在近日紅杉資本舉辦的 AI Ascent 2025 演講中，紅杉資本的三位合夥人概述了為什麼人工智慧代表的市場機遇至少是雲計算的10倍大，初創公司應該在哪裡集中精力以取得成功，以及AI代理的崛起將如何創造一個全新的經濟正規化。我們針對其演講內容進行了梳理，並進行了編譯：
1
Packer Radio：
大家好，我是紅杉資本的合夥人Packer Radio，今天我和紅杉資本的所有合夥人Sonya、Konstantine一起為大家主持我們的主題演講。在進入今天的核心內容之前，我和Sonia、Konstantine想先分享一些我們在過去一年裡的心得體會。
昨天，我收到一位與我合作的創始人發來的郵件，他說：“嘿，夥計，我這場活動可能會遲到一會兒，大概 9 點 35 分才能到。”我當時就想，這時間卡得真奇怪，那剛好是黃仁勳出場的時間。所以，我們理解大家的心情，但還是想先分享一些想法，然後再進入正題，沒問題吧？
首先，來校準一下認知，我們怎麼看AI領域當下的情況呢？我們過去常用來分析市場的簡單框架是什麼樣的？
這就涉及到Don Valentine提出的幾個問題：AI是什麼？他出現了又怎麼樣？我們現在該怎麼辦？我們如何利用它？我們要如何才能勝出？
過去幾年我們都討論過這些問題，接下來幾分鐘，我們會更新一下我們的一些想法。
說實話，關於 “AI是什麼” 我本來準備了一段精彩的發言，但Konstantine委婉地提醒我，對著一屋子AI領域的人解釋什麼是AI可不是個好主意。所以，我們直接跳到 “那又怎樣” 這個話題。為了活躍下氣氛，有誰還記得去年的這張 PPT嗎？
謝謝。太棒了。第一行是雲轉型，第二行是AI轉型，頁面左邊是過去，中間是現在，右邊是未來。這說明了什麼呢？雲轉型開始時，其 4000 億美元的收入規模比全球軟體市場還要大。
以此類推，我們在AI服務領域所瞄準的市場，起點規模至少要大一個數量級，從現在起 10 到 20 年後的終點規模，有望變得極其龐大，這一點很關鍵。
實際上，我們最近改變了想法。AI所涉足的不只是服務市場，還有軟體市場，這意味著這兩個收益領域都受到了衝擊。我們看到很多公司，一開始做軟體，而隨著功能逐漸智慧，軟體變成了某種輔助工具，再進一步發展，成為了能自行處理的全自動化工具。
它們實際上已經從依靠軟體預算銷售工具，轉變為按勞動預算銷售成果或服務。這兩個領域都充滿了機遇。還有誰記得去年的這張PPT嗎？
哎呀，有點小失落，才 34 個人舉手。好吧，又多了一個。好的，謝謝大家。別害羞，大家都可以舉手。這張分層蛋糕圖展示了過去幾十年裡層層堆疊，將我們帶到當下的技術浪潮。
這張圖有兩個要點：第一，投入AI領域不僅是不可避免的，而且迫在眉睫。前提條件已經具備，計算能力、網路、資料、分發渠道、人才，我們所需的所有要素都已齊全，萬事俱備。第二，這些技術浪潮往往具有疊加效應。
與之前的浪潮相比，這次的機遇要大得多，而且到來的速度也快得多。我不太喜歡這張圖，橫軸是時間，縱軸是某個虛榮指標，人們常用它來為各種觀點找依據。
不過觀察到的現象是正確的，事情的發展速度比以往任何時候都要快得多，但沒多少人深入探究過原因，我們來簡單分析一下。從傳播的物理原理來看，只需要三個條件：人們得知道你的產品，得想要你的產品，還得有能力購買你的產品，就這麼簡單。雲轉型剛開始的時候，根本沒人關注。Benioff不得不採用瘋狂的遊擊營銷策略，才能吸引到別人的注意。
AI則大不相同。2022 年 11 月 30 日，ChatGPT 釋出，全世界都開始關注AI。中間這欄資料顯示的是 Reddit 和前身為推特（Twitter）平臺的月活躍使用者總數之和。雲轉型開始的時候，這些平臺還不存在，移動網際網路轉型開始的時候，它們也才剛剛起步，如今這些平臺的使用者總數在 12 億到 18 億之間。
