Anish Acharya 谈 AI 软件、投资判断与自动化的边界

Harry Stebbings 问 Andreessen Horowitz 普通合伙人 Anish Acharya，是否应在旧金山以外创办 AI 公司，因为其他地方的人才成本可能更低、留任时间更长。Acharya 不同意，理由是湾区技术人才和非正式知识高度集中。他承认其他地方也能建立优秀公司；他的偏好是判断，而非对照比较。

Acharya 将特拉维夫列为另一个拥有雄心勃勃科技生态的地方。他认为较小的国内市场可以促使创始人尽早考虑国际市场。Stebbings 问价值 30 亿至 50 亿美元的公司是否仍算足够好的风投结果，Acharya 称这已非常出色，同时指出万亿美元目标需要不同假设。

谈到软件股抛售，Acharya 认为市场对 AI 替代所有现有应用的前景过于悲观。他估计企业 IT 支出约占总支出的 8% 至 12%，并说公司可能更愿意用 AI 改善核心运营，而不是重建薪资或企业系统。这个比例是他的估计，并非对每个组织经验证的测量。

Stebbings 问增长放缓和席位收缩是否足以使投资者担忧。Acharya 引用自己的查看结果，称 ChatGPT 推出后 75% 的上市 SaaS 公司提高了价格，平均涨幅为 8% 至 12%。访谈没有提供数据集、日期或方法，仅凭涨价也不能确立需求、盈利能力或市场力量。

Acharya 说有能力的传统企业可以改善现有工作流，同时承认某些商业模式和按席位定价可能面临压力。他认为重建复杂系统的风险往往超过节省的成本。这是风险投资人的竞争评估，不能证明具体软件供应商一定留住客户。

他指出另一种潜在冲击：AI 辅助系统集成可能降低在成熟软件供应商之间切换的成本和风险。他从 SAP 迁移至 Oracle 的例子，是关于编码智能体可能实现什么的论点，并非证明每次此类迁移现在都容易、安全或便宜。

嘉宾再次讨论传统企业能否在初创公司获得分销之前获得创新。Acharya 预计有能力的传统企业会改善现有产品类别，而初创公司可能在此前不存在的类别中领先。他关于 AI 电影制作的例子是对竞争结果的预测，而非经验证的市场结果。

Acharya 说他不知道应用是否会比基础模型创造更多价值，但认为应用价值受到低估。他认为多个模型供应商和开放模型可以在一些任务上相互替代，在另一些任务上提供专业能力。他粗略提出的 80% 与 20% 划分只是示意，并非测量出的市场分配。

他以编码和创意工具为例，说明应用如何在模型之间路由工作并提供统一界面。他对模型优势的比较反映个人经验，也可能随着产品发展变化。这一论点假设用户足够重视编排以至愿意付费；它不能证明每个应用都有防御力。

Stebbings 担心新产品改进时，竞争中的编码工具可能迅速失去收入。Acharya 回应，随着工具更有用，需求和雄心可能增长，他预计不同开发者产品会找到不同用户。两人都是对快速变化市场作预测，而不是提供某家公司未来收入的证据。

Acharya 将 AI 基础设施和开发者工具与多个供应商共存的云市场比较，而不是假设它会成为两家公司的网约车模式。他认为专业化可以支撑多个参与者。这一类比是他对市场结构的看法，不能确立未来利润率，也不能排除整合。

谈到投资竞争对手，Acharya 说积极帮助投资组合公司的机构，可能在客户、员工和共享资源方面面临困难的冲突。他说在这种情况下 a16z 避免投资直接竞争的公司，尽管市场可能随时间分化。这是他对机构方法和利益的描述。

Stebbings 问模型供应商能否吸收应用功能。Acharya 讨论 Granola，明确表示其机构不是投资者，并推测其雄心可能超出会议转写。他认为专业应用可以构建更广泛的功能并使用多个模型；他对 Granola 策略的描述是假设，而非公司公告。

他承认拥有大部分所需功能的捆绑产品有吸引力，但认为模型供应商有许多相互竞争的优先事项。专门界面和访问多个模型可能帮助应用竞争。这是有利益关系的风险投资人的论点，并不能证明大型模型公司无法构建或捆绑类似产品。

Acharya 认为，初创公司可能构建大型公司回避的独特消费者体验。他提到 AI 陪伴产品，并认为它们可能支持反思或社会连接。这些是他的产品和社会判断；谈话并未证明任何具体陪伴产品对所有用户都安全、具有治疗作用或有益。

被问及是否会鼓励孩子使用这类产品时，Acharya 设想 Minecraft 中的情境 AI 伙伴可以示范亲社会行为。Stebbings 提出依赖技术可能削弱人与人互动的风险；Acharya 不同意。他们不同的观点都是假设，并非对发展结果的证据或儿童安全保证。

嘉宾也考虑老年人的陪伴。Acharya 设想，与具体情境有关的对话可能比一般性问候更受欢迎。他的例子是推测性的设计想法，并非经过验证的照护、医疗监测或人类支持的替代品。

