以软件投资闻名的 a16z 募集 11 亿美元成立 Machine Age Fund，专门投资芯片、内存、网络、数据中心、机器人与家用 AI 设备。文章指出，模型越强，软件反而要求更多算力与电力，AI 的竞争正深入到机架、冷却与可新增数十吉瓦的电力系统。

2011 年，Marc Andreessen 写下“软件正在吞噬世界”。15 年后，他创办的 a16z 募集 11 亿美元，成立了一只专门投资机器世界的基金。

这只基金叫 Machine Age Fund。a16z 官方列出的投资范围，包括芯片、内存、网络、存储、数据中心、机器人和家用 AI 设备。至于电力，它出现在 a16z 对产业瓶颈的判断里。AI 系统需要一直重新设计到电力这一层。

一家以软件投资闻名的机构，把硬件正式变成了一条独立投资线。这个变化很难只用“AI 硬件很热”来解释。

模型越来越强以后，软件没有变轻。它开始要求更多芯片、更宽的内存、更快的网络、更密集的机架、更复杂的冷却，以及一套可以在几年内新增数十吉瓦容量的电力系统。

a16z 在基金公告里的说法很直接。AI 的每一层都在撞上现有供应链、物理规律和计算机科学的边界，整个系统需要一直重新设计到电力这一层。

a16z 发布 11 亿美元 Machine Age Fund

我们看完公告，又把 NVIDIA 的机架设计、IEA 的电力数据和 OpenAI 的基础设施计划放在一起。a16z 这次想抓住的事情可以压缩成一句话。

AI 的竞争正在从模型能力，扩大到谁能更快把芯片、网络、散热和电力组装成可以持续运行的机器。

01 回到机器

Machine Age Fund 很容易被理解成 a16z 改变了“软件吞噬世界”的判断。我们更愿意把它看成 a16z 对一个新约束的回应。软件仍在扩张，但支撑软件运行的机器开始不够用了。

Marc Andreessen 在 2011 年那篇文章里讨论的是软件如何进入零售、通信、招聘、汽车、金融、医疗和教育。软件把一个个行业改造成可以计算、连接和快速迭代的系统。当时最重要的基础设施变化已经完成。云计算把服务器、电力和运维藏在一个简单的 API 后面，创业公司租几台机器就能开始做产品。

生成式 AI 把这段历史往前推了一步。聊天产品需要推理，编程智能体需要连续工作，视频模型要处理更大的输入和输出，机器人还要把计算结果变成现实动作。模型完成的任务越长，推理时消耗的 token 越多。软件层的需求最终会沿着调用一路压到 GPU、内存、网络和电网。

软件需求如何逐层传导到电力系统

a16z 把这个趋势叫作“机器智能正在纵向延伸”。这句话的重点是纵向。过去的创业公司常在一层成熟的硬件和云服务上写新软件。今天，很多 AI 产品遇到的限制已经来自下面几层。算力拿不到，内存带宽不够，GPU 之间传输太慢，机架无法散热，园区排不到电，模型再聪明也不能多服务一个用户。

软件依然在吞噬世界。只是它现在吃掉的算力太多，物理系统不得不跟着改变。这是我们的判断，也是理解这只新基金的一条线索。

02 一只大基金

11 亿美元对风险投资来说是一只大基金。放进 AI 基础设施的总账里，它只是一小部分。

IEA 统计，全球数据中心投资在 2024 年已经达到约 5000 亿美元。大型科技公司的资本开支在 2025 年超过 4000 亿美元，IEA 预计 2026 年还会增加约 75%。OpenAI 在 2025 年曾承诺，到 2029 年为 Stargate 在美国获得 10GW AI 基础设施容量；到 2026 年 4 月，OpenAI 又表示签约容量已经超过 10GW。实际可用算力是另一个口径。OpenAI 披露，这个数字从 2023 年的 0.2GW 增长到 2025 年的约 1.9GW。

和这些数字相比，11 亿美元建不了几座超大规模数据中心，更无法解决全行业的电力缺口。

这也说明 a16z 的目标不在于亲自成为数据中心开发商。风险投资最擅长的工作，是在大规模资本开支已经确定以后，寻找其中尚未成熟的供应商和新平台。一个价值数百亿美元的园区，会同时购买网络交换机、光模块、冷却设备、储能系统、电力电子、施工软件和机器人。基金只要找到少数能够进入这张采购单的公司，就可能获得足够大的回报。

