a16z：Claude Code 啟動後軟件開發崗位逆勢漲 14.6%，市場證明 AI 讓人更值錢

作者：a16z

編譯：深潮 TechFlow

深潮導讀：當整個科技行業裁員 7% 時，軟件開發崗位反而增長 14.6%——原因是 AI 工具讓新手也能寫出生產級代碼。這不是"AI 搶飯碗"的故事，而是工具讓人更值錢的證據。從實習崗暴漲到青少年工資增速領跑，勞動力市場的信號很明確：會用 AI 的人正變成搶手貨。

圖：軟件開發崗位職位發佈量自 Claude Code 發佈以來反彈至 114.6，整體市場則跌至 93。來源：a16z

軟件股的選擇性拋售

公開交易軟件公司的困境仍在繼續，但如我們此前所述，當前局面並非無差別的"大屠殺"。

軟件股拋售也不是當前或近期業績的體現，而是市場集體懷疑這些公司能否長期維持表現：

下一個十二月期自由現金流的估值倍數處於或低於 2014 年水平。換句話說，投資者對軟件公司現金創造能力給出的溢價是十多年來最低的。

重點在於，即使"SaaS 已死"的證據現在還很薄弱，投資者的職責是對未來有看法，而未來在他們看來有點暗淡。

不過，並非所有軟件公司都前景暗淡。差異化和辨別力正越來越成為遊戲規則。你可以從幾個不同角度看到這一點。

首先看 IGV 指數中位數、頭部和底部四分位數表現的差距：

過去 30 個交易日，頭部四分位數和中位數 IGV 股票都跑贏了整體 ETF——是底部四分位數（包括一些最大公司）拖累了整體表現。

對比年度回看，情況大不相同：

過去一年，中位數更緊密地追蹤整體 ETF 表現——直到年初前後，業績四分位數才開始分化（現在頭部和底部之間有約 50 個百分點的差距）。

回到 30 天視圖，顯然基本面表現並非近期股價表現的嚴格驅動因素：

從收入增長角度看，增長與近期表現之間基本沒有相關性（儘管公平地說，很多可以用增長變化而非增長水平來解釋）。按業績四分位數劃分，同樣的模式出現了：有大量軟件公司聚集在 10-20%左右的收入增長區間，但表現幾乎呈垂直分佈，一些收入增長最快（也是 ETF 中最大）的公司位於業績底部四分位數。

比起增長，更重要的是感知到的長期耐久性。以下是按行業劃分的同一圖表：

雖然很難清晰地為每家公司分類，但頭部和第二四分位數的表現者往往由（1）網絡安全/可觀測性；和（2）垂直 SaaS 主導。相比之下，底部兩個四分位數是水平 SaaS、雲/基礎設施和"其他"類別的某種組合，其中包括市場平臺、廣告技術和點解決方案（以及 MicroStrategy 這類難以歸類的公司）。

重點很明確。不管對錯，市場已經感知到軟件公司之間的明確差異——那些似乎具有某種 AI 防禦性和/或順風的公司（以及那些沒有的）。

對於網絡安全和可觀測性，AI 預計將提高買家緊迫性（而且現有廠商擁有 AI 新秀更難顛覆的信任溢價）。

對於垂直 SaaS，圍繞工作流、數據和客戶關係的專業化信息被視為 AI 挑戰者的准入壁壘（而水平平臺則無法這麼說）。

但對其他所有人來說，信息很明確：軟件本身不是護城河。

多年的粘性且不斷積累的 ARR、龐大的功能集和廣泛採用只是——昨日新聞。很可能幾個季度穩定和/或改善的增長會扭轉局面，但目前市場並不買賬，也不信服。

AI 需求增長 > AI 支出增長

你最近可能聽說了從 token-maxxing 到 token-optimizing 的感知轉變，這是件大事。

大意如下：雖然前沿模型的訓練成本越來越高，但這些前沿改進的邊際收益可能不足以說服客戶承擔額外成本。客戶可能不會最大化使用最新最強的 token，而是在可以的地方降級到更便宜、功能較弱的模型（包括開放權重模型）。

對某些人來說，他們認為這種轉變質疑了前沿模型開發的可持續性——如果客戶不支持最新最強模型的成本，那實驗室怎麼辦？公平，儘管這種反對有點諷刺，因為非前沿模型的快速過時本來也被認為會威脅前沿模型開發的可持續性......而現在非前沿模型越來越不過時，這顯然仍然是件壞事。好吧。

