Web3天空之城·城主

最近，紅杉資本發布了關于AI生態的新一篇文章，文章里提出了2025年三大預測：

預測一：大型語言模型提供商將形成差異化競爭，并出現新的等級秩序。

預測二：AI搜索將成為殺手級應用，并在2025年普及。

預測三：投資回報率（ROI）仍將成問題，資本支出（CapEx）將在2025年趨于穩定。

在展開講這三大預測前，城主想先和讀者一起，回顧過去一年多來，紅杉資本發表的多篇AI分析文章，來嘗試勾畫出這個頂級風投機構的AI認知進化路線。

紅杉在過去一年多的時間里，在其官網發布了一系列深度分析文章，展現了其對生成式AI領域認知的演變。這種演變不是線性或者曲線發展，而是在不同階段，針對AI發展的特定問題，不斷調整和深化自我認知的過程。

1. 2023年9月：狂熱之下的隱憂——“AI的2000億美元問題”的提出

在生成式AI浪潮初期，紅杉資本并沒有停步在對AI生態的樂觀情緒上，而是敏銳地捕捉到了技術狂熱背后的隱憂，直接提出了“AI的2000億美元問題”。在《AI的2000億美元問題》這篇文章（[2023.9.20]），紅杉直言不諱地指出，雖然AI技術展現出巨大的潛力，英偉達的業績也預示著巨大的收入前景，但“AI基礎設施建設的規模與實際終端用戶需求之間存在巨大缺口。”

并非只是拍腦袋，紅杉甚至在文中詳細地展示了他們的計算邏輯：

“AI 的 2000 億美元問題”：基礎設施建設與終端用戶需求之間的差距

• 核心問題：盡管 AI 投資熱潮高漲，核心問題是：這些 GPU 到底在被用來做什么？誰是終端用戶的客戶？需要產生多少價值才能回報這種快速的投資？

• 計算邏輯：紅杉指出，每花費 1 美元購買 GPU，還需要花費大約 1 美元用于數據中心的能源成本。如果英偉達今年的 GPU 收入達到 500 億美元（一個保守的估計），那么這意味著數據中心的支出約為 1000 億美元。同時，GPU 的終端用戶（如星巴克、特斯拉、Github Copilot 等公司）也需要獲得利潤。

• 營收缺口：假設終端用戶需要獲得 50% 的利潤，那么這意味著每年由當前 GPU 支出產生的 2000 億美元的終身收入才能回報初始投資。如果再考慮云服務供應商的利潤，那么這個缺口將更大。因此，紅杉將這一問題定義為“AI 的 2000 億美元問題”。

  
  

同時，紅杉資本關注了由大型科技公司推動的數據中心建設。根據公開文件，大部分新增數據中心建設來自大型科技公司，如谷歌、微軟和 Meta， 此外，字節跳動、騰訊和阿里巴巴也是英偉達的大客戶。未來，亞馬遜、甲骨文、蘋果、特斯拉和 Coreweave 等公司也將成為重要的貢獻者。

雖然AI建設如火如荼，但AI收入現狀有著巨大的缺口：引用報道，紅杉指出 OpenAI 當時 的年收入為 10 億美元。微軟預計通過 Microsoft Copilot 等 AI 產品獲得 100 億美元的收入。

紅杉樂觀估計假設谷歌、Meta 和蘋果分別能產生 100 億美元的 AI 收入，并為甲骨文、字節跳動、阿里巴巴、騰訊、X 和特斯拉等公司設定了 50 億美元的收入目標。即使在上述極其樂觀的假設下，紅杉仍然指出，在目前的資本支出水平下，每年仍有 1250 億美元以上的營收缺口需要填補。

