AI深度研究员 2025-05-18 18:16 广东
（红杉 AI 峰会 2025 主题演讲：AI 万亿美元机遇）
本文经 AI 深度研究员（公众号 ID: AIshenduyanjiuyuan）授权转载，转载请联系出处
最近，第三届红杉资本 AI 峰会刚刚在旧金山落幕。
150 位全球顶尖 AI 创始人齐聚红杉资本会场。窗帘落下，与外界隔绝整整 6 小时——最先映入眼帘的是白板上的一句话：
下一轮 AI，卖的不是工具，而是收益。
红杉资本合伙人Pat Grady 把这句话称为「万亿美元机会」；
OpenAI 首席执行官 Sam Altman 和 谷歌首席科学家 Jeff Dean 一致点头；
英伟达具身智能研究主管 Jim Fan 补上一句：「当机器人能通过物理图灵测试时，收益 = 自动化的现金流。」
── 共识，就此浮现。
这意味着：
SaaS 逻辑正在失灵：客户不再为「能用的工具」买单，而只为写进利润表的结果掏钱；
新定价单位是 KPI：开发提速、GPU 成本、落地 GMV，将直接决定产品价格；
创业窗口缩短：谁先把“收益”商品化，谁就抢走下一个十倍级市场。
接下来的文章，拆开这场闭门峰会的 3 个核心信号：
「操作系统式 AI」如何成为新的现金流机器
「常驻代理」正在重塑工程师与企业边界
「物理图灵测试」打开机器人商业化的最后闸门
读完，你将拿到一张面向未来三年的 定位图、估值模型和融资策略路线图。
第一节｜AI 不再卖工具，而是卖成果
「我们正在经历一次从工具逻辑到成果逻辑的根本转变。」
在红杉第三届 AI 峰会上，主持人 Pat Grady 这样开场。
🔹 从软件预算到「成果合同」：AI 正改变企业付款方式
过去十年，软件的核心价值是「提升效率」：提高运营效率、自动化部分流程、辅助人类决策。企业为此购买 SaaS、堆积工具，预算划在「软件费用」一栏里。
但现在，AI 正在穿透这层逻辑。
红杉提出一个结构模式：
从卖工具（Software as a Tool）
👉 到卖协作（Software as a Co-worker）
👉 最终走向卖成果（Software as an Outcome）
这不是修辞，而是收入模型的根本变化。
🔹 成果驱动，不再讲「能力」，只讲「干了啥」
Sierra 平台的联合创始人 Bret Taylor 在峰会上进一步解释：
「我们从第一天起就选择基于成果定价（outcome-based pricing）。客户不再为功能买单，而是为结果买单。」
举个例子：
传统 CRM 软件卖的是「客户管理工具」
AI 驱动的 CRM 智能体，卖的是「帮你完成 XX 个客户转化」
工具，是你用；成果，是它为你交付。
这正是红杉判断「AI 应用价值将超越模型本身」的关键所在。
不是谁模型参数更多、推理速度更快，而是谁能把结果交付闭环，谁就拥有了客户预算。
Pat Grady 在峰会幻灯片中指出：「AI 正从服务市场穿透到劳动力市场。」
你以为它在抢 SaaS 的预算，实际它正在进入工资单。也正因此，红杉不再强调「独角兽估值」，而是看现金流、看可度量成果。
OpenAI、Ramp、Sierra，这一批应用层玩家，不再争抢「最先进的 AI 模型」，而是率先进入「谁交付成果谁赢」的商业现实。
红杉说：
未来 AI 应用的核心问题，不是模型能力，而是「是否能跑起来干活」。
这场变化悄无声息地在发生。
第二节｜操作系统之战：AI 的入口争夺
在峰会现场上，一个趋势被频繁提及：AI 的主语正在转移——从「被调用」转向「主动调度」。
这背后，不是模型变强了，而是系统在变。谁掌握入口，谁就掌握未来的调度权。
OpenAI CEO Sam Altman 在会上亮出一张时间表：
「2025 年，AI 代理开始工作；
2026 年，AI 将发现新知识；
2027 年，AI 将进入物理世界创造价值。」
这不是愿景，是路线图。
他明确表示：ChatGPT 正在成为「操作系统」级存在。成年人用它搜索，年轻人当成教练，青少年已将其当作「数字操作界面」。
🔹 操作系统的定义，已经被重写
红杉在幻灯片中指出：
云时代的 OS 是微软
移动时代是 iOS
AI 时代的 OS，将不再是装机软件，而是任务调度系统
它能记住你，理解你，代表你采取行动。这不是「多一层智能」，而是重新定义交互起点。
LangChain 创始人 Harrison Chase 也提出一个全新入口概念：
