喝点VC｜红杉美国详解“万亿美元AI机遇”：如何赢得应用层战争？

本文由 Z Potentials 撰写/授权提供，转载请注明原出处。

本文来源：Z Potentials

AI 所颠覆的远不止服务市场，它同时冲击了软件和服务两大盈利池，我们正站在一个前所未有的巨大市场入口。

AI 创业的本质仍是用独特方式解决重要问题，构建出色团队，95% 的路径与传统创业无异，真正属于 AI 的差异仅占 5%。

我们正在进入‘智能体经济’时代，这些 AI 系统不只是传递信息，更能进行交易与追踪，理解信任与可靠性，逐步演化成一个嵌套的经济网络。

当劳动力变得极度廉价且无限充裕，整个编程领域将首先进入‘丰饶时代’，AI 将以惊人的杠杆效应重塑所有行业的生产方式。

Sonia Verma、Pat Grady 和 Constantine Vassilev 均为红杉资本的合伙人，在生成式 AI 与智能体经济领域有深厚洞察力与投资经验。本文为红杉 AI Ascent 2025 峰会开幕主题演讲节选，聚焦 AI 应用层价值、智能体经济与未来创业路径。

AI 不是未来，是现在：应用层的黄金时代已开启

Pat Grady：我是 Pat Grady，红杉资本的合伙人。今天由我、Sonia、Constantine 以及所有红杉合伙人共同主持这场活动。在进入正题之前，我们三人想先分享一些过去一年中积累的观察与思考。我们当然知道，自己只是开胃菜而不是主菜，我们理解大家真正期待的是什么，但在那之前，请允许我们先提出几个思考框架。

首先，我们希望做一个校准：我们怎么看当前 AI 领域正在发生的事情？这是我们用来理解市场的一个简单分析框架：“What is it?”这是唐·Valentine 式的提问。“So what?”它有何意义？“Why now?”为什么偏偏是现在？或许这不可避免，但它是否真的已迫在眉睫？最后是“Now what?”我们该做什么？怎样把握机遇？如何赢得胜利？这几年来我们逐一探讨过这些问题，今天我们来更新一下我们的思考。说实话，我原本想聊一个重磅主题，但 Constantine 委婉地提醒我，在满屋子 AI 专家面前讲“AI 不是什么”可能不太合适。所以我们直接讲重点。

图片来源：Sequoia Capital

去年我们曾分享过一个三阶段的转型模型，它将云计算与 AI 的发展进行了对比：左边代表过去，中间是现在，右边预示未来。我们当时观察到，云转型初期的市场规模就已经达到了 4000 亿美元，甚至超越了整个全球软件市场。如果用类似的逻辑来看AI，眼下我们所面对的市场起点，至少比过去的云服务市场大一个数量级。展望未来十年或二十年，这个市场的潜力极其庞大。我们现在的认知是：AI 所颠覆的远远不止服务市场，它也在冲击整个软件产业。这意味着两个最大的利润池：服务与软件都在同步遭遇变革。我们已经看到很多企业从传统软件起步，逐步走向智能化：先像辅助驾驶那样为人类协作，再像自动驾驶那样自主执行。最终，企业不再只是销售工具，而是开始把软件预算转化为销售成果，进一步演化为人力成本上的节省。换句话说，AI 让这两个庞大的市场都变得更加容易进入、具备争夺空间，成为创业者触手可及的机会。

过去我们曾总结过技术浪潮的演进轨迹，其中有两个核心观点：第一，AI 已不再是遥远的未来，而是真正进入了临界点。算力、网络、数据、分布式架构和人才等所有关键条件如今已全部到位。第二，不同的技术浪潮往往是叠加发生的，而这一次的 AI 浪潮，不仅规模远超以往，来临的速度也更加惊人。老实讲，我不太喜欢用那种趋势图表，X 轴是时间，Y 轴是所谓的“虚荣指标”。大家总用这些图表为各种不当行为找借口。但它揭示的现象是对的：事件的发生速度确实越来越快。然而，真正去思考其背后动力的人并不多。我们不妨换个角度看问题，用传播物理学的思维来理解。任何技术扩散其实只需要三个条件：人们知道你的产品、想要你的产品、并且有能力获得你的产品，仅此而已。还记得早年间云计算刚启动时吗？根本没有人关注，Ben Horowitz 甚至需要靠游击营销引发注意。而 AI 完全不同。2022 年 11 月 30 日，ChatGPT 的横空出世让全世界的目光都聚焦到了 AI。

