商业洞察
赚钱的 Airtable，为什么“贱卖”了？
ARR约4.8亿美元、同比增长超过20%，Airtable却以12.85亿美元企业价值卖给Bending Spoons。AI没有先杀死它的现金流，而是先杀死了SaaS的估值倍数；更值得注意的是，Hyperagent业务在签约前已被剥离。
# AI
共 229 篇相关文章
商业洞察
企业级应用
实施配置才是终极壁垒
💡 文章信息：作者：Emily Man (Partner @ Primary) | 英文原文：点击阅读 💡 核心论点 AI 原生软件时代从按账号坐席计费，转向根据使用消耗与交付结果（Usage/Outcome-based）收费。 只有把软件成功塞入客户流程并产出消费，厂商才能有收入。这让实施（Implementations）成为生存首要关口。 AI 模型的非确定性要求持续评估与调优，且软件在落地过程中必须能够动态吸收企业独特的暗默知识与 Tone 调。 📑 严格逐字逐段翻译 前驱WD 实施是优势 人工智能应用程序的新任务关键功能 作者：艾米丽·曼、卡西·杨、贾森·格尔曼、尼克·戴利 我们正在进入企业软件的第三个时代。每个时代都见证了价值交付的责任从客户转移到供应商身上的明显转变。我们相信，人工智能原生软件公司的价值获取几乎完全取决于他们持续交付卓越成果的能力——这使得实施和客户成功成为至关重要的任务。 我们将企业软件的三个时代视为： 本地部署（“购买房子”）——大量的前期投资、极高的转换成本、通过专业服务持续货币化、定制/实施的内包 云/SaaS（“支付租金”）- 中等前期投资、中等转换成本、通过扩展驱动的持续货币化、实施外包 人工智能原生（“酒店客房？”）——拥有成本低、转换成本不断降低、由向业务交付的价值驱动的持续货币化、对正确实施的高度需求 On-Prem 时代 – “买房子” 在本地部署时代，企业软件的功能很像直接购买房屋：客户在实现任何价值之前就做出了大量的预先许可承诺。极高的前期拥有成本和本地交付意味着选择任何系统都是一个重大决定。从那时起，软件供应商既能够也被迫通过高价派遣团队现场进行每次升级、补丁、工作流程更改或新集成来获取持续价值。 结果，专业服务成为重要的收入来源和结构性依赖。连锁反应是软件改进周期缓慢、部署脆弱、发布新功能成本高昂且逻辑复杂。转换成本如此之高，以至于我们今天所知的“客户成功”并不存在；相反，售后参与以“客户经理”为中心，他们的职责是增加合同价值而不是确保产品结果。本地时代的指导原则是稳定性和控制，而不是适应性或持续的价值实现。 云/SaaS时代——“付租金” 向云的过渡引入了一种根本不同的软件操作模型。客户不再直接拥有软件，而是转向定期订阅，类似于支付租金。云环境中的交付使软件改进有效免费，供应商以新特性和功能的形式直接向客户提供更新。专业服务在很大程度上不再是持续的、经常性的收入流（而是为软件付费），其范围更局限于“一次性”的前期定制和为企业客户调整“开箱即用”解决方案所需的入职工作。 实施的一次性性质意味着扩展平台很大程度上将这项工作外包——创建了企业 IT 领域最大的服务市场之一。全球系统集成商 作为一个类别出现 – 一个价值 550B+ 的服务生态系统，用于支持 SaaS 的采用。如今，GSI 占全球 IT 支出总额的近 9%。 在这个时代，这个时代软件公司的增长路径转向了账户内的许可/席位增长。 NRR 成为北极星指标，因此成为扩展、更新和升级的优化。这降低了转换成本（相对于本地部署时代），并催生了“客户成功”功能，使客户增长背后的流程专业化。 SaaS […]
商业洞察
是“AI 埃森哲”，而非“埃森哲的 AI”
