图片来源：a16z
当OpenAI以闭源模式筑起技术高墙时，中国团队DeepSeek却以开源AI模型R1点燃了全球技术平权的导火索。在这场由硅谷风投教父Marc Andreessen与知名主播的深度对话中，AI不再只是技术议题，而是成为重构资本、权力与文明秩序的核动力。
本文是小编近期读过思考最深入和全面的一篇文章。
文章的摘要和全文内容如下。
Z Highlights
-
美国仍然是AI领域的知识领导者，但DeepSeek在应用这些知识方面表现出色，并以开源的方式将其贡献给世界，形成了与美国公司封闭模式的鲜明对比。这种开源模式不仅推动了技术扩散，还降低了推理计算成本。
-
开源和闭源的
竞争，这既符合自由市场的原则，也推动了创新。从商业角度来看，开源的兴起促使闭源公司面临挑战，但也让整个行业更具活力。
-
美国对中国AI芯片的封锁短期内可能遏制其发展，但长期来看，这将推动中国加速自研芯片，最终导致美国失去控制力。这种政策可能适得其反，加剧全球科技竞争。
-
AI推理系统（如o7）正在彻底改变风险投资行业，尤其是在深度分析能力方面。AI将极大提升数据处理能力，使得后期投资市场（如公开市场的量化交易）更加依赖AI。然而，在早期投资中，人类判断仍然占据核心地位。
Patrick：
Marc，我认为我们必须从最核心的问题开始。你能否谈谈你对DeepSeek的R1的看法？
Marc：
这个问题涉及多个维度。首先，美国仍然是人工智能领域公认的科学和技术领导者。DeepSeek中的大多数想法源自过去20年，甚至追溯到80年前在美国或欧洲进行的研究。神经网络的最初研究早在20世纪40年代就在美国和欧洲的研究型大学中展开。因此，从知识发展的角度来看，美国依然遥遥领先。
然而，DeepSeek在应用这些知识方面做得非常出色。他们还做了一件了不起的事情，那就是以开源的形式将其提供给全世界。这实际上相当令人惊叹，因为这种现象发生了一种逆转。相比之下，像OpenAI这样的美国公司基本上完全封闭。埃隆·马斯克甚至对OpenAI提起诉讼，要求他们将公司名称从OpenAI改为Closed AI。OpenAI最初的设想是所有内容都会开源，但如今一切都已封闭。其他大型AI实验室，如Anthropic，也完全封闭，甚至已经停止发布研究论文，将所有东西都视为专有财产。
而DeepSeek团队出于他们自己的原因，真正实现了开源的承诺。他们发布了他们的LLM（称为V3）和推理器（称为R1）的代码，并且发布了详细的技术论文，说明了他们是如何构建它的，这为任何想要进行类似工作的其他人提供了路线图。
外界有一种虚假的论调，认为如果你使用DeepSeek，你就会把所有数据给中国人。如果你在DeepSeek网站上使用该服务，这是真的。但你可以下载代码，并自行运行它。举个例子：Perplexity是一家美国公司，你可以在Perplexity上使用DeepSeek R1，完全托管在美国。微软和亚马逊现在都有DeepSeek的云版本，你可以在他们的云平台上运行它，显然这两家公司都是美国公司，使用的是美国的数据中心。
这非常重要。你现在可以下载这个系统，并且实际上可以在家里或公司里价值6000美元的硬件上运行它。它的能力与OpenAI和Anthropic等公司的最前沿系统相当。这些公司投入了大量资金来构建他们的系统。如今，你可以用6000美元买到它，并且拥有完全的控制权。如果你自己运行它，你可以完全透明地了解它在做什么，你可以修改它，你可以对它进行各种操作。