這雖然不是發現新鮮事物的唯一途徑，但卻是個不錯的渠道。再看頁面右邊，想想當初貝尼奧夫推廣業務的時候，全球網際網路使用者只有 2 億人，如今已經達到 56 億人，幾乎涵蓋了世界上的每個家庭和企業。
這一切意味著什麼呢？意味著基礎條件已經具備。一旦起跑槍響，推廣過程中將不再有障礙。這並非AI特有的現象，而是技術傳播的新現實。傳播機制已經改變，軌道已經鋪好。
這是去年的另一張PPT。面對這種情況，我們該怎麼做？該在哪些領域發力才能取勝呢？這張PPT有兩個要點：第一，還有很大的發展空間。同樣，這是去年的PPT，現在的空白區域已經少了一些。一些公司開始嶄露頭角，但總體而言，機會仍然很多。第二，這些標識代表收入達到 10 億美元以上的公司。我們關注的不是獨角獸企業，而是收入和自由現金流，收入達到 10 億美元以上才是我們看重的。
在之前的技術轉型中，大多數這樣的公司都處於行業頂端，大多集中在應用層。我們一直認為，並且現在依然堅信，AI領域也是如此，價值就存在於應用層。但你猜怎麼著？競爭也很激烈。
我們有了第二條縮放定律，即測試時計算。還有結合工具使用和智慧體間通訊進行推理的技術，這使得基礎模型在應用層有了很大的發展空間。如果你是一家初創公司，又不打算打造垂直整合的業務，那就從客戶需求出發，專注於特定的垂直領域和功能，去解決複雜的問題。
這可能需要人為介入，但這就是競爭所在，也是價值所在。這一點大家一定要牢記於心。我們該如何在競爭中取勝呢？來吧，大家笑一笑，這是個很有趣的話題。
我們該如何在競爭中取勝呢？去年我們展示過這部分內容，所以我猜你們沒笑是因為去年看過了。在AI領域創辦一家公司，95% 的工作和創辦其他公司沒什麼兩樣，都是用獨特且有吸引力的方式解決重要問題，吸引優秀人才追隨你，都是這些大家熟知的事情。
另外 5% 則是AI領域特有的。在競爭應用層的過程中，有幾個方面需要考慮。這是我們的合夥人Doug Leone打造的營銷週期圖，這位業界傳奇花了 40 年精心打造了這個內容。
它展示了你如何把腦海中的想法轉化為客戶手中的產品。首先，想法要變成產品，這需要工程團隊進行開發，然後推向市場，進行銷售和後續支援，這就是完整的價值鏈。
頁面底部是從技術出發的視角，頂部是從客戶需求出發的視角。透過這種方式，你可以在整個價值鏈上建立起競爭壁壘。如果你的客戶不確定他們想從AI中獲得什麼，你要有自己的見解。
你可以為他們提供端到端的解決方案，直接解決問題，而不是隻扔給他們一個工具。你還可以利用自己產品的使用資料構建資料飛輪，這是別人沒有的優勢。
你可以深入某個行業，為這個行業服務，就像 Open Evidence 為醫療行業所做的那樣。你要能說行業內的 “行話”，比如 Harvey 會派律師團隊與律師事務所溝通。說實話，我們不太建議派工程師去做這種事，雖然這種方式比較艱難，但也不是不行。
你可以用基礎模型可能做不到的方式緊緊 “擁抱” 你的客戶。順便說一句，我們也很喜歡基礎模型，但我們假設在座的大多數人都不是在打造基礎模型，而是在開發應用程式。
好了，我還有兩張PPT，講完就交給下一位。我們經常被問到一個問題：在評估AI公司時，你們看重什麼？同樣，95% 的評估標準和評估其他公司是一樣的。
下面是AI公司特有的 5% 的標準。第一是收入。收入的 “感覺” 很重要，收入可能會 “迷惑” 你。大家都喜歡高收入，感覺很棒，“我們收入好多啊，快看看”。但這是真正的業務增長，還是僅僅是短期的 “嚐鮮” 行為呢？
