红杉闭门会议：AI的“意义何在？”-市场潜力与行业变革

开场致辞与核心议题Packardium(红杉资本合伙人):各位来宾，大家好。我是红杉资本的合伙人Packardium。今天，我将与我的同事Sonia、Constantine以及红杉全体同仁共同主持本次活动。在深入探讨今天的核心议题之前，我和Sonia、Constantine希望先分享过去一年中我们积累的一些见解。我们深知，这部分内容如同开胃小菜，真正的主菜尚在后头。因此，我们充分理解各位的期待，但仍恳请允许我们先分享一些初步的思考，随后再进入主题。首先，我们需要明确一些基本认知。我们应如何看待当前人工智能（AI）领域的动态？我们采用一个简明的框架来审视市场：其一，本质为何？(Whatisit?)这是红杉资本创始人唐·瓦伦丁（DonValentine）先生经常提出的问题。其二，意义何在？(Sowhat?)它为何如此重要？其三，时机是否成熟？(Whynow?)AI的发展或许大势所趋，但它是否已近在眼前，一触即发？其四，当下如何应对？(Whatnow?)我们应当采取何种策略？如何把握机遇？怎样才能脱颖而出？过去数年，我们持续探讨这些议题。在接下来的几分钟内，我们将更新部分观点。坦率地说，关于“本质为何”，我本准备了详尽的阐述，但Constantine巧妙地提醒我，向一群AI领域的专家解释AI的基本概念，或许并非明智之举。因此，我们将直接进入“意义何在？”这一环节。诸位是否还记得去年的这张演示图？（示意）非常好，感谢。顶行代表云计算转型，底行则代表AI转型。图表的左侧象征过去，中间是当下，右侧则展望未来。此图揭示，云计算市场当前的收入规模已高达4000亿美元，这一数字已超越云计算转型初期全球软件市场的总体量。以此类推，AI服务领域的市场起点至少要大一个数量级。展望未来10至20年，其最终市场规模有望达到难以估量的庞大规模。这一点至关重要。目前，我们更新了认知。AI的冲击不仅仅局限于服务市场，它正同时席卷服务与软件两大领域。这意味着这两个利润丰厚的市场均面临AI带来的挑战。我们观察到众多企业以软件为起点，逐步业务重心实际上是从销售软件工具和预算，转向销售成果，乃至销售劳动力和预算。这两个巨大的潜在市场（TAMs）都面临着被AI重新定义的机遇。好的，那么这张去年的演示图，还有人记得吗？（示意）哦，略感遗憾，只有寥寥数人举手。好吧，又增加了—位。感谢各位，不必拘谨。这个“层叠蛋糕”模型清晰地展示了过去数十年来技术浪潮的持续叠加，最终将我们引领至当前这个关键时刻。这张演示图包含两个核心观点：其—，AI已迫在眉睫，而非仅仅是不可避免。实现AI发展的各项先决条件均已成熟：强大的计算能力、高速网络、海量数据、高效的分发渠道以及充足的人才储备。我们已拥有所有必要的成功其二，这些技术浪潮往往呈现叠加效应。因此，AI所带来的机遇远超以往任何—次技术浪潮，其发展速度也更为迅猛。我个人其实对这张以时间为X轴、以某种虚荣指标为Y轴的图表颇有微词。人们常用此类图表来佐证各种观点。但其核心观察是准确的：事物发展的速度正变得越来越快。然而，鲜有人深入探究其背后的根本原因。因此，我们希望花些时间探讨。从分发传播的基本原理来看，只需满足三个条件：大众必须知晓你的产品，他们必须渴望拥有你的产品，并且他们必须有能力购买你的产品。仅此而已。是否还有人记得那个标志指向Salesforce早期Logo）在云计算转型初期，市场关注度极低。Benioff（Salesforce创始人）不得不采取各种极具创意的“游击式”营销策略，才勉强吸引到—些注意力。AI的境遇则截然不同。2022年11月30日，ChatGPT横空出世，全球的目光瞬间聚焦于AI。