红杉合伙人：AI的市场机遇是云计算的10倍，AI代理的下个形态是垂直领域智能体

访客 2025-05-09 16:51:06 56790

默认

摘要： 近日，红杉资本举办了AI Ascent 2025主题活动，红杉资本的三位合伙人Packer Radio、Sonya Hu...

近日，红杉资本举办了AI Ascent 2025主题活动，红杉资本的三位合伙人Packer Radio、Sonya Huang和Konstantine Buhler出席并发表开场演讲。

演讲中，红杉资本概述了为什么AI代表的市场机遇至少是云计算的10倍，并探讨了初创企业应该专注于哪些领域才能赢得胜利，以及AI代理的崛起将如何创造一个全新的经济范式。

以下为演讲亮点：

当云转型开始时，云服务收入达到4000亿，比全球软件市场还大。如果类比推理，AI服务市场的起点至少大一个数量级，10-20年后的终点可能会非常庞大。
AI不仅瞄准服务市场，还瞄准软件市场，这两个利润池都面临冲击。
我们不关心独角兽，我们关心收入和自由现金流。大多数成功公司都在页面顶部，在应用层。我们一直相信AI也会如此，价值在于应用层。
对于AI公司，95%的标准和我们看待其他公司相同，AI公司特有的那5%在于收入氛围、利润率、数据飞轮。
AI应用的参与率得情况大大提升，ChatGPT的日活/月活比率已攀升并接近Reddit水平，这意味着越来越多的人从AI中获得价值，我们都在共同攀登阶梯，将AI融入我们的日常生活。
今年最突出的应用类别是编程，它达到了惊人的产品市场契合度。我们认为AI正从根本上改变软件创建的可访问性、速度和经济性；我们正在进入一个丰富时代，代码作为第一个转折点的市场类别。
预训练似乎正在放缓。自Alexnet时代以来，我们已经将预训练规模扩大了9到10个数量级，这意味着许多容易取得的成果已经被获取。研究生态系统正在寻找新的突破方式。
第一批AI杀手级应用已经出现，包括ChatGPT、Harvey、Glean、Sierra、Cursor、A Bridge，而且还有一整套新兴公司正在各种丰富多样的终端市场崛起，包括Listen Labs、Open Evidence等。
2025年，预计AI代理的下一个形态是垂直领域智能体，即由公司创建的代理通过端到端训练，在特定工作流程中表现出色，对合成数据和用户数据进行强化学习，使AI系统在特定任务上表现优异。
在代理经济中，代理不仅传递信息，还能转移资源、进行交易、相互追踪、理解信任和可靠性，并拥有自己的经济体系。其中三个技术挑战最为关键：持久身份。无缝通信协议、安全性。

以下为演讲全文纪要：

Packer Radio：
我的名字是Packer Radio，我是Sequoia的合伙人，Sonia和Constantine以及我们Sequoia的所有合伙人将作为今天的主持人。
在进入今天的主要内容前，我、Sonia和Constantine将分享一些我们过去一年左右学到的观点。我们非常清楚自己只是开胃菜，不是主菜。昨天，我收到一位合作创始人的邮件说："嘿，我可能会迟到，大概9:35到。"我心想："这时间点真特别，正好是Jensen上台的时候。"所以，我们明白，但还是要先分享一些想法，然后再进入正题。
首先，让我们校准一下，了解AI世界正在发生什么。我们使用一个简单框架来分析市场：Don Valentine的问题——是什么？为什么重要？为什么是现在？它可能是不可避免的，但它是迫在眉睫的吗？最后，我们该怎么做？如何利用这一点？如何取胜？我们在过去几年讨论过这些问题，但接下来几分钟我们将更新一些想法。
说实话，我本来对"是什么"这个问题有个精彩解释，但Constantine婉转地指出，向一屋子AI专业人士解释AI并不是好主意。所以我们直接跳到"为什么重要"这部分。
谁还记得去年的这张幻灯片？谢谢。