关于界面，他认为语音在企业场景可能很有效，但消费者聊天和完全动态界面可能被高估。许多人浏览是因为想探索或消磨时间，而不是表达精确意图。这是产品设计观点，并非经过测量的某种界面将占主导的预测。

Acharya 认为防御力仍然重要，特别是网络效应。他把 Airbnb 这样的市场平台与替换难度各异的记录系统相比较。他认为实时专有数据可能提高应用的实用性，同时承认此类数据能保持多大排他性仍不确定。

转向利润率，Acharya 将过去风投支持的广告支出与当前免费试用或补贴推理成本比较。他认为补贴使用可以帮助获取付费用户，尽管可能压低混合毛利率。支出是否高效取决于转化、留存、成本和生命周期价值；访谈没有提供普遍适用的证明。

他说 AI 重度用户可能比传统消费者订阅客户支付多得多，并引用了当时几款产品的价格。这些是特定时间的例子，不是当前价格，也不能证明多数用户会支付相同金额。他认为，如果高价值用户留下并贡献足够利润率，获客支出可以合理。

Acharya 建议评估获客经济性时，将免费试用成本与付费用户产生的利润率分开。他建议区别对待早期自然流量和付费获客，并使用后续用户群评估留存。这是分析框架，并非会计规则的改变，也不能证明自然获客没有成本。

Stebbings 质疑产品领先地位快速变化时如何估计生命周期价值。Acharya 强调留存，并建议在第一波试用流量之后考察第二个月用户，再以第十二个月留存作为进一步信号。他举的门槛是投资者偏好，取决于用户群定义，并非普遍基准。

被问及 AI 泡沫时，Acharya 说他不认为访谈时市场处于泡沫之中。他引用报道中的需求、产能和价格作为理由，同时指出这一主题不是他的主要专长，且存在一些补贴。他对某供应商收入和产能的描述未在此处核实，也不能排除过度投资。

他认为支出可以超出传统软件预算，转向此前由人完成的工作。对语音智能体，他设想将支持、销售、运营和催收结合，而不是仅自动化一个孤立职能。他提出的生产力收益属于推测；访谈没有确立十倍改善或普遍替代岗位。

讨论法律和客户支持市场时，Acharya 区分了一个行业与单一产品市场，并预计多个专业公司都有空间。他与 Stebbings 讨论约 5,000 亿美元的法律市场数字和一个较小的软件支出数字，均作为宽泛估计。AI 公司能获取多少劳动支出仍是开放问题，而非已确立的可服务市场。

Acharya 说，自动化整个工作岗位可能比完成其中某些任务更难，并提出生产力改善有时可能体现在工作方式，而非立即裁员。他提到四天工作周只是示意，并非经过测量的全经济结果。最终对就业和工作时间的影响不确定。

关于市场规模，他说投资者常低估最终市场规模，同时高估构建可用产品的容易程度。他偏好 A 轮，因为已发布产品和付费客户比纯种子阶段的想法提供更多证据。这反映他的投资授权，并不保证更好的回报。

Stebbings 描述因误判市场规模而错过 Deel 和其他机会。Acharya 投资了 Deel 并担任其董事，他说市场势头和有能力的创始人可以揭示比最初估计更大的机会。他们的事后叙述是个人投资经验，不能证明早期增长总会持续。

Acharya 回忆自己低估 Google 的潜在规模，并讨论他曾工作过的 Credit Karma 作为另一个让他感到意外的行为例子。他凭记忆引用用户和活跃度数字，并提出人们重视查看信用分数所带来反馈的理论。这些是他的回顾观察和估计，并非独立核实的当前指标。

他说，当创始人反复取得进展时，他经常使用势头作为思维模型；Stebbings 回忆了关于创始人达成目标的类似建议。过去的执行可能是有用证据，但不能证明增长会无限持续。发言者把它作为判断的经验法则。

Acharya 回忆向 Marc Andreessen 请教投资流程时，得到的建议是经常作出正确判断。他将其解读为关注结果可以超越某个特定清单，同时描述在 Amazon 工作时学到的类似一课。这是他对导师的回忆与个人解读，并不能证明流程不重要。

他说在 a16z 工作期间没有输掉自己追求的交易，这是个人说法，其范围和定义未得到独立核实。Stebbings 问从不输是否意味着承担的风险太少。Acharya 说创始人与现有投资者的关系可能难以超越，并主张赢得信任而不是玩手段。

关于交易条款，Acharya 说他对早期价格相对灵活，对持股比例则较不灵活。他认为高入场价格尤其可能重要，因为它会提高下一轮融资的门槛。他举的融资条款描述的是自己的框架，并非建议，也不能证明价格无关紧要。

嘉宾讨论可能增长足够快、跳过中间估值步骤的公司。Acharya 说，如果核心指标足以支撑，这可以奏效。被问及传统的三倍、三倍、两倍增长模式时，他认为融资预期应取决于市场、销售周期和同类公司，而不是单一增长规则。

