a16z前合伙人Benedict Evans认为当下算力供给的紧缺是暂时的，是coding agent这个很窄的PMF爆发导致的，token最终会成为大宗商品，Anthropic等公司万亿估值建立在闭源模型的定价权假设上，这个假设不可持续

2026-07-22

我认同Benedict Evans的核心判断：今天的算力紧缺，更像一次由Coding Agent率先找到PMF引发的供需错配，而不是基础模型已经建立了长期定价权。

这两个判断必须分开。需求突然爆发，可以制造短期稀缺；只有稀缺在供给扩张后仍然存在，才可能成为护城河。

Coding Agent证明了需求，却没有证明终局

这一轮Token需求增长，主要来自软件开发这个率先跑通的场景。

Coding Agent的价值比较容易衡量。它能不能减少重复劳动、加快交付、提高工程师产出，企业可以直接观察，也更容易形成付费意愿。

但软件开发仍然是一个相对窄的领域。一个场景的PMF，不能直接外推为所有知识工作都已经找到同等强度的需求。

反过来看，如果未来出现一个拥有数亿日活的消费级AI产品，现有基础设施可能在任何价格下都难以承受。问题是，这个场景是什么、何时出现、会消耗多少Token，目前都不知道。

所以，现在既不能因为算力紧缺就认定需求无限，也不能因为Coding Agent只是一个窄场景就低估AI。更准确的说法是：市场已经证明局部需求非常强，但尚未证明需求结构已经全面展开。

供给端正在投入数千亿美元建设数据中心，推理效率也在持续提升。模型完成同一任务所需要的Token数量还在剧烈变化。

这意味着，今天的高价格同时包含了技术早期、产能不足和需求突增带来的溢价。把这部分溢价当作长期利润，是危险的。

Token价格本质上取决于四个变量：供给能力、边际成本、用户获得的回报，以及供需关系。这四个变量现在都不稳定。

素材提到，推理业务毛利率大约为40%至50%，但折旧年限存在不确定性，而且这一口径没有完整覆盖每年多次训练模型的成本。仅凭当前毛利率，很难判断基础模型公司的稳态盈利能力。

我更愿意把今天的算力紧缺理解成产业扩张过程中的暂时现象，而不是闭源模型天然拥有的定价权。

判断模型公司未来能拿走多少价值，不能只看模型是不是更聪明，而要看每一单位任务成本能买到多少智能。

大量任务并不需要最强模型。只要旧模型、小模型或者开源模型已经足够可靠，用户就没有理由持续为前沿能力支付高价。

真正可能支撑高利润的，是那些必须使用最强模型、并且模型能力每提升一点都能显著提高回报的任务。

问题在于，这类任务究竟有多少，目前没有答案。模型能力继续提升，并不自动等于支付意愿同步提升。

如果大部分日常任务不断滑向更便宜的模型，Token就会越来越像一种标准化投入品。模型仍然重要，市场规模也可能很大，但单位价格和利润率会持续承压。

Anthropic等公司的高估值，隐含了一个重要假设：前沿闭源模型不仅能保持领先，还能把这种领先转化为持续的价格优势。

这个假设目前并不牢固。几家主要实验室使用相近的科学方法和训练资源，模型能力交替领先，也没有出现明确的网络效应。

如果用户可以在多个模型之间切换，应用公司可以通过路由器按任务选择模型，开源模型又不断逼近，那么底层模型就很难长期掌握议价权。

闭源只能控制产品的访问方式，不能自动阻止能力扩散，也不能自动建立用户迁移成本。

移动数据网络是一个值得参考的案例。数据流量在二十年里增长了几个数量级，行业形成了巨大收入和资本开支，但运营商并没有拿走移动互联网的大部分价值。

这说明，一个行业可以极其重要、投资巨大、不可替代，同时仍然只是低毛利基础设施。

半导体制造提供了另一个角度。前沿制造越来越昂贵，参与者越来越少，但即便形成高度集中的市场，也不代表它能拿走整个科技产业的大部分利润。

这些类比不能直接预测AI的结局。比特、晶体管和Token并不是同一种商品。但它们共同说明，技术壁垒高、资本投入大和社会影响深，都不等于价值必然集中在基础设施层。

在复杂任务中，模型通常只是产品的一部分。真正决定结果的，还有工作流、专有数据、工具调用、组织流程、渠道和服务体系。

模型越容易替换，这些上层能力就越重要。应用公司可以组合不同模型，把底层价格下降转化为自己的利润和用户价值。

Coding Agent本身也在证明这一点。用户购买的不是Token，而是更快完成软件开发任务的结果。谁能把模型嵌入真实工作流，谁才更接近最终价值。

因此，我更看好能够控制场景、数据和交付闭环的产品，而不是单纯依靠出售Token获得超额利润的公司。

基础模型并非注定成为低毛利商品。这个判断需要几个条件才能被推翻。

第一，前沿模型之间出现长期而显著的能力差距，而且这种差距无法被快速追赶。

第二，领先模型形成网络效应、专有数据循环或很高的迁移成本。

第三，模型公司不再只是提供API，而是直接控制用户入口、工作流和最终交付结果。

第四，前沿智能创造的新增价值，长期快于推理效率提升和产能扩张带来的降价速度。

如果这些变化没有发生，供给紧缺一旦缓解，Token走向商品化就是更自然的方向。

我的结论是：当前算力短缺证明了AI需求真实存在，但没有证明闭源模型拥有可持续的定价权。把短期稀缺当作长期护城河，是Anthropic等高估值模型公司最需要警惕的假设。