基于對營收缺口的量化分析，紅杉資本直接了當的對投資熱潮背后的邏輯提出了質疑：“這些資本支出的增加，有多少是基于真實的終端用戶需求，有多少是為預期的未來需求而進行的投資？”紅杉在當時就已意識到，AI的投資不是只看表面，而要深入分析其背后的邏輯和終端用戶的需求。紅杉資本在此時已經將關注點從技術的“可能性”轉向“必要性”和“盈利性”。

1. 2023年9月：從技術驅動到用戶價值——“生成式AI的第二幕”的轉型

在對AI營收進行深入思考的同時，紅杉發表了另外一篇知名文章《生成式AI的第二幕》（[2023.9.20]），在這篇文章中，紅杉資本明確提出了AI發展正從技術驅動轉向以用戶價值為中心。

紅杉認為，AI市場正從 “第一幕” 向 “第二幕” 轉型。“第一幕” 側重于“技術展示”，涌現出了大量輕量級應用，但這些應用“通常將基礎模型作為整個解決方案的核心，缺乏深度整合和用戶體驗的打磨”，而 “第二幕” 則將“專注于解決終端用戶的實際問題”，強調“AI的應用不再僅僅依賴基礎模型，而是將其作為更全面的解決方案的一部分，更注重用戶體驗和工作流程的整合，并傾向于采用多模態的方式。”

紅杉對早期AI應用的局限性進行了反思，認為它們“缺乏差異化”， 陷入了“融資、人才爭奪和 GPU 采購的競爭白熱化”，并且 引發了對 AI 實際價值的質疑。通過引用 ChatGPT、Midjourney 和 Character AI 等早期成功案例，紅杉也表明，他們并非完全否定技術創新，而是認為 AI 的發展應該以用戶價值為導向。這一階段，紅杉的觀點從單純的技術探索，過渡到用戶導向的價值創造，并開始關注 AI 如何真正地服務于人。

這篇文章基于當時的現狀，對AI和AI應用的發展進行了反思。一年多之后，我們一起看看紅杉當時的反思:

發展速度的低估：技術發展速度遠超預期，在多個領域都實現了顯著突破；供應瓶頸的低估：GPU 供應的瓶頸限制了許多 AI 公司的發展，需求遠遠超過供應；垂直分離的延遲：應用層公司和基礎模型提供商的分工尚未完全實現，許多成功的應用采取了垂直整合的模式；競爭激烈程度的低估：市場競爭比預期更加激烈，大型科技公司也紛紛進入 AI 領域；數據護城河的局限性：應用公司產生的數據并不能形成強大的競爭壁壘，新一代模型可能會消除這些優勢。

紅杉也肯定了自己的正確觀點， 包括生成式 AI 的潛力：生成式 AI 確實是真實存在的，并且已經吸引了大量的人才和資金投入；“殺手級應用”的出現：ChatGPT 等應用證明了 AI 具備成為“殺手級應用”的潛力；開發者是關鍵：開發者是 AI 創新生態系統的核心力量，他們不斷創造出新的應用場景；應用形態的演變：AI 應用的形式不斷演變，從簡單的自動補全和草稿向更復雜、更智能化的系統發展；倫理和版權爭議：圍繞 AI 版權、倫理和存在風險的討論仍在繼續，需要關注和解決這些問題。

在反思之后，這篇文章的核心點，即是AI 市場從技術驅動（"Act 1"）向客戶驅動（"Act 2"）的轉變

• “第一幕”的特點：生成式 AI 的“第一幕”是技術驅動的，以新穎的技術展示為主，大量輕量級的應用涌現，側重于展示生成模型的能力。這些應用通常將基礎模型作為整個解決方案的核心，缺乏深度整合和用戶體驗的打磨。

• “第二幕”的特點：隨著時間的推移，市場正逐漸轉向“第二幕”，開始以客戶為中心，專注于解決終端用戶的實際問題。這一階段的應用不再僅僅依賴基礎模型，而是將其作為更全面的解決方案的一部分，更注重用戶體驗和工作流程的整合，并傾向于采用多模態的方式。

