这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

文 | 融中财经

过去三个月，a16z发了三份报告。

去年12月的年度"Big Ideas"，是预言；1月30日针对100家全球顶级企业的CIO调查，是验证；2月19日联合AI推理平台fal发布的《生成式媒体现状》，是新变量。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

文 | 融中财经

过去三个月，a16z发了三份报告。

去年12月的年度"Big Ideas"，是预言；1月30日针对100家全球顶级企业的CIO调查，是验证；2月19日联合AI推理平台fal发布的《生成式媒体现状》，是新变量。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

文 | 融中财经

过去三个月，a16z发了三份报告。

去年12月的年度"Big Ideas"，是预言；1月30日针对100家全球顶级企业的CIO调查，是验证；2月19日联合AI推理平台fal发布的《生成式媒体现状》，是新变量。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

文 | 融中财经

过去三个月，a16z发了三份报告。

去年12月的年度"Big Ideas"，是预言；1月30日针对100家全球顶级企业的CIO调查，是验证；2月19日联合AI推理平台fal发布的《生成式媒体现状》，是新变量。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。

文 | 融中财经

过去三个月，a16z发了三份报告。

去年12月的年度"Big Ideas"，是预言；1月30日针对100家全球顶级企业的CIO调查，是验证；2月19日联合AI推理平台fal发布的《生成式媒体现状》，是新变量。

这家管理规模超过900亿美元、押中过Airbnb、GitHub的机构，每次开口，都会引发一轮跟风——数百家基金开始盯着同一个方向，数十亿美元开始寻找同一类标的。所以读懂它在说什么，不只是了解硅谷在想什么，更是在提前看一张资金流向图。

三份报告叠在一起，拼出的结论只有一个：AI的上半场打完了。谁的模型更大、算力更强，这场军备竞赛几乎已经没有悬念。真正的战争，是下半场——谁能把AI嵌进真实的行业里，谁能解决那些又脏又难、但价值巨大的落地问题。

本文逐一拆解a16z这三份报告的核心判断，以及这些判断背后，钱正在往哪里流。

如果你在两年前问一个硅谷投资人，AI最核心的竞争壁垒是什么，答案几乎是一致的：算力。谁有更多的GPU，谁就有更强的模型，谁就赢了。

但这个逻辑在2025年悄悄失效了。

不是因为算力不重要，而是模型和模型之间的差距，正在以肉眼可见的速度收窄。大模型之间当然有差异，但对于绝大多数企业的实际需求来说，它们已经"够用了"。当"够用"成为基准线，比拼谁的模型更聪明就变成了一场没有终点的消耗战，边际的改善却极为有限。

真正的战场，在别处。

a16z基础设施团队的合伙人Jennifer Li在Big Ideas报告里说了一句让很多人印象深刻的话：企业AI现在最大的瓶颈，不是模型不够聪明，而是自己的数据太乱。她用了一个词——"数据熵"。每家公司都淹没在PDF、截图、邮件、操作日志里，80%的企业知识以非结构化的形式散落在各个角落，从来没有被系统整理过。你买了最好的模型，搭了最贵的系统，但喂进去的是一团乱麻，出来的自然是错误和幻觉。

与其说是技术问题，不如说是一个被长期忽视的基础工程问题。

a16z的报告里举了几个例子，把这个问题讲得很具体。投行分析师用Hebbia，几百份公开文件自动分析完，财务模型直接生成，以前要熬几个通宵做的事情，现在可以去睡觉了。医生用Abridge，它能实时记录医患对话，自动整理病历和后续跟进事项，医生看诊时不用再一边问话一边盯着屏幕敲字。还有做财务对账的Basis，跨系统自动核对试算表，原本需要人工反复比对的工作变成几分钟的事。

这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。

而这个问题，越难解决，护城河越深。它需要深入每个行业的具体流程，理解每套系统的数据格式，没有任何捷径可以走。这也是为什么a16z把它列为2026年最值得关注的创业方向之一——不是因为它性感，恰恰是因为它足够脏、足够难，才足够值钱。

