专访a16z分析师：”AI三国杀”格局下，创业企业的生存机会在哪里？

【编者按】2025年的硅谷风投圈，a16z（AndreessenHorowitz）是最活跃的AI投资者之一。从OpenAI、Mistral到Character.AI，其投资组合覆盖了基础模型、应用层和基础设施的完整光谱。但当行业进入”AI三国杀”格局，OpenAI、Google、Meta三大巨头割据，Anthropic、xAI等”挑战者”紧追，中国厂商加速出海，创业企业的生存空间是否正在被挤压？

近日，我们专访了a16z负责AI领域的投资分析师，就当前AI产业格局、创业机会分布及2026年投资趋势进行了深入交流。以下为专访实录，经编辑整理。

一、”AI三国杀”：我们看到的不是垄断，而是”分层固化”

Q：您提到”AI三国杀”格局，能否先界定一下当前的市场结构？

a16z分析师：我们内部其实用”3+2+X”模型来描述。第一层是”基础模型三巨头”，OpenAI、Google、Meta。OpenAI占据高端企业市场，Google依托搜索和云生态防守，Meta用开源策略（Llama）换取影响力。第二层是”挑战者双雄”，Anthropic和xAI，前者靠安全差异化切入企业市场，后者靠算力整合和马斯克IP争夺消费者心智。第三层是”X”，包括中国厂商（DeepSeek、阿里、字节）、垂直领域玩家（如法律AI的Harvey、医疗AI的Abridge）以及大量应用层创业公司。

关键判断是：基础模型层正在”固化”，但应用层正在”爆发”。这不是矛盾，而是技术周期的必然，当基础设施趋于稳定，上层建筑的创新才会加速。

Q：这种”固化”对创业公司意味着机会减少还是风险增加？

a16z分析师：两者兼有，但取决于你选择的战场。如果你现在还想做通用基础模型，与OpenAI正面竞争，那确实是地狱难度。2024年还有投资人愿意赌”下一个OpenAI”，2025年这种叙事已经破产。我们看到的是资本正在从”模型层”向”应用层”和”基础设施层”迁移。

但”固化”不等于”终结”。三巨头之间也有缝隙，OpenAI的封闭生态与Meta的开源策略存在张力，Google的官僚体系与创业公司的敏捷性形成对比。这些缝隙就是机会。

二、创业公司的”非对称优势”：速度、场景与数据

Q：具体而言，创业公司在哪些维度仍具备对巨头的非对称优势？

a16z分析师：三个核心维度。

第一，垂直场景的深度渗透。大模型是”通才”，但产业需要”专家”。以法律科技为例，Harvey不是在做”法律版ChatGPT”，而是重构从合同审查到诉讼预测的全工作流程。他们雇佣了前顶尖律所合伙人训练模型，构建了数百万份标注法律文档的数据集。这种”领域知识+数据飞轮”的壁垒，巨头很难快速复制，因为需要放弃通用性、聚焦小众市场，这与巨头的基因冲突。

第二，人机协作的界面创新。当前AI应用的最大痛点不是”能力不够”，而是”不会用”。创业公司正在重新定义交互范式，比如Cursor（代码编辑器）将AI能力无缝嵌入开发者工作流，NotionAI重构文档协作体验。这些创新不需要训练新模型，只需要对特定场景的用户行为有极致理解。巨头有技术，但创业公司更懂”人”。

第三，数据闭环的私有化。我们越来越看重”数据不可复制性”（DataIrreproducibility）。在医疗、金融、制造等领域，创业公司通过与头部客户深度合作，构建了专有数据集和反馈回路。比如Abridge与数十家医疗系统合作，获得了数百万小时的医患对话录音，用于优化临床文档生成模型。这种数据壁垒比算法专利更坚固。

