a16z 指出传统软件护城河正被资本抹平，算力底座才是终极壁垒；芯片、液冷、供电等物理设施成淘金热土，头部算力订单已排期至 2028 年。这轮周期赢家将从软件工程师转向懂芯片、热力学与电网的工程老兵
我更愿意把这轮变化理解为：软件没有失去价值，但决定胜负的稀缺资源正在下沉。
过去，优秀团队可以用几年时间和大量代码建立领先优势。进入大模型时代后，资本能够直接购买 GPU 集群、训练能力和更强的智能供给。仅靠代码积累形成的时间差，因此更容易被缩短。
这不等于资本可以替代一切工程创新。真正的变化是，软件能力越来越依赖一套昂贵而复杂的物理系统。竞争不再只发生在模型和应用层，也发生在支撑它们运行的每一个环节。
稀缺性正在向物理世界转移
材料列出的关键环节包括芯片、内存带宽、机柜内的光电互联、高压直流供电、液冷散热，以及变电站和特种电工。
这些看起来不像传统互联网创业的核心要素，却正在成为 AI 扩张速度的实际约束。模型进步得越快，对算力的需求越大，芯片供给、数据传输、散热和电力系统承受的压力也越大。
材料称，全球头部算力订单已经排到 2028 年。无论具体排期如何理解，它指向的矛盾很明确：智能能力可以快速迭代，物理基础设施却不能按同样速度扩建。
芯片需要制造周期，机房需要建设，供电需要接入，散热需要重新设计，供应链还要在全球范围内协调。这里的壁垒不是一段算法，而是多种工程能力共同构成的交付体系。
软件护城河不是消失，而是重新定价
“代码不再是终极护城河”是材料最尖锐的判断。我认为更准确的说法是：只有代码的护城河正在变浅。
如果一个产品的能力主要来自通用模型，那么资金充足的竞争者确实更容易获得相近的基础能力。过去依靠工程人数和开发时间建立的优势，不一定还能维持两年。
但资本只能买到市场上已经存在的供给。如何选择技术路线，如何把模型变成稳定产品，如何理解用户，如何形成数据与业务闭环，仍然需要软件和组织能力。
因此，新的壁垒不是从软件简单切换到硬件，而是从单一的软件积累，转向软件、算力、能源和供应链的系统组合。
创业者需要理解“原子”
材料认为，这一轮机会将更多属于理解芯片微架构、热力学、电网约束和全球供应链的工程人员，而不只是熟悉 API 的软件开发者。
这个判断有现实基础。调用模型的门槛持续下降，但把大量算力稳定、低成本地运行起来，仍然需要深厚的物理工程经验。越接近基础设施，问题越不能靠抽象接口掩盖。
我不认为软件工程师会因此退出舞台。真正稀缺的，是能够跨越比特与原子的人：既理解智能能力如何形成，也理解芯片怎样连接、热量怎样带走、电力怎样供给，以及整个系统怎样大规模交付。
下一轮机会藏在约束里
每一轮产业扩张，最值得寻找的往往不是需求最热闹的地方，而是系统最先被卡住的地方。
当模型能力快速增长，芯片、互联、散热、供电和施工能力就会依次暴露瓶颈。这些瓶颈既限制行业发展，也创造新的市场。
从这个角度看，AI 不只是一场软件革命。它正在推动一轮围绕计算设备、能源系统和工业供应链的重构。
未来的赢家未必属于最会讲模型故事的人，更可能属于那些能够找到真实物理约束，并把它变成可交付产品的人。