作者：奚曉喬
來源：奚曉喬（ID：xixiaoqiao2017）
前言
我剛看完紅杉資本的AI峰會影片，這場閉門會總共開了6個小時，公開的影片將近3小時。今天想跟大家分享一下其中讓我感觸最深的主題演講。
這篇文章會分兩部分：第一部分是正文，我會從更長週期的文明角度出發，把Packer Radio、Sonia和Constantine三位紅杉合夥人演講中那些真正有洞察力、有戰略價值的觀點提煉出來，同時思考裡面哪些我們還未真正意識到，但未來可能會決定AI格局的底層變數。
第二部分是附錄，我把嘉賓分享的內容翻譯和整理成了圖文形式，方便大家更好地理解全貌。
AI的萬億美元機遇：
紅杉資本AI峰會2025洞察分析
在紅杉資本2025年AI峰會上，三位合夥人勾勒了一幅令人振奮的未來圖景：AI不僅是一場技術革命，更是一場經濟重構與社會變革。然而，如果我們借用歷史和文明的長週期視角，這場變革的意義或許更為深遠。
人類歷史的關鍵轉折點往往不是由單一事件驅動，而是由能量捕獲方式、社會組織形式和資訊處理能力的根本變革共同塑造。從這個角度看，我們正處於一個真正的文明轉折點。
一、核心洞見：能量捕獲的新模式
1. 經濟結構的重構與價值遷移
從工具到結果，從軟體預算到勞動力預算。
文明的進步本質上是能量捕獲效率的提升。農業革命提高了太陽能轉化為人類可用能量的效率；工業革命釋放了化石燃料中的遠古太陽能；而AI革命則是對人類認知能量的重新捕獲與分配。
Packer Radio揭示的轉變——「從工具銷售（Software Budget軟體預算），進化到結果銷售（Labor Budget勞動力預算）。」——正是這種能量重構的核心。AI不僅是技術替代，而是經濟結構的根本性重塑，同時攻擊服務市場與軟體市場兩個利潤池。它從「提高效率」的工具，正在轉向「直接交付成果」的智慧勞動力。
這相當於一種新型「能量捕獲機制」的出現。就像蒸汽機將化學能轉化為機械能一樣，AI正將分散的人類認知能量轉化為可程式設計、可擴充套件的計算資源。
2. 分發物理學的正規化轉變
零摩擦分發時代的到來
技術傳播的速度是決定歷史走向的關鍵變數。從這個角度看，當前AI技術的擴散模式具有前所未有的特徵。
與雲計算時代相比，AI擴散速度呈指數級增長，這源於三個關鍵因素的同步到位：
-
全球關注度（知道）- ChatGPT釋出即引爆全球關注 -
使用者需求（想要）- 社交媒體平臺的即時傳播 -
分發基礎設施（能買）- 56億人的網際網路連線
這種「分發物理學」的變革創造了一種「全球同步性」（Global Synchronicity），使得技術採用不再遵循傳統的S曲線，而是呈現出陡峭的躍遷。當前正處於「文明加速器」階段——當新技術能夠以前所未有的速度滲透到社會各個角落時，它將引發更快、更深刻的社會變革。
3. 從「氛圍收入（vibe revenue）」到「行為改變」的真實留存
留存與信任勝於產品本身
真正具有變革性的技術總是那些能夠改變人的行為模式的技術。從這個角度看，Packer Radio強調區分「氛圍收入」與真實收入的觀點具有深刻的歷史意義。
真正的價值不在於初期表面的高收入數字，而在於創造持久的行為改變。這反映了市場從初期好奇轉向真實價值評估的成熟過程。
關鍵判斷標準是：
你的產品是否引發了持久的行為變化？使用者對你的信任是否超過了對產品本身的關注？
「別被氣氛騙了，你的收入是‘行為改變’帶來的，還是使用者好奇點開的？”」
這是對當前市場上大量AI專案虛假繁榮的精準批判。是否引發了持久的行為變化，這不僅是產品判斷標準，更是一種投資策略與篩選機制。
二、社會組織形式的重構
1. 代理經濟的出現與社會重構
從單一代理到代理叢集到經濟體系。
社會組織形式的變革往往是文明躍遷的關鍵因素。從這個角度看，Constantine描繪的「代理經濟」（Agent Economy）預示著一種全新的社會組織形式，從單一代理（Agent）到代理叢集，再到完整的代理經濟。
在這個經濟中，代理不僅交換資訊，還交易資源、構建信任、識別身份——組成一個真正的經濟體系。