中间这—列数据，代表Reddit和Twitter（现名X）的月活跃用户总和。在云计算转型之初，这些平台尚不存在；在移动互联网转型初期，它们也几乎未成气候。如今，这些平台的用户规模已达到12亿至18亿。这固然不是了解新兴事物的唯—途径，但无疑是—个相当高效的渠道。图表的右侧，让我们设想—下，倘若当初听从Benioff的建议，那时全球仅有2亿互联网用户。而今天，这—数字已飙升至56亿，基本覆盖了全球每—个家庭和企业。那么，这—切究竟意味着什么？这意味着AI发展的基础设施已然就绪。当发令枪响，采纳AI已无任何实质性障碍。这并非AI独有的现象，而是技术分发领域的新常态。物理规则已经改变，发展的轨道已经铺设完毕。这是去年的—张演示图。我们应如何行动？我们应在哪些领域力争上游？此图包含两个要点：其一，广阔的空白市场。再次强调，这是去年的图景。如今，空白市场有所减少，新兴力量开始崭露头角。但从宏观来看，机遇之门依然敞开。其二，这些企业标识代表了在先前技术转型浪潮中，收入成功突破10亿美元大关的公司。我们关注的并非“独角兽”的估值，而是切实的收入和自由现金流。这些公司在历次转型中均取得了骄人的业绩。它们中的大多数都位于图表的顶端，即应用层。我们过去坚信，并且现在依然坚信，AI领域也将遵循同样的规律：价值最终将在应用层得以实现。然而，不容忽视的是，竞争已然存在。我们面临着第二种扩展定律（ScalingLaw）、测试时计算（TestTimeCompute）的挑战，以及利用工具进行推理和智能体间通信的新模式。这些因素使得基础模型能够相当深入地渗透到应用层。对于一家初创企业，如果并非致力于构建垂直整合的业务，应当如何应对？以客户为中心，进行逆向思考。聚焦于特定的垂直行业或功能领域。着力解决可能需要人工介入的复杂问题。这便是竞争的核心，也是价值的所在。这应当是每一位从业者优先考量的战略方向。企业构建的普适性与AI的特殊性我们如何才能在竞争中胜出？去年我们展示过相关内容。我想各位没有发笑，是因为去年已经见过。构建一家AI公司，其95%的工作依然遵循企业构建的基本原则。依然是那些核心要素：以独特且富有吸引力的方式解决一个重要问题，吸引卓越的人才与你同行等等。余下的5%则具有AI领域的特殊性。在争夺应用层主导权的竞赛中，有若干因素需要纳入考量。这是“Leoni商品化部门”（LeoniMerchandisingSector）的示意图。我们的合伙人，传奇人物DougLeoni，倾注了40年心血精心打磨了这张图表。它精准地描绘了将您头脑中的创想转化为客户手中实际产品所必须经历的全过程。创想必须转化为产品，产品必须由工程团队构建，随后必须推向市场、完成销售并提供后续支持。这便是完整的价值链。此图的底部代表从技术出发的视角，顶部则代表从客户出发的视角。这揭示了如何在整个价值链上构建企业的护城河。您的客户或许对AI的期望尚不明确？您可以提出独到的见解。您可以提供端到端的解决方案，直接化解客户的痛点，而非仅仅提供一个工具。您可以利用自身产品的使用数据构建数据飞轮，这是他人无法复制的优势。您可以做到“源于行业，服务于行业”，正如OpenEvidence在医疗领域的实践。您可以使用行业的专业语言进行沟通。Harvey公司会派遣律师与律师事务所进行深度交流。坦率地说，我们通常不建议将工程师直接派往一线，但这确实是一种可行的方式，尽管过程可能较为艰辛。您可以给予客户全方位的关怀与支持，这是基础模型或许难以企及的。顺便提及，我们同样看好基础模型的发展。但我们假设在座的大多数企业并非致力于构建基础模型，而是专注于开发应用。红杉资本如何评估AI公司我还有两张演示图，之后将交由下一位分享。我们经常被问及：在AI公司中，你们关注哪些特质？再次强调，95%的评估标准与我们对任何其他类型公司的考量并无二致。