当算力、模型、分发路径与用户习惯同时成熟，AI 应用的黄金时代悄然来临。真正的主战场，已经从“训练最强模型”转向“谁能让AI真正用起来”。在红杉资本的这场闭门分享会上，Pat Grady、Sonia Verma 和 Constantine Vassilev 共同抛出四个关键问题——What is it、So what、Why now、Now what？——试图为这场史无前例的智能浪潮划定航向。
他们给出的判断令人震撼：AI不仅正在颠覆服务业，还将在十年内撕裂整个软件产业的利润结构。传统的工具型企业将被AI重构为结果导向型组织——不是“卖软件”，而是“卖结果”；不是“雇佣人”，而是“调用Agent”。
更具争议的是红杉的核心观点之一：AI创业的决定性战役将发生在应用层，而非底层模型。这与过往“大模型赢家通吃”的逻辑背道而驰，却也解释了为何 OpenEvidence、Glean、Harvey 等应用型AI公司迅速崛起。
“智能体即公司，应用层即未来。” 他们断言，未来的商业世界将被由AI驱动的智能体网络重构，每个企业职能都将由AI智能体替代，人类角色则退居为策略协调者与风险管理者。而AI Agent的杀手级场景，极可能出现在医疗、法律、教育、客服、DevOps等“高决策+高复杂度”的垂直领域。
以下是全文翻译。
应用层才是AI的主战场
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。
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正让这两个核心市场（TAM）在同时开放，利润池的争夺正处于初期阶段。
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。
第三是数据飞轮。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Hux），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