如果我們從歷史的角度來看，從封建制度到民族國家的轉變，從家庭作坊到工廠制度的轉變，都伴隨著生產力的提升和社會關係的重組。同樣，代理經濟的出現將重新定義人與人、人與組織、組織與組織之間的關係，創造一種「人機共治」的新型社會結構。
2. 組織邊界的解構與「組織間API」的興起
從公司邊界到智慧體網路
每個文明階段都有其獨特的組織邊界定義方式。在農業文明中，邊界由土地和血緣關係定義；在工業文明中，邊界由法律實體和物理資產定義；而在AI時代，邊界將由資料流和智慧體網路定義。
Agent Economy的最終形態意味著企業將成為「互通的智慧體網路」。這不再是僱傭員工，而是呼叫Agent；不是談判SaaS介面，而是設計智慧體的協作邏輯。組織的競爭力將來自：
-
資料是否可共享 -
意圖是否能準確表達 -
Agent是否能高效協作
這相當於一種新型「社會契約」的出現，就像工業革命催生了現代公司制度一樣，AI革命將催生一種基於智慧體網路的新型組織形態，重新定義權力、責任和價值分配的機制。
3. 應用層的價值捕獲
客戶反推 vs 技術推動
雖然價值將主要在應用層實現，但基礎模型的能力邊界不斷擴充套件（推理、工具使用、代理間通訊），正在侵蝕應用層的傳統壁壘。這創造了一種新的辯證關係，要求應用開發者必須從客戶需求出發，構建垂直或功能特定的解決方案。
成功的應用層公司將是那些「為行業而生，成為行業的一部分」，而非「提供工具給行業」的企業。Harvey、Open Evidence等成功案例證明，深度行業理解與嵌入式解決方案是應用層的核心競爭力。
三、資訊處理能力的質變
1. 隨機思維模式的普及與管理正規化轉變
從確定性到機率性的認知轉變
Constantine提到，我們正從確定性計算向隨機計算轉變，這代表了認知正規化的根本轉變。未來的競爭優勢將取決於組織和個人適應「隨機思維模式」的能力——接受不確定性，管理機率結果，而非追求絕對確定性。
這將重新定義領導力：未來的組織領導人必須掌握「模糊中的決策」能力，不再依賴KPI等確定性工具，而是透過「機率路徑判斷+快速試錯機制」來引導組織。大部分當今高管尚未意識到自己的決策模型即將過時。
這相當於一種新型「認知架構」的出現。就像科學革命引入了實證主義思維一樣，AI革命將引入一種基於機率和不確定性的新型思維模式，重新定義我們理解世界和做出決策的方式。
2. 記憶與自學習作為真正的護城河
從外掛記憶到自我連續性
當前大多數AI系統的「記憶」是外掛的（RAG/VectorDB），這使得上下文是臨時的、認知是無連續性的。然而，真正值得信賴的AI將具備穩定的「自我」（identity continuity）和經驗累積機制。
這種持久記憶能力將成為Agent的真正護城河，而非模型能力本身。它將決定哪些AI能夠成為人類的長期夥伴和可信賴的合作伙伴，而這正是當前技術路徑尚未完全解決的核心挑戰。
3. 品味與審美作為最後的稀缺資源
從技術能力到創造性判斷
每個文明階段都有其獨特的稀缺資源。在農業文明中，土地是稀缺資源；在工業文明中，資本是稀缺資源；在資訊時代初期，專業知識是稀缺資源。而在AI時代，「品味」（Taste）將成為稀缺資源。
Sonia提到，隨著程式碼生成等領域的AI應用成熟，我們正進入「勞動力豐富」的時代。當生成內容變得廉價，「做什麼」與「做成什麼樣」將成為真正的門檻。品味無法被訓練，也難以複製，它將成為我們在AI洪流中的最後壁壘。
四、個體與集體的重新平衡
1. 個體槓桿率的指數級提升
從團隊協作到「一人+智慧體系統」
技術變革往往改變個體與集體的權力平衡。從這個角度看，Constantine提出的「一人獨角獸」（One-person Unicorn）預言具有深刻的歷史意義。
隨著Agent的巢狀協作逐步成熟，「一個人+一套智慧體系統=一家高產公司」將成為現實。這種轉變將遵循以下路徑：工具 → 工作流 → 流程 → 組織 → 企業 → 經濟體。
未來的價值創造不再依賴於團隊規模，而在於個體能夠呼叫和組織多少智慧代理，如何將它們組合成高效的「價值鏈條」。這將徹底重構勞動力市場和組織結構。
總結
