#紅杉美國
紅杉美國:未來一年,這五個AI方向將撕開10兆市場缺口
2016年,當DeepMind的AlphaGo擊敗圍棋世界冠軍李世石時,很少有人意識到,那不僅僅是演算法的勝利,而是一場全新時代的開啟。誰又能想到,如今人工智慧會發展如此迅猛,並帶來巨大的變革。最近,紅杉美國合夥人Konstantine Buhler在最新的《The $10 Trillion AI Revolution》分享中直言:人工智慧革命,將是一場不亞於甚至超過“工業革命”的變革。並且他們預計,這場變革將釋放10兆美元的巨大價值,而目前僅有200億美元的服務業被AI改造——這意味著還有99.8%的市場等待挖掘。紅杉資本作為全球最頂尖的投資機構,公開了未來12-18個月的五大重點投資方向,這些領域可能將決定AI產業的發展格局......從蒸汽機到AI工廠的認知革命回顧工業革命,三個關鍵節點勾勒出技術革命的典型路徑:蒸汽機發明(1765年)、第一個現代工廠系統誕生(1832年)和流水線形成(1876年)。這一處理程序耗時逾百年。但從第一台蒸汽機到第一座工廠,花了67年時間;從第一座工廠到流水線,又花了144年。紅杉在報告中指出,為什麼需要這麼長時間?答案在於專業化的必然要求。任何複雜系統發展到一定規模後,都必須將通用元件與高度專業化的元件相結合。工業革命的本質,就是將蒸汽機這一通用技術進行專業化改造,適應特定行業的生產需求。如今,歷史正在重演。1999年輝達發佈的第一塊GPU GeForce 256堪稱這個時代的“蒸汽機”,而2016年出現的第一個AI工廠(彙集演算法、算力與資料)則相當於第一個現代工廠系統。紅杉預測:知識工作者的算力消耗將增長10-10000倍,這將為那些致力於AI專業化應用的創業公司創造巨大機會。兆市場:服務業AI化的巨大機遇紅杉在報告中展示了一張罕見的圖表,按市場潛力對美國服務業崗位進行了排序。資料顯示,美國服務業市場規模高達10兆美元,但目前只有約200億美元被AI自動化。這可是一個“10的13次方”等級的巨大機會,紅杉表示,我們不僅要擴大AI在現有市場中的份額,更要將整個蛋糕做得更大。這一趨勢類似於雲端運算發展初期。當時,SaaS(軟體即服務)僅佔3500億美元軟體市場的60億美元份額。如今,SaaS不僅奪取了本地部署軟體的市場份額,更將整個軟體市場規模擴大到超過6500億美元。紅杉已經在多個服務業領域佈局:醫療健康領域投資了Open Evidence和Freed軟體開發領域佈局了Factory和Reflection法律服務領域押注了Harvey、Crosby和Finch其創始人唐·瓦倫丁始終強調市場的決定性作用,”紅杉在報告中提到,認知革命將拓展市場邊界,在服務業領域催生出眾多以AI為核心的大型獨立上市公司。五大趨勢:AI產業化的明顯訊號在紅杉看來,五個明顯趨勢正在AI領域形成,標誌著這項技術正從實驗室走向產業化。01 槓桿優於確定性工作範式正在根本性轉變:從過去對任務槓桿作用極小但對結果有100%確定性,轉變為對任務擁有超百倍槓桿但對結果形態不完全預知。想像一位銷售人員不再親自管理所有客戶帳戶,而是為每個客戶配備一個AI Agent,自動追蹤進展、洞察變化並提示互動機會。雖然AI可能會犯錯,需要人工干預,但這種模式下槓桿效應達到百倍甚至千倍等級。02 真實世界的驗證長期以來,AI領域依賴學術基準評估模型性能。ImageNet曾是電腦視覺研究的黃金標準。