•
喝點VC｜紅杉美國詳解“兆美元AI機遇”：如何贏得應用層戰爭？
Z Highlights
AI所顛覆的遠不止服務市場，它同時衝擊了軟體和服務兩大盈利池，我們正站在一個前所未有的巨大市場入口。
AI創業的本質仍是用獨特方式解決重要問題，建構出色團隊，95%的路徑與傳統創業無異，真正屬於AI的差異僅佔5%。
我們正在進入‘智能體經濟’時代，這些AI系統不只是傳遞資訊，更能進行交易與追蹤，理解信任與可靠性，逐步演化成一個巢狀的經濟網路。
當勞動力變得極度廉價且無限充裕，整個程式設計領域將首先進入‘豐饒時代’，AI將以驚人的槓桿效應重塑所有行業的生產方式。
Sonia Verma、Pat Grady和Constantine Vassilev均為紅杉資本的合夥人，在生成式AI與智能體經濟領域有深厚洞察力與投資經驗。本文為紅杉AI Ascent 2025峰會開幕主題演講節選，聚焦AI應用層價值、智能體經濟與未來創業路徑。
AI不是未來，是現在：應用層的黃金時代已開啟
Pat Grady：我是Pat Grady，紅杉資本的合夥人。今天由我、Sonia、Constantine以及所有紅杉合夥人共同主持這場活動。在進入正題之前，我們三人想先分享一些過去一年中積累的觀察與思考。我們當然知道，自己只是開胃菜而不是主菜，我們理解大家真正期待的是什麼，但在那之前，請允許我們先提出幾個思考框架。
首先，我們希望做一個校準：我們怎麼看當前AI領域正在發生的事情？這是我們用來理解市場的一個簡單分析框架：“What is it?”這是唐·Valentine式的提問。“So what?”它有何意義？“Why now?”為什麼偏偏是現在？或許這不可避免，但它是否真的已迫在眉睫？最後是“Now what?”我們該做什麼？怎樣把握機遇？如何贏得勝利？這幾年來我們逐一探討過這些問題，今天我們來更新一下我們的思考。說實話，我原本想聊一個重磅主題，但Constantine委婉地提醒我，在滿屋子AI專家面前講“AI不是什麼”可能不太合適。所以我們直接講重點。
去年我們曾分享過一個三階段的轉型模型，它將雲端運算與AI的發展進行了對比：左邊代表過去，中間是現在，右邊預示未來。我們當時觀察到，雲轉型初期的市場規模就已經達到了4000億美元，甚至超越了整個全球軟體市場。如果用類似的邏輯來看AI，眼下我們所面對的市場起點，至少比過去的雲服務市場大一個數量級。展望未來十年或二十年，這個市場的潛力極其龐大。我們現在的認知是：AI所顛覆的遠遠不止服務市場，它也在衝擊整個軟體產業。這意味著兩個最大的利潤池：服務與軟體都在同步遭遇變革。我們已經看到很多企業從傳統軟體起步，逐步走向智能化：先像輔助駕駛那樣為人類協作，再像自動駕駛那樣自主執行。最終，企業不再只是銷售工具，而是開始把軟體預算轉化為銷售成果，進一步演化為人力成本上的節省。換句話說，AI讓這兩個龐大的市場都變得更加容易進入、具備爭奪空間，成為創業者觸手可及的機會。
過去我們曾總結過技術浪潮的演進軌跡，其中有兩個核心觀點：第一，AI已不再是遙遠的未來，而是真正進入了臨界點。算力、網路、資料、分佈式架構和人才等所有關鍵條件如今已全部到位。第二，不同的技術浪潮往往是疊加發生的，而這一次的AI浪潮，不僅規模遠超以往，來臨的速度也更加驚人。老實講，我不太喜歡用那種趨勢圖表，X軸是時間，Y軸是所謂的“虛榮指標”。大家總用這些圖表為各種不當行為找藉口。但它揭示的現像是對的：事件的發生速度確實越來越快。然而，真正去思考其背後動力的人並不多。我們不妨換個角度看問題，用傳播物理學的思維來理解。任何技術擴散其實只需要三個條件：人們知道你的產品、想要你的產品、並且有能力獲得你的產品，僅此而已。還記得早年間雲端運算剛啟動時嗎？根本沒有人關注，Ben Horowitz甚至需要靠游擊行銷引發注意。而AI完全不同。2022年11月30日，ChatGPT的橫空出世讓全世界的目光都聚焦到了AI。