我們正在經歷能量捕獲方式（從勞動力到認知能力）、社會組織形式（從層級組織到代理網路）和資訊處理能力（從確定性到隨機性）的三重變革，這預示著一種全新文明形態的出現。
紅杉資本的三位合夥人——Packer Radio、Sonia和Constantine——描繪的不僅是商業機會，更是一幅新文明的草圖。在這個新世界中：
-
分發方式變了（Physics of Distribution） -
收入結構變了（Outcome over Tool） -
公司組織邊界模糊了（Agent Swarm） -
信任的定義變了（Memory & Identity） -
人才的定義變了（Stochastic vs Deterministic Thinking）
我們正站在這樣一個交叉點上，見證著一個新時代的誕生。
附錄
大家好，我是 Packer Radio，來自紅杉資本。我和 Sonia、Constantine 以及我們所有的合夥人將是今天的主持人。
在進入正題之前，我、Sonia 和 Constantine 想先分享我們在過去一年中的一些思考。我們非常清楚，我們只是前菜，不是主菜。
我昨天收到一位創始人的郵件，他說：“嘿兄弟，我可能會晚點到，大概9:35。”我心想：“這個時間點也太精確了吧，正好是 Jensen 上場的時間。”所以我們懂的，但還是想先分享幾點，然後馬上進入重點內容。
我們先來校準一下，怎麼看AI領域當前的局勢？我們用一個簡單的分析框架來思考市場，這是 Don Valentine 的問題模型：
這是什麼？所以呢？為什麼重要？為什麼是現在？也許它是不可避免的，但它是否迫在眉睫？以及最後一問：接下來怎麼辦？我們該怎麼行動？怎樣贏？
這些問題我們以前也談過，接下來幾分鐘我們會更新我們的一些看法。
老實說，我原本準備了一個非常炸裂的“這是什麼”的部分，但 Constantine委婉地提醒我，告訴一群 AI 專業人士 AI 是什麼不太明智。所以我們直接跳到“So what”。
你們還記得這張去年的幻燈片嗎？謝謝！上排是雲計算的轉型，下排是AI的轉型。左邊是“昨天”，中間是“今天”，右邊是“明天”。
它傳達的資訊是：當雲計算轉型開始時，其4000億美元的收入已經超過了當時全球軟體市場的規模。照此類推，我們在AI服務領域的起點本身就大了一個量級，10年、20年後，其終點可能是巨大的。
更關鍵的是，我們的認知也升級了：AI不只是攻擊服務市場，它也同時在攻擊軟體市場。這意味著兩個盈利池都在被侵蝕。
我們看到很多公司從軟體起步，逐步智慧化，變成協助式產品（co-pilot），再進一步變成自動化產品（autopilot）。從銷售“工具”進軟體預算，到銷售“結果”進人力預算。兩個TAM（可服務市場總量）都在變化。
這張蛋糕圖，代表過去幾十年來的技術浪潮層層堆疊，把我們帶到了今天。
這頁幻燈片有兩個重點：
-
AI不僅是“不可避免”的，它是“迫在眉睫”的——計算、網路、資料、人才，所有要素都已經具備。 -
技術浪潮是“疊加”的，而不是替代的，這意味著機會比以往任何浪潮都更大，來得更快。
我不太喜歡這張圖。X軸是時間，Y軸是虛榮指標。雖然很多人濫用這圖來證明各種主張，但有一點是對的：事情發生得越來越快。
為什麼？從傳播的物理本質看，只需三個條件：人們得“知道”你的東西、得“想要”你的東西、得“能買到”你的東西。
當年雲計算剛興起，沒人關注，Benioff 甚至搞遊擊營銷吸引注意。但AI完全不同：2022年11月30日，ChatGPT一上線，全世界開始關注AI。
中間這一列是Reddit和原Twitter的月活資料，雲計算時期它們根本不存在，移動網際網路早期也很弱，而現在這兩個平臺總使用者數已經超過12億甚至18億，是獲取新技術資訊的核心渠道之一。
右邊，我們今天有56億人接入網際網路，是當年Benioff時代的幾十倍。全球每一個家庭和企業都能接入技術分發的“鐵路”。這代表了：AI普及沒有任何障礙。
我們該怎麼做？怎樣贏？
兩點：第一，白板區域還很大，儘管比去年少了一些，但機會仍然廣闊；第二，圖中這些logo代表的是在歷次技術轉型中實現十億營收的公司，集中在應用層，而非底層。我們相信AI也一樣——價值集中在“應用層”。