他强调，达到第一个 100 万美元收入并继续增长很困难。一些企业最初可能增长较慢，但在更长时期创造大量价值；他强调“曲线下的面积”。这是一种比较可能轨迹的方法，并不能保证较慢增长最终会复利。

Stebbings 认为 A 轮可能竞争特别激烈且价格高昂。Acharya 区分了竞争、定价、团队、地域和未来融资风险。他认为赢得合适的交易是投资者的核心责任，同时承认创始人后续融资的能力会影响企业是否有时间执行。

关于创始人快速更换想法，他说在市场变难时，对问题或其他深信目标的投入可能很重要。他不要求每位创始人有相同的个人动机，但对仅因表面分析看起来有吸引力而选择的想法持怀疑态度。这些是他选择创始人的偏好。

Acharya 说创始人可以以不同风格有效融资，并回忆 Krea 创始人不同寻常的首次会面。他后来提到与 Krea 的投资关系。他的赞赏是对投资组合团队的个人描述，不能证明特定外表或路演风格能预测成功。

他认为，在熟悉的企业领域工作的连续创业者可能有优势，因为他们了解客户和捷径。在消费产品中，他也重视初学者尝试那些最初可能令人尴尬的想法的意愿。他提出的是两种不同可能性，并非人口特征规则。

Acharya 说自己现在花更多时间直接使用新产品和模型，以建立直觉。他认为创始人和投资者应在可能时亲自测试工具。个人使用可以揭示产品细节，但谈话没有声称它能替代客户研究或技术评估。

他提醒不要接受关于长期无人监督自主智能体最夸大的说法。他预计人仍需参与处理异常情况并澄清模糊指令，同时也预测智能体会完成一些不受欢迎的任务，并扩大人们尝试的范围。这些是对当前和未来能力的判断。

被问及智能体公司是否必须拥有完整技术栈时，Acharya 说它们也可以使用其他供应商的工具。他区分了定义明确的流程任务与涉及决定构建什么、如何回应新信息的模糊工作。他预计人类判断在模糊场景中仍有用；这不是对智能体能力的正式基准测试。

关于开放和闭源模型，他说现阶段组织往往优先考虑能力而非成本，而某些开放模型提供独特特性或托管控制权。他对特定模型和降价的评论是特定时间的个人评估，并非经过验证的一般成本比较。不同工作负载和部署选择可能带来不同经济性。

Stebbings 转述 Jason Lemkin 的担忧：一款语音产品对游戏来说太贵。Acharya 不同意成本优化必然会立即占主导，认为新能力可以支撑更高价格。他还说持续推理成本迫使创始人更早建立商业模式；这是他的观点，并不能保证用户会付费。

Acharya 预测，随着软件扩展至娱乐、教育和其他服务，它可能占消费者可自由支配支出的 80% 至 90%。他澄清自己讨论的是可自由支配支出，而不是租金和食物。访谈没有为这一惊人的估计提供模型或时间范围，因此它仍是推测性预测。

谈到“造王”，Acharya 说投资者可以向客户介绍初创公司并提供信誉，但不能强迫客户购买较差的产品。他以加速器网络和 a16z 的客户介绍作为潜在帮助的例子。他的描述反映其机构的商业角色，并不能证明其支持保证创造赢家。

他说有效的创始人知道如何使用投资者，并以 Deel 创始人 Alex 为例，说明创始人可以寻求介绍。Acharya 与 Deel 有董事会及投资关系。他建议创始人与其他创始人交谈，了解投资者实际做了什么，然后自行判断产品和客户反应。

被问及投资错误时，他说自己在 2021 年有时过于轻率地假定产品市场契合。创始人看似合理的理论和他自己的热情，使他容易在产品尚未证明有效时就当作有效。他区分了明确的早期押注与对证据的自我欺骗。

Acharya 说按自己的经历，a16z 品牌没有给他带来劣势，并称赞机构创始人。在快问快答中，他描述难忘的会面以及他看到的同事不同优势。这些是他对有职业关系的个人和机构的个人观点。

他回忆曾问 Ben Horowitz 机构如何处理投资者不良行为，并描述每两年进行一次的创始人反馈流程。这是他对内部做法的描述，并非独立审计的绩效体系。他说，以回应速度和诚实程度接受评价的前景，让他觉得从经营转向投资有吸引力。

Acharya 描述 a16z 希望看到其领域内所有交易并赢得所追求交易的目标，同时说善意作出的投资决策仍可能出错。100% 的数字是所述期望，并非独立核实的覆盖率或成功率。他还解释，当产品和市场推广证据可能尚不存在时，持续做好种子投资为何困难。

他说，当前 AI 周期的早期领先者持续领先的时间比他预期更长，同时预测可能出现新的原生类别。谈到 Moltbook，他区分了对特定产品的兴奋与数字智能体互动的更广泛想法。他设想的约会智能体例子是一个情景，并非成功匹配或安全部署的证据。

Stebbings 希望出现与母亲所患多发性硬化症有关的医学突破，Acharya 则对技术改善日常生活和关系表示乐观。这些是个人期望，并非新疗法、临床疗效或幸福感必然改善的证据。