紅杉 AI 峰會閉門 6 小時，150 位創始人共識浮現：AI 不再賣工具，而是賣收益

最近，第三屆紅杉資本 AI 峰會剛剛在舊金山落幕。

150 位全球頂尖 AI 創始人齊聚紅杉資本會場。窗簾落下，與外界隔絕整整 6 小時——最先映入眼簾的是白板上的一句話：

下一輪 AI，賣的不是工具，而是收益。

紅杉資本合夥人Pat Grady 把這句話稱為「兆美元機會」；

OpenAI 首席執行官 Sam Altman 和 Google首席科學家 Jeff Dean 一致點頭；

輝達具身智能研究主管 Jim Fan 補上一句：「當機器人能通過物理圖靈測試時，收益 = 自動化的現金流。」

── 共識，就此浮現。

這意味著：

• SaaS 邏輯正在失靈：客戶不再為「能用的工具」買單，而只為寫進利潤表的結果掏錢；
• 新定價單位是 KPI：開發提速、GPU 成本、落地 GMV，將直接決定產品價格；
• 創業窗口縮短：誰先把“收益”商品化，誰就搶走下一個十倍級市場。

接下來的文章，拆開這場閉門峰會的 3 個核心訊號：

• 「作業系統式 AI」如何成為新的現金流機器
• 「常駐代理」正在重塑工程師與企業邊界
• 「物理圖靈測試」打開機器人商業化的最後閘門

讀完，你將拿到一張面向未來三年的定點陣圖、估值模型和融資策略路線圖。

第一節｜AI 不再賣工具，而是賣成果

「我們正在經歷一次從工具邏輯到成果邏輯的根本轉變。」

在紅杉第三屆 AI 峰會上，主持人 Pat Grady 這樣開場。

🔹 從軟體預算到「成果合同」：AI 正改變企業付款方式

過去十年，軟體的核心價值是「提升效率」：提高營運效率、自動化部分流程、輔助人類決策。企業為此購買 SaaS、堆積工具，預算劃在「軟體費用」一欄裡。

但現在，AI 正在穿透這層邏輯。

紅杉提出一個結構模式：

從賣工具（Software as a Tool）

👉 到賣協作（Software as a Co-worker）

👉 最終走向賣成果（Software as an Outcome）

這不是修辭，而是收入模型的根本變化。

🔹 成果驅動，不再講「能力」，只講「幹了啥」

Sierra 平台的聯合創始人 Bret Taylor 在峰會上進一步解釋：

「我們從第一天起就選擇基於成果定價（outcome-based pricing）。客戶不再為功能買單，而是為結果買單。」

舉個例子：

傳統 CRM 軟體賣的是「客戶管理工具」

AI 驅動的 CRM 智能體，賣的是「幫你完成 XX 個客戶轉化」

工具，是你用；成果，是它為你交付。

這正是紅杉判斷「AI 應用價值將超越模型本身」的關鍵所在。

不是誰模型參數更多、推理速度更快，而是誰能把結果交付閉環，誰就擁有了客戶預算。

Pat Grady 在峰會幻燈片中指出：「AI 正從服務市場穿透到勞動力市場。」

你以為它在搶 SaaS 的預算，實際它正在進入工資單。也正因此，紅杉不再強調「獨角獸估值」，而是看現金流、看可度量成果。

OpenAI、Ramp、Sierra，這一批應用層玩家，不再爭搶「最先進的 AI 模型」，而是率先進入「誰交付成果誰贏」的商業現實。

紅杉說：

未來 AI 應用的核心問題，不是模型能力，而是「是否能跑起來幹活」。

這場變化悄無聲息地在發生。

第二節｜作業系統之戰：AI 的入口爭奪

在峰會現場上，一個趨勢被頻繁提及：AI 的主語正在轉移——從「被呼叫」轉向「主動調度」。

這背後，不是模型變強了，而是系統在變。誰掌握入口，誰就掌握未來的調度權。

OpenAI CEO Sam Altman 在會上亮出一張時間表：

「2025 年，AI 代理開始工作；

2026 年，AI 將發現新知識；

2027 年，AI 將進入物理世界創造價值。」

這不是願景，是路線圖。

他明確表示：ChatGPT 正在成為「作業系統」級存在。成年人用它搜尋，年輕人當成教練，青少年已將其當作「數字操作介面」。

🔹 作業系統的定義，已經被重寫

紅杉在幻燈片中指出：

• 雲時代的 OS 是微軟
• 移動時代是 iOS
• AI 時代的 OS，將不再是裝機軟體，而是任務調度系統

它能記住你，理解你，代表你採取行動。這不是「多一層智能」，而是重新定義互動起點。

LangChain 創始人 Harrison Chase 也提出一個全新入口概念：

智能體收件箱（Agent Inbox）——是觸發萬千智能體協同工作的入口，不是聊天框，而是系統匯流排。

而 Anthropic 的 Claude Code 已經不再只是生成器——它自動寫程式碼、提交、僱傭其他代理執行任務。首席產品官 Mike Krieger 的定義是：「分佈式運行環境」。

