5 兆美元的隱形市場：最好的科技公司為什麼不再上市？

本文整理自 Bloomberg《Odd Lots》2026 年 2 月播出的單集。

{{< spotify "episode/3jkCgFaAxf7kwulBIQ0aA1" >}}

{{< apple-podcast "tw/podcast/a16zs-david-george-on-how-private-and-public-markets/id1056200096?i=1000750634369" >}}

---

一個讓公開市場投資人不安的數字

想投資下一個 Magnificent 7 等級的公司？壞消息是，它們大概率還沒上市。Andreessen Horowitz（a16z）成長基金負責人 David George 在 Bloomberg《Odd Lots》節目上丟出一個數字：高估值私人科技公司的總市值大約 5 兆美元，接近 S&P 500 的四分之一。如果把 Magnificent 7 排除在外，這個數字相當於剩下的 S&P 500 成分股市值的 40%。更驚人的是，這個私人市場在過去十年成長了十倍，而同一時期，美國上市公司的數量已經減少了一半。

George 管理的 a16z 成長基金規模超過 220 億美元，投資組合涵蓋 OpenAI、Databricks、SpaceX、Stripe、Anduril 等公司。在加入 a16z 之前，他在 General Atlantic 待了七年，期間投資了 Airbnb、CrowdStrike、Slack 和 Uber。這位史丹佛商學院畢業的成長型投資人，過去幾年親眼見證了科技業最大的結構性轉變之一：最有價值的公司不再需要公開市場。這個趨勢看起來不會回頭。

價值創造的大遷徙

十年前，最好的科技公司大約有 88% 的市值是在上市之後才創造出來的。這意味著公開市場投資人可以參與到絕大部分的價值成長過程：你在 IPO 時買進，抱個幾年，公司的市值翻了好幾倍，你也跟著賺到。但最近一批 IPO 的數據完全翻轉了這個比例。現在有 55% 的價值創造發生在公司還是私人公司的階段。換句話說，等到一家公司敲鐘上市的那一天，它最精華的成長期已經過了一大半。公開市場投資人買到的，是一家成長率已經開始放緩的公司。

這不是一個抽象的統計數字，它有非常具體的投資含義。George 指出，在 a16z 的投資範圍內，目前只有三家上市公司的營收成長率超過 30%。三家。如果你是一個機構投資人，任務是找到高成長的科技公司放入投資組合，你幾乎別無選擇，只能進入私人市場。Meta 是少數例外之一，它在將近 2 兆美元的估值下還能把營收成長加速到 30%，但這種公司鳳毛麟角。常態是：等你在公開市場買得到一家公司的股票，它的爆發期已經結束了。

這個趨勢背後有一個常被忽略的結構性因素：私人資本市場的深度已經跟十年前完全不同。過去，公司上市的主要理由之一是「需要大量資金」，因為私人市場能提供的資金規模有限。現在，光是 a16z 的成長基金一次就能寫出數億美元的支票，軟銀、Tiger Global、Coatue 等機構同樣如此。最近一次 a16z 的募資就籌了 150 億美元。當私人市場能提供的資金已經大到足以滿足多數公司的需求，上市的最核心理由就消失了。

不上市的真正理由

資金充裕只是原因之一。George 拆解了公司選擇留在私人市場的完整邏輯，其中最重要的一點可能出乎很多人意料：員工的流動性問題，現在已經有了成熟的解決方案。過去，新創公司員工握著股票選擇權，卻必須等到公司上市才能變現。這造成了巨大的人才競爭劣勢，因為上市公司每季就能發放可以立即賣出的 RSU（限制性股票單位）。現在，私人公司透過定期舉辦的 tender offer（股權收購要約），讓員工可以出售一定比例的既得股權，通常是 25%。SpaceX 是這套模式的先驅，每年舉辦兩次，員工滿意度極高。對於真正相信公司前景的人來說，一年兩次的流動性窗口已經足夠。

上市的隱形成本也比多數人想像得高。George 估算，對於中小型科技公司來說，維持上市地位每年需要花費 1,000 到 2,000 萬美元，涵蓋審計、法遵、投資人關係、保險等費用。這還不包括管理層被迫投入的時間：每季的法說會準備、分析師會議、投資人路演。更現實的問題是，公開市場的研究覆蓋高度向大型股傾斜，一家市值 50 億美元的上市公司可能只有兩三位分析師在追蹤，流動性反而不如在私人市場有頂級創投背書來得好。

還有一個讓創辦人特別火大的問題：SPV（特殊目的載體）。在私人市場中，有些投資人會透過 SPV 這種法律結構，從各種來歷不明的來源匯集資金，包裝成單一投資主體，然後出現在公司的股東名冊上。創辦人對此深惡痛絕，因為他們根本不知道自己的股東到底是誰。George 提到，Anduril（a16z 重倉持有的國防科技公司）曾經跟 SPV 營運者正面開戰，把試圖混進股東名冊的不透明資金擋在門外。SPV 對投資人本身也是高風險操作，因為它們沒有分散投資的能力，把所有雞蛋放在一家公司的籃子裡，公司一出問題就全軍覆沒。a16z 自己則是直接從基金出資投資，不使用 SPV，這也成為他們跟創辦人建立信任的方式之一。

那什麼情況下公司才會考慮上市？George 認為最大的催化劑是需要更大規模的資金池，尤其是建造資料中心這類超級資本密集型的專案。公司也可能為了取得更便宜的債務融資而上市，或是需要把股票當作併購的貨幣。有些公司為了跟上市公司競爭人才，需要提供流動性更高的 RSU。最後一個理由有點意外：品牌光環。在某些行業，客戶就是比較信任上市公司。但 George 坦言，上述每一個理由都在弱化。私人資金更充裕、債務融資的替代方案更多、tender offer 的接受度愈來愈高。上市正在從「必經之路」變成「可選項」。