我沒有具體的衡量指標，這需要你們自己去考察產品的採用率、使用者參與度、留存率。人們到底用你們的產品做什麼？不要在只有表面收入的時候，就誤以為自己有了真正的營收，這會給你帶來麻煩的。
另外，“感覺” 良好也很重要。說起來，Andrew Reid在這兒嗎？來做個氛圍檢查。大家感覺怎麼樣？我不是問你個人，我是問大家整體感覺如何？
我聽到有人說 “感覺絕佳”，很好。你需要讓客戶也有這種良好的感覺。這意味著什麼呢？意味著客戶必須信任你，而你要努力贏得這份信任。在當前這個發展階段，信任比產品更重要。產品會不斷改進，如果客戶信任你能把產品做得更好，那你就處於有利地位。
如果客戶不信任你，那你可就麻煩了。第二點是利潤率。我們不一定關心你現在的毛利率是多少，因為成本中商品銷售成本（COGS）這部分可能會持續下降。
在過去 12 到 18 個月裡，每個Token的成本下降了 99%，而且這一成本曲線還會繼續下降。雖然測試時計算等成本會增加，但最終也會下降。如果你能成功從銷售工具轉向銷售成果，沿著價值鏈向上攀升，就能獲取更多價值。
你的定價可能也會提高，所以即使你現在的毛利率可能不高，但從長遠來看，你應該有一條實現健康毛利率的清晰路徑。第三點是資料飛輪。
資料飛輪能推動哪些業務指標增長呢？我看大家不太確定。我有個好訊息和一個壞訊息。好訊息是，如果你回答不上這個問題，我依然支援你。壞訊息是，你的資料飛輪可能沒什麼用。
要麼你根本就沒有真正的資料飛輪，要麼它與業務指標無關，也就沒有價值。這一點非常重要，因為這是你能建立的最好的競爭壁壘之一。最後一張PPT，有誰能告訴我這兩者是如何關聯的嗎？
如果有人能回答出來，我會非常佩服。目前市場對AI有著巨大的需求，所有那些宏觀經濟因素，比如關稅、利率，但這些都是雜音，無關緊要。技術採用率的上升趨勢完全蓋過了市場的任何波動，忽略那些雜音就好。市場上有著巨大的需求，如果你們不搶佔先機，別人就會。因為自然厭惡真空。
所以，儘管我們剛剛討論了競爭壁壘、評估指標等內容，但現在你們要做的就是拼命往前衝，以最快的速度前進。好，接下來我將話筒交給Sonya。
1
Sonya Huang：
接下來我將重點介紹AI目前的發展情況。我們先從客戶需求和技術發展兩個角度進行快速的年度回顧。先回顧一下 2023 年，我們當時展示了這張圖表，對比了原生AI應用和傳統移動應用的日活躍使用者與月活躍使用者的比例。
當時的結論是，AI應用的使用者參與度較低，資料顯示市場的熱度超過了實際情況。現在我們很高興地告訴大家，情況有了巨大的變化。比如，ChatGPT 的日活躍使用者與月活躍使用者比例大幅上升，現在已經接近 Reddit 的水平，這真是個好訊息。
這意味著越來越多的人從AI中獲得了價值，我們都在共同探索如何將AI融入日常生活。有時候，使用AI的體驗既有趣又有益。我自己就花了大量時間使用 GPT，試圖簡化各種事情，次數多得都有點不好意思說。
雖然那些像 “吉卜力時刻”這樣的應用很有趣，也在網路上走紅，但更令人興奮的是，我們才剛剛觸及表面的深層次應用。比如在廣告領域，AI能夠創作出極其精準、精美的廣告文案；在教育領域，能一鍵視覺化新的概念；在醫療領域，能更好地診斷病人。
以 Open Evidence 這樣的應用為例，我們才剛剛探索到AI的潛力。隨著AI模型的能力越來越強，透過它們我們能實現的事情也越來越意義深遠。在座有誰看過電影《她》（Her）嗎？
今天現場也有看過這部電影的觀眾。雖然我們還沒有像電影裡那樣的AI “斯嘉麗・約翰遜”，但 2024 年迎來了我所說的 “《她》時刻”。語音和語音生成技術取得了巨大進步，已經跨越了 “恐怖谷” 效應（uncanny valley，指當機器人或虛擬角色與人類相似度達到一定程度時，人類對其的好感度會突然下降）。有不少人都這麼評價，先不展開細說了。
