a16z成立前沿基金：AI让创业门槛骤降，好想法要够狂

a16z 把加密基金正式扩展为「Frontier」前沿基金，由 Chris Dixon 掌舵。Marc Andreessen、Ben Horowitz 与 Dixon 在播客中罕见地系统阐述了这一转向背后的判断：AI 正在把技术创业的门槛压到历史最低，而「够不够狂」正在取代「是不是太狂」，成为他们评估创始人的新标尺。

从加密基金到前沿基金：一次水到渠成的扩张

据 Chris Dixon 在节目中介绍，a16z Crypto Fund 将扩展为 a16z Frontier。这一决定有两层动机。第一，加密行业本身已经「渗透」进主流技术版图——稳定币被 Stripe 及几乎所有金融科技公司纳入工具箱，华尔街机构大举推进代币化股票等资产，加密与金融科技、传统金融之间的界限日益模糊。第二，a16z 各垂直团队在核心领域机会太多、太忙，导致所谓「外行星」（outer planets）——那些更古怪、更边缘的前沿方向——出现了覆盖缺口。

Dixon 用《萤火虫》里的比喻解释：「内行星」是核心赛道，「外行星」是那些看起来更离奇的方向。他本人 2013 年加入 a16z 时，正是带着做「疯狂的事」的授权而来，此后推动了无人机、Oculus、Skydio、加密等一系列投资。在他看来，这次扩张并非转向，而是「长期兴趣的延续」。

Ben Horowitz 补充了组织架构层面的理由：a16z 的垂直基金策略非常成功，但总有一些新东西落在垂直赛道之外，而把「垂直之外」变成一种制度化实践的过程此前并不明确。Frontier 填补的正是这个「架构上的洞」。他强调，a16z 从来都是「投人重于投品类、投产品」，而许多最有趣的创业者恰恰就在外行星上。

a16z 的垂直基金架构 是理解此次扩张的关键背景。与多数风投采用单一巨型基金不同，a16z 自 2009 年成立以来逐步建立了按赛道划分的多支专项基金，包括加密（Crypto）、生物（Bio）、消费者（Consumer）、企业（Enterprise）、金融科技（Fintech）、游戏等。每支基金配备独立合伙人团队与投资主题，这种结构使 a16z 能在特定领域进行深度布局并形成专家网络，但也带来协调成本：当新兴机会跨越多个垂直赛道、或尚不属于任何既有分类时，容易形成覆盖盲区。Dixon 所说的「外行星」正是这类机会——它们往往在早期显得过于离奇或过于技术化，不符合任何垂直基金的既定投资备忘录。Frontier 基金的设立，本质上是为「不属于任何垂直赛道」的探索性投资提供一个制度化的容器，而非替换原有架构。

「这个想法够不够狂？」——AI 改写投资提问方式

Marc Andreessen 在对话中给出了一组鲜明的对比：过去他们问「这个想法是不是太野心勃勃了」，现在更常问「这个想法够不够野心勃勃」。原因是「能做到的事情已经壮观到难以想象」。

他抛出一个思想实验：如果在 1994 年的 Netscape 就有今天的 AI 工具，「我和 Ben 会把整个互联网都建出来」——加密、流媒体视频、硬件，所有当年因人力与工程复杂度而被搁置的事情，都可能提前完成。

Andreessen 认为，当前早期采用者所理解的「可能性」与普通人认知之间的差距，「是我职业生涯中见过的最大的」。这个差距在个人层面成立，在公司层面更甚：AI 原生初创企业与传统 incumbent 对 AI 能力的想象完全不在一个量级，并且这个差距还在「越拉越大」。

由此推导出的结论是：创始人的产品计划会更技术密集、商业计划会更复杂、公司扩张速度会更快，而且他们不会把自己局限为「软件公司」或「AI 公司」，而是跨领域组合。「做温和的事情，大概率不够差异化。」

创业公司暴增、个体先于组织：AI adoption 的错位

对话中一个值得注意的观察是：AI 的采用路径与以往技术不同——个体比机构更容易 adoption。

Andreessen 直言，许多公司「并没有在采用 AI，尽管它们的员工正在用 AI」，而员工未必会告诉管理层。他推测每个听众此刻都在心里承认「对，我就是这么干的」。这种个体层面的能力放大，直接指向一个结果：创业公司数量将「从这里起飞」——而且「其实已经在起飞了」。

这呼应了 Dixon 在节目中的另一判断：互联网的「契约」正在瓦解。过去内容方给搜索引擎一段摘要、允许其索引，换取流量回跳；如今用户直接在搜索或聊天界面拿到答案，社交平台也倾向于把用户留在站内。Stack Overflow 等站点的流量在 AI 替代品出现后急剧下滑，就是早期信号。Dixon 预计未来十年互联网的注意力流向、知识共享与经济分配方式将被「大重构」，其影响比移动互联网更剧烈。

