0:00 / --:--
a16z Show · 10 月 22 日
a16z 将原加密基金扩展为 Frontier，专注投资因 AI 等新能力突然可行、却不属于既有类别的跨界创业项目。
a16z 将原加密货币基金的投资范围扩展为 a16z Frontier：寻找那些因 AI 等新能力而突然变得可行、却尚不属于既有投资类别的创业者与项目。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
a16z Show· 2026-09-301 万亿美元的 AI 建设｜市场现状The $1 Trillion AI Buildout | State of Markets内容相近a16z Show· 2026-09-11创办一家初创公司需要什么｜Andrew Chen 与 Matt PeraultWhat It Takes to Build a Startup | Andrew Chen & Matt Perault同主题：创业与风投
The Twenty Minute VC (20VC)· 2026-10-3120VC：David Tisch 谈为什么高持股比例和集中投资是胡扯｜为什么没有基金经理真的想保持小规模｜为什么与巨型平台竞争注定会输｜为什么精益创业是骗人的？a16z Show
The Frontier Ideas a16z Wants to Fund | Marc Andreessen, Ben Horowitz & Chris Dixon
YouTube
音频
a16z 原有按领域分工的投资团队；Chris Dixon 领导的团队长期深耕加密技术及其监管、政策议题。本集宣布将该团队的投资范围扩展至 a16z Frontier。Dixon 解释，一方面，稳定币等加密技术已融入金融科技，单独划定“加密公司”的边界越来越难；另一方面，一些跨软件、硬件、AI 与新商业模式的创业项目，尚不适合归入现有团队的核心领域。节目把这类项目称为“外行星”机会：离熟悉的投资类别较远，但未必缺少商业潜力。
这集表面上是一项基金范围调整，实质上是在回答一个投资机构的组织问题：当技术能力变化快于既有行业分类时，谁来接住那些一时难以命名的创业公司？Dixon 用智能手机供应链催生无人机、VR 等项目的经历说明，重要机会不一定是新平台上的第一批应用，也可能来自零部件、技能与行为改变后的重新组合。Frontier 因此既延续加密投资团队的技术和政策经验，也试图补上 a16z 按垂直领域分工留下的空隙。
三位嘉宾把 AI 视为这次扩展的主要催化剂，但并未只讨论模型公司。他们关心的是小团队能否跨越软件、硬件与服务业的传统边界，以及新的社交、游戏和媒体形态会否出现。与此并行的另一条主线是权力分配：如果开放模型与本地运行得以发展，更多人可以学习、部署和审查 AI；如果流量被答案界面截留，内容生产者与网站又可能失去旧互联网赖以运作的收入来源。
节目的张力也正在这里。嘉宾愿意承担“太早”的投资风险，却承认 VR 普及比预想慢；他们期待 AI 降低制作成本，但游戏改编、硬件逆向工程和内容再利用都涉及权利与安全问题。Frontier 的真正考验，不是能否列出足够大胆的预测，而是能否辨认：哪些新能力已经可靠到可以支撑产品，哪些商业关系需要重建，以及哪些创业者能在不确定性中完成交付。
💬 他们说了什么：片头串起本集的几个判断：a16z 将扩大原加密基金的投资范围；AI 先行者与其他人对“什么已经可能”的理解差距很大；比起预先划定产品类别，他们更想找到敢于探索陌生领域的创业者。
💡 为什么重要：这为整集设下两层问题：技术到底改变了什么，以及投资机构该怎样改变自己的筛选方式。Frontier 不是一份固定的赛道清单。
⚡ 争议点：片头的“差距”“创业激增”属于嘉宾判断，并非此处展示的数据结论；后文也需要区分能力演示与可持续经营的公司。
💬 Dixon 宣布把原加密货币基金的投资范围扩展为 a16z Frontier。稳定币进入 Stripe 等金融科技公司的工具箱、资产代币化受到金融机构关注，使“加密公司”与其他科技公司的界线变模糊。Ben Horowitz 补充，a16z 按垂直领域组队虽有效，却可能遗漏不属于任何现成类别的“外行星”创业者。Dixon 回顾自己 2013 年加入机构时寻找智能手机普及的次生机会：传感器、芯片与供应链也能被重新组合，用于无人机或 VR。团队在加密领域积累的技术与政策经验，则可服务于更多前沿项目。