💡 文章信息：作者：Yoni Rechtman (Partner @ Slow) | 英文原文：点击阅读 💡 核心论点 AI 正式步入长达一代人的“部署期”，而系统集成与业务工作流定制是企业落地的最大刚需。 传统靠廉价人头赚差价的 IT 咨询服务外包商（Accenture for AI）效率低下、毛利率低，无法有效扩展。 “AI 埃森哲”指代利用全栈 AI 软件引擎和智能体（Agents）进行全自动业务整合与实施的全新高毛利产品化服务商。 📑 严格逐字逐段翻译 人工智能埃森哲，而非人工智能埃森哲 产品化扩散。加速世界。 部署是重中之重 我们正处于人工智能超级周期的安装期，炒作、投机资本和技术进步猖獗。它有效地融入我们的生产基础的部署期才刚刚开始，并将持续几代人。 部署是当今世界上发生的最重要的事情。加速和丰富与停滞之间的平衡取决于。 因此，人们对直接押注部署产生了强烈而广泛的兴趣。不仅押注于受益者（新的人工智能产品和服务），还押注于交付（为传统机构开展人工智能转型项目的 IT 服务）。 系统集成商和其他顾问/人工智能服务公司正在/将成为安装和部署之间的结缔组织。 目前人工智能服务主要有三四种： 快速发展的 FDE/车身修理厂：（精英）通才团队横向并按参与度空降到企业转型工作中 自营公司/合资企业：由实验室和超大规模企业组建的部署部门和合资企业 产品公司：构建内部产品的专家，该产品可以反复为特定类型的客户提供特定的结果。我们这里有一家公司（作为系统集成商运营），并且正在寻找更多公司。当然，有一些公司向外部其他服务提供商出售此类工具（可以说是第四家）。 车身修理厂的做法是对当前市场环境的理性反应，并且相信事情发展得太快，无法做任何其他事情。没有时间构建产品；你只需要做点什么。对于某种人才来说，这也是一个更好的交易。最好的 FDE 会成为英雄，直接将他们的技能货币化，而不是为将部署视为开销的研究团队实现客户成功。 合资企业/自营公司是一个根本不同的主张，但对其支持者/创建者来说也是合理的。他们的部署合资企业不需要直接创造价值公司；相反，他们通过扩大表面积并锁定赞助商来产生电动汽车。投资 1 亿美元来提高获得 10B 美元头寸的几率显然是合理的。到了 1T 美元就变得有必要了。 当然，存在一些“加州旅馆”情况的风险：一旦他们在他们的堆栈上使用他们的 FDE、围绕他们的模型构建了你的人工智能基础设施，你就无法检查。他们的员工不是为了你的结果而工作，而是为了锁定他们的赞助商。代价是他们拥有最大的认可度和访问权，因此很多买家无论如何都会接受这笔交易。 这个故事最有趣的版本是产品公司提供服务，而不是服务公司提供产品。 内部产品可实现差异化的服务交付。该产品可能看起来像是代理/线束、上下文层、工作流程自动化等的某种组合。但无论如何，您正在创建一个内部使用的产品，以便更好、更快、更便宜地向外部（向您的客户）提供服务。由于暂时的购买压力和独特的人才获取渠道，产品公司降低了成本曲线，而不是收取更高的费用。 最明显的迹象之一是你是否会为每个人做任何事情，或者你是否有一个狭义的 ICP。您是否正在尝试将在特定环境中提供特定类型结果的流程产品化，或者您是否愿意进行定制工作并构建客户想要的任何东西？产品公司对于他们不能碰或不会做的事情有明确的宗教信仰。 我们希望支持人工智能埃森哲，而不是“埃森哲人工智能”。也就是说，服务公司有一个巨大的机会从根本上重建他们的交付方式，而不仅仅是他们交付的内容。 阅读更多： […]
AI 编程革命
最优秀的公司将停止编写软件
💡 文章信息：作者：Phin Barnes (Partner @ The GP) | 英文原文：点击阅读 💡 核心论点 随着 AI 能够极度低廉、高质地生成代码，编写软件的物理过程将彻底商品化。 软件行业迎来“耐克时刻”：价值从直接生产软件（写代码）剥离，向定义产品与掌控用户关系端聚拢。 未来的软件公司将转型为拥有极强设计感与分销能力的“品牌商”，将工程细节全权交付给 AI 驱动的“工厂”。 📑 严格逐字逐段翻译 最好的公司将停止开发软件 一双鞋、一个规格和软件的耐克时刻 我在台湾为 AND 1 工作的第一天教会了我很多东西。那是1998年，我从费城飞到台北，然后开车到台中。我第一次见到我的老板，递给我一管从美国带来的蓝图，就像死海古卷一样。