AI投资幂律、风投回报集中度与旧软件资产重估——a16z的David George与Accolade Partners的Aram Verdiyan访谈要点梳理（a16z Podcast，2026-09-10）

——据a16z Podcast节目《Why AI Is Creating the Biggest Winners in Tech History》（2026-09-10）整理

摘要：本文对a16z Podcast节目中a16z的David George与母基金Accolade Partners的Aram Verdiyan对谈的主要观点进行了梳理汇总，节目由a16z的Jen Kha主持提问，Verdiyan十年前曾任职于a16z，现为其长期LP。梳理了资本经由算力放大头部优势的机制与AI收入增长、市场空间测算，介绍了美国风投机构回报的集中度及其对配置策略的影响，最后阐述了旧软件资产在股权与信贷两端的重估、私募资产流动性与AI供给侧瓶颈。据其介绍，AI收入用4年达到1000亿美元，SaaS用了15年；美国3000家风投机构中过去二十年只有20家持续做到3倍净回报；2021至2022年的软件杠杆收购（LBO）交易借入超过2000亿美元债务，相关公司今天的价值可能只剩一半。

关键词：融资估值；企业采用；并购；前沿实验室；a16z；Accolade Partners；Cursor

一、资本、算力与幂律分布

George认为，当前科技投资的幂律分布较过去十至二十年更加极端，资本可以经由算力直接转化为竞争优势。

（一）资本经由算力放大头部优势

George表示，当前科技投资的幂律比过去10到20年都更极端，可比时期要回溯到网络效应驱动的消费互联网公司兴起之时。他的解释是，“在我的职业生涯里第一次，你可以把资本砸向一家公司，而它会复利放大这家公司的优势”，并以前沿实验室为例：一是过去资金过多会让创业公司一口气招上千人，导致协调失控；二是如今资金投向算力，算力直接改进产品。

（二）私募市场规模与品类内集中

主持人Kha在开场时表示，SpaceX、OpenAI、Anthropic三家前沿模型公司的潜在企业价值合计约3.5万亿至5万亿美元，SpaceX上市前多数机构配置者对其缺乏敞口。George表示，18年前私募与成长股权还是“家庭作坊式”行业，如今这一资产类别价值5万亿至6万亿美元，公司更久保持私有的趋势不会逆转，上一轮科技周期创造了25万亿美元新增市值。对话中还提到，头部公司的结局规模已从约100亿美元升至约400亿美元。

George同时对“赢家通吃”作了限定。一是幂律发生在品类内部，赢家拿走绝大部分份额与市值，“第二名只能捡残羹”，同时品类数量会大幅扩张。二是在技术栈层级上不宜采用零和框架，对于LP常问的哪一层会赢，他的回答是“可能每一层都行得通”，“开源做得好就对实验室不利”这类推理过于局限。三是需要容忍亏损，据其介绍，a16z表现好的早期基金亏损率约60%，成长阶段约10%至20%。

二、AI收入增长与市场空间

Verdiyan认为，AI收入增长速度远超SaaS时代，市场空间应以劳动任务价值为锚重新测算，AI应从卫星仓位升为核心仓位。

（一）收入增长与配置定位

据Verdiyan介绍，AI收入用4年达到1000亿美元，SaaS用了15年，且需求渗透远未到位。他将“资本可以砸进去”解释为推理需求没有上限的结果，“此前没有哪个技术范式同时触及30万亿美元的GDP”，因此AI应升为核心甚至“超核心”配置。

（二）以劳动任务价值重估市场空间

Verdiyan以医疗为例说明市场空间的测算方法：医疗IT年支出约600亿至1000亿美元，AI瞄准的理赔、账单、行政等任务则对应万亿美元量级，市场空间可扩大10倍以上，算法为任务的经济价值乘以捕获率；他坦言自己“长期低估这些结局能有多大”。George补充，美国劳动支出约为软件支出的40倍，把AI当作软件的下一次演进“过于局限”。

（三）企业AI支出与扩散节奏

George援引的数据显示，美国中位企业每名员工每月AI支出12美元，头部1%的企业为7000美元，处于前沿的银行在AI工具上的支出约占人力成本的1%。他为软件行业给出了多头情景：编码是一个“假动作”，代码文档完备、可验证、可模拟，多数业务任务并不具备这三项属性，AI向其他知识工作扩散可能慢得多。与此同时，他表示这让他对AI更加乐观，这些增长极快的公司背后可能只有1000万、至多3000万用户，对照的是约15亿劳动者；据其介绍，其组合约95%的资产净值（NAV）位于旧软件公司之外。

三、风投回报集中度与配置策略

Verdiyan认为，风投回报高度集中于极少数机构，LP应长期集中配置；两位嘉宾均认为中间规模的风投机构将难以为继。

（一）回报集中度

据Verdiyan介绍，Accolade研究了美国3000家风投机构，过去二十年只有20家做到持续3倍净回报，占比不到1%，口径为20年内有三到四只基金的净投入资本总值倍数（TVPI）达到3倍。这些机构的共同特征有二：一是每个年份都拿到了品类定义型公司；二是仓位足够，后期基金的头部项目应占基金5%至10%以上，“后期阶段回本整只基金的算术此前不存在，现在存在了”。拿不到这批机构只能获得平均回报，他援引康桥汇世（Cambridge Associates）数据称，过去10年风投平均回报为1至2倍，私募股权能以更低风险做到1.5至2倍净回报。

（二）集中配置与“中间地带消亡”

