红杉美国：AI 时代劳动力极度便宜和无限，品味成为稀缺资源，产品设计、美感与价值主张比功能更重要

在上个月 2025 年的 AI Ascent 峰会上，红杉资本三位合伙人 Pat Grady、Sonya Huang 与 Konstantine Buhler 罕见同台，从市场结构、产品演进、技术路径与长期认知四个维度，系统总结了他们对当前 AI 浪潮的观察与预测。

仔细回顾这场峰会上三位合伙人分享的内容，他们并未停留在对大模型的能力赞叹或工具类产品的浮躁热情上，而是从数十年技术周期与企业构建经验出发，勾勒出一张关于 AI 创业的未来作战图：

“价值将持续向应用层沉淀，Agent 将主导下一波平台演进，信任机制与通信协议将重构技术基础设施，而组织能力与认知方式的升级，将成为真正的竞争力边界”。

红杉美国 Roelof Botha 谈 AI 时代 VC 观察模型 —— AI 不像互联网那样削弱中心化，但仍有结构机会

▍应用层才是 AI 时代主战场

红杉美国合伙人 Pat Grady 分享了他们过去一年对于 AI 发展趋势的思考，并就当前市场所面临的结构性变化、创业公司在 AI 应用层的破局之道，以及衡量企业真正价值的关键指标进行了系统性的梳理。

他表示，红杉团队希望先提供一些框架性洞察，帮助与会者更好理解这一轮 AI 浪潮的全貌与底层规律。

Grady 从一个简化但常用的分析结构切入，即 Don Valentine 提出的四个问题：“这是什么？它为什么重要？为什么是现在？那我们现在该怎么做？”

这是红杉一贯用来观察技术周期和市场拐点的思维方式。虽然他原本打算先讲“这是什么”，但被合伙人提醒“别在 AI 专家面前解释什么是 AI”，于是直接切入“那它为什么重要”。

他用两张去年也展示过的幻灯片重新构建了红杉对于 AI 市场体量的判断：

一张图展示了“云计算转型”和“AI 转型”的对比。云计算在启动转型时，其服务市场的体量为 4000 亿美元，已经比当时全球软件市场还大。

而 AI 所对应的市场，起点本身就远高于此，甚至可能是数量级上的差距，最终所能抵达的终点，将是一个“可想象范围之外的巨大终局”。

红杉更新了他们过去一年对市场的理解：AI 不再仅仅是“侵蚀服务市场”，它正在同时重塑“软件市场”与“服务市场”两个利润池。

很多公司起初是提供一个软件工具，然后逐步演化为智能助手，最终转向自动化执行，这意味着其销售逻辑从“软件预算”切入“人力预算”，市场边界随之被重新定义。两个核心市场（TAM）正在同时开放，利润池的争夺正处于初期阶段。

他随后回顾了去年另一张被称作“技术波浪蛋糕图”的幻灯片，强调了两个观点：

第一，AI 不再是一个“未来必然”，而是一个“当下已经具备现实条件”的转折点。从计算资源、网络结构、数据分布，到人才结构，所有核心要素都已齐备。

第二，这一轮变革是叠加性的，即前几轮技术堆叠了足够的基础设施，使得当前的浪潮更快、更广，并不再遵循过去那种缓慢爬坡的路径。

Grady 尖锐指出了“传播物理学”发生的结构性变化：从“用户必须得知你的产品”，到“用户想要你的产品”，再到“用户能轻松获得你的产品”，这三个环节如今全部提速。

他对比了 Salesforce 在云计算早期的“游击营销”，与 ChatGPT 发布后瞬间覆盖全球的传播路径，指出平台分发能力、人口渗透率、用户连接密度的提升，意味着技术扩散的物理条件发生了根本改变。这一变化不是 AI 独有，而是新技术分发的“基础物理”已变。

他展示了一张“空白地图”，标示当前 AI 市场的未被占据区间，并强调：真正能实现十亿美元收入、自由现金流持续增长的企业，往往出现在“应用层”。

历史上的云计算与移动互联网转型中，最有价值的公司也都在应用层。这一轮 AI 转型也不会例外。

但他提醒，这一次，基础模型本身具备“直接上沉至应用层”的能力。无论是工具调用、Agent 协作，还是推理能力、规模优势，基础模型本身正越来越接近应用侧价值。

因此，对于创业公司来说，若不是构建端到端的基础模型，那就必须反向从用户需求出发，从垂直行业、特定功能切入，解决复杂问题，建立不可替代的应用闭环。这是唯一能够在应用层与大模型抗衡并构建护城河的方式。