Q：但巨头也在通过投资或收购进入这些领域，比如Microsoft与OpenAI的合作就覆盖了企业应用的方方面面。

a16z分析师：这正是关键区别。巨头的策略是”平台化覆盖”，提供通用工具，让生态伙伴填充垂直场景。但产业客户最终需要的是”端到端解决方案”，而非API接口。创业公司的机会在于成为”最后一公里的整合者”，将模型能力、行业知识、工作流程和数据资产打包成可交付的业务成果。

我们投资的很多B2BAI公司，核心能力不是技术，而是”changemanagement”（变革管理），帮助传统企业将AI嵌入组织流程，处理阻力，设计人机协作规范。这种服务能力是巨头不愿做、也做不好的。

三、2025-2026年的投资主题：从”模型崇拜”到”系统思维”

Q：a16z近期的投资重心有哪些变化？

a16z分析师：三个明显的转向。

第一，从”单点模型”到”Agent系统”。2024年我们还在投”更好的模型”，2025年重点转向”模型如何协作”。我们看好能够自主规划、调用工具、跨系统执行任务的AIAgent架构。这不是简单的”AutoGPT升级版”，而是需要解决可靠性、可解释性和权限管理等硬问题。我们最近领投的severalstartups都在探索”多Agent协作”在企业场景的应用，比如自动化供应链管理、智能客服升级。

第二，从”软件替代”到”物理世界”。AI与机器人、自动驾驶、工业控制的结合正在加速。我们投资了FigureAI（人形机器人）、Cruise（自动驾驶）以及several工业AI公司。关键判断是：大模型的”常识推理”能力，正在突破传统机器人”硬编码”的瓶颈。2026年可能是”具身智能”的拐点。

第三，从”美国中心”到”全球布局”。中国AI的崛起不可忽视。DeepSeek的模型效率、阿里的开源策略、字节的消费者产品能力，都在重塑全球竞争格局。我们近期也在关注中国AI公司的出海机会，以及美国公司如何应对这种竞争。这不是地缘政治表态，而是纯粹的投资机会识别。

Q：具体如何看待中国AI厂商对全球市场的冲击？

a16z分析师：冲击是真实的，但维度不同。

在基础模型层，DeepSeek证明了”高效训练”的可能性，用更少算力达到相近性能。这对依赖巨额资本投入的美国模式构成挑战，但也验证了”算法创新可以部分替代算力堆砌”的假设。
在应用层，中国公司的优势在于”极致效率”和”场景创新”。比如剪映（CapCut）的AI视频编辑功能，TikTok的算法推荐机制，都是将AI能力与消费者行为深度绑定的案例。美国公司需要学习这种”产品-技术”一体化的能力。

但挑战也很明显：地缘政治导致的芯片获取限制、全球市场信任构建、以及知识产权争议。我们投资的美国公司，现在普遍将”应对中国竞争”纳入战略规划，不是简单的防御，而是学习其效率优势，同时强化合规和信任资产。

四、给创业者的建议：避开”死亡谷”，寻找”甜蜜点”

Q：对于正在寻求融资的AI创业者，您有什么具体建议？

a16z分析师：避开三个”死亡谷”，寻找两个”甜蜜点”。

死亡谷一：通用模型层。除非你有独特的技术突破（如新的架构范式）或极端的成本优势，否则不要与OpenAI、Google正面竞争。这个领域的资本效率太低。

死亡谷二：简单的”套壳应用”（Wrapper）。只做OpenAI的界面层，没有数据壁垒或工作流深度整合，巨头随时可能推出官方版本将你碾碎。2024年有很多这样的项目死亡。

死亡谷三：伪需求场景。AI不是万能药。很多”AI+XX”的创业项目，解决的是想象出来的问题，而非真实痛点。我们内部强调”PainkillervsVitamin”（止痛药vs维生素）测试，你的产品是否让客户”痛到必须买”？

甜蜜点一：垂直领域的”全栈AI”。如前所述，深耕特定行业，构建数据壁垒，提供端到端解决方案。我们称之为”VerticalAI”，不是用AI改造行业，而是在行业内重建AI原生工作流。