讓我來震撼一下你們的思維。你們看過電影《她》吧，華金・菲尼克斯（Joaquin Phoenix）在裡面把愛上作業系統的情節演繹得非常精彩，這不禁讓人暢想未來會是什麼樣。Sesame 的語音演示太驚豔了，我很期待看到後續的發展。
科幻與現實之間的差距正在以驚人的速度縮小，感覺圖靈測試突然就來到了我們身邊。這裡要感謝Jim Fan，我在推特上看到他的觀點，借用過來用於這次演講。
最後，去年最熱門的應用領域是程式設計，AI程式設計已經達到了極佳的產品市場契合度。去年秋天，Anthropic 的 Claude 3.5 和 Sonnet 釋出，迅速改變了程式設計領域的格局。
現在人們用AI程式設計實現了很多令人驚歎的事情。比如，有人用AI編寫了自己的軟體，不管你是經驗豐富的高階工程師，還是完全不懂程式設計的新手，都能借助AI程式設計實現很多功能。
我們認為，AI正在從根本上改變軟體開發的可及性、速度和經濟性。從技術發展的角度來看，也有壞訊息。預訓練的發展似乎在放緩。
從 AlexNet 時代以來，我們已經將預訓練的規模擴大了 9 到 10 個數量級，這意味著很多容易實現的成果已經取得。不過，研究界正在尋找新的突破方向。
最重要的突破來自 OpenAI 的推理技術。去年，我們很榮幸邀請到了Strawberry team的Noam Brown，在 AI Summit 上為我們提前介紹推理技術的發展趨勢。
今年，我們很高興Dan Roberts也來到了現場，他稍後會分享關於 O3 和推理技術的最新進展。除了推理技術，還有合成數據、工具使用、遺傳架構等技術。這些技術相互結合，為我們提升AI的智慧水平提供了新途徑。
Anthropic 的 MCP構建了強大的生態系統和網路，我們也很期待它如何加速遺傳工具的使用。所有這些，更大的基礎模型、推理時的推理能力、工具使用等，共同推動AI能夠完成越來越複雜的任務。
Meter 基準測試是衡量這一發展的一個量化指標，但我認為更有意義的是，和大家交流那些只有藉助 O3、Operator、Deep Research 或 Sonnet 等技術才能實現的應用。
目前，AI領域很多令人興奮的技術創新都發生在研究和產品的模糊邊界地帶。過去一年裡，有兩個突破性的例子，分別是 Deep Research 和 Notebook LM。今天，這兩個產品的創造者也來到了現場，我們感到非常興奮。
Notebook 的Riser和Jason正在創辦一家名為 Hux 的新公司，OpenAI 的Issa Fulford也會探討AI堆疊中價值的產生點。我還記得和紅杉資本的優秀夥伴們討論過這個問題。
當時，我在這個問題上還猶豫不決，我不太確定像 GPT 這樣的應用前景，而我的夥伴 Packer 卻堅信價值最終會集中在應用層。我當時還心想，Packer，祝你好運吧。但看看過去幾年的發展，我覺得你是對的，Packer，你眼光真準。
從那些創造價值的公司，比如 Harvey 和 Open Evidence 身上，我們看到它們真正從客戶需求出發創造價值。我們堅信，應用層才是價值最終的匯聚地，隨著基礎模型越來越多地在這一層展開競爭，應用層的競爭也日益激烈。順便說一句，其實我們都看走眼了，真正在這個領域賺得盆滿缽滿的是英偉達的黃仁勳，我們也很期待馬上聽到他的分享。
