近日，紅杉資本合夥人 Konstantine Buhler 在彭博的採訪中深入剖析了 AI 作為國家戰略資產的四大核心支柱：算力、電力、資料、演算法，並強調“記憶（AI Memory）”正迅速成為支柱之外的新關鍵能力。隨著生成式 AI 的演進，智慧體不再只是執行命令的工具，而是具備持續自我認知與協作能力的“合作者”。
他還首次公開介紹了紅杉內部高度關注的協議——Model Context Protocol（MCP），一個旨在讓 AI 與 AI、AI 與軟體之間實現語言互通與任務協同的基礎框架。透過 MCP，多個專長不同的 AI Agent 能像跨學科團隊一樣協作，打通調研、決策、生成等流程，真正開啟“AI 生態系統”時代。
面對中國 AI 研究力量的快速崛起，Buhler 表示雖然中國在人才密度上已具備規模優勢，但美國依然憑藉開放協作的技術文化、頂尖工程師生態，在演算法和應用落地層面保持領先。
主持人：
你對過去 24 小時內基礎設施協議的反應，美國的技術進入海灣國家，在那裡的國家設立資料中心和開發專案，你怎麼看？
Konstantine Buhler：
這些新協議證明了一個事實： AI 不僅僅是企業成功的問題，它更是一個國家層面的戰略需求。這充分說明了這個行業的重要性。我回想十年前，我們還在擔心美國能否在 AI 領域保持領先地位。
AI 的實力實際上有四大支柱：算力、電力、資料和演算法。回顧上一波 AI 的發展，美國之所以能遙遙領先，靠的就是第四個支柱——演算法。
所以，當我們在全球範圍內發展新的技術盟友——無論是算力、電力還是資料——我們必須確保在演算法進步方面始終處於最前沿。我們擁有世界上最優秀的研究人員，最頂尖的工程師。
主持人：
我們這邊剛剛收到來自白宮的突發訊息：川普總統已經在卡達爭取到了一項總額高達1.2萬億美元的經濟承諾。據白宮方面表示，這項承諾中包括了價值2435億美元的具體經濟協議。
這項宣告是總統在多哈親自宣佈的。我們剛剛連線了彭博社的記者 Annmarie Horden，她目前正在卡達多哈。她提到，這些協議目前還處於醞釀階段，具體涉及哪些行業和公司尚未公佈。一旦有更多細節，我們會第一時間為大家帶來更新。
現在，我們回到剛才的對話主題——美國在基礎設施領域的領導地位。你剛才提到了四個關鍵類別，其中有一個最近頻繁出現在我桌面上的話題，那就是在生成式 AI 語境下的“AI 記憶體（AI memory）”。
很多人說我們必須在這個領域加大投入，找到解決方案。但就我個人而言，我對這方面缺乏專業背景，也沒有學術理解。你們行業為什麼現在頻繁在討論這個問題？
Konstantine Buhler：
除了算力、資料、電力和演算法之外，還有一個非常關鍵但經常被忽視的組成部分，那就是“記憶”（memory）。因為當你和一個智慧 Agent 互動時，你當然希望它能夠記住你——但更重要的是，它也必須記住它自己。
舉個例子，比如醫生在與病人交流時，一個智慧 Agent 應該能夠幫助醫生回顧以往的溝通記錄。不僅僅是病人說了什麼、不僅是他們的生命體徵或病歷資料，而是要具備一種隨時間推移不斷學習和進化的能力。這正是像 Open Evidence 這樣的公司正在努力的方向。
所以說，“記憶”正在成為一個全新的關鍵技術領域，尤其是在你提到的“生成式AI”（genetic AI）語境下。如果我們想要構建一種不僅能回應人類、還能進行自我反思的AI，那麼它就必須具備記憶能力。這不僅僅是記住幾次對話，而是建立起一種持續性、自我認知的長期記憶體系。
正因如此，越來越多的公司開始在“記憶能力”上投入大量資源，尤其是像 Open Evidence 這樣專注於長期智慧互動的公司。這也是AI從一個工具，真正轉變為“合作者”的關鍵一步。