• 進入“第二幕”的代表公司：文章列舉了 Harvey（為律師事務所構建定制 LLM）、Glean（為企業打造 AI 驅動的工作空間搜索）以及 Character AI 和 Ava（創建數字伴侶）作為進入 "Act 2" 的代表，強調他們專注于解決特定領域和用戶痛點。

而在第二幕里，技術，產品和商業模式有一些共享的行動指南， 包括技術向的模型開發堆棧：

推理技術（包括鏈式思考、樹狀思考和反思等技術，用于提升模型復雜推理能力）；遷移學習：使模型能夠根據特定領域的數據進行微調，從而提高性能；檢索增強生成（RAG）：將企業和用戶信息引入模型，減少幻覺，提高準確性；開發者工具和框架：提供可復用的組件和工具，幫助開發者構建更高級的 AI 應用；AI 基礎設施：包括提供充足 GPU 資源和便捷開發體驗的云平臺。

以及產品經理向的產品藍圖：

生成式界面：從文本對話到更豐富的界面形式，如 Perplexity 的生成式用戶界面；新編輯體驗：通過提示詞和各種交互方式控制生成內容，如 Midjourney 的攝像機平移功能和 Runway 的導演模式；復雜智能體系統：AI 應用不再僅僅提供草稿或自動補全，而是可以自主地解決問題，訪問外部工具，并執行端到端的任務；系統級優化：將 AI 應用于優化整個系統，例如自動處理支持工單和代碼審查等。

一年過后，我們回頭審視紅杉當時的這篇預測大稿，可以認為紅杉資本基本把握住了2024年AI發展的趨勢，特別是智能體的概念，現在方興未艾。

另一方面，我們可以看到，當時一些掛在嘴邊非常熱門的話題/名詞，一年過去后已成為了某種基礎常識，比如RAG。不再作為重點追捧（但仍然是眾多AI能力的基礎）

有一些發明出來的概念，并沒有往前發展，比如“生成式界面”，一年多后，人機交互要么還是純對話式，要么AI能力融入傳統軟件背后，要么就是傳統模式+AI對話框（比如最新的AI編程軟件們），城主并沒看到玩出更多花樣。

特別指出的是，紅杉沒有預見，或者至少沒有重點提出，在2024年AI視頻生成的大放異彩（這里要給國產諸強們點贊， 最新的Sora出來，仍然沒有超越國產視頻生成模型）。確實，2023年9月的人們恐怕是無法想象半年之后，AI視頻生成就達成了巨大的跨越性的突破。

所以，現在展望一年后，不知道又有多少AI能力，超出我們現在的想象力呢。

1. 2024年1月初：反思狂熱，正視“原始湯”階段—對AI發展周期的再認識

2024年初，紅杉資本的觀點變得更加成熟和理性。在《2024年AI：從大爆炸到原始湯》（[2024.1.3]）這篇文章中，紅杉資本對2023年的AI狂熱進行了深刻的反思。他們指出，由 ChatGPT 引爆的 AI 狂熱導致了“實施導向”的思維，而非“愿景導向”的思維。

紅杉認為，當時市場普遍認為 AI 領域的難題已經解決，AI 的普及和強大是必然的，但這種觀點忽略了“AI 仍然處于早期發展階段的事實”，這種“實施導向的思維”導致“人們過于關注如何快速實現現有的技術，而不是探索新的可能性。”并直接導致了大量公司“涌入相同領域，每個領域都有五六家類似的公司”，卻缺乏對創新和長期價值的關注。

相較于之前對營收缺口的擔憂，這篇文章更側重于對AI發展階段的重新認識。紅杉在此將 AI 的發展比作 “原始湯” 階段，并指出“潛力巨大，但仍處于模糊狀態。”這無疑是對之前樂觀情緒的一次有力糾正， 強調了 “需要遠見，才能將潛在的能量轉化為真實、有形且具有影響力的產品和服務” ，并指出“我們不能只想著如何贏得比賽，而應專注于如何發明新事物。”

