a16z合伙人David George揭示，最快增长的AI公司ARR per FTE高达50-100万美元，却花费更少的销售营销成本——这不是渐进改进，而是数量级跃升。本文深度拆解AI原生公司如何用10-20倍效率重构组织，以及'用电还是用血'的极端思维如何定义下一个十年的软件行业格局。

你有没有想过，软件行业可能正在经历一场比从命令行到图形界面更剧烈的变革?最近听了一场 a16z 的 David George 分享的关于 AI 市场的深度分析，我被一组数据震撼到了：最快增长的 AI 公司正在以 693% 的年增长率扩张，而他们在销售和营销上的支出却远低于传统软件公司。这不是个别案例，整个 AI 公司群体的增长速度是非 AI 公司的 2.5 倍以上。更让我觉得不可思议的是，这些公司的 ARR per FTE（每名员工的年度经常性收入）达到了 50 万到 100 万美元，而上一代软件公司的标准是 40 万美元。

这意味着什么？

意味着我们正在见证一个全新的商业模式诞生，一个用更少的人、更少的成本、创造更大价值的时代。David George 在分享中提到，这不是什么小调整，而是一场彻底的范式转变。那些核心概念——版本控制、模板、文档，甚至用户的概念——都在因为 AI agent 驱动的工作流而被重新定义。我深信，未来五年内，那些无法适应这种变革的公司将会被彻底淘汰。

AI 公司增长的惊人真相

David George 在分享中展示的数据让我重新思考了什么叫真正的增长。2025 年对于 AI 公司来说是一个加速增长的年份。在经历了 2022、2023、2024 年因为利率上升和科技行业收缩导致的增长放缓后，2025 年彻底逆转了这个趋势。最让人震惊的是，按照不同梯队排名的公司中，那些真正的异常值公司，增长速度简直令人难以置信。

我看到这组数据时的第一反应是：这数字有问题吧？表现最好的 AI 公司群体同比增长 693%。David 说他们团队也是反复确认了三遍才相信这个数字。

但这完全符合他们从投资组合公司那里看到的实际情况和案例。这不是孤立的现象，而是整个 AI 领域正在发生的系统性变化。

更关键的是增长的质量。传统软件公司要达到 1 亿美元的年收入通常需要很长时间，而最快增长的 AI 公司到达这个里程碑的速度要快得多。David 特别强调了一个非常重要的点：这不是因为他们在销售和营销上花了更多钱，恰恰相反，最快增长的 AI 公司在销售和营销上的支出实际上比传统 SaaS（软件即服务）公司更少。他们增长得更快，却花得更少。这背后的原因是什么？是因为终端客户的需求极其强烈，产品本身极具吸引力。

我觉得这揭示了一个深刻的商业逻辑转变。过去的软件时代，增长往往依赖于强大的销售团队和巨额的营销预算。你需要教育市场、说服客户、克服采用障碍。但在 AI 时代，真正优秀的产品能够自己说话。当一个产品能够立即为用户创造价值，能够让用户在第一次使用时就感受到效率的提升，市场需求就会自动产生。这种由产品驱动的增长模式，比传统的销售驱动模式要健康得多，也可持续得多。

David 展示的另一组数据也很有意思。AI 公司的毛利率实际上比传统软件公司略低一些。他们团队的看法很独特：对于 AI 公司来说，低毛利率某种程度上是一种荣誉勋章。因为如果低毛利率是由高推理成本（inference costs）导致的，那说明两件事：第一，人们真的在使用 AI 功能；第二，随着时间推移，这些推理成本会下降。所以在某种程度上，如果他们看到一个 AI 公司的毛利率特别高，反而会有点怀疑，因为这可能意味着 AI 功能并不是客户真正购买或使用的东西。

为什么 AI 公司能做到更高效

我一直在思考一个问题：为什么同样是软件公司，AI 公司能够用更少的人创造更多的收入？David 在分享中重点讨论了 ARR per FTE 这个指标，也就是每名全职员工创造的年度经常性收入。这个指标实际上是衡量公司整体运营效率的一个综合指标，它不仅包括销售和营销效率，还包括管理成本和研发成本。

最优秀的 AI 公司的 ARR per FTE 达到了 50 万到 100 万美元，而上一代软件公司的标准大约是 40 万美元。这看起来可能只是一个数字上的差异，但背后反映的是完全不同的商业模式和运营方式。David 认为，造成这种差异的主要原因是市场对这些产品的需求非常强烈，所以他们需要更少的资源就能将产品推向市场。

