本文改编自a16z Show播客的一期对话节目，由a16z合伙人Jen Kha与David George主持，对谈嘉宾是Accolade Partners的合伙人Aram Verdiyan。三人讨论的核心问题是：AI是否正在重塑风险投资和成长期投资的"权力法则"（power law，指少数赢家占据绝大多数收益的分布规律），以及机构投资者应该如何重新构建自己的投资组合。节目发布于2026年9月。
David George现任a16z成长基金的负责人，是硅谷成长期投资圈的重量级人物；Aram Verdiyan则十年前还是a16z的一名员工，如今掌舵专注于配置头部基金的Accolade Partners，是a16z等顶级机构的重要出资人（LP，Limited Partner）。这样一组"曾经的同事，如今的出资人与管理人"的对话，天然带着一种行业内部人士的坦率——他们讨论的不是抽象的宏观趋势，而是真金白银的资产配置决策。
对话发生的背景是，OpenAI、Anthropic、SpaceX这几家前沿实验室或技术公司的估值已经膨胀到万亿美元级别，而传统风投基金的回报却呈现出前所未有的分化。这场谈话试图回答一个尖锐的问题：当极少数公司吃掉几乎全部收益时，投资这件事的游戏规则是不是已经彻底变了。
1. 三千家机构，只有二十家跑赢了二十年
Aram提到，Accolade Partners研究了美国3000家风险投资机构过去二十年的数据，结果是只有20家实现了持续的净回报3倍以上。这个数字开场就点出了行业的残酷分化。
David George接着说，眼下的权力法则比过去十到二十年的科技投资都更加极端，大概要追溯到网络效应驱动的消费互联网公司崛起的年代才有过类似的集中度。他提到SpaceX、OpenAI、Anthropic这三家前沿公司，潜在企业价值合计在3.5万亿到5万亿美元之间。更让人意外的是，在SpaceX真正走向公开市场之前，很多LP乃至更广泛的机构配置者对它几乎没有任何敞口——最优质的资产已经被少数私募资本网络提前锁定，传统的公开市场投资者被排除在外。
2. "你能把钱砸进算力，让它自己变强"
David George给出了这场对话里最反常识的一个判断。他说，过去要毁掉一家创业公司，最简单的办法就是给它太多钱：大规模招人，一千号员工涌进来，协调成本、管理层级、优先级冲突全部随之出现，公司反而被自身的规模拖垮。
但这一次情况完全不同。现在的钱可以直接买算力，而算力能直接转化为更好的产品体验。换句话说，资本本身第一次可以直接强化一家AI公司的优势——把美元砸进去，买更多计算资源，跑更大的模型，产品就更强。这种"资本直接复利"的现象在过去的创业史上从未发生过。他认为，这正是当前AI市场规模经济格外真实、并且会持续下去的原因。
3. 四年走完SaaS十五年的路
Aram用一个数字破题：AI用四年时间做到了SaaS花十五年才达到的1000亿美元营收规模，而且渗透率还远未触顶。他认为，这种增长背后是几乎无限的推理需求，AI正在同时冲击GDP的几乎每一个环节——交通、劳动力、服务、资本、协调。历史上从来没有一种技术范式能同时命中30万亿美元级别的GDP。
所以作为资产配置者，他的结论很直接：AI不应该是卫星仓位（satellite position，指投资组合中占比较小的边缘配置），而应该是核心甚至"超级核心"配置。
这个判断还有一层背景。Aram说自己入行私募和成长股投资已经十八年，那时这还是一个小作坊式的行业，如今完全不同——这个资产类别本身已经膨胀到5万亿到6万亿美元规模，而且公司留在私有市场的时间越来越长，这个趋势不会逆转。David呼应说，Aram早在2019年就预见到后期阶段的投资也会出现风险投资式的高回报特征，这一趋势如今正在应验：头部退出规模已经从十亿美元级别的门槛一路攀升到400亿美元，随着Anthropic、OpenAI这类公司逼近某个里程碑，头部退出规模可能冲向1000亿美元。他们提到，上一轮科技周期总共创造了25万亿美元的新增市值，其中不少流向了老牌巨头，但也有大量流向新创公司；而这一轮AI周期，两人的预期是会创造出比25万亿美元更大的数字。
