Der Fonds in Silicon Valley, der am härtesten auf KI setzt: Nicht-nativ KI-Unternehmen müssen entweder sich entwickeln oder verschwinden.
In dieser Welle der Künstlichen Intelligenz (KI) ist a16z fast ein unvermeidlicher Name.
Es ist einer der Top-Fonds, die in diesem KI-Zyklus am stärksten investiert haben, das breiteste Spektrum abdecken und die höchste Sicherheit bieten. In den letzten fünf Jahren hat das Investment-Portfolio von a16z fast die technologische Hauptlinie von Silicon Valley definiert:
OpenAI, SpaceX, Databricks, Figma, Stripe sowie die aufstrebenden Cursor, Harvey und Abridge der neuen Generation.
In gewissem Maße ist das Investment-Portfolio von a16z eine Zusammenfassung des kommerziellen KI-Wegs der letzten Jahre.
Was noch wichtiger ist, geht die Einschätzung von a16z oft über die Frage hinaus, "in was investiert wurde", sondern liegt darin, wie sie diese Veränderungen erklären. Vor kurzem hat David George, Partner von a16z, systematisch seine Beobachtungen über die neuesten Entwicklungen in der KI-Branche geteilt. Darin gibt es einige Signale, die sich sehr lohnen, sich anzusehen.
Erstens, KI-Unternehmen erzielen mit weniger Personal einen schnelleren Wachstum.
Die momentan am schnellsten wachsenden KI-Unternehmen investieren in Vertrieb und Marketing deutlich weniger als SaaS-Unternehmen in der gleichen Phase, aber ihre Umsatzwachstumsraten sind um ein Vielfaches höher. Dies ist keine Effizienzmagie, sondern eine einfachere Tatsache: Die Nachfrage explodiert tatsächlich, und die Produkte "verkaufen sich selbst".
Zweitens, Das Maß für Effizienz wird neu definiert.
a16z beginnt, vermehrt auf einen neuen Indikator zu achten: ARR pro FTE (jährlicher wiederkehrender Umsatz pro Vollzeitäquivalent).
In den besten KI-Unternehmen liegt der pro Mitarbeiter zugeordnete ARR bei 500.000 bis 1 Million US-Dollar, während der Erfahrungswert in der SaaS-Ära nur etwa 400.000 US-Dollar betrug. Dies bedeutet, dass KI die Obergrenze der OrganisationsEffizienz systematisch erhöht.
Drittens, Nicht-KI-native Unternehmen haben nur zwei Wege.
Entweder sie wenden sich um, oder sie werden eliminiert. Diejenigen Unternehmen, die sich tatsächlich erfolgreich umgewandelt haben, weisen oft sehr ähnliche Merkmale auf:
Der CEO beteiligt sich persönlich und treibt die Umstellung voran; man beginnt mit den Bereichen, in denen sich schnell Ergebnisse zeigen lassen (Kundensupport, Programmierung, Betrieb); man ist bereit, das alte System abzuschaffen und die Backend-Infrastruktur für KI neu aufzubauen, anstatt einfach "eine Schicht KI" auf das alte System aufzusetzen.
Im Folgenden werden wir gemeinsam mit Silicon-Base-Jun die Veränderungen, die a16z beobachtet, analysieren und verstehen, wie sie sich abspielen.
Das Wachstum ist 2,5-mal so hoch wie das von SaaS-Unternehmen, mit einem maximalen Jahreswachstum von 700%
Was uns wirklich beeindruckt hat, sind die Veränderungen auf der Nachfrageseite.
Aus Sicht der Wachstumsdaten und unserer ersten-hand-Erfahrungen kann man die Nachfrage nach KI-Unternehmen nicht übertrieben mit "wahnsinnig" beschreiben.
Sowohl die Produktaufnahme als auch die Qualität des Umsatzwachstums sind deutlich besser als in den vergangenen Zyklen. Insbesondere nach der Zinserhöhungsphase und der Technologiekorrektur von 2022 bis 2024 ist 2025 ein eindeutiger Wendepunkt: Der Umsatz beschleunigt erneut, und zwar über alle Unternehmensarten hinweg.
Was noch wichtiger ist, wird dieses Wachstum nicht durch "massive Vertriebs- und Marketingausgaben" erreicht.