但数据只是起点。当地基打好之后，真正的竞争才刚刚开始——谁来占领模型层，谁来赢得企业端的钱包份额。

2月12日，Anthropic完成300亿美元G轮融资，估值3800亿美元。五个月前，它的估值还是1830亿。翻了一倍多。

但这笔融资，甚至不是过去一个月里关于Anthropic最重要的新闻。

就在一个月前，a16z发布的CIO调查已经给出了预警。报告显示，OpenAI的企业渗透率是78%，钱包份额将近56%，账面上依然是无可争议的第一。但报告同时捕捉到了一个让人坐不住的趋势：从去年5月到现在，Anthropic的企业渗透率增长了25%，在所有前沿大模型厂商里增速最快。

Anthropic自己公布的数字更直接——年化营收140亿美元，其中80%来自企业客户。Claude Code的年化营收已经达到25亿美元，2026年初以来企业订阅翻了四倍。它的CFO在融资公告里说了一句话："无论是创业公司还是世界500强，我们听到的是同一句话——Claude正在变得越来越不可或缺。"

更值得关注的，是Anthropic这一个月干了什么。它发布了Claude Cowork——一个能直接接入企业Google Drive、邮件、合同系统的AI Agent，帮财务建模、帮法务审合同、帮HR写招聘材料。消息出来之后，Salesforce、ServiceNow、Intuit这些传统企业软件公司的股价集体大跌。市场在用股价说一件事：如果AI能直接完成这些工作，那些靠卖软件席位赚钱的公司，商业模式的地基开始松动了。

不过调查里最出人意料的结论，和这两家都没有关系。企业AI应用层目前最大的赢家，是微软。

不是任何一家明星AI创业公司，是那个卖了几十年Office的微软。Copilot系列产品借着Teams、Word、Excel的天然入口，在企业端铺开的速度比所有人预期的都快。这对那些押注"AI将颠覆企业软件"的创业公司来说，是一个需要认真对待的信号：有时候，最好的分发渠道就是那个你以为已经老了的巨头。

还有一个现象值得注意。81%的大企业目前同时在测试或使用三个以上的AI模型，比一年前高了13个百分点。没有任何一家在赢者通吃。企业的采购策略越来越像投资组合管理——不同场景配不同模型，随时可以切换，谁都不想被单一供应商锁死。

这对AI创业公司是一把双刃剑。好消息是市场足够大，坏消息是没有人会因为"通用"而忠诚于你。要么在某个垂直场景做到不可替代，要么就等着被整合进别人的生态。

如果说大模型市场的竞争是一场正面硬仗——几个巨头拼算力、拼数据、拼融资，你死我活——那生成式媒体的竞争，更像是一片丛林，没有主角，到处都是机会。

这是a16z在2月最新报告里揭示的一个反差。

大模型市场的格局我们刚刚说过：OpenAI、Anthropic、Google三家吃掉企业端89%的钱包份额，高度集中。但在生成式图像、视频、音频这个赛道，完全是另一幅图景。数据显示，企业生产环境里平均要用14个不同的模型。14个。没有任何一家能通吃，连接近都谈不上。

原因说起来简单：这个领域没有全能王。

写实风格的图像有它最擅长的模型，动漫风格是另一家，物理仿真又是另一家，背景去除、音效生成、多镜头叙事各有各的专家。就像你不会用同一把刀切菜又锯木头，生成式媒体的用户很快就学会了按任务选工具。报告里有一句话说得很干脆：不是没有好模型，是没有哪个模型在所有任务上都好。

碎片化的背后，藏着一个被大多数人忽视的机会——编排层。

生成一条完整的品牌广告视频，背后要串联的东西远比你想象的多：生成场景、控制镜头运动、保持角色跨镜头的一致性、合成对话、设计音效、最后做后期。每一步都是独立的模型，每个模型的接口格式、错误处理、响应速度都不一样。没有一个统一的编排层把这些串起来，工程师会把大半时间花在"管道"上，而不是产品本身。a16z认为，谁能做好这个编排层，谁就拿到了生成式媒体基础设施里最稳定的一块——不是最耀眼的，但最难被替代。

进展最快的三个行业，报告点了名：游戏、广告、电商。游戏公司用AI生成概念图和场景资产，把原本需要几周的流程压缩到几天。广告公司一个campaign能在几小时内生成几百个个性化版本，以前这需要租场地、配团队、拍好几天。电商更直接——成千上万个SKU都需要产品图、场景图、季节素材，过去是漫长的拍摄和修图周期，现在几个提示词出一套。