在云计算和移动互联网兴起的早期阶段，像 Reddit 和 Twitter 这样的社交平台还尚未出现。而现在，它们已成为亿级用户聚集的传播渠道。与此同时，全球互联网用户从 20 亿增长到了 56 亿，几乎覆盖了每一个家庭和企业。这说明基础设施已经就位，当下再无采用障碍。这并非 AI 独有的现象，而是整个技术分发模式的新常态，底层规则已经改变。铁轨已经铺好。那么，问题来了：我们该如何应对？我们的决胜点又在哪里？有两个核心要素值得关注：第一，虽然很多空白市场如今已有企业进入，但仍存在大量未被开发的领域；第二，在以往的技术转型中，真正做到十亿级营收的企业，大多集中在应用层。这正是我们关注的焦点。我们始终认为，AI 的最大价值也将在应用层实现。但这条路径并不容易，你将面临激烈竞争。你需要理解“第二增长曲线”的逻辑，拥有测试算力，具备工具推理与智能体通信能力，才能让基础模型深入渗透到应用层。

那作为非垂直整合的初创公司，你该怎么做？答案是：从用户需求出发，专注垂直场景，解决那些仍需人工参与的复杂问题。这才是竞争的本质所在，价值最终将汇聚于此。那具体要怎么赢？95%的AI创业其实和传统创业别无二致：你还是需要用独特方式解决真正的问题，还是要建立一支优秀的团队。这是基本功。真正属于AI的那5%，则体现在三个方面：第一是营收。请远离虚浮营收，别被假象欺骗。看起来像是“我们赚翻了”的繁荣背后，可能只是昙花一现。你要问自己：这是否真正改变了用户行为？是否有参与率、留存率、活跃度来支撑？第二是信任。信任比产品更重要，特别是在当前早期阶段。如果用户相信你能不断改进产品，他们就会留下。相反，如果你失去了信任，再好的功能也无法挽回。第三是利润率。不担心你当前的毛利率高低，因为 token 成本在过去 18 个月里已经下降了 99%，未来只会更低。你需要的是沿价值链不断向上，提升定价权和利润空间，构建一个可以持续盈利的业务模型。

此外，还有一点至关重要：数据飞轮。请认真思考：你是否真正建立了一个能驱动核心业务指标的数据飞轮？如果连它推动了什么都说不清，那它多半并不重要。真正有价值的数据飞轮，必须与业务成果紧密挂钩，这是你最有可能构建出的核心护城河之一。最后，我想强调一点：市场永远厌恶真空。当你还在观望时，别人就已经上场。现在我们看到的是巨大的虹吸效应，所有宏观经济的噪音都不重要，技术采用的趋势将淹没一切市场波动。换句话说，如果你现在不冲刺，别人就会抢跑。而你必须全速前进，从现在开始就保持极限速度。

智能体即新公司：构建人与AI共生的机器网络

Sonia Verma：谢谢 Pat。接下来我想聚焦于我们正在经历的一些关键变化。我们将从客户反馈和技术演进两个维度，快速回顾 AI 在过去一年中的真实进展。首先是一个年度观察。2023 年我们曾提出一个判断：AI 原生应用的用户活跃度远低于传统移动应用，日活与月活的比值极低，炒作明显大于实际使用。但现在我们很高兴地宣布，这个判断发生了重大转变。以 ChatGPT 为例，它的日活与月活比率曲线已迅速上升，接近 Reddit 等成熟平台，令人惊叹。这无疑是个积极信号。越来越多的人正在从 AI 中获得实际价值，大家都在探索如何将其真正融入日常生活。很多时候，这种使用本身也很有趣，我自己就曾为了尝试各种“Jibilify”风格生成，烧掉了相当多 GPU 资源。虽然这种现象带有明显的娱乐性和病毒式传播特征，但更令人兴奋的是，我们刚刚触及的深层应用可能性。广告行业正在用生成式 AI 打造精准文案，教育领域能即时将抽象概念可视化，医疗场景中如 OpenEvidence 等工具也正在辅助医生实现更高精度的诊断。我们眼下所见的，不过是这场巨大能力释放的起点而已。说到人与AI的关系，不知道大家有没有看过电影《Her》？虽然我们还没迎来 AI 版的 Scarlett Johansson，但 2024 年确实可以被称作语音生成的“Her 时刻”。语音技术终于全面跨越了“恐怖谷效应”，进入了真正自然流畅的体验阶段。