這意味著，入口權已經從「你點它一下」變成「它代表你去調度系統」。

🔹 誰佔據入口，誰配置資源

紅杉總結得很清楚：

下一代 AI 不靠下載量，不靠市場行銷，而靠記憶 + 執行建構粘性。

也就是說：誰成為「使用者意圖的第一個承接者」，誰就控制了系統分配權。

這一趨勢已經在產品層面顯現：

• OpenAI 的 GPTs 支援「任務指派式代理」
• Claude 借助 MCP 協議僱傭其他智能體
• LangChain 建構的 inbox，將一整套人機任務分配機制打通

使用者不再“操作工具”，而是發出一句話：「安排一個東京出差」，AI 就自動完成航班預定、會議安排、天氣查詢和報銷流程。

你看到的，不是產品，而是一套可配置的行動系統。

紅杉進一步指出：企業級市場中，真正先跑出來的入口未必是通用大模型，而是 Harvey（法律）、Open Evidence（醫療）這類垂直領域智能體 OS，因為它們能聽懂行業語言，理解真實需求。

第三節｜智能體經濟正在成型

在閉門討論中，一個關鍵詞頻繁出現：智能體經濟（Agentic Economy）。

紅杉合夥人 Konstantine 拋出一個設想：

「未來的 AI，不只是彼此通訊，而是組成一個可以交換價值的系統網路。」

這意味著——AI 不再只是被呼叫的模型，而是可以行動、可以決策、可以合作的經濟參與者。

🔹 智能體，不是外掛，而是角色

Konstantine 將其定義為三要素：

• 持久身份：它能記住你是誰，也記得自己是誰；
• 行動能力：能呼叫工具，發起任務，調度資源；
• 信任協同：它和你之間，不是指令關係，而是信任契約。

舉例來說：

當 Claude Code 開始主動提交 PR，評估程式碼質量，協調其他智能體——它已經不是「Copilot」，而是一個具備產出責任的工程角色。

OpenAI 前員工 Daniel Kokotajlo 在會上補充：

「如果 Einstein v1907 擁有足夠推理資源，它可能不只是回答問題，而是自主發現科學規律。」

模型不再是應答器，而是「路徑構造者」。

🔹 智能體經濟，不靠指令，而靠協同

隨著 AI 從「回答工具」變成「自主代理」，協作成為關鍵能力——而經濟協作，

意味著新的「組織結構」也在成型：一組智能體，代理多個角色、部門，彼此交易、合作、背書；

人類也開始從「控制者」變成「編排者」，設計這些智能體的職責、介面與信任邊界。

這場討論在提醒我們：

不要只看你的模型有多強，要看它能否作為「角色」被嵌入一個系統中。

你不再是在用 AI 工具，而是在建構一張「人-智能體」共生的經濟網路圖。

所以，問題不再是「智能體有多聰明」，

而是：你在這個網路中，是入口、節點，還是被調度的中間層？

第四節｜AI 產品，不看點選看結果

過去兩年，AI 創業者最常問的問題之一是：

我做出了一個功能很強的 AI 產品，為什麼使用者用完就走？

而在紅杉 AI 峰會現場，索尼婭給出了一個不靠模型、不靠管道的回答：

「分發物理學(physics of distribution)，變了。」

在舊時代，一個產品要獲得使用者，依賴三個變數：

• 使用者是否知道你（Attention）
• 使用者是否理解你（Understanding）
• 使用者是否願意用你（Adoption）

這三者構成了移動網際網路時代流量分發的核心邏輯。

但現在，一切正在被重寫。

隨著 AI 從工具變成代理，使用者行為也隨之轉變。紅杉觀察到，使用的起點，不再是介面點選，而是任務委託；真正的價值，不是產品被打開了多少次，而是它交付了多少結果。

🔹 從「使用」到「託付」：分發的本質在偏移

紅杉合夥人索尼婭展示了一個關鍵訊號：

ChatGPT 的 DAU/MAU 比例在 2025 年 Q1 首次逼近 Reddit，標誌著 AI 應用正在從「好奇嘗試」，進入「日常依賴」。

但這種依賴，不是傳統意義上的「使用者停留」，而是一種「發出請求 → 離開 → 等待結果」的使用邏輯。

不是用完了，而是交出去了。

使用者不再圍繞 AI，而是把任務扔給它、讓它自己完成，然後回來收結果。

紅杉稱之為：

從使用介面，到委託介面。

這意味著，AI 應用不再是「被操作的工具」，而是「承擔責任的系統節點」。

如果你還在用「功能用得多不多」來衡量產品好不好，那你已經錯過了判斷標準的轉移。

🔹 成果型產品的結構：不是能用，而是能幹完

在峰會上，紅杉定義了「成果型產品」的三大判斷標準：

• 是否能跑完一個完整任務流程：不是幫你做一部分，而是從頭到尾，交付閉環；
• 是否能讓結果被歸因：是否能度量它帶來了什麼明確價值（節省了什麼、提升了什麼）；
• 是否能在過程中持續學習和最佳化：是不是越用越好、越跑越穩、越交付越準。