这个战场上，中国团队的身影并不陌生。可灵、海螺，更不用说爆火的Seedance 2.0在视频生成领域已经打进了全球第一梯队，在这份报告里有出现。这是为数不多的、中国AI公司在海外市场形成真实竞争力的赛道之一——不是靠价格，而是靠模型本身的质量在说话。

这是一个没有霸主的战场，但正因为没有霸主，留给后来者的空间比大模型赛道大得多。不过，如果你以为AI的机会只在这些数字世界里，那你可能错过了a16z今年押注里最出人意料的一个方向。

生成式媒体也好，大模型也好，说到底都还是在屏幕里发生的事。但a16z今年押注里有一个方向，让很多人看了以后愣了一下：能源、制造、采矿、物流。

这些词放在一份硅谷顶级风投的年度展望里，多少有些违和。过去二十年，风险投资的逻辑是逃离物理世界——越轻越好，越数字化越好，最好是纯软件，边际成本为零，可以无限复制。工厂、矿山、流水线，太重、太慢、太难标准化，不是VC该碰的生意。

但a16z的美国活力团队今年集体转向，旗帜鲜明地押注物理世界的重建。

合伙人David说了一句话，概括了这个转变的底层逻辑："这些公司不是在给旧工厂贴AI，它们从第一天起就是AI原生的。"从仿真开始，用自动化设计替代人工绘图，用AI驱动运营替代经验驱动的管理。它们不是在现代化过去，它们在建造未来。另一位合伙人引用了马斯克的话："工厂即产品。"她认为核电站、住房、数据中心，将来都会像流水线产品一样被批量制造，而不是每一个都是一次性的定制工程。

这个判断在整个VC圈子里正在成为共识。Bain Capital Ventures的合伙人说了一句很有意思的话：投资物理世界的AI改造，过去十年一直是"大家觉得有道理但没人真的信"，到了2025年突然变成了所有人都在谈的事。数据印证了这个转变——2025年机器人领域的VC投资同比增长69%，达到222亿美元，预计2026年还会再翻一倍。

过去AI进不了工厂，不是因为没有需求，而是因为模型能力还不够，加上工业企业的数据从来没有被系统化利用过。每一次设备维修、每一条生产记录、每一次质检结果，都沉睡在各自的系统里，没有人去碰。但现在模型能力的天花板已经大幅抬高，工业企业也开始意识到，自己手里握着的操作数据对AI公司来说是真金白银。这个意识一旦觉醒，工业AI的商业化就会加速。

这也是为什么a16z把"AI原生工厂"列为2026年最重要的建设方向之一。不是改造旧的，而是从零开始建新的——新的能源系统、新的制造流程、新的物流网络，全部以AI为核心重新设计。

物理世界的重建，才刚刚开始。而与此同时，在离普通人最近的消费端，一场新的入口争夺战也正在悄悄打响。

移动互联网时代，一个创业者想触达用户，绕不开两道门：苹果App Store和安卓应用市场。这套规则统治了将近二十年，所有人都在它的框架里玩游戏。

a16z的一位合伙人认为，这道门正在换人把守。

今年OpenAI连续做了几件事：开放Apps SDK，让开发者直接在ChatGPT里构建应用；联合苹果推出小程序；推出群聊功能，让ChatGPT开始渗入用户的社交场景。Acharya把这三件事放在一起，得出一个判断：消费科技产品爆发需要的三个条件——新技术、新用户行为、新分发渠道——第一次同时成立了。ChatGPT现在有9亿用户，在这个生态里发布应用，起点就是9亿潜在用户，而不是从零开始买流量。他用了一个词：十年一遇的淘金热。

但就在这个乐观叙事的旁边，有一盆冷水不得不提。

MIT的调查显示，95%的企业目前没有从AI投资中获得真正有意义的回报。两年的试验期，大量的预算投进去，大多数人还在等那个"啊哈时刻"。TechCrunch采访的VC说得直接：试验期快结束了，接下来是清算期。预算集中，供应商减少，没有在核心场景交付真实ROI的产品，会被快速清出去。

这大概是a16z这三份报告加在一起，传递出的最诚实的信号：AI的机会是真实的，但它不会自动变现。地基要打，数据要治理，场景要深挖，基础设施要重建。那些真正愿意做这些脏活的公司，才是这轮浪潮里最后站着的人。