（红杉AI 峰会2025 主题演讲：AI万亿美元机遇）

最近，第三届红杉资本AI 峰会刚刚在旧金山落幕。

来自全球各地的150位顶尖AI领域的领军人物汇聚于红杉资本的会议厅。随着窗帘缓缓降下，将外界与室内完全隔离开来，长达6个小时——首先映入众人视线的是白板上清晰可见的一行字：

下一轮 AI，卖的不是工具，而是收益。

红杉资本的合伙人Pat Grady将此描述为“价值万亿美元的机遇”。

OpenAI的负责人Sam Altman以及谷歌的科研总监Jeff Dean均表示赞同，点头示意。

英伟达公司负责具身智能研究的负责人Jim Fan进一步补充道：“一旦机器人能够通过物理层面的图灵测试，那么其带来的收益就等同于自动化的现金流入。”

── 共识，就此浮现。

这意味着：

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

阅读完毕后，您将获得一张针对未来三年的发展方向规划图、价值评估模型以及资金筹集策略的详细路线图。

️ 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。”

在红杉第三届人工智能高峰论坛上，主持人Pat Grady以此方式开启了活动。

从软件预算到“成果合同”：AI 正改变企业付款方式

在过去十年间，软件的核心优势在于“效率提升”，这不仅体现在运营效率的提升上，还包括流程的自动化以及辅助人类做出决策。为了实现这一目标，企业纷纷采购SaaS服务、积累各类工具，并将相关支出归入“软件费用”这一预算科目。

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）

最终目标是实现成果导向的软件销售模式。

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平台的共同创建者Bret Taylor在会议上对相关内容进行了进一步的阐释：

自项目启动之初，我们便采纳了以成果为导向的定价模式。在这种模式下，客户所支付的费用并非基于产品功能，而是基于实际取得的成效。

举个例子：

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。

不是仅仅因为模型参数的多少或者推理速度的快慢，关键在于谁能够将最终结果成功闭环交付，谁就能够获得客户的预算支持。

在峰会的演示文稿中，Pat Grady 明确提到：“人工智能技术正逐渐从服务领域延伸至劳动力领域。”

你或许认为它在争夺SaaS的经费，但实际上，它正逐步渗透到工资单领域。正因为如此，红杉资本已经不再过分强调“独角兽”的估值，转而关注现金流和可衡量的业绩。

OpenAI、Ramp、Sierra等应用层企业，不再竞相追逐“最前沿的AI模型”这一目标，而是抢先踏入了“成果交付即胜利”的商业竞争新阶段。

红杉说：

未来在AI应用领域，关键的问题不在于模型本身的能力，而在于其是否能够真正投入使用，高效地完成工作任务。

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

在峰会活动现场，一个显著的趋势引起了广泛关注：AI的角色正发生转变——它正从“被动响应”逐步向“主动指挥”过渡。

这其中的原因并非模型自身变得更加强大，而是整个系统正在发生转变。掌握入口的人，实际上也就掌握了未来调度的主动权。

OpenAI的执行长山姆·阿尔特曼在会议中展示了一份时间规划图：

“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。

他明确指出，GPT 正在演变成为一个“操作系统”级别的存在。成年人用它来进行信息检索，年轻人将其视为指导者，而青少年们则已经将其视作“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：

它能够识记你的信息，洞察你的需求，并为你代为执行行为。这并非仅仅是“增加了一层智能”，更是对交互起点的全新诠释。

LangChain的创始人Harrison Chase还提出了一种全新的接入理念：

智能体收件箱（Agent Inbox）——它充当着启动众多智能体共同作业的枢纽，并非单纯的聊天界面，实则扮演着系统核心的传输通道。

Anthropic 的 Claude Code 已然超越了单纯的生成器功能——它能够自动编写代码、执行提交操作，并雇佣其他代理来执行任务。正如首席产品官 Mike Krieger 所言，这实际上是一种“分布式运行环境”。

这表明，获取入口的方式已由直接点击转变为通过代表你进行系统调度的角色。

谁占据入口，谁配置资源

红杉总结得很清楚：

新一代人工智能并非依赖下载量，亦非依靠市场营销手段，其核心在于通过记忆和执行能力来打造用户粘性。

换言之，能够成为“用户需求的首个响应者”的个体，便能掌握系统资源分配的主动权。

这一趋势已经在产品层面显现：

用户不再亲自操作工具，转而只需说出：“请为我安排一次东京的出差。”随后，AI便会自动执行航班预订、会议组织、天气查询以及报销手续等任务。

你看到的，不是产品，而是一套可配置的行动系统。

红杉公司进一步强调，在企业级市场领域，率先脱颖而出的并非一定是那些通用的巨型模型，相反，像Harvey（法律领域）、Open Evidence（医疗领域）这样的专业智能操作系统或许更具优势，原因在于它们能够辨识并掌握特定行业的语言，准确把握用户的实际需求。