他将它们摊开在桌子上，做了一些编辑，然后将它们卷回管中。他把它连同地址一起交给了我。我们和当地开发团队的一名成员一起开车前往该地址，停在市中心一条小巷的一扇金属卷门前。里面有一位年长的男子，穿着工作服和白色汗衫，手指上叼着香烟，旁边的长凳上放着 Dremel 工具。 在同事的指示下，我把一管图纸递给了他。他把它们钉在长凳上方的墙上，把香烟放到嘴边，抓起中底的轻木坯料，启动了 Dremel。几分钟后，中底/外底设计的比例 3D 模型就完成了。他将这个过程重复了三遍。每次，停顿足够长的时间来点燃一支新香烟。 他的手的准确性让我大吃一惊。他还了解鞋子的工程设计，并对二维设计进行调整，以考虑施工方法、大规模制造工艺以及整体最终产品的耐用性。 3D模型雕刻完成后，他会记下这些修改。 我们拍摄了数码照片，通过电子邮件将其发回给我们在美国的设计师，并在一两周内迭代了设计。设计完成后，我们的工厂合作伙伴创建了样品模具并将中底/外底组合送回美国的产品团队进行审查。使用遮蔽胶带和铅笔对 3D 样品进行设计编辑，然后运回亚洲进行模具修改，并重复该过程直至样品获得批准。从那时起，生产模具被雕刻在铝上，生产样品在中国制造。我会经香港前往那里，并在最终成本计算和责任工程完成之前审查生产版本。 大约在我开始这些旅行两年后，我在广州和东莞之间的一家工厂与一位生产经理交谈，这时我身后的数控机床突然启动，开始雕刻金属。当我从跳跃恐惧中恢复过来后，我问发生了什么事。他们告诉我，位于俄勒冈州的耐克设计团队已经按下了“打印”键。 从工艺到自动化的演变立即让我感到宾至如归。随之而来的是，我感到害怕站在错误的一边。 NIKE 通过使用 CAD 软件、建立更深层次的工厂合作伙伴关系以及投资于在迭代过程的早期雕刻生产级铝模具的能力，压缩了设计时间。技术使他们能够定义规格，将其交付给工厂，并在几天内即可生产出可投入生产的产品。 随着生产变得更快、更精确、更抽象，运动鞋的价值从制造产品的双手转移到了那些知道什么应该存在、它的用途以及如何销售它的人身上。最好的运动鞋品牌最终并没有获胜，因为他们拥有生产的每一步。他们之所以获胜，是因为他们了解客户、定义产品、塑造品味，然后建立需求。工厂变得更加有能力、更加专业化，而品牌则更加贴近市场。 从历史上看，当工艺发展为大规模生产时，价值创造的来源就会发生变化。 几十年来，代码被视为技术的核心资产。编写该软件的公司还拥有一个组织内部的生产流程、客户关系和产品愿景。人工智能正开始将这些碎片分开。代码更容易生成，修改成本更低，并且作为独立优势的防御性较差。稀缺的工作正在向上游和下游转移。知道要构建什么、明确指定它、评估它是否有效并将其交到客户手中正在成为新的核心资产类别。 在运动鞋领域，生产变成了商品。它搬到了海外第三方工厂，获胜的品牌将精力投入到产品视觉、品味和分销上。我最终认为软件将像这样构建。最好的品牌将深入了解要构建什么（定义产品）以及如何将其交到人们手中（拥有客户），然后外包给“工厂”来运行和维护软件。 运动鞋剧本分为三个部分 运动鞋行业最终形成了明确的分工。 顾客购买鞋子。 耐克、阿迪达斯、新百伦等品牌设计产品、投资研发、维护客户关系并定义产品的构建。 工厂（Pou Chen、Feng Tay、Chang Shin）进行原型设计、生产和运输，以满足该品牌交付的规格以及针对交付日期和质量签订的 […]
算力基建
路线图：AI 数据中心技术栈