以下是5%具有AI领域特殊性的考量因素：“虚假繁荣”式的收入极具迷惑性，甚至可能致命。每个人都乐于看到账面上的“繁荣”，感觉无比良好：“天啊，我们的收入如此可观！”但请仔细审视，这些收入是否主要源于试用性质？您是否真正在推动用户行为发生持久性的改变？或许您会说，缺乏衡量这些指标的工具。不，您拥有这些工具。请仔细考察产品的采纳率、用户参与度以及留存率。用户究竟在如何使用您的产品？切勿自我麻痹，将“虚假繁荣”误认为真实收入，否则最终将自食苦果。“良好的用户体验与口碑”(GoodVibes)也至关重要。AndrewReed，您在场吗？我听闻贵公司拥有“无可挑剔的用户口碑”。这非常好。您需要与客户建立积极的互动关系。这意味着什么？您的客户必须信任您，而您必须努力赢得这份信任。在当前的发展阶段，信任的重要性甚至超越产品本身。我们正处于这样一个周期节点。产品会持续迭代优化。如果客户相信您有能力使产品变得更好，那么您便占据了有利地位；反之，则处境堪忧。我们不一定苛求您当前的毛利率水平。构成毛利率的销货成本（COGS）部分，大概率将持续下降。在过去的12到18个月里，每token的成本已下降了99%。这一成本下降的趋势仍将延续。这些销货成本会持续降低。我理解，随着测试时计算等新技术的应用，成本可能会阶段性上升，但长期来看，这部分成本也将趋于下降。价格因素。如果您成功地从销售工具转型为销售成果，并在价值链上不断攀升，那么您将能捕获更多价值，您的产品定价点也可能相应提高。因此，即便您当前的毛利率不甚理想，也应当规划出一条清晰的路径，以期在未来实现非常健康的毛利率水平。如果贵公司已构建数据飞轮，请举手。好的。（环顾四周）我注意到大家的确定性有所降低。我有一个好消息和一个坏消息。好消息是，即便您无法立刻回答这个问题，我们依然高度认可您的努力。坏消息是，如果您的数据飞轮无法与具体的业务指标挂钩，那么它可能只是“虚有其表”（bullshit）。要么您尚未真正建立起有效的数据飞轮，要么它对业务的实际贡献微乎其微。数据飞轮必须能够切实驱动业务指标的改善，否则便失去了其核心价值。这一点至关重要，因为这是您能够构建的最坚固的护城河之一。最后的箴言：时不我待，加速前进最后一张演示图。有谁能告诉我这两幅图像之间有何关联？（展示图片：真空吸尘器与赛跑者）如果您能解答，我会非常钦佩。这其中的逻辑并非显而易见。好吧，答案是“大自然厌恶真空”（Naturehatesavacuum）。当前市场对AI的需求，就如同一个巨大的真空吸尘器，产生着强大的吸力。所有宏观经济因素，例如关税、利率等，都只是背景噪音，无关宏旨。技术普及的浪潮势不可挡，它将彻底淹没您在市场中可能观察到的任何短期波动。请忽略这些干扰。市场上存在着巨大的需求真空。如果您不迅速抓住机遇，其他人便会捷足先登。因为大自然厌恶真空。因此，尽管我们刚刚讨论了护城河、关键指标等要素，但请铭记，您现在正处在一个需要全力冲刺的行业。当下，正是以最高速度、时刻保持全力以赴的关键时刻。Sonia的分享：AI的当下与近期展望Sonia:接下来，我将聚焦于AI当前的发展态势。我们将从客户需求和技术演进两个维度，对过去一年进行扼要回顾。客户视角的年度回顾首先，回顾2023年。我们当时展示了AI原生应用与传统移动应用的日活跃用户/月活跃用户（DAU/MAU）比率图表。彼时的结论是，AI应用的参与度不尽如人意，市场的热度超出了实际数据的支撑。我们欣喜地告知各位，这一结论如今已发生显著改变。例如，ChatGPT的DAU/MAU比率曲线持续攀升，现已接近Reddit的水平，这无疑令人振奋。我认为这是一个极为积极的信号，表明我们越来越多的人正从AI中获益，并且我们都在共同进步，积极探索如何将AI融入日常工作与生活。