摘要：150位全球顶尖AI创始人得出共识：下一轮 AI，不卖工具，而是卖收益，红杉合伙人 Pat Grady称这将带来“万亿美元机会”。

内容来源：5月15日，《AI终局思考与硅谷行》直播。

分享嘉宾：彭志强，盛景嘉成创投创始合伙人。

责编| 柒排版| 鹅妹子

第 8974 篇深度好文：7692 字 | 15 分钟阅读

笔记君说：

近来红杉资本 AI 峰会刷屏了，

小编将发言全文整理如下，希望对你有所启发，Enjoy~

过去十多年，国内在数字化、SaaS、企业服务领域投入了上千亿资金，却鲜有真正跑出的企业。

大家普遍认为，中国软件、SaaS行业困难，收费难，是因为中国企业不愿意为工具付费，而美国不一样，美国企业和用户愿意为工具付费。

但红杉峰会上所提出的“下一轮 AI，卖的不是工具，而是收益”这个观点说明，其实全世界的企业和用户都更愿意为收益、为结果付费，这是人性，只是在中国这个现象更为突出或显性而已。

盛景在今年3月初提出 AI RaaS（Result as a Service）模式，与红杉的“卖收益”思想高度一致。

工具导向是把复杂问题留给客户，把简单留给自己，就像“铁路警察只管一段”；结果导向则把复杂留给自己，把简单留给客户，用工具降本增效后直接交付价值。两种模式完全相反。

AI应用必须转向结果导向，为客户创造可量化的收益。

这将改变几乎所有行业的运行规则，可谓商业经营中的百年未有之大变局，也将带来极为巨大的创新创业机会。

一、硅谷行思考：

硅谷创新创业生态四大感悟

我这次在硅谷停留了两周，感触颇深。

整体来看，硅谷 AI 创新创业的热情非常高，企服、SaaS类公司纷纷推出 AI 应用，道路两旁的广告牌基本都被 AI 公司占据，无论微软、OpenAI 等巨头，还是 NotionAI 等独角兽，抑或大量 Startup 公司，全部蓬勃涌动。

硅谷俨然处于 AI 创新亢奋期，其中华人创业者比例也相当可观。同时，VC投资也非常活跃。

硅谷在AI领域确实仍然领先全球，中国虽有 DeepSeek 等亮点，但更多像“一枝独秀”或者“一花独放”。

面对全方位领先的硅谷，中国企业和创业者仍需持续研究、对标和追赶。

走访过程中，有几点印象尤为深刻：

第一，硅谷AI企业商业化意识强。

美国企业的商业化本能写在DNA里：如何创造收入、如何盈利，几乎是一种本能习惯。

即便是 OpenAI 这种底座大模型公司，去年收入已达数十亿美元，今年预计翻三倍，超过一百亿美元，官方展望2029年营收1200亿美元。

而且，美国C端、B端客户的付费意愿确实让人羡慕。

在通胀下，美国人工成本持续攀升，小费标准比过去高出许多，体感上中美人工成本差距已从“1:5-7”扩大到“1:10”甚至更高，这让美国企业服务的收费基准水涨船高，也让美国SaaS类应用能获得更可观的收费金额。

相比之下，中国 SaaS 企业或者 AI 应用企业所面对的无论是C端用户还是B端企业，客户的付费意愿都不强，这给中国创业者的商业化带来了更大的挑战。

但这恰恰提醒中国的创业者：无法改变市场环境，就必须在商业化上更下功夫、下决心。

红杉“卖收益而非工具”的观点，对于中国创业者更是刚性要求，是必须的生存前提条件。

仅仅“成果导向”还不够，中国的AI应用企业必须是“极致化结果导向”，也就是 AI RaaS 模式（Results As A Service）才能真正生存下来。

第二，硅谷的极早期孵化和天使投资非常发达，AI的发展进一步推高了其热度。创业公司的估值相对比较合理，或者比较理性。

硅谷最成功的孵化器YC，在AI浪潮推动下，如今每年孵化项目已增至600多家——Sam Altman接手之前每年孵化50多家，Sam Altman离开时，每年孵化提升到200多家。