但我觉得这只是表面原因。更深层的原因是，AI 公司从一开始就被迫以不同的方式思考如何运营。他们没有选择，必须用 AI 来重新设计他们的内部流程、产品开发方式、客户支持系统。这种被迫的创新反而让他们找到了一种更高效的商业模式。

David 分享了一个特别生动的例子。他说最近在和一家公司的创始人聊天，这个创始人对他们某个产品的进度感到不满意，于是他直接安排了两个在 AI 方面很深入的工程师，让他们用 Claude Code、Cursor 这些最新的编程工具从头开始重建这个产品，并且给了他们无限的编程工具预算。结果呢？这位创始人说，他认为进度比之前快了 10 到 20 倍。而且这些工具产生的账单高到让他开始重新思考整个组织应该是什么样子。

这个例子让我印象深刻的地方在于，这不是渐进式改进，而是数量级的跃升。10 到 20 倍的速度提升意味着什么？意味着原本需要一年完成的项目，现在可能只需要一两个月。这种速度差异会在竞争中产生决定性的影响。这位创始人的结论是：我需要让整个产品和工程团队都以这种方式工作，而且我认为这会在未来 12 个月内发生。但这也意味着团队的组织结构会发生根本性变化。产品、工程、设计的边界在哪里？这些问题都需要重新定义。

我认为 2024 年 12 月是编程领域的一个转折点。David 也有同样的感受。他说感觉在那个时间点上，编程工具发生了质的飞跃。接下来的 12 个月，这种变化要么会在公司中真正落地生根，要么那些没有采用的公司就会比同行慢得多。这不是危言耸听，而是现实。

适应 AI 还是被淘汰

David 在分享中提到了一个非常严峻的观点：对于那些在 AI 时代之前创立的公司来说，要么适应 AI 时代，要么死亡。这个说法听起来很极端，但我完全同意。而且这种适应需要在两个层面同时进行：前端和后端。

在前端，公司需要思考如何将 AI 原生地整合到产品中，而不仅仅是在现有工作流程中加一个聊天机器人。这需要重新想象在有了 AI 之后产品能做什么，并且要激进地颠覆自己、做出改变。David 分享了几个很有意思的例子。有一家 pre-AI 时代的软件公司，CEO 已经完全被 AI 理念所转化，他说：我们要成为一个 AI 产品。我们要让产品能够说，你的员工现在变成了你的 AI agent。你有多少个 agent？这些是他现在谈论的话题。

还有一个更极端的例子。有个 CEO 说，对于我们现在需要完成的每一项任务，我都会问一个问题：我能用电来做这件事，还是必须用血来做？这是一种极端的思维转变。用电指的是用 AI 和自动化，用血指的是用人力。这种思维方式的转变非常深刻，它迫使你重新审视公司的每一个流程、每一项任务。

在后端，公司需要完全采用最新的编程模型和工具。所有开发人员都应该使用最新的编程辅助工具，每个职能部门都应该使用最新的工具。到目前为止，编程领域的采用率最高，这也是看到最大飞跃的地方。但这种变化正在扩散到其他职能部门。

David 提到，对于那些 pre-AI 公司来说，好消息是商业模式的演变还处于早期阶段。最具破坏性的情况是技术和产品发生转变，同时商业模式也发生转变。现在技术和产品确实在发生剧变，但商业模式的转变还没有完全展开。

他把商业模式看作一个光谱。最左边是许可证模式（licenses），这是 pre-SaaS 时代的许可证和维护模式。然后是 SaaS 和订阅模式，通常基于席位收费，这是一个重大创新，非常具有破坏性。你可以看看 Adobe 在经历这个转变时发生了什么。然后是基于消费的模式（consumption-based），也就是基于使用量的模式，这是云服务的收费方式，很多基于任务量的业务已经从基于席位转向了基于消费。

下一个阶段将是基于结果的模式（outcome-based）。当你完成一项任务，理想情况下是成功完成一项任务时，你会根据任务的成功完成来收费。目前唯一真正可以实现这种模式的领域可能是客户支持和客户成功，因为你可以客观地衡量问题的解决。但随着模型能力的提升，如果除了客户支持之外的其他职能也能衡量这类结果，那将是对现有公司的巨大破坏力。

我觉得这个演变路径非常有洞察力。从许可证到订阅，从订阅到消费，从消费到结果，每一次转变都是对前一代商业模式的颠覆。而我们现在正处在从消费到结果的转变前夜。一旦 AI agent 能够可靠地完成任务并可以被客观评估，基于结果的定价模式就会成为主流。到那时，那些还在按席位收费的公司将会发现自己完全失去了竞争力。