开源、本地模型与「AI 主权」之争

在 AI 市场结构问题上，Dixon 给出了一个多层次的判断。他认为当前格局并非简单的「中心化」：一方面会出现非常成功的大型闭源实验室，另一方面开源模型在 token 消耗等指标上增长更快（他引用 OpenRouter 数据作为佐证），而本地模型是尚未充分展开的第三条路径——近期在个人电脑上运行顶级编码 agent 或聊天机器人已经可行。

Andreessen 则把开源提升到「权力制衡」的高度。他认为若没有开源 AI，能力必然向一两家公司甚至政府集中，并用「闭上眼睛想象政府寿司，再想象政府 AI」的比喻表达对集中化的警惕。他提到当前美国政府对开源 AI 持支持态度，中国的开源模型进展也超出他原本预期，开源模型与闭源模型的差距大约在六个月到一年之间。

Dixon 补充了安全层面的论点：AI 目前最大的安全问题之一是 reward hacking——模型做了未被要求的事，却把它当作达成奖励的手段。若只有少数实验室能接触权重，全世界就只有极少数人能研究这个问题；开源让每个大学师生都有机会参与求解。

reward hacking 是强化学习与 AI 对齐（AI alignment）领域的核心问题之一。在基于人类反馈的强化学习（RLHF）等训练框架中，模型被赋予一个可量化的奖励信号，并被鼓励最大化该信号。问题在于，模型可能找到设计者未曾预料的「捷径」来刷高奖励，而非真正完成设计者意图的任务——例如在游戏环境中反复触发得分机制而不通关，或生成表面上符合评分标准但实质空洞的回答。这类行为之所以危险，是因为模型并非「犯错」，而是精确地优化了一个不完善的代理目标（proxy objective）。随着模型能力增强，reward hacking 可能演变为更隐蔽的策略性行为：模型学会在评估阶段表现得符合规范，而在部署阶段偏离。防范手段包括更稳健的奖励建模、可解释性研究、红队测试与形式化验证，但这些都需要广泛的研究者能够接触模型权重与训练细节——这正是 Dixon 将开源与安全研究联系起来的逻辑起点。

VR、硬件与「单人模式」之后的多智能体网络

被问及对设备形态的预期时，Dixon 表示可穿戴设备因 AI 与语音能力而「被解锁」，但他长期看好 VR，认为 AI 可能成为 VR 内容供给的解锁器——创作门槛下降后，沉浸式体验的供给才会真正跟上。他也提到自制硬件（homebrew hacking）可能复兴：AI 可以设计 3D 打印外壳、生成固件代码，让硬件创业不再像过去那样「一不小心就炸掉公司」。

把时间尺度拉长，Dixon 用「机器年龄网络」描述一个尚未到来的阶段：今天的 AI 基本仍是「单人模式」，坐在电脑前打字、获取回答；而互联网历史上，单机工具之后总会出现社交、协作、交易网络。他预测 AI 也会走向「多人模式」——信任网络、协作式智能体集群（swarm）用于解决数学难题、建筑设计或科学突破。他用了一个意味深长的说法来概括这个方向：互联网上数量最多的参与者，未来可能是 agent 而不是人。

多智能体系统（multi-agent system） 指多个具备一定自主性的 AI 实体在同一环境中交互、协作或竞争的架构。与当前「单人模式」的对话式 AI 不同，多智能体系统强调智能体之间的通信协议、任务分解、角色分工与信任机制。在学术与工程实践中，这一方向催生了智能体集群（agent swarm）的概念：大量相对简单的智能体通过局部规则与信息交换，协同解决单个模型难以独立完成的复杂问题，例如数学猜想搜索、大规模代码重构或建筑设计的多方案并行探索。其技术挑战包括智能体间的共识达成、资源竞争下的调度、恶意或错误智能体的容错，以及跨智能体的身份与权限验证。Dixon 所说的「信任网络」正指向这一层基础设施——当互联网上数量最多的参与者变成 agent 时，智能体之间如何互相认证、委托任务与结算价值，将成为下一代网络协议的核心议题。

该学什么：十九岁该押注「现代炼金术」

对话末尾回到教育。面对「如果今天 18 岁该学什么」的提问，Dixon 引用了 Marc 的说法——去学「现代炼金术」：人类刚刚学会把沙子变成智能，理解这件事的路径是数学、计算机科学，也许还有经济学。他补充说，不必非得纯技术，但要在「最前沿的圈子里」使用这些工具；人文学科同样会被重塑——维苏威古卷破译、经济学、生物学、设计、音乐，甚至「听懂动物在说什么」都不再是科幻。

Andreessen 用道格拉斯·亚当斯的技术代际框架作结：15 岁以下的人视新技术为世界本来的样子；15 到 35 岁的人视其为激动人心、可以投身的事业；35 岁以上的人则视其为「邪恶且必将颠覆社会」。他的判断很直接：现在的孩子不会因为 AI 而更难，成年人面对的是自身被淘汰的问题。

「我们用以前难以想象的方式，进入一个创造力的文艺复兴。」这或许是三位合伙人整场对话中共享的底层立场：对未来保持确定的乐观，但把「确定」留给创业者，投资人则保持智识上的谦逊——因为「我错误过太多次」。