YC之外，还活跃着五六百只极早期小基金，共同造就了硅谷 AI 应用和极早期孵化的热潮，堪比“大众创业、万众创新”的氛围。

这些极早期基金机构的投资规模可能并不大，一只基金的规模只有千万美金或者是数千万美金，却专注或聚焦在极早期的孵化投资上。

极为活跃的早期天使投资是硅谷之所以成为硅谷的关键所在。

第三，美国的创业公司通过被并购退出比较顺畅。

我在硅谷短短两周时间，就听到不少创业公司在创立三个月、六个月或者一年以后，以几千万美金甚至数亿美金的估值，被大公司或者上市公司所收购。

所谓通则不痛，痛则不通，流畅的退出渠道使得硅谷的创业和创投发展都更为轻松洒脱，这是硅谷创业和创投蓬勃发展的根本原因。

第四，用最少但最好的人，做最重要的事。

硅谷创业公司有一个用人的法则，非常值得大家参考。“用最少但最好的人，做最重要的事。”

我走访的企业中有一家由华人创办的 AI Agent 创业公司，融资近4000万美金，但公司不到40人，都是谷歌等高级工程师，人才密度非常高。

与之相反，中国很多创业公司往往会用很多一般的人，做着很多不重要的事，这非常值得我们警惕。

在AI时代，将发生一个非常显着的变化，那就是普通工作都会被AI所替代，最好的人才的价值是一般人、普通人的一百倍、一千倍。

随着AI的推进，技术成本革命性消减，创新成本也将趋近于零，未来将出现“One-Person Company”（一人公司）或者“0-Person Company”（无人公司），那些仍在“堆人头”的公司其自身价值将会面临巨大挑战。

有时候 AI Agent 这个词会给人们带来误导，觉得 Agent 是代理，是助手，但其实这一波 Agent 之所以让大家重视或者兴奋，是因为它会从被动反应的人工智能助手到具有自主性的人工智能，这是一种在思维模式、方法或观念上的重大变革。

过去人工智能助手通常是在接收到明确指令后才执行任务，但未来它能够主动感知环境、制定计划并采取行动，而不仅仅是对外部刺激做出被动反应。

因此，AI 企业不要再去考虑助手性的应用，它很容易就会被大厂所替代，我们还是要做自主性、主动性的，能带来最终结果的人工智能。

今天，“最重要的事情”就是如何为目标客户的核心需求交付极致化的结果，而不是开发一个AI工具。

二、AI RaaS，必须决战物理世界

过去常说 SaaS 是软件的升级，但在中国真正跑出来的 SaaS 公司屈指可数。原因在于：工具导向的模式难以打动看重结果的中国企业用户。

于是，盛景提出了 AI RaaS —— Result as a Service，即“结果导向”的模式，并强调它必须是极致化的结果导向。

红杉峰会把这一概念称为“Outcome”；但在中国，如果只交付过程性成果，只给客户半成品或中间环节，那只能收小钱，难以做大。

要做到极致化，往往就必须决战于物理世界，回到能源矿产算力电力、回到供应链与材料、回到硬件或设备等等。

这源自于三个原因：

第一，如果要想真正解决客户的痛点，真正为客户创造价值，必须结果导向。

仅仅是薄薄的一层数字化应用往往解决不了大问题，必须考虑物理世界才能解决客户的问题。

第二，如果要想真正收到大钱，就不能仅仅停留在数字化世界，而要回到物理世界。

因为数字化应用占到整个商业世界的利润池或者收入的结构，往往只有1%到3%区间，97%到99%的区间更多是与人力资源、资产、供应链、资本等覆盖的更大利润池。

第三，只有通过回到物理世界，才能与竞争对手实现显著的差异化。

在纯数字世界，能力差距有限，新功能往往几个月就被大模型或互联网大厂平替，价格会血拼。

但是，一旦到了物理世界，各行各业千差万别，大厂的规模效应、大模型的规模效应鞭长莫及，才有可能建立真正难以复制的壁垒。

只有能够提供端到端的软硬件一体化的数字世界和物理世界融合的解决方案，才能和竞争对手显著的拉开差距，才能最终为客户创造真正的价值，为客户真正的解决问题，才能真正的赚到大钱。

所以，决战在物理世界，这既是从客户的需求视角来出发——你必须为客户创造巨大价值，产生巨大的结果，同时也是从差异化竞争的角度来衡量，也是从企业自身盈利角度的必然选择。

三、AI RaaS的机会，在哪里？

假设你是 AI 公司、技术驱动型团队，想知道怎样做到极致化结果导向；或者你本身是实体制造、传统产业，手握场景、订单和客户，想借AI 开创新业务新模式——下面的例子都值得参考。

