•
紅杉美國：AI 時代勞動力極度便宜和無限，品味成為稀缺資源，產品設計、美感與價值主張比功能更重要
在上個月 2025 年的 AI Ascent 峰會上，紅杉資本三位合夥人 Pat Grady、Sonya Huang 與 Konstantine Buhler 罕見同台，從市場結構、產品演進、技術路徑與長期認知四個維度，系統總結了他們對當前 AI 浪潮的觀察與預測。
仔細回顧這場峰會上三位合夥人分享的內容，他們並未停留在對大模型的能力讚歎或工具類產品的浮躁熱情上，而是從數十年技術周期與企業建構經驗出發，勾勒出一張關於 AI 創業的未來作戰圖：
“價值將持續嚮應用層沉澱，Agent 將主導下一波平台演進，信任機制與通訊協議將重構技術基礎設施，而組織能力與認知方式的升級，將成為真正的競爭力邊界”。
▍應用層才是 AI 時代主戰場
紅杉美國合夥人 Pat Grady 分享了他們過去一年對於 AI 發展趨勢的思考，並就當前市場所面臨的結構性變化、創業公司在 AI 應用層的破局之道，以及衡量企業真正價值的關鍵指標進行了系統性的梳理。
他表示，紅杉團隊希望先提供一些框架性洞察，幫助與會者更好理解這一輪 AI 浪潮的全貌與底層規律。
Grady 從一個簡化但常用的分析結構切入，即 Don Valentine 提出的四個問題：“這是什麼？它為什麼重要？為什麼是現在？那我們現在該怎麼做？”
這是紅杉一貫用來觀察技術周期和市場拐點的思維方式。雖然他原本打算先講“這是什麼”，但被合夥人提醒“別在 AI 專家面前解釋什麼是 AI”，於是直接切入“那它為什麼重要”。
他用兩張去年也展示過的幻燈片重新建構了紅杉對於 AI 市場體量的判斷：
一張圖展示了“雲端運算轉型”和“AI 轉型”的對比。雲端運算在啟動轉型時，其服務市場的體量為 4000 億美元，已經比當時全球軟體市場還大。
而 AI 所對應的市場，起點本身就遠高於此，甚至可能是數量級上的差距，最終所能抵達的終點，將是一個“可想像範圍之外的巨大終局”。
紅杉更新了他們過去一年對市場的理解：AI 不再僅僅是“侵蝕服務市場”，它正在同時重塑“軟體市場”與“服務市場”兩個利潤池。
很多公司起初是提供一個軟體工具，然後逐步演化為智能助手，最終轉向自動化執行，這意味著其銷售邏輯從“軟體預算”切入“人力預算”，市場邊界隨之被重新定義。兩個核心市場（TAM）正在同時開放，利潤池的爭奪正處於初期階段。
他隨後回顧了去年另一張被稱作“技術波浪蛋糕圖”的幻燈片，強調了兩個觀點：
第一，AI 不再是一個“未來必然”，而是一個“當下已經具備現實條件”的轉折點。從計算資源、網路結構、資料分佈，到人才結構，所有核心要素都已齊備。
第二，這一輪變革是疊加性的，即前幾輪技術堆疊了足夠的基礎設施，使得當前的浪潮更快、更廣，並不再遵循過去那種緩慢爬坡的路徑。
Grady 尖銳指出了“傳播物理學”發生的結構性變化：從“使用者必須得知你的產品”，到“使用者想要你的產品”，再到“使用者能輕鬆獲得你的產品”，這三個環節如今全部提速。
他對比了 Salesforce 在雲端運算早期的“游擊行銷”，與 ChatGPT 發佈後瞬間覆蓋全球的傳播路徑，指出平台分發能力、人口滲透率、使用者連接密度的提升，意味著技術擴散的物理條件發生了根本改變。這一變化不是 AI 獨有，而是新技術分發的“基礎物理”已變。
他展示了一張“空白地圖”，標示當前 AI 市場的未被佔據區間，並強調：真正能實現十億美元收入、自由現金流持續增長的企業，往往出現在“應用層”。
歷史上的雲端運算與移動網際網路轉型中，最有價值的公司也都在應用層。這一輪 AI 轉型也不會例外。
但他提醒，這一次，基礎模型本身具備“直接上沉至應用層”的能力。無論是工具呼叫、Agent 協作，還是推理能力、規模優勢，基礎模型本身正越來越接近應用側價值。
因此，對於創業公司來說，若不是建構端到端的基礎模型，那就必須反向從使用者需求出發，從垂直行業、特定功能切入，解決複雜問題，建立不可替代的應用閉環。這是唯一能夠在應用層與大模型抗衡並建構護城河的方式。
在具體執行策略上，Grady 重申了一個觀點：“95% 的 AI 創業，跟傳統創業沒有區別”，本質仍是找到獨特問題、用非凡方式解決、吸引優秀人才。AI 的那 5% 特別之處，集中在產品如何交付價值、如何建構資料飛輪，以及如何在整個價值鏈中建立縱深護城河。