智能体收件箱（Agent Inbox）——是触发万千智能体协同工作的入口，不是聊天框，而是系统总线。
而 Anthropic 的 Claude Code 已经不再只是生成器——它自动写代码、提交、雇佣其他代理执行任务。首席产品官 Mike Krieger 的定义是：「分布式运行环境」。
这意味着，入口权已经从「你点它一下」变成「它代表你去调度系统」。
🔹 谁占据入口，谁配置资源
红杉总结得很清楚：
下一代 AI 不靠下载量，不靠市场营销，而靠记忆 + 执行构建粘性。
也就是说：谁成为「用户意图的第一个承接者」，谁就控制了系统分配权。
这一趋势已经在产品层面显现：
OpenAI 的 GPTs 支持「任务指派式代理」
Claude 借助 MCP 协议雇佣其他智能体
LangChain 构建的 inbox，将一整套人机任务分配机制打通
用户不再“操作工具”，而是发出一句话：「安排一个东京出差」，AI 就自动完成航班预定、会议安排、天气查询和报销流程。
你看到的，不是产品，而是一套可配置的行动系统。
红杉进一步指出：企业级市场中，真正先跑出来的入口未必是通用大模型，而是 Harvey（法律）、Open Evidence（医疗）这类垂直领域智能体 OS，因为它们能听懂行业语言，理解真实需求。
第三节｜智能体经济正在成型
在闭门讨论中，一个关键词频繁出现：智能体经济（Agentic Economy）。
红杉合伙人 Konstantine 抛出一个设想：
「未来的 AI，不只是彼此通信，而是组成一个可以交换价值的系统网络。」
这意味着——AI 不再只是被调用的模型，而是可以行动、可以决策、可以合作的经济参与者。
🔹 智能体，不是插件，而是角色
Konstantine 将其定义为三要素：
持久身份：它能记住你是谁，也记得自己是谁；
行动能力：能调用工具，发起任务，调度资源；
信任协同：它和你之间，不是指令关系，而是信任契约。
举例来说：
当 Claude Code 开始主动提交 PR，评估代码质量，协调其他智能体——它已经不是「Copilot」，而是一个具备产出责任的工程角色。
OpenAI 前员工 Daniel Kokotajlo 在会上补充：
「如果 Einstein v1907 拥有足够推理资源，它可能不只是回答问题，而是自主发现科学规律。」
模型不再是应答器，而是「路径构造者」。
🔹 智能体经济，不靠指令，而靠协同
随着 AI 从「回答工具」变成「自主代理」，协作成为关键能力——而经济协作，
意味着新的「组织结构」也在成型：一组智能体，代理多个角色、部门，彼此交易、合作、背书；
人类也开始从「控制者」变成「编排者」，设计这些智能体的职责、接口与信任边界。
这场讨论在提醒我们：
不要只看你的模型有多强，要看它能否作为「角色」被嵌入一个系统中。
你不再是在用 AI 工具，而是在构建一张「人-智能体」共生的经济网络图。
所以，问题不再是「智能体有多聪明」，
而是：你在这个网络中，是入口、节点，还是被调度的中间层？
第四节｜AI 产品，不看点击看结果
过去两年，AI 创业者最常问的问题之一是：
我做出了一个功能很强的 AI 产品，为什么用户用完就走？
而在红杉 AI 峰会现场，索尼娅给出了一个不靠模型、不靠渠道的回答：
「分发物理学(physics of distribution)，变了。」
在旧时代，一个产品要获得用户，依赖三个变量：
用户是否知道你（Attention）
用户是否理解你（Understanding）
用户是否愿意用你（Adoption）
这三者构成了移动互联网时代流量分发的核心逻辑。
但现在，一切正在被重写。
随着 AI 从工具变成代理，用户行为也随之转变。红杉观察到，使用的起点，不再是界面点击，而是任务委托；真正的价值，不是产品被打开了多少次，而是它交付了多少结果。
🔹 从「使用」到「托付」：分发的本质在偏移
红杉合伙人索尼娅展示了一个关键信号：
ChatGPT 的 DAU/MAU 比例在 2025 年 Q1 首次逼近 Reddit，标志着 AI 应用正在从「好奇尝试」，进入「日常依赖」。
但这种依赖，不是传统意义上的「用户停留」，而是一种「发出请求 → 离开 → 等待结果」的使用逻辑。
不是用完了，而是交出去了。
用户不再围绕 AI，而是把任务扔给它、让它自己完成，然后回来收结果。