硅谷公司Kobold Metals 依靠 AI 探矿正是典型案例。其估值已达30 亿美元，融资近 10 亿美元，投资人包括马云、贝索斯、Sam Altman、比尔·盖茨及多家顶级VC和矿业巨头，在全球大举“跑马圈地”。

其利用 AI 技术颠覆传统探矿投资大、失败率极高的现状。

2022年，该公司一笔最成功的交易：用 1.5亿 美元买下赞比亚一处铜矿权，14个月后此铜矿的价值增至 100–150 亿美元。

迄今公司已控制近 100 个实体金矿、铜矿、锂矿。上周，美国国务卿还在刚果为其收购锂矿站台。

赞比亚明戈巴项目所在位置其实曾被不少探矿队钻探过，却都失之交臂。

借助 AI 技术，Kobold仅用了10天就完成了其他勘探队几年的工作，勘探成本也革命性地下降。AI找矿将大幅加速全球优质矿产被抢占的速度。

AI 找矿是典型的 AI RaaS 模式，即结果导向极致化，而且Kobold做得非常极致，借助 AI 新技术加持，不仅仅成为了包工头，还直接成为了矿老板、大业主。

传统勘探依赖经验或简单 SaaS，成功率受限，而 AI 的数据处理与决策能力能从根本上提升命中率。

在我看来，AI 探矿、AI 创新药、AI 新材料、AI 合成生物逻辑一致——每一座矿、每条二期临床管线都是一块资产、一个 IP，可分阶段估值、分阶段融资和分阶段出售。以探矿为例：

第一阶段是初筛：用卫星、无人机、各类地质数据做 AI 分析，只需几十万美元。

第二阶段打钻验证：再投入一两百万美元，实地下钻确认矿体含量。

若结果理想，才进入第三阶段：买下矿权并申请开采。此时，可发行矿业基金或与矿业巨头合资，资金自然涌来；矿权未来也可整体或部分出售，实现退出。

因此，AI 驱动的资产持有／管理公司并没有想象中难做——关键在于“敢按结果赚钱”。

你若真有金刚钻，就该揽下瓷器活。

本质上，这是商业认知的突破：别只当自己是软件公司，要让软件技术转化为矿权的持有者、联合持有者或管理者。

既然自认 AI 能力强，就别满足于卖工具费，而要拿结果分成。借助AI新技术，在各行各业都将诞生结果导向的 RaaS 公司。

盛景正是沿用这一逻辑，投资了一 家由华人创办的AI 探矿公司。

之所以先讲这个极致案例，是想说明：软件人也可以“买矿”、“发基金”，把盈利点放在矿业资产升值，而非软件许可费。更重要的是，这种模式可迁移到各行各业。

AI for Science 在材料领域同理——在我眼里，每一种新材料都是一座富矿。

硅谷另一家 AI 创新药公司 Formation Bio ，创始人也是华人。它用的也是类似逻辑，不卖软件，而是直接收购处于临床II期的创新药管线，开创了新型的 AI 驱动下的创新药ip资产经营模式。

截至2025年4月，Formation Bio已完成四轮融资，总融资额达5.28亿美元。

生物制药领域一直以来有个“双十定律”，既开发一种新药至少需要十年时间投入十亿美金,其中耗时最长、最烧钱的是临床试验阶段，它吃掉研发预算的 80%，但成功率却只有约10%。

这对很多生物技术公司和大型制药公司都是一个挑战，使得很多有前景的候选药物难以进入市场惠及患者。

Formation Bio选择与缺乏资源推进临床试验的制药公司、生物技术公司和学术机构合作，收购或授权其有前景的处于临床阶段的候选药物资产，提供所有必要的资金和AI赋能能力，以推动他们的项目通过二期临床试验结果之后的概念验证及更远的阶段。

合作伙伴投入处于二期临床试验阶段的药物资产，Formation Bio投入资金和AI 赋能能力，以更具成本效益和更快速的方式开展临床试验。

在临床三期试验期间或之后通过授权或出售给大型制药公司的方式退出，实现资产增值并退出。近来 Formation Bio 从 Asana BioSciences 和德国默克购入了三条临床管线。

我们看到，其实每一个创新药、IP都是一座富矿，是可持有的资产。

所以如果你是一家 AI 公司，既然你的本领很强、武功很高，你可以速度更快，成本更低得找到矿或者新材料或者创新药、合成生物，那何不直接持有新材料、创新药、合成生物等“矿”本身？资金总能找到途径，只要资产够好。