基于此，Verdiyan主张组合长期集中于15至20家机构，持有50至70家风投的组合很难跑赢平均；选对一只基金只配1%，即便取得10倍回报也只贡献组合的10%，“根本不动针”。主持人补充了激励错配问题：GP错过下一个Facebook会被开除，LP只要贴近基准就不会丢工作。

“中间地带消亡”是双方的共识。George表示，两端的机构能够存活，一端是领域专家主导的专业化基金，另一端是从种子轮覆盖到上市的大平台，中间机构难以竞争，原因在于创始人需要能降低结局风险的合伙人，a16z为此配备了700名员工。Verdiyan表示，Accolade不配置专门的后期基金，理由是没有早期关系的新设后期机构“很难开出5亿美元的支票”。

（三）早期收入信号的识别

Verdiyan认为，一个月内从零做到500万美元ARR的AI公司中，每九家才对应一家真正特别的公司。其理由主要有三：一是这类公司尚无续约周期却以高倍数融资；二是常出现同批公司互相采购；三是所谓ARR只是月收入乘以12。他以Cursor为例，其在ARR约300万美元时完成了一轮4亿美元的交易，此后数月市场一直唱衰；George表示，直到SpaceX宣布收购Cursor当天早上，仍有人说Cursor已死。

George的识别框架归结为一个问题：“市场是否在要求更多你的产品”。他以Harvey为例：早期有知名律所签约，但使用深度相比其他软件“平庸”；推理模型出现后使用量起飞，律师从担心幻觉转为客户要求律所必须使用。他表示，“人人都会做cohort分析、看续约数据”，差异来自对客户的理解。

四、旧软件资产在股权与信贷两端的重估

Verdiyan认为，未适配AI的软件资产在公开市场、私募股权与私募信贷三个层面同时面临估值压力。

一是公开市场估值分化。据其介绍，公开市场上市销率高于10倍的SaaS公司至多只剩15至20家，几年前还有几十家，且几乎都在AI带动下增速加快；私募股权新投项目只寻找AI原生、增速加快的记录系统。二是私募股权存量资产折价。ChatGPT之前年份的私募股权交易为增速10%至20%的软件资产支付15至20倍EBITDA，同类资产今天在公开市场约为2倍市销率，还可能根本没有买家；其数据显示，公开市场上1个百分点的增速相当于3个百分点的EBITDA。三是信贷端杠杆被动抬升。2021至2022年约2000亿至3000亿美元的软件LBO交易借入超过2000亿美元债务，平均估值为25至32倍EBITDA，这些公司今天的价值可能只剩一半，杠杆率随之大幅上升，他认为这是私募信贷出现赎回的原因。

风投账本上也有同类存量：2016至2021年份、增速约30%、没有AI原生功能的软件公司仍按10至20倍市销率计价，已无法上市，Silver Lake也已失去兴趣。

对于“AI版私募股权”能否解决问题，嘉宾看法较为审慎。主持人认为，给Sears做个网站不会让它变成亚马逊（Amazon），只接入AI客服而没有嵌入工作流会迅速流失客户，净推荐值（NPS）下降直接对应收入下滑，叠加债务后可能螺旋下行。Verdiyan表示，改造需要创始人心态以及董事会、投资人的一致，Intercom召回创始人重做AI原生产品后出售即是一例；George则表示目前这仍是孤例。

五、流动性、供给瓶颈与下一轮机会

两位嘉宾就私募资产的流动性、AI的供给侧瓶颈以及下一轮大型机会的来源分别作了阐述。

（一）流动性与退出

Verdiyan表示，LP常提的反对意见是变现周期：一是独角兽平均私有10年以上；二是IPO不等于分配，上市时持股10%至15%的机构可能需要12至24个月以上才能退出。他的回应是，三四年前没人愿意卖出Stripe或Databricks，Anthropic于2021年完成首轮融资、5年后即将上市，头部机构拿到回本整只基金的流动性“可能比私募股权更快”，但这类机构极少。主持人补充，a16z一号基金存续16年时曾就Stripe仓位征询LP意见，所有LP都选择继续持有；今年私募股权的头部退出是EA私有化与Medline，规模各约500亿美元，Cursor出售给SpaceX的规模“远大于”二者（不含IPO）。

（二）供给侧瓶颈

Verdiyan认为AI当前的瓶颈在供给侧：一是数据中心密度已提高10倍以上，旧数据中心无法直接改造；二是美国的问题出在“接电速度”，即审批、输电与监管；三是在能源、电网、数据中心、芯片、前沿模型与应用这一链条上，美国在芯片及其右侧很强，左侧能产生1000亿美元以上的机会。对于把当下类比互联网泡沫的LP，他的回应是业务增长（traction）真实、收入可持续。

（三）下一轮机会

谈及下一个100万亿美元市值的来源，George表示可能还隔两个技术周期，10万亿美元以上的结局多在尚未触及的领域：一是企业端扩散“几乎为零”，10亿聊天用户只是“擦到表面”，消费AI的终局是主动替用户做事的原生形态；二是机器人规模将超过语言模型，且会在未来10年内发生；三是医疗占GDP的18%，诊疗交付与药物发现尚未被触及。

总的看，George与Verdiyan认为，资本经由算力放大头部优势，使品类内的幂律分布更加极端，LP端的回报同样集中于少数能够持续拿到龙头公司的机构；与此同时，AI收入增长与以劳动任务价值测算的市场空间支撑了二人对AI配置的积极判断，未适配AI的软件资产则在股权与信贷两端面临重估，AI发展的约束在很大程度上来自能源、电网等供给侧环节。