但現在,真正的驗證必須來自真實世界。Expo公司為了證明自己是全球最強AI駭客,沒有停留在學術基準上,而是直接進入HackerOne平台與全球註冊駭客同場競技,最終證明了自己的實力。紅杉強調,基於真實世界資料的衡量,才是新的黃金標準。03 強化學習落地應用強化學習技術討論已久,但在過去一年才真正走向產業應用核心。不僅大型推理實驗室從中受益,許多創業公司也借此突破技術瓶頸。Reflection公司就利用強化學習來訓練卓越的開源編碼模型,取得了顯著進展。04 AI融入物理世界“AI進入物理世界”正在超越概念階段,成為現實。這不僅限於人形機器人,還包括利用AI創造流程和硬體的新型公司。Nominal公司利用AI加速硬體製造過程,並在產品部署後繼續使用AI進行質量保證,展示了AI在物理世界的多種應用可能。05 計算成為新生產函數“計算”已成為新的生產力衡量標準,具體指標是每位知識工作者的浮點運算次數(FLOPS)。根據紅杉對被投公司的調研,他們普遍預測**每位知識工作者的算力消耗至少將增加10倍。在更樂觀的願景中,可能增長一千倍甚至一萬倍——這意味著未來知識工作者可能同時使用數百甚至數千個AI Agent協同工作。未來一年:紅杉重點佈局的五大方向基於上述趨勢,紅杉確定了未來12-18個月重點關注的五個投資主題。方向一:持久記憶——AI的能力盲點持久記憶至少包含兩層含義:長期記憶(讓AI記住上下文資訊)和AI身份持久性(保持獨特個性和風格)。目前,儘管有向量資料庫、檢索增強生成(RAG)等技術嘗試,持久記憶問題仍未被徹底解決。就像早期網際網路沒有搜尋引擎一樣,AI需要自己的“Google”來管理和檢索記憶。紅杉認為,誰能解決記憶問題,誰就能掌握AI Agent大規模應用的鑰匙。這也正是紅熊AI持續深耕記憶科學技術的原因。方向二:無縫通訊協議——AI世界的TCP/IP回想網際網路革命,TCP/IP協議不是終點而是發令槍。AI時代同樣需要標準化通訊協議,實現不同AI Agent間的無縫協作。未來,你可能只需向自己的AI Agent下達指令,它便會自動與其他商家的Agents詢價、比價甚至完成支付。這將重構現有商業模式,削弱那些依靠簡化使用者操作建立護城河的平台的優勢。方向三:AI語音——已經成熟的技術紅杉認為,AI視訊可能還需一年成熟,但AI語音的時代已經到來。兩個關鍵指標的突破證明了這一點:保真度(語音質量達專業水準)和延遲(低至支援即時對話)。AI語音的應用前景廣闊,從AI朋友、伴侶到治療師等消費者應用,再到企業端的物流協調、場外交易等場景,都有巨大潛力。方向四:AI安全——全鏈條防護需求AI安全領域存在巨大機會,貫穿從開發層到消費者的全鏈條。開發層需要幫助AI實驗室安全開發技術;分發層要確保技術安全傳播,模型不被篡改;使用者層要確保消費者不會無意中引入漏洞。與物理世界不同,數字世界的安全防護不受空間與成本限制,未來可以為每個人、每個Agent配備成百上千個AI安全Agent,建構立體化防護體系。方向五:開源AI——自由競爭的關鍵開源AI正處在關鍵十字路口。兩年前,開源模型還無法與最先進閉源模型競爭,但今天這一判斷正面臨嚴峻挑戰。紅杉堅信,開源能夠參與競爭並提供一些最頂尖的基礎模型,這對於一個更自由、開放,讓任何人都能創造的未來是必不可少的。寫在最後,百年征程壓縮至數年如果這些投資主題都能取得突破,將會發生什麼?紅杉相信,這些進展將凝聚成一股強大力量,將工業革命時期通往“流水線”所需的百年漫漫長路,壓縮至短短數年。我們正處在一場深刻的“認知革命”的重要發展階段,這不僅關乎技術進步,更關乎人類思維和工作方式的根本變革。農業革命改變了我們與土地的關係,工業革命改變了我們與物體的關係,而認知革命,正在改變我們與思想的關係——這才是真正前所未有的變革。未來,對於創業者、投資者和普通人來說,理解這些變化並主動參與其中,可能是這個時代最大的機遇。 (紅熊AI)
