a16z State of Markets II：报告结构、八章摘要与科技产业分析
文章目录
报告信息 #
- 报告：State of Markets II，2026 年 9 月版
- PDF 文件名：State-of-Markets-Sep-2026.pdf
- 发布机构：Andreessen Horowitz（a16z Growth）
- 官方发布文章作者：David George；发布日期：2026 年 9 月 30 日
- 官方介绍 · 完整 PDF
- 篇幅：90 页；本文页码均指 PDF 页序，与相关页面印刷页码一致。
- 整理日期：2026 年 10 月 9 日
这份报告以八个章节串起科技企业盈利、AI 资本开支、产业链、软件重估和私募市场。它更接近一套带有投资机构观点的市场图表集，各图统计时点不同，不能把所有数字都视为“2026 年 9 月”的同期数据。下文先概括报告论证，再给出独立分析。
全文摘要：报告试图解释什么 #
报告围绕三个问题展开：谁在创造科技产业的价值，谁在承担 AI 的建设成本，以及这些变化如何影响上市公司与创业公司。
第一条线是盈利与投入。报告认为科技企业已经成为市场盈利增长的重要推动者。大型云厂商把经营现金流投入 AI 基础设施，短期自由现金流承压，债务融资随之增加。资本开支由此向半导体、电力、网络和工业供应链传导。
第二条线是需求与效率。作者把 AI 收入、订单、GPU 价格和 token 用量放在一起，支持“需求仍强、采用尚浅”的判断。降低智能成本可能让更多任务变得可自动化，Agent 又使调用量与缓存需求快速扩张。报告用杰文斯悖论解释这组现象，但这一解释仍需与供给变化等因素共同检验。
第三条线是价值分化。硬件与实体基础设施受到关注，软件则进入需要证明增长与竞争壁垒的阶段。私募市场的价值和融资集中于少数大型公司及头部管理人；创业企业既要提高资本效率，又要展现足以吸引新融资的增长。
报告总体倾向于认为 AI 的产业扩展尚处早期。阅读时应同时检查这套论证的薄弱处：未来收入是否足以支持投入，需求数据有多大代表性，估值增长又有多少已成为可兑现的现金回报。
报告结构与阅读地图 #
- 第 1 章，第 4–13 页：Tech Is The Everything Cycle，科技成为更广泛经济周期的推动者。
- 第 2 章，第 14–21 页：AI Is A Generational Platform Shift，AI 的投入规模、融资及外溢效应。
- 第 3 章，第 22–41 页：Capex Is Working，收入、供需、企业采用与 Agent 需求。
- 第 4 章，第 42–55 页：Atoms Are So Back，资本向实体产业和基础设施传导。
- 第 5 章，第 56–63 页：SaaSpocalypse? More Like SaaS-Prove-It，软件行业分化与估值重定价。
- 第 6 章，第 64–71 页：Take a Walk on the Private Side，私募价值积累、退出与回报集中。
- 第 7 章，第 72–76 页：It’s a Brave New World for Startups, Too，创业公司的融资环境和增长结构。
- 第 8 章，第 77–88 页：PrivateCos Telling the Macro Story，以私营企业数据观察宏观变化。
- 第 89 页：未来机会展望；第 1–3 页为封面、披露及目录，第 90 页为结束页。
八章详细摘要 #
1. 科技成为更广泛经济周期的推动者（第 4–13 页） #
报告论点：科技行业的影响已超出一个独立板块，延伸到企业利润、投资、生产率和资本市场。
本章从大型科技公司的规模与盈利能力切入，比较科技与其他行业的价值创造、利润率和盈利表现（第 6–9 页）。随后把股价变化拆成盈利增长与估值倍数变化，强调市场上涨不一定来自估值扩张（第 10–11 页）。第 12 页将大型平台与其他企业的表现差异，联系到云厂商向 AI 供应链投入利润的过程；第 13 页补充散户、动量与杠杆对波动的影响。
分析：“科技盈利增长强”不等于任何科技资产都有吸引力。应拆开公司增长、市场预期和购买价格。行业平均数也可能掩盖内部差异，平台、芯片和软件企业的现金流位置不同。
2. AI 是一轮大规模平台迁移（第 14–21 页） #
报告论点：AI 的建设依赖真实资产，其投入规模和融资结构会影响企业乃至经济。
第 15–16 页展示资本开支规模及预测上修。第 17 页强调投入消耗云厂商自由现金流，并展示延伸至 2028 年的预测；这些远期数字属于估计。第 18 页转向表内、表外债务融资。第 19 页把资本回报与融资成本比较，图表实际使用的是 ROIC、债务成本和 WACC，不宜仅凭页面大标题将其全部称为 ROE。第 20–21 页讨论技能劳动需求及电力成本，其中电价结论来自特定研究与样本。