他特別提到紅杉內部流傳的一張“Leoni 商品化循環圖”，這是其合夥人 Doug Leone 花費數十年精心打磨的內部模型，描述了從想法生成、技術研發、產品打造、市場推廣到客戶支援的全過程。
對於 AI 創業公司而言，思考方式不應只停留在“技術匯出”，而要從客戶需求反推建構，才能在整個價值鏈中建構防禦力。
在討論“公司價值的判斷標準”時，Grady 列出了三項紅杉評估 AI 公司時重點關注的指標：
第一，收入的“質感”比總量更重要。他說，“不要被‘收入好像很多’的表象欺騙，必須搞清楚那是不是‘氣氛收入（vibe revenue）’。”他提醒初創公司認真分析自己的產品被如何使用，使用者是否真正留存、活躍，是否形成了持久的行為模式轉變。
第二，毛利路徑。紅杉並不在意初期毛利是否高，因為推理成本（cost per token）已經在 12～18 個月內下降了 99%，未來還會繼續下降；與此同時，若公司成功從“銷售工具”轉型為“銷售結果”，其定價能力也會同步提升。因此，只要有明確的成本下降與價值上移路徑，毛利問題可控。
第三，資料飛輪。Grady 直接向現場提問：“你有沒有一個資料飛輪？它推動的是那項業務指標？”他坦言，如果一個公司無法回答這個問題，那它要麼根本沒有資料飛輪，要麼它的資料飛輪並不重要。而這恰恰是 AI 創業中為數不多能建立長期壁壘的核心能力之一。
最後，Grady 表示，當前市場對於 AI 的需求正在形成巨大的“吸力”，這個趨勢的速度和規模，已足以壓倒一切宏觀變數，包括利率、地緣政治、關稅政策等。如果你不站在吸力前端，真空會由別人填補。這不是一個慢慢籌劃、謹慎前行的時代，而是一個必須全速奔跑、主動衝鋒的時刻。
▍AI 殺手級應用已現，Agent 正在走出拼貼時代
紅杉美國合夥人 Sonya Huang 進一步聚焦於 AI 當前的發展態勢、技術演進路徑與應用層面的價值積聚。她從回顧過去一年開始，系統評估了使用者行為的變化、技術突破的邊界、以及創業公司如何在 AI 棧的競爭中找準突圍路徑。
她指出，過去一年 AI 原生應用的使用者粘性發生了根本性改變。2023 年，紅杉曾展示一張圖表，對比 AI 原生應用與傳統移動應用的“日活 / 月活”比值，當時 AI 應用的留存表現普遍不佳，“熱度大於實際”。
而如今，這一情況已出現顯著反轉——以 ChatGPT 為例，其活躍度曲線持續上升，正在逼近 Reddit 等級的使用者參與度。
她認為，這標誌著 AI 正在從“可選工具”轉變為“日常必需”，使用者正在不斷學習如何將 AI 融入個人生活與工作流程中。
她以輕鬆的方式提及自己“燒掉了令人羞愧數量的 GPU”，也提到了像“Giblet E”這樣的網路熱梗，但她強調，比這些表層熱度更值得關注的是：AI 正在深刻改變廣告、教育、醫療等行業的底層能力。
例如，用 AI 自動生成高品質廣告文案、用圖像幫助學生理解抽象概念，或通過 Open Evidence 這樣的平台提升疾病診斷精準率，我們仍處於這些變革應用的“起點”階段，遠未觸達 AI 潛力的邊界。
當她談到語音生成時，提到了一個文化意義上的“Her 時刻”。她表示，雖然我們尚未擁有一位 Scarlett Johansson 配音的 AI 助理，但 2024 年確實實現了從“接近擬真”到“完全穿越恐怖谷”的躍遷。
在場有嘉賓參與建構了 Semma 模型，其語音生成效果被她稱為“令人震驚地逼真”，這使得科幻與現實之間的界限正在迅速模糊，圖靈測試彷彿在不經意間被跨越。
程式碼生成則成為這一年最具突破性的 AI 應用賽道之一。Anthropic 推出的 Claude 3.5 Sonnet 模型引發了整個開發者社區的“氛圍位移”（vibe shift）。AI 程式設計工具已不僅限於輔助編寫簡單函數，而是能夠完成完整應用的開發。
例如，已有使用者用 AI “vibe code” 出了一個 DocSend 替代產品。Sonya 強調，不論是資深工程師還是程式設計小白，AI 都正在徹底改變軟體開發的准入門檻、開發速度與成本結構。
在技術層面，她指出“預訓練的收益正在邊際遞減”。自 AlexNet 橫空出世以來，AI 模型訓練規模已擴展了 9～10 個數量級，意味著大部分“低垂果實”已被摘完。