但這次你有競爭對手：第二類可擴充套件性規律（Scaling Law）、推理時間計算（Test-time compute）、工具使用和智慧體間通訊，讓基礎模型已經深入應用層。如果你是創業公司，又沒做全棧閉環業務，那就從“客戶倒推”出發，做垂直領域、具體職能，解決複雜問題，哪怕需要人類參與。這就是賽道，價值就在這。
我們去年說過：95%的AI創業，跟普通創業沒區別，解決真實問題、招募優秀團隊、構建護城河。而那5%的AI特性，才是決定勝負的關鍵。
Doug Leone總結的“Leone 產品價值鏈”：從腦中想法，到客戶手中產品，背後涵蓋工程、市場、銷售、支援整個鏈條。你可以透過“自有產品的資料使用”構建飛輪、可以為某個行業而生、可以說行業的語言……這都是大模型做不到的定製護城河。
我們常被問：投資AI公司最看重什麼？95%標準跟其他行業一樣，5%AI特有：
-
收入 vs. “氛圍收入”（vibe revenue）：別自我感動，得看這收入是否真的改變了使用者行為？是否有持續性？使用者真的在用嗎？有留存嗎？不要“假繁榮”。 -
毛利：我們不太在意你今天的毛利率是多少，token成本已在18個月內下降99%，未來還會繼續降。如果你能從工具銷售轉向結果銷售，價格會上漲，毛利會上升，關鍵是有沒有路徑。 -
資料飛輪：請舉手：你有資料飛輪嗎？那這個飛輪推動了什麼業務指標？如果答不上來，那要麼你沒有飛輪，要麼它沒用。飛輪必須和業務指標掛鉤，才是真護城河。
最後一頁圖：誰能說這兩樣東西怎麼聯絡的？其實沒邏輯。重點是這句——“自然厭惡真空”。
市場裡對AI的需求，已經形成巨大的吸力。無論宏觀經濟如何震盪，技術的浪潮會吞噬一切波動。你不上，就會有人上。因為自然厭惡真空。
所以我們講了那麼多護城河、指標、戰術……但別忘了：你現在是在一個“跑得快才活得下”的行業裡。時不我待。
現在我來接棒，分享我們對AI當前進展的觀察，並從“客戶需求”與“技術演進”兩個角度回顧過去一年。
首先，去年的這張圖你們還記得嗎？它比較了AI原生應用與傳統移動App的“日活/月活比值”（DAU/MAU）。當時的結論是：AI App 的使用者參與度很差，炒作大於實際。但現在完全不同了。
我們很高興看到，比如 ChatGPT 的日活月活比一路攀升，接近 Reddit 水平。這是一個非常好的訊號，說明越來越多的人正在從AI中獲得實際價值，AI 正逐步融入我們的日常生活。
有些使用場景很輕鬆有趣，我自己就燒掉了無數張 GPU 試圖把萬物“jiblify”。雖然這些 viral 用法很好玩，但我們更激動的是，那些正在深入落地的嚴肅應用場景：
- 廣告
用AI生成極其精準且優美的廣告文案； - 教育
用AI瞬間視覺化抽象概念； - 醫療
像 Open Evidence 這樣的App能輔助醫生更好地診斷。
我們現在僅僅是在表面觸及AI潛能的邊緣。
有誰看過電影《她》（Her）嗎？
我們今天現場還有 Brendan。雖然我們還沒有真正的AI版“斯嘉麗·約翰遜”，但2024年已經帶來了“Her時刻” —— 在聲音與語音生成方面，我們從“幾乎可以”跨越到了“完全逼真”。
我聽過一些人說語音生成已經越過“恐怖谷”。讓我來試著震撼你一下 —— 你是否想過，《Her》裡的情節真的正在變為現實？Sesame 的語音演示令人難以置信，Brendan，我很期待你們將構建的未來。
人們常說圖靈測試會被逐漸逼近，但它幾乎是偷偷摸摸地悄然完成的。（感謝 Jim Fan 提出這個說法，我借用了他的推文。）
今年的爆款應用類別其實是“程式設計”。
Anthropic 的 Claude 3.5 Sonnet 釋出後，整個編碼領域迎來了“氛圍逆轉”（vibe shift），人們現在正用AI來實現令人驚歎的程式設計效果。
比如，有人用Claude寫出了自己的Docsend替代品。無論你是10x工程師，還是對編碼一竅不通，AI 正在改變軟體開發的可及性、速度與經濟結構。
從“技術驅動”的視角看，壞訊息是：預訓練的擴充套件正在放緩。
自AlexNet以來，預訓練已經擴充套件了9~10個數量級，很多“低垂果實”已經被摘掉。但我們也看到了突破口：推理能力（reasoning）。