甜蜜点二：AI基础设施的”新层”。模型训练需要新工具（如我们投资的Weights&Biases），模型部署需要新优化（如边缘推理芯片），模型安全需要新治理（如AI红队测试服务）。这些”卖铲子”的机会，比”淘金”更稳定。

Q：如何评估一个AI创业团队的成色？

a16z分析师：四个关键信号。

技术能力的”深度”而非”广度”。不要罗列用过的所有模型，而要展示对特定技术问题的极致优化，比如如何将推理延迟降低50%，如何在有限显存下运行更大模型。

产品直觉的”证据”。不是”我们认为用户需要”，而是”我们已经让100个用户付费使用并给出好评”。在AI领域，技术演示太容易，商业验证太难。

数据策略的”可持续性”。你的数据飞轮如何转动？每新增一个客户，是否能让产品对所有客户更好？这是网络效应在AI时代的变体。

对”AI局限性”的清醒认知。最危险的创业者是那些认为”AI无所不能”的人。我们欣赏那些能清晰说出”我的产品不做什么”的团队，这种边界感意味着真正的理解。

五、关于泡沫与理性：我们正处于”技术采纳曲线”的哪个位置？

Q：市场上有声音认为AI存在泡沫，您如何看待？

a16z分析师：泡沫存在于特定领域，而非整体。2024年”基础模型初创公司”的估值确实过高，很多公司仅凭技术演示就获得数亿美元估值，现在正面临清算。但AI应用层的投资实际上不足，大量传统行业的AI转型需求未被满足。

从历史视角看，我们正处于”技术采纳曲线”的早期多数阶段（EarlyMajority）。ChatGPT让AI进入公众意识，但真正的企业级应用渗透率还不到10%。这意味着未来3-5年仍有巨大的增长空间，但竞争将更激烈，对执行力的要求更高。

Q：a16z自身的投资策略有何调整？

a16z分析师：更”重”，更”长”，更”主动”。

更”重”，我们不再满足于小额种子投资，而是倾向于在A轮、B轮投入更大资金，帮助创业公司建立真正的竞争壁垒。AI创业的资金门槛在提高。

更”长”，我们接受更长的回报周期。基础模型的商业化可能需要5-7年，应用层的爆发也需要时间培育。LP（有限合伙人）的耐心是关键。

更”主动”，我们不仅投钱，还投入大量资源帮助被投公司。我们的”运营团队”（OperatingTeam）帮助招聘、对接客户、设计GTM策略。在AI这样快速变化的领域，这种”增值服务”可能比资金本身更重要。

六、在巨头的阴影下，寻找自己的光

访谈接近尾声时，a16z分析师分享了一个观察：”2023年，创业者担心被OpenAI杀死；2024年，他们担心被开源模型（如Llama）颠覆；2025年，最大的焦虑变成了’如何在AI巨头和云厂商的夹缝中找到可持续的商业模式’。”

这种焦虑是真实的，但不应被夸大。历史证明，每一次技术平台的固化，都会催生新一轮的应用创新。PC时代有微软和Intel的Wintel联盟，但仍有Salesforce、Google、Facebook崛起；移动互联网时代有iOS和Android，但仍有Uber、Airbnb、字节跳动诞生。

AI的”三国杀”格局，本质上是基础设施层的收敛。而在其上，应用层的”战国时代”才刚刚开始。对于创业者而言，关键不是抱怨巨头的阴影，而是找到自己的光，那个只有你能照亮的垂直场景，那群只有你能服务的特定用户，那个只有你能构建的数据飞轮。

正如a16z联合创始人马克·安德森（MarcAndreessen）常说的：”软件正在吞噬世界，但AI正在重新定义软件。”在这场重新定义中，机会属于那些既懂技术、又懂人性，既有野心、又有耐心的创业者。