这正是AI 带来的全新机会——技术方不再只是服务商，而是成为 IP 或资产的真正“Boss”。AI 时代，真正厉害的 AI 公司应当直接持有 IP 和资产，而非只收技术服务费。

另一条赛道是 AI 数字员工。

如今几乎所有企业都在谈 Agent，但我们强调的“数字员工”必须达到甚至超过人类雇员平均水平，并按人力资源派遣模式收费：试用期、月薪、按人头计费。

价值关键在规模——一次性派出十万名数字员工才有意义，零星几百个不成气候。只有在某个细分工种做到极致水平，再大规模派遣，才能按月薪、年薪持续获利。

我们还关注 To B 机器人的结果导向公司。

例如水下机器人企业世航智能，它瞄准“机器人洗船”这一场景，直接以清洗结果收费。万吨船只进入港口需高成本清洗，若机器人可在泊位完成，高频刚需立刻显现。

全球十大港口有七个在中国，只要深耕一个港口，就能做成“洗船包工头”，再与各个港口现有的洗船包工头合作，业务量极其可观。

类似地，前不久我们与日本合作伙伴讨论高空清洗玻璃机器人这一细分场景。日本老龄化严重，高空作业难以依靠人工，而且用户还有“水不能洒得到处都是”的细化要求。

这正是典型的结果导向运营服务——俗称“包工头”：包人、包工、包料、包结果，按效果收费。

盛景非常希望投资或孵化此类公司，并已与日本合作方建立出海渠道。若你具备相应能力，敢于且适合采用包工头模式进入日本市场，完全可以与我们联创，共同出海。

在 To C 领域，盛景最关注的是Sales Agent。

销售费用通常占比最高，能够在私域独立成交的 AI 机器人极具价值。我们正在与一位伙伴联创：利用 AI 机器人在微信私域做销售，其转化率已与人类销售持平甚至更优。

化妆品、母婴、旅游、酒店……几乎每个垂直赛道都存在机会。

模式非常简单：零或极低底薪，纯按销售结果提成——按成交提五到八个点；没有结果就不付钱。

如果你做垂直SaaS，或手握行业大客户，完全可以摸索把“卖 License”改成“独立成交下的提成”。

过去做软件、做 SaaS 常挂在嘴边“帮客户成功”，多少带着居高临下；真正的结果导向，是客户先成功，你再拿钱。

为何我们如今如此坚决地强调结果导向？不仅因为时代已走到这一步——不做很快被大模型平替，这是巨大的威胁，同时，这也是因为大模型正在赋能，你的“武功”会大幅提升。

早年软件、SaaS 技术力不足，我们只能寄望少数项目以结果计费；如今AI 能力愈发强大，实现结果导向比过去容易得多——关键是决心。

我们给被投与孵化企业做培训，最终都落到一句话：下决心。决心到了，其余问题自会迎刃而解。

四、AI包工头模式，

相比传统SaaS和传统包工头，

开启10倍级利润池放大

企业本质上有五大利润池，首先要弄清自己身处哪一池塘——选对池塘，才能钓到鱼。

从上图可以清晰地看到，数字化利润池，包括企业自研、外采、委托开发的软件和IT服务等资金投入，通常情况为1-2%，甚至更低。

数字化池塘这几年喊得最响，却也是“赚不到钱的人最多”的区间。

软件和IT服务行业，雇佣着行业平均受教育程度最高的人才，但却在一块最小的数字化利润池中高强度竞争，高度内卷。

不仅在中国如此，放眼全球同样如此。2022年全球GDP为100.22万亿美元，但全球软件支出额仅为6750亿美元，即使再加上12651.27亿美元的IT服务支出额，合计也还不到全球GDP的2%（仅为1.87%）。

即便是对SaaS最友好的美国市场，情况也没有本质性的改变：2022年美国GDP为25.4万亿美元，美国软件及服务支出额约为7890亿美元，也仅占美国当年GDP的3.1%，若扣除IT服务，美国软件市场的总规模占美国当年GDP仅1.2%。

