摘要：红杉资本（Sequoia）的三位合伙人Pat Grady、Sonya Huang、Konstantine Buhler分别概述了为什么人工智能代表着一个至少比云计算大10倍的市场机会，创业公司应该专注于赢得胜利，以及人工智能代理的兴起将如何创造一个全新的经济范

5月3日，第三届红杉资本AI Ascent峰会举办，150位全球顶尖AI创始人齐聚会场，共同探讨AI带来的全新机遇。

红杉资本（Sequoia）的三位合伙人Pat Grady、Sonya Huang、Konstantine Buhler分别概述了为什么人工智能代表着一个至少比云计算大10倍的市场机会，创业公司应该专注于赢得胜利，以及人工智能代理的兴起将如何创造一个全新的经济范式。创始人需要采取一种“随机思维”，并“以最快的速度前进”。

以下是三位合伙人发言内容的内心要点：

首先，红杉资本合伙人Pat Grady：AI创业机会、市场结构与战略路径

Pat的讲话聚焦于AI技术变革带来的巨大商业机会，以及初创公司如何在这场浪潮中建立竞争优势。

他首先指出，AI软件正在经历从“工具”到“副驾驶”，再到“自动驾驶”的演进路径，其商业模式也从“卖工具”转向“卖结果”，再到“卖工作”，这使AI从软件预算扩展至劳动力预算，释放出两个巨大的市场空间。

Pat强调，这一轮AI浪潮比历史上任何一次技术浪潮都更具潜力也更迅猛，是不可避免且迫在眉睫的，因为先决条件已经齐备——计算能力、网络基础设施、数据、分发平台以及AI人才。尤其是全球已联网人口达到56亿，使得AI技术的扩散前所未有地迅速。他特别指出，AI的普及不再受限于渠道与认知障碍，是“启动枪响后没有门槛”的一次全球性技术采纳。如果你思考技术分发的物理规律，其实你只需要三件事：人们得知道你的东西，他们得想要你的东西，他们得能够买到你的东西。当云计算的转型刚开始时，没人关注。Benioff（Salesforce创始人）不得不采用一些疯狂的游击营销手段，才能引起注意。而人工智能完全不同。2022年11月30日，ChatGPT发布，全世界的注意力都集中到了人工智能上。这一切意味着什么？意味着“铁轨”已经铺好。当起跑枪响时，没有任何采用的障碍。这不仅是AI特有的现象，这是技术分发的新现实。物理规律已经改变，轨道已经到位。在过去技术转型期间实现十亿美元以上营收的公司。我们不在乎独角兽，我们关心的是营收和自由现金流。这些公司大多数位于应用层。

在产业机会层面，他坚信价值的中心仍将在应用层，就像云计算与移动时代一样，那些最终赢得市场的公司，是能真正贴近用户并构建使用场景的“应用层玩家”。他提醒初创者要“从客户出发”，聚焦特定垂直或复杂流程，解决现实问题，形成独特定位。专注于具体职能，解决那些可能需要人类介入的复杂问题。

Pat还特别展示了Sequoia合伙人Douglas Leone打造的“商业化价值链模型”。这个模型代表了你如何将脑海中的想法，变成客户手中产品所需的一切。这个想法需要变成一个产品，需要由工程团队构建，需要推向市场、销售并支持。这就是整个价值链。

客户不确定他们希望AI带来什么？你可以提供自己的观点，你可以提供一站式的解决方案来解决问题。你可以做到“为某行业而生”，就像Open Evidence为医疗行业做的那样。你能用他们的语言与他们对话——Harvey让律师与律所直接交流。

他强调初创公司要从“技术出发”与“客户需求”两个方向同步建立能力，贯通从产品构建、市场拓展到客户支持的全过程，在每一个环节上构建护城河。

我们经常被问到一个问题：你们在AI公司中看重什么？我还是那句话——95%和任何一家公司看重的都一样。下面是那5%和AI相关的，他列出评估AI公司的三个关键点：

1. Vibe Revenue（虚假营收）——不能被高营收假象迷惑，要分析是否形成真正的用户行为改变。检查使用率、参与度、留存率。人们真的在用你的产品做什么？不要自欺欺人，以为你获得了真实营收，而你实际上拿到的是“氛围营收”，因为它最终会反噬你；