分析：企业整体 ROIC 高于融资成本，不能独立证明每个新增数据中心项目都划算。需要进一步看项目利用率、合同期限、交付进度和融资到期时间。电力成本也受地区、定价制度和扩网支出影响，不能普遍化某项研究结论。
3. 资本投入正在得到需求支持，但采用深度仍不均衡（第 22–41 页） #
这是全文最长、也是连接投资与使用端的核心章节。
收入与供需，第 23–26 页：作者用 AI 企业收入增长、云订单积压及新型算力云扩张支持需求判断，并讨论旧 GPU 的租金和价值保持。订单与租金是重要信号，但订单不是已确认收入，旧设备的短期价格也不能直接决定整个折旧周期。
企业采用，第 27–31 页：报告并列部署、量化结果和持续跟踪指标，随后引用企业财报中的 AI 效果案例，并讨论预算空间、代码活动与招聘。企业披露和案例具有选择性；“使用 AI 的企业招聘更多”也不能自动视为 AI 导致招聘增长的因果结论。
重度使用与效率，第 32–37 页：报告强调用户间使用强度的差距，将智能成本下降、GPU 价格与 Agent token 增长连接起来，并讨论开放权重与闭源模型共同扩大需求。模型选择可以按任务分层，缓存和路由能降低成本，但总 token 用量不能直接等同计算量或收入。
消费者与周期比较，第 38–41 页：家庭订阅、消费者留存、搜索导流和个人助手说明消费端仍在扩展。章节末尾借历史上的半导体与软件周期作比较。历史相似性提供参考，不足以证明当前周期会重复同一路径。
分析：最有用的运营指标是合格任务成本、重复使用率和业务结果。把“试过 AI”“付费”“稳定完成工作流”分开，才能判断需求能否支撑长期投入。
4. 实体产业重新成为资本流向的重要部分（第 42–55 页） #
报告论点：AI 的扩展把软件企业的现金流导向硬件和工业能力，并与更广泛的实体投资需求汇合。
第 43–44 页描述资金传导到 GPU、存储、电力部件、熟练工种和铜等环节。第 45–51 页将范围扩展到基础设施、制造、电气化、航天、机器人、自动驾驶和国防，说明本章不全是 AI 直接带来的需求。第 52–54 页讨论产业链的市场表现与估值，第 55 页展示原料、部件、系统及电网的供给瓶颈。
分析：行业研究应区分三件事：需求增长、产能交付、利润兑现。企业可能拿到订单却无法及时获得电力；产业扩张也可能吸引新供给，改变原来的利润率。长期方向与短期景气不能混为一谈。
5. 软件进入证明自身价值的阶段（第 56–63 页） #
报告论点：软件经历的是有选择的重估，报告没有支持所有 SaaS 都将衰退的简单结论。
第 57–59 页比较安全与可观测性、垂直 SaaS、水平 SaaS 等类别的表现和估值。第 60–61 页把收入增长与经营杠杆放在一起，解释软件企业由高增长、低利润转向较低增长、更高利润的结构变化。第 62–63 页提出两个方向：AI 是否侵蚀传统软件价值，还是通过生产率提升扩展回报。
分析：需要逐产品判断：客户买的是界面、系统记录、业务规则还是合规与协作能力？AI 能降低开发成本，但替代业务系统还涉及数据迁移、责任边界和可靠性。另一方面，具备既有分发和客户关系的软件公司也可能利用 AI 增强产品。
6. 私募市场承载更多价值，也更集中（第 64–71 页） #
报告论点：企业更长时间保持私有状态，更多增长在上市前完成，回报分布进一步集中。
第 65 页展示大型退出对市场总量的影响。第 66–67 页比较大型私营企业与上市公司规模，并讨论延后上市的价值积累。第 68 页呈现退出价值的幂律分布。第 69 页补充股权二级交易价格，第 70–71 页讨论头部基金组合与不同管理人、基金年份之间的回报差距。
分析：最近一轮融资估值、二级市场报价、基金账面净值和真正分配给投资人的现金是不同概念。尤其是年轻基金，IRR 与 TVPI 会受未实现估值影响，应同时看 DPI 和退出质量。少数大额交易也可能改变某一年的总量，不应直接推广为整个市场改善。
7. 创业公司面临资本效率与增长的双重要求（第 72–76 页） #
报告论点：零利率时代结束后，企业提高了盈利意识；获得新融资的公司仍需证明增长，而 AI 公司出现不同的扩张轨迹。
第 73 页描述增长与盈利的权衡。第 74 页强调资金向更少基金、企业及 AI 相关方向集中，同时投资范围扩展到专业服务、半导体、电力和国防。第 75 页比较新独角兽与整个独角兽群体的年龄、增长和盈利，第 76 页展示不同创业年份及部分领先 AI 应用的收入曲线。
分析：头部 AI 应用的增长不能代替普通创业公司的经营基准。除了收入和 ARR，还应观察净收入留存、毛利、客户集中度与获客成本；尤其要确认模型和工具调用成本如何随使用增长变化。