大公司的 AI 采用困境

关于 Fortune 500 公司采用 AI 的情况，David 的观察非常有意思。他说，他从这些大公司 CEO 那里听到的和实际发生的事情之间存在巨大差距。CEO 们都在说：我们必须适应，我们迫切想了解需要哪些 AI 工具，我们已经准备好改变，我们的业务将全面推出这些工具，我们要成为 AI 公司。

但实际发生的情况却完全不同。这种思维方式和实际业务变化之间最大的脱节在于：变革管理太难了。即使只是让人们使用 AI 助手来帮助他们更好地完成工作，都已经够难了。至于实际的业务管理、改变业务流程、变革管理，这些都极其困难。

David 说他并不惊讶市场上有些传言说事情进展得比预期慢。但对于那些真正全面拥抱 AI 并且知道该做什么的最优秀公司来说，已经产生了巨大的商业影响。他举了几个具体的例子：Chime 说他们减少了 60% 的支持成本；Rocket Mortgage 说他们在承保方面节省了 110 万小时，同比增长 6 倍，相当于每年节省 4000 万美元的运营成本。

我认为这揭示了一个关键问题：意愿和能力之间的鸿沟。大公司的 CEO 们都有意愿去拥抱 AI，但是否有能力去实施是另一回事。变革管理的难度常常被低估。这不仅仅是买一些工具或者雇一些 AI 工程师的问题，而是需要从根本上改变公司的流程、文化、组织结构。

而且很多大公司需要先调整自己的业务，让它为 AI 做好准备。使用聊天机器人是一回事，能获得多少生产力提升可能不多。但如果你必须完全改造你的系统、信息和后端以适应 AI，很多工作可能是潜在的，正在积累中，还没有看到相关的结果。

David 预测，接下来的 12 个月将会非常有意思。他认为我们会看到更多的案例，但会有公司能搞定，也会有公司搞不定。那些能搞定的公司将会获得巨大的生产力优势，而那些搞不定的公司将会处于巨大的劣势。我认为这种分化会比人们想象的来得更快、更剧烈。

Model Busters 和市场的未来

David 在分享中提到了一个我觉得特别有洞察力的概念：Model Busters。这是指那些增长速度和持续时间远远超出任何人在任何情境下所能预测的公司。iPhone 是这个概念的经典案例。如果你看 iPhone 发布前的共识预测，和 4-5 年后的实际表现，共识预测偏离了 3 倍。而这是全世界最受关注的公司。

David 认为，AI 将会是他职业生涯中见过的最大的 Model Buster。许多 AI 领域的公司表现将会大幅超出任何电子表格中的预期。这个观点我非常认同。当一个技术平台带来的不是渐进式改进，而是数量级的跃升时，传统的预测模型就会失效。

他提到，科技本身就是一种 Model Buster。但自 2010 年以来，科技以前所未有的速度和规模提供了高利润率的收入。所以它早期看起来总是很贵，但反复出现超预期的表现，创造的价值远远超过所需的资本。他没有理由认为这次会有什么不同。

在资本支出方面，David 展示的数据也很有意思。相比于互联网泡沫时期，现在的资本支出实际上是由现金流支撑的，而且资本支出占收入的百分比要低得多。承担最大资本支出负担的是超大规模云服务提供商（hyperscalers），而这些公司是有史以来最优秀的商业公司。

David 特别提到，作为投资组合公司，他们非常欢迎这种资本支出。他说：尽可能多地建设容量，为训练和推理提供尽可能多的供应，这是非常好的事情。而且承担大部分负担的是那些史上最优秀的商业公司。

他们开始关注的一个现象是债务进入了这个等式。你无法仅用现金流为所有预测的未来资本支出提供资金，市场开始看到一些债务。但总体来说，他们对那些用现金流融资、继续产生现金流并使用债务的公司感到很放心，只要对手方是 Meta、Microsoft、AWS、Nvidia 这样的公司。

David 提到了一个值得关注的案例：Oracle。Oracle 一直都很盈利，一直在回购股票，但他们承诺的资本支出规模非常大，这是一个豪赌。他们将在未来很多年出现负现金流。市场已经开始注意到这一点，Oracle 的信用违约互换（CDS）成本在过去三个月上涨到了大约 2%。这是需要关注的信号。

我认为这种资本密集型的建设阶段是必要的，但并非没有风险。关键是要确保这些投资最终能产生相应的回报。目前来看，需求是远远超过供应的。所有超大规模云服务提供商都报告说需求远超供应。David 采访的 Gavin Baker 有一个很好的比喻：互联网时代铺设了大量光纤，然后这些光纤闲置着，没有被使用，这叫做暗光纤（dark fiber）。但在 AI 时代，没有所谓的暗 GPU。如果你在数据中心安装了 GPU，它会立即被充分利用。

