a16z Frontier 想押注什么：从 AI 能力跃迁到互联网经济重组

一、嘉宾背景

Chris Dixon 是 a16z 合伙人，2013 年加入这家投资机构。在这期约一小时的《The Ben & Marc Show》中，他与 Marc Andreessen、Ben Horowitz 讨论将加密基金的投资范围扩展至 a16z Frontier。这项调整既涉及 a16z 如何组织投资，也引出了更广泛的问题：AI 会怎样改变创业团队能够承担的技术复杂度，以及互联网的创作、分发和交易结构？

Dixon 在对话中回顾了自己早期对 Oculus、Skydio 和加密领域的投资。Horowitz 谈到当初招募他的原因时，着重提及其博客中的原创思想与创业经历：独立写作体现了他的判断力，创业经历则让他理解创业者的处境。这些经验也是此次扩大投资范围的背景。

团队积累同样影响着 Frontier 的方向。Andreessen 强调 Dixon 团队在数学、密码学、博弈论和软件理论方面的能力；Dixon 则认为，加密领域积累的政策与监管经验，可以帮助无人机、自动驾驶和 AI 等前沿领域的创业者。经验能否迁移、产生怎样的投资成效，仍有待实践。他解释此次扩展时指出，稳定币和资产代币化正在模糊加密与金融之间的边界，而现有投资团队专注于各自核心业务，也留下了一些尚未充分覆盖的机会。

二、本期主要内容

Frontier 首先回应的是投资组织如何容纳新方向的问题。Horowitz 说，成熟垂直团队的覆盖范围之外一直有新想法，但如何将它们发展成正式投资业务，过去缺少明确的路径。Frontier 让团队能够先支持创业者，再观察某个方向是否值得成立独立基金，或逐渐成为 Frontier 自身的重心。节目谈到的案例由此构成一组探索方向，尚未成为确定的投资目录。

消费产品的讨论从 Andreessen 对需求想象力的批评展开。他认为，订餐厅、订机票等助手演示过于贴近产品经理自己的生活，未能充分反映人们使用 AI 的动机。娱乐、创作、赚钱、省钱和参与经济活动，都可能打开更大的产品空间。几位嘉宾谈到近期的游戏反汇编、移植和不同游戏的混合实验，将其视为个人制作能力增强的迹象。Dixon 随后也提出 Titanfall 移植的版权不确定性：技术上能够实现，仍不等于可以持续发布。

影视讨论集中在制作成本如何改变商业结果。Andreessen 称，《Digger》的制作预算约为一亿八千万美元，给片厂造成约两亿美元现金损失。他随后设想，如果预算降至两千万或两百万美元，同样的创意可能得到不同的商业结果；在最低预算下，投资者甚至可能获得十倍回报。这是反事实推演，并非 AI 影片已经取得的投资成绩。Horowitz 则预测，AI 在提高传统电影制作效率之外，还会催生一种新媒介。对话以相机与绘画、电影之间的关系作类比，至于这种新媒介最终呈现为何种形式，仍未有定论。

硬件讨论将制作能力延伸到物理设备。Andreessen 谈到 REA 逆向工程工具和恒温器重新编程，并设想由机器人统管家庭设备。嘉宾还讨论了 AI 辅助的三维打印外壳、自定义固件和制造设计。这些例子与能力判断展示了可能的开发方向，但对话没有完整呈现从演示走向量产的过程，也不足以说明任意设备都能直接改造。

基础设施的未来则保留着多种可能。Dixon 认为，大型闭源服务商、开放模型和本地模型可能共存，也提出稳定币与可编程货币可以成为智能体支付的基础设施。这些市场结构与支付路径，在他看来都还是开放问题。Andreessen 强调开放模型对教育、独立解决问题、离线使用和权力分散的价值；Horowitz 主张让更多高校研究者访问模型权重，以研究模型为获取奖励而采取非预期行为的 reward hacking。两人的主张都指向扩大参与和研究空间，开放权重能否解决具体安全问题，仍需另行检验。

三、核心观点：推理、例子与边界

Dixon 寻找机会的一条思路，是追踪平台的二阶效应。智能手机普及带来的不只有手机应用，还有日益成熟的传感器、芯片与供应链。在他的回顾中，Oculus 和早期 Skydio 都重新组合了智能手机的能力。沿着这条思路，投资者关注的便不只是热门产品，还有支撑产品的生产要素：平台规模扩大后，哪些原本昂贵或难以协调的资源，开始能被另一类创业者利用？这解释了新平台为何可能同时打开软件与硬件机会，至于下一次组合能否成功，仍要看具体条件。

Horowitz 对反共识投资的解释，为这种判断加上了约束。项目看起来奇怪，本身不构成投资理由；创业者需要掌握一个足以改变判断的具体秘密。外界认为事情做不成，创业者就得说明，究竟是哪项成本、技术能力或对需求的认识发生了变化。缺少这样的依据，反共识就难以检验。Dixon 对时机的判断同样谨慎：技术、文化、商业和政治条件都影响一个方向何时能够成立。Oculus 已经被收购，VR 却仍未达到他当初期待的主流普及程度，正说明公司退出与整个类别的普及是两种结果。Frontier 愿意承担类别失败的风险，也必须面对这些条件未能成熟的可能。

AI 可能加快其中一些条件的成熟。Dixon 提出一种情景：原本需要数十年的进展可能提前到来，某些过去接近科学研究的任务，可以开始作为工程项目评估。他估计，一家全栈设备公司如今可能由约三十人构建，而十年前可能需要约一千人。这是他对变化量级的估计，对话没有提供相应验证。同一种能力提升也会产生相反的影响：它帮助创业者扩大产品范围，也可能让基础模型覆盖创业者正在做的产品。Dixon 因此提醒，产品如果只领先 AI 能力前沿一点，后续模型进展就可能抹去这段优势。创业者能够承担更大的目标，产品优势却未必更稳固。