紅衫美國:算力不再稀缺,頂級人才才是AI賽道的“梅西”
為什麼AI實驗室越來越像職業體育球隊?算力不再稀缺,頂級人才成為新一輪AI競賽的核心資源在過去一年裡,儘管AI產業繼續高速發展,但真正值得關注的變化,並不在於技術本身,而是產業結構的核心驅動力發生了轉移。從前,決定AI領先地位的關鍵變數是“誰擁有更大的叢集、更充足的算力和更強的預訓練能力”;而現在,在算力相對充裕的環境下,真正稀缺的資源變成了人才。紅杉美國合夥人David Cahn今天夏天提出上面這個有趣的問題,他在去年夏天寫了不少關於 AI 的文章,從《AI 的 6000 億美元問題》、《AI 資本支出的博弈論》、《AI 已準備就緒》構築未來:紅杉美國2025年人工智慧最新預測、《鋼鐵、伺服器與電力》紅杉評論|鋼鐵、伺服器和電力:如何贏得下一階段的人工智慧,一直寫到《AI 供應鏈拉鋸戰》。David表示一年過去,回頭看,其實變化並不大:原本是“6000 億美元問題”,如今變成了“8400 億美元問題”(假設 Nvidia 到 2025 年底的資料中心營收年化可達到 2100 億美元)。根據路透社消息,OpenAI 仍然佔據整個 AI 收入的大頭,近期突破了 100 億美元大關OpenAI 宣稱其年經常性收入(ARR)達到 100 億美元,它是如何做到的?。整個 AI 生態的總收入,依舊遠不及已投入的巨額資本。事實上,他去年對大科技公司 AI 收入的預估可能還偏高了。過去一年,AI 有三項重大進展:1、程式碼生成 AI 迅速爆發。一年前,這類產品的演示還令人震撼,如今程式碼 AI 領域已經創造了約 30 億美元的年化收入Cursor的百億估值背後:真壁壘or泡沫?2、“推理能力”找到明確的產品-市場契合點,引發了對“推理階段算力利用效率”的廣泛關注。通過反覆查詢模型結合強化學習,我們能獲得更精準可靠的結果。巴克萊投行:人工智慧邁向推理模型和Agent的重大轉變3、ChatGPT 的使用出現“smile curve(微笑曲線)”,使用者行為逐漸固化,這項新技術正深入日常生活。所謂“微笑曲線(smile curve)”,通常用來描述兩端高、中間低的趨勢圖。在 ChatGPT 的使用中,這種曲線可以理解為使用場景和使用者活躍度呈現“兩頭高、中間低”的態勢:一端初始高峰階段是新使用者接觸ChatGPT初期的高活躍度,嘗試各種功能中間階段活躍度下降,部分使用者因不知如何用或找不到價值而流失另一端穩定上升階段是剩下的使用者逐步將 ChatGPT 融入生活或工作流程,如寫作、郵件、程式碼輔助、研究等形成習慣,高頻使用 ChatGPT從“模型即基礎設施”到“人即護城河”這一趨勢正在從多個層面重塑AI產業格局。去年,主流觀點還集中於模型規模、訓練成本和基礎設施投入,例如“訓練一個GPT-4等級模型到底要花多少錢”“誰能率先上線超萬卡叢集”等。但到了2025年中,我們看到的是另一個敘事逐漸佔據主導地位:頂級人才才是AI下一階段突破的決定性要素。