作者：Block Analytics Ltd X Merkle 3s Capital

本文內容參考 a16z《State of Markets II》（2026 年 9 月，David George）。

美股過去一年的盈利增長裡，約四分之三來自科技公司。AI 的收入、算力和資本開支，幾乎每個季度都在刷新紀錄。可如果你問身邊的人，AI 給自己的工資、生意和帳戶帶來了什麼，多數人答不上來。宏觀數據這麼熱，個人體感卻這麼冷。這兩件事怎麼能同時成立？

同一份報告，兩個世界

先看熱的一面。a16z 這份 90 頁的報告，開篇就把科技稱為「萬物週期」。意思是，科技已經不是一個行業，而是整個經濟的發動機。報告認為，AI 基礎設施建設貢獻了美國絕大部分新增建築開支和藍領崗位增長。

這場建設的出錢方也很集中。報告指出，幾家超大規模雲廠商用利潤扛下了絕大部分資本開支，自由現金流因此大幅下滑，預計要到 2028 年前後才會恢復。現金不夠的部分，正在由債券市場補上。整個 AI 基建的帳單，主要壓在少數幾家巨頭身上。

盈利數據同樣很熱。標普 500 是美國市值最大的 500 家上市公司組成的股票指數。按這份報告的算法，截至 2026 年 8 月，標普 500 的盈利增長裡約四分之三來自科技公司，科技公司的盈利增幅接近非科技公司的 4 倍。

報告還特意強調，這一輪上漲不像泡沫。科技股的估值倍數比 5 年均值低約兩成，股價上漲主要靠盈利推動。價格是被利潤推上去的，不是被情緒吹上去的。

散戶也擠進了這場熱鬧。報告第 13 頁提到，散戶仍是推動市場的重要力量，槓桿和追漲放大了波動。和當年炒「網紅股」不同，這一次散戶買的是共識主題。也就是說，大家都在買同一個 AI 故事。

再看冷的一面，報告第 27 頁的標題是「需求很旺，但還很早」。近七成標普 500 公司說自己在用 AI。約三成能報出可量化的影響。只有約 2% 在持續追蹤效果指標。

報告對這組數字的評價只有一句：採用很廣，但很淺。熱的一面和冷的一面，出自同一份報告、同一批作者、同一個月。它們並不矛盾。矛盾只出在我們習慣用平均數去讀它們。

平均數會騙人。假設一個房間裡有 10 個人，1 個人年收入 1,000 萬元，另外 9 個人年收入 10 萬元。這個房間的人均年收入是 109 萬元。這個數字是真的，但它描述不了房間裡任何一個真實的人。

AI 現在就是這樣一個房間。報告第 32 頁寫得很直白：亮眼的總量數據，遮住了水面下的真實情況。增長由極少數重度用戶驅動。我讀到這一頁時，回頭把前 30 頁重新翻了一遍。

換一個角度再讀，整份報告的每一章都在講同一件事。AI 時代的錢和好處，在每一層都先流向頭部。 用戶層如此，公司層如此，軟件、風投和創業層也如此。下面我們一層一層看。

AI 很火，但只火在少數人家裡。

1% 的人，用掉了大部分 AI

先解釋一個詞。token 是 AI 模型處理文字的計量單位，可以粗略理解為 AI 讀寫的「字數」。一個人或一家公司用掉的 token 越多，說明它讓 AI 幹的活越多。所以 token 用量是衡量 AI 真實使用強度的好指標。

報告在第 32 頁給出了全文最重要的一句話。token 需求的增長，幾乎全部由前 1% 的用戶驅動。這些人「才剛剛開始摸到可能性的邊緣」。注意，報告說的不是前一半，也不是前 10%，而是前 1%。

企業層的數據把這句話畫成了一張圖。報告引用了一組企業數據，把企業按 token 用量排序（OpenAI 企業使用數據口徑，2025 年 4 月至 2026 年 6 月）。前 10% 的企業叫「前沿企業」，排在正中間 10% 的企業叫「典型企業」。基準是 2025 年 4 月典型企業的用量，記為 1 倍。