11 亿美元基金与 AI 基础设施总投资的量级差异

基金公告列出的范围很宽，包含芯片、内存、网络、存储、数据中心、机器人和家用 AI 设备。宽到这种程度，也带来一个问题。Machine Age Fund 暂时更像一张机会地图，还称不上一套已经被验证的投资方法。

哪些环节适合创业公司，哪些环节最后仍会被 NVIDIA、台积电、大型云厂商和电力公司控制，需要靠后续项目来回答。

03 机架变了

a16z 在公告里用了一个很醒目的数字。从 H100 机架到 Rubin 机架，单个机架的计算密度提高了 28 倍。

这个数字来自 a16z 自己的比较口径，公告没有展开计算方法。NVIDIA 的公开文档可以让我们看到变化从哪里发生。

H100 时代的 DGX SuperPOD 建议每个机架放 4 台 DGX H100 系统，对应约 40.8kW 的整机架功率。到 Vera Rubin，NVIDIA 把 72 张 Rubin GPU、36 颗 Vera CPU、NVLink 网络和液冷系统放进一个 NVL72 机架。一个完整的 Vera Rubin POD 则由 5 类机架系统组成，共有 1152 张 Rubin GPU、60 exaflops AI 算力和每秒 10PB 的扩展互连带宽。

从 H100 到 Rubin，机架从服务器容器变成完整计算系统

机架过去主要负责把一排服务器装在一起。Rubin 时代的机架开始同时承担计算、内存、网络、冷却和功率控制。NVIDIA 甚至在系统中加入 Intelligent Power Smoothing，用软件平滑瞬时功率，让运营方在相同电力配额下多部署最高 40% 的 GPU。

这类设计变化解释了 a16z 为什么把投资范围写到材料、冷却、电气和房地产。机架密度提高以后，过去可以分开采购的东西必须共同设计。芯片的性能提高一倍，机柜、母线、泵、冷板和变电设备都可能跟着变化。

a16z 预计，AI 机架功率已经从传统的 5 至 10kW，提高到当下系统的 100 至 250kW，未来 3 年可能走向 1MW。1MW 是公司对未来的判断，还不是今天普遍部署的标准。这个预测传递的信息是，数据中心不能再按过去每个机架十几千瓦的经验建设。

04 铜线到头

计算密度提高以后，GPU 之间必须交换更多数据。网络开始从配套设备变成计算系统的一部分。

Vera Rubin NVL72 使用第六代 NVLink 铜背板，把 72 张 GPU 连接成一个机架级计算域。Rubin GPU 的 HBM4 内存带宽最高达到每秒 22TB，单卡容量达到 288GB。GPU 可以更快地读取数据，也会更快地把压力送到互连网络。

铜线适合机架内部的短距离连接，成本和功耗都有优势。机架越来越密以后，铜缆的距离、重量、布线空间和信号完整性开始逼近边界。NVIDIA 的方案保留机架内部铜连接，把机架之间的扩展交给光网络，并把光学器件逐步放到交换芯片附近。

计算密度提高后，机架内部用铜，机架之间转向光

NVIDIA 宣称，Spectrum-X 硅光网络相较传统可插拔收发器可以提高 5 倍网络能效，提供 5 倍持续运行时间。厂商数据需要在真实部署中继续验证，它至少证明了一件事。AI 产业已经不能只靠增加更多传统网卡和交换机来扩大集群。

网络创业公司的机会也由此出现。机会可能在光芯片、封装、连接器、交换系统、网络软件和监控工具里。它们共同解决一个问题，让数千到数十万张 GPU 在同一项任务里有效工作。

买到 GPU 只解决了拥有计算设备的问题。让这些 GPU 不互相等待，才决定昂贵设备能有多少时间真正用于计算。

05 电力进场

当单个机架走向数百千瓦，数据中心很快会从服务器项目变成能源项目。

IEA 的 Energy and AI 报告估算，数据中心在 2024 年消耗约 415TWh 电力，占全球用电量约 1.5%。到 2030 年，数据中心用电可能增加到约 945TWh，略高于今天整个日本一年的用电量。AI 是其中最重要的增长来源。

平均数字还会掩盖地方压力。IEA 表示，一座典型的 AI 数据中心用电量可以相当于 10 万户家庭，当前正在建设的最大项目可能达到这个数字的 20 倍。美国接近一半的数据中心容量又集中在 5 个区域，电力需求不会平均地落在全国电网上。