在具体执行策略上，Grady 重申了一个观点：“95% 的 AI 创业，跟传统创业没有区别”，本质仍是找到独特问题、用非凡方式解决、吸引优秀人才。AI 的那 5% 特别之处，集中在产品如何交付价值、如何构建数据飞轮，以及如何在整个价值链中建立纵深护城河。

他特别提到红杉内部流传的一张“Leoni 商品化循环图”，这是其合伙人 Doug Leone 花费数十年精心打磨的内部模型，描述了从想法生成、技术研发、产品打造、市场推广到客户支持的全过程。

对于 AI 创业公司而言，思考方式不应只停留在“技术导出”，而要从客户需求反推构建，才能在整个价值链中构建防御力。

在讨论“公司价值的判断标准”时，Grady 列出了三项红杉评估 AI 公司时重点关注的指标：

第一，收入的“质感”比总量更重要。他说，“不要被‘收入好像很多’的表象欺骗，必须搞清楚那是不是‘气氛收入（vibe revenue）’。”他提醒初创公司认真分析自己的产品被如何使用，用户是否真正留存、活跃，是否形成了持久的行为模式转变。

第二，毛利路径。红杉并不在意初期毛利是否高，因为推理成本（cost per token）已经在 12～18 个月内下降了 99%，未来还会继续下降；与此同时，若公司成功从“销售工具”转型为“销售结果”，其定价能力也会同步提升。因此，只要有明确的成本下降与价值上移路径，毛利问题可控。

第三，数据飞轮。Grady 直接向现场提问：“你有没有一个数据飞轮？它推动的是哪项业务指标？”他坦言，如果一个公司无法回答这个问题，那它要么根本没有数据飞轮，要么它的数据飞轮并不重要。而这恰恰是 AI 创业中为数不多能建立长期壁垒的核心能力之一。

最后，Grady 表示，当前市场对于 AI 的需求正在形成巨大的“吸力”，这个趋势的速度和规模，已足以压倒一切宏观变量，包括利率、地缘政治、关税政策等。如果你不站在吸力前端，真空会由别人填补。这不是一个慢慢筹划、谨慎前行的时代，而是一个必须全速奔跑、主动冲锋的时刻。

I/O 到 iO，Jony Ive 将推动一场新的设计运动 —— AI 正在改写计算范式与硬件定义，也是大模型后的新战场

▍AI 杀手级应用已现，Agent 正在走出拼贴时代

红杉美国合伙人 Sonya Huang 进一步聚焦于 AI 当前的发展态势、技术演进路径与应用层面的价值积聚。她从回顾过去一年开始，系统评估了用户行为的变化、技术突破的边界、以及创业公司如何在 AI 栈的竞争中找准突围路径。

她指出，过去一年 AI 原生应用的用户粘性发生了根本性改变。2023 年，红杉曾展示一张图表，对比 AI 原生应用与传统移动应用的“日活 / 月活”比值，当时 AI 应用的留存表现普遍不佳，“热度大于实际”。

而如今，这一情况已出现显著反转——以 ChatGPT 为例，其活跃度曲线持续上升，正在逼近 Reddit 级别的用户参与度。

她认为，这标志着 AI 正在从“可选工具”转变为“日常必需”，用户正在不断学习如何将 AI 融入个人生活与工作流程中。

她以轻松的方式提及自己“烧掉了令人羞愧数量的 GPU”，也提到了像“Giblet E”这样的网络热梗，但她强调，比这些表层热度更值得关注的是：AI 正在深刻改变广告、教育、医疗等行业的底层能力。

例如，用 AI 自动生成高质量广告文案、用图像帮助学生理解抽象概念，或通过 Open Evidence 这样的平台提升疾病诊断准确率，我们仍处于这些变革应用的“起点”阶段，远未触达 AI 潜力的边界。

当她谈到语音生成时，提到了一个文化意义上的“Her 时刻”。她表示，虽然我们尚未拥有一位 Scarlett Johansson 配音的 AI 助理，但 2024 年确实实现了从“接近拟真”到“完全穿越恐怖谷”的跃迁。

在场有嘉宾参与构建了 Semma 模型，其语音生成效果被她称为“令人震惊地逼真”，这使得科幻与现实之间的界限正在迅速模糊，图灵测试仿佛在不经意间被跨越。

代码生成则成为这一年最具突破性的 AI 应用赛道之一。Anthropic 推出的 Claude 3.5 Sonnet 模型引发了整个开发者社区的“氛围位移”（vibe shift）。AI 编程工具已不仅限于辅助编写简单函数，而是能够完成完整应用的开发。