不深入討論那場辯論的是非，我們只是觀察到確實智能成本正在快速下降，這似乎對 AI 需求有積極影響。換句話說，Jevons 式的動態繼續成立：AI 越便宜，人們/公司就越想使用它（用於更多事情）。

擴大需求面正是你想看到的。

讓我們從另一個創新的先例開始，它也是從集中和昂貴開始，然後變得分散和便宜：計算機。與 PC 驅動的上一次技術飛躍相比，在 AI 方面，智能成本下降得更快：

PC 花了將近二十年才實現 AI 在約 3 年內實現的可負擔性增益。

這是一個非凡的軌跡，和計算機一樣，成本下降似乎正在幫助推動 AI 需求向右上方移動（還有很大的發展空間）。

在消費者端，根據 PNC 銀行的數據，付費滲透率仍然很小，但確實在增長：

付費 AI 的家庭份額和他們的平均月度支出都在持續攀升——月度支出增長更陡峭，自年初以來增長約 25%。

它們顯然不是完美的比較，但作為一些視角，1997 年只有約 45%的 35-54 歲成年人報告擁有 PC（在計算機商用發佈數十年後，主要在企業端）。目前，擁有計算機的家庭份額約為 90%，如果包括智能手機則接近 97%——重點是大眾市場採用需要一些時間，它隨效用和成本擴展。

也有其他數據顯示 AI 需求隨成本效率上升。

根據 YipitData 對 OpenRouter 數據的分析（僅衡量總 token 消費的子集），前沿 token 使用量繼續增長，同時開放權重 token 繼續快速獲得份額：

"亞洲供應商"佔總 token 的份額（是開放權重替代品的代理）已增長至約 60%，是年初的三倍。OpenRouter 的樣本可能至少在某種程度上偏向開放權重用戶，但這確實與價格差異化故事一致，也與 Jevons 式故事一致。

同樣，根據 OpenRouter，雖然每用戶 token 數和每用戶支出都在快速增長，但自年初以來前者增長比後者快得多：

再次提醒，OpenRouter 只能看到它能看到的，這種模式與 Jevons 設定非常一致（需求隨 AI 的快速成本效率增益同步增長）。

至少目前，很明顯隨著智能變便宜，它將需求曲線進一步向右上方推動。來自次前沿模型的更便宜 token 確實獲得了份額，但淨效應是推動整體支出呈指數級上升。這很難說是悲觀故事。

悲觀者可能仍會聲稱開放權重模型正在蠶食前沿，但效率增益對需求沒有明顯影響和/或正在推動總支出下降的替代場景，實際上會更接近末日場景。相比之下，Jevons 正是看漲者所希望的。

入門級崗位的順風

說到 AI 需求，雖然 AI 據說不夠有用無法產生有意義的 ROI，但又如此有用以至於消滅所有工作，我們很高興地報告，目前幾乎沒有證據表明 AI 實際上正在產生任何工作殺傷效果。

實際上，即使是勞動力市場中的一個軟肋（即入門級招聘）最近也有了一些動力，如果說有什麼區別的話，AI 似乎在幫忙，而不是傷害。

首先，根據 Revelio 的數據，2026 年暑期實習的追蹤情況遠高於前幾年：

實習不等於工作，但它們至少是對年輕人的某種需求信號，2026 週期遠超'25 和'24（雖然不及'23）。

比這更好的是，青少年和年輕成人的工資增長似乎也在上升：

根據 ADP 的數據，年輕工人（16-24 歲）的工資漲幅已從 2025 年的低點反彈。工資漲幅幾乎肯定是需求信號，如果工資在上漲，可以合理推測入門級就業前景也在改善。

至於 AI 的影響（如果有的話），情況甚至更好。AI 似乎正在大幅加速入門級招聘：

根據對 Revelio 的職位數據和 Ramp 的支出數據的分析，"高強度 AI 採用"對應著採用兩年後入門級員工數量增加約 6 個百分點。相比之下，"低強度"AI 採用對應著約 0.5 個百分點的下降。

圖：高強度 AI 採用公司的入門級員工佔比在兩年後平均增加 1.15 個百分點，而低強度採用公司反而下降 0.52 個百分點，顯示 AI 在'製造'而非'搶走'入門級崗位。來源：a16z

這有幾種解讀方式，從"AI 正在創造入門級招聘"，到"AI 採用者是增長型公司，因此當然是它們在招人"，再到"Ramp 的數據可能不能代表整體經濟，因此很難得出任何結論"。這些都說得通，但幾乎可以肯定不成立的一種解讀是"AI 正在扼殺入門級工作"。