收入增长的惊人速度

David 展示的一组数据特别震撼。他比较了云服务、上市软件公司，以及 2025 年新增的净收入。上市软件公司在 2025 年总共新增了 460 亿美元的收入。如果你只看 OpenAI 和 Anthropic 这两家公司，按照运营收入计算，它们新增的收入几乎是这个数字的一半。

而且 David 认为，如果做同样的比较看 2026 年，整个上市软件行业（包括 SAP 和老牌软件公司，不仅仅是 SaaS），AI 公司（模型公司）新增的收入可能会达到 75% 到 80%。这个速度简直令人难以置信。这意味着在短短几年内，AI 公司创造的新价值就会超过整个传统软件行业。

Goldman Sachs 估计，AI 建设将会产生 9 万亿美元的收入。如果假设 20% 的利润率和 22 倍的市盈率，这将转化为 35 万亿美元的新市值。现在已经有大约 24 万亿美元的市值被提前计入了。虽然我们可以争论这是否全部归因于 AI 或者大型科技公司的表现，但仍然有很多市值可以争取，如果这些假设是正确的话，还有很大的上涨空间。

David 还做了一个简单的算术。按照目前的估计，到 2030 年，超大规模云服务提供商的累计资本支出将略低于 5 万亿美元。要在这 4.8 万亿美元或接近 5 万亿美元的投资上实现 10% 的门槛回报率，到 2030 年，AI 年收入需要达到大约 1 万亿美元。把这个数字放在上下文中，1 万亿美元大约是全球 GDP 的 1%，才能产生 10% 的回报。

这有可能实现吗？也有可能会略有不足。但 David 认为仅仅看 2030 年是有局限性的。这些投资的回报可能会在更长的时间段内实现，比如 2030 年到 2040 年之间。而且如果我们现在大约在 500 亿美元的 AI 收入规模（这是他的粗略估计），而这主要是在过去一年半左右产生的，那么从 500 亿增长到 1 万亿的路径并不是不可想象的。

我对未来的思考

听完 David 的分享，我最大的感受是：我们正处在一个历史性转折点的开端，而不是中期或者末期。这是一个可能持续 10 到 15 年的产品周期，而我们才刚刚开始。这让我既兴奋又焦虑。

兴奋的是，这种转变带来的机会是巨大的。对于那些能够快速适应、全面拥抱 AI 的公司来说，他们不仅能获得竞争优势，更有可能成为定义下一个时代的公司。我们将会看到新的独角兽诞生，看到新的商业模式出现，看到完全不同的公司组织方式。

焦虑的是，这种变化的速度可能比大多数人预期的要快得多。David 提到的那个数据特别能说明问题：S&P 500 公司平均在指数中停留的时间在过去 50 年里下降了 40%。这意味着公司被颠覆的速度在加快。在 AI 时代，这个速度可能会进一步加快。

我认为接下来会出现明显的分化。一些公司会真正理解 AI 的潜力，从根本上重新思考他们的产品、流程、组织结构。这些公司会获得数量级的效率提升和竞争优势。而另一些公司，即使有意愿去改变，也会因为变革管理的困难、组织惯性、技术债务等原因而进展缓慢。这种分化会在未来几年内变得越来越明显。

对于创业者来说，现在可能是最好的时代。市场需求极其强劲，技术能力日新月异，资本市场仍然愿意支持真正有潜力的公司。而且与上一代软件公司相比，现在可以用更少的资源、更快的速度达到同样的规模。这降低了创业的门槛，但也提高了对产品质量和市场契合度的要求。

对于投资者来说，关键是要识别出那些真正的 Model Busters。这些公司的增长速度和持续时间会远超任何传统模型的预测。但这也需要投资者有足够的远见和耐心，愿意相信那些看起来不合理的增长曲线。

对于从业者来说，无论你是工程师、产品经理、设计师还是其他角色，都需要快速学习和适应新的工具和工作方式。David 提到的那个例子——两个工程师用最新的编程工具能比之前快 10 到 20 倍——这不是个例，而是一个趋势。那些能够掌握这些新工具、新方法的人将会获得巨大的职业优势。

最后，我想说的是，这种转变不仅仅是技术层面的，更是思维方式的转变。从”我们应该如何做”到”我们想要实现什么结果”，从”增加更多的人手”到”如何用 AI 解决这个问题”，从”按照既定流程”到”重新想象可能性”。那句”用电还是用血”的问题，虽然听起来极端，但它抓住了这种转变的本质。

我们正在见证软件世界被重写的过程。这不是一次渐进式的升级，而是一次彻底的重构。而那些能够理解这一点、拥抱这一点的人和公司，将会定义下一个时代。