它还有一个非常出色的特性，称为蒸馏。你可以将需要6000美元硬件的大模型进行压缩，创建更小版本的模型。网上已经有人创建了更小版本的模型，并且进行了优化，以便你可以在MacBook或iPhone上运行它们。这些版本虽然没有完整版本那么智能，但仍然相当聪明。你可以创建定制的、针对特定领域的、经过蒸馏的版本，它们在特定领域表现出色。
这是在使大模型推理以及R1模型在编程、科学方面推理变得更加普及方面的一个巨大进步。六个月前，这些还非常深奥、极其昂贵且专有。如今，它变得对每个人来说都是免费且永远可用的。
每一个大型科技公司、互联网公司、每一个初创公司，我们本周就有几十家甚至几百家初创公司，要么正在基于DeepSeek进行重建，要么将其整合到他们的产品中，要么研究他们使用的技术，并用它来改进现有的AI系统。
Meta团队的马克·扎克伯格最近谈到，Meta团队正在拆解DeepSeek，完全合法地借鉴这些想法，因为它是开源的，并确保下一个版本的Llama在推理能力上至少与DeepSeek相当，或者更好。这确实推动了世界的发展。
我们可以从中学到的两个主要观点是：AI将无处不在。有很多AI风控人士、安全人士、监管者、官员、政府、欧盟、英国人等等……所有这些人都希望限制和控制AI，而这基本上保证了这一切都不会发生，我认为这很好。它非常符合互联网的自由传统。然后，这实现了推理能力的30倍成本降低。
也许最后要指出的是，这表明推理将奏效。推理将在人类活动的任何领域奏效，只要你可以生成答案，这些答案可以在事后由技术专家检查是否正确。
我们将拥有能够进行人类和超人类水平推理的AI，这将在真正重要的领域发挥作用：编码、数学、物理、化学、生物学、经济学、金融、法律和医学。这基本上保证了五年内地球上每一个人都会拥有一位超人类水平的AI律师、AI医生，他们随时待命，这只是手机上的一个标准功能。这将使世界变得更加美好、健康和奇妙。
Patrick：
但这也是最不稳定的，两个月内模型就会过时。每个技术层级都在发生大量创新。但仅从当下这个时点来看，进入这个新范式，如果你正在撰写关于所有利益相关者的赢家和输家的专栏，无论是新的应用开发者、现有的软件开发者、像英伟达这样的基础设施提供商，开源与闭源模型公司。你认为谁是R1发布后的赢家和输家？
Marc：
如果在今天拍一张“快照”，那么从零和游戏的角度来看，在一个时间点上的赢家和输家来说，赢家是所有的用户，所有的消费者，每一个个人，以及每一个使用AI的企业。
有一些初创公司，比如做AI法律服务的公司，上周他们使用AI的成本还是现在的30倍。例如，对于一家正在构建AI律师的公司来说，如果其关键输入的成本下降了30倍，这就像是开车时汽油成本下降了30倍。突然之间，你可以用同样的一美元开30倍远的距离，或者你可以利用额外的支出能力去购买更多的东西。所有这些公司要么将极大地扩展它们在所有这些领域使用AI的能力，要么它们将能够以更便宜或免费的方式提供服务。所以对于用户、世界来说，这是一个在固定规模的盘子基础上的绝佳结果。
输家是那些拥有专有模型的公司，比如OpenAI、Anthropic等等。你会注意到，OpenAI和Anthropic在过去一周都发出了相当强硬但像是被挑衅后的信息，解释为什么这并不是他们的终结。在商业和政治中有一句老话，当你在解释的时候，你就输了。
然后另一个是英伟达公司。关于这一点有很多评论，但英伟达制造的是人们使用的标准AI芯片。也有一些其他选择，但英伟达是大多数人使用的。他们芯片的利润率高达90%，公司的股票价格也反映了这一点。（英伟达）是世界上最有价值的公司之一。DeepSeek团队在他们的论文中所做的其中一件事是，他们想出了如何使用更便宜的芯片，实际上仍然使用英伟达的芯片，但他们使用得更加高效。