也許有一天會（儘管有充分理由認為不會），但不是今天。

總體而言，儘管後零利率時代"AI 暴露"崗位的下降被大肆討論，但關於"AI 暴露"崗位最近正在引領復甦的事實，討論卻相對較少：

根據 Indeed 招聘實驗室的數據，自 2025 年 5 月以來，就職位空缺而言，AI 暴露程度越高，復甦幅度越大。這對軟件工程師尤其明顯，職位發佈增加了約 15%，而整體下降了約 7%（從 Claude Code 發佈時算起）。

從更大的層面看，現在下結論還為時過早，但就有人傾向於宣稱"AI 正在導致人類過時"而言，數據根本不支持他們。如果說有什麼的話，情況恰恰相反——AI 暴露程度似乎與就業增長正相關。

圖：自 2025 年 5 月以來，AI 暴露程度越高的職業職位發佈量反彈幅度越大，軟件開發崗位增幅接近 15%，領先整體市場。來源：a16z

公平地說，目前還不清楚"AI 暴露"這個類別到底有多大意義，因為對於什麼或誰暴露在 AI 之下（以及暴露程度如何）幾乎沒有共識：

事實證明，任何給定職業的平均"AI 暴露"程度越高，關於暴露程度的分歧就越大。

圖：職業平均 AI 暴露得分越高，學術界對其暴露程度的分歧就越大，說明這一概念仍缺乏共識。來源：a16z

不出所料，在預測新技術的未來影響時，理性的人可能會有不同看法。

當然也有一些例外。每個人似乎都同意，校對員、保險核保員、統計學家，以及有趣的是，經濟學家，都非常暴露在 AI 之下。如果 AI 最終取代了人類經濟學家，它會承認這項罪行，還是不會有經濟學家留下來講述這個故事？

數據中心讓能源更便宜

本週早些時候，紐約州州長霍楚爾宣佈對數據中心開發實施為期一年的暫停令。除其他事項外，暫停令的既定目標是"保護電力用戶……因為數據中心開發有推高水電費的威脅"。無意貶低她，州長在 Odd Lots 播客上對她的理由提供了更多說明，可以去聽聽。

話雖如此，這仍是一個令人費解的聲明。

雖然數據中心確實在增加電力需求，但證據表明，數據中心實際上正在幫助降低用戶成本：

基於伯克利國家實驗室和 The Brattle Group 的研究，在州層面，電價上漲與需求增加呈負相關。消耗更多，支付更少——奇怪但真實。

確實，過去 6 年中，一些負荷增長最快（數據中心開發最多）的州，如德州和弗吉尼亞州，幾乎沒有出現價格上漲。另一方面，價格漲幅最大（新數據中心很少）的州，如加州和紐約州，負荷增長有所下降——加州電力需求減少了約 5%，而價格漲幅超過全國任何地方，比第二高的州高出約 33%。

圖：2019-2025 年美國各州電力負荷增長與電價變化呈負相關，加州和紐約州需求下降但電價漲幅最高。來源：a16z

不僅如此，能源需求與能源價格之間的反向關係在歐洲似乎也成立：

根據 EIA 的數據，除愛爾蘭外，價格漲幅最大的歐盟國家，電力需求降幅也最大。

圖：2019-2024 年歐美主要經濟體電力需求變化與電價變化同樣呈負相關，德州和弗吉尼亞州需求增長但價格基本穩定。來源：a16z

同樣，消耗更多，支付更少。這違反直覺，對吧？

我們都知道，在其他條件相同的情況下，更多需求應該推高價格，而不是相反（如霍楚爾州長所宣稱的）。但在電網方面，情況恰恰相反。需求與成本呈反向關係的原因是，電網往往受益於規模經濟：電力需求越多，固定基礎設施成本分攤得越分散，導致用戶整體價格下降。

換句話說，霍楚爾的數據中心暫停令可能非但不能"保護電力用戶"，反而產生相反效果：電價漲幅可能遠高於有數據中心幫助分擔電網固定成本的情況。也許這種關係不會繼續保持，但這就是迄今為止的情況。

拋開能源成本不談，還有更廣泛的經濟影響需要考慮。現實是，如果沒有 AI 相關的基礎設施投資，幾乎沒有任何投資增長：

科技相關投資是唯一增長的投資類別，因此暫停令正好打擊了最要害的地方。

圖：2022 年以來，科技相關投資（軟件、研發、IT 設備與數據中心）幾乎是私人固定投資增長的唯一正貢獻項。來源：a16z

州長當然有她的理由，但一項可能既（a）提高電價（作為"保護電力用戶"努力的一部分）；又（b）剝奪紐約州最重要投資順風的政策，確實難以理解。