上排是云转型，下排是AI转型；左侧是过去，中间是现在，右侧是未来。它表明，当云转型开始时，云服务收入达到4000亿，比全球软件市场还大。如果类比推理，AI服务市场的起点至少大一个数量级，10-20年后的终点可能会非常庞大。
我们现在更新了想法，AI不仅瞄准服务市场，还瞄准软件市场，这两个利润池都面临冲击。我们看到许多公司从软件开始，变得更智能成为副驾驶，再变得更智能成为自动驾驶，从销售工具转向销售软件预算，再到销售成果，进入劳动力预算。这两个目标市场都值得争取。
谁记得去年的这张幻灯片？只有三四个人？有点遗憾。别害羞，可以举手。

这个层次蛋糕代表了过去几十年堆积起来的技术浪潮。这张幻灯片有两点：一，AI确实迫在眉睫，不仅仅是不可避免。先决条件都已具备：计算能力、网络、数据、分发渠道、人才，我们拥有所有必要条件。第二，这些浪潮往往是叠加的，所以机会比之前的浪潮要大得多，也来得更快。
我讨厌这种时间为横轴，虚荣指标为纵轴的图表，人们用它来为各种错误辩解。但观察是正确的，事情正以越来越快的速度发生。很少有人深入研究原因，所以我们想简单谈谈分发的物理学：人们需要了解你的产品，想要你的产品，并能够购买你的产品，仅此而已。

还记得这个标志吗？当云转型开始时，没人关注，Benioff不得不使用游击营销策略引起关注。AI则完全不同，2022年11月30日ChatGPT发布，全世界都开始关注AI。中间这栏是Reddit和前Twitter的月活用户总和，在云转型开始时几乎不存在，在移动转型开始时刚刚出现，现在大约有12-18亿人使用这些平台，这是了解新事物的重要渠道。右侧，如果听从Benioff的说法，当时只有2亿人连接到互联网，现在是56亿，实际上覆盖了全球每个家庭和企业。这意味着基础设施已经就位，当起跑枪响起时，没有任何采用障碍。这不仅仅是AI特有现象，而是技术分发的新现实，物理规则已经改变，轨道已经就位。
去年的另一张幻灯片：

我们该怎么做？在哪里才能取胜？两点：第一，还有很多空白，这是去年的幻灯片，现在空白少了一些，但机会仍然广阔。第二，这些标志代表了在之前转型中达到10亿以上收入的公司，我们不关心独角兽，我们关心收入和自由现金流。大多数成功公司都在页面顶部，在应用层。我们一直相信AI也会如此，价值在于应用层。
但是，你面临竞争。我们有第二个扩展定律，有测试时计算，有使用工具推理和代理间通信，使基础模型能够深入应用层。如果你是一家创业公司，不打算建立垂直整合业务，就要从客户出发思考，考虑特定垂直领域，特定功能，处理可能需要人在循环中的复杂问题。这是一场竞赛，这里将产生价值，这应该是每个人的首要考虑。
如何才能取胜？95%的AI公司建设与普通公司建设相同：以独特且有说服力的方式解决重要问题，吸引优秀人才追随你。另外5%是AI特有的，在争夺应用层的竞争中，需要考虑几点。

这是Leone营销周期，我们的合伙人Doug Leone花了40年精心制作的内容，代表了将你脑中的想法转变为客户手中产品所需的一切。想法必须转化为产品，由工程团队构建，然后推向市场并销售支持。这是价值链，底部是技术角度，顶部是客户角度，这样你可以在整个价值链上建立护城河。
你的客户不确定他们想从AI获得什么，你可以有自己的观点，提供端到端解决方案，而不是仅仅扔给他们一个工具。你可以用自己产品的使用数据建立数据飞轮，这是其他人没有的。你可以为行业所属，为行业服务，就像Open Evidence为医疗行业所做的那样。你可以说他们的语言，Harvey派律师与律所交谈。老实说，我们不会建议Ford部署工程师，但你可以这样做，虽然很难但可行。你可以全方位地拥抱你的客户，这是基础模型可能无法做到的。顺便说一下，我们也喜欢基础模型，但我们假设大多数人不是在构建基础模型，而是在构建应用程序。
我还有两张幻灯片，然后我们就交接。
我们经常被问到：在AI公司中你们寻找什么？实际上，95%的标准和我们看待其他公司相同。以下是AI特有的那5%。