去年在AI Ascent，我們幸運地請到了OpenAI的Noam Brown，提前展示了推理的演進。今年我們很高興有Dan Roberts在場，他將講述O3及其推理最新進展。
但不僅僅是推理——合成數據、工具使用、AI鏈式推理（scaffolding），都在融合，催生出全新智慧擴充套件方式。
Anthropic的MCP構建了強大的生態系統，我們也非常期待它如何推動“代理工具的使用”。
這些因素疊加：基礎更大的模型、推理時間增強、工具組合使用，都讓AI開始能夠勝任越來越複雜的任務。
Meter 基準測評提供了一個不錯的量化指標，但我們更看重的，是你們每一位實際用03、Operator、Deep Research 或 Sonnet 完成的那些“以前不可能”的工作。
目前最令人興奮的技術創新，正在“研究”和“產品”的模糊邊界展開。
過去一年，兩個突破性例子是 Deep Research 和 Notebook LM。
我們今天也很榮幸邀請到他們的創始人：Notebook 的 Risa 和 Jason，以及 OpenAI 的 Issa Hulford。如今他們創辦了新公司 “Hu”。
接下來是價值的分佈問題。
我記得曾經和紅杉的合夥人們爭論：“AI的價值到底會累積在哪一層？”
當時我自己在這張圖的中段，“半懂不懂”的位置。我不太相信所謂的 GPT-wrapper，但我的合夥人們，尤其是 Pat，非常堅定地認為：價值會累積在“應用層”。
現在回頭看，Pat，你是對的。
Harvey、Open Evidence 等公司用“客戶需求反推”的方式真正創造了應用層的價值，這正是我們所堅持的。
但要注意：基礎模型本身也在快速嚮應用層滲透，競爭激烈。
補充一句，其實我們都搞錯了——真正賺最多錢的，是“圖形計算之神”Jensen Huang。他才是這整條AI棧的終極贏家！
再回到應用層。
我們認為第一波“AI殺手級應用”已經出現，比如：ChatGPT、Harvey、Glean、Sierra、Cursor、Abridge 等。
但還有更多垂直市場新公司正在興起，比如 Listen Labs、Open Evidence。
一個預測：未來很多新公司將是“Agent First”公司。
這些代理系統會從今天“拼湊出來的原型”進化為真正可靠的系統。我們觀察到兩種路徑：
-
路徑一：透過精細排程、測試和評估來提升表現； -
路徑二：訓練在端到端任務上表現優異的智慧體。
今天，Langchain 的 Harrison 和 OpenAI 的 Issa 都會深入探討這兩種方法。
另一個預測是：2025年將是“垂直代理（Vertical Agent）”的爆發之年。
這對那些深刻理解行業流程的創業者來說，是重大機會。我們看到這些代理正在透過“合成數據 + 使用者資料 + 強化學習”來訓練，在特定任務上超越人類。
一些早期證據讓我們非常樂觀：
-
安全領域的 Expel展示了其AI代理在滲透測試中已超過人類； -
DevOps 領域的Traversal展示了AI故障排查代理已超越最好的工程師； -
網路領域的 Meter表現同樣亮眼。
雖然還早，但趨勢明確：垂直代理已具備超越人類的效能。
最後一個預測：2025年AI進入“豐盈時代”（Abundance Era）。
程式碼是最先成熟的市場，它會成為豐盈時代的預演：當勞動力便宜、氾濫時會發生什麼？我們是否將迎來一堆AI垃圾？當“品味”成為真正稀缺的資源，我們又該如何應對？
程式碼代理的持續進展，不僅會重塑技術格局，也預示著其它行業即將面臨的劇變。
謝謝 Sonia，幹得漂亮。大家早上好，謝謝 Sonia，也謝謝 Pat。
我們剛才講了幾個很重要的大主題：
-
“So what”：為什麼這些事如此重要； -
“What now”：AI 當前的發展狀態和即將發生的變化。
接下來我們要退一步，看得更遠一些——思考未來中長期的發展趨勢。
這個部分分為三段：
-
下一波重大浪潮是什麼； -
實現這波浪潮所需的技術； -
這對我們每個人意味著什麼。