這篇文章里， 紅杉的觀點從早期的“營收”考量，上升到了對AI發展規律和創新本質的理解。

紅杉如此評論處于“原始湯”階段的AI：需要遠見和探索

• 對確定性的渴望：人們渴望確定性，避免模糊性，因此“AI是歷史的終結”這一說法更能滿足人類的這種本能。然而，現實是我們仍然處于 AI 的“原始湯”階段，潛力巨大，但仍處于模糊狀態。

• 愿景的重要性：在 “原始湯” 階段，需要的是遠見，才能將潛在的能量轉化為真實、有形且具有影響力的產品和服務。這意味著在不確定的時代，需要有遠見的人來洞察迷霧，理解未來需要什么。

• 團隊協作：我們需要意識到，不能只想著如何贏得比賽，而應專注于如何發明新事物。通過強調影響，我們可以組建團隊來應對嚴峻的挑戰并克服它們。

紅杉在文中把AI 與 SaaS 進行對比：革命而非進化

AI的革命性：紅杉認為 SaaS 只是從本地許可軟件到云的演變，而 AI 是一場革命，正在首次構建新的智能。由于 AI 是一場革命，沒有先例可循，因此我們甚至不清楚哪些問題值得解決。因此，根本性的創新非常重要。

需要創新思維：AI 需要愿景導向的創始人，在模糊和不確定的時代，用遠見來看透迷霧，找到方向。愿景對于吸引能夠實現目標的團隊也至關重要。

同時紅杉提出，2024年是從“AI for X”到“以客戶為中心”的轉變：

2024年將從“AI for X” 的概念轉向以客戶為中心的公司。通過構建艱深的技術來解決深刻的社會問題，將重塑這些公司的文化，構建方式以及他們所吸引的人才類型。我們將看到公司組建過程本身的創新，AI 研究實驗室是這種創造力的體現。

2024年，我們將基于 Transformers、GPUs、RAG、Diffusers、開源以及其他在 2023 年在生態系統中涌現的技術基礎上構建。利用這些技術，我們將發現有關如何構建高級 AI 系統的新想法和新見解。我們將回顧 2024 年，并說，這是我們開始將 AI 的潛力轉化為實際解決方案的一年。

關于"以客戶為中心"這個說法，城主覺得，怎么說，放之四海而皆準吧。

值得注意的是，在這篇文章中紅杉還援引 Transformer 的發明者之一 Jakub Uszkoreit 的觀點，認為我們過早地從 AI 的探索階段跳到了開發階段。提出了過早的開發的觀點。

這個洞察倒是相當有現實意義的，如果要舉例，還是可以用AI視頻生成來說明。如果在2024年初，研究基于Stable Diffusion開源繪畫模型之上來實現連續的AI視頻的同學，可能在當時多少有一點成果；但在2024年中期ViT技術橫空出世（所有類Sora級別的AI視頻生成都是ViT技術，即使用了Transformer模型來實現的AI視頻生成）后，以前的所有的積累努力都基本化為烏有，因為努力所在的基礎是一個過時的被碾壓的技術平臺。

這個問題在AI時代特別明顯，如果選錯了路線，或者過分依賴一個老模型拼命微調去得到某種應用，大概率會在新一代模型出來的時候被直接碾壓。

1. 2024年6月：營收缺口擴大化——“AI的6000億美元問題”的嚴峻性

2024 年年中，紅杉資本再次對AI領域的營收問題進行了分析，并指出此前的“AI的2000億美元問題”已經升級為 “AI的6000億美元問題”。在《AI的6000億美元問題》（[2024.6.20]）這篇文章中，紅杉資本通過新的數據和計算模型，驗證了此前擔憂的營收缺口擴大化的問題，“AI的營收缺口已經擴大到每年5000億美元。”