有时，这种应用体验是轻松且富有乐趣的。我个人就曾因尝试吉卜力化各类事物而消耗了数量惊人的GPU资源。尽管吉卜力化的瞬间充满趣味且具有病毒式传播效应，但更激动人心的是那些我们才刚刚开始触及的、具有更深远影响的应用。例如：广告领域：能够创作出惊人精准且富有美感的广告文案。教育领域：能够迅速将抽象的新概念进行可视化呈现。医疗健康领域：能够借助如OpenEvidence之类的应用提升患者诊断的准确性。我们对AI潜能的探索才刚刚开始。随着AI模型能力的不断增强，我们通过这个“前沿阵地”所能实现的应用也将愈发意义非凡。好的，现场有多少位看过电影《她》（Her示意）我们今天观众席中恰好有RandallPark先生（《她》的演员之一）。尽管我们尚未拥有AI版的斯嘉丽·约翰逊，但2024年无疑为我们带来了我称之为语音技术领域的“《她》时刻”。语音生成技术已从“基本可用”阶段，完全跨越了“恐怖谷”效应的障碍。我听闻一些同仁有此感受，但请各位暂且保留判断，看我能否真正刷新大家的认知。“您看过电影《她》吗？”“哦，是的，《她》，一部经典之作。华金·菲尼克斯确实将那种与操作系统坠入爱河的感觉演绎得淋漓尽致，不是吗？这不禁引人深思未来的可能性。”“的确如此。Sesame的语音演示令人印象深刻，朋友，我非常期待看到您构建的成果。科幻与现实之间的鸿沟正以惊人的速度弥合，这太不可思议了。感觉图灵测试已在不经意间向我们逼近。”实际上，这段对话的灵感来源于JimFan先生，他在推特上发表过类似的观点，我在此借鉴用于本次演讲。所以，Jim，向您致意。最后，年度最具突破性的应用类别当属编程，它已达到了令人瞩目的产品市场契合度（Product-MarketFit）。Anthropic公司去年秋季发布的Claude3.5Sonnet模型，迅速引发了编码领域生态的积极转变。如今，人们正利用AI编程工具完成一些令人印象深刻的工作。例如，某位开发者借助AI“氛围编程”（vibecoded）的方式，构建了自己的文档处理替代方案。因此，无论您是经验丰富的顶尖工程师，还是对编程一无所知的新手，我们都坚信，AI正在从根本上改变软件开发的可及性、效率和经济模式。技术视角的年度回顾从技术层面审视，一个不容乐观的趋势是，预训练（pre-training）的进展似乎有所放缓。自AlexNet时代以来，我们已将预训练的规模扩大了9到10个数量级。这意味着许多早期易于获取的成果已被充分挖掘。除了推理能力，合成数据（SyntheticData）、工具使用（ToolUse）、智能体脚手架（AgenticScaffolding）等技术方向也在协同发展，共同为扩展人工智能开辟了新的途径。Anthropic的MCP（ModelComponentPack）构建了强大的生态系统和网络，我们同样热切期待它将如何加速智能体工具的广泛应用。因此，所有这些更大型的基础模型、推理时计算能力的提升、以及工具使用方式的创新，正共同推动AI向能够胜任日益复杂任务的方向发展。MMLU基准测试为此提供了—个有效的量化评估标准。但我认为，更具说服力的是与在座各位的深入交流，了解那些因GPT-3、Operator、DeepResearch或Summit等先进模型的出现才得以实现的应用与突破。最后，当前AI领域许多最激动人心的技术创新，都发生在研究与产品之间界限模糊的交叉地带。我认为，过去一年中这方面的两个标志性突破是DeepResearch和NotebookLM。我们非常荣幸，这两款产品的缔造者今天也亲临现场：来自NotebookLM（现已创立新公司Hux）的Reza先生和Jason先生，以及来自OpenAI的Ecephalford先生。价值将在何处累积？