8月27日，知名风投a16z（Andreessen Horowitz）合伙人Anish Acharya在一场内部深度对谈中，就当前AI市场的宏观环境、模型演进、商业护城河以及应用层的未来爆发点进行了全面探讨。面对市场近期关于“AI泡沫”的讨论，Anish给出了坚定的乐观判断，认为当前市场本质上是“无限的需求和极度受限的供给”。

他援引一个反常的市场信号作为佐证：诸如B200这类非最前沿GPU的按小时计费价格正在上涨。在正常的科技周期中，硬件算力本应具有高度通缩性，这种逆势上涨直接证明了AI算力供给的严重受限与需求端的极度旺盛。Anish认为，与其探讨这是否是一个泡沫，不如反思市场是否“不够乐观”。

对于企业级软件，Anish保持了冷静的商业视角。他指出，当前企业软件支出仅占总支出的8%到12%，比例并不高。对于企业而言，用AI完全替代薪酬系统或CRM系统，“上涨空间不是特别大，但搞砸的下行风险基本上是无限的。”因此，对于要求极高精度的核心系统，纯AI代码代理短期内难以完全颠覆。

在护城河问题上，Anish否认了AI时代传统护城河被彻底颠覆的说法。他认为，绝大多数传统护城河——如网络效应、规模效应、品牌效应，在充裕且低成本的智能时代依然坚固。他举例称，再多的编码代理也无法让耐克变得不再是耐克；Instagram的力量从来不在于构建App的复杂性，而在于其背后的网络。真正受到致命威胁的是“集成护城河”，他以SAP为例，指出其以难以整合进出而闻名，而编码代理让迁移和整合变得极其简单。

在企业选择大模型的问题上，Anish提出了一个按业务“价值上限”区分的ROI算账模型。对于销售、产品等“收益无上限”的岗位，企业应毫不犹豫地使用最顶级的闭源模型，因为无法预估新产品功能或大客户带来的收益，支付任何价格在经济上都是合理的。对于财务、HR等“收益有上限”的后台岗位，最佳状态是“准确”，因此使用经过强化学习微调的开源模型，追求成本效率曲线的最优解才是理性的经济行为。

Anish坚决反对“模型商品化”的论调，指出模型已经出现领域专长甚至“性格特征”的分化。例如，OpenAI的新模型擅长知识工作，Claude偏向软件工程；有些模型表现得高度神经质且刻板（适合会计），有些则更加开放和具有创造力（适合设计）。

关于大模型厂商是否会向上吞噬应用层，Anish观察到相反的趋势：大模型实验室正在垂直整合，但方向是向下整合到推理和计算领域。推理工作负载高度同质化，容易建立规模壁垒；而应用层涉及复杂的定价、包装和满足客户异质性需求，是沉重的运营开支业务。他认为，这正是应用层创业公司的巨大机会，可以将单一的AI能力通过产品和商业模式的封装，转化为垂直行业的解决方案。

在C端应用方面，Anish认为沉寂近三年后迎来了真正的突破口。过去阻碍C端爆发的核心痛点在于高昂的边际成本和获客成本，他透露自己尝试开发X应用时，获得一个新用户的成本高达250美元。但现在，低成本、高性能的开源大模型改变了现状，加上极高的用户支付意愿，C端市场正经历类似“2009年iPhone发布时的圣诞节”。消费者现在愿意每月支付200美元，他提出了“软件界的爱马仕铂金包”概念，建议创业者思考每月200美元甚至2000美元的SKU形态。

在这种新范式下，创始人画像也在改变，创业团队中“MBA越来越少，研究员越来越多”，年轻纯技术背景创始人技术敏锐度极高且没有思想包袱。在资本端，这也解释了为何会出现上亿美元的超大种子轮——有了AI工具的杠杆，少数顶尖人才配合充足资本，足以覆盖过去需要庞大团队才能完成的产品矩阵。