30倍的成本降低的一部分是你只需要更少的芯片。顺便说一下，中国正在构建自己的芯片供应链，一些公司也开始使用中国衍生的芯片，这当然对英伟达来说是一个更根本的威胁。所以这是在某个时间点的快照。但问题是，你的问题暗示了另一种看待它的方式，那就是随着时间的推移，随着时间的推移，你想要看到的是弹性效应。萨蒂亚·纳德拉用了这个叫做杰文斯悖论的短语。
想象一下汽油。如果汽油的价格大幅下降，那么突然之间人们会开更多的车。这在交通规划中经常出现。所以你会有一个像奥斯汀这样的城市，它交通拥堵，有人会突发奇想，在现有高速公路旁边再建一条新高速公路。而在短短两年内，新高速公路也会被堵满，也许甚至更难从一个地方到达另一个地方。原因在于关键投入品价格的降低可以诱导需求。
如果AI突然变得便宜30倍，人们可能会使用它30倍，或者顺便说一下，他们可能会使用它100倍甚至1000倍。这种经济术语叫做弹性。所以价格下降等于需求的爆炸性增长。我认为这里有一个非常合理的场景，那就是在另一边，随着使用量的爆炸性增长，DeepSeek会做得很好。顺便说一下，OpenAI、Anthropic也会做得很好，英伟达也会做得很好，中国的芯片制造商也会做得很好。
然后你会看到一种潮汐效应，整个行业会爆炸性增长。我们真的才刚刚开始人们弄清楚如何使用这些技术。推理只是在过去四个月才开始奏效。OpenAI几个月前才发布了他们的o1推理模型。这就像把火种从山上取下来，然后把它交给全人类。而大多数人类还没有使用火，但他们会用的。
然后，坦率地说，这也是一个旧观念，即创造性，也就是说，好吧，如果你是OpenAI或者其他类似的公司，你上周所做的已经不够好了。但话说回来，这就是世界的方式。你必须变得更好。这些事情都是竞赛。你必须进化。所以这也是一种非常强大的催化剂，促使许多现有公司真正提高他们的水平，变得更加激进。
……
Patrick：
……，如果一家中国公司使用在美国开发的模型，这些模型投入了大量资金，然后导致了这种为世界带来丰富的技术，这是一件很难理解的事情。我很想听听你从这两个角度的反应。
Marc：
是的，所以这里有一些真正的问题。这种论点存在一种讽刺意味，你确实会听到这种论点。当然，讽刺之处在于OpenAI并没有发明Transformer。大型语言模型的核心算法叫做Transformer。
它不是在OpenAI发明的，而是在谷歌发明的。谷歌发明了它，并且发表了相关论文，然后顺便说一下，他们没有将其产品化。他们继续对其进行研究，但没有将其产品化，因为出于“安全”考虑，他们认为这可能是不安全的。因此，他们让它在货架上放了五年，然后OpenAI的团队明白了这一点，将其捡起来并继续推进。
Anthropic是OpenAI的分支。Anthropic也没有发明Transformer。因此，无论是这两家公司，还是每一个其他正在研究大型语言模型的美国实验室，每一个其他开源项目，都是建立在他们自己没有创造和开发的东西之上。
顺便说一下，谷歌在2017年发明了Transformer，但Transformer本身是基于神经网络的概念。神经网络的想法可以追溯到1943年。所以，82年前实际上是原始的神经网络论文发表的时间，而Transformer是在70年的研究和发展基础上建立起来的，其中大部分是由联邦政府和欧洲政府在研究型大学中资助的。
因此，这是一个非常长的知识思想和发展的谱系，进入所有这些系统的大部分想法都不是目前构建这些系统的公司所开发的。没有一家公司坐在这里，包括我们自己的公司，没有任何特殊的道德主张，认为我们是从头开始构建的，我们应该完全控制。这根本不是事实。