回到應用層的話題。我們現在認為，第一批AI的殺手級應用已經出現，比如 ChatGPT、Harvey、Glean、Sierra、Cursor、Abridge 等。而且，在眾多豐富多樣的終端市場上，有一大批新公司正在崛起，包括 Listen Labs、Open Evidence，還有 WorkOS 等，今天在座的很多人可能都有所瞭解。
我們還有一個預測，未來很多這樣的新公司會以智慧體為先，而且這些公司所推出的智慧體將從現在拼湊而成的雛形，發展為真正強大的產品。我們看到公司在構建智慧體方面主要有兩條路徑：
第一條路徑是透過嚴格的測試和評估進行編排；第二條路徑是針對端到端的任務對智慧體進行最佳化。今天，我們也很期待 Harrison、Blank Chain 和 OpenAI 的Issa分享更多相關內容。
關於 2025 年AI公司的發展形態，我們的下一個預測是垂直領域智慧體。對於那些深入瞭解特定領域的初創公司創始人來說，垂直領域智慧體是一個絕佳的機會。我們看到一些公司正在打造專門針對特定工作流程進行訓練並表現出色的智慧體。
它們採用包括在合成數據和使用者資料上進行強化學習等技術，讓AI系統在特定任務上表現得非常出色。目前的一些證據讓我們對這個領域充滿信心，比如 Expo 展示的智慧體，其表現已經超越了人類滲透測試人員。
在開發運維領域，Traversal 開發的AI故障排查工具比最優秀的人類專家還要厲害。在網路領域，Meter 和網路工程師的相關成果也說明了這一點。雖然這些資料還處於早期階段，但它們讓我們非常樂觀地認為，專注解決特定問題的垂直領域智慧體如今能夠超越最優秀的人類。
關於 2025 年智慧體的最後一個預測是，我們正在進入一個 富足的時代。程式設計領域作為率先發生變革的市場類別，將讓我們初步瞭解這個 富足時代”的真正含義。當勞動力變得廉價且充足時會發生什麼？我們會得到一堆質量參差不齊的AI成果嗎？當審美品味成為稀缺資源時又會怎樣？
我們期待看到程式設計智慧體的持續進步，以及它對技術格局的影響，同時也把它視為AI將如何改變其他行業的一個預兆。接下來我把時間交給Konstantine。
1
Konstantine Buhler：
大家早上好。感謝Sonya，也感謝Paker。我們剛剛討論了非常重大且重要的話題。那麼，為什麼這一切如此重要呢？
如今世界局勢如何，AI當下的發展狀況以及它的短期未來走向又是怎樣的呢？現在我們退一步，思考一下對AI中期和長期發展的預測。在這部分內容中，我們將從三個方面展開。我們會先探討下一波主要的發展浪潮，接著研究實現這一浪潮所需的技術，最後談談這對我們每個人的日常生活意味著什麼。
一年前，在AI峰會上，我們主要討論的是智慧體。那時我們就在探討智慧體，而它們才剛剛開始形成商業應用。當時的話題主要圍繞這些機器助手展開，我們曾預測它們最終會形成機器網路。如今，這些機器網路被廣泛稱為智慧體叢集。它們在許多公司中發揮著作用，並且正逐漸成為AI體系中至關重要的一部分。智慧體之間相互協作、競爭，彼此進行推理交流。
在未來幾年，我們認為這一趨勢會進一步成熟，發展成為一個智慧體經濟。在智慧體經濟中，智慧體之間不僅會交流資訊，還會轉移資源、進行交易、相互監督。它們能夠理解信任和可靠性的概念，並且擁有自己的經濟體系。
這個經濟體系並非將人類排除在外，而是與人類緊密相關。在智慧體經濟中，智慧體與人類相互協作。但是，為了實現這一重大且重要的下一波發展浪潮，也就是進入智慧體經濟時代，我們面臨著許多重要的技術挑戰，接下來我們將討論其中的三個方面。
坦率地說，在座各位在開展業務的過程中都需要應對這三個挑戰。第一個是持久身份問題。當我們談到持久身份時，實際上包含兩個層面。首先，智慧體自身需要具備永續性。