在雲端運算和移動網際網路興起的早期階段，像Reddit和Twitter這樣的社交平台還尚未出現。而現在，它們已成為億級使用者聚集的傳播管道。與此同時，全球網際網路使用者從20億增長到了56億，幾乎覆蓋了每一個家庭和企業。這說明基礎設施已經就位，當下再無採用障礙。這並非AI獨有的現象，而是整個技術分發模式的新常態，底層規則已經改變。鐵軌已經鋪好。那麼，問題來了：我們該如何應對？我們的決勝點又在那裡？有兩個核心要素值得關注：第一，雖然很多空白市場如今已有企業進入，但仍存在大量未被開發的領域；第二，在以往的技術轉型中，真正做到十億級營收的企業，大多集中在應用層。這正是我們關注的焦點。我們始終認為，AI的最大價值也將在應用層實現。但這條路徑並不容易，你將面臨激烈競爭。你需要理解“第二增長曲線”的邏輯，擁有測試算力，具備工具推理與智能體通訊能力，才能讓基礎模型深入滲透到應用層。
那作為非垂直整合的初創公司，你該怎麼做？答案是：從使用者需求出發，專注垂直場景，解決那些仍需人工參與的複雜問題。這才是競爭的本質所在，價值最終將匯聚於此。那具體要怎麼贏？95%的AI創業其實和傳統創業別無二致：你還是需要用獨特方式解決真正的問題，還是要建立一支優秀的團隊。這是基本功。真正屬於AI的那5%，則體現在三個方面：第一是營收。請遠離虛浮營收，別被假象欺騙。看起來像是“我們賺翻了”的繁榮背後，可能只是曇花一現。你要問自己：這是否真正改變了使用者行為？是否有參與率、留存率、活躍度來支撐？第二是信任。信任比產品更重要，特別是在當前早期階段。如果使用者相信你能不斷改進產品，他們就會留下。相反，如果你失去了信任，再好的功能也無法挽回。第三是利潤率。不擔心你當前的毛利率高低，因為token成本在過去18個月裡已經下降了99%，未來只會更低。你需要的是沿價值鏈不斷向上，提升定價權和利潤空間，建構一個可以持續盈利的業務模型。
此外，還有一點至關重要：資料飛輪。請認真思考：你是否真正建立了一個能驅動核心業務指標的資料飛輪？如果連它推動了什麼都說不清，那它多半並不重要。真正有價值的資料飛輪，必須與業務成果緊密掛鉤，這是你最有可能建構出的核心護城河之一。最後，我想強調一點：市場永遠厭惡真空。當你還在觀望時，別人就已經上場。現在我們看到的是巨大的虹吸效應，所有宏觀經濟的噪音都不重要，技術採用的趨勢將淹沒一切市場波動。換句話說，如果你現在不衝刺，別人就會搶跑。而你必須全速前進，從現在開始就保持極限速度。
智能體即新公司：建構人與AI共生的機器網路
Sonia Verma：謝謝Pat。接下來我想聚焦於我們正在經歷的一些關鍵變化。我們將從客戶反饋和技術演進兩個維度，快速回顧AI在過去一年中的真實進展。首先是一個年度觀察。2023年我們曾提出一個判斷：AI原生應用的使用者活躍度遠低於傳統移動應用，日活與月活的比值極低，炒作明顯大於實際使用。但現在我們很高興地宣佈，這個判斷髮生了重大轉變。以ChatGPT為例，它的日活與月活比率曲線已迅速上升，接近Reddit等成熟平台，令人驚嘆。這無疑是個積極訊號。越來越多的人正在從AI中獲得實際價值，大家都在探索如何將其真正融入日常生活。很多時候，這種使用本身也很有趣，我自己就曾為了嘗試各種“Jibilify”風格生成，燒掉了相當多GPU資源。雖然這種現像帶有明顯的娛樂性和病毒式傳播特徵，但更令人興奮的是，我們剛剛觸及的深層應用可能性。廣告行業正在用生成式AI打造精準文案，教育領域能即時將抽象概念可視化，醫療場景中如OpenEvidence等工具也正在輔助醫生實現更高精度的診斷。我們眼下所見的，不過是這場巨大能力釋放的起點而已。說到人與AI的關係，不知道大家有沒有看過電影《Her》？雖然我們還沒迎來AI版的Scarlett Johansson，但2024年確實可以被稱作語音生成的“Her時刻”。語音技術終於全面跨越了“恐怖谷效應”，進入了真正自然流暢的體驗階段。