️ 第三节｜智能体经济正在成型

在闭门讨论的过程中，一个核心概念被反复提及：智能体经济。

红杉合伙人 Konstantine 抛出一个设想：

未来的AI将不仅仅是相互之间进行信息交流，更将构建起一个能够实现价值互换的网络体系。

这表明——人工智能不再仅仅是被调用的程序，它已经具备了行动的能力、决策的智慧以及协作的潜能，成为了一个能够参与经济活动的主体。

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：

自从 Claude Code 开始主动推送代码审查请求，并对其质量进行评定，同时统筹协调其他智能体的协作——这一转变意味着它已不再仅仅是“Copilot”，而是一个肩负着产出责任的工程人员。

Daniel Kokotajlo，OpenAI的前任员工，在会议中进一步指出：

若 Einstein v1907 拥有充足的推理能力，它不仅能够解答问题，更有可能独立揭示科学定律。

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

随着人工智能技术从单纯的“回答工具”演变成为具备“自主代理”功能的系统，协作能力变得尤为关键——尤其是在经济领域的协作，

这预示着一种全新的“组织架构”正在逐步形成：由多个智能体组成，它们扮演着不同的角色和部门，相互之间进行交易、协作以及提供信誉担保。

人类逐渐从“掌控者”的角色转变为“规划者”，负责设定这些智能体的任务、界面以及信任范围。

这场讨论在提醒我们：

不能仅仅关注你的模型有多强大，更要考察它是否能够充当“角色”融入某个系统之中。

你已不再是仅仅利用AI工具，而是正在搭建一个“人”与“智能体”相互依存的经济网络结构。

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？

在红杉AI峰会举办期间，索尼娅提出了一种独立于模型和渠道的解决方案：

物理学中的分布理论，已经发生了变化。

在旧时代，一个产品要获得用户，依赖三个变量：

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。

AI的职能正从工具转变为代理，这一转变也带动了用户行为的变化。红杉资本注意到，用户操作的起点已从界面点击转变为任务委托；衡量价值的标准，也不再是产品被打开的次数，而是它所输出的结果数量。

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：

2025年第一季度，GPT的日活跃用户与月活跃用户比例首次与Reddit接近，这一变化标志着人工智能应用已从最初的“新奇尝试”阶段，逐渐过渡到了人们日常生活中的“不可或缺”地位。

这种依赖并非指代传统意义上的用户停留，而是一种包含“提出请求、随即离开、静候回应”这一流程的使用模式。

不是用完了，而是交出去了。

用户不再将焦点集中在AI上，而是将任务交付给它，让其独立完成，随后返回以获取成果。

红杉称之为：

从使用界面，到委托接口。

这表明，AI的应用已经不再仅仅是“被操控的设备”，转而成为了“肩负责任的系统组成部分”。

若你依旧以“功能使用频率”作为评价产品优劣的标准，那么你已然忽略了评判准则的演变。

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：

这也阐明了 Claude Code 在 Anthropic 内部引发轰动的原因：它并非仅仅是“代码助手”，而是一个能够独立执行工程任务的 AI 节点——事实上，超过 70% 的生产代码提交都是由它独立完成的。

Open Evidence 在医疗领域同样展现出相似的演变轨迹：它从最初的“辅助医生”角色，演变至现在能够“自动生成诊断建议、提供解释以及撰写患者摘要”，并且这些内容都会被完整地记录入系统，构建起一个可供学习的“交付链条”。

红杉强调：

真正的AI产品，关键不在于其“能否胜任”，而在于其“能否带来成效”；不是关注“你让它执行了哪些操作”，而是看重“它为你实现了哪些功能”。

Doug Leone 路径图：从结果，到飞轮

红杉资本展示了一张他们高度重视的结构图，该图描绘了Doug Leone的商业化策略。

从构思理念至成品问世，从交付满意成果至客户信任关系的构建，最终踏入成果循环的良性轨道。

AI 应用正沿着这条路径提前演进：

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。

因此，如今的你已不再担任“用户增长经理”一职，转而成为“成果增长经理”；同时，你所关注的产品不再是“使用频率”，而是“流程是否得以完整执行”。

因为未来 AI 的分发，不靠推荐算法，而靠“交付记录”。

你不是从事工具销售的，而是专注于交付成果的。系统能否成功承接你的委托，这将是决定下一轮定价权归属的关键所在。

这就是红杉在峰会最想传递的提醒：

从关注转向行动，人工智能正在全面重塑整个内容分发机制。

️ 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。

众多团队因此陷入了模型焦虑的困境：他们质疑参数是否充足，推理速度是否过慢，甚至思考是否需要进行微调。

然而，来自Anthropic、LangChain、Fireworks等业界领军企业的反馈却惊人地统一：

非模型本身有问题，而是因为你的组织架构、运作流程以及工具体系——这些都没有与这种智能运作模式相匹配。

Claude Code：不是更聪明，而是更“可调度”

