8月27日，知名風投a16z（Andreessen Horowitz）合夥人Anish Acharya在一場內部深度對談中，就當前AI市場的宏觀環境、模型演進、商業護城河以及應用層的未來爆發點進行了全面探討。面對市場近期關於“AI泡沫”的討論，Anish給出了堅定的樂觀判斷，認為當前市場本質上是“無限的需求和極度受限的供給”。

他援引一個反常的市場訊號作為佐證：諸如B200這類非最前沿GPU的按小時計費價格正在上漲。在正常的科技週期中，硬體算力本應具有高度通縮性，這種逆勢上漲直接證明了AI算力供給的嚴重受限與需求端的極度旺盛。Anish認為，與其探討這是否是一個泡沫，不如反思市場是否“不夠樂觀”。

對於企業級軟體，Anish保持了冷靜的商業視角。他指出，當前企業軟體支出僅佔總支出的8%到12%，比例並不高。對於企業而言，用AI完全替代薪酬系統或CRM系統，“上漲空間不是特別大，但搞砸的下行風險基本上是無限的。”因此，對於要求極高精度的核心繫統，純AI程式碼代理短期內難以完全顛覆。

在護城河問題上，Anish否認了AI時代傳統護城河被徹底顛覆的說法。他認為，絕大多數傳統護城河——如網路效應、規模效應、品牌效應，在充裕且低成本的智慧時代依然堅固。他舉例稱，再多的編碼代理也無法讓耐克變得不再是耐克；Instagram的力量從來不在於構建App的複雜性，而在於其背後的網路。真正受到致命威脅的是“整合護城河”，他以SAP為例，指出其以難以整合進出而聞名，而編碼代理讓遷移和整合變得極其簡單。

在企業選擇大模型的問題上，Anish提出了一個按業務“價值上限”區分的ROI算賬模型。對於銷售、產品等“收益無上限”的崗位，企業應毫不猶豫地使用最頂級的閉源模型，因為無法預估新產品功能或大客戶帶來的收益，支付任何價格在經濟上都是合理的。對於財務、HR等“收益有上限”的後台崗位，最佳狀態是“準確”，因此使用經過強化學習微調的開源模型，追求成本效率曲線的最優解才是理性的經濟行為。

Anish堅決反對“模型商品化”的論調，指出模型已經出現領域專長甚至“性格特徵”的分化。例如，OpenAI的新模型擅長知識工作，Claude偏向軟體工程；有些模型表現得高度神經質且刻板（適合會計），有些則更加開放和具有創造力（適合設計）。

關於大模型廠商是否會向上吞噬應用層，Anish觀察到相反的趨勢：大模型實驗室正在垂直整合，但方向是向下整合到推理和計算領域。推理工作負載高度同質化，容易建立規模壁壘；而應用層涉及複雜的定價、包裝和滿足客戶異質性需求，是沉重的運營開支業務。他認為，這正是應用層創業公司的巨大機會，可以將單一的AI能力通過產品和商業模式的封裝，轉化為垂直行業的解決方案。

在C端應用方面，Anish認為沉寂近三年後迎來了真正的突破口。過去阻礙C端爆發的核心痛點在於高昂的邊際成本和獲客成本，他透露自己嘗試開發X應用時，獲得一個新使用者的成本高達250美元。但現在，低成本、高效能的開源大模型改變了現狀，加上極高的使用者支付意願，C端市場正經歷類似“2009年iPhone釋出時的聖誕節”。消費者現在願意每月支付200美元，他提出了“軟體界的愛馬仕鉑金包”概念，建議創業者思考每月200美元甚至2000美元的SKU形態。

在這種新範式下，創始人畫像也在改變，創業團隊中“MBA越來越少，研究員越來越多”，年輕純技術背景創始人技術敏銳度極高且沒有思想包袱。在資本端，這也解釋了為何會出現上億美元的超大種子輪——有了AI工具的槓桿，少數頂尖人才配合充足資本，足以覆蓋過去需要龐大團隊才能完成的產品矩陣。