4. 一个任务值多少钱，才是真正的天花板
大多数人习惯把AI市场的天花板类比软件市场，但两位嘉宾都认为这个类比本身就错了。
Aram举了医疗行业的例子：这个行业每年在医疗IT上的支出大约600亿到1000亿美元，但AI真正瞄准的其实是行业里实际"劳动"的价值——理赔、账单处理、行政管理，这部分市场规模是万亿美元级别。也就是说，AI的潜在市场可能比传统SaaS或医疗IT大十倍以上。真正决定AI公司天花板的问题变成了：这项任务本身值多少钱，再乘以AI公司能从中捕获的比例，才是真正的市场空间，而这个数字目前没人能准确估计。他坦言，自己一直在系统性低估这些结果能有多大。
David从另一个角度呼应了这个判断：如果单看美国经济里花在劳动力上的钱和花在软件上的钱，前者大概是后者的40倍。这不代表劳动力会消失，而是劳动力本身会被重新定义、任务会被重新想象。把AI简单类比成"软件的下一个演化阶段"，是一种严重的低估。
5. "我所有客户现在都觉得自己是律师了"
"我们的法务顾问经常说，我爱Harvey（一款法律AI产品），可我所有客户现在都觉得自己是律师了。"这是对话里最生动的一个细节。原本客户完全依赖律师的专业判断，现在却敢在专业问题上跟律师对垫辩论，讽刺的是，这位法务顾问的计费工时反而随着AI的普及不降反升。
这个细节印证了两位嘉宾的判断：AI创造的需求是扩张型（expansionary，指需求本身被放大而非被替代）的，不是简单的替代型需求。它让更多人参与进来，反而制造出更多的专业服务需求，而这类应用场景目前被严重低估。
他们还提到过去流行的一种理论：前沿模型公司会"吃掉"应用层，两者之间谁会赢得这场分层竞争。但实际情况是几乎每一层都在增长。David提到一位朋友在另一档播客里形容这种现象是"所有东西都会奏效"，他自己的表达方式略有不同，但结论类似：当LP问他"技术栈里哪一层会赢"时，他的回答通常是"我不知道，这个市场可能大到每一层都能成功"。当然一定会有大量公司失败，某些细分品类可能整体不成立，但把这想成"开源做得好就对实验室不利，反之亦然"的零和博弈，是过于狭隘的看法。
6. 赢家通吃与"捡剩饭"
但这不意味着竞争会变得温和。David试图解释一个容易被误读的说法："赢家通吃"（winner-take-all）。他说，如果看过去二十年所有领先科技公司的市值增长，会发现远不止一家公司获得了成功，市场整体并没有出现赢家通吃的局面。
真正的规律在于，在某一个具体品类内部，权力法则依然极端——赢家会拿走绝大多数市场份额和市值，第二名基本上只能"捡剩饭"（playing for scraps，意指只能捡拾市场留下的残余份额）。但另一方面，品类的总数量会大幅扩张。他举例说，二十年前CRM还只是一个不大的品类，Siebel Systems那类公司规模有限，但现在CRM已经成长为一个巨大的市场。他认为AI也会发生同样的事情，品类数量会像CRM一样成倍扩张。
7. 60%的亏损率，为什么反而是好事
对话最后落到了a16z自身的风险容忍度。David给出一个具体数字：a16z早期阶段基金的平均亏损率大约是60%——如果一个基金在某批投资里不亏钱，说明没有承担足够的风险。成长期投资的亏损率会低一些，大概在10%到20%之间。
这种容错空间换来的是，只要在每一个"可信品类"里投中了领先者，一旦品类真正跑出来，回报就是十倍甚至更高。他强调，这也是他们评判自身工作好坏的标准，不是每一笔投资都要赚钱，而是有没有押中每个赛道里最终的赢家。而timing（时机）本身就是这套逻辑里另一个不可忽视的变量——投早了或投晚了，同样一个正确的判断也会带来完全不同的结果。
回到开头的问题：当权力法则比以往任何时候都更极端，当资本本身可以直接强化一家公司的优势，当AI瞄准的不再是软件市场而是整个劳动力经济，风险投资和成长期投资的资产配置逻辑就不再是过去那套"分散押注、静待幸存者"的老办法。无论是把AI当作核心配置还是超级核心配置，两位嘉宾传递的信息其实是一致的：这一轮的分化只会比过去更剧烈，而普通投资者能否抓住这轮机会，很大程度上取决于能不能在正确的时间，押中正确品类里的那个赢家。