接下來，真正的突破將來自其他方向，例如 推理能力（reasoning）、合成資料（synthetic data）、工具呼叫（tool use） 與 Agent 架構（agentic scaffolding）。
她特別提到去年在 AI Ascent 活動中，OpenAI 的 Noam Brown 展示了 Strawberry 團隊關於推理的工作，而今年他們也邀請到了 Dan Roberts，分享 O3 模型在這一方向上的最新進展。
除了 OpenAI，Anthropic 通過 MCP 協議建構的工具生態也令人期待，正在加速 Agent 生態的演進。大模型、推理、工具鏈與 Agent 架構正在融合出一套全新的智能系統建構方式。
在這一背景下，評估 AI 模型能力的量化基準如 Meter Benchmark 逐漸成熟，但她認為更具說服力的，是與在座開發者交流他們正在用 O3、Operator、Deep Research 或 Sonnet 實現的“過去根本不可能完成的任務”。
她特別強調，技術與產品之間的界限正在變得模糊，而真正令人振奮的創新，往往發生在這條模糊帶上。過去一年中，Notebook LM 和 Deep Research 就是兩個典型案例。
Notebook LM 的團隊 Jason 和 Riza 已組建新公司 Hux，OpenAI 的 Esa Fulford 也在現場，預計會有更多這一交叉領域的突破湧現。
隨後，她切入一個關鍵話題：“AI 棧中價值究竟累積在那一層？”這曾是她與紅杉內部多位合夥人反覆討論的問題。她坦承，自己過去對“GPT Wrapper”型應用持懷疑態度，而 Pat Grady 堅信價值會集中在應用層。
從 Open Evidence 到 Harvey 等公司，真正的價值都是“從客戶視角出發”建構的，應用層成為價值沉澱的關鍵區域。她並打趣地表示，“雖然我們都在討論棧的價值分佈，但真正躺贏的是 Jensen Huang——這一層統治的是算力，利潤被輝達拿走了。”
她進一步指出，AI 的“第一波殺手級應用”已經出現，包括 ChatGPT、Harvey、Glean、Sierra、Cursor、Bridge 等等。而新的公司也正快速崛起，Listen Labs、Open Evidence 等團隊正逐步拓展應用場景，現場也有不少來自這些公司的嘉賓參與分享。
她預測更多新一代應用公司將以 Agent 為核心形態。目前很多 Agent 產品仍是由多個零件拼湊出來的原型，但未來將通過兩條路徑實現產品化與魯棒性提升：
第一是通過強化測試與評估機制（evals）進行高品質編排；第二是通過對任務端到端微調（fine-tuning）進行系統級最佳化。她特別點名將由 LangChain 的 Harrison 與 OpenAI 的 Isa 分享相關經驗。
另一個趨勢是Agent 公司將呈現“垂直化”形態。她強調，這一賽道非常適合深刻理解某一垂直領域的創始人，例如使用強化學習、合成資料和使用者反饋調優模型，使 Agent 能在特定工作流中超過人類表現。
她列舉的實例包括：在安全領域，Expo 開發出性能超過頂級滲透測試員的 Agent；在 DevOps 中，Traversal 建構了比最強故障排查專家還高效的 AI 工具；在網路維運中，Meter 的 AI 工程師也優於人工操作。這些早期案例已讓紅杉對垂直 Agent 模型的潛力充滿信心。
她最後一個預測則觸及 AI 社會影響的邊界：“2025 年，AI 將進入一個‘豐裕時代’（abundance era）。”這意味著，勞動力會變得極度便宜、幾乎無限。
首個出現豐裕訊號的，是程式碼市場，而這也預示著更多行業的變化將接踵而至。在一個勞動不再稀缺、而“品味”成為新的稀缺資源，AI 產品的設計、美感與價值主張，將變得比功能更重要。
▍Agent 經濟體正在成型，未來組織將被智能體重構
紅杉美國合夥人 Konstantine Buhler 將視角進一步拉遠，著眼於 AI 中長期趨勢。他明確表示，接下來的討論將聚焦三個問題：AI 的下一個大浪潮是什麼？實現它需要什麼關鍵技術？而這一切將如何改變我們每一個人的工作與思維方式？
Konstantine 回顧道，一年前的 AI Ascent 大會重點還是“Agent”這一概念。彼時，“Agent”更多是新興形態的“機器助手”，尚處於公司探索階段。