Andreessen 将 AI 原生团队与一般既有企业对技术可能性的认知差距，形容为自己职业生涯中所见最大，并预测创业者会尝试更复杂的技术组合。这一判断来自他的观察，对话没有提供全行业比较，也承认部分既有企业能够适应。Dixon 对 Sears 在线目录与 YouTube 的比较，则揭示了另一层差异：把已有目录搬到网上，主要是改善既有行为；YouTube 的发展还依赖创作者和用户形成新习惯。依赖全新行为的 AI 原生产品，既要让技术运行起来，也要让人愿意持续参与。需要满足的条件更多，潜在回报可能更大，失败的路径也随之增加。

互联网经济已经显现出这种变化。Dixon 将过去的交换关系概括为：网站允许平台索引内容、展示摘要，平台向网站回送点击，网站再通过广告或转化获得收入。他认为，直接提供答案、减少外链，以及用 AI 替代网站访问，正在削弱这套交换，并以 Stack Overflow 为例，预测互联网将经历约十年的重构。这个预测仍不能作为确定的时间表，但它指出了需求与收入之间可能出现的脱节：人们依然需要答案、食谱或预订服务，原网站却未必还能获得相应的注意力。类似地，实验室、开放模型和应用层都在取得进展，也不能据此确定长期利润会落在哪一层。对话中提到的企业使用比例和 OpenRouter 增长印象，都没有明确的测量口径，尚不足以支撑市场定论。

Dixon 对多人 AI 的设想进一步涉及网络如何形成。他借手机应用从独立工具发展为商业与社交网络的过程，讨论协作智能体、科研任务与信任网络。数学问题求解是潜在的正面用途，攻击性智能体群则显示，连接也可能放大负面行为。共享知识与协调行动可以创造价值，协作结果的质量仍需检验。物理设备也有类似限制：AI 内容可能为 VR 带来新机会，语音可能推动可穿戴设备发展，但 VR 的重量、发热和人体工学问题依然存在。对话结束时，Dixon 承认自己曾多次判断错误，也欢迎创业者提出节目未曾讨论的想法。几位嘉宾对技术方向保持明确的乐观，同时仍将实现条件、具体时点与项目成败留作待解的问题。

四、学习与应用

将这期讨论用于项目研究，可以从梳理能力变化入手：新技术直接改善了哪些任务，又释放了哪些零部件、工具、供应链或协作能力，产品具体依赖其中哪项变化。下一步是把创业者掌握的关键秘密写成可以被反驳的判断，说明某个步骤为何现在能由更小团队完成，以及什么结果会表明这一预期过于乐观。这套研究办法来自 Dixon 的二阶效应思路与 Horowitz 的反共识框架，实际效果仍需通过项目检验。

团队规模的预测也需要放回真实流程。对于三十人与一千人的估计，创业者可以逐项检查设计、编码、集成和交付：哪些环节已经改变，哪些仍受外部条件制约。同时还要推演基础模型的下一步进展：如果模型能够完成产品目前最突出的功能，客户继续使用产品的理由是什么？扩大产品范围可能增加差异化，也会提高交付难度。分阶段验证有助于在投入更多资源之前发现薄弱条件；对远期方向有信心，仍可以逐步检验近期判断。

企业采用 AI 的情况，需要与员工个人使用分开观察。Andreessen 认为，员工可能先于所在机构采用 AI，甚至没有向管理层说明。管理者因此可以从员工实际完成的任务了解收益，同时考察正式工具采购。不过，对话提供的是观察，没有采用统计，不能据此认定每家公司都存在同样的落差。Horowitz 提到 a16z 投资的 Adams 及其全栈餐饮服务方式，则提出了另一种创业选择：向既有行业出售工具之外，也可以研究是否直接提供完整服务。两条路线涉及不同的客户关系和执行范围，单个案例尚不能证明哪条路线普遍更优。

内容业务需要分别检查用户需求、分发入口和收费方式。用户在 AI 界面得到答案后，网站还有哪些必须由自己交付的价值？点击减少时，原有收入是否还能成立？这些问题直接关系到 Dixon 所说的交换机制变化，仅确认人们仍然需要信息，还不足以判断业务能否持续。协作智能体试验可以从边界明确、结果可检查的任务开始，比较协作与单体工具的表现，并明确共享信息、行动权限和人工确认条件。开放或本地模型的离线、学习和可修改性值得纳入选择，但具体任务中的可靠性仍要验证。若任务涉及智能体支付，稳定币和可编程货币是 Dixon 提出的可能路径，其适用性同样有待检验。

学习方面，Dixon 推荐数学、计算机科学，也可能包括经济学，同时认可非技术路线。基础学习可以与具体领域的问题结合：古卷解读需要理解材料，生物学与设计则各有约束和评价标准。嘉宾谈到的动物交流仍是跨学科前景，尚不能视为已经兑现的能力。结尾有嘉宾援引按年龄理解技术接受程度的框架，讲述一名七岁孩子将 ChatGPT 视为寻常事物，并推测学校限制可能增加 AI 的吸引力。这些说法可以启发用户研究，却不足以确立年龄规律或证明教育政策的效果。Dixon 对自身错误的承认也适用于学习与决策：保持对新行为的开放，同时记录什么证据会促使自己改变判断。

来源

• 原始节目：The Frontier Ideas a16z Wants to Fund Now | Marc Andreessen, Ben Horowitz & Chris Dixon