有人提醒我要制造点悬念，那我们就来看看这些新技术是否真的能颠覆你对AI的认知。《Her》这部片子真是经典，Joaquin Phoenix 那段爱上操作系统的表演深入人心。而现在，包括 Sesame 在内的语音系统已经达到了令人难以置信的水平。科幻与现实之间的缝隙，正以惊人的速度消失。图灵测试似乎已经悄然成为现实，这一观点来自 Jim Fan 的一条推文，我也借来作为演讲的切入。回到过去一年的技术爆发点，今年增长最迅猛的 AI 应用类别是编程工具。Anthropic 发布的 Claude 3.5 Sonnet，自去年秋季上线以来，彻底改变了整个开发生态。我们已经看到开发者用 AI 构建自己的文档工具，编程效率出现了 10 倍提升。而对于初学者来说，AI更是大幅降低了入门门槛。它正在根本上重塑软件创造的方式：提高可及性、加快速度、降低成本。当然，技术层面也有坏消息，预训练的进展正在放缓。自 AlexNet 以来，我们已经把模型规模提升了9到10个数量级，这也意味着最容易的突破机会基本都已用尽。研究界开始转向寻找新的增长路径。其中最重要的突破是 OpenAI 在“推理能力”方面的进展。去年，我们邀请了 Strawberry 团队的 Noam Brown 在 AI Ascent 大会做了一场精彩预演。今年则将由 Dan Roberts 带来关于 o3 模型与推理进化的演讲。

但这不只是关于“推理”的故事，它还涵盖了合成数据的生成、工具链的调用能力、AI 脚手架等多个新兴模块。这些技术共同组成了一个“智能扩展”的新范式。Anthropic 所打造的 MCP 系统，已初步形成了强大的生态结构，我们非常期待它如何进一步加速“工具型AI”的落地。我们观察到，一些大型基础模型正在整合推理、工具调用、主动思考等多个模块，逐步形成具备执行复杂任务能力的系统。虽然Meter基准测试提供了量化衡量这些能力的指标，但我们更看重的是：有哪些新事物，只有通过 o3、Operator、Notebook LM 或 Claude Sonnet 才变得可行。在我们看来，过去一年中最具突破性的产品就包括 Deep Research 和 Notebook LM。这两款产品的创始人今天也来到了现场：Risa 和 Jason 来自 Notebook 团队（他们也正在启动一家新公司 Hu），Issa Hulford 则来自 OpenAI。

接下来，我想转向 AI 技术栈中的价值分布问题。回想过去，我曾和红杉内部的几位合伙人就此进行过一场有趣的辩论。当时我就像那个坐在图表中间、陷入犹豫的“中等智者”，对“GPG rapper”模型的看法拿不定主意。我还记得 Pat 是当中最坚定的一位，他坚信价值最终会集中在应用层。当时我心里还嘀咕着：“好吧 Pat，祝你好运。”但几年下来，事实证明Pat是对的。他站在了胜利者一边，值得致敬。我们之所以这么说，是因为我们亲眼看到 Harvey 和 OpenEvidence 等公司正在真实地为客户创造价值。也正是这些案例，让我们更加确信：AI 技术栈的价值终点，确实是应用层。尽管基础模型层的竞争日益激烈，但在真正的客户关系、商业转化与产品落地中，应用层拥有压倒性的价值承载力。