然而，美国白领劳动力市场的规模却是软件+IT 服务的 13 倍，应该往哪里去发力，一目了然。

过去软件、SaaS公司所在的就是数字化利润池，困在那“1%–3%”的薄利润池里，哪怕云集最优秀的人才，也很难赚大钱，因为池塘就这么大。

不仅是中国企业不愿意为所谓的工具付钱，美国企业其实也不太愿意。

英伟达黄仁勋在各种场合都宣称“英伟达是一家软件公司”，公司三万名员工，其中一万多人是软件工程师，软件工程师的人数甚至比硬件工程师还多。

但英伟达并不靠卖软件赚钱，英伟达最大的护城河是 CUDA，但是 CUDA 软件却是免费的，盈利点在硬件、整体解决方案、乃至即将布局的 AI 工厂——这就是主动跨出软件池塘的典型案例。

还有更大的利润池：

人力资源利润池通常情况下为20-40%左右；

资产利润池，包括采购和租赁的无形资产、设备/产线、土地/厂房/办公场所等资金投入，占到10%–20%；

供应链利润池，包括为产品研发和制造而外采的原材料、半成品、零部件、耗材用品等资金投入，通常情况为20%-40%左右；

资本/资金利润池，包括企业为贷款而支付的资金利息，缴纳的各项税费，股东的税后利润等，通常情况为10%-20%左右。

若企业只卖薄薄的数字化工具，注定只能吃1%–3% 的小份额；若能进入劳动力池，做 AI Agent 替代人工，按月薪年薪收费，市场立即放大；继续深入到设备、原材料、资金等环节，利润空间会更大。

当然，进入到新的利润池未必全靠自己，也可以联合伙伴，未必是重资产，但核心是要具备进入并分食那份利润的能力。

这张图是盛景总结的三种不同的商业模式，每一种商业模式，从同一客户获得的净利润空间相差可达10-30倍，如果再叠加上AI的赋能和降本提效，净利润空间相差可达20-60倍，可谓天差地别。

以2B企业为例：

1.工具模式：传统软件模式按 License 或用户数收费，只覆盖最薄的数字化层；

2. 人力外包模式：传统人力派遣模式，你派人到客户现场，但却必须把90% 以上收入付给雇员。

本质上仍是“打工”逻辑。AI Agent 的魅力在于：同样吃到劳动力这块蛋糕，边际成本却趋近于零，利润率瞬间抬高。

未来企业竞争，将取决于你能派出多少“机器人员工”；资本价值，也取决于你掌握多少机器人为你打工。

3.运营外包模式：不仅包含对数字化、人力资源能力的覆盖，也包含对设备/产线等能力的覆盖，实现全流程的端到端运营模式，俗称“包工头”模式——包工、包料、包设备、包人、包结果，按工作量或最终效果结算。

例如矿区无人驾驶：若卖软件，一个矿区付你一两千万已到头；如果做运送土石方的包工头，单矿年收入可能5–10 亿元，按10% 利润，也有 5000 万到 1 亿利润。

包工头既要“上得了厅堂”，谈下大单，又要“下得了厨房”，处理各类杂务和风险，难度更高，价值更大，自然赚到大钱。

只不过过去他们“好吃不好看”，资本市场不买账；AI 加持后，既好吃又好看，是“新物种”，将成为下一阶段的“香饽饽”。

AI 包工头将在众多细分市场涌现，并赢得资本青睐。选对利润池，才能真正“钓到大鱼”。

五、AI RaaS与极简增长，

高度融合、浑然一体

AI RaaS 本质上是「极简增长」在 AI 时代的升级版，核心仍是那条铁律——一米宽，一百米深。

在传统世界，这套方法论已被证明有效；到了AI 时代，更是企业找到细分市场聚焦垂直场景的有效助力。

少数底座大模型公司背靠千亿美元投入，打造的是“一万米宽、十米深”的通用人工智能——横着走的螃蟹。

中小企业若在同一维度硬拼，只能沦为炮灰。要活下去，必须与之做出彻底地差异化：改走“钻井模式”，把宽度收缩到一米，把深度打到一百米、甚至一千米，并且把交付拉到最终结果。

这就要求我们重新审视战略：当AI 这个巨大变量出现，原有定位、产品、团队都可能需要调到“极致化结果导向”模式。

极简增长是 AI RaaS 创业的指南，若想做一家 AI RaaS 公司，按极简增长的逻辑来运行，成功的概率就会提高。

反过来，AI 给极简增长方法论带来了最大的机会，在 AI 时代，真正实现卖收益、实现极致化结果导向时，极简增长方法论可以创造更大的价值。两者高度融合、浑然一体。

*文章为作者独立观点，不代表笔记侠立场。

人生的意义是什么？这是我听过最好的答案

雷军，还是雷军

来源：笔记侠