沒有閒置 GPU：這一次跟網路泡沫不一樣

面對「AI 是不是泡沫」這個老問題，George 提出了一個簡潔有力的反駁：沒有閒置的 GPU。2000 年的網路泡沫有一個標誌性的物理現象叫 dark fiber（閒置光纖）。電信公司當年瘋狂鋪設基礎設施，但需求遠遠跟不上供給。等泡沫破裂，地底下躺著大量從未被點亮的光纖電纜。George 指出，AI 的基礎設施建設完全是另一回事。每一張上線的 GPU 或 TPU 都立刻被用滿，包括已經落後兩個世代的舊 GPU，甚至是 Google 十年前推出的初代 TPU。需求不只是在追趕供給，而是遠遠超過供給。

更關鍵的差異在於週期時間。網路泡沫時期的光纖鋪設，從投資決策到完工需要五年，一旦投入就無法回頭。AI 基建的週期大約是 12 個月，整個產業可以持續監控需求訊號，隨時調整資本支出的規模和方向。如果需求開始轉弱，業者有能力在一年內踩煞車，不會像 2000 年那樣被套牢在長達五年的沉沒成本裡。投錯了？一年後就能修正方向。2000 年的電信業沒有這種煞車機制。

George 還丟出一個讓人停下來想的觀點：即使今天把所有模型的發展全部凍結，不再推出任何新模型，光靠現有的 AI 能力，就足以支撐 10 到 20 年的應用開發。這意味著 AI 的價值不完全取決於模型是否持續進步。他形容模型公司的角色更像是各行各業的「軍火商」，提供基礎能力讓別人去打仗。而真正了解產業脈絡、擁有特定領域資料和工作流程的垂直應用公司，才是建立持久護城河的地方。法律、醫療、客服、銷售、會計，每一個領域都需要深入的產業知識，這不是模型公司光靠通用智慧就能搶走的。

傳統軟體的三重死亡螺旋

如果你是一家傳統 SaaS 公司的經營者，George 的分析會讓你背脊發涼。他診斷出三重威脅正在同時壓向傳統軟體產業，而且每一重都在加速惡化。

第一重是預算流向的改變。過去企業每年會固定增加在現有軟體上的支出，這是所有 SaaS 公司賴以為生的「淨留存率」（Net Dollar Retention）。但從 2021 年開始，這個指標就一路下滑。原因很直接：企業的新增 IT 預算正在流向 AI 相關計畫，而不是擴大對現有軟體供應商的採購。你的現有客戶沒有離開你，但他們的「新錢」不再流向你。對於已經上市的軟體公司來說，這直接反映在營收成長持續放緩上。

第二重是競爭白熱化。AI 正在大幅加速軟體開發的速度，這意味著每一家公司都能比以前更快地擴張產品功能到相鄰領域。過去你在一個垂直市場可能只有兩三個認真的競爭者，因為開發軟體需要大量的工程師和時間。現在有了 AI 輔助開發，你的競爭者可能在三個月內就做出一個堪用的替代品。產品的護城河正在加速侵蝕。

第三重是商業模式的典範轉移，George 認為這才是最致命的一擊。傳統 SaaS 的定價模式是按座位數（per seat）收費：你的公司有一百個客服人員，你就買一百個座位。AI 時代正在催生一種全新的定價邏輯：按成果付費（outcome-based pricing）。當一個 AI 客服工具可以自動解決 80% 的客戶問題時，企業不再想按「幾個客服座位」付錢，而是按「解決了幾個問題」付錢。這種模式已經在客服領域出現，很可能擴散到銷售、會計、法務等所有知識工作領域。對新進者來說，這是天賜良機，因為他們沒有歷史包袱，可以從第一天就用新模式定價。對既有業者來說，這是一場噩夢：你不可能在不摧毀現有營收結構的前提下切換定價模式。當技術變革搭配商業模式變革同時發生，新進者幾乎總是贏家。

當最好的公司不上市，我們該怎麼想？

George 描述的這個世界，對臺灣的投資人和科技從業者有幾個值得正視的面向。首先是投資管道的問題。當最具成長潛力的科技公司停留在私人市場的時間愈來愈長，一般投資人能觸及它們的管道就愈來愈窄。這不只是散戶的困境，連很多機構投資人都面臨同樣的挑戰。臺灣的資產管理機構和家族辦公室，如何建立進入矽谷頂級私人市場的管道，是一個值得認真規劃的長期策略。

其次是 outcome-based pricing 對軟體業的衝擊。臺灣有不少企業軟體公司仰賴傳統的授權或訂閱制收費。當全球領先的 AI 新創公司開始用「按成果付費」的模式搶市場，現有業者要怎麼因應？這不只是加一個 AI 功能的問題，而是整個定價邏輯和商業模式需要從根本重新設計。

最後，George 那句「沒有閒置的 GPU」提供了一個判斷 AI 投資是否過熱的簡單框架：只要每張新上線的晶片都立刻被用滿，只要資料中心的需求訊號持續強勁，這場基礎設施投資就不是泡沫。臺灣最熟悉的半導體產業，在這個框架下反而站在最安全的位置。不管 AI 的應用層怎麼洗牌，底層的算力需求只會繼續成長。真正該焦慮的不是做晶片的人，而是賣軟體座位的人。