Anthropic公司的首席产品官Mike Krieger在此次峰会上发表了一句广为流传的观点：

我们并非在追求提升模型的智能水平，而是致力于使整个系统具备可控性、易用性和灵活性。

他们内部超过70%的生产代码提交均由Claude完成，然而，重点并非在于其生成的准确性，而是Claude已被整合进了一条完整的任务执行流程之中。

你可以将其视为将人工智能视作“虚拟职员”进行运用；然而，红杉的见解更为清晰——这实际上成为了衡量工程团队组织能力的界限。

LangGraph与Fireworks：这并非较量实力，关键在于系统架构。

LangChain项目的发起者Harrison Chase在活动现场进行了总结性发言：

“我们见过太多模型很强的团队，最后输在流程崩塌。”

为了攻克“模型与任务”间衔接的难题，LangChain 推出了 Agent Graph 这一架构方案。

Fireworks AI 正在打造与之相似的结构化功能，但他们的关注点在于确保推理的稳定性以及行为的连贯性。

这些工作看似是工程细节，但红杉指出：

人工智能的应用已不再是仅仅依赖提示的艺术，而是关乎架构工程成败的关键。

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：

语言模型 → 调用工具 → 工作流程设计 → 职责分配 → 智能化生态网络构建

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：

你并非在培养一个规模更大的模型，实际上你正在塑造一个结构更加严密的协同网络。

不是问“AI 能不能做”，而是问：

这些问题已非仅工程师之力所能应对，它们已涉及AI架构主管、组织规划者以及任务执行者的职责范围。

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：

若你持续调整提示词却未对结构进行调整，那么你的胜算实际上已经处于劣势。

️ 第六节｜管理逻辑，正在被 AI 重写

在众人以为此次AI高峰会议仅聚焦于模型、系统和接口之际，红杉资本的第三位主持人Konstantine突然提出了一个出人意料的焦点词汇：

“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：

然而，人工智能系统并非如此运作。“当你指示一个智能模型去记住数字73，它或许能够记住，但也可能将其误记为72或37，甚至有可能完全忘记。”

这不是 bug，而是特征。

我们正步入一个阶段，其中计算结果会受到概率波动的影响，而非线性且可重复的系统。

管理范式突变：从“确定性执行”到“目标试探”

Konstantine 在现场提出：

人工智能不仅是一种提高工作效率的手段，更是开启全新合作模式的基础。

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：

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：

要成为一名卓越的工程经理，与成为一名技艺高超的工程师，这两者在思维模式上存在着本质的差异。

在AI时代，管理者不再全面掌控，转而构建一个环境，让团队得以尝试错误，并在不断变化的过程中建立信任。

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：

并大胆预测：

预计将诞生首例“单人独角兽企业”（即First Oneperson Unicorn）。

这并非意味着此人的能力有多么出众，实则是因为他精通高密度智能代理间的协作机制，能够通过一套人工智能联合团队，高效完成产品的研发、销售交付、客户服务以及内容运营等工作。

红杉称之为：

非因你技艺高超，关键在于你是否能打造出一个无需你亲自操作即可自主发展的生物系统。

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：

这意味着：

你无需期盼一个“理想中的 AI”出现，相反，你应该思考：你是否能够容忍误差、拥抱合作？你能否克制住“每一步都要掌控”的欲望，转而采取“提供指引、留出余地、捕捉反馈”的团队协作方法？

AI已不再仅仅是你的辅助工具，它正逐渐演变为你的“良师益友”，甚至可能融入你的认知体系之中。

AI 不再是技术，是新型经济的起点

红杉资本的闭门会议并未揭晓任何新模型，亦未宣扬任何融资口号。然而，他们却提供了一种冷静而深刻的见解：，

AI 正在从“技术产品”，进化为一种新的经济运行方式。

它不再仅仅提供功能，而是直接呈现成效；不再单纯依赖外部输入，而是主动创造价值；不再被动等待指令，而是积极参与并协同完成各项任务。

下一轮竞争的关键点：在于打造一种能够自主运行、不断输出的合作机制，而不仅仅是依赖人工智能来完成工作。

摒弃对“人机”关系的过时看法，若能对“任务界定、信任赋予、协作部署”进行深入反思，方能在AI经济领域迈出关键的第一步。

这，才是红杉闭门 6 小时后，真正共识浮现的方向。

本作系AI深度研究院精心制作，其中所有信息均源自红杉资本举办的第三届AI峰会。

排版：Atlas