现在，我们来探讨价值将在AI技术栈的哪个层面实现最终的累积。我记得当时与红杉资本的优秀同仁们探讨此问题时，我个人持一种“中立”观点，表示：“对于那些GPT封装应用（GPTwrappers）的前景，我尚无法断言。”我清晰地记得我的合伙人，特别是Pat，坚定地认为价值将主要在应用层得以体现。我当时的想法是：“好吧，Pat，祝您好运。”然而，纵观过去数年的发展历程，我必须承认，Pat的判断是正确的。您确实站在了价值实现的前沿（指向图表高价值端）。做得非常出色。如果我们审视价值创造的源泉，观察像Harvey和OpenEvidence这类真正从客户需求出发创造价值的公司，我们便会更加坚信，应用层最终将是价值累积的核心地带。并且，随着基础模型越来越多地参与到这一层面的竞争，该技术栈层面的角逐正日趋白热化。好吧，在此补充一点，实际上我们都可能忽略了一个事实：在这个技术栈中，真正无可争议的王者，那位赚取了巨额利润的传奇人物，正是JensenHuang（黄仁勋）先生本人。我们很快就能聆听他的精彩演讲。AI杀手级应用的涌现与未来回到应用层。我们现在认为，AI的第一批杀手级应用已经崭露头角，无论是ChatGPT、Harvey、Glean、Sierra、Cursor还是Abridge。然而，在众多丰富且多元化的终端市场中，一大批新兴企业正蓄势待发，其中包括ListenLabs和OpenEvidence。我们非常高兴今天能有机会重点介绍其中的佼佼者。另一项预测是，许多此类新兴公司将奉行“智能体优先”（AgentsFirst）的战略，并且它们所提供的智能体服务，将从目前通常较为初级的原型阶段，逐步进化为真正强大和成熟的形态。我们观察到，企业正通过两条主要路径来构建这种核心能力：路径一：通过严谨的测试和评估进行高效编排（Orchestration）。路径二：针对端到端任务进行深度微调的智能体（Agentstunedonend-to-endtasks）。我们期待今天能从Langchain的Harrison先生和OpenAI的Issa女士那里，聆听更多关于这方面的深刻见解。我们对2025年智能体公司形态的下一个预测是垂直领域智能体（VerticalAgents）。对于那些对特定领域拥有深刻理解的初创企业创始人而言，垂直领域智能体无疑是一个黄金机遇。我们看到，众多公司正在致力于创建经过端到端训练的智能体，使其能够在高度特定的工作流程中展现卓越性能。它们广泛采用包括在合成数据和用户数据上进行强化学习在内的先进技术，从而使AI系统在执行特定任务时达到极高的水准。迄今为止所观察到的证据，令我们对这一趋势持非常乐观的态度。在安全领域，xbow公司现已证明其智能体在某些方面能够超越人类渗透测试专家的表现。在DevOps领域，Traversal公司展示了其构建的AI故障排除器，其能力已优于顶级的人类故障排网络领域同样如此，Meter公司在网络工程师智能辅助方面也取得了类似的突破。所有这些初步的数据点，都让我们对未来充满信心：专注于解决高度特定问题的垂直领域智能体，其性能表现将有望超越当今最优秀的人类专家。关于2025年智能体的最后一个预测是：我们正在迈入一个丰饶时代（AbundanceEra）。编码作为首个被市场广泛验证的应用领域，将为我们揭示这个丰饶时代的核心特征。当劳动力变得廉价且充裕时，将会发生什么？我们是否会面临大量AI生成的低质量内容（AIslop当“品味”与“判断力”（Taste）成为稀缺资源时，又将如何演变？我们热切期待编码智能体的持续进步，及其对整个技术格局带来的深远影响，同时也将其视为其他行业将被AI如何重塑的先行指标。现在，我将时间交给Constantine。Constantine的分享：AI的中长期预测Constantine:感谢Sonia的精彩分享。