有人提醒我要製造點懸念，那我們就來看看這些新技術是否真的能顛覆你對AI的認知。《Her》這部片子真是經典，Joaquin Phoenix那段愛上作業系統的表演深入人心。而現在，包括Sesame在內的語音系統已經達到了令人難以置信的水平。科幻與現實之間的縫隙，正以驚人的速度消失。圖靈測試似乎已經悄然成為現實，這一觀點來自Jim Fan的一條推文，我也借來作為演講的切入。回到過去一年的技術爆發點，今年增長最迅猛的AI應用類別是程式設計工具。Anthropic發佈的Claude 3.5 Sonnet，自去年秋季上線以來，徹底改變了整個開發生態。我們已經看到開發者用AI建構自己的文件工具，程式設計效率出現了10倍提升。而對於初學者來說，AI更是大幅降低了入門門檻。它正在根本上重塑軟體創造的方式：提高可及性、加快速度、降低成本。當然，技術層面也有壞消息，預訓練的進展正在放緩。自AlexNet以來，我們已經把模型規模提升了9到10個數量級，這也意味著最容易的突破機會基本都已用盡。研究界開始轉向尋找新的增長路徑。其中最重要的突破是OpenAI在“推理能力”方面的進展。去年，我們邀請了Strawberry團隊的Noam Brown在AI Ascent大會做了一場精彩預演。今年則將由Dan Roberts帶來關於o3模型與推理進化的演講。
但這不只是關於“推理”的故事，它還涵蓋了合成資料的生成、工具鏈的呼叫能力、AI腳手架等多個新興模組。這些技術共同組成了一個“智能擴展”的新範式。Anthropic所打造的MCP系統，已初步形成了強大的生態結構，我們非常期待它如何進一步加速“工具型AI”的落地。我們觀察到，一些大型基礎模型正在整合推理、工具呼叫、主動思考等多個模組，逐步形成具備執行複雜任務能力的系統。雖然Meter基準測試提供了量化衡量這些能力的指標，但我們更看重的是：有那些新事物，只有通過o3、Operator、Notebook LM或Claude Sonnet才變得可行。在我們看來，過去一年中最具突破性的產品就包括Deep Research和Notebook LM。這兩款產品的創始人今天也來到了現場：Risa和Jason來自Notebook團隊（他們也正在啟動一家新公司Hu），Issa Hulford則來自OpenAI。
接下來，我想轉向AI技術堆疊中的價值分佈問題。回想過去，我曾和紅杉內部的幾位合夥人就此進行過一場有趣的辯論。當時我就像那個坐在圖表中間、陷入猶豫的“中等智者”，對“GPG rapper”模型的看法拿不定主意。我還記得Pat是當中最堅定的一位，他堅信價值最終會集中在應用層。當時我心裡還嘀咕著：“好吧Pat，祝你好運。”但幾年下來，事實證明Pat是對的。他站在了勝利者一邊，值得致敬。我們之所以這麼說，是因為我們親眼看到Harvey和OpenEvidence等公司正在真實地為客戶創造價值。也正是這些案例，讓我們更加確信：AI技術堆疊的價值終點，確實是應用層。儘管基礎模型層的競爭日益激烈，但在真正的客戶關係、商業轉化與產品落地中，應用層擁有壓倒性的價值承載力。
