软件吃掉世界后，a16z 募了 11 亿美元押注“机器时代”，硬件创业重新回到硅谷

8 月 28 日，a16z 宣布为最新的 Machine Age Fund「机器时代基金」募集 11 亿美元。这家长期以软件投资闻名的硅谷 VC，第一次把硬件明确变成机构内部一个正式、持续的投资方向。基金覆盖范围也远远超过芯片，从计算、内存、网络、存储一路延伸至数据中心、电力、机器人和家庭 AI 设备。

a16z 做出这个决定的背景，是过去一年 AI 的 Scaling 正在发生一层变化。模型从 chat 进入 reasoning、coding 和其他 knowledge work 后，不只是能够处理的任务变多，单项工作的 token intensity 也在快速提高。模型越强，越来越多复杂、长时间运行的工作开始被交给 AI，随之增长的是计算、网络、内存和电力需求。a16z 将这种变化概括为「Machine intelligence is going vertical」——机器智能开始进入具体行业和工作。

对一级市场来说，创业供给也已经提前变化。过去几年，在 a16z 接触到的创业项目中，硬件公司已经从很小的一部分增长到超过 20%。Unconventional AI、Nexthop AI、Volta、Atoms、Heron Power 和 Mind Robotics 等一批新公司开始出现在芯片、网络、电力和机器人领域。

11 亿美元的 Machine Age Fund，与其说是 a16z 突然从软件转向硬件，不如说是 AI 创业开始从模型和应用向整个物理基础设施扩散后，头部 VC 对资金配置的一次调整。

AI 越聪明，机器越不够用

过去几年，AI 基础设施最容易被看见的瓶颈是 GPU。但在 a16z 看来，GPU 已经只是整个问题的第一层。随着计算密度继续增加，网络、内存、供电、散热和数据中心都会依次遇到上一代架构留下来的物理边界。

一个明显变化发生在机架里。从 H100 机架发展到 Rubin 机架，a16z 给出的计算密度变化是约 28 倍。计算密度增加以后，芯片之间需要交换的数据同步增长，机架内部网络开始逐渐逼近铜缆能够承载的极限。与此同时，过去一个机架大约只需要 5～10 kW 电力，今天的 AI 系统已经将这一数字提高到 100～250 kW，a16z 预计未来 3 年还会继续增加到 1 MW。

机架继续往外扩张，问题就从计算机变成了数据中心。过去几十 MW 已经属于大型数据中心，现在规模正在向数百 MW 发展，一些项目开始直接按照 GW 级园区建设。电力来源也随之改变，单纯从公共电网取电越来越难以满足扩张速度，数据中心开始同时寻找用户侧和自备电源。

一块更强的 GPU 带来的已经不只是芯片升级，机架、交换机、互连、内存、液冷、电气系统乃至发电设施都需要跟着重新设计。a16z 因此把 Machine Age Fund 的投资边界一直划到了 electricity：需要更便宜、更高带宽的内存，需要更快、更容易扩展的节点和系统互连，需要低功耗的边缘计算设备，也需要支撑这一切的冷却、材料、电力和数据中心建设。

这背后还有一个供应链增速错配。传统硬件行业长期习惯的是每年 20%～30% 的供应增长，但 AI 基础设施部分环节面对的是三位数的需求增长。过去可以按照几年周期扩产的硬件、电气和数据中心产业链，现在需要追赶模型迭代带来的算力需求。

从大型机到 client/server，再到 Internet、cloud 和 mobile，每一次新的计算平台出现，底层基础设施都会经历一次重新设计。但 a16z 认为，这一次最大的不同，是 magnitude、breadth 和 speed 同时发生变化：需要升级的环节更多，规模更大，留给供应链调整的时间也更短。

AI Scaling 正在从模型内部扩散到整个物理世界。

从 GPU 一路投到电力

Machine Age Fund 并不是一只传统意义上的半导体基金。a16z 想寻找的，也不只是下一家 GPU 公司。

它给出的投资范围覆盖了 AI 运行所需要的完整 computer infrastructure，包括芯片、内存、网络和存储，再向系统层延伸至数据中心、机器人和家庭 AI 设备。机会来自瓶颈：哪里开始限制 AI Scaling，哪里就可能出现一家新的基础设施公司。

过去一年，a16z 已经沿着这套逻辑提前下注。计算侧的代表是 Unconventional AI。这家公司由前 Nervana、MosaicML 创始人 Naveen Rao 创办，试图重新探索 AI 芯片的底层计算架构。2025 年底，Unconventional AI 完成 4.75 亿美元种子轮融资，a16z 参与领投。它面对的问题是，如果 AI 最终需要进入大量终端和物理设备，单纯沿着今天 GPU 的数字计算架构继续扩张，功耗和成本最终会成为限制。

网络侧则出现了 Nexthop AI。随着 GPU 集群从几千颗向数万甚至更大规模发展，单颗 GPU 的性能不再等于整个系统的性能。加速器之间能不能快速交换数据，网络能不能让整个集群保持较高利用率，开始直接影响每一美元算力投资能够产生多少有效计算。a16z 今年参与 Nexthop AI 的 5 亿美元 B 轮融资，本质上也是在押注 AI 数据中心会重新产生一批系统级网络公司。