Im Gegenteil, die am schnellsten wachsenden KI-Unternehmen investieren in Vertrieb und Marketing deutlich weniger als SaaS-Unternehmen in der gleichen Phase, aber ihre Umsatzwachstumsraten sind um ein Vielfaches höher.
Die Zahlen zeigen, dass die Wachstumsrate von KI-Unternehmen etwa 2,5-mal höher ist als die von Nicht-KI-Softwareunternehmen. Bei den Spitzenunternehmen unter ihnen liegt das Jahreswachstum sogar bei fast 700%. Als diese Zahlen erstmals auftraten, haben wir sie mehrfach verifiziert, und sie stimmen genau mit der Realität in unserem Investment-Portfolio überein.
Der Kerngrund dafür ist einfach: Die Nachfrage nach den Produkten selbst ist stark genug.
Aus Sicht der Kostenstruktur haben KI-Unternehmen derzeit im Allgemeinen eine niedrigere Bruttomarge als traditionelle SaaS-Unternehmen. Dies muss aber nicht unbedingt schlecht sein.
In gewissem Maße betrachten wir die "niedrigere Bruttomarge" sogar als ein positives Signal - es bedeutet oft, dass die Kunden die KI-Funktionen tatsächlich und häufig nutzen und die Inferenzkosten tatsächlich anfallen.
Angesichts des Potenzials für eine kontinuierliche Senkung der Inferenzkosten à la ist diese Struktur eher ein "vorübergehender Kostendruck" als ein Modellfehler. Im Gegenteil, Unternehmen, die KI-Produkte anbieten, aber eine ungewöhnlich hohe Bruttomarge haben, lassen uns zweifeln: Nutzen die Kunden tatsächlich die KI?
Eine weitere Veränderung ist besonders bemerkenswert. Wir beginnen, vermehrt auf einen neuen Effizienzindikator zu achten: ARR pro FTE (jährlicher wiederkehrender Umsatz pro Vollzeitäquivalent).
Dieser Indikator misst die Effizienz eines Unternehmens auf der Ebene des gesamten Betriebs, nicht nur die Vertriebseffizienz. Die Ergebnisse sind eindeutig:
In den besten KI-Unternehmen liegt der pro Mitarbeiter zugeordnete ARR bei 500.000 bis 1 Million US-Dollar, während der Erfahrungswert in der SaaS-Ära nur etwa 400.000 US-Dollar betrug.
Dies liegt nicht daran, dass KI-Unternehmen "weniger Personal benötigen", sondern daran, dass die Nachfrage so stark ist, dass die Produkte sich fast von selbst verkaufen.
Wie sollte die KI-Umstellung erfolgen?
Für Nicht-KI-native Unternehmen stellt sich die realistischere Frage, was sie tun sollten.
Meiner Meinung nach gibt es nur zwei Optionen: Entweder sie passen sich an, oder sie werden eliminiert.
Um sich an die KI anzupassen, bedeutet es nicht nur, "eine KI-Funktion" an der Vorderseite des Produkts hinzuzufügen, sondern es erfordert eine grundlegende Neubewertung:
Wenn KI die Standardfähigkeit ist, wie sollten das Produkt, der Arbeitsablauf und der Nutzen für den Benutzer neu gestaltet werden?
Zur gleichen Zeit wird auch die interne Organisation gezwungen, sich zu verändern. Oftmals liegt der Kern der KI-Veränderung nicht darin, ob ein Unternehmen "KI nutzen möchte", sondern darin, ob es tatsächlich eine Management-Veränderung durchführen kann, um sich an die KI-Ära anzupassen.
Bei unseren Gesprächen mit vielen CEOs von Fortune 500-Unternehmen haben fast alle die gleiche Einstellung geäußert:
Wir müssen uns an die KI anpassen. Aber zwischen Einstellung und Ergebnis liegt oft eine ganze Reihe von organisatorischen Gewohnheiten. Selbst wenn es nur darum geht, dass die Mitarbeiter sich an die Verwendung eines KI-Assistenten gewöhnen, ist es schon sehr schwierig; ganz zu schweigen von der Neugestaltung von Geschäftsprozessen, Entscheidungsmechanismen und Systemarchitekturen.
Eine echte Umstellung beginnt oft mit der starken Förderung durch den CEO. Shopify hat es geschafft, weil Toby von oben beginnend die Geschäftsführung mit KI neu definiert hat und sie zum Teil des Leistungsmanagements gemacht hat.