💡 文章信息：作者：Taj Shorter & Bessemer Venture Partners Team | 英文原文：点击阅读 💡 核心论点 物理基础设施与电力供应正在成为 AI 爆发的终极制约因素。目前全球已宣布的超大规模数据中心项目容量达 190 GW（涉及 777 个项目）。 BVP 认为，“物理 AI”基础设施正处于极为早期的投资周期，这类似于淘金热中的“铲子与皮镐”机会。 梳理了应对 AI 算力电力能源危机下，围绕选址、变电、冷却等物理设施层的 6 大创投机遇。 📑 严格逐字逐段翻译 人工智能数据中心堆栈中的六个机会领域 许可和选址 2、发电 传输、电力转换和电力中程 软件和编排 施工、维护和人工 冷却技术 路线图：AI 数据中心堆栈 基础设施机会的六个领域，从软件和编排到网格硬件和冷却技术。 人工智能是计算历史上最耗电的工作负载。截至 2026 年初，已有 777 个项目宣布超大规模数据中心容量达 190 吉瓦。其中包括计划的约 148 吉瓦、在建的约 21 吉瓦以及已投入运营的约 12 吉瓦。预计到 2030 年，全球数据中心的电力消耗将增加一倍以上，而在美国，数据中心的电力消耗很快将超过所有能源密集型制造业的总和。 每个利用人工智能进行创新的国家都面临着新的能源危机，其加速取决于实体基础设施建设。数据中心可在 […]
AI
AI 初创公司获胜的关键
我已经有一段时间没写东西了——我们在过去的几个月里非常忙碌，但我保证我会回到写作和录制播客的状态。 让我们忙碌的很大一部分原因是在一个比以往任何时候都变化得更快的世界中进行投资并支持我们的投资组合，在这个世界里，每个人都在问自己同一个问题： 作为一家 AI 初创公司，特别是在前沿实验室（labs）的威胁无处不在的情况下，你如何获胜？ Russell Kaplan（Cognition 的联合创始人兼总裁）的这篇文章非常棒： 在 SpaceXAI 与 Cursor 达成“延期 IPO 级的收购”之后，许多创始人都在互发消息。一个共同的讨论话题是：独立初创公司的未来是什么？难道所有公司最终都必须被前沿实验室收购，否则就会灭绝吗？ 来自我们在 @cognition 的直接经验数据表明了相反的情况。在一个类别中，通过卖给实验室而放弃独立竞争的初创公司越多，留下来的公司就变得越强大。去年我们在 Windsurf 身上亲身体验了这一点。当创始人去 Google 而我们收购了剩余的公司时，它极大地加速了我们的产品路线图和 GTM (进入市场战略)。现在，云代理（cloud agents）已经为黄金时间做好了准备，我们的使用量爆发式增长。（我们正处于 Cognition 历史上使用量增长最快的时期——Devin 企业版的月环比增长率接近 50%。）从昨天的消息中，我们已经看到了下一轮的加速，无论是潜在客户和客户，还是候选人的主动求职。 在几乎每一个类别中，都有一个明显属于不与任何一家实验室模型绑定的获奖独立产品的市场。尤其是在像软件工程这样动态的领域中，客户重视模型的灵活性，因为来自不同提供商的排名在不断变化。 为了让初创公司抓住独立发展的机会，以下是我们迄今为止学到的教训： 1. 差异化 (DIFFERENTIATION) 与实验室已经提供的产品相比，你需要有极其明确的差异化。Cursor 在自助服务方面面临着来自 Claude Code 的激烈竞争，部分原因是一种工具可以替代另一种工具，这带来了挑战。 我们的方法是主要针对企业进行差异化，这是软件工程最大的市场。具体来说： 我们在前沿部署工程师和 AI 赋能方面的投资与在核心研发上的投资一样多。我们的客户将我们视为变革管理合作伙伴，而不仅仅是一个 AI 软件工程平台。我们在全球各地举办千人研讨会，帮助公司内部的开发人员培训采用前沿 AI 技术。除了提供开发工具外，我们还针对特定的用例和结果。 我们专注于在大公司规模上加速整个软件开发生命周期，而不仅仅是编写代码。Devin 现在可以自动启动（spin up），处理从工单范围界定（ticket […]
深度学习
十次押注还是两百次押注：幂律的两种理论