数据中心用电从 2024 年约 415TWh 走向 2030 年约 945TWh

OpenAI 已经把这种限制写进自己的扩张计划。它在 2025 年曾提出到 2029 年获得 10GW 容量，到 2026 年 4 月又表示签约规模已经超过这个里程碑。OpenAI 与 SB Energy 在 2026 年公布的合作里，仅第一阶段数据中心租约就达到 1.2GW。

IEA 在 Electricity 2026 报告里预计，到 2030 年，数据中心将贡献美国接近一半的新增用电需求。算力扩张既是科技公司的采购计划，也会直接影响电网建设。

电力进入 AI 技术栈以后，创业公司的边界也被拉宽。储能、微电网、燃气轮机、地热、小型核电、电网调度、电源管理和模块化建设，都可能成为 AI 基础设施的一部分。

这里也有最难绕开的限制。芯片可以每年更新，输电线路、变电站和发电项目需要更长审批和建设周期。模型需求按月变化，电力系统按年甚至十年建设。两种速度之间的差距，会决定很多 AI 园区最终能不能按计划开机。

06 创业窗口

硬件行业从来不缺大公司。新基金成立，并不自动意味着创业公司会拿走这轮建设的主要价值。

芯片制造依赖昂贵晶圆厂和先进封装，内存由少数供应商控制，云厂商拥有最大的采购规模，电力项目又受到土地、监管和并网条件影响。创业公司要进入这些市场，面对的客户数量少、验证周期长，一次设计失误还可能让几年的研发失去订单。

a16z 给出的乐观理由是供应增长速度跟不上需求。公告称，传统硬件供应端习惯每年增长 20% 至 30%，现在需要面对三位数的需求增长。a16z 还表示，硬件创业项目在其交易来源中的占比，过去几年已经从很小一部分提高到 20% 以上。这两组数字都是 a16z 的内部观察，外部无法直接复核。

AI 硬件创业公司面对的机会与进入门槛

我们更看重另一个条件。每次计算架构发生变化，原来的产品边界都会重新划分。GPU 变成机架级系统以后，网络、冷却和电源不能再作为通用配件采购。机器人开始在工厂和家庭运行以后，边缘计算、传感器、执行器和安全系统也需要新的组合。

旧供应商当然可以跟着升级。创业公司的机会来自一部分旧产品已经无法直接适配新系统，同时市场又愿意为更快部署、更低功耗和更高设备利用率付钱。

它们不需要取代整个产业。只要控制一处越来越贵、越来越难替换的关键环节，就可能成为大系统里的重要供应商。

07 钱投哪里

Machine Age Fund 最值得观察的部分，是 a16z 最后把钱投到哪些层。

公告提到的现有项目包括 Unconventional AI、Nexthop、Volta、Atoms 和 Mind Robotics。a16z 还列出了更早的硬件投资，包括 2016 年领投 Skydio A 轮、投资 SpaceX、2019 年首次投资 Anduril，以及参与 Waymo 2020 年融资。

这份名单横跨芯片、网络、机器人、航天和自动驾驶，证明 a16z 并非今天才开始碰硬件。新基金带来的变化在于组织承诺。硬件从一批分散项目，变成了有独立资金、团队和对外入口的正式业务。

a16z 官方列出的七类 Machine Age Fund 投资范围

如果基金沿着公告里的物理瓶颈投资，最可能集中的方向会包括以下几类。

• 提高计算与内存效率的芯片、封装和系统设计。
• 连接机架与园区的高速网络、硅光和网络软件。
• 让高密度机架稳定运行的液冷、电源和功率管理。
• 缩短数据中心交付时间的模块化设备、施工技术和自动化工具。
• 把 AI 带进现实环境的机器人、边缘设备和传感系统。

其中有些公司会卖硬件，有些会卖控制硬件的软件，还有一些会用硬件与服务一起交付结果。机器时代不会重新回到只有零部件的生意。拥有定价能力的公司，仍然需要把复杂设备做成客户容易采购、部署和维护的完整产品。

08 VC 的难题

a16z 在软件时代建立的优势，能不能直接搬到硬件行业，暂时没有答案。

软件公司发布新版本只需更新服务器，硬件公司要下单、制造、测试、认证和交付。企业软件可以同时服务成千上万家客户，先进 AI 基础设施的早期客户可能只有几家大型实验室和云厂商。客户一旦改变路线，供应商可能失去一整代产品窗口。