Man braucht eine seltene Kombination: Einerseits kommerzielles Gespür, um zu wissen, wo die Chancen zur Wertschöpfung durch KI liegen; andererseits technisches Know-how, um zu wissen, was neu gestaltet werden sollte, was zuerst zu tun ist und wie man iteriert.
Die Unternehmen, die sich tatsächlich erfolgreich umgewandelt haben, weisen oft zwei Merkmale auf:
Erstens, wissen, wo man ansetzen sollte (z. B. Kundensupport, Programmierung, Betrieb);
Zweitens, bereit sein, das alte System abzuschaffen und die Backend-Infrastruktur für KI neu aufzubauen.
Natürlich gibt es auch andere Faktoren, die einen Einfluss haben. Beispielsweise ist die Dateninfrastruktur auch sehr wichtig. Die Zentralisierung von Daten in einem Cloud-Datenwarehouse oder einem Data Lake bedeutet im Wesentlichen, dass man den Weg für KI-Workloads ebnet.
Und wenn sie beginnen, schnell KI-native Produkte auf den Markt zu bringen, wird diese Iterationsgeschwindigkeit zu einer neuen Wettbewerbsvorteil.
Dieser Unterschied spiegelt sich bereits in den Ergebnissen wider. Chime hat die Kosten für Kundensupport um 60% gesenkt; Rocket Mortgage hat in der Consider-underwriting-Phase 1,1 Millionen Arbeitsstunden eingespart, was einem Jahreskostenvorteil von etwa 40 Millionen US-Dollar entspricht.
Einige CEOs von traditionellen Softwareunternehmen beginnen bereits, auf extreme, aber reale Weise zu fragen: Wird diese Aufgabe mit "Strom" (KI) erledigt, oder braucht es noch "Blut" (Menschliche Arbeitskraft)?
Beispielsweise hat Navan (ein Unternehmen für Unternehmensreisen und Ausgabenverwaltung) frühzeitig mit der KI-Umstellung begonnen. Heute werden von KI etwa 50% der Benutzerinteraktionen bearbeitet, und zwar komplexe Reisebuchungen und -änderungen, nicht einfach nur einfache Fragen und Antworten.
Diese tiefe Automatisierung spiegelt sich direkt in den finanziellen Indikatoren wider:
In den letzten drei Jahren hat Navan seine Bruttomarge um etwa 20 Prozentpunkte verbessert. Im Vergleich zu seinen traditionellen Wettbewerbern, die sich nicht umgestellt haben, ist dies fast ein "Generationsunterschied".
Es gibt auch Unternehmen, deren Wert nicht nur finanziell sichtbar ist.
Das Kernangebot von Flock Safety ist öffentliche Sicherheit. Sein System hilft jedes Jahr bei der Lösung von etwa 700.000 Straftaten, und in den abgedeckten Gebieten ist die Kriminalitätsrate um fast 10% gesunken. Solche Unternehmen verfügen oft über ein starkes Geschäftsmodell und eine starke soziale Wirkung und sind für uns langfristig sehr wertvolle Vermögenswerte.
Natürlich denken wir nicht, dass alle Unternehmen bereits eine umfassende Neugestaltung durchgeführt haben. Zumindest jetzt befinden sich die meisten Unternehmen noch in der Phase, in der sie von der Nachfrage mitgerissen werden, anstatt aktiv ihr Betriebsmodell neu zu gestalten. Aber eines ist sicher: Diese Neugestaltung wird in den nächsten 12 Monaten intensiv stattfinden.
Der oft übersehene Wert von KI: Die Verstärkung der Nachfrage
Eine weitere Frage, die uns besonders interessiert, ist: Was tun diese KI-Unternehmen tatsächlich in der "realen Welt"?
Eine häufig diskutierte Branche ist das Recht. Intuitiv scheint KI die Arbeitslast von Anwälten verringern zu sollen, aber in der Realität ist es genau das Gegenteil.
Ein Unternehmensjurist hat kürzlich in öffentlichen Statements halb im Scherz gesagt: "Große Sprachmodelle machen mich noch beschäftigter, weil jeder Kunde jetzt meint, ein Anwalt zu sein." Dies ist kein Nachteil, sondern ein Signal für eine verstärkte Nachfrage.
Harvey ist ein typisches Beispiel. Mit der Verbesserung der Inferenzfähigkeit des Modells hat sich die Nutzungsdauer von Anwälten bei Harvey-Produkten etwa verdoppelt.