Borok 发布时间: 2026-04-24T18:02:12+00:00 2026 年第一季度，四家公司吸收了全球部署的 2970 亿美元风险资本中的 1880 亿美元。OpenAI、Anthropic、xAI 和 Waymo。这就是说，在一个季度内，65% 的风险投资总额流向了这四个名字。 这迫使基金在投资组合构建上表现出很久未见的诚实态度，而两种几乎完全相反的答案正在浮现。 第一种答案是减少押注并加大规模。十家公司。五家。有时是三家。第二种答案是进行比市场感觉舒适的多得多的押注，有时达到几百上千次，让覆盖面（surface area）发挥作用。这两个阵营都有真实的业绩记录。两者都有连贯的逻辑。它们在从两端解决同一个问题：如何捕获那少数真正推动基金回报的异常值（Outliers）。 集中阵营（挑选者） Max Gazor 在 CRV 工作了 14 年后，新成立的单人基金 Striker 筹集了 1.65 亿美元，计划在基金生命周期内只写大约十张支票。就十张。支票金额在 500 万到 3000 万美元之间，全部处于收入前（Pre-revenue）阶段，全部是 AI 或网络安全。Gazor 的押注，本质上是认为一个花十几年时间学会如何辨别哪些处于萌芽期的技术创始人是真实可行的人，不需要一百次射门机会。 Sound Ventures 运行的是相同逻辑的更激进版本。他们 2.4 亿美元的 AI 基金只为六七个头寸设立，没有后续储备，并明确愿意在同一轮中支持直接竞争对手。第一天就将一半资金投给了 OpenAI、Anthropic 和 Stability。其论点并不是“挑选赢家”。而是认为在技术前沿只有几家公司有意义，你无法预先知道哪一家会赢，所以正确的做法是把它们全部拥有。 Benchmark 这样做了三十年。五位平等的合伙人，没有初级员工，基金规模在 4.25-5 亿美元左右，每支基金大约 25-30 家公司。平等合伙人结构不仅是文化问题，它强制了集中度。五个人没有助理，你无法管理 120 家公司。公司的形态决定了投资组合的形态。 Founders […]
AI
第三次浪潮：为什么代理经济需要新的金融技术栈
Investors Blog 技术变革通常分三波进行。 第一波是效率：用更快、更便宜的方式做我们已经在做的事情。第二波是消费增长：随着成本下降，我们发现我们想要更多，并且出现了新的企业来满足这种需求。第三波是新型的经济活动；它是最强大的，也是最难预测的。它带来了在这项技术存在之前完全无法想象的事物。 看看移动电话出现时发生了什么：第一波是效率：您不再需要在街上徘徊寻找公用电话。第二波是消费：Uber、DoorDash、Grubhub 的出现，然后是“周二晚上的外卖”变得无处不在，而不再仅仅是比萨饼和中餐。但是移动设备释放了新型的经济活动。就像汽车创造了郊区、汽车旅馆和购物中心一样，移动设备创造了网红经济。如果对九十年代中期的人说，一个人可以通过在网上被关注来谋生，那听起来就像是科幻小说。但移动设备使它成为了现实。 毫无疑问，AI 也将沿着类似的道路发展，但事实是，定义第二波和第三波的行为目前还很难看清，即使代理系统带来的效率转型已经在为我们最好的公司注入强大动力。 我们可以看到一些微光。去年假期期间，AI 辅助购物增长了 700%。OpenAI 现在每周回答 8400 万个购物问题。Playwright —— 一个开源浏览器自动化工具，也是代理活动的有用代理指标 —— 在过去 18 个月内的每周下载量增加了一倍多。人们现在正在构建代理经济。只是统计数据还没有跟上而已。 很明显，代理将成为一种新型的经济活动。代理将成为金融系统中的参与者。它们不仅仅是帮助人类做决定的工具，而是代表用户和组织进行规划、行动和交易的自主实体。这就提出了一个看似简单实则不然的问题：一个代理的金融技术栈到底是什么样的？ 为什么代理与众不同 金融服务一直都是围绕人类构建的。账户持有人是一个人。刷卡需要一只手。KYC 意味着“了解您的客户 (know your customer)”，而客户意味着人（或者至少是组织成企业的人群）。 AI 代理打破了这种假设。一个运行采购工作流、管理公司供应商付款或自主启动云基础设施的代理，需要能够花钱。但是代理没有社会安全号码 (SSN)。它不能走进银行分行。它的设备 ID 和物理位置都在云端，并且可以无限突变。 传统的金融系统，及其批处理 ACH 窗口、手动承保和需要人工参与的合规流程，并不是为此而构建的。但是稳定币是。如果代理要进行任何规模化的操作，它们就需要可编程的、可审计的、即时的货币通道。 稳定币作为代理经济的原生货币 是什么让稳定币特别适合代理支付？ 它们是可编程的。 稳定币支付可以通过智能合约、API 调用或自主流程触发，无需人工参与。您不需要安排 ACH 电汇。您发送 USDC 的方式就像调用一个函数一样。 它们即时结算。 代理不需要等待日终批处理。如果一个代理在凌晨 2 点启动基础设施，它就需要在凌晨 2 点付款。稳定币是不睡觉的。 它们在设计上就是可审计的。 […]