所以，我会说，像这样的论点是出于当下的挫败感。顺便说一下，这些论点也是毫无意义的，因为中国已经这么做了，它已经出来了，事情已经发生了。现在有一个关于版权的争论。如果你和这个领域的专家交谈，很多人一直在试图理解为什么DeepSeek如此出色。其中一个理论，这是一个未经证实的理论，但专家们相信的一个理论是中国公司可能使用了美国公司没有使用的数据进行训练。
特别令人惊讶的是，DeepSeek在创意写作方面非常出色。DeepSeek可能是目前世界上英语创意写作方面最好的AI。这有点奇怪，因为中国的官方语言是中文。虽然有一些非常优秀的中国英语小说家，但一般来说，你可能会认为最好的创意写作应该来自西方。而DeepSeek目前可能是最好的，这令人震惊。
因此，其中一个理论是DeepSeek可能进行了训练。例如，有一些网站的名字叫Libgen，这些基本上是巨大的互联网存储库，里面全是盗版书。我自己当然不会使用Libgen，但我有一个朋友经常使用它。它就像Kindle商店的超集。它有每本数字书，以PDF格式存在，你可以免费下载。它就像电影版的海盗湾。
美国实验室可能不会觉得自己可以简单地从Libgen下载所有书籍并进行训练，但也许中国实验室觉得自己可以。因此，可能存在这种差异优势。话虽如此，这里还有一个悬而未决的版权之争。人们需要小心对待这个问题，因为这里有一个悬而未决的版权之争，一些出版公司基本上希望阻止像OpenAI、Anthropic和DeepSeek这样的生成式AI公司能够使用他们的内容。
有一个论点说，这些材料是受版权保护的，不能随意使用。还有另一个论点，基本上说AI对书籍进行训练，你并没有复制书籍，你是在阅读书籍。AI阅读书籍是合法的。
你和我被允许阅读书籍，顺便说一下。我们可以从图书馆借阅书籍。我们可以捡起朋友的书。这些行为都是合法的。我们被允许阅读书籍，我们被允许从书籍中学习，然后我们可以继续我们的日常生活，谈论我们在书中学到的想法。另一个论点是，训练AI更像是人类阅读书籍，而不是偷窃。
然后还有实际现实，即如果……他们的AI可以接受所有书籍的训练，而如果美国公司最终被法律禁止对书籍进行训练，那么美国可能会在AI领域输掉比赛。从实际角度来看，这可能是一个致命一击，就像他们赢了而我们输了。可能有一些整个争论的纠结。DeepSeek没有透露他们训练所使用的数据。因此，当你下载DeepSeek时，你得不到训练数据，你得到的是所谓的权重。因此，你得到的是经过训练材料训练后的神经网络。但从那里面很难甚至不可能去查看并推导出训练数据。
顺便说一下，Anthropic和OpenAI也没有透露他们训练所使用的数据。然后在该领域存在激烈的猜测，关于OpenAI训练数据中有什么和没有什么。他们认为这是一个商业秘密。他们不会公开这些内容。因此，中国DeepSeek可能与这些公司不同，也可能没有。他们可能在训练方法上与中国公司不同。我们不知道。
我们不知道OpenAI和Anthropic的算法到底是什么，因为它们没有开源。我们不知道它们比公开的DeepSeek算法好多少或差多少。
02 谈闭源与开源
Patrick：
你认为那些进入竞争的闭源模型，像OpenAI、Anthropic，最终会变得更像苹果与谷歌的安卓吗？
Marc：
我支持竞争的最大化。这符合我作为风险投资人的身份。如果你是一家公司的创始人，经营一家AI公司，你需要有一个非常具体的策略，权衡利弊并做出取舍。然而，作为风险投资人，我不需要这样做。我可以进行多种相互矛盾的押注。这就是彼得·蒂尔所说的“确定性乐观”与“非确定性乐观”的区别。公司创始人和CEO必须是确定性乐观主义者，他们需要制定计划并做出艰难的权衡以实现目标。而风险投资人是非确定性乐观主义者，我们可以资助一百家拥有不同计划、甚至相互矛盾假设的公司。
