内容来源：笔记侠团队专访 Tom Zhang 博士。
分享嘉宾：硅谷资深人才专家 Tom Zhang 博士（笔名 @硅谷猎头）。
责编 | 贾宁
第 9803 篇深度好文：6626 字 | 18 分钟阅读
商业趋势
笔记君说：
过去一年，关于硅谷的判断越来越两极分化。
一边是 AI 公司估值和融资额不断创出新高，101 号公路两旁几乎被 AI 广告占满；另一边是白领求职变难、初级岗位收缩，许多普通创业公司拿不到钱。
硅谷究竟是全面复苏了，还是资本又制造了一轮虚假繁荣？AI 真能让 20 个人完成 200 个人的工作吗？中国企业带着硬件和供应链优势进入美国，最先要补的又是什么？
带着这些问题，笔记侠采访了长期观察硅谷科技、投资与中美商业变化的人才专家 Tom Zhang 老师，他也是今年笔记侠 PPE 课程美国站的重要分享嘉宾。
他从硅谷的 " 哑铃型繁荣 " 讲到 AI 创业公司、一人公司，从中美供应链关系讲到中国企业出海。
对于创业者来说，今天的内容值得一读。
一、硅谷并没有进入全面繁荣，
而是出现了 " 哑铃型市场结构 "
现在的信息非常碎片化，每个人都容易只接收自己愿意相信的部分。你认为硅谷不行了，可以找到大量证据；你认为硅谷重新繁荣了，也能找到大量证据。两边看到的现象都可能是真的，关键在于不能只看其中一面。
过去一年多，硅谷最明显的变化，是头部越来越集中，中间部分却在急剧萎缩，整个市场呈现出一种 " 哑铃型结构 "。
硅谷的权力结构，已经从过去百花齐放的分布式互联网创业，演变为少数几家超级 AI 巨头与 AI 基础设施寡头垄断生态的新格局。
哑铃的一端，是 OpenAI、Anthropic、SpaceX 等超级巨头。
今天，OpenAI 和 Anthropic 的估值已经逼近万亿美元（笔记侠注：截至今天，OpenAI 的估值是 8520 亿美元；Anthropic 的估值是 9650 亿美元，甚至有一些投资人给出的上市估值预期达到 2 万亿美元），SpaceX 也在收购 xAI 后形成了更庞大的技术与资本组合。
另一端，是少数明星创业项目。它们刚成立不久，就可能拿到数亿甚至数十亿美元融资，迅速成为新型独角兽。
现在的硅谷，资金与资源正快速向金字塔尖呈断层式集中。
看上去，这两端都非常繁荣昌盛，繁花似锦。但在它们中间，大量 AI 含量不高、刚准备使用 AI，或者商业模式比较普通的公司，生存环境非常严苛。
它们没有头部公司的资本、数据和客户关系，也没有明星团队的光环，融资越来越难。许多缺乏顶尖壁垒的平庸项目在悄然消亡。
这样就出现了两头强壮，而中部空心的现实状况。
所以，今天硅谷的繁荣，不是 " 全面复苏 "，而是高度集中、伴随严重两极分化的局部超级繁荣。
你可以从旧金山看到一些复苏迹象：办公楼空置率在高位出现小幅回落（但仍然接近 30%），硅谷 101 号高速公路两边的广告，大部分是 AI 公司的。能在那里长期投放广告，至少说明这些公司融到了钱。
图表：美国旧金山市办公楼历年空置率
但另一方面，这些 AI 创业公司的团队往往比较小，创造的就业岗位远少于上一轮互联网巨头。
在互联网高速成长的日子里，Google、Meta（Facebook）等公司聘用了几万乃至十几万员工，互联网产业的繁荣带来了大量就业。今天，很多 AI 公司虽然估值很高，可规模也可能只有几十人、几百人。
这也是为什么，硅谷看起来火爆，但很多刚刚大学毕业年轻人却找不到工作。即便是名校毕业生，求职也不像过去那么容易；曾经长期受追捧的计算机专业，也跌下神坛，不再有毕业后自然就能拿到好职位的昔日景象。
可以说：这轮繁荣和互联网泡沫时期很不一样。互联网泡沫时期，受益的人很多，找工作很容易，硅谷地区的失业率曾经低到 2%；而今天是少数公司、少数创始人和少数顶尖人才获得了巨大的资本回报，大部分普通人感受到的却是前所未有的压力。
今天的硅谷，繁荣在局部是真实的，但它只属于少数赛道、少数公司、少数人。
二、目前 AI 最清晰的落地，仍然是编程
关于 AI 的第二个撕裂，是一边有人拿到顶级极高薪酬，另一边普通白领和初级员工的工作机会正在减少。