再往下，投资开始进入过去 VC 相对陌生的电力系统。a16z 投资了由前 Tesla 高管 Drew Baglino 创办的 Heron Power。这家公司切入的不是模型或者芯片，而是电网和电力电子设备。当数据中心建设周期越来越短，而变压器、电网接入和发电设施仍然按照传统能源行业的周期扩张，电力设备本身开始成为算力基础设施的一部分。

另一端则是机器人。a16z 投资了 Rivian 创始人 RJ Scaringe 创办的 Mind Robotics，希望构建同时覆盖模型、机器人硬件和部署系统的工业机器人平台。这里的投资逻辑已经从「让 AI 获得更多计算」继续走到了「让 AI 获得身体」：当模型逐渐能够理解环境、规划任务之后，下一个瓶颈开始变成 execution，AI 如何真正操作现实世界。

把这些投资放在一起，a16z 的 Machine Age Fund 实际形成了一条从计算一直延伸到现实世界的投资链条：芯片负责计算，内存和网络负责让大规模计算系统工作，数据中心和电力负责维持这些系统运行，机器人和边缘设备则负责把 AI 带出数据中心。AI Scaling 产生的每一个物理瓶颈，都变成一个潜在的创业入口。

硬件创业重新回到硅谷

对于一家因为「software is eating the world」而闻名的 VC 来说，专门募集 11 亿美元投资机器，本身就带有一些周期意味。

a16z 并不是第一次投资硬件。2016 年，它领投无人机公司 Skydio 的 A 轮融资；此后投资 SpaceX；2019 年第一次投资 Anduril；2020 年又成为 Waymo 当轮融资中较早进入的风险投资机构之一。这些公司都很难按照传统软件公司的方式发展，它们需要同时处理软件、AI、硬件、供应链和制造问题。

但过去这些更多属于 a16z 所说的 selective investment。Machine Age Fund 带来的变化，是硬件第一次成为 a16z 的「official motion」——一条机构正式配置团队、资金和资源的长期投资方向。

这背后首先是项目数量发生了变化。过去几年，硬件创业公司在 a16z deal flow 中的占比已经从很小的一部分提高到超过 20%。AI 创业最密集的区域，开始从模型和应用向芯片、网络、机器人、电力设备和计算系统外溢。

团队也已经开始围绕这个方向配置。Guido Appenzeller 曾担任 Intel 数据中心事业部 CTO；Raghu Raghuram 和 Martin Casado 长期从事数据中心与系统软件；Shangda Xu 和 David George 的投资覆盖芯片、网络、大规模系统和计算平台；David Ulevitch 和 Erin Price-Wright 则通过 American Dynamism 继续向硬件和美国制造业延伸。

更关键的变化，是 a16z 准备把过去十多年围绕软件创业建立起来的基础设施复制给硬件公司。包括 GTM、人才招聘、市场营销，以及连接客户、供应商和产业链的网络，都将开始服务 Machine Age Fund 投资的创业者。

对于硬件创业公司而言，这种资源的价值与 SaaS 公司并不完全一样。一家芯片、机器人或者电力设备公司面对的不只是产品和客户，还包括供应商、制造、资本开支和更长的商业化周期。a16z 试图做的，是把原本零散存在于投资组合里的硬件投资，组织成一套能够持续复制的机构能力。

11 亿美元不是这次募资最值得关注的数字，相反硬件正在从 a16z 过去偶尔下注的特殊项目，变成一个正式的投资类别。

软件吃掉世界后

过去十多年，硅谷风险投资最熟悉的增长方式，是软件的边际复制成本不断下降。一家公司写出一套产品，就可以服务越来越多客户。云计算和移动互联网进一步放大了这种模式，资本也因此长期偏爱 SaaS、消费互联网和软件平台。

AI 最初看起来延续了这个故事。ChatGPT、Copilot 和各种 AI 应用仍然是软件，但随着模型从回答问题走向 reasoning、coding 和 Agent，底层经济结构开始出现变化。a16z 在 Machine Age Fund 的公告里专门提出了一个指标——token intensity。

一项任务越复杂，需要模型进行的推理、调用和生成就越多。从 chat 到 reasoning，再到 coding 和其他 knowledge work，AI 能够承担的任务越来越长，单项工作的 token 消耗也可能提高几个数量级。模型能力越强，更多原本无法交给机器完成的工作开始进入计算系统。

这让 AI 出现了一种和过去软件不同的扩张方式：软件能够不断复制，但每一次 AI 工作都需要真实的计算、内存、网络和电力。

因此，a16z 对这一轮机会的判断实则是一次平台级重构。供应链能力、物理规律和计算机科学的边界正在同时成为约束，而这些约束又为创业公司留下重新设计整个系统的空间。

从芯片到内存，从铜互连到新的网络架构，从几十 kW 的传统机架到未来 MW 级 AI 机架，从几十 MW 数据中心到 GW 级园区，再从公共电网一路走向用户侧电源和自备能源，AI 基础设施正在变成一个越来越庞大的物理系统。

过去「software is eating the world」描述的是软件不断进入传统产业；到了 a16z 所说的 Machine Age，另一个方向也开始成立：AI 越来越强，世界反而需要更多机器。

✦精选内容✦