紅杉更加強調了AI基礎設施建設和終端用戶需求之間的巨大差距，并提出了更具體的擔憂，如“GPU 計算日益商品化，價格競爭激烈，這使得利潤很難維持在高位”，以及“半導體技術更新迭代速度快，新一代芯片的出現會導致舊芯片迅速貶值”。紅杉的觀點再次從理想回到了現實，再次強調AI營收挑戰的長期性和復雜性，也表明了他們對行業發展保持著高度的警惕。紅杉重申要“警惕投機狂潮，保持理性，并專注于為用戶創造價值”，這與之前“從基礎設施轉向終端用戶價值”的觀點相呼應。

“AI 的 $2000 億問題”的提出與“6000億”演變

紅杉在2023年9月提出的“AI的$2000億問題”，核心在于質疑AI基礎設施的大規模建設與AI生態系統中實際的營收增長之間的巨大差異。當時估計，按照當時的資本支出水平，AI領域每年存在1250億美元的營收缺口。

如今，經過重新計算，紅杉指出，AI的營收缺口已經擴大到每年5000億美元， “AI 的 $2000 億問題”已經演變成了“AI 的 $6000 億問題”。

計算方法：通過英偉達的營收預測，乘以2來反映AI數據中心的總成本（GPU只占一半，另一半包括能源、建筑等），再乘以2以反映GPU最終用戶的50%毛利率（如云服務商或使用云服務的企業），從而得出總的營收缺口。

導致營收缺口擴大的主要因素包括了：

GPU 供應短缺緩解：2023 年末，GPU 短缺達到頂峰，但目前供應已經基本恢復正常；GPU 庫存增長：大型云服務提供商（如微軟）大量購買 GPU 進行囤積，他們的資本支出達到歷史最高水平。紅杉認為，這種囤積行為不可持續，一旦庫存過高，需求就會下降；OpenAI 仍然占據主導地位：OpenAI 在 AI 營收方面仍然遙遙領先，大部分 AI 產品并沒有被消費者廣泛使用，除了 ChatGPT。紅杉質疑長期來看， AI公司是否能為消費者帶來足夠的價值，以促使他們持續付費；營收假設過于樂觀：紅杉之前假設了一些科技巨頭（如谷歌、微軟、蘋果、Meta等）每年可以從 AI 獲得 100 億美元的新收入，但即使這個假設成立，且增加更多公司，5000億美元的缺口仍然存在；新一代 GPU 芯片的出現：英偉達即將推出的 B100 芯片性能大幅提升，但價格僅上漲 25%，這將導致對英偉達芯片的再次需求激增。

對比物理基礎設施建設，紅杉再度審視了AI基礎設施建設的特殊性：

缺乏定價權：與物理基礎設施建設（如鐵路）不同，GPU 數據中心沒有壟斷或寡頭壟斷的定價權。GPU 計算日益商品化，價格競爭激烈，這使得利潤很難維持在高位；高資本消耗：即使是鐵路等物理基礎設施，也經常出現投機性投資狂潮，導致資本大量損耗；貶值風險：半導體技術更新迭代速度快，新一代芯片（如B100）的出現會導致舊芯片迅速貶值，而這種貶值在物理基礎設施中并不存在。

紅杉認為，即使在過度建設基礎設施的時期，也總會有贏家，AI很可能是下一個變革性的技術浪潮。雖然GPU計算價格下降對長期創新和初創公司有利，但主要的虧損者將會是投資者。AI領域中的創始人和公司建設者將因較低的計算成本和實驗經驗而受益。

而特別的，英偉達這個公司在推動AI技術發展方面發揮了巨大作用，并將在AI生態系統中扮演關鍵角色。

1. 2024年10月：聚焦推理能力，迎接 “系統2” 時代—AI發展的深層次變革

2024年10月，紅杉資本發布了《生成式AI的Act O1》這篇文章（[2024.10.9]），將關注點從基礎模型轉移到了推理能力，認為AI的發展重心正在從 “thinking fast” 轉向 “thinking slow”。紅杉認為，AI需要“在推理時進行更復雜的思考，包括有意識的推理、解決問題和認知操作。”