顶尖 AI 人才的待遇非常高，大公司之间会用巨额薪酬争夺少数研究人员和工程师。Meta 争抢 OpenAI 等公司人才时，市场一度流传上亿美元的薪酬。
人才竞争带来的财富效应也已经进入房地产市场。硅谷最近有一套豪宅以约 7000 万美元成交，买家可能是一位 31 岁的 xAI 联合创始人。这个例子本身不决定 AI 产业是否成功，却能说明资本和财富正高度集中到极少数顶尖人才身上。
但与此同时，很多大学毕业生和普通白领找工作更难了。这二者其实并不矛盾：市场需要的是少数能直接推动模型、产品和收入的关键人才。
从真实付费看，编程是目前 AI 落地最清晰的方向之一。企业和个人已经愿意用真金白银购买 AI 编程服务，Anthropic 披露的 Claude Code 年化收入也快速增长。这说明 AI 在软件开发环节已经产生了明确价值。
Cursor 是另一个例子。前段时间，SpaceX 花了 650 亿美元把它收购了，这说明 AI 编程已经不再只是一个提高效率的工具，而是产生了真正的巨大价值。
但不能因为编程跑通了，就推断 AI 在三百六十行都已经跑通。编程只是庞大经济活动中的一小部分，企业管理、销售、客户服务、医疗、制造等场景有更复杂的流程、责任、安全和上下文问题，AI 在这些领域仍处于早期。
过去一段时间，"AI 会杀死 SaaS" 的说法很流行。年初的时候，很多人认为大模型会把大量软件替代掉，几个人用 AI 就能做出过去需要一个团队开发的产品，手机上的应用和企业软件都将消失，SaaS 公司的估值因此受到冲击。
但这个叙事后来出现了反转。原因很简单：原来的 SaaS 公司不会坐在那里等着被颠覆，它们也会把 AI 加入自己的产品。
更重要的是，企业软件的门槛从来不只是代码。
第一，老牌 SaaS 公司服务客户十几年、几十年，积累了大量业务数据。
新的 AI 创业公司如果只是调用别人的模型，自己既没有模型，也没有客户数据，竞争优势很有限。AI 时代，数据和客户关系仍然是重要资产。
第二，老牌 SaaS 公司有客户关系。
美国 To B 业务的客户关系非常复杂，企业采购通常要经过招标、安全审核、法务、财务和多个业务部门。一个小公司即使技术很好，也未必能进入采购名单。
第三，企业软件有很高的切换成本。
客户已经在一套系统里积累了多年的数据、流程和权限，不能因为另一家公司的功能看起来更先进，就立刻把所有东西搬过去。
因此，"SaaS 已死 " 的叙事判断被证伪，AI 会重构 SaaS，但不会让 SaaS 凭空消失。
真正发生变化的，是收费方式和估值逻辑。过去很多 SaaS 按用户数、账号数或 " 席位 " 收费；进入 AI 时代后，企业越来越可能按 Token（词元）、调用量，甚至最终效果付费。
所以，软件仍然存在，只是价值如何计量？客户为什么买单？正在被重新定义。
三、硅谷的创业，发生了什么变化？
1." 一人公司 " 被严重误读了
AI 创业公司在开发环节的效率确实大幅提高，过去可能需要 200 个人完成的软件开发任务，现在 20 个人完全有机会做出来。小团队加大量 Token，现在看是个长期趋势。
但是，做出产品只是第一步。
产品做完以后，要卖给谁？谁负责找到客户、解释价值、通过采购流程、解决法务和安全问题？这些工作不会因为代码写得更快就自动消失。
尤其是 To B 市场，决策通常不是一个人拍板，而是多个部门共同判断。AI 产品还可能带来幻觉、权限管理和数据泄露等风险。一旦模型给出错误结果，或者因为权限控制不严给客户造成损失，责任由谁承担？
这些问题目前都没有完全成熟的答案。
所以，小团队可以使用 AI 大幅提高开发效率，却不等于企业的销售、服务、管理、安全和合规都能由 AI 替代。高速公路上的广告牌不是给 AI 看的，最终还要让真实的人理解并购买产品。
另外，" 一人公司 " 也应该更准确地理解。未来不会遍地都是一个人单干的个体户，而是公司可能由一个具有强大影响力的人做灵魂人物，再由一支小而精的团队围绕他工作。
顶尖 AI 科学家出来创业，投资人看中的往往是这个人的经验、判断和号召力，但公司并不真的只有一个人。传统行业里也有类似结构，例如艺人工作室、以创始人为核心的专业团队。