以醫療為例，有了記憶能力，醫生可以精準回憶起每一次與病人的互動細節，甚至是溝通方式的演變——而這些，在今後的AI輔助醫療中將變得尤為重要。
問題來了：這一切活動的基礎設施應該部署在哪裡？今天彭博《Big Take》提出了這樣一個觀點：一家企業的突然崛起，說明中國的相關產業正在迅速發展，幾乎沒有受到美國政策或政治不確定性的影響。
主持人：
Chance Amont 曾在三月份告訴我，現在有超過 50% 的 AI 研究人員都在中國。結合你剛才提到的這些情況，你是否認同這樣的觀點？也就是說，中國的 AI 產業確實發展迅速，而且他們也在研究與你所在行業類似的問題？
Konstantine Buhler：
他們確實擁有非常優秀的研究人員，這一點毫無疑問。但同樣真實的是，我們也擁有這個星球上最具創造力、最聰明的研究人才。
舉個例子，就在最近，我們剛剛舉辦了紅杉年度峰會，我們邀請了業界最頂尖的 150 位專家參加。從黃仁勳、Sam Altman 到一些非常有潛力的年輕新星，全部到場。
在這次大會上，最受關注的技術議題是一個名為 “Tool Use” 的概念，也就是讓 AI 能夠相互協作。我們正在教會計算機如何使用計算機。幸運的是，在過去幾個月，我們在這個領域取得了重大進展。
目前，我們已經有了一個全新的協議，叫做“MCP（Model Context Protocol）”。你可以把每一個 AI Agent 理解為一個“專家”，同樣，每一款軟體也可以被視為某種專業能力的體現。比如說，你的 CRM 系統可能非常擅長記錄和理解你與客戶之間的歷史互動。但問題在於，這些“專家”之間並不一定使用相同的語言。而 MCP 就像是一個通用的“翻譯協議”，讓所有這些 Agent 和軟體可以互相溝通、共享資訊。對我們美國來說，這種能力正是保持技術領先的關鍵所在。我們必須加深協作，推動開放創新。
我來分享一個這個協議的真實應用案例：我們有一家投資組合公司，叫 Rocks。它能夠幫助頂尖的銷售人員，在與潛在客戶會面前，完成非常深入、精準的背景調研。
而現在，他們不僅可以完成調研，還能透過 MCP 協議將所有資訊整合，並自動生成一套量身定製的 pitch deck（提案簡報）。甚至可以接入 Cognition 或 Cloud Code，自動生成一個完整的產品演示 demo。
這就是我們在 AI 協作層面保持領先的方式——依靠研究人員和工程師之間的深度協作。我們必須繼續投資這種合作機制。我們知道，中國在多個領域都在加速發展，但在美國，我們擁有一種獨特的“開放式創新文化”，它讓來自不同公司、不同背景的人才可以自由聚集、自由實驗、自由分享成果。
主持人：
你剛才提到了 Tool Use 和 MCP ——聽起來這些都是讓 AI 系統彼此協作的方式。那麼接下來你覺得行業裡還會有什麼突破？你是否已經看到某些早期訊號？
Konstantine Buhler：
是的，接下來我們將會看到的是 AI Agent 生態系統的興起。想象一下，多個 AI Agent 彼此配合，就像一個跨學科的專家團隊一樣完成任務。例如，一個 Agent 可能擅長財務分析，另一個擅長寫程式碼，還有一個擅長市場策略——它們可以透過 MCP 無縫協作。
這種模式的最大價值在於擴充套件能力：你不再侷限於一個模型的能力，而是可以呼叫整個生態系統的集體智慧。這也意味著，AI 將變得越來越像一個合作伙伴，而不是一個工具。它將能夠與人類一起構建知識、提出問題、修正錯誤。這是 AI 發展的下一個階段，也會是決定哪個國家、哪家公司領先的關鍵因素。
✦ 精選內容 ✦