這也解釋了為什麼 Claude Code 能夠在 Anthropic 內部引爆：它不是“程式碼助手”，而是一個「獨立完成工程任務的 AI 節點」——70% 以上的生產程式碼提交，已經由它獨立完成。

Open Evidence 在醫療場景也體現了同樣路徑：從「輔助醫生」變成「自動生成診斷建議 + 給付解釋 + 患者摘要」，並且全部寫入系統記錄，形成可學習的「交付鏈」。

紅杉強調：

真正的 AI 產品，不是「有沒有能力」，而是「有沒有結果」；不是「你點它做了什麼」，而是「它替你完成了什麼」。

🔹 Doug Leone 路徑圖：從結果，到飛輪

紅杉展示了一張他們非常看重的結構圖：Doug Leone 商業化路徑。

從「想法」到「產品」，從「交付結果」到「建立信任」，最終進入「成果飛輪」。

AI 應用正沿著這條路徑提前演進：

• 成果不是演示效果，而是被組織預算認可的業務閉環；
• 信任不是介面友好，而是一次次被任務委託、被組織採納；
• 飛輪不是使用者增長，而是每一次交付都帶來更多工指派和資料積累。

用紅杉的話來說：

AI 結果的累積速度，將決定你公司價值增長的上限。

所以今天的你，不再是「使用者增長經理」，而是「成果增長經理」；你的產品，也不是「用得多不多」，而是「跑沒跑完流程」。

因為未來 AI 的分發，不靠推薦演算法，而靠「交付記錄」。

你不是賣工具的人，而是交成果的人。系統能不能接住你的委託，才是下一輪定價權的起點。

這就是紅杉在峰會最想傳遞的提醒：

從 Attention 到 Action，AI 正在重寫整個分發邏輯。

第五節｜別再調模型了，調組織結構

過去一段時間，「大模型不夠用了」成了很多 AI 團隊的口頭禪。

很多團隊因此陷入模型焦慮：是不是參數不夠？是不是推理慢了？是不是還得 fine-tune？

但來自 Anthropic、LangChain、Fireworks 等一線實踐者的反饋卻出奇一致：

不是模型不行，是你的組織、流程、工具鏈——沒有配上這類智能的運作結構。

🔹 Claude Code：不是更聰明，而是更「可調度」

來自 Anthropic 的 CPO Mike Krieger 在峰會上說了一句被頻繁引用的話：

我們不是在讓模型變聰明，而是在讓系統變得可控、可用、可調度。

他們內部 70% 以上的生產程式碼提交，已經由 Claude 完成。但關鍵不在於生成的精準率，而在於 Claude 已被納入一整條任務執行鏈中：

• 從讀取需求文件、程式碼歷史，到生成方案、交叉驗證、提交評審
• 每一步都有清晰的責任分配、反饋機制與自動升級路徑
• 模型不再是「工具」，而是一個工程角色，嵌入到了組織的協作結構中。

你可以說，這是把 AI 當作「數字員工」來用；但紅杉的判斷更明確——這是工程組織能力的分水嶺。

🔹 LangGraph 與 Fireworks：不是拼能力，而是拼架構

LangChain 創始人 Harrison Chase 在現場總結說：

「我們見過太多模型很強的團隊，最後輸在流程崩塌。」

為瞭解決「模型 → 任務」之間的承接問題，LangChain 提出了 Agent Graph 框架：

• 它不是一個新模型，而是一個事件驅動的調度機制；
• 支援多個智能體像微服務一樣協作，並行運行、失敗恢復、狀態追蹤；
• 所有行為都有「可觀察性」，方便偵錯、記錄與迭代