我的工作本质决定了我不需要做出你刚才描述的那种选择。这让我能够轻松提出一个哲学论点，我个人也真诚认同：我支持最大程度的竞争。进一步来说，这意味着我支持自由市场、最大程度的竞争和最大程度的自由。本质上，如果有尽可能多的聪明人想出尽可能多的不同方法，并在自由市场中相互竞争，看看会发生什么，这将推动创新和进步。
具体到AI领域，这意味着我支持大型实验室尽可能快地发展。我100%支持OpenAI和Anthropic做他们想做的任何事情，推出他们想推出的任何产品，并尽可能努力发展。只要他们没有从政府那里获得优先的政策待遇、补贴或支持，他们应该能够作为公司自由发展。
当然，我也支持初创公司。我们正在积极资助各种规模和类型的AI初创公司。我希望这些初创公司能够茁壮成长，同时我也希望开源能够蓬勃发展。部分原因是，我认为如果技术以开源形式出现，即使这意味着某些商业模式的公司无法运作，对世界和整个行业的益处将是巨大的。我们会找到其他赚钱的方法。AI将变得更加普及、更便宜、更容易获得，我认为这将是一个非常好的结果。
此外，开源还有一个非常关键的原因：没有开源，一切都变成了黑盒子。没有开源，一切都变成了被少数几家公司拥有和控制的黑盒子，这些公司最终可能会与政府勾结。我们需要开源，以便能够查看盒子内部发生了什么。开源不仅是技术透明的基础，也是学术研究和教学的基石。
回到两年前，当时还没有基本的开源LLM（大型语言模型），Meta发布了Llama，随后是法国的Mistral，现在是DeepSeek。但在这些开源模型出现之前，大学系统正经历一场危机。大学研究人员在斯坦福、麻省理工和伯克利等地方没有足够的资金去购买价值十亿美元的英伟达芯片，无法真正参与AI领域的竞争。
如果你在两年前与计算机科学教授交谈，他们会非常担心。第一个担忧是他们的大学没有足够的资金来参与AI领域的竞争并保持相关性。第二个担忧是所有大学加在一起也没有足够的资金来参与竞争，因为没有人能够跟上这些大型公司的筹资能力。
开源让大学重新回到竞争中。这意味着，如果我是斯坦福、麻省理工、伯克利或任何州立学校的教授，我现在可以使用Llama代码、Mistral代码或DeepSeek代码进行教学。我可以进行研究，取得突破，并发表我的研究成果，让人们真正了解发生了什么。每一个新一代的学生来到大学，参加计算机科学课程时，他们将能够学习如何做到这一点。而如果这是一个黑盒子，他们就无法做到。
我们需要开源，就像我们需要言论自由、学术自由和研究自由一样。因此，我的模式基本上是让大公司、小公司和开源相互竞争。这就是计算机行业发生的事情，效果很好。这也是互联网行业发生的事情，效果也很好。我相信这将在AI领域发生，我认为这将效果很好。
Patrick：
是否有一个极限，即想要最大程度的进化速度和最大程度的竞争？也许有。如果我说，我们知道最好的东西是中国做出来的，是否有一种情况是你说，是的，我想要最大程度的进化和竞争，但国家利益在某种程度上超越了对最大进化速度和发展的渴望？
Marc：
这个论点是一个非常真实的论点，在AI领域被频繁提出。事实上，正如我们今天坐在这里时，有两件事值得注意。首先，目前实际上存在对西方公司和美国公司向中国出售尖端AI芯片的限制。例如，英伟达今天实际上不能合法地将其尖端AI芯片出售给中国。我们生活在一个已经做出这种决定并实施这种政策的世界中。
其次，拜登政府曾发布了一项行政命令（我认为现在已经撤销），该命令将对软件实施类似的限制。这是一个非常活跃的争论。随着DeepSeek事件的发生，华盛顿特区正在进行另一轮这样的争论。