說個玩笑話吧，其實我們這些搞應用層的也都被現實打臉了。因為技術堆疊中真正的“無冕之王”，其實是Jensen Huang“GOAT”本人，他幾乎把整個產業的錢都賺走了。我們很期待稍後能聽到他的分享。回到應用層，我們認為第一波殺手級AI應用已經到來。無論是ChatGPT、Harvey、Glean、Sierra、Cursor、Bridge，還是Listen Labs和OpenEvidence，這些公司都正在不同終端市場快速崛起。今天我們也邀請了其中不少代表來到現場。我們觀察到，新一代AI公司中，大多數都是以“智能Agent”作為核心產品。這些Agent系統將從當下拼湊型的原型產品，進化為真正可靠、可部署的智能系統。企業在建構智能Agent時通常採用兩種路徑：一是通過嚴密的測試機制，對流程進行精細編排；二是專注於端到端任務，直接對Agent系統進行調優。今天你們也會聽到來自LangChain的Harrison和OpenAI的Issa對這兩種路徑的深入探討。
我們對2025年Agent公司的形態也有一個預測：垂直領域智能Agent將成為主流。對那些深耕特定行業的創業者來說，這將是一次絕佳機會。我們已經看到一些企業通過合成資料強化學習、結合真實使用者資料訓練，建構出聚焦於特定工作流的智能Agent系統。這些跡象讓我們感到非常樂觀。例如，安全行業的Expo展示了能超越人類滲透測試員的AI；在DevOps領域，Traversal的AI故障排查系統已經優於最頂級工程師；網路維運方面，Meter同樣表現優異。雖然這些案例還處在早期，但它們讓我們確信：專註解決具體任務的垂直Agent，完全有可能超越人類專家，成為關鍵執行力。我們對Agent系統的最終預測是：我們正步入“豐饒時代”。程式碼是第一個被顛覆的市場，這將成為“豐饒時代”的預演。當勞動力變得幾乎無成本且無限可擴展時，會發生什麼？會不會迎來大量AI垃圾內容的湧現？當“審美”變成稀缺資源時，又將如何定義創意？我們拭目以待程式設計Agent的持續演進，因為這不僅會重塑整個軟體產業，也會成為未來其他行業AI化處理程序的先兆。
智能體經濟將至：重構個體、組織與經濟的未來
Constantine Vassilev：大家早上好，感謝Sonia，也感謝Pat。剛才我們探討了當前AI的發展現狀及其近期趨勢。現在，我想帶大家退後一步，從更長遠的視角出發，看看未來的可能路徑。今天我們這部分內容將分為三部分展開：首先，我們將介紹我們眼中的下一波技術浪潮；其次，探討實現這一浪潮所需的關鍵技術支撐；最後，我們來看看這些變化將如何重塑每個人的日常生活。一年前，在AI Ascent峰會上，我們提出“Agent”是技術堆疊中的關鍵構件。當時我們預測，這些尚在早期商業化階段的AI助手，將逐步聚合成互聯互通的機器網路。今天，這一趨勢正在顯現，這些網路現在被稱為“智能體叢集”，它們已經在許多企業中落地並行揮作用，逐步成為AI技術堆疊中的核心基礎設施。這些智能體之間不僅能夠協作，還能展開對抗、進行推理，並將在未來幾年進一步演化為一種新的經濟形態——智能體經濟。
在這種智能體經濟中，AI智能體的角色遠不止資訊傳遞。它們還能在系統中轉移資源、完成交易、進行關係追蹤，並建立對信任與可靠性的基本理解，從而構成一個獨立且可運行的經濟系統。需要強調的是，這並不是一個以“取代人類”為目標的系統。相反，它始終是以人為核心建構的。智能體經濟的真正形態，是人與AI之間的深度協同。但要實現這一願景，我們仍需解決幾個關鍵的技術挑戰。今天，我想聚焦其中三項，它們是任何建構者都無法迴避的問題。
