马克·安德森2026年展望：人工智能时间表、营收增长与智能的代价

智能的成本正在骤降。马克·安德森在硅谷的三十年里，从未见过任何技术浪潮能像人工智能公司这样以如此快的速度增长收入。然而，人工智能堆栈中每个参与者所面临的战略问题仍然是完全开放的。

对话内容

在 a16z 主持的这次类似“你问我答”的会议中，马克·安德森阐述了他对 2026 年初人工智能发展现状的全景式看法。对话内容广泛，但都围绕一个中心论点：我们正在见证他职业生涯中最大的技术变革，今天的人工智能产品形态与五年或十年后的形态将截然不同，而对于大多数战略问题，最诚实的答案是“我们还不知道”。会议涵盖了人工智能经济学、定价模型、开放与封闭系统、中国的崛起、监管碎片化以及风险投资的逻辑，这些逻辑使得 a16z 能够同时押注于相互矛盾的策略。

前所未有的收入，悬而未决的经济学

人工智能公司的收入增长速度是安德森前所未见的。真实的客户收入，真实的需求转化为银行账户中的美元，其增长速度超过了以往任何技术浪潮。但他谨慎地区分了需求信号和已确定的经济学。

成本轨迹令人震惊：模型成本每年下降约 10 倍。18 个月前花费 1 美元的东西现在只需 1 美分。这创造了一种复合动态，即需求弹性非常大。每次价格下降 10 倍都会开启以前在经济上不可能实现的全新用例。

“These are trillion dollar questions, not answers.” 这些都是价值万亿美元的问题，而不是答案。

这是安德森对战略格局的框架。人工智能领域的每家大型公司都面临着关于定价、分销和竞争定位的根本性开放问题，而错误的答案可能是致命的。但这些问题本身可能还无法回答，因为技术发展太快，无法确定稳定的平衡。

GPU 和计算层增加了另一层不确定性。GPU 存在保质期问题：今天的硬件会随着下一代的到来而贬值。基础设施建设是真实且大规模的，但随着模型变得更加高效，计算投资的经济逻辑不断变化。

无人解决的定价问题

安德森称人工智能定价正处于“过渡状态”。三种模型正在竞争：

订阅（基于席位）： 传统的 SaaS 方法。简单易懂，易于销售。但与人工智能交付价值的方式越来越不一致，因为每月 20 美元的席位价格无法捕捉到提出一个问题的用户和处理一万份文件的用户之间的差异。

基于使用量： 按 token、API 调用、计算分钟收费。这是大多数基础设施层公司正在努力的方向。它对成本是诚实的，但会使收入变得不可预测，并可能造成价格冲击。

基于价值： 最有趣但最未经证实的模型。如果人工智能代理完成了一笔价值百万美元的交易，或者编写的代码为一个团队节省了三个月的时间，那么这值多少钱？安德森认为这是长期方向，但指出还没有人解决测量和归因问题。

更深层的问题是，模型成本的崩溃造成了持续的通货紧缩压力。按使用量定价的公司会发现，随着模型变得更便宜，其每单位收入会缩水。按价值定价的公司需要证明价值，这需要衡量本质上难以量化的结果。

开放 vs. 封闭：并非二元对立

安德森反对将开放与封闭框架视为简单的二元选择。真正的格局更加微妙：

追赶动态： 当有人证明一种能力是可能的（例如 DeepSeek 以极低的成本展示了推理能力），即使资源少得多，其他人也会以惊人的速度赶上。这为依赖保持领先地位的封闭模型公司带来了结构性挑战。

护城河问题： 如果前沿模型和商品化模型之间的差距不断缩小，那么防御能力在哪里？安德森并没有声称拥有答案，但指出到目前为止的模式表明，能力领先的持续时间比大多数人认为的要短。

开源动态： 开源模型创造了一个不断上升的底线。每次 Meta 或其他参与者发布强大的开源模型时，它都会重置封闭模型需要超过的基线，以证明其溢价是合理的。

他的结论是典型的对冲：a16z 正在投资开放和封闭模型公司，因为没有人知道哪种策略会获胜，而诚实的答案可能是“两者都有，在不同的情况下”。

中国的进步和竞争格局

安德森对中国的人工智能能力有着清醒的认识。DeepSeek 的出现证明，中国可以用比美国公司认为必要的少得多的资源生产出极具竞争力的模型。这对以美国为中心的人工智能叙事来说是一个令人不安的暗示。

他对芯片出口管制的分析是直截了当的：这些管制在一定程度上有效地减缓了中国获得尖端硬件的速度，但无意的后果是加速了中国建立国内芯片能力的努力。这是一个典型的战略困境，短期策略造成了长期竞争。

在更广泛的美中动态方面，安德森将其描述为一场双方都在大力投资的竞赛，结果确实不确定。他特别反对自满情绪，认为假设美国占据主导地位是危险的。

监管碎片化：真正的威胁

监管讨论揭示了安德森最尖锐的批评。他区分了联邦和州一级的监管，认为真正的危险不是监管本身，而是监管碎片化。

在联邦层面，本届政府目前采取的方法相对宽松，安德森对此表示赞赏。但各个州都在寻求自己的人工智能立法，从而形成了一个可能相互冲突的要求拼凑而成的大杂烩，这可能比任何单一的联邦框架都更繁重。