2. 利润率（margins）路径——我们并不特别在意你现在的毛利率处于什么水平。成本那一端（COGS），很可能会继续下降。过去12到18个月里，每个token的成本已经下降了99%。这条成本曲线会继续往下走。尽管我们现在面临推理阶段的计算成本上升等挑战，但这些也会下降。至于定价那一端：如果你真的实现了从销售一个工具，走向销售一个“结果”，你正一步步往价值链上游走，并成功地攫取更多价值，那你的定价也很可能会上升。只要产品价值足够高，售价也可提升，未来毛利应健康；

3. 数据飞轮（data flywheel）——必须与业务指标绑定，单纯“积累数据”无意义，只有能够驱动指标的飞轮才有价值。这点非常重要，因为这是你可以构建的最强护城河之一。

Pat最后强调：“现在是一个‘技术真空’的市场，谁先冲出去，谁就能赢得市场。”他用一句话总结：“你正处于一个‘拼命奔跑’的行业，现在是全速前进的时刻。”

接下来，索尼娅的演讲围绕AI技术过去一年在用户使用、产品形态与商业落地方面的变化展开演讲。她首先分享了一个令人振奋的趋势：AI原生应用的用户活跃度大幅提升。例如，ChatGPT的日活跃与月活跃比正在逼近Reddit的水平，意味着AI正在从“尝鲜工具”转向“日常助手”。

她强调，AI在多个领域正在从实验性进入实用性：广告生成能力惊人，教育可实现一键可视化，医疗则出现能显著提升诊断效率的AI助手（如Open Evidence）。这些都是AI“从炫技到赋能”的转折。随着AI模型变得越来越强大，我们可以通过这些“入口”实现的事情也变得越来越深远。

她特别提到2024年是语音AI的“Her时刻”——借用电影《她》的概念。AI语音生成已越过“恐怖谷”，人类与AI之间的语音互动开始变得自然可信。她认为这一领域将是感知型AI最先商业化的场景之一。

今年最突出、爆发式增长的AI应用类别是——编程（coding）。它彻底实现了产品与市场的契合（product-market fit）。Claude 3.5 Sonnet发布之后，AI代码生成的质量和速度显著提升，从而加速了AI“赋能开发者”的趋势，也让普通人能够跨越技术门槛尝试软件构建。

在技术趋势层面，她指出虽然预训练模型的规模增长已接近极限，但AI仍在通过新的路径继续突破，包括推理能力（reasoning）、工具调用tool use）、合成数据（synthetic data）、AI脚手架（AI scaffolding）等，形成“能力模块化”的趋势。

她重申，尽管基础模型（如GPT-4、Claude）越来越强大，但真正的商业价值与用户黏性仍集中于应用层，因为只有应用层能做到“理解客户、贴合场景、形成闭环”。她强调，未来新一代AI公司将会是“以智能体为核心（agent-first）”的形态，这些智能体将从原型阶段进化为可用于实际流程的系统。

我们非常相信：应用层将是价值最终积累的地方，而且这一层正在成为日益激烈的竞争战场，基础模型也越来越多地参与进来，在这个层里展开竞争。

最后，她指出，AI应用将在法律、教育、医疗、销售等多个终端市场中迅速扩张，首批“AI杀手级应用”已开始浮出水面，竞争将围绕“任务调度 vs. 端到端训练”两种agent构建路径展开。

回到应用层。我们现在认为，第一批AI“杀手级应用”已经出现了——无论是ChatGPT、Harvey、Glean、Sierra、Cursor，还是Abridge。同时，还有一批新的公司正在快速崛起，横跨一系列丰富多元的终端市场——包括Listen Labs、Open Evidence等。我们另一个预测是：很多新公司将会是以智能体为核心（agent-first）。这些公司推出的智能体将从如今拼拼凑凑的原型，逐步演进为真正稳健的系统。我们观察到两种公司构建路径：1.使用严格测试与评估机制来进行智能体编排（orchestration）；2.将智能体针对具体的端到端任务进行训练（end-to-end tuning）。