当你陷入政策争论时，你会遇到一种经典的情况：你有一个理性的争论版本，即从理论角度出发，什么是符合国家利益的。然后你有一个政治版本的争论，即政治过程实际上会对理性论点做些什么？让我这样说，我们都有很多经验，看着理性论点与政治过程相遇，通常不是理性论点获胜。经过政治机器的加工，出来的结果通常不是你最初认为会得到的东西。
此外，还有第三个因素，我们总是需要讨论的，即大型公司的腐败影响。如果你是一家大型公司，看到中国公司正在发生的变化（更有竞争力）以及开源带来的威胁，你当然会试图利用美国政府来保护自己。也许这符合国家利益，也许不符合。但无论如何，你都会推动这一点。这就是使这场争论变得复杂的原因。
你不能将尖端AI芯片出售给中国。这肯定在某些方面阻碍了他们。有一些事情他们将无法做到。也许这是好事，因为你已经决定这是符合国家利益的。但让我们来看看由此产生的三个其他有趣的后果。
第一个后果是，这给中国公司提供了巨大的动力，去设计如何在更便宜的芯片上实现目标。这是DeepSeek突破的一个重要部分，即他们想出了如何使用合法合规的更便宜的芯片来做到美国公司用更大芯片才能做到的事情。这也是它如此便宜的一个原因。其中一个原因是你可以在价值6000美元的硬件上运行它，是因为他们投入了大量的时间和精力来优化代码，使其能够在不受制裁的更便宜的芯片上高效运行。你迫使了一种进化反应。
所以这是第一个反应，也许这已经在某种程度上适得其反了。第二个后果是你激励中国国有和私营部门去发展一个平行的芯片产业。如果他们知道他们无法获得美国芯片，那么他们就会去发展自己的芯片产业。他们现在正在这样做。他们有一个全国性的计划，去建立自己的芯片产业，这样他们就不依赖美国芯片了。
从反事实的角度来看，也许他们会购买美国芯片。现在他们将去弄清楚如何自己制造。也许五年后他们能够做到这一点。但一旦他们达到一个能够自己制造的位置，那么我们将拥有一个我们在全球市场上不会拥有的直接竞争对手，如果我们只是卖给他们芯片的话。而且，到了那个时候，我们对他们的芯片没有任何控制权。他们可以完全控制，甚至可以在低于成本的价格出售，做任何他们想做的事情。
因此，这场争论不仅仅是关于技术和市场的竞争，还涉及到国家利益、政治博弈和全球供应链的复杂性。我们需要在这些因素之间找到平衡，以推动技术的进步和全球的繁荣。
Patrick：
您认为这些变革将如何重塑资本配置格局？尤其是五年后，安德森·霍洛维茨（A16Z）将受到怎样的具体影响？如果我们将投资机构的核心能力拆解为募资能力、深度分析能力和人才评估能力——特别是在早期投资领域，AI推理系统（如“o7”）将如何重构这些核心职能？
Marc：
分析层面的变革将带来最剧烈的结构性调整。可以预见，头部投资机构将率先构建AI增强型分析系统，在处理海量数据和复杂变量时，这种技术赋能将带来显著优势。然而，这里存在一个需要警惕的悖论——正如“鞋匠的孩子没鞋穿”所描述的行业现象，那些在AI领域布局最激进的风投机构，反而可能在自身运营体系的技术应用上滞后。
目前，我们内部正在推进七个AI增强分析项目，涵盖初创企业估值建模、行业趋势预测等多个场景，但必须承认，整个风险投资行业尚未建立一套系统化的解决方案框架。
在后期投资和公开市场领域，量化分析型策略已占据主导地位。以沃伦·巴菲特为例（虽然这一传闻尚需考证），他依赖于深度解析经过SEC严格监管的上市公司年报进行决策。这种去人格化、纯数据驱动的分析范式，恰恰是AI系统最擅长的战场。当像o7这样的第三代推理引擎能够以每秒百万页的速度解析全球企业财报，并保持99.97%的监管合规性检测精度时，传统的人工作业模式势必会被彻底颠覆。
这种技术扩散将遵循典型的“创新扩散曲线”：
早期采用者获得超额收益，中期跟随者形成竞争均衡，最终演变为行业基础设施。