去年在 AI Ascent 大會上，我們重點講的是“Agent”。當時我們預測這些“機器助手”最終會組合成網路，彼此協作，形成agent swarms（智慧體叢集）。現在，它們已經開始出現在很多公司中，成為AI技術棧的重要組成部分。
這些 agent 之間正在合作、競爭、相互推理。我們預測未來幾年，它們會進一步演化，形成一個全新的結構：agent economy（智慧體經濟）。
什麼是“智慧體經濟”？
這不只是資訊的互動，而是資源的流通——它們能轉移價值、執行交易、建立信任網路，並且擁有某種形式的“記憶”和“可靠性評估”。
但要實現這樣的智慧體經濟，還需要解決三大技術挑戰：
一、持久身份（Persistent Identity）
這實際上包括兩方面：
- Agent 本身要具備持續性。
如果你今天和某個Agent合作，明天它完全變了個人，那很快就沒人願意再跟它打交道了。所以Agent需要穩定的個性與知識體系。 - Agent 對你的理解要具備持續性。
就像一個人，如果每次見面都不記得你是誰，這也嚴重影響信任和可靠性。
雖然我們嘗試了很多技術手段（比如 RAG、向量資料庫、超長上下文視窗），但真正意義上的記憶與自我學習能力仍有巨大挑戰。
Agent 需要在“該保持一致”時始終如一，“該變化的部分”則能有選擇性地更新。
二、無縫通訊協議（Seamless Communication Protocols）
想象一下，如果沒有TCP/IP，沒有網際網路，個人計算機根本無法形成生態。
今天我們就在構建AI時代的協議層，比如MCP（多模型通訊協議）。現在大家開始真正關注這一層級，是一件好事。
我們未來需要的不止一個協議，而是一整套“資訊傳遞、價值傳遞、信任傳遞”的基礎協議集合。
三、安全（Security）
這將變得越來越重要。
因為你和 agent 無法“面對面、握手確認”，所以信任與安全機制的建立，顯得比現實經濟中更為關鍵。
我們預計將會出現一整個產業，專注於保障智慧體經濟中的“身份驗證、安全通訊與信任模型”。
講完了這三大技術支柱，接下來我們來談談這些變革，對我們每個人具體有什麼影響。
第一，心智模型的變化：我們需要具備“機率型思維（stochastic mindset）”。
過去的計算機科學是“確定性”的：你告訴程式做什麼，它就老老實實地做，即使結果是宕機也照樣執行。
而現在，我們進入的是一個“非確定性”的計算時代。
舉個例子：
你讓傳統計算機記住數字“73”，它永遠會給你“73”。但如果你問一個人，或一個AI，它可能記住的是：73、37、72、74，甚至是下一個質數79……或者什麼都不記得。
我們要適應這種“機率式、不確定”的計算行為。
第二，管理思維的變化：你要知道你的Agent能做什麼、不能做什麼。
就像你不能指望一個優秀的工程師自動變成一個好管理者一樣，你也不能期望一個Agent自動知道什麼是“反饋”“流程”“策略”。
整個經濟系統都會轉向更復雜的“協調式管理任務”。我們必須像管理人一樣去管理這些AI代理。
但請大家努力——別發展出年終考評系統來評估Agent 😅。
第三，更高的槓桿、更大的不確定性。
我們將進入一個“你能做的事比以往更多，但你對結果的確定性卻更低”的世界。
你得學會在不確定中前行，並且有效管理風險。在這樣的世界裡，在座的每一位，都是最具適應力的人。
一年前在AI Ascent上，我們展示過一張圖，預言AI將提升個人槓桿率。
-
起初，是每個職能部門會有自己的AI Agent； -
接著，這些職能會聚合，形成“完整流程由AI完成”的自動系統； -
我們甚至預測，未來將出現“一個人創造的獨角獸公司”。
雖然這個目標還未實現，但我們已經看到公司以史無前例的速度擴張，且所需人數比歷史上任何時候都少。
最終，這些Agent、流程將融合，我們將進入一個“複雜神經網路互聯成超級網路”的時代：
-
它將重塑個人工作方式； -
重構組織架構； -
重新定義整個經濟。
感謝各位來到AI Ascent，我們即將開啟一整天精彩的內容，感謝你們與我們一同見證AI的未來！
版權宣告：部分文章推送時未能與原作者取得聯絡。若涉及版權問題，敬請原作者聯絡我們。