文章重點介紹了 OpenAI 的 o1 模型，認為它是 “推理能力的新里程碑”，這種模型能夠 “在給出回應之前會‘停下來思考’，利用推理時計算執行搜索和模擬，從而獲得更好的答案”，更接近人類的思考模式。紅杉用心理學的“系統1” 和 “系統2”概念來比喻AI的兩種思考模式， 認為“為了應對最具挑戰性的問題，AI必須從快速、本能式的回應轉向需要時間和創造性解決問題的深層推理”。

這一階段，紅杉的觀點從對AI市場前景的探索，上升到了對AI技術本身發展方向的思考。文章也開始關注到“新一代AI推理能力的發展，必須解決如何有效評估模型推理結果的問題” ，這說明紅杉開始關注到AI在實際復雜問題上的解決能力。

這篇文章提到的點不少，和AI生態密切相關的有如下幾點：

基礎模型層的穩定與推理層的崛起

文章認為，生成式AI市場的基礎模型層正在趨于穩定，少數擁有強大經濟實力和資本的巨頭，如微軟/OpenAI、AWS/Anthropic、Meta和Google/DeepMind，將主導這一層。隨著基礎模型能力的日益強大，新的競爭焦點轉移到了推理層的開發和擴展。這個推理層，受到AlphaGo等模型的啟發，旨在賦予AI系統在推理時進行有意識思考、解決問題和執行復雜認知操作的能力，而不僅僅是快速匹配模式。新的認知架構和用戶界面正在逐漸形成，以提供和優化AI的推理能力。

應用層的崛起：從“包裝器”到“認知架構”

AI領域的真正機會在于應用層。早期，應用層公司被認為是“只是基礎模型上的包裝器”。但現在，這些“包裝器”正在進化為具備復雜認知架構的AI應用，能夠為用戶提供更可靠、更個性化和更強大的服務。紅杉認為，應用層公司不僅需要提供用戶界面，更需要開發出復雜的認知架構，以便將模型的能力轉化為實際的商業價值。

從軟件即服務到服務即軟件，以及SaaS公司的挑戰

云計算時代是軟件即服務的時代，而AI時代將是服務即軟件的時代。AI公司不再是銷售軟件，而是將勞動力轉化為軟件，并按服務成果收費。紅杉認為，許多AI公司將遵循這種服務即軟件的模式，先作為輔助工具（copilot）部署，逐步過渡到自主運行（autopilot）。

紅杉探討了現有SaaS公司在AI浪潮中面臨的機遇與挑戰。早前，紅杉認為現有SaaS公司會輕松轉型，但現在紅杉有所動搖，認為AI可能需要一套全新的商業邏輯，如同20年前從本地軟件向SaaS轉型一樣，可能會顛覆整個行業。

新一代智能體應用：服務于各行各業

紅杉列舉了新一代智能體應用的例子，如Harvey (AI律師)、Glean (AI工作助理)、Factory (AI軟件工程師)、Abridge (AI醫療記錄員)、XBOW (AI滲透測試員)和Sierra (AI客戶支持代理)。這些應用通過降低服務成本和擴展市場，正在開辟新的商業機會。以XBOW為例，它通過AI自動化滲透測試，使得這種服務不再局限于大型企業，而能夠為任何企業提供安全保障。

投資領域：應用層最受青睞

紅杉最后分析了投資者在AI領域的投資偏好。基礎設施層被認為是由博弈論驅動，而非微觀經濟，因此不適合風險投資。模型層由大型科技公司和金融投資者主導，帶有“科學崇拜”的傾向。開發者工具和基礎設施軟件則對風險投資者有一定吸引力。紅杉明確指出，應用層是風險投資最感興趣的領域，并預測應用層將涌現一批市值超過10億美元的公司。