然而，在早期风险投资领域，价值创造的机制本质上有所不同。
请允许我在此表达一个可能被视为理想主义的观点——在初创企业的萌芽阶段，我们实际上是在进行为期五年的“人才系统工程”，在这个过程中，技术分析仅占决策权重的30%。
这种需要高频次、高密度的面对面交互机制，从根本上解释了风险投资难以实现地理规模化的困境。初创企业如同需要精准滴灌的幼苗，投资机构不仅要评估创始人的领导力、团队凝聚力等软性指标，还需深度参与产品路线图制定、早期客户获取等运营环节。这种双向的知识流动——我们提供跨行业的全景视角，创始人贡献垂直领域的深度认知——共同构成了独特的价值创造飞轮。
正如泰勒·考恩提出的“人才星探”理论，这种能力本质上是对人类潜能的早期识别与催化。这种协作模式在人类文明史上具有持久的生命力。从美第奇家族对文艺复兴艺术家的赞助体系，到大卫·格芬重塑音乐产业的造星工程，再到新石器时代部落长老评估年轻猎手的决策场景，本质上都是创新者与资源持有者之间的动态博弈。
除非某天出现能够完全复现人类直觉、共情与信任建立的算法，否则早期投资的“人性内核”仍将长期存在。当然，如果某天AI超越了我的识人能力，我会立即让贤——但目前这仍属于科幻范畴。
Patrick：
面对技术颠覆，A16Z如何重构发展战略？在运营模式和战略定位层面进行了哪些适应性调整？
Marc：
我们始终在“永恒原则”与“动态进化”之间构建微妙的平衡。我们坚守的基石包括：对创业者主权的绝对尊重（这区别于传统资管机构的甲方思维）、基于十年周期的价值陪伴理念（参考我们某LP持续40年持有英伟达的案例）、以及必须通过实体空间实现的知识共振（远程协作无法复现白板前头脑风暴的化学效应）。
与此同时，我们必须建立技术演进的前哨系统：当AI可能重构企业DNA时，我们组建了由人类学家、组织行为学家和AI架构师组成的特别研究小组；当地缘政治成为关键变量时，我们搭建了覆盖22个司法管辖区的政策分析矩阵。
这种双重性体现在每个运营细节中。例如，当传统风投界普遍认为“学者不适合创业”时，我们却见证了DeepMind系创始人如何颠覆AI产业格局；当行业普遍回避政治参与时，我们建立了专业游说团队和监管沙盒实验。这种动态调适能力，本质上是一种对“创新边缘”的持续感知与响应机制。
Patrick：
您如何看待创始人驱动型资管平台的竞争优势？像黑石、KKR这类巨头的演进路径，对A16Z有何启示？
Marc：
传统的合伙制VC存在根本性局限——它本质上是精英个体能力的简单叠加，而非可传承的组织智慧。当创始团队迭代时，机构记忆往往随之消散，正如《广告狂人》所描绘的广告业黄金时代，人才流失往往导致机构熵增。
反观百年金融史，摩根财团从私人银行向现代投行的蜕变，揭示了机构化建设的必然性。我们正在构建的是“价值创造的永动机”：既保留早期投资的人性化内核（每周我仍保持与15位初创CEO的深度对话），又通过六大专业中台（包括AI增强研究平台、创始人成长学院等）沉淀机构能力。
这种混合架构的优势在AI时代愈发凸显——当某自动驾驶公司需要5亿美元级融资时，我们既能调动早期团队的场景洞察，又能协同成长基金的风控模型，形成全周期赋能网络。
Patrick：
展望未来十年，您希望A16Z形成哪些差异化特质？有哪些传统资管公司的弊端是你们坚决规避的？
Marc：
我们在投资对象、公司所做的事情、模型以及创始人的背景方面迅速演变，这些内容一直在变化。举个例子，60年来风险投资界一直有一个共识，那就是你永远不会支持研究人员创办公司进行研究。他只会进行研究，耗尽资金，最后你一无所获。