例如，已有用户用 AI “vibe code” 出了一个 DocSend 替代产品。Sonya 强调，不论是资深工程师还是编程小白，AI 都正在彻底改变软件开发的准入门槛、开发速度与成本结构。

在技术层面，她指出“预训练的收益正在边际递减”。自 AlexNet 横空出世以来，AI 模型训练规模已扩展了 9～10 个数量级，意味着大部分“低垂果实”已被摘完。

接下来，真正的突破将来自其他方向，例如 推理能力（reasoning）、合成数据（synthetic data）、工具调用（tool use） 与 Agent 架构（agentic scaffolding）。

她特别提到去年在 AI Ascent 活动中，OpenAI 的 Noam Brown 展示了 Strawberry 团队关于推理的工作，而今年他们也邀请到了 Dan Roberts，分享 O3 模型在这一方向上的最新进展。

除了 OpenAI，Anthropic 通过 MCP 协议构建的工具生态也令人期待，正在加速 Agent 生态的演进。大模型、推理、工具链与 Agent 架构正在融合出一套全新的智能系统构建方式。

在这一背景下，评估 AI 模型能力的量化基准如 Meter Benchmark 逐渐成熟，但她认为更具说服力的，是与在座开发者交流他们正在用 O3、Operator、Deep Research 或 Sonnet 实现的“过去根本不可能完成的任务”。

她特别强调，技术与产品之间的界限正在变得模糊，而真正令人振奋的创新，往往发生在这条模糊带上。过去一年中，Notebook LM 和 Deep Research 就是两个典型案例。

Notebook LM 的团队 Jason 和 Riza 已组建新公司 Hux，OpenAI 的 Esa Fulford 也在现场，预计会有更多这一交叉领域的突破涌现。

随后，她切入一个关键话题：“AI 栈中价值究竟累积在哪一层？”这曾是她与红杉内部多位合伙人反复讨论的问题。她坦承，自己过去对“GPT Wrapper”型应用持怀疑态度，而 Pat Grady 坚信价值会集中在应用层。

从 Open Evidence 到 Harvey 等公司，真正的价值都是“从客户视角出发”构建的，应用层成为价值沉淀的关键区域。她并打趣地表示，“虽然我们都在讨论栈的价值分布，但真正躺赢的是 Jensen Huang——这一层统治的是算力，利润被英伟达拿走了。”

她进一步指出，AI 的“第一波杀手级应用”已经出现，包括 ChatGPT、Harvey、Glean、Sierra、Cursor、Bridge 等等。而新的公司也正快速崛起，Listen Labs、Open Evidence 等团队正逐步拓展应用场景，现场也有不少来自这些公司的嘉宾参与分享。

她预测更多新一代应用公司将以 Agent 为核心形态。目前很多 Agent 产品仍是由多个零件拼凑出来的原型，但未来将通过两条路径实现产品化与鲁棒性提升：

第一是通过强化测试与评估机制（evals）进行高质量编排；第二是通过对任务端到端微调（fine-tuning）进行系统级优化。她特别点名将由 LangChain 的 Harrison 与 OpenAI 的 Isa 分享相关经验。

另一个趋势是Agent 公司将呈现“垂直化”形态。她强调，这一赛道非常适合深刻理解某一垂直领域的创始人，例如使用强化学习、合成数据和用户反馈调优模型，使 Agent 能在特定工作流中超过人类表现。

她列举的实例包括：在安全领域，Expo 开发出性能超过顶级渗透测试员的 Agent；在 DevOps 中，Traversal 构建了比最强故障排查专家还高效的 AI 工具；在网络运维中，Meter 的 AI 工程师也优于人工操作。这些早期案例已让红杉对垂直 Agent 模型的潜力充满信心。

她最后一个预测则触及 AI 社会影响的边界：“2025 年，AI 将进入一个‘丰裕时代’（abundance era）。”这意味着，劳动力会变得极度便宜、几乎无限。

首个出现丰裕信号的，是代码市场，而这也预示着更多行业的变化将接踵而至。在一个劳动不再稀缺、而“品味”成为新的稀缺资源，AI 产品的设计、美感与价值主张，将变得比功能更重要。

▍Agent 经济体正在成型，未来组织将被智能体重构

红杉美国合伙人 Konstantine Buhler 将视角进一步拉远，着眼于 AI 中长期趋势。他明确表示，接下来的讨论将聚焦三个问题：AI 的下一个大浪潮是什么？实现它需要什么关键技术？而这一切将如何改变我们每一个人的工作与思维方式？

Konstantine 回顾道，一年前的 AI Ascent 大会重点还是“Agent”这一概念。彼时，“Agent”更多是新兴形态的“机器助手”，尚处于公司探索阶段。