到 2026 年 6 月，前沿企業的輸出 token 漲到約 17 倍，典型企業只有約 2 倍。兩者相差 8.3 倍，而年初這個差距還只有 2.6 倍。

這個差距不是一開始就這麼大。2025 年 10 月以前，兩條線走得差不多。10 月以後，前沿企業的曲線陡然上揚，典型企業幾乎走平。報告給這一頁起的標題是「重度用戶正在甩開其他人」。

分行業看，形狀一樣。信息業的前沿企業漲到 32.5 倍，典型企業只有 2.8 倍，差距 11.7 倍。金融保險業兩者相差 6.7 倍，專業與科技服務業兩者相差 7.7 倍。沒有一個行業例外，每個行業內部都在分化。

用量之外，用法也在分化。插件和技能類工具，是讓 AI 接上公司內部系統、按固定流程反覆幹活的擴展功能。在前沿企業裡，這兩類工具的週活躍佔比分別是 21% 和 19%。在典型企業裡，只有 9% 和 3%。前沿企業不只是用得多，而是把 AI 接進了流程。

家庭層的數據更冷。2026 年年中，美國只有約 2.2% 的家庭為 AI 付費。付費家庭平均每月花約 31 美元。換句話說，100 個美國家庭裡，約 98 個還沒為 AI 掏過錢。報告對消費端的判斷是：一切才剛剛開始。

那 token 需求為什麼還能漲成一條拋物線？答案是智能體。智能體是能自己拆解任務、連續調用模型完成工作的 AI 程序。模型越來越便宜，智能體就越來越划算，於是 token 用量成倍增長。

報告把這個現象叫作傑文斯悖論：一樣東西越便宜、越高效，人們的總用量反而越大。但我們要補一句。把這批便宜智能大量用起來的，主要還是同一批重度用戶。智能在變便宜，但會用便宜智能的人並沒有同比例變多。

這批重度用戶的影響，已經超出了他們自己。報告指出，需求暴漲正在推高算力價格。按報告引用的租金數據，即使是用了 4-5 年的舊 GPU，租金和一年前相比幾乎沒有下降。換句話說，前 1% 的用量在給整個市場的算力定價。

這一章出現了兩種量：企業的 token 用量，和家庭的付費比例。它們口徑不同，不能相加，也不能互相換算。但它們的形狀相同：少數人站在曲線最陡的那一段，大多數人還在起點附近。

我自己的觀察也是這樣。身邊說自己在用 AI 的人很多。真正讓 AI 每天替自己跑流程的人，一隻手數得過來。

大多數人用 AI 像用計算器，少數人用 AI 像僱了一個團隊。

公司層：說在用，不等於賺到了

回到第 27 頁那三個數字。把它們排成一個漏斗，會看得更清楚。近七成公司說在用 AI。約三成能報出可量化的影響。只有約 2% 在持續追蹤效果指標。

每往下走一層，公司數量就少一大截。「持續追蹤效果指標」的意思是，公司定期測量 AI 帶來的收入、成本或效率變化，並且一直測下去。沒有這一步，「在用 AI」就只是一種說法，進不了帳本。

報告第 28 頁用一整頁列出回報案例，標題是「AI 回報的軼事數據隨處可見」。這些案例都來自公司財報或公開發言（公司財報口徑，2026 年第二季度）。我們挑出最有代表性的四個：

微軟的 Microsoft 365 Copilot 付費席位超過 3,000 萬個。
ServiceNow 的 AI 年合同額在 2026 年第二季度突破 10 億美元，智能體部署量 9 個月增長 9 倍。
Meta 的廣告模型讓 Facebook 上的對話量提升 15%，自動投放工具帶來 13% 的增量購買。
亞馬遜和沃爾瑪都說，用 AI 購物助手的顧客每單多花約 40%。

這些數字都是真的。但它們有一個共同點：全部來自大公司。名單上是微軟、Meta、亞馬遜、沃爾瑪和 ServiceNow。報告能拿出來的回報案例，幾乎全部來自頭部大公司。一家中位數公司用 AI 賺了多少，報告裡找不到答案。

那麼，攔住其他公司的是錢嗎？報告認為不是。只有約五分之一的受訪企業認為成本限制了 AI 採用（一家國際諮詢機構的調研口徑）。雲計算普及到第二年時，約佔企業 IT 預算的 4%。今天 AI 支出的佔比還低於這個水平。