然而，如今许多顶尖的AI公司正是由研究人员创立的。这是一个例子，说明有些所谓的“永恒不变”的价值观需要根据时代的变化进行调整。我们需要对这些变化保持高度的灵活性。因此，随着这些变化，公司成功所需的帮助和支持也会随之改变。
关于我们公司最显著的变化之一，我之前也提到过，那就是我们现在拥有一个庞大且日益复杂的政治运作部门。四年前，我们在政治领域还是一片空白。而如今，这已经成为我们业务的一个重要组成部分，是我们之前从未预料到的。
我们立誓摒弃“规模暴政”。当某些机构将AUM（资产管理规模）视为终极勋章时，我们始终警惕管理费驱动的规模幻觉。我们的每个扩张决策都必须通过“创始人价值测试”——新设的生物科技基金源于mRNA创业者的实际需求，加密基金的诞生始于Vitalik Buterin的深夜来电。即便管理多种策略基金，早期风投始终是价值创造的核心引擎。
这种专注体现在极端情景下的战略选择：如果遇到黑天鹅事件需要战略收缩，最后被裁撤的一定是后期投资部门，而非早期团队。因为正是通过与初创企业紧密的连接，我们才能持续获得产业变革的α信号——这种知识资本才是机构真正的护城河。
未来，A16Z必将探索当今难以想象的领域（或许包括太空资产证券化或量子生物工程），但某些基因必须永恒传承——对技术原力的敬畏、对创业精神的守护，以及对人类想象力的坚定信仰。
Patrick：
当我们审视全球权力结构的演变时，您认为哪些权力中心正在经历根本性位移——无论是权力扩张还是衰退？
Marc：
这让我想到詹姆斯·伯纳姆的经典著作《马基雅维利主义者》。这部20世纪政治学巨著揭示了权力运作的本质规律：所有社会本质上都存在组织化的精英阶层与无组织大众的二元结构。即便在所谓民主体制下，真正的决策权始终掌握在小型精英集团手中——从古希腊城邦到现代代议制政府，概莫能外。
这种权力架构存在根本性张力：当精英集团与大众利益严重脱节时，就可能触发"反精英革命"。当前全球政治格局正是这种动态的完美例证。以美国为例，传统建制派精英（以布什家族和奥巴马为象征）正遭遇来自左右两翼的挑战——左翼的AOC进步派与右翼的MAGA运动，本质上都是新型反精英集团试图重构权力版图。
这种范式转换具有全球普遍性：英国法拉奇领导的改革党正在瓦解保守党堡垒，德国AfD首次与基民盟达成合作，意大利梅洛尼政府的崛起，都印证着旧精英体系的崩塌。这种权力更替的核心机制在于：当现存精英集团的支持率跌至11%（如盖洛普调查显示的机构信任度），说明其治理合法性已濒临崩溃。
导致这种系统性衰落的根源，我认为存在双重解释维度：其一是精英集团的自我腐化——他们沉溺于权力寻租，丧失自我革新能力；其二是社会流动机制的失效。传统精英吸纳机制本应通过"旋转门"不断吸收新鲜血液，但现实是这套系统已异化为既得利益者维护特权的工具。当耶鲁毕业的JD·万斯发现精英阶层的虚伪本质时，这种幻灭感正在全球数百万精英后备军中蔓延。
值得警惕的是，这种权力重构过程往往伴随着激烈的文化战争。传统媒体集团对新兴媒体（如您的播客平台）的污名化攻击，实质上是话语权争夺的白热化表
现。当CNN收视率跌破个位数，而独立媒体获得数千万订阅时，这不仅是传播载体的迭代，更是知识权力结构的革命性重组。
Patrick：
当我们以乐观视角审视早期风险投资时——那些与年轻创新者共同塑造未来的时刻，假设AI已在可验证领域展现出革命性突破，您认为哪些现实瓶颈可能制约技术革命的全面爆发？是否在生物医药的临床转化、物理世界的制造工艺，或是其他非智力因素领域存在关键堵点？
Marc：
我习惯用多维演进曲线来解构这个问题。技术本身的迭代曲线始终呈指数攀升，但需要与社会接纳曲线、资本供给曲线形成共振。真正的创新艺术在于把握三者的相位重合点——当技术成熟度、市场准备度与资本信心形成黄金三角时，变革才会真正发生。