Anwälte werden nicht ersetzt, aber ihre Effizienz steigt deutlich.
Was noch wichtiger ist, wird diese Effizienz nicht durch "Mitarbeiterreduktion" erreicht, sondern durch eine tiefere Beteiligung am Produkt. Dies ist einer der Indikatoren, auf die wir besonders achten, wenn wir beurteilen, ob der Umsatz nachhaltig ist: Retention, Verlängerung des Vertrags, Nutzungsfrequenz und reale Beteiligung.
Das gleiche Prinzip gilt auch im Gesundheitswesen. Abridge (die "Brücke", die Ärzte oft erwähnen) wird von vielen Ärzten als "vertrauenswürdiger Vertreter" beschrieben.
Wir beobachten nicht nur das Wachstum der Nutzerzahl, sondern auch, ob das Wachstum der Nutzerzahl und die Beteiligung synchron zunehmen. Tatsächlich ist es genau das Gegenteil:
Selbst bei einem raschen Anstieg der Nutzerzahl bleibt die Nutzungstiefe pro Nutzer stabil oder steigt sogar.
Dies bedeutet, dass die neuen Nutzer den Produktwert nicht verdünnen, sondern ihn vielmehr bestätigen, was die Allgemeingültigkeit und die Bindungskraft des Produkts beweist.
Im Bereich der Basisfähigkeiten wird die Stimme zu einem zentralen Zugangspunkt für viele KI-Tools.
Die Nutzungsmenge von ElevenLabs wächst exponentiell, was ein typisches Beispiel für "echtes Wachstum aufgrund von Nachfrage" ist. Gleichzeitig ist dieses Unternehmen bei der Betriebseffizienz äußerst sparsam und ein seltener Fall unter den KI-Unternehmen, der sowohl ein hohes Wachstum als auch eine hohe Effizienz aufweist.
Es ist noch zu früh, von einer KI-Blase zu sprechen
Die Kapitalausgaben für KI sind tatsächlich enorm, aber anders als in früheren Blasenphasen werden diese Investitionen in dieser Runde hauptsächlich von den profitabelsten Unternehmen der Geschichte getragen, die über eine solide Cashflow-Basis verfügen.
Bislang ist die Kapitalstruktur zumindest bei Unternehmen wie Meta, Microsoft, AWS und NVIDIA noch kontrollierbar.
Die von Microsoft veröffentlichten Daten geben einen sehr anschaulichen Vergleich: Microsoft Azure hat sieben Jahre gebraucht, um den heutigen Jahresumsatz von KI zu erreichen; und das Wachstum der KI-bezogenen Einnahmen ist deutlich schneller als das damalige Wachstum des Cloud-Computings.
Die Aufbauzeit wird verkürzt, und die Rückzahlungszeit könnte kürzer sein.
Das ist unsere endgültige Einschätzung: KI könnte die technologische Welle sein, die in meiner Laufbahn am stärksten die bestehenden Modelle umgestaltet hat. Sie scheint oft in der Anfangsphase "teuer" zu sein, aber die Geschichte hat immer wieder bewiesen, dass Technologien, die die Welt wirklich verändern, am Ende fast immer einen Wert schaffen, der weit über die Erwartungen aller frühen Modelle hinausgeht.
Wir müssen uns eigentlich nicht allzu sehr um die Abschreibung kümmern, aber die Finanzmärkte interessieren sich sehr dafür, ob die alten Chips schnell zu "negativen Vermögenswerten" werden.
Unsere Beobachtungen deuten eher darauf hin: Die Preise und die Auslastung der alten GPU sind stabiler als erwartet.
Der Grund ist recht einfach. Frühe Nutzer bleiben möglicherweise länger bei einer bestimmten Generation von Modellen, aber die meisten späteren Nutzer wechseln schnell zu neueren Modellen und passenderer Hardware-Konfiguration.
Was noch wichtiger ist, "ruhen" die alten Grafikkarten nicht. Nehmen wir die TPU als Beispiel. Google hat angegeben, dass einige TPU, die schon sieben bis acht Jahre alt sind, immer noch annähernd voll ausgelastet werden können.
Am zweiten Markt bleiben sowohl die Verkaufspreise der alten Grafikkarten als auch die Angebote für "einmaliges Mieten von 100 Karten" sehr stabil. Die Mietzahlen der H100 sind besonders beeindruckend.
Mit anderen Worten,