红杉称之为：
从使用界面，到委托接口。
这意味着，AI 应用不再是「被操作的工具」，而是「承担责任的系统节点」。
如果你还在用「功能用得多不多」来衡量产品好不好，那你已经错过了判断标准的转移。
🔹 成果型产品的结构：不是能用，而是能干完
在峰会上，红杉定义了「成果型产品」的三大判断标准：
是否能跑完一个完整任务流程：不是帮你做一部分，而是从头到尾，交付闭环；
是否能让结果被归因：是否能度量它带来了什么明确价值（节省了什么、提升了什么）；
是否能在过程中持续学习和优化：是不是越用越好、越跑越稳、越交付越准。
这也解释了为什么 Claude Code 能够在 Anthropic 内部引爆：它不是“代码助手”，而是一个「独立完成工程任务的 AI 节点」——70% 以上的生产代码提交，已经由它独立完成。
Open Evidence 在医疗场景也体现了同样路径：从「辅助医生」变成「自动生成诊断建议 + 给付解释 + 患者摘要」，并且全部写入系统记录，形成可学习的「交付链」。
红杉强调：
真正的 AI 产品，不是「有没有能力」，而是「有没有结果」；不是「你点它做了什么」，而是「它替你完成了什么」。
🔹 Doug Leone 路径图：从结果，到飞轮
红杉展示了一张他们非常看重的结构图：Doug Leone 商业化路径。
从「想法」到「产品」，从「交付结果」到「建立信任」，最终进入「成果飞轮」。
AI 应用正沿着这条路径提前演进：
成果不是演示效果，而是被组织预算认可的业务闭环；
信任不是界面友好，而是一次次被任务委托、被组织采纳；
飞轮不是用户增长，而是每一次交付都带来更多任务指派和数据积累。
用红杉的话来说：
AI 结果的累积速度，将决定你公司价值增长的上限。
所以今天的你，不再是「用户增长经理」，而是「成果增长经理」；你的产品，也不是「用得多不多」，而是「跑没跑完流程」。
因为未来 AI 的分发，不靠推荐算法，而靠「交付记录」。
你不是卖工具的人，而是交成果的人。系统能不能接住你的委托，才是下一轮定价权的起点。
这就是红杉在峰会最想传递的提醒：
从 Attention 到 Action，AI 正在重写整个分发逻辑。
第五节｜别再调模型了，调组织结构
过去一段时间，「大模型不够用了」成了很多 AI 团队的口头禅。
很多团队因此陷入模型焦虑：是不是参数不够？是不是推理慢了？是不是还得 fine-tune？
但来自 Anthropic、LangChain、Fireworks 等一线实践者的反馈却出奇一致：
不是模型不行，是你的组织、流程、工具链——没有配上这类智能的运作结构。
🔹 Claude Code：不是更聪明，而是更「可调度」
来自 Anthropic 的 CPO Mike Krieger 在峰会上说了一句被频繁引用的话：
我们不是在让模型变聪明，而是在让系统变得可控、可用、可调度。
他们内部 70% 以上的生产代码提交，已经由 Claude 完成。但关键不在于生成的准确率，而在于 Claude 已被纳入一整条任务执行链中：
从读取需求文档、代码历史，到生成方案、交叉验证、提交评审
每一步都有清晰的责任分配、反馈机制与自动升级路径
模型不再是「工具」，而是一个工程角色，嵌入到了组织的协作结构中。
你可以说，这是把 AI 当作「数字员工」来用；但红杉的判断更明确——这是工程组织能力的分水岭。
🔹 LangGraph 与 Fireworks：不是拼能力，而是拼架构
LangChain 创始人 Harrison Chase 在现场总结说：
「我们见过太多模型很强的团队，最后输在流程崩塌。」
为了解决「模型 → 任务」之间的承接问题，LangChain 提出了 Agent Graph 框架：
它不是一个新模型，而是一个事件驱动的调度机制；
支持多个智能体像微服务一样协作，并发运行、失败恢复、状态追踪；
所有行为都有「可观察性」，方便调试、记录与迭代
Fireworks AI 也在构建类似的结构化能力，不过他们聚焦在推理稳定性与行为一致性上：
把推理视为「生产线」，而不是单次响应
用策略调度、性能归因、结果验证，建立一个「推理工厂级」的可靠性标准
这些工作看似是工程细节，但红杉指出：
「AI 应用不再是 prompt 的艺术，而是架构工程的胜负。」
🔹 红杉五段路径图：从能力到结构，从组件到网络
在峰会白板上，红杉列出了一条 AI 应用的演进路径：