基金的 11 亿美元也必须面对资金节奏。半导体、机器人和能源设备需要更多前期资本，达到量产所需时间通常更长。风险投资要求高回报，项目却可能在收入出现以前先经历几轮昂贵建设。

a16z 能提供的帮助也很具体。公告强调，它会把已有的市场拓展、人才和营销团队开放给硬件创始人，还可以连接客户与供应商。对于需要先拿到设计合作、试点工厂或云厂商订单的公司，这类关系比增加一轮社交媒体曝光更有用。

但关系无法替代产品验证。硬件最终要在功耗、良率、可靠性、交付时间和单位成本上过关。Machine Age Fund 能否做成，不看基金宣布时有多少关注，而看几年后它能否帮助一批公司进入真实机架、工厂和机器人系统。

09 价值下移

过去几年，AI 创业最热闹的部分集中在模型和应用。模型能力提高、API 价格下降以后，应用层仍会出现大公司，部分利润也会沿着技术栈向下移动。

原因很简单。当行业共同受到某一种稀缺资源约束，能够增加这种资源供给、提高利用率或降低配套成本的公司，就获得了更强的议价能力。GPU 稀缺时，算力平台受益。电力和并网变成限制以后，能更快交付能源与冷却系统的供应商也会受益。

这不代表所有硬件公司都会比软件公司更赚钱。重资产、低毛利、客户集中和周期波动，足以吃掉很多增长。投资人寻找的，是那些能够用技术改变成本曲线，又不会被简单替换成普通设备采购的公司。

AI 价值正在从应用层向物理基础设施扩散

15 年前，a16z 的问题是哪些行业会被软件改造。今天，它开始问另一件事。谁能给不断增长的软件提供足够的计算、内存、带宽、散热和电力。

这两句话没有互相推翻。我们更愿意把后一问理解成前一问发展到更大规模后，a16z 开始面对的新问题。

Machine Age Fund 目前只是一笔刚刚募集完成的钱。它还没有证明 a16z 能在机器时代复制软件时代的成绩。基金范围很宽，硬件周期很长，物理世界也不会像代码一样快速更新。

它仍然标记了一个清楚的变化。

AI 公司过去最常讨论模型能做什么。接下来，它们会越来越频繁地讨论机器在哪里、需要多少电、怎样散热，以及谁能按时把整套系统交出来。

资料来源：

a16z 关于 Machine Age Fund 的官方公告，2026 年 8 月 28 日原文 https://a16z.com/the-machine-age-fund/

a16z 在 X 发布的基金原帖与首图，2026 年 8 月 28 日原文 https://x.com/a16z/status/2093324635890933761

Marc Andreessen 关于软件吞噬世界的文章，2011 年 8 月 20 日原文 https://a16z.com/why-software-is-eating-the-world/

NVIDIA DGX H100 数据中心设计指南，2026 年 8 月访问原文 https://docs.nvidia.com/dgx-superpod/design-guides/dgx-superpod-data-center-design-h100/latest/_downloads/9928713c379aa7ae4ab09fc22506fa01/nvidia-dgx-superpod-data-center-design-dgx-h100.pdf

NVIDIA Vera Rubin POD 技术说明，2026 年 3 月 16 日原文 https://developer.nvidia.com/blog/nvidia-vera-rubin-pod-seven-chips-five-rack-scale-systems-one-ai-supercomputer/

NVIDIA Rubin GPU 架构说明，2026 年 7 月 21 日原文 https://developer.nvidia.com/blog/inside-nvidia-rubin-gpu-architecture-powering-the-era-of-agentic-ai/

NVIDIA Spectrum-X 网络平台说明，2026 年 8 月访问原文 https://www.nvidia.com/en-us/networking/spectrumx/

IEA Energy and AI 报告，2025 年原文 https://www.iea.org/reports/energy-and-ai/executive-summary

IEA Electricity 2026 报告，2026 年原文 https://www.iea.org/reports/electricity-2026/executive-summary

IEA 关于 2025 至 2026 年大型科技公司资本开支的说明，2026 年原文 https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary

OpenAI 关于建设 10GW AI 基础设施的说明，2026 年 4 月 29 日原文 https://openai.com/index/building-the-compute-infrastructure-for-the-intelligence-age/

OpenAI 向美国国会提交的算力增长数据，2026 年 2 月 12 日原文 https://cdn.openai.com/pdf/045aa967-ee96-4a09-94ee-3098ddf6db2c/OpenAI-US-House-Select-Cmte-Update-%5B021226%5D.pdf

OpenAI 与 SB Energy 的 Stargate 合作公告，2026 年 1 月 9 日原文 https://openai.com/index/stargate-sb-energy-partnership/