8. 私营企业数据成为观察经济变化的新窗口（第 77–88 页） #
报告论点：部分平台直接观察调用、交易和业务活动，能提供传统宏观数据之外的早期信号。
这一章采用案例结构：OpenRouter 的 token 数据（第 78 页）、OpenAI 的使用研究（第 79 页）、Databricks 的模型优化（第 80 页）、算力价格与推理服务（第 81–82 页）、Stripe 的支付观察（第 83 页），以及医疗、物业服务、国防、公共安全和收藏品交易案例（第 84–88 页）。
分析：平台数据的高频性很有价值，但需要先审查用户构成、统计方法和覆盖范围。平台份额变化会影响其观察到的增长；公司公布的案例也可能兼具宣传目的。适合把这类数据作为研究线索，再与财报、独立样本及可复现结果交叉核验。
关键数据：保留口径后再使用 #
- 科技盈利贡献，官方发布说明：David George 在 2026 年 9 月 30 日的介绍中称，截至 8 月下旬，科技贡献标普 500 在 2026 年总盈利增长约 76%。这是盈利增量的贡献比例，不能解读为科技占全部盈利 76%，也不能换成股价涨幅。 官方发布说明
- 企业 AI 部署，第 27 页：2026 年第二季度，69% 的标普 500 公司披露实际 AI 部署，29% 披露量化结果，2% 披露持续跟踪指标。右图来源为 Apollo Daily Spark（2026-09-11）。2% 是披露口径，不意味着其余企业内部没有衡量。
- Agent 调用，第 35 页：OpenRouter 分类数据的七日平均曲线显示，Agent token 于 2026-02-06 超过人类直接使用，后期约达 7.3 万亿，标注增长 14 倍。右图显示 Agent token 的缓存提示占比超过 85%。这是单个平台、特定分类和观察窗口的数据。
- 家庭订阅，第 38 页：PNC Research 内部数据图中，2026 年 4 月美国 AI 付费家庭占比为 2.2%；2026 年 5 月订阅家庭月均支出约 31 美元。家庭、个人、均值与中位数不能互换。
- 软件结构，第 61 页：图中概括约 75% 的软件企业已盈利，约 30% 增长超过 20%。其范围为报告选定的上市公司样本，不能推广为所有 SaaS 或创业公司。
- 退出集中，第 68 页：2026 年上半年样本中，前 1% 退出占退出总价值约 84%，前 10% 约占 94%。图注来源为 PitchBook，截至 2026-07-20；该期样本量为 197 笔，受大额退出影响，应与完整年度分开比较。
- 平台用量，第 78 页：OpenRouter 周 token 从 2025 年 9 月约 4.7 万亿增至 2026 年 9 月约 126.2 万亿，图中概括约 27 倍。该指标包括不同类型 token，不能直接换算为全行业算力需求或付费收入。
综合分析：把市场叙事变成可验证的问题 #
AI 的价值链需要分段观察 #
模型提供商、基础设施、应用和终端用户承担不同成本，也在不同时间取得回报。云厂商的资本开支是供应商收入，却未必立刻成为云厂商的可用容量；应用收入增长也未必意味着其用户的净收益增长。研究应沿着合同、交付、使用和现金回款逐层核对。
效率提升与需求增长可以同时发生 #
单次调用便宜后，新的任务进入可自动化范围，总用量可能上涨。但还需测量成功率、缓存、路由和人工审核。建议将“每百万 token 价格”与“每个合格任务成本”并列，后者更接近真实经济价值。
总体增长可能伴随更强分化 #
报告从重度用户、供应链、软件类别、退出交易和基金回报等多个角度讨论集中度。经营者不能只跟踪行业总量，还要判断自己服务的客户群是否有稳定需求、是否能重复交付，以及增长是否过度依赖少数客户。
预测应保留发生条件 #
2028 年现金流恢复、未来算力需求和新产业机会都不是已验证结果。后续应跟踪资本开支是否上修或下修、设备利用率、订单取消与转化、用电交付、软件续费，以及私募退出的实际现金分配。
局限与阅读顺序 #
第 2 页说明材料使用第三方数据，并未独立核验所有信息。上市公司分类、私募估值、平台样本和预测模型均有边界。本笔记基于报告自身的图表与说明做摘要，并不声称重新审计所有底层数据。
快速阅读可先看第 3 页目录、第 27 页采用、第 34–35 页效率与 Agent、第 55 页瓶颈、第 61 页软件结构、第 68 页退出集中及第 89 页展望。完整阅读则按八章顺序，把“盈利—投入—需求—产业链—价值分配”连起来。
第 89 页列出的未来方向包括重度消费者、机器人、自主系统、AI 与生物、个人健康、编码之外的企业应用及美国实体创新。它们是报告提出的机会方向，应分别核验需求、技术成熟度与商业可行性。