AI 只是进一步缩小了团队规模，没有取消人类协作。
人类能够完成复杂任务，靠的就是协作。越是航天、自动驾驶、医疗等复杂项目，越需要不同专业的人共同工作。未来可能是原来 1000 人的公司变成 500 人，原来 100 人的团队变成 20 人，但很难走到所有公司都只剩一个人的极端。
这个趋势也会带来更现实的问题：公司数量可能增加，但每家公司不再招聘很多人，就业岗位怎么办？年轻人如果找不到工作，被鼓励去创业，又会面对更高的融资、产品和市场门槛。
小团队提高了企业效率，却不一定同步增加社会就业。
2. 现在的投资人，会看什么？
今天很多创业公司喜欢讲 ARR，也就是年化经常性收入。假设一家公司这个月收入 100 万美元，直接乘以 12，就可以说自己的 ARR 是 1200 万美元；如果一个季度收入 100 万美元，也可能乘以 4，得到 400 万美元的年化数字。
问题在于，ARR 天然带有预测性质。这个月赚了 100 万美元，不代表未来每个月都能赚到同样的钱。客户可能只是试用一个月，下一次就不续了。
因此，投资人越来越关注的不是你预测未来能赚多少，而是客户是否持续付费：去年签约的客户，今年有没有续约；收入里有多少来自长期客户，有多少只是一次性收入。
对 To B 公司来说，以年为单位的续约，比一个漂亮的年化数字更能证明长期价值。
硅谷投资人现在更看重净续约率（Net Revenue Retention，NRR），很多企业因为尝鲜或跟风购买了一年期的软件（首单合同），但这不代表技术真的热。只有当客户在第二年选择续约，这个生意才是真的立住了。
投资人当然仍然看人，而且因为单笔投入越来越大，他们反而会更挑人。
通常更受欢迎的有三类：一是已经成功过的连续创业者；二是从头部公司出来、做过关键产品的高管；三是履历和技术能力非常突出的顶尖人才。
过去互联网创业初期，几万、几十万美元也可能启动一个项目。今天做前沿 AI，算力、人才和数据都很贵，几万美元很难解决问题。资本向少数项目集中，单笔投资变大，投资人承担的风险也更大，所以筛选会更谨慎。
这意味着，AI 工具虽然让开发门槛下降，但创业的隐含门槛反而提高了。" 有了 AI，人人都能创业 " 是一句很容易传播、却不准确的话。
四、中美市场各自的优势，是什么？
如果把硅谷的优势压缩成六个字，我会说：人才、资金、文化。
这三个因素不是各自独立，而是组合成了一个生态。
加州没有竞业限制，工程师跳槽，或者从大公司离职创业没有阻力；市场里又有大量愿意为高风险技术下注的资金；与此同时，硅谷聚集了经过头部公司和大规模项目训练的人才，这些人才的技能，是百亿甚至千亿美元的研发投入中锤炼出来的。
过去十年间，硅谷地区 AI 相关的融资总额超过 5490 亿美元，其中 2026 年的融资额最高，迄今已超过 2870 亿美元。
硅谷地区人工智能企业的年度融资总额
中国同样有很多非常聪明的清华、北大毕业生和竞赛获奖者，但 " 聪明 " 与 " 训练过 " 不是一回事。在美国，很多人才已经在 OpenAI、Google 等公司参与过大模型、大规模算力和全球产品的训练与部署。
他们不只是理解理论，也知道怎样把技术变成工程系统和商业产品。
硅谷优势很难被简单复制，你可以学它的孵化器、园区或投资机制，但如果缺少人才密度、资本规模和鼓励流动的文化，单独复制一个要素很难产生同样结果。
中国的优势则非常明确：硬件供应链又快、又好、又便宜。机器人所需要的结构件、模具、电机、机械臂等硬件，中国在成本和交付速度上有明显优势。美国也很难完全切断这部分供应链，否则自己的机器人和硬件产业同样会受到影响。
因此，中美竞争不是一方拥有所有优势，美国更强的是资金、软件、前沿人才训练和规则体系，中国更强的是制造、供应链和产品落地速度。正是因为彼此之间有巨大的优势差异，所以双方才需要合作。
中美之间依然存在现实合作与互补的空间。在基础科学、前沿学术论文、全球开源社区等领域，中美顶尖人才基于学术和技术本身的探讨依然活跃。
在当前中美科技竞争持续深化、地缘政治与监管日趋严苛的宏观背景下，中国企业与硅谷之间的连接并没有完全斩断，而是正在经历一场极其痛苦但极其深刻的 " 去芜存菁、解耦重组 "。