第一点，收入氛围。收入氛围可能会害了你。每个人都喜欢收入氛围，感觉很棒："哇，我们有这么多收入！"但要仔细分析：这是临时尝试还是真正创造了持久的行为改变？你可能会说："我没有指标来衡量这点"，但其实你有。检查产品的采用率、参与度和留存率，看看用户实际上在用你的产品做什么。不要自欺欺人，把收入氛围当作真实收入，这最终会伤害你。
良好氛围这部分也很重要。Andrew Reed在场吗？氛围检查，大家感觉如何？大家都感觉如何？我听到有人说"完美氛围"，很好。你需要与客户保持良好氛围，这意味着什么？你的客户必须信任你，而你必须赢得这种信任。在我们所处的周期中，信任比产品更重要。如果他们相信你能把产品做得更好，你就处于有利位置。如果他们不相信，你就处于不利位置。
第二点，利润率。我们不一定关心你今天的毛利率是多少。成本部分可能会持续下降。过去12到18个月内，每个token的成本已经下降了99%，这种成本曲线将持续下降。我知道测试时计算成本在上升，但那也会下降。价格部分，如果你成功地从销售工具转向销售成果，沿着价值链上移，能够获取更多价值，你的价格点可能会上升。所以你的毛利率今天可能不是很好，但你应该有一条通往健康毛利率的良好路径。
第三点，数据飞轮。请举手如果你有数据飞轮。这个数据飞轮能推动哪个商业指标？我看到的确定性减少了。好消息是，如果你无法回答这个问题，我仍然喜欢你。坏消息是，你的数据飞轮要么不存在，要么就不重要。它需要与商业指标相关联，否则就不重要。这非常关键，因为这是你可以建立的最佳护城河之一。
最后一张幻灯片，谁能告诉我这两件事如何联系在一起？如果你能回答，那真令人印象深刻，因为这完全不符合逻辑。大自然厌恶真空。市场上现在有一种巨大的吸力在吸引AI。所有宏观经济因素，如关税和利率波动都不重要，技术采用的上升趋势绝对压倒了你在市场上看到的任何波动，请忽略它们。市场上有一种巨大的吸力，如果你不抢先行动，其他人会这么做，因为大自然厌恶真空。所以，尽管我们刚才谈到了护城河和指标等等，但你现在处在一个需要全速前进的业务中。现在是以最大速度前进的时候。
Sonya Huang：
谢谢Pat。我将在我的部分专注于AI目前的发展，从客户反馈和技术两个角度做一个年度回顾。
2023年，我们展示了AI原生应用与传统移动应用的日活跃用户与月活跃用户比率图表。当时的结论是AI应用的参与率很差，炒作超过了实际数据。
我们很高兴报告，这个结论现在已经发生了显著变化。看到ChatGPT的日活/月活比率攀升并接近Reddit水平，这是令人震惊的。我认为这是极好的消息，意味着越来越多的人从AI中获得价值，我们都在共同攀登阶梯，将AI融入我们的日常生活。

有时这种使用方式是很好且有趣的。我个人在尝试将一切"jiblify"（吉布利化）时烧毁了令人尴尬数量的GPU。虽然"jib"时刻很有趣且病毒式传播，但更令人兴奋的是我们正在触及表面的更深层次应用，例如：

广告领域：能够创建惊人准确且精美的广告文案
教育领域：能够一瞬间将新概念可视化
医疗保健：能够通过类似Open Evidence这样的应用更好地诊断患者

我们只是触及了可能性的表面，随着AI模型变得越来越强大，我们通过这个入口能做的事情也变得越来越深刻。
这里有多少人看过电影《她》？我们今天有Brendan在观众席。虽然我们仍然没有AI版的斯嘉丽·约翰逊，但2024年给了我们所谓的"她"时刻——声音生成技术从"几乎接近"到完全跨越了恐怖谷。我有一些朋友这么说，但请保持谨慎，让我看看是否能真正让你们震惊。
最后，今年最突出的应用类别是编程，它达到了惊人的产品市场契合度。Anthropic的Claude 3.5 Sonnet去年秋天发布，在编程领域引发了迅速的氛围转变。人们现在使用AI编程做出令人印象深刻的事情。例如，这个人用AI编写了自己的Docent替代方案。无论你是经验丰富的10倍工程师，还是完全不懂如何编码的人，我们认为AI正从根本上改变软件创建的可访问性、速度和经济性。
从技术角度看，坏消息是预训练似乎正在放缓。自Alexnet时代以来，我们已经将预训练规模扩大了9到10个数量级，这意味着许多容易取得的成果已经被获取。研究生态系统正在寻找新的突破方式。
最重要的突破是OpenAI的推理能力。我们很幸运地在去年的AI Ascent上得到了来自Strawberry团队的Noam Brown的预览，展示了推理能力的发展方向。今年我们很高兴Dan Roberts在观众席中，他将做另一个关于O3和推理进展的演讲。不仅仅是推理，还有合成数据、工具使用、AI辅助支架等，所有这些正在结合起来，创造新的方式来扩展智能。
Anthropic的MCP创建了强大的生态系统和网络，我们也很期待看到它如何加速代理工具的使用。所有这些更大的基础模型、推理时间推理、工具使用都在结合起来，创造能够完成越来越复杂任务的AI。Meter基准是一个很好的定量衡量标准，但我认为更强大的是与你们每个人交流，了解因为O3、Operator、Deep Research或Sonnet才成为可能的事物。