報告由此得出結論：企業 AI 支出還有很大的增長空間。我們同意這個方向。但如果錢不是瓶頸，瓶頸就在別處。我們的判斷是，瓶頸在「會不會用」。

前沿企業把 AI 接進了流程，並且量化結果。典型企業還停留在讓員工各自試一試。預算可以一夜之間批下來，用法卻要一個流程一個流程地改。這正是漏斗越往下越窄的原因。

大公司在這件事上天然佔優。它們有現成的數據，有能改流程的工程師，也有足夠大的業務量。同樣把轉化率提升 5%，放在一家大平台上就是一筆可觀的收入。放在一家小公司裡，可能連 AI 的帳單都蓋不住。

就業數據也指向同一個方向。報告第 31 頁的標題是「AI 強度帶來更多招聘，尤其是軟件工程師」。在 AI 使用強度高的公司，初級崗位佔比上升約 1 個百分點（招聘與企業支出數據口徑）。在 AI 使用強度低的公司，初級崗位佔比下降約 0.5 個百分點。

這個結果和「AI 搶走飯碗」的流行說法相反。但它同樣是一種分化。用得深的公司在擴張，用得淺的公司在收縮。AI 沒有平均地影響就業，它先拉開了公司和公司之間的距離。

對普通讀者來說，這一章有一個實用的結論。下次看到「某公司 AI 收入破紀錄」，先看它是不是漏斗底部那約 2%。對大多數公司來說，AI 今天還寫在成本欄裡，沒有寫進收入欄。

說自己在用 AI 的公司很多，能拿出帳本的很少。

軟件層：同樣叫軟件，估值差三倍

2026 年開年，美股軟件板塊經歷了一輪拋售，市場叫它「SaaS 末日」。SaaS 是按月或按年收訂閱費的雲端軟件。當時的擔心很簡單：AI 會吃掉這些軟件公司的飯碗。

報告給這一章起的名字是「與其說末日，不如說是『證明給我看』」。意思是，市場沒有拋棄軟件。市場只是要求每家軟件公司拿出證據，證明自己在 AI 時代仍然有用。

股價最先顯示出分化。2026 年 1 月至 8 月，網絡安全股漲了 85-90%，橫向 SaaS 股跌了 28-30%（標普 Capital IQ 口徑，截至 2026 年 8 月底）。橫向軟件是各行各業都能用的通用工具，比如辦公協作軟件。垂直軟件是為某一個行業深度定製的軟件。報告的防禦力排序是：網絡安全強於垂直軟件，垂直軟件強於橫向軟件。

估值的分化更明顯。這裡要用到一個指標：EV/收入倍數。它是企業總價值除以收入的結果，代表市場願意為每 1 美元收入付多少錢。倍數越高，說明市場越看好這家公司的未來。

報告第 59 頁把軟件分成五類，列出各自的估值倍數（一家頭部資管機構的口徑，企業價值/過去 12 個月收入的倍數中位數，2026 年上半年）。雲、數據與 AI 基礎設施軟件是 9.1 倍。安全與身份軟件是 6.8 倍。垂直軟件是 4.6 倍，消費與交易平台是 4.0 倍。橫向軟件只有 2.7 倍。

最高和最低之間，差了三倍多。和各自的歷史峰值比，差距更大。基礎設施軟件的峰值是 17.9 倍，現在跌掉約一半。橫向軟件的峰值是 12.3 倍，現在跌掉近八成。同一輪下跌裡，有的軟件只是降溫，有的軟件被重新定價。

決定倍數的主要是增長。報告第 5 節的圖顯示，收入增速在 20-40% 的軟件公司，前瞻倍數 9-13 倍。增速在 10-20% 的公司，前瞻倍數只有 4-5 倍。前瞻倍數用的是未來 12 個月的預期收入，和上面那組用過去 12 個月收入的倍數口徑不同。兩組數字不能直接比大小，但方向一致：增長越快，倍數越高。

問題在於，高增長的軟件公司越來越少。約四分之三的上市軟件公司已經盈利，只有約三成的增速超過 20%。整個行業用增長換來了利潤。報告的說法是：如果你仍然是高增長公司，你的倍數「依然相當不錯」。