Fireworks AI 也在建構類似的結構化能力，不過他們聚焦在推理穩定性與行為一致性上：

• 把推理視為「生產線」，而不是單次響應
• 用策略調度、性能歸因、結果驗證，建立一個「推理工廠級」的可靠性標準

這些工作看似是工程細節，但紅杉指出：

「AI 應用不再是 prompt 的藝術，而是架構工程的勝負。」

🔹 紅杉五段路徑圖：從能力到結構，從元件到網路

在峰會白板上，紅杉列出了一條 AI 應用的演進路徑：

LLM → 工具呼叫 → 工作流編排 → 職責委託 → 智能生態網路

這五級演進，對應的是五種結構化能力：

這張路徑圖背後的意思是：

你不是在訓練一個更大的模型，而是在訓練一個更有組織感的協作網路。

不是問“AI 能不能做”，而是問：

• 誰來管它？
• 它交給誰？
• 它怎麼協同？
• 出錯怎麼辦？
• 資料怎麼歸因？
• 能不能複利？

這些問題，不再是工程師單獨能解決的，而是屬於 AI 架構負責人、組織設計師與任務營運者的工作範疇。

未來的 AI 產品，不再是「功能演示」，而是「結構設計」。

紅杉說得很直白：

「如果你還在調 prompt，而沒有調結構，你的勝率已經落後。」

第六節｜管理邏輯，正在被 AI 重寫

當你以為這場 AI 峰會只是關於模型、系統和入口時，紅杉的第三位主持人 Konstantine 拋出了一個意想不到的關鍵詞：

「隨機思維（Randomized Thinking）。」

這是一次對現有組織認知模式的正面撞擊。

過去幾十年，我們依賴的是工程式的因果推理：

• 你輸入 1，就得 1；
• 你部署一個任務，它會按預期運行；
• 你設計的操作鏈，必須精準收口、結果可控。

但 AI 智能體不是這樣運作的。「你告訴一個模型記住數字 73，它可能記住了，也可能變成了 72、37，甚至根本什麼都不記得。」

這不是 bug，而是特徵。

我們正進入一個計算結果存在機率波動的階段，而不是線性可復現的系統。

🔹 管理範式突變：從「確定性執行」到「目標試探」

Konstantine 在現場提出：

「AI 不只是提升效率的工具，而是一種全新協作框架的起點。」

過去的組織在追求穩定產出、精細分工和可控邊界。

但未來的團隊要面對的，是全然不同的問題：

• 我能不能描述一個模糊目標，讓智能體去嘗試、偏航、再迭代？
• 我是否接受結果不是 100% 達成，而是 70%、80% 的進度並持續改進？
• 我是否能設計出「人類 + AI 混合代理」共同推進任務的策略空間？

這不是自動化加深的問題，而是組織感知方式的深層轉向。

Konstantine 總結道：

「成為一名優秀的工程經理，和成為一名優秀的工程師，是兩種完全不同的思維能力。」

AI 時代的管理者不再控制一切，而是設計環境讓團隊試錯，並在變化中培養信任。

對組織而言，這就像遊戲規則被徹底改寫；

對個人來說，這相當於職業發展的基本邏輯被重新洗牌。

🔹 槓桿上升，掌控力下降：認知臨界點已至

紅杉展示了一張令人警醒的圖表：

槓桿在上升，控制力在下降。

他們預判：

• 公司不再是部門之間相互配合，而是變成一個個任務自動流轉的網路
• 個人不再只是扮演固定角色做事，而是像指揮家一樣調度各種智能工具
• 組織結構不再是傳統的上下級匯報關係，而是轉變為多個智能體協同工作的團隊網路

並大膽預測：

「未來可能出現第一家‘一人獨角獸公司’（First Oneperson Unicorn）。」

這不是說這個人多強，而是因為他掌握了高密度的智能代理協作邏輯， 能用一套 AI 聯合工作組完成產品研發、銷售交付、客戶服務與內容營運。

紅杉稱之為：

「不是你多會幹，而是你能不能用 AI 建構出一個‘不靠你親自動手也能推進的系統生物體’。」

🔹 最後一道門檻，不是能力，而是心智放權

紅杉在峰會最後一頁幻燈片上寫了這樣一組判斷：

✅ 模型能力正在快速演進

✅ 聯動機制逐漸可控

✅ 人工+智能的合作介面已開啟

✅ 最後一公里，是你的認知適配速度

這意味著：

你不需要等一個「完美的 AI」降臨，而是該問自己：你是否接受偏差、接納協同？你能否放下「每一步都掌控」的衝動，而轉向「給方向、留空間、抓反饋」的協作心法？

而 AI，不再是你的工具，它正在變成你的「好夥伴」，甚至是你認知系統的一部分。

AI 不再是技術，是新型經濟的起點

紅杉這場閉門會，沒有模型發佈，沒有資本口號。他們只給出了一個冷靜卻深遠的洞察：

AI 正在從「技術產品」，進化為一種新的經濟運行方式。

它不再售賣功能，而是兌現結果；不再依賴輸入，而是主動生成價值；不再等待指令，而是協同完成任務。

下一輪競爭的核心：在於建構自我驅動、持續交付的協作模式，而非僅僅利用AI做事。

當你放下「人-機」的陳舊觀念，重新思考「如何定義任務、釋放信任、安排協同」時，你才真正踏入了 AI 經濟的第一公里。

這，才是紅杉閉門 6 小時後，真正共識浮現的方向。 (APPSO)