说个玩笑话吧，其实我们这些搞应用层的也都被现实打脸了。因为技术栈中真正的“无冕之王”，其实是 Jensen Huang“GOAT”本人，他几乎把整个产业的钱都赚走了。我们很期待稍后能听到他的分享。回到应用层，我们认为第一波杀手级 AI 应用已经到来。无论是 ChatGPT、Harvey、Glean、Sierra、Cursor、Bridge，还是 Listen Labs 和OpenEvidence，这些公司都正在不同终端市场快速崛起。今天我们也邀请了其中不少代表来到现场。我们观察到，新一代AI公司中，大多数都是以“智能 Agent”作为核心产品。这些Agent系统将从当下拼凑型的原型产品，进化为真正可靠、可部署的智能系统。企业在构建智能Agent时通常采用两种路径：一是通过严密的测试机制，对流程进行精细编排；二是专注于端到端任务，直接对 Agent 系统进行调优。今天你们也会听到来自 LangChain 的 Harrison 和 OpenAI 的 Issa 对这两种路径的深入探讨。

我们对 2025 年 Agent 公司的形态也有一个预测：垂直领域智能 Agent 将成为主流。对那些深耕特定行业的创业者来说，这将是一次绝佳机会。我们已经看到一些企业通过合成数据强化学习、结合真实用户数据训练，构建出聚焦于特定工作流的智能 Agent 系统。这些迹象让我们感到非常乐观。例如，安全行业的 Expo 展示了能超越人类渗透测试员的 AI；在 DevOps 领域，Traversal 的 AI 故障排查系统已经优于最顶级工程师；网络运维方面，Meter 同样表现优异。虽然这些案例还处在早期，但它们让我们确信：专注解决具体任务的垂直 Agent，完全有可能超越人类专家，成为关键执行力。我们对 Agent 系统的最终预测是：我们正步入“丰饶时代”。代码是第一个被颠覆的市场，这将成为“丰饶时代”的预演。当劳动力变得几乎无成本且无限可扩展时，会发生什么？会不会迎来大量 AI 垃圾内容的涌现？当“审美”变成稀缺资源时，又将如何定义创意？我们拭目以待编程 Agent 的持续演进，因为这不仅会重塑整个软件产业，也会成为未来其他行业 AI 化进程的先兆。

智能体经济将至：重构个体、组织与经济的未来

Constantine Vassilev：大家早上好，感谢 Sonia，也感谢 Pat。刚才我们探讨了当前 AI 的发展现状及其近期趋势。现在，我想带大家退后一步，从更长远的视角出发，看看未来的可能路径。今天我们这部分内容将分为三部分展开：首先，我们将介绍我们眼中的下一波技术浪潮；其次，探讨实现这一浪潮所需的关键技术支撑；最后，我们来看看这些变化将如何重塑每个人的日常生活。一年前，在 AI Ascent 峰会上，我们提出“Agent”是技术栈中的关键构件。当时我们预测，这些尚在早期商业化阶段的AI助手，将逐步聚合成互联互通的机器网络。今天，这一趋势正在显现，这些网络现在被称为“智能体集群”，它们已经在许多企业中落地并发挥作用，逐步成为 AI 技术堆栈中的核心基础设施。这些智能体之间不仅能够协作，还能展开对抗、进行推理，并将在未来几年进一步演化为一种新的经济形态——智能体经济。

在这种智能体经济中，AI 智能体的角色远不止信息传递。它们还能在系统中转移资源、完成交易、进行关系追踪，并建立对信任与可靠性的基本理解，从而构成一个独立且可运行的经济系统。需要强调的是，这并不是一个以“取代人类”为目标的系统。相反，它始终是以人为核心构建的。智能体经济的真正形态，是人与 AI 之间的深度协同。但要实现这一愿景，我们仍需解决几个关键的技术挑战。今天，我想聚焦其中三项，它们是任何构建者都无法回避的问题。