而今天，這些“Agent”已不再是孤立存在，它們正逐漸形成網路，被稱作 Agent Swarms（智能體群），它們之間能夠協作、博弈、協同完成任務，並日漸成為 AI 技術堆疊中不可或缺的結構性層級。
他提出，未來幾年，這些 Agent Swarm 將進一步演化為完整的“Agent 經濟體”。在這個新型經濟系統中，智能體不再只是交換資訊，而是能夠傳遞資源、執行交易、管理信任，並擁有各自的運行邏輯和狀態。
他強調，這個經濟體不會取代人類，而是高度依賴人類協作。Agent 與人類之間將構成新型協作關係，圍繞任務、資料、信任進行複雜互動。
要建構這樣的 Agent 經濟體，Buhler 指出還有三項關鍵技術難題待解，而這些正是在場開發者接下來數年需要面對的核心挑戰：
第一，持久化身份（Persistent Identity）的問題。他說，Agent 的身份必須具備兩個維度的“持久性”：
一是 Agent 自身的人格與理解必須持續一致；否則就像與一位每天都“變一個人”的合作者合作，信任很難建立。
二是 Agent 必須能記住使用者、理解使用者歷史，這樣才能建構長期可信關係。儘管當前社區在使用 RAG、向量資料庫、長上下文窗口等手段緩解這一問題，但真正“記得你是誰”的能力，仍未實現質變，也是下一階段技術突破的核心瓶頸之一。
第二，通訊協議的缺位。Buhler 強調，沒有協議的計算，就像沒有 TCP/IP 的個人電腦。如今，我們還處於建構 Agent 之間基礎通訊協議的早期階段，但 MCP（Multi-agent Communication Protocol）等機制的出現，標誌著這一層正逐漸被填補。他認為，不僅是資訊，還將是價值和信任的傳遞都需通過協議來完成，這是智能體經濟成為現實的前提。
第三，安全與信任問題將空前重要。在一個你無法“面對面見到交易對象”的世界裡，信任機制必須被重新建構。他預計會形成一個“圍繞 Agent 安全與認證的全新產業帶”，其重要性甚至將超過現實世界中現有的身份認證系統。
在講完建構 Agent 經濟體的三大技術前提後，Konstantine 將視角進一步下沉，討論這一變革將如何影響我們的認知模式與組織結構。
首先，是“思維範式”的轉變——我們正在從“確定性思維”走向“機率性思維”（Stochastic Mindset）。
他以一個簡單但深刻的類比說明差異：傳統電腦系統是確定性的，你輸入 73，它永遠返回 73；而 AI 系統則不同，它可能返回 37、72、74、79 或什麼都不返回。
這是因為，我們進入了一個無法用“if/else”完全定義的計算世界。他認為，這種從“可控”到“不確定”的認知轉變，將是 AI 時代最深層、最普遍的思維重塑。
第二，是“管理範式”的變革——人們將不再直接程式設計機器，而是“管理智能體”。他指出，一個優秀的工程師與一個優秀的工程管理者之間存在本質區別，AI 將迫使更多人進入後者的角色。
未來的管理者要懂得如何評估 Agent 的邊界與能力，如何設計任務分配流程，甚至需要像管理團隊一樣管理一組 Agent。他半開玩笑地提醒，“希望我們不要發展出‘年終績效考核 Agent’的系統”。
第三，是“高槓桿 + 高不確定性”的並存現實。他強調，AI 能帶來極大的槓桿作用，但同時，也帶來極大的不確定性。如何在高風險中實現高產出，將成為每個人必須掌握的能力。在這個意義上，Konstantine 鼓勵在場聽眾：“你們是最適合這個時代的一群人。”
他最後回到去年分享過的一張圖，繼續談“槓桿”問題。他指出，2023 年他們預測組織中單個職能部門將擁有 Agent，然後這些 Agent 會“聚合”，形成整個工作流程自動化的能力，甚至預言出現“一個人創造的獨角獸公司”。
雖然目前尚未有一人獨角獸，但已有公司以極少人力達成驚人的規模擴展，這標誌著“組織槓桿率”正在進入前所未有的上升階段。
未來，隨著越來越多的 Agent 融合，神經網路本身將形成“巢狀式架構”：一個大型神經網路中包含多個異質子網路，它們協同運行，構成一個“網路中的網路”，這種系統架構將徹底重構個人工作方式、組織結構乃至整個經濟體的運行邏輯，我們正處在經濟與智能系統重塑的臨界點。(有新Newin)