如果你和某人做生意，對方每天都像是換了個人，你可能不會和他們長期合作。這種巨大的差異會產生負面影響。智慧體必須能夠保持自身的個性和認知。第二種永續性是對使用者的理解。
同樣地，如果你和一個人做生意，對方卻完全不記得關於你的任何事情，甚至連你的名字都記不住，這也會對信任和可靠性構成巨大挑戰。目前，我們嘗試了各種方法，從基於檢索增強生成（RAG）和向量資料庫，到使用超長的上下文視窗。
但在座的各位都清楚，在真正的記憶和自我學習方面，仍然存在重大挑戰。要實現真正的記憶功能，並且讓智慧體在關鍵方面保持一致，僅在必要的地方有所差異，這是非常困難的。
第二個重大技術變革是我們需要無縫的通訊協議。如今，令人欣喜的是，似乎每個人都在關注這個問題。想象一下，如果個人計算機沒有無縫的通訊協議，沒有 TCP/IP 協議，沒有網際網路，那會是怎樣的情景。
我們現在才剛剛開始構建這一協議層。圍繞 MCP（可能是某種通訊協議相關的技術）有很多令人興奮的進展。看到各大企業相互合作，共同推出一系列協議，這真的很棒。這些協議將實現資訊、價值和信任的傳遞。
最後一個是安全問題。這是一個關注度日益上升的話題，肯定也在大家的重點關注範圍內。如果你無法與合作伙伴面對面、掌心相對地進行交易，那麼安全和信任的重要性就會進一步提升。在與智慧體互動的過程中就是這種情況。
圍繞信任和安全，將會形成一整個產業。在智慧體經濟中，安全的重要性甚至會比在我們當前的經濟體系中更高。我們討論了實現智慧體經濟這一重大發展浪潮所需的技術。
現在，我們來談談這對我們每個人意味著什麼。首先，它將改變我們的思維模式。坦率地說，在座各位已經具備了我們所說的 “隨機思維模式”，這與傳統的確定性思維模式截然不同。我們很多人喜歡計算機科學，就是因為它具有確定性。
對吧？你給計算機編寫一個程式，它就會按照程式執行任務，即使可能會出現系統錯誤。但現在，我們正進入一個隨機計算的時代。如果你讓計算機記住數字 73，明天、下週、下個月它都能記住。但如果你讓一個人或者AI記住 73，它可能會記住 73，也可能記住 37、72、74、下一個質數 79，甚至什麼都不記得。
關鍵在於，這種思維方式與我們過去幾十年的習慣有著本質的區別。第二個改變是管理思維模式。這種管理思維模式要求我們瞭解智慧體能夠為我們做什麼，不能做什麼。大家都知道，成為一名優秀的積體電路工程師和成為一名出色的工程經理是有很大差異的。
這將是大多數經濟體需要進行的轉變，即做出更復雜的管理決策，比如規劃流程和給予反饋。我真心希望不要發展到對智慧體進行年終考核的地步，大家儘量避免這種情況吧。
對我們每個人來說，第三個重大改變是前兩者的結合，即我們能夠獲得更多的助力，但同時也要面對更大的不確定性。我們正在進入一個新世界，在這個世界裡，你可以完成更多的事情，但你必須學會應對不確定性和管理風險。
在這個世界中，在座的各位都有能力蓬勃發展。一年前在AI峰會上，我們討論過這張圖表，當時談到了助力作用。我們認為組織內部的各個職能部門將開始引入AI智慧體。
然後我們預測這些職能會逐漸融合、聚集，整項流程都將由AI智慧體完成。我們甚至預測會出現第一個 “一人獨角獸” 企業（指由單人創辦且估值達到十億美元的企業）。雖然目前這還沒有成為現實，但我們已經看到一些公司以比以往更快的速度發展壯大，而且所需的人力比以往任何時候都少。
我們相信，最終我們將見證經濟發展達到前所未有的高效水平。這些流程和智慧體最終會融合。在非常龐大、複雜的神經網路內部會存在子神經網路，進而形成一個神經網路的網路。
這將改變一切。它將重塑個人工作模式，重新構建公司架構，並且徹底改變經濟格局。感謝大家的參與。今天的AI峰會一定會非常精彩，我們也很感激大家的到來。