首先，是持久身份认证。这个问题分为两个层面：一是智能体自身的持久性。如果一个商业协作者的性格与认知天天变，长期信任和合作就无从谈起。智能体必须保持稳定、连贯的“个性”和记忆结构。第二，是对用户持久性的理解。试想，如果你的 AI 每次都记不住你是谁，对你没有任何长期记忆，那信任感也无从建立。我们已经尝试了 RAG（检索增强生成）、向量数据库、超长上下文窗口等技术手段，但要实现真正的“长期记忆”与基于记忆的个性化学习，依然面临巨大挑战。换句话说，关键问题是：如何在保持智能体个性和差异化的同时，实现关键环节的一致性？

第二个技术挑战，是构建无缝通信协议。令人鼓舞的是，整个行业似乎正在同步朝这个方向努力。想象一下，没有 TCP/IP 的个人计算将无法连上互联网；而没有通信协议的智能体生态，同样无法建立。我们正在构建这一层“协议堆栈”，其中最令人振奋的进展，是围绕 MCP （Multi-chain Protocol，多链协议）的发展。这个协议不仅承载信息传输功能，还能实现价值转移与信任传递。看到众多行业头部力量开始联手推动这项基础设施建设，我们感到非常鼓舞。

第三个挑战，是安全性。相信大家都已经感受到这一议题的重要性。当人与商业伙伴无法面对面互动时，安全和信任的价值就会被无限放大。在智能体之间的交互场景中尤其如此。我们预判，围绕“信任与安全”的整个产业链将快速成型，其重要性甚至将超越现有经济体系中的传统安全架构。这不仅是技术挑战，更是基础建设。

以上是我们对“智能体经济”所需底层能力的简要回顾。接下来，我们谈谈这场变革对每一个人的影响。首先，它将改变我们的思维方式。事实上，在座各位已经具备了一种我们称之为“随机性思维”的能力。这种思维方式有别于我们过去几十年熟悉的“确定性计算”。很多人之所以迷上计算机科学，是因为它的逻辑清晰、结果可控：你写一段代码，机器就按部就班执行，哪怕是 bug 也能复现。但我们正在进入一个“随机计算时代”。比如说，你今天告诉AI数字是 73，它明天可能记得是 73，也可能记成 72、74，甚至是下一个质数79。更有可能，它完全忘记了。这背后揭示的是一个本质区别：AI 计算将越来越接近人类的“记忆偏差”与“语义跳跃”，这要求我们必须彻底转变认知方式。第二个转变，是管理范式的改变。过去的层级式、静态组织结构，将让位于更具弹性和适应性的动态协同网络。管理者将不再只是管理人，而是学会与具有一定自主性的智能体共事。这对组织治理提出了新挑战：既要理解算法的不确定性，又要建立起一套可控、可审计的人机问责机制。其中的关键是：你必须知道你的智能体“能做什么，不能做什么”。这就像工程师和工程经理的差别一样，懂技术是一回事，会管理是一回事。未来的组织，必须理解这一变化，并据此构建新的协作模型。

第三个转变，是前两者的结合结果：我们将进入一个“高杠杆、低确定性”的时代。你能做的事情会变得更多，但相应地，你也必须更擅长处理风险与不确定性。而在座的各位，正处于这个新世界的最佳位置。我们一年前就在 AI Ascent 大会提出过预测：未来每个组织职能都将配备专属的 AI 智能体。而现在，我们进一步认为，这些职能将不再是分散的，而是像神经元一样聚合成集群，由智能体协同完成完整的流程。我们甚至曾大胆设想，未来可能会诞生首个“单人独角兽企业”，一个人通过智能体实现对整个企业流程的掌控。虽然这还未真正发生，但我们已经看到一些公司用极少的人力，实现了前所未有的业务扩张。我们可以确信：这个时代的“杠杆效应”正在达到历史最高水平。最终，随着流程与智能体深度融合，我们将迎来像神经网络那样的“嵌套系统”，重构一切。它将颠覆个体的工作模式，重塑企业的组织架构，乃至重建整个经济体系的运转方式。感谢各位的到来。今天，我们将共同见证一场非凡的AI盛会。

原视频： AI's Trillion-Dollar Opportunity: Sequoia AI Ascent 2025 Keynote

https://www.youtube.com/watch?v=v9JBMnxuPX8

编译：Nicole Wang

扫码关注公众号

获取更多技术资讯