目前，AI中最令人兴奋的技术创新正发生在研究和产品之间模糊的边界。过去一年中两个突破性的例子是Deep Research和Notebook LM，我们很高兴今天在观众席中有这两个产品的创造者——来自Notebook的Risa和Jason（他们正在创建一家名为Hu的新公司）以及来自OpenAI的Issa Hulford。
让我们讨论价值将在AI技术栈中的哪里产生。我记得与Sequoia的优秀合伙人讨论这个问题时，当时我个人是这个图表中间的"中智"，说着"啊，我不确定GPG包装器"，我记得我的合伙人，尤其是Pat坚持认为价值将归于应用层，我记得当时想"好吧Pat，祝你好运"。但看到过去几年的发展，我想你是对的Pat，你属于这边，干得好。
如果你看到价值的创造，如果你看到像Harvey和Open Evidence这样真正创造客户价值的公司，我们非常相信应用层是最终价值聚集的地方，这一层的竞争正在加剧，基础模型也在这里展开竞争。
顺便说一下，真正从中获利最多的其实是行业领头人Jensen Hang，我们很期待不久后听到他的发言。
回到应用层，我们认为第一批AI杀手级应用已经出现，包括chat GPT、Harvey、Glean、Sierra、Cursor、A Bridge，而且还有一整套新兴公司正在各种丰富多样的终端市场崛起，包括Listen Labs、Open Evidence等，我们很高兴今天能够展示其中许多公司。

另一个预测是，许多这些新公司将首先采用代理（agent）模式，这些公司销售的代理将从如今往往简单拼凑的原型，发展成真正强大的系统。我们看到公司正在采取两种路径来构建：路径一是通过严格测试和评估进行编排；路径二是针对端到端任务调优代理。我们很期待今天听到Langchain的Harrison和OpenAI的Issa在这方面的更多分享。

关于2025年，我们预测，AI公司下一个形态是垂直领域智能体。对于深入了解某个领域的创业者来说，垂直代理是一个绝佳机会。我们看到公司创建的代理通过端到端训练，在特定工作流程中表现出色，采用的技术包括对合成数据和用户数据进行强化学习，使AI系统在特定任务上表现优异。到目前为止的证据让我们非常乐观：在安全领域，Expo展示了他们的代理可以超越人类渗透测试员；在DevOps领域，Traversal展示他们可以创建比最优秀的人类故障排除者更好的AI故障排除工具；在网络领域，Meter也超越了人类网络工程师。所有这些数据点尽管还处于早期阶段，但让我们非常乐观地认为，经过训练解决特定问题的垂直代理能够超越当今最优秀的人类。