紅杉在這篇文章里總結，隨著推理能力的不斷深化，智能體應用將變得更加復雜和穩健，并滲透到各個領域。推理和推理時計算將成為未來研究的重要主題，而如何收集真實數據、編碼特定領域的認知架構，仍然是應用層公司面臨的挑戰。文章最后展望了多智能體系統（multi-agent systems）的未來，認為它們將成為建模推理和社會學習的新方式，并期待AI系統能夠以超乎想象的方式展現出人類般的智慧。

1. 2024年12月：從“原始湯”到穩固地基——展望2025年AI的成熟

在 2024 年末，紅杉資本發布的《2025年AI：構建模塊穩固就位》（[2024.12.9]）這篇文章中，再次將 AI 發展類比為 “原始湯” 階段，并明確指出2024 年是 AI 概念和想法快速涌現的階段，而 2025 年將是這些想法逐漸落地，形成現實產品和服務，并構建行業格局的關鍵一年。（讀者不妨回頭看看前文對比一下）

紅杉對AI的未來發展方向進行了預測，認為“大型語言模型提供商將形成差異化競爭”， “AI 搜索將成為殺手級應用，并在 2025 年普及”，以及“在經過 2024 年的投資熱潮之后，AI 領域的資本支出將在 2025 年趨于穩定”。

同時，紅杉也重申，“AI 的潛力將逐步轉化為實際的產品和服務”，并強調“如何利用這些技術，為客戶和最終用戶創造價值”仍然是關鍵問題。

2024年回顧：AI的“原始湯”時期：

文章將2024年比作AI的“原始湯”時期，意味著這一年充滿了潛力、能量和未成形的概念。

AI生態系統充斥著新的想法和潛在的能量，吸引了眾多創業者。但當時，這些潛力還非常模糊，需要有遠見者將其轉化為實際的產品和影響力。

2025年展望：AI生態系統的“硬化”：

AI生態系統逐漸“硬化”，意味著從抽象的概念走向具體的落地。2025年，AI的潛力將逐步轉化為實際的產品和服務，并通過數據中心的興起得到體現。

其中的標志是:大型模型競爭:五家“決賽選手” (Microsoft/OpenAI, Amazon/Anthropic, Google, Meta, xAI) 在大型模型競爭中脫穎而出；硬件基礎設施:英偉達的Blackwell芯片開始出貨，數據中心建設進入高速發展階段，臺積電和博通等也在積極擴展產能，整個供應鏈加速運轉。行業應用:各行各業（醫療、法律、保險等）都開始啟動新的AI項目。