他指出，欧洲是一个警示故事。欧盟对技术监管的方法，从 GDPR 到人工智能法案，已经创建了一个如此繁重的制度，以至于它实际上将主要的人工智能开发推到了欧洲之外。结果是：欧洲公民是美国和中国人工智能的消费者，而不是创造者。

“If you want to see what a future of heavy AI regulation looks like, go study Europe.” 如果你想看看人工智能重度监管的未来是什么样子，那就去研究欧洲。

安德森得出的教训是，善意的监管可能会产生毁灭性的竞争后果。如果美国各州复制欧洲的做法，其影响可能会在美国人工智能生态系统最需要凝聚力的时候将其分裂。

现有企业 vs. 初创企业：真正的动态

现有企业与初创企业的问题得到了比通常硅谷偏向初创企业更细致的处理。安德森的框架：

现有企业的优势是真实的： 它们拥有现有的客户关系、分销渠道、数据以及将人工智能嵌入到人们已经使用的产品中的能力。对于某些类别，现有企业的优势可能是决定性的。

但架构转变创造了机会： 正如安德森所说，风险投资的基本理论是在技术架构转变期间赚钱。当底层平台发生变化时，初创企业有机会在现有企业做出反应之前抢占类别。人工智能无疑是其中一种转变。

风险投资组合方法： 因为“谁会赢？”的答案确实不确定，所以 a16z 有意投资于相互矛盾的策略：大型模型和小型模型、开放和封闭、消费者和企业、基础模型和应用程序。该投资组合旨在在任何有效的策略中都有代表性。

在这里，安德森最坦率地谈到了风险投资相对于个别公司的结构性优势。一家公司必须选择一种策略，将其整个组织和预算投入其中，如果策略错误，将面临生存风险。风险投资基金可以同时押注于多种策略，甚至是相互矛盾的策略。

社会采纳问题

安德森借鉴了社会科学的一个框架来解决人工智能焦虑叙事：即陈述偏好和显性偏好之间的差距。

在接受民意调查时，美国选民对人工智能夺走工作、集中财富和扰乱社会表示深切担忧。恐慌叙事主导了调查和媒体报道。但他们的实际行为讲述了一个完全不同的故事：他们正在下载人工智能应用程序，在工作中使用 ChatGPT，让它分析他们的恋爱短信，诊断皮肤状况，并撰写周一早上的报告。

他将此置于历史背景中：自动化恐慌已经重演了 200 年，从马克思主义的基础焦虑到约翰逊时代的“三重革命”委员会，再到 2000 年代的离岸外包恐惧，再到 2010 年代的机器人恐慌（正如他指出的那样，当时机器人甚至无法工作）。模式是一致的：调查中的恐惧，实践中的采纳。

他的预测：公众讨论将在恐慌和热情之间“来回摇摆”，但显性偏好（实际使用）最终将决定结果，而结果将是广泛采纳，然后是熟悉的追溯性感激“感谢上帝我们拥有了这个”。

a16z 内部剧本

“你问我答”部分揭示了关于 a16z 组织理念的几个见解：

公共足迹作为竞争优势： 安德森解释说，直言不讳甚至具有争议性一直是一种刻意培养的策略。创始人希望与表现出勇气并阐明明确观点的投资者合作，因为这让他们在甚至没有见过 a16z 之前就了解了 a16z 是谁。这与传统风险投资保持一切沉默的姿态截然不同。

马克和本的动态： 尽管合作了 30 多年，但安德森表示，目前没有任何问题是任何一方勉强承诺对方的立场。他们辩论一切，但最终达成共识。持续紧张的一个领域是校准公司的公共足迹：直言不讳会激发创始人的兴趣，但会产生外部性。

华盛顿作为观众： a16z 的很大一部分沟通旨在针对华盛顿的政策制定者，安德森表示，否则他们将完全依赖“憎恨硅谷的东海岸报纸”来了解技术。媒体策略不仅仅是营销；它还是政策影响力。

一些观察

这是马克·安德森最系统的时候：少了一些煽动者，多了一些分析师。对话揭示了一种真正对不确定性感到自在的头脑，不是作为一种修辞姿态，而是作为一种投资策略。

• 人工智能模型每年 10 倍的成本下降是对话中最重要的数字。如果这种情况再持续两年，几乎所有人工智能业务的经济状况都将与今天截然不同。定价模型、竞争护城河和整个价值链都会随着每个数量级的下降而重新洗牌。

• “价值万亿美元的问题，而不是答案”的框架是主要人工智能投资者公开说过的最诚实的话。人工智能经济中的大多数参与者都在兜售确定性。安德森正在兜售一种应对不确定性的投资组合方法，这可能是最理智的立场。

• 欧洲的警示故事值得比通常更多的关注。欧洲的人工智能研究成果（仍然很强大）与其人工智能商业生态系统（几乎不存在）之间的差距是一个实时实验，展示了重度监管对技术采纳的影响。

• 用于理解人工智能采纳的陈述偏好与显性偏好框架非常强大。它解释了为什么媒体叙事（恐慌）和市场现实（爆炸性采纳）可以共存而没有矛盾。

• 安德森坦率地谈到了风险投资相对于运营公司的结构性优势（押注于相互矛盾的策略的能力），这令人耳目一新。它还解释了为什么风险投资者能够以个别公司无法做到的方式对不确定的未来保持乐观。