💡 这次调整首先是投资覆盖方式的改变：让尚未形成明确行业名称的想法，也有团队负责研究和接触。Horowitz 反复强调，最终投资对象是创业者，而不是类别标签。
⚡ 范围扩大不等于每个跨界项目都适合该团队。节目没有给出 Frontier 的基金规模、独立投资标准或与 a16z 其他团队分工的具体规则，不能把“扩展投资范围”理解成所有投资流程均已改变。
💬 Dixon 认为，许多最终成立的技术想法都有失败的前驱，困难在于判断技术、文化、商业与政治条件何时同时成熟。Frontier 愿意偏向“太早”并承担类别风险。他以 Oculus 为例：项目虽被收购，但约 13 年后，VR 仍未达到他期待的大众普及程度。他同时推测，AI 改进软件开发与数学等工作的速度，可能让某些原以为还需 20 年的能力提前出现；过去也许需要上千人的全栈设备公司，未来可能由约 30 人的团队尝试。
💡 投资判断不能只问“技术理论上能否实现”，还要问团队能否在现金、市场和配套技术允许的期限内交付。AI 若缩短工程周期，旧有的“科学实验而非工程项目”分类便值得重估。
⚡ “提前 20 年”和团队人数对比是嘉宾的推测性表达，不是适用于所有硬件公司的经验定律。VR 的例子恰恰提醒人们：底层技术持续进步，也不能保证采用速度。
💬 Marc Andreessen 说，AI 原生创业者与普通个人、既有企业之间，对当前能力的认识差距是其职业生涯中所见最大的之一，而且仍在拉大。三人认为，创业者因而敢于提出连接多个技术和业务环节的计划。Horowitz 将投资问题从“想法是否太宏大”转向“是否足够宏大”：如果只做温和改良，可能很快失去差异化。Andreessen 同时提醒既有企业，适应新工具的时间窗口不会一直敞开。
💡 认知差本身可能成为暂时的创业优势。率先理解工具能力的团队，可以比按旧成本和旧组织结构制定计划的竞争者更快试验产品。
⚡ 领先的工具使用能力并不自动转化为客户信任、渠道或利润；既有企业也可能利用数据、品牌与部署资源赶上。这里的机会判断，应随真实交付和客户采用情况更新。
💬 面对“AI 是巩固巨头，还是颠覆巨头”的提问，Andreessen 指出一种错位：员工可能已在个人工作中使用 AI，机构却尚未正式采用，管理层甚至未必知道实际使用情况。他预计这会促使更多个人创业。Dixon 则认为，竞争不只是科技公司彼此争夺份额，也可能是技术团队进入餐饮等传统行业，建立覆盖多环节的服务公司。谈到价值链，他认为模型、开源与应用层都还在发展；节目中提及一个约 3% 的企业使用测算，但未在对话里交代指标口径。
💡 如果个人采用快于组织采用，创业公司的优势可能不仅是模型更先进，更是能围绕新工作方式重新设计整套流程。
⚡ 员工私下使用 AI 也可能带来数据与合规风险；“创业公司数量将激增”并不等于存活率或回报率提高。约 3% 的说法缺乏本集可核对的定义，不宜直接当成企业 AI 渗透率。
💬 讨论从新社交体验转向智能体生态。Dixon 设想，网上参与活动的智能体可能多于人；它们作为人的智能体执行任务后，会需要互相通信、交易和共享知识的方法。嘉宾提到 Muse、Instinct 等产品作为早期线索，也谈及智能体相互互动的实验。
💡 如果网络参与者从“人操作网站”扩展到“智能体代表人或组织行动”，账号、授权、信誉、支付与争议处理都需要重新设计。新社交产品也未必只是把聊天机器人接入旧社交网络。
⚡ “智能体数量超过人”是方向性预测。大量自动活动未必带来同等规模的有效需求；智能体身份可验证性、权限边界和滥用防护，都是产品成立前必须解决的问题。
💬 Andreessen 用“产品经理思维”调侃只为技术行业人士设计订餐、订机票等 AI 功能，主张关注娱乐、创作和收入机会。Dixon 举游戏拆解、移植、混合玩法的演示，认为独立开发者可能获得过去大团队才有的制作能力。电影方面，Andreessen 假设一部制作预算约 1.8 亿美元的作品，若能以 2000 万甚至 200 万美元制作，商业结果可能完全不同；Horowitz 则强调 AI 除了降低传统电影成本，还可能催生不同于电影的新媒介。硬件方面，Andreessen 提到名为 REA 的逆向工程工具，并想象 AI 帮用户重新编排家中设备。
💡 三种例子指向同一变化：制作与试验的门槛若下降，创作者能测试更多过去成本过高的方案；产品形态也可能不再受传统软件界面限制。
⚡ 游戏混合作品和硬件逆向工程涉及版权、许可、设备安全及保修；低制作成本也不保证作品能获得观众。节目中的电影财务数字和工具能力描述，均应作为嘉宾举例或主张，而非已经证明的普遍结果。