報告還強調，軟件公司的基本面一直很穩。收入增長和經營效率幾乎沒有惡化。所以市場並不是在懲罰「軟件」這個行業。市場懲罰的，是沒有增長、也沒有護城河的軟件。護城河指的是讓對手難以搶走客戶的長期優勢。

報告在這一節最後留了一個開放問題。軟件會不會像紙媒一樣被新技術淘汰？還是 AI 會像漲潮一樣，抬高所有軟件公司的回報率？報告沒有下結論。我們的理解是，兩種結局可能同時發生，只是落在不同的公司身上。

軟件層的頭部，不是某幾家公司，而是某幾類公司。一類是跟著 AI 基礎設施一起增長的軟件。另一類是 AI 越強、越被需要的安全軟件。如果一家軟件公司講不清 AI 為什麼讓它更強，市場大概率會按橫向軟件的倍數給它定價。

市場不再為「軟件」兩個字付錢，只為增長付錢。

風投層：好看的回報，是前 10% 拉出來的

先解釋一個詞：冪律。冪律是一種極端集中的分佈，極少數個體拿走了絕大部分結果。風投行業一直相信冪律。一隻基金投 30 家公司，往往只靠其中一兩家賺回全部本金和利潤。

報告第 68 頁的標題是「冪律依舊，而且更甚」。這句話在公司和基金兩端都成立。我們先看公司端。

最值錢的未上市公司比以往任何時候都大。它們上市越來越晚，報告的說法是「跳過小盤股，直接成為巨頭」。價值創造越來越多地發生在一級市場。等這些公司上市時，普通投資人能參與的那一段漲幅已經變短了。

二手份額市場也講著同一個故事。二手份額市場是投資人之間轉讓未上市公司股份或基金份額的市場。報告指出，這個市場上幾乎沒有折價，最好的公司還在溢價成交。錢不是不夠，而是都擠向了同幾個名字。

基金端的分化更大。這裡要用到兩個指標。IRR 是內部收益率，它把投資期間每一筆現金進出折算成一個年化回報率。基金的「年份」指基金開始投資的年份。

報告引用的基金數據顯示，同為 2024 年份的風投基金，彼此差距極大（Carta 基金數據口徑）：

頭部 10% 的基金，淨 IRR 約 40%。
中位數基金，淨 IRR 約 -3%，略低於零。
排在後 25% 的基金，淨 IRR 約 -15%。

報告第 71 頁的標題是：頭部 10% 的基金與其餘基金的差距「從未如此之大」。一邊是年化約四成的回報，另一邊是中位數略虧。把它們放在一起求平均，得到的數字不代表任何一隻真實的基金。

第二個指標更直接。DPI 是已還給投資人的現金除以投入本金，衡量的是真正到手的錢。2021 年以後成立的基金，DPI 中位數約為 0。也就是說，這批基金裡有一半以上，還沒把一分現金還給出資人。

IRR 包含帳面估值，DPI 只算到手現金。帳面上有正有負，現金上中位數是零。風投行業的漂亮回報，大部分還停在帳面上，而且主要屬於頭部基金。

這件事離普通人並不遠。風投基金的出資人，很多是養老金、大學基金和保險公司。帳面回報要變成現金，需要公司上市或被收購。前面說過，最好的公司上市越來越晚，所以這筆現金也會來得越來越晚。

還有一點需要說明。a16z 本身就是頭部風投基金之一。這份報告由站在曲線最高處的機構寫成。這不說明數據有錯，只說明我們讀它時要記住作者的位置。

這一章的數字是基金回報。它和前面的 token 用量、估值倍數是不同的量。但它的形狀依然相同：頭部拉高了平均數，中位數離平均數很遠。

風投的漂亮平均數，是前 10% 的基金扛起來的。

創業層：新公司跑得飛快，老公司第二年就喘氣

先說背景。零利率時代指的是美國長期把利率壓在接近零的那幾年，那時融資很便宜。零利率結束後，創業公司和上市公司一樣，開始用增長換利潤。

但報告第 73 頁提醒了一個例外。最近成功融到錢的公司，增速仍然和零利率巔峰期持平，甚至更快。原因很簡單：沒有高增長，就拿不到新一輪融資。

增長集中在最年輕的公司。報告引用的支付數據（Stripe 支付數據口徑）顯示：成立不到 1 年的 SaaS 公司，收入增速在 500% 以上，高峰時一度超過 600%。成立 1 年以上的公司，增速從約 30% 跌到約 20%，之後回升到約 20-25%。SaaS 指按月或按年收費的訂閱制軟件。