深度学习
漏斗的终结：为什么 HX 是下一个重大的设计和投资前沿
in AI 发布时间: 2026-04-26T10:33:51+00:00 三十年来，软件行业的核心设计执念是一个看似简单的问题：我们如何让人们点击正确的按钮？ 这个答案创造了数千亿美元的企业价值。我们建立了转化漏斗（Conversion Funnel），对按钮颜色进行了 A/B 测试。我们聘请了大量的 UX 研究人员来为各种空白状态、加载动画和用户引导流程感到焦虑。减少人与软件操作之间摩擦的艺术，成为技术中最具商业价值的学科之一。 但这个时代正在结束——不是逐渐结束，而是结构性地结束。 原因在于 AI 代理（Agents）。不是聊天机器人，不是副驾驶（Copilots），而是代表您采取行动的完全自主的 AI 系统：预订旅行、执行研究、提交合同、管理工作流。当一个 AI 代理为您预订航班时，它不会加载主页，不会悬停在“灵活日期”的切换按钮上。它直接调用 API，交叉参考您的日历，检查您的偏好历史，并返回一个排序的候选名单——完全绕过了每一个精心制作的 UX 屏幕。 漏斗不仅被破坏了，它变得无关紧要了。 这不仅引发了设计危机，对于敏锐的投资者来说，这也是一个巨大的商业机会。填补这一空白的新兴学科有一个名字：HX（Harness Experience，驾驭/约束体验）。 什么是 HX？ HX 是管理人与他们代理团队之间关系的设计层。UX 问的是“我如何引导人们从 A 到 B？”，而 HX 问的更难：“一个人如何引导、信任和审计一个代表他们行事的系统——特别是在处理几十个并行任务时——而不陷入细节或对错误视而不见？” “Harness（安全带/挽具）”这个词是经过深思熟虑的，值得细细品味。安全带不是笼子。它不限制——它引导能量，分配负荷，让你与比你强大得多的东西保持连接。一个设计良好的安全带意味着你可以保持控制，而不必做所有的工作。一个设计糟糕的安全带意味着你会被拖着走。 这在商业上很重要，因为目前构建的大多数 AI 原生产品，实际上都是设计糟糕的安全带。它们感觉很顺滑，直到代理灾难性地偏离了用户真正想要的东西——到那时，用户根本不知道为什么会发生这种情况，也不知道如何纠正路线。 良好 HX 的三大支柱是： 1. 可引导性（Steerability）：你能否表达细微的意图，而不仅仅是一行提示？ 2. 透明度和可审计性（Transparency and Auditability）：你能在合适的高度理解做出决定的原因，而不需要成为一名工程师吗？ 3. 干预点（Intervention points）：当出现问题时，你能否干净利落地介入，并在不破坏代理正在做的事情的情况下将控制权交还？ 这些支柱中的每一个都代表了真正的产品空白，对于投资者来说，也是真正的市场空白。 从用户（User）到指挥者（Director） […]
AI
凝视迷雾重重的 AI 前沿时的随想