隨著AI應用層生態的持續豐富,算力價格不斷下降,建構一款AI產品的門檻不再高不可攀。大量初創企業借此機會進入市場,建構以“整合式工作流和輕量化模型呼叫”為核心的業務系統。例如 Harvey、Abridge、Perplexity、OpenEvidence 等公司,均在各自領域取得顯著進展。這些企業的核心優勢,不再是底層模型或訓練能力,而是如何用有限資源組織出一支具備創新能力的人才團隊。但與這些正面趨勢相對的是另一個現象:過去被廣泛討論的“預訓練階段”的模型開發、叢集搭建等話題,正在從公共話語體系中逐步淡出。可能原因包括大型算力叢集的建設周期延長,或者如 OpenAI 聯合創始人 Ilya Sutskever 所言,“我們所理解的預訓練方式即將終結”。與此同時,一年前我們看到很多研究實驗室因為成本壓力而合併、收縮,而如今,一批新興力量重新湧現,包括 SSI、DeepSeek、Thinking Machines 等,他們不再依賴大規模算力,而是將“團隊質量”作為差異化競爭的關鍵。這種變化的背後,是AI產業邏輯的轉變——從資源驅動轉向組織能力驅動。過去我們默認:“有錢、有卡、有電”,就能訓練出世界級模型。而現在則愈發清晰地意識到:即便你擁有最大的叢集,也未必能實現技術突破,真正的關鍵,是是否能吸引、留住並釋放頂尖人才的創造力。這種現像在Meta和Google的身上表現得尤為明顯。Meta最近以頗具戰略意圖的方式入股了AI基礎設施公司Scale 49%的股份,並將創始人Alex Wang引入Meta,主導一支“創始人風格”的實驗室,目標是重建長期主義的AI研究文化。Meta擬斥資150億美元控股Scale AI:資料優勢加持能否逆轉AI困局?Google也在多個產品線上進行重組,試圖擺脫現有AI產品的被動局面,重新掌握主動權。這些動作的共同指向是:在當前算力不再是稀缺資源的時代,人才成為唯一的突破口。某種程度上,AI實驗室如今已越來越像職業體育球隊。他們有充足的資本、有明確的“戰術體系”、有明確的“轉會窗口”,更重要的是,他們願意為頂級“球員”,即AI研究員、系統架構師、模型最佳化工程師提供極具競爭力的薪酬待遇。目前,一線AI人才的薪資包動輒在千萬美元以上,個別關鍵人物甚至可談到“億級”甚至更高。而與體育不同的是,AI領域的人才合同流動性極強,沒有多年繫結,隨時可能被挖角。具有諷刺意味的是,最早提出“AI競賽”這一概念的,其實是AI安全社區。他們的初衷,是提醒業界警惕因資本驅動和技術衝動所引發的無序博弈,可能帶來的系統性風險。然而,時至今日,這場競賽已然全面展開,並在“算力”和“人才”兩個核心維度上成為現實。從根本上說,這種趨勢反映了人類面對重大機會時的一貫反應。每當出現一個足夠誘人的技術突破或市場窗口,人們幾乎不會主動“剎車”。AI 正是這樣一種變革性技術,它有可能重塑整個產業格局甚至社會結構,回報極其可觀。也因此,圍繞它的關鍵資源,尤其是最稀缺、最難複製的人才,正在被不斷推向競爭的極限。更值得注意的是,儘管當前AI實驗室之間的競爭異常激烈,但整個行業的氛圍卻較三年前顯得更為“平穩”。一個合理的解釋是:對大多數參與者而言,“持續競賽”已成為默認狀態,市場結構基本固化,主導力量明確,生態內部逐漸建立起某種“動態均衡”。雖然風險與不確定性依然存在,但從系統性角度看,這個行業正朝著一種更自洽、更有秩序的形態演進。 (Miss LN)