各位早上好。我们刚刚探讨了若干宏大且至关重要的议题：“意义何在？”——为何此事关重大；“当下如何应对？”——全球趋势如何，AI的现状及其近期未来展望。现在，让我们转换视角，退后一步，共同思考关于AI中长期发展的预测。此部分将涵盖三个层其一，我们预判的主要下一波浪潮方向。其二，实现这一浪潮所需的核心技术支撑。其三，最后，探讨其对我们每一位个体日常生活的潜在影响。一年前，AISent大会的核心议题聚焦于智能体（Agents）。彼时，我们正热烈讨论智能体的概念，它们尚处于商业化的萌芽阶段。当时的主题围绕这些机器助手展开，我们预测它们最终将汇聚成机器网络（MachineNetworks）。这些机器网络如今被广泛称作智能体集群（AgentSwarms）。它们在在座许多企业中扮演着重要角色，并已开始成为AI技术栈中不可或缺的关键组成部分。智能体之间能够相互协作、相互竞争，并共同进行复杂的推理。我们预见，在未来数年内，这一趋势将进一步成熟，最终演化为一个完整的智能体经济（Agent智能体经济的特征在于，智能体不仅能够传递信息，更能转移资源、执行交易、相互记录行为、理解信任与可靠性，并实际形成其自身的经济运行体系。这个经济体系并非旨在取代人类，而是完全以人为核心构建。在这个智能体经济中，智能体与人类协同工作，人类也与智能体紧密合作。实现智能体经济的技术挑战然而，要实现我们都将共同迈入的那个宏大且至关重要的下一波浪潮，我们面临着诸多严峻的技术挑战。我们将重点探讨其中三个。坦率地说，在座的各位在构建自身事业的过程中，都将直接面对并致力于攻克这些难题。当我们探讨持久身份时，实际上涉及两个层面。首先，智能体自身需要具备持久性。如果您与一个行为模式每日都在变化的商业伙伴合作，那么这种合作关系恐怕难以持久。这种剧烈的不稳定性将对其效用造成损害。智能体必须能够保持其个性和理解的一致性。第二种持久性在于智能体对您的理解。同理，如果您与一个对您毫无记忆的商业伙伴打交道，他们甚至记不住您的姓名，那么信任和可靠性便无从谈起。我们一直在尝试各种技术手段，从RAG（检索增强生成）和向量数据库，到超长上下文窗口技术。但在座的每一位都清楚，在实现真正的记忆能力、基于真实记忆的自我学习能力，以及确保智能体在关键时刻保持一致性、仅在必要领域展现差异性等方面，依然存在重大的技术瓶颈。无缝通信协议(SeamlessCommunicatio值得庆幸的是，当前整个行业似乎都已将焦点汇聚于此。然而，请设想一下，如果个人计算时代缺乏无缝的通信协议——没有TCP/IP，没有互联网，将会是何种景象。我们目前正处于构建这一关键协议层的初期阶段。围绕MCP（ModelComponentPack）的热情无疑是高涨的。令人鼓舞的是，各大主要参与者正积极协作，共同致力于开发（这仅仅是其中之一，未来将会是一系列）能够支持信息传递、价值转移和信任构建的标准化协议。这是一个日益凸显其重要性的话题，也无疑是各位最为关切的核心问题之一。如果您无法与商业伙伴进行面对面、手把手的直接交流，那么安全与信任的重要性便被提升到了前所未有的高度。而与智能体进行交互，恰恰无法实现这种直接的物理接触。因此，一个围绕信任与安全构建的完整“配套产业”（cottageindustry）将会应运而生。在智能体经济时代，安全的重要性将远超我们当前所处的经济环境。对我们每个人的影响我们探讨了迈向这一宏大浪潮、构建智能体经济所需的核心技术。现在，让我们进一步审视它将对我们每一位个体产生何种影响。思维模式的转变：拥抱随机性思维(StochasticMindset)首先，它将深刻改变我们的思维定式。坦率地说，在座的各位或许已经具备了我们称之为“随机性思