌——马克思主义的基础性焦虑本质上就是对自动化消灭就业的恐惧；1964 年约翰逊政府时期，学术界和公共事务界的精英们组成了"三重革命委员会"，发布了与今天的"AI 暂停公开信"几乎一模一样的宣言；2000 年代是外包恐慌，2010 年代是机器人恐慌（讽刺的是当时的机器人根本就不能用）。

他提出了一个核心的分析框架：理解人们在做什么和想什么有两种方式——一是问他们，二是观察他们。当你就 AI 进行民意调查时，美国选民的表现就像"彻底恐慌"——"哦天哪，这太可怕了，这会杀死所有工作，这会把一切毁掉。"但当你观察他们的"显性偏好"时，他们无一不在使用 AI——下载 AI 应用、在工作中用 ChatGPT、把与伴侣吵架的短信贴进 ChatGPT 让它解释对方在想什么并建议该怎么回复、把自己的皮肤状况拍照上传终于弄清楚了自己的健康问题、用 AI 赶出周一早上必须提交的报告。

"人们不仅在使用这项技术——他们热爱这项技术。"公开讨论还会在未来一段时间内摇摆，但行为的那个部分——"最终注定会赢的那个部分"——已经给出了答案。就像所有其他技术一样，AI 会广泛扩散，让所有人恐慌一阵，然后五年或二十年后人们会说："谢天谢地我们有了它。如果生活中没有这个，该多么痛苦。"

十三、闪电问答

关于"改变看法"：Andreessen 表示每天都在改变看法，往往是因为某个年轻人写的东西或说的话——这种经历已经成了日常。

关于"人体冷冻"：以目前的冷冻技术而言不会考虑，"记录不太好看，而且有些故事相当可怕。"

关于"保持脚踏实地"：他承认"现实扭曲效应"真实存在，拥有让别人按照你的意愿行事的影响力有其好处，但保持对现实的准确理解确实是一个挑战。对冲手段有三：合作伙伴（包括 Ben Horowitz）会直接告诉他何时错了；风险投资的本质就是现实会迅速"抽你一巴掌"——无论多精妙的投资分析，现实总会证明它是对是错；还有整个互联网随时准备告诉他"你是个白痴"。

关于"去火星"：大概率不会。他连离开加州都不太情愿，基本不愿离开家门——"也许通过 VR 吧"。但他认为 Elon Musk 会实现这个目标，不排除十年内火星往返成为例行交通。他认识很多人可能会去，包括主持人 John 本人。