而今天，这些“Agent”已不再是孤立存在，它们正逐渐形成网络，被称作 Agent Swarms（智能体群），它们之间能够协作、博弈、协同完成任务，并日渐成为 AI 技术栈中不可或缺的结构性层级。

他提出，未来几年，这些 Agent Swarm 将进一步演化为完整的“Agent 经济体”。在这个新型经济系统中，智能体不再只是交换信息，而是能够传递资源、执行交易、管理信任，并拥有各自的运行逻辑和状态。

他强调，这个经济体不会取代人类，而是高度依赖人类协作。Agent 与人类之间将构成新型协作关系，围绕任务、数据、信任进行复杂交互。

要构建这样的 Agent 经济体，Buhler 指出还有三项关键技术难题待解，而这些正是在场开发者接下来数年需要面对的核心挑战：

第一，持久化身份（Persistent Identity）的问题。他说，Agent 的身份必须具备两个维度的“持久性”：

一是 Agent 自身的人格与理解必须持续一致；否则就像与一位每天都“变一个人”的合作者合作，信任很难建立。

二是 Agent 必须能记住用户、理解用户历史，这样才能构建长期可信关系。尽管当前社区在使用 RAG、向量数据库、长上下文窗口等手段缓解这一问题，但真正“记得你是谁”的能力，仍未实现质变，也是下一阶段技术突破的核心瓶颈之一。

第二，通信协议的缺位。Buhler 强调，没有协议的计算，就像没有 TCP/IP 的个人计算机。如今，我们还处于构建 Agent 之间基础通信协议的早期阶段，但 MCP（Multi-agent Communication Protocol）等机制的出现，标志着这一层正逐渐被填补。他认为，不仅是信息，还将是价值和信任的传递都需通过协议来完成，这是智能体经济成为现实的前提。

第三，安全与信任问题将空前重要。在一个你无法“面对面见到交易对象”的世界里，信任机制必须被重新构建。他预计会形成一个“围绕 Agent 安全与认证的全新产业带”，其重要性甚至将超过现实世界中现有的身份认证系统。

在讲完构建 Agent 经济体的三大技术前提后，Konstantine 将视角进一步下沉，讨论这一变革将如何影响我们的认知模式与组织结构。

首先，是“思维范式”的转变——我们正在从“确定性思维”走向“概率性思维”（Stochastic Mindset）。

他以一个简单但深刻的类比说明差异：传统计算机系统是确定性的，你输入 73，它永远返回 73；而 AI 系统则不同，它可能返回 37、72、74、79 或什么都不返回。

这是因为，我们进入了一个无法用“if/else”完全定义的计算世界。他认为，这种从“可控”到“不确定”的认知转变，将是 AI 时代最深层、最普遍的思维重塑。

第二，是“管理范式”的变革——人们将不再直接编程机器，而是“管理智能体”。他指出，一个优秀的工程师与一个优秀的工程管理者之间存在本质区别，AI 将迫使更多人进入后者的角色。

未来的管理者要懂得如何评估 Agent 的边界与能力，如何设计任务分配流程，甚至需要像管理团队一样管理一组 Agent。他半开玩笑地提醒，“希望我们不要发展出‘年终绩效考核 Agent’的系统”。

第三，是“高杠杆 + 高不确定性”的并存现实。他强调，AI 能带来极大的杠杆作用，但同时，也带来极大的不确定性。如何在高风险中实现高产出，将成为每个人必须掌握的能力。在这个意义上，Konstantine 鼓励在场听众：“你们是最适合这个时代的一群人。”

他最后回到去年分享过的一张图，继续谈“杠杆”问题。他指出，2023 年他们预测组织中单个职能部门将拥有 Agent，然后这些 Agent 会“聚合”，形成整个工作流程自动化的能力，甚至预言出现“一个人创造的独角兽公司”。

虽然目前尚未有一人独角兽，但已有公司以极少人力达成惊人的规模扩展，这标志着“组织杠杆率”正在进入前所未有的上升阶段。

未来，随着越来越多的 Agent 融合，神经网络本身将形成“嵌套式架构”：一个大型神经网络中包含多个异质子网络，它们协同运行，构成一个“网络中的网络”，这种系统架构将彻底重构个人工作方式、组织结构乃至整个经济体的运行逻辑，我们正处在经济与智能系统重塑的临界点。红杉美国 Roelof Botha 谈 AI 时代 VC 观察模型 —— AI 不像互联网那样削弱中心化，但仍有结构机会

✦ 精选内容 ✦