終于，我們回到了本文開頭，紅杉在這篇文章對2025年進行了三大預測：

預測一：大型語言模型提供商將形成差異化競爭，并出現新的等級秩序：

• 2024年的同質化：各大公司通過相似的策略（收集數據、訓練模型、優化架構）達到了GPT-4的水平，導致競爭同質化。

• 2025年的差異化：各大公司將發展不同的“超能力”，并選擇不同的競爭策略，形成差異化競爭：

• • 谷歌（垂直整合）：利用自研的TPU芯片、數據中心和強大的研發團隊，實現價值鏈的完全掌控。

  • OpenAI（品牌）：擁有最強大的AI品牌，在消費者認知度和企業分銷方面領先。

  • Anthropic（人才）：吸引了來自OpenAI的頂尖研究人才，成為AI科學家的首選。

  • xAI（數據中心建設）：在數據中心建設方面速度驚人，引領下一階段的AI競賽。

  • Meta（開源）：押注開源模式，通過Llama模型和平臺優勢推動技術普及。

2025年，這些不同的競爭策略將導致不同的結果，優勝劣汰。

預測二：AI搜索將成為殺手級應用，并在2025年普及：

• AI搜索的崛起：從AI女友到AI助理，眾多應用被嘗試，但AI搜索被認為是2025年最有可能普及的應用。

• AI搜索的優勢：與基于索引的傳統搜索不同，AI搜索基于能理解語義的LLM，能提供更深入的信息。

• 文本回應的差異化：AI搜索的文本回應可以從多個維度（意圖提取、專有數據、格式化、界面設計）進行差異化，從而服務于不同用戶群體。

• 專業化趨勢和市場分化：將出現針對不同行業的AI搜索引擎，更好地滿足專業人士的需求；消費者在搜索方面需求較為一致，而企業則對搜索有更多專業化需求，因此會出現消費者和企業分別使用的不同AI搜索引擎。

AI搜索將顛覆傳統搜索，并在2025年成為主流應用，并出現領域專業化的趨勢。

預測三：投資回報率（ROI）仍將成問題，資本支出（CapEx）將在2025年趨于穩定：

大型科技公司為了維持在云業務領域的壟斷地位，不惜一切代價地投資AI，擔心被競爭對手超越。由于大型科技公司已經牢牢掌握AI革命的控制權，它們在AI領域的資本支出將趨于穩定。

數據中心建設將進入執行階段，公司將專注于按時按預算完成項目，并向客戶銷售計算能力。新的數據中心上線后，AI計算價格將繼續下降，為初創公司提供補貼，并促進創新。

行業寡頭壟斷格局可能形成，大型科技公司可能會達成一種新的“正常”狀態，不再盲目增加支出。在經過2024年的投資熱潮之后，AI領域的資本支出將在2025年趨于穩定，并且AI計算價格將下降，利好初創企業

后話：

回顧了這一年多紅杉資本的幾篇AI文章，我們可以清晰地看到紅杉對AI行業認知的演變軌跡：

• 在AI浪潮初期，紅杉資本就表現出極高的警惕性，直面“AI的2000億美元問題”，質疑AI基礎設施建設與實際營收之間的巨大差距。

• 紅杉逐漸認識到，AI的發展不能僅僅停留在技術層面，而要以用戶價值為中心，強調將AI技術轉化為解決實際問題、滿足用戶需求的產品和服務。

• 接著，紅杉對AI的發展周期進行了重新的認識，將AI的發展比作“原始湯”階段，提醒從業者AI仍然處于早期發展階段，需要更多的探索和創新。

• 近期，紅杉的關注點從早期的營收、基礎設施，逐漸轉移到AI的核心能力，即 “推理能力” 上。認為AI 要真正實現突破，就必須從“thinking fast”轉向“thinking slow”，提升復雜推理能力。

• 而紅杉資本的最新觀點更加務實，認為 AI 將在 2025 年進入成熟和穩定階段，在技術差異化、應用普及和資本投入方面都將趨于理性。

紅杉對AI行業的認知變化，從早期對基礎設施建設的擔憂，到中期對商業模式和用戶價值的探索，再到后期對AI核心能力的關注，以及對未來發展趨勢的展望，應該說體現了這個頂級風投的洞察力。

作為當之無愧的早期風投翹楚，“遙遙領先”這點不僅體現在紅杉投資做事的風格上，也體現在“認知輸出”這一個小點上。還記得2022年9月19號， ChatGPT尚未沒面世， 紅杉就以一篇《生成式AI, 一個創造性的新世界》吹響了進軍AI的號角。而隨后，紅杉資本在官網上發布的每一篇AI相關文章，都被業界當作重要資料來研讀。近一年來，不少其他機構/投資人也跟隨紅杉腳步，紛紛寫起了blog/公眾號文章，向業界表達自我對AI的認知。

這一點頗為有趣，城主認為這是AI時代投資機構和創業者的某種特征：媒體化，傳播化。大家都愿意，也許需要使用文字或者播客來傳播和印證各自關于AI時代的理解。

挺好的， AI革命本質上就是知識革命；有價值的知識傳播，在任何時候值得稱贊。