接下来，康斯坦丁（Konstantine Buhler）继续就智能体经济的到来与未来社会的重构问题进行演讲。

他的演讲着眼于AI发展的中长期趋势，提出了“智能体经济（Agent Economy）”的愿景。他指出，AI正在经历从“单一智能体”到“智能体群”（agent swarms）的过渡，最终将进入一个智能体自主协作、完成交易与资源管理的“智能体经济”阶段。

在这一经济形态中，智能体之间将具备互相通信、价值传递、信任判断的能力，而这一切不是替代人类，而是与人类协同共生。他提出，未来企业、社会乃至经济系统的单元将不再是“岗位”或“系统”，而是一个个“智能体网络”。

一年前，在AI Ascent大会上，我们一直在谈论智能体（agents）。当时我们就在讨论，它们刚刚开始形成业务形态。我们当时预言：这些机器助手最终会组建成机器网络。现在，这些机器网络被广泛称为智能体群（agent swarms）。它们已经在你们许多公司的系统中扮演了角色，正逐步成为AI堆栈中的一个关键部分——智能体彼此协作、相互竞争、共同推理。在接下来的几年里，我们认为这种形态会进一步演进，最终形成一个智能体经济（agent economy）——在这个经济体中，智能体不再只是交换信息，它们会：转移资源，进行交易，相互追踪，建立信任与可靠性，并最终拥有一个属于它们自己的经济系统。不过，这个经济体并不会抛弃人类，它完全围绕人类展开。智能体与人类协同工作，人类也与智能体一起协作——这就是“智能体经济”。

要实现这一愿景，需突破三项关键技术障碍：

1. 持久身份：智能体需能维持自我一致性，并长期记住用户与环境。智能体对用户的理解也必须持续存在。虽然我们尝试了各种技术，比如RAG（检索增强生成）、向量数据库（vector DB）、超长上下文窗口等。但在真正的“记忆”和“自学习”能力上，我们仍面临巨大挑战。关键是让智能体在真正需要保持一致的地方做到一致，而在该有变化的地方保持灵活；

2. 无缝通信协议（seamless communication protocols）：构建类似互联网的“Agent间协议标准”（如MCP），实现数据、信任与资源的自由流动；

3. 安全与信任机制：在“无面对面交互”的环境中，如何建立身份验证与安全信任框架，是智能体经济运行的基础。

对我们每个人意味着什么？Constantine特别强调，这一转变不仅是技术层面的，更是认知与管理思维方式的革命：

1. 随机性思维（Stochastic Mindset）：AI是概率型输出，必须接受其不确定性；

2. 管理型思维（Management Mindset）：从执行者转型为智能体管理者，懂得协作、反馈、引导AI系统每个人都知道，成为一个优秀的个人工程师（IC）和成为一名出色的工程管理者，是完全不同的两回事。未来，整个经济体都将经历类似的转型。人们将从“自己动手写代码”逐步转向“管理智能体”、“判断流程是否被卡住”、“为系统提供反馈”等更复杂的管理职责；

3. 高杠杆+低确定性：AI给个体带来巨大能力杠杆，但同时风险与不确定性也空前，需要匹配更强的决策与责任感。我们会拥有前所未有的生产力杠杆。你一个人就可以完成过去一个小团队才能完成的工作。但与此同时，你也必须学会：管理不确定性，管控风险。

最后，他描绘了一个重塑组织形态的图景：AI将消融企业传统职能边界，形成“流程即智能体”的新组织架构；“一人独角兽”将成为现实，拥有的员工数量却比以往任何时候都少；这个时代将带来人类历史上前所未有的杠杆水平；整个社会将像神经网络嵌套神经网络一样，彻底改写人类的工作模式、公司运作与经济结构。

来源：鲸维度