💬 嘉宾讨论 AI 是否天然使权力集中。Dixon 认为大型闭源公司可以成功，开放权重模型、本地模型也可能扩大选择；在智能体经济中，稳定币或可承担支付工具。Andreessen 强调开放模型的学习和离线使用价值，担心限制开放技术会使能力集中在少数公司或政府手中。Horowitz 从安全研究出发，提出让更多研究者查看模型权重、研究“奖励黑客”现象的可能收益。节目也提及开放模型的使用增长，以及其与领先闭源模型之间约 6—12 个月差距的说法。
💡 讨论重点不只是模型性能排名，而是谁能取得、改造、审查并部署这些能力。开放程度影响创业公司的供应商选择，也影响独立研究者能否参与安全工作。
⚡ “开源”“开放权重”与完全开放训练过程并不相同；可供研究不等于风险自动消失。模型使用增长、性能差距及政策取向都随时间、测量方式与司法辖区改变，需要分别核实。
💬 Dixon 把旧互联网描述为分发平台与内容网站之间的一种“契约”：网站允许搜索引擎索引、展示摘要，换取回访流量。如今搜索页面直接给答案，社交平台倾向留住用户，AI 又可能替代部分访问，依靠广告或转化获利的网站因此承压。他认为未来约 十年，注意力、知识共享、交易与协作方式可能经历重组；作为对比，他说移动互联网曾将联网人群从约 5 亿扩大到 50 亿，而 AI 对经济关系的改动可能更深。
💡 用户仍会查资料、订旅行、寻找食谱，但完成这些任务的入口可能换成智能体。问题随之变成：如果原网站失去访问量，提供信息与服务的一方如何得到报酬？
⚡ 流量下降的成因并不总能归于 AI；不同内容、搜索与交易网站受影响程度也不同。新分配机制能否让高质量内容持续生产，本集提出了问题，尚未给出答案。
💬 Dixon 看好 AI 与语音带动可穿戴设备，也仍相信 VR 的沉浸式需求，只是认为重量、佩戴舒适性和内容制作曾限制采用。他还谈到脑机接口、车辆，以及借助 AI 设计外壳、编写固件的个人硬件制作。随后，他提出 AI 目前多处于一人输入、一人接收结果的“单人模式”；参照移动应用后来发展出社交与商业网络，他期待智能体协作、多人共享和信任网络出现。
💡 下一代计算体验未必由一款替代手机的设备定义，也可能来自不同设备与智能体之间的协作关系。界面、制造门槛和网络结构需要一起观察。
⚡ 语音、VR 和脑机接口各自面对不同的隐私、人体工学与监管约束。“多人模式”同样不能仅凭多智能体演示成立，还需要明确授权与可问责机制。
💬 被问到 18 岁的人该学什么，Dixon 借用“现代炼金术”的说法，建议学习数学、计算机科学，也可结合经济学，以理解和运用 AI；但他随即指出，古典学、经济学、生物学、设计和艺术同样可能因 AI 改变。Andreessen 谈到不同年龄层接受新技术的差异，认为年轻人有机会把这些能力用于新领域。结尾 Dixon 则为整集的大胆预测加上限定：Frontier 仍是投资优秀创业者，而不是要求创业者照着节目中的设想行事。
💡 教育建议的核心不是人人都必须成为模型研究员，而是掌握足够的基础知识，在自己的学科中验证工具能做什么、不能做什么。投资判断也要给创业者超出既定主题的空间。
⚡ 将某一代人视作天然擅长 AI、或把学校的审慎态度一概视为阻碍，都过于简化。学习效果仍取决于基础训练、独立判断，以及是否能检验 AI 给出的结果。
“过去我们会问：这个想法是不是太宏大？现在更可能问：它够不够宏大？” ——Ben Horowitz，意译
“我们投资的是创业者，甚于类别，甚于产品。” ——Ben Horowitz，意译
“互联网的‘契约’是：让分发平台索引你，它们再给你带来点击。” ——Chris Dixon，意译
“我们想寻找有自己明确乐观信念的优秀创业者，并支持他们。” ——Chris Dixon，意译
从次生机会看新平台。 Dixon 回顾智能手机时，没有只谈手机应用，而是谈传感器、芯片与供应链如何成为其他产品的基础。用同样的方法观察 AI，可以分别追问：它降低了什么制作成本？释放了什么组织能力？哪些原本分开的环节因此能够放在一家公司里完成？
从入口变化看商业模式。 搜索摘要换点击，是网站与分发平台之间相对容易理解的交换；智能体直接完成任务时，这种交换未必还发生。创业机会不只是制造更好的答案，也包括记录授权、传递来源、完成交易和分配收益的基础设施。
从单人工具看协作网络。 目前常见的 AI 使用方式是个人向工具提问。若进入多人和多智能体协作阶段，技术难点会从生成内容扩展为权限、身份、信任和责任：谁允许智能体行动，行动依据是什么，出错后由谁纠正？