報告用這組數據反駁「SaaS 末日」：軟件收入在新的一年反而加速了。這個判斷沒錯。但同一張圖也說明，最高的增速屬於剛成立的公司。一家公司熬過第一年，增長曲線往往就從陡坡變成了緩坡。

報告第 75 頁這樣形容新一代獨角獸：更大、更快、更年輕。獨角獸指估值 10 億美元以上的未上市公司。新一代 AI 公司用更短的時間、更少的人，做到了更大的收入。

存量獨角獸的處境卻完全不同。報告引用的數據（硅谷銀行口徑，2026 年美國獨角獸）顯示：約四成獨角獸的收入增速在 0-20% 之間。約一成半處於負增長。過半公司的現金 Runway 不足 2 年。現金 Runway 指的是按目前的燒錢速度，帳上現金還能撐多久。

Runway 不足 2 年，意味著這些公司很快就要再融資。一輪融資從啟動到到帳，通常要花上好幾個月。如果增速只有 0-20%，它們很難拿出投資人想看的增長故事。

融資也在向少數公司集中。報告第 74 頁用一句話概括了這個週期：更少的基金，用更大的支票，投給更少的公司。這些公司越來越多地集中在硅谷，而且幾乎全部和 AI 相關。

報告也指出了一個細節。錢流向的行業在變化。除了企業軟件和消費應用，法律、會計等服務業，以及半導體、電力、國防等重資產行業也開始拿到風投資金。但賽道變寬，並沒有改變集中的方向。

所以，創業層的分化不只發生在 AI 公司和非 AI 公司之間，也發生在新公司和老公司之間。新公司在頭部起飛。老獨角獸裡，有相當一部分在和時間賽跑。

獨角獸分兩種：一種在起飛，一種在數現金還剩幾個月。

下次看到 AI 好消息，先問一句話

我們把五層放在一起看。企業層，前沿企業的 token 產出是典型企業的 8.3 倍。公司層，近七成在用 AI，約 2% 在持續追蹤效果。

軟件層，基礎設施軟件的估值倍數是橫向軟件的三倍多。風投層，頭部基金和中位數基金的回報差距創了紀錄。創業層，新公司增速 500% 以上，過半老獨角獸現金 Runway 不足 2 年。五層講的都是同一個形狀。

token 用量、估值倍數、基金回報，是三種完全不同的量。我們不把它們相加，也不互相換算。口徑不同，形狀相同：每一層都是少數頭部撐起了整體。

有人會說，頭部集中只是早期現象。報告自己也這樣寫：其他人最終會跟上，或者被甩在後面。我們同意這種可能。互聯網和雲計算都走過從頭部擴散到大眾的路。

但「最終」沒有日期。在其他人跟上之前，一個數字說的是頭部還是大多數，結論會完全不同。所以我們認為，冪律不是一張機會清單，而是一把尺子。它不告訴你該買什麼，只幫你量清楚一個好消息離你有多遠。

下次再看到 AI 的好消息，可以先用這把尺子問三個問題：

這個數字說的是頭部，還是中位數？前 1% 的用戶、前 10% 的基金，不代表大多數人。
這個數字說的是「在用」，還是「在賺」？近七成公司在用 AI，能拿出帳本的只有約 2%。
這個數字說的是帳面，還是到手的現金？基金的帳面回報很好看，DPI 中位數卻約為 0。

這三個問題不需要任何專業背景。舉個例子，假如一條新聞說「AI 讓企業效率提升 30%」。第一問，它統計的是前沿企業，還是所有企業？第二問，它測的是員工在用的時長，還是公司多賺的錢？第三問，這筆錢已經進了利潤表，還是一個預測？

我們不給任何買賣結論。如果一個數字對這三個問題的答案都是「頭部」「在用」「帳面」，它就是一個關於少數人的好消息。如果答案是「中位數」「在賺」「現金」，它才真正和大多數人有關。

AI 的好消息，先問一句：說的是前 1%，還是你？

a16z關聯巨鯨再度拋售超42萬枚HYPE，價值2530萬美元

熱門文章