关于2025年代理的最后一个预测：我们正在进入一个丰富时代，代码作为第一个转折点的市场类别，将为我们预览这个丰富时代的实际含义。当劳动力变得廉价且充足时会发生什么？我们是否会得到大量低质量的AI产出？当品味成为稀缺资产时又会发生什么？我们很期待看到编码代理的持续进步以及它对技术格局的影响，同时也作为AI将如何改变其他行业的先兆。
下面我把时间交给Constantine。谢谢Sonia。
Konstantine Buhler：
大家早上好，感谢Sonia，感谢Pat。我们刚才讨论了非常重要的话题：为什么这些如此重要，现在世界上正在发生什么，以及当前AI的状况及其近期未来。现在我们将退一步思考，考虑中期和长期的预测。在这一部分，我们将分三个部分：首先讨论我们视为下一个主要浪潮的内容，然后探讨实现该浪潮所需的技术，最后我们将讨论这对我们每个人日常生活的意义。
一年前，AI Scent围绕着智能代理展开讨论，当时智能代理刚开始形成商业模式。讨论的核心是这些机器助手最终将汇聚成机器网络。这些机器网络现在被广泛称为"代理群"，它们在许多公司中发挥作用，并开始成为AI技术堆栈的关键部分。代理之间相互合作、竞争、协作、推理。我们认为未来几年，这将进一步发展成"代理经济"。

在代理经济中，代理不仅传递信息，还能转移资源、进行交易、相互追踪、理解信任和可靠性，并拥有自己的经济体系。这种经济并不排除人类，反而是以人为本的——代理与人协作，人与代理合作。但要实现这一重要的下一波浪潮，我们面临许多技术挑战，其中三个最为关键：

第一，持久身份。这包含两层含义：首先，代理本身需要保持一致性。如果你与某人做生意，而他们每天都在变化，你可能不会长期与其合作。这种截然不同的体验会带来负面影响。代理需要能够保持其个性和理解能力。第二种持久性是理解用户。同样，如果你与某人做生意，而他们对你一无所知，甚至记不住你的名字，这也会对信任和可靠性构成巨大挑战。
我们一直在尝试从RAG和向量数据库到超长上下文窗口的各种技术，但在实现真正的记忆和自学习方面仍存在重大挑战，特别是使代理在重要方面保持一致，而只在应该有差异的领域表现不同。
第二，无缝通信协议。好消息是，现在似乎所有人都在关注这一点。想象一下，如果个人计算没有无缝通信协议，没有TCP/IP，没有互联网会怎样？我们正在构建这一协议层，围绕MCP已经有很多令人兴奋的发展。看到大型企业合作制定这些协议非常棒，这只是允许信息传输、价值交换和信任转移的一系列协议中的一个。
第三，安全性。这个话题将变得越来越重要，肯定是许多人关注的重点。如果你无法与业务伙伴面对面接触，安全和信任的重要性就更加凸显。与代理打交道时尤其如此。因此，围绕信任和安全将形成一整个新兴产业，在代理经济中，它比在当前经济中更为重要。
谈完实现代理经济所需的技术后，让我们探讨这对我们每个人意味着什么：
首先，它将改变我们的思维模式，这个房间里的人已经采用了我们称之为"随机思维"的方式。随机思维是对确定性的背离。许多人之所以热爱计算机科学，是因为它非常确定性——你编程让计算机做某事，它就会执行，即使结果是段错误。而现在我们进入一个随机计算的时代。如果你让计算机记住数字73，它明天、下周、下月都会记得。但如果你让一个人或AI记住，它可能记住73，也可能记住37、72、74，下一个质数79，或者什么都不记得。这种思维方式与过去几十年截然不同。

第二个变化是管理思维模式，这将关注于理解你的代理能为你做什么，不能做什么。每个人都知道成为优秀的IC工程师与成为出色的工程经理是不同的，大部分经济将转向更复杂的管理决策，如阻断流程和提供反馈。我真心希望这不会导致对代理进行年终评审——让我们尽量避免这种情况。
第三个主要变化结合了前两点：更多的杠杆作用伴随着显著降低的确定性。我们正进入一个可以做更多事情的世界，但你必须能够管理这种不确定性和风险。在这个世界里，这个房间里的每个人都非常适合茁壮成长。
一年前在AIScent会议上，我们讨论了这张图表，当时我们谈论的是杠杆作用。我们认为，组织内的各个职能部门将开始拥有AI代理，然后我们预测这些职能将开始融合，它们会聚集起来，整个流程将由AI代理完成。我们甚至预测会出现第一个"一人独角兽"公司。
虽然这还没有发生，但我们已经看到一些公司以前所未有的速度扩张，同时所需人员比以往更少。我们认为，我们将达到这个经济体中前所未见的最高杠杆水平。最终，这些流程和代理将会融合，你将看到神经网络嵌套在更大、更复杂的神经网络中，形成一个神经网络的网络。