LLM → 工具调用 → 工作流编排 → 职责委托 → 智能生态网络
这五级演进，对应的是五种结构化能力：
这张路径图背后的意思是：
你不是在训练一个更大的模型，而是在训练一个更有组织感的协作网络。
不是问“AI 能不能做”，而是问：
谁来管它？
它交给谁？
它怎么协同？
出错怎么办？
数据怎么归因？
能不能复利？
这些问题，不再是工程师单独能解决的，而是属于 AI 架构负责人、组织设计师与任务运营者的工作范畴。
未来的 AI 产品，不再是「功能演示」，而是「结构设计」。
红杉说得很直白：
「如果你还在调 prompt，而没有调结构，你的胜率已经落后。」
第六节｜管理逻辑，正在被 AI 重写
当你以为这场 AI 峰会只是关于模型、系统和入口时，红杉的第三位主持人 Konstantine 抛出了一个意想不到的关键词：
「随机思维（Randomized Thinking）。」
这是一次对现有组织认知模式的正面撞击。
过去几十年，我们依赖的是工程式的因果推理：
你输入 1，就得 1；
你部署一个任务，它会按预期运行；
你设计的操作链，必须精准收口、结果可控。
但 AI 智能体不是这样运作的。「你告诉一个模型记住数字 73，它可能记住了，也可能变成了 72、37，甚至根本什么都不记得。」
这不是 bug，而是特征。
我们正进入一个计算结果存在概率波动的阶段，而不是线性可复现的系统。
🔹 管理范式突变：从「确定性执行」到「目标试探」
Konstantine 在现场提出：
「AI 不只是提升效率的工具，而是一种全新协作框架的起点。」
过去的组织在追求稳定产出、精细分工和可控边界。
但未来的团队要面对的，是全然不同的问题：
我能不能描述一个模糊目标，让智能体去尝试、偏航、再迭代？
我是否接受结果不是 100% 达成，而是 70%、80% 的进度并持续改进？
我是否能设计出「人类 + AI 混合代理」共同推进任务的策略空间？
这不是自动化加深的问题，而是组织感知方式的深层转向。
Konstantine 总结道：
「成为一名优秀的工程经理，和成为一名优秀的工程师，是两种完全不同的思维能力。」
AI 时代的管理者不再控制一切，而是设计环境让团队试错，并在变化中培养信任。
对组织而言，这就像游戏规则被彻底改写；
对个人来说，这相当于职业发展的基本逻辑被重新洗牌。
🔹 杠杆上升，掌控力下降：认知临界点已至
红杉展示了一张令人警醒的图表：
杠杆在上升，控制力在下降。
他们预判：
公司不再是部门之间相互配合，而是变成一个个任务自动流转的网络
个人不再只是扮演固定角色做事，而是像指挥家一样调度各种智能工具
组织结构不再是传统的上下级汇报关系，而是转变为多个智能体协同工作的团队网络
并大胆预测：
「未来可能出现第一家‘一人独角兽公司’（First Oneperson Unicorn）。」
这不是说这个人多强，而是因为他掌握了高密度的智能代理协作逻辑， 能用一套 AI 联合工作组完成产品研发、销售交付、客户服务与内容运营。
红杉称之为：
「不是你多会干，而是你能不能用 AI 构建出一个‘不靠你亲自动手也能推进的系统生物体’。」
🔹 最后一道门槛，不是能力，而是心智放权
红杉在峰会最后一页幻灯片上写了这样一组判断：
✅ 模型能力正在快速演进
✅ 联动机制逐渐可控
✅ 人工+智能的合作界面已开启
✅ 最后一公里，是你的认知适配速度
这意味着：
你不需要等一个「完美的 AI」降临，而是该问自己：你是否接受偏差、接纳协同？你能否放下「每一步都掌控」的冲动，而转向「给方向、留空间、抓反馈」的协作心法？
而 AI，不再是你的工具，它正在变成你的「好伙伴」，甚至是你认知系统的一部分。
AI 不再是技术，是新型经济的起点
红杉这场闭门会，没有模型发布，没有资本口号。他们只给出了一个冷静却深远的洞察：
AI 正在从「技术产品」，进化为一种新的经济运行方式。
它不再售卖功能，而是兑现结果；不再依赖输入，而是主动生成价值；不再等待指令，而是协同完成任务。
下一轮竞争的核心：在于构建自我驱动、持续交付的协作模式，而非仅仅利用AI做事。
当你放下「人-机」的陈旧观念，重新思考「如何定义任务、释放信任、安排协同」时，你才真正踏入了 AI 经济的第一公里。
这，才是红杉闭门 6 小时后，真正共识浮现的方向。
📮 本文由 AI 深度研究院出品，所有内容引用自红杉资本第三届 AI 峰会。