首先，是持久身份認證。這個問題分為兩個層面：一是智能體自身的持久性。如果一個商業協作者的性格與認知天天變，長期信任和合作就無從談起。智能體必須保持穩定、連貫的“個性”和記憶結構。第二，是對使用者持久性的理解。試想，如果你的AI每次都記不住你是誰，對你沒有任何長期記憶，那信任感也無從建立。我們已經嘗試了RAG（檢索增強生成）、向量資料庫、超長上下文窗口等技術手段，但要實現真正的“長期記憶”與基於記憶的個性化學習，依然面臨巨大挑戰。換句話說，關鍵問題是：如何在保持智能體個性和差異化的同時，實現關鍵環節的一致性？
第二個技術挑戰，是建構無縫通訊協議。令人鼓舞的是，整個行業似乎正在同步朝這個方向努力。想像一下，沒有TCP/IP的個人計算將無法連上網際網路；而沒有通訊協議的智能體生態，同樣無法建立。我們正在建構這一層“協議堆疊”，其中最令人振奮的進展，是圍繞MCP（Model Context Protocol，模型上下文協議）的發展。這個協議不僅承載資訊傳輸功能，還能實現價值轉移與信任傳遞。看到眾多行業頭部力量開始聯手推動這項基礎設施建設，我們感到非常鼓舞。
第三個挑戰，是安全性。相信大家都已經感受到這一議題的重要性。當人與商業夥伴無法面對面互動時，安全和信任的價值就會被無限放大。在智能體之間的互動場景中尤其如此。我們預判，圍繞“信任與安全”的整個產業鏈將快速成型，其重要性甚至將超越現有經濟體系中的傳統安全架構。這不僅是技術挑戰，更是基礎建設。
以上是我們對“智能體經濟”所需底層能力的簡要回顧。接下來，我們談談這場變革對每一個人的影響。首先，它將改變我們的思維方式。事實上，在座各位已經具備了一種我們稱之為“隨機性思維”的能力。這種思維方式有別於我們過去幾十年熟悉的“確定性計算”。很多人之所以迷上電腦科學，是因為它的邏輯清晰、結果可控：你寫一段程式碼，機器就按部就班執行，那怕是bug也能復現。但我們正在進入一個“隨機計算時代”。比如說，你今天告訴AI數字是73，它明天可能記得是73，也可能記成72、74，甚至是下一個質數79。更有可能，它完全忘記了。這背後揭示的是一個本質區別：AI計算將越來越接近人類的“記憶偏差”與“語義跳躍”，這要求我們必須徹底轉變認知方式。第二個轉變，是管理範式的改變。過去的層級式、靜態組織結構，將讓位於更具彈性和適應性的動態協同網路。管理者將不再只是管理人，而是學會與具有一定自主性的智能體共事。這對組織治理提出了新挑戰：既要理解演算法的不確定性，又要建立起一套可控、可審計的人機問責機制。其中的關鍵是：你必須知道你的智能體“能做什麼，不能做什麼”。這就像工程師和工程經理的差別一樣，懂技術是一回事，會管理是一回事。未來的組織，必須理解這一變化，並據此建構新的協作模型。
第三個轉變，是前兩者的結合結果：我們將進入一個“高槓桿、低確定性”的時代。你能做的事情會變得更多，但相應地，你也必須更擅長處理風險與不確定性。而在座的各位，正處於這個新世界的最佳位置。我們一年前就在AI Ascent大會提出過預測：未來每個組織職能都將配備專屬的AI智能體。而現在，我們進一步認為，這些職能將不再是分散的，而是像神經元一樣聚合成叢集，由智能體協同完成完整的流程。我們甚至曾大膽設想，未來可能會誕生首個“單人獨角獸企業”，一個人通過智能體實現對整個企業流程的掌控。雖然這還未真正發生，但我們已經看到一些公司用極少的人力，實現了前所未有的業務擴張。我們可以確信：這個時代的“槓桿效應”正在達到歷史最高水平。最終，隨著流程與智能體深度融合，我們將迎來像神經網路那樣的“巢狀系統”，重構一切。它將顛覆個體的工作模式，重塑企業的組織架構，乃至重建整個經濟體系的運轉方式。感謝各位的到來。今天，我們將共同見證一場非凡的AI盛會。 (Z Potentials)