五、中国企业进入美国，
先要回答 " 客户为什么买你 "
美国市场仍然有吸引力，因为市场规模大、客户支付能力强，规则相对清晰。红线之外，仍有大量商品和服务可做，问题是企业不能再用过去那种 " 国内做好产品，换成英文就卖到美国 " 的思路，而要为当地市场重新设计产品、合规体系、团队和客户关系。
中国企业进入美国，最先要回答的不是派谁过去、在哪里设办公室，也不是先找技术还是先招人，而是一个最基本的问题：美国客户为什么要买你的产品？
对中国企业来说，最容易低估的是合规问题，以及对中美关系和政策边界的判断。很多公司在美国投入了团队和研发中心，后来因为战略、管理、市场或外部环境变化而收缩。失败往往不是单一原因，而是市场需求、企业文化、本地管理、人才、法务和地缘风险同时出了问题。
比如，某国内互联网巨头的硅谷研发中心曾有 150 人，研究方向包括大数据、机器学习、机器人和自动配送等，后来又被大幅裁撤。
这件事提醒我们：在硅谷设一个办公室、招一批名校人才，不等于真正建立了全球研发能力。还要看总部是否给予清晰目标和足够授权，本地团队能否与国内业务协同，技术成果有没有真实应用场景，中美管理文化能否衔接，这些问题都会决定海外团队能不能活下来。
亚马逊上还有大量细分生意：清洁烧烤架的钢刷、高尔夫球杆套、手工皂等，看起来都不大，却能找到明确需求并持续赚钱。
这类生意共同回答了同一个问题：客户为什么要买你？
在中美博弈持续的情况下，全球化公司的结构也会变化。
过去可能是中国总部或美国总部直接管理全球市场，未来更可能出现多个地区相对独立运营的 " 镜像 " 结构。
企业可能在新加坡、加拿大、墨西哥或东南亚建立本地实体，使用不同品牌和团队，在符合当地规则的前提下服务美国市场。
六、什么样的创业者，最应该去硅谷？
我认为有三类能力最重要：学习能力强、适应能力强，手里还有独到的产品或技术。
首先，你必须有自己的东西。
其次，你要会学习。
再次，你要能应变。政策、市场和文化都在变化，不能拿一个方案长期不变地执行。
我曾经讲过一个比较尖锐的比喻：一个孩子在原来的学校打架打不过别人，转学以后大概率仍然打不过别人。企业也是一样，如果在中国市场本来就缺乏竞争力，盲目出海反而会把产品、组织和管理上的弱点放大。
来硅谷也不要只去知名公司拍照打卡。可以去斯坦福大学，拜访创业公司，更重要的是多研究市场，多交流，既听乐观者的声音，也听悲观者的意见；既看融资和估值，也看就业、客户和现金流；既看头部公司的发布会，也看普通创业公司的真实处境。
如果只听自己愿意听的内容，走得再远也只是换了一个信息茧房。去硅谷真正有价值的地方，是到现场校正判断，而不是为原来的判断寻找证据。
结语：
本文作者、硅谷资深人才专家 Tom Zhang 博士将与中国创业者在 9 月下旬在硅谷做专场分享与深度互动，他将在分享中畅谈对美国科技公司、AI 公司和美国市场的独到洞察与见解，也会就创业者关心的问题给出独家建议。
笔记侠 PPE 书院国际美国站 26 级「创新英雄・AI+ 出海专题」课程，将于 2026 年 9 月 26 日正式启程。
这一次，我们不是去美国打卡，也不是简单参观几家公司，而是带着一个更具体的问题出发：AI 进入下半场之后，企业家到底应该怎样理解技术、组织和全球市场的变化？如何抓住美国市场的机会？
10 天时间里，我们将带你走进美国硅谷与西雅图，深度参访英伟达、谷歌、微软、亚马逊等全球顶尖公司。
我们还将邀请斯坦福名师、硅谷行业实战派、华人科技与出海领域专家，围绕 AI 产业趋势、企业 AI 落地、组织重构、全球市场规则和中国企业出海机会，做一手分享和深度交流。
这趟行程会帮你建立一套判断框架：未来三年，你的企业该如何使用 AI，哪些流程必须被重写，哪些能力必须保留，哪些出海机会值得下注，哪些风险必须提前看见。
如果你正在思考 AI 转型、企业出海、组织升级和下一轮增长，这一次美国站，值得你带着问题亲自去看一次。
欢迎了解课程详情，提交报名信息。
好文阅读推荐：
分享、点赞、在看，3 连 3 连！
登录后才可以发布评论哦
打开小程序可以发布评论哦