Gil 发布时间: 2026-04-20T16:21:23+00:00 我原本打算为以下每一点写一篇长篇大论、逻辑清晰的文章，并附上大量精美的图表和详细的分析。后来我意识到这太费功夫了。因此，以下是一些人类想法的大杂烩与随想。祝您阅读愉快！ 1. OAI 和 Anthropic 现在各自占美国 GDP 的 0.1%。2030 年 AI 收入将占 GDP 的百分之几？ 美国 GDP 大约是 30 万亿美元。据传，OpenAI 和 Anthropic 目前的收入运行率都在 300 亿美元左右，也就是各自占整体 GDP 的 0.1%。算上云服务和其他服务，AI 在短短几年内已经从几乎为零增长到占美国 GDP 的 0.25%-0.5%。如果 Anthropic 和 OpenAI 如许多人预期的那样在年底达到 1000 亿美元的收入，那么到 2026 年底，大约 1% 的 GDP 运行率将来自 AI。这个速度简直快得疯狂。 2030 年 AI 将占 GDP 的百分之几？2035 […]
AI
伟大的软件反转：AI 如何颠覆应用经济学
Chahal Substack 发布时间: 2026-04-22T18:46:13+00:00 四十年来，软件经济学的运作方式始终如一：花费巨资进行构建，而提供服务的成本几乎为零。工程团队曾经非常昂贵。而将数据部署给多一个客户基本上是免费的。正是这一点创造了 80% 以上的毛利率，并使 SaaS（软件即服务）成为科技界利润率最高的商业模式之一。 AI 正在颠覆这一点。 构建应用程序的成本正在崩溃式下降。像 Claude Code、Cursor 和 Replit 这样的工具让单个开发者，甚至是非开发者，都能在几天内交付可运行的软件。过去需要一个五人团队耗时一个季度才能完成的功能，现在只需要一个周末。“氛围编程 (Vibe coding)” 最初只是一个网络模因 (meme)，但现在功能性应用程序正由那些两年前根本无法构建它们的人构建出来。 成本并没有消失。它只是转移了。 每一个调用基础模型的 AI 原生应用程序都在为推理 (inference) 付费。每一次查询，每一个代理循环，每一个 token 都是边际成本。您的用户越多，您支付的就越多。这与传统软件完全相反，在传统软件中，第 10,000 个用户的边际成本大约为零。 软件的成本结构已经发生了反转。 自从 Claude 解锁了 AI 辅助编程以来，每个应用程序的开发成本一直在下降。与此同时，随着应用程序变得越来越依赖推理，服务每个用户的成本一直在攀升。 传统的 SaaS 运行在 80% 以上的毛利率下。这就是该模式如此具有吸引力的原因：一旦您构建了产品，收入就会随着规模扩大而增长，而成本却保持平稳。 AI 原生应用程序不是这样运作的。推理是一个随着使用量而缩放的可变成本。您的产品越成功，您的 GPU 账单就越高。 这已经在财务数据中显现出来。那些从 SaaS 起步并添加了 AI 功能的公司，正眼睁睁地看着利润率从 80% 中期被压缩到 70% […]
深度学习
从稀缺到富足
for Intelligence 发布时间: 2026-04-24T15:04:49+00:00 数十亿美元正流入那些为“五年后可能不存在的世界”而优化的 AI 公司。 目前，AI 严重受到计算能力（Compute）的制约。仅仅在过去的几周里，证据就在不断堆积： * H100 的租金价格从 2025 年 10 月到 2026 年 3 月飙升了 40%。 * 目前的 DRAM 内存短缺现在预计将持续到 2027 年，甚至可能更长。 * 台积电的 N3 逻辑晶圆产能已接近上限。 * 数据中心开发商预计电力短缺将持续到 2028 年。 * Anthropic 宣布了新的节流措施和使用限制。 * SpaceX 与 Cursor 的交易暴露了 GPU 集群的需求有多么旺盛。 * 甚至连 Allbirds 这样的硅谷鞋履品牌，现在都宣称自己是一家 AI 计算公司。 所有这些都是真实的。稀缺性是真实的。利用这种稀缺性赚钱的公司正在交出令人难以置信的数据，并建立了有意义的业务。但是：之前每一次的技术周期，其核心都有一种稀缺资源；而每一次，这种稀缺最终都会被打破。当稀缺被打破时，价值版图会发生巨大洗牌——在稀缺时代看似无懈可击的公司，往往不是长期的赢家。 我们的观点：风险投资界当前严重超配了（Overweighting）“今天正在被需求的东西”，而低配了“未来十年将被需求的东西”。 […]