A16z投资者合伙人 :2026 年,风险投资将吞并私募股权,主要原因:AI实现了降本增效

marsbit发布于2025-12-12更新于2025-12-12

文章摘要

A16z投资者合伙人Troy Kirwin指出,风险投资(VC)与私募股权(PE)原本分属不同领域:VC聚焦于旧金山的高科技、高增长行业,而PE则偏向纽约的现金流稳定、人力密集型服务行业。但人工智能(AI)的快速发展正在改变这一格局。 过去,B2B初创企业难以攻克中端市场(如现场服务、IT外包、会计等行业),因为这些行业利润薄、人工成本高、IT预算少。而AI的出现使这些行业得以被重新改造。 目前,VC与PE正通过三种方式融合:PE基金成为AI初创企业的渠道伙伴,为其投资组合引入AI;PE的投资组合成为创业者的灵感来源;VC支持的AI平台开始收购传统服务公司,实现端到端整合,提升效率并原生融合AI技术。 Kirwin认为,在AI推动下,原本风格迥异的VC和PE正快速走向汇合。

A16z投资者合伙人 Troy Kirwin 在最新视频中提出,风险投资与私募股权长期像生活在两个星球:VC 在旧金山、押注科技、高增长与巨大 TAM;PE 在纽约、偏好稳定现金流与人力密集型服务行业。 然而,AI 的快速渗透正在改变这一切。

过去,B2B 初创企业通常靠向早期采纳者、再到财富 500 强扩张;但像现场服务、IT 外包、会计、建筑、招聘等中端市场由于利润薄、人工成本高、IT 预算少,一直难以攻克。AI 的出现让这些行业突然“能被重新做一遍”。

Kirwin 指出 VC 与 PE 正在三条路径上发生碰撞:

1)PE 基金开始成为 AI 初创的渠道伙伴,为其整个投资组合导入 AI;

2)PE 的投资组合页面正在变成创业者的“点子菜单”;

3)VC 支持的 AI 平台企业不再只卖软件,而是收购传统业务服务公司,实现端到端整合,提高利润率并让其 AI 原生化。

“西海岸穿 Patagonia 的 VC 与东海岸西装革履的 PE,原本属于两个宇宙。但在 AI 的推动下,我相信它们正在快速汇合。”

热门币种推荐

你可能也喜欢

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

知名投研机构SemiAnalysis近日报告指出,英伟达已向主要客户预览了其顶级AI芯片Rubin Ultra的最新规格,但相比此前预期出现显著降配。核心变化包括:算力峰值保持与普通版Rubin相同的35 PFLOPs;显存容量降至8层堆叠的192GB,甚至低于普通版的288GB;显存带宽仅微升1TB/s;芯片功耗反而略有提高。Rubin Ultra的主要升级方向转向“扩展互联规模”,支持通过NVLink将最多576张GPU互联成统一计算域,远高于普通版的72张。 报告分析认为,此次调整主要源于HBM(高带宽内存)价格持续快速上涨。以HBM3为例,其价格已从2025年二季度的低点180-220美元,飙升至目前约700-850美元。HBM成本飙升使得Rubin Ultra单机架的物料成本一度从约660万美元升至800万美元。英伟达因此重新评估设计,通过减少昂贵的HBM配置(成本占比从近40%降至28%),将资源更多投入互联能力等方向,优化整体成本结构。 此消息引发市场对HBM需求见顶的担忧。受冲击影响,韩国存储股开盘大跌,SK海力士、三星股价均下挫约8%。市场解读认为,若英伟达此举成为趋势,意味着AI芯片厂商可能开始通过优化设计来降低对高容量HBM的依赖,这或将限制存储厂商未来的提价空间,标志着AI基础设施的“堆料涨价”时代可能接近尾声。

Odaily星球日报12分钟前

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

Odaily星球日报12分钟前

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit1小时前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit1小时前

交易

现货

热门文章

从H2A到A2A:AI Agent经济体与Crypto新机遇

6月17日,哈佛大学独立研究员、美国AI科学院(NAAI)通讯院士、比特币基金会终身会员韩锋做客火币HTX《大咖讲堂》第三期,以《从H2A到A2A》为主题,分享了其对Agent经济、Crypto基础设施及数字社会未来发展的思考。

541人学过发布于 2026.07.01更新于 2026.07.01

从H2A到A2A:AI Agent经济体与Crypto新机遇

美股TradFi:传统金融在AI IPO浪潮下的稳健锚点

2026年,美股IPO市场重回高热度。本文梳理即将上线或受关注的热门赛道龙头,分析具备投资潜力的交易标的及其逻辑,并探讨宏观趋势与相关风险。

2.5k人学过发布于 2026.07.08更新于 2026.07.08

美股TradFi:传统金融在AI IPO浪潮下的稳健锚点

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对AI(AI)币价的意见。

活动图片