全文 6,000字 | 閱讀約36分鐘

（紅杉AI 峰會2025 主題演講：AI萬億美元機遇）

最近，第三屆紅杉資本AI 峰會剛剛在舊金山落幕。

150位全球頂尖AI創始人齊聚紅杉資本會場。窗簾落下，與外界隔絕整整6小時——最先映入眼簾的是白板上的一句話：

下一輪 AI，賣的不是工具，而是收益。

紅杉資本合伙人Pat Grady 把這句話稱為“萬億美元機會”；

OpenAI 首席執行官 Sam Altman 和 谷歌首席科學家 Jeff Dean 一致點頭；

英偉達具身智能研究主管 Jim Fan 補上一句：“當機器人能通過物理圖靈測試時，收益 = 自動化的現金流。”

── 共識，就此浮現。

這意味著：

• SaaS 邏輯正在失靈：客戶不再為“能用的工具”買單，而只為寫進利潤表的結果掏錢；

• 新定價單位是 KPI：開發提速、GPU 成本、落地 GMV，將直接決定產品價格；

• 創業窗口縮短：誰先把“收益”商品化，誰就搶走下一個十倍級市場。

接下來的文章，拆開這場閉門峰會的 3 個核心信號：

1. “操作系統式 AI” 如何成為新的現金流機器

2. “常駐代理” 正在重塑工程師與企業邊界

3. “物理圖靈測試” 打開機器人商業化的最后閘門

讀完，你將拿到一張面向未來三年的定位圖、估值模型和融資策略路線圖。

?? 第一節｜ AI 不再賣工具，而是賣成果

“我們正在經歷一次從工具邏輯到成果邏輯的根本轉變。”

在紅杉第三屆 AI 峰會上，主持人Pat Grady這樣開場。

從軟件預算到“成果合同”：AI 正改變企業付款方式

過去十年，軟件的核心價值是“提升效率”：提高運營效率、自動化部分流程、輔助人類決策。企業為此購買 SaaS、堆積工具，預算劃在“軟件費用”一欄里。

但現在，AI正在穿透這層邏輯。

紅杉提出一個結構模式：

從賣工具（Software as a Tool） ? 到賣協作（Software as a Co-worker） ? 最終走向賣成果（Software as an Outcome）

這不是修辭，而是收入模型的根本變化。

成果驅動，不再講“能力”，只講“干了啥”

Sierra平臺的聯合創始人 Bret Taylor 在峰會上進一步解釋：

“我們從第一天起就選擇基于成果定價（outcome-based pricing）。客戶不再為功能買單，而是為結果買單。”

舉個例子：

• 傳統 CRM 軟件賣的是“客戶管理工具”

• AI 驅動的 CRM 智能體，賣的是“幫你完成 XX 個客戶轉化”

工具，是你用；成果，是它為你交付。

這正是紅杉判斷“AI 應用價值將超越模型本身”的關鍵所在。

不是誰模型參數更多、推理速度更快，而是誰能把結果交付閉環，誰就擁有了客戶預算。

Pat Grady 在峰會幻燈片中指出：“AI 正從服務市場穿透到勞動力市場。”

你以為它在搶 SaaS 的預算，實際它正在進入工資單。也正因此，紅杉不再強調“獨角獸估值”，而是看現金流、看可度量成果。

OpenAI、Ramp、Sierra，這一批應用層玩家，不再爭搶“最先進的AI模型”，而是率先進入“誰交付成果誰贏”的商業現實。

紅杉說：

未來AI應用的核心問題，不是模型能力，而是‘是否能跑起來干活’。

這場變化悄無聲息地在發生。

?? 第二節｜操作系統之戰：AI 的入口爭奪

在峰會現場上，一個趨勢被頻繁提及：AI 的主語正在轉移——從“被調用”轉向“主動調度”。

這背后，不是模型變強了，而是系統在變。誰掌握入口，誰就掌握未來的調度權。

OpenAI CEO Sam Altman 在會上亮出一張時間表：

“2025年，AI 代理開始工作； 2026年，AI 將發現新知識； 2027年，AI 將進入物理世界創造價值。”

這不是愿景，是路線圖。

他明確表示：ChatGPT 正在成為“操作系統”級存在。成年人用它搜索，年輕人當成教練，青少年已將其當作“數字操作界面”。

操作系統的定義，已經被重寫

紅杉在幻燈片中指出：

• 云時代的 OS 是微軟

• 移動時代是 iOS

• AI 時代的 OS，將不再是裝機軟件，而是任務調度系統

它能記住你，理解你，代表你采取行動。這不是“多一層智能”，而是重新定義交互起點。

LangChain 創始人 Harrison Chase也提出一個全新入口概念：

智能體收件箱（Agent Inbox）——是觸發萬千智能體協同工作的入口，不是聊天框，而是系統總線。

而 Anthropic 的 Claude Code 已經不再只是生成器——它自動寫代碼、提交、雇傭其他代理執行任務。首席產品官 Mike Krieger 的定義是：“分布式運行環境”。

這意味著，入口權已經從“你點它一下”變成“它代表你去調度系統”。

誰占據入口，誰配置資源

紅杉總結得很清楚：

下一代 AI 不靠下載量，不靠市場營銷，而靠記憶+執行構建粘性。

也就是說：誰成為“用戶意圖的第一個承接者”，誰就控制了系統分配權。

這一趨勢已經在產品層面顯現：

• OpenAI 的 GPTs 支持“任務指派式代理”

• Claude 借助 MCP 協議雇傭其他智能體

• LangChain 構建的 inbox，將一整套人機任務分配機制打通

用戶不再“操作工具”，而是發出一句話：“安排一個東京出差”，AI 就自動完成航班預定、會議安排、天氣查詢和報銷流程。

你看到的，不是產品，而是一套可配置的行動系統。

紅杉進一步指出：企業級市場中，真正先跑出來的入口未必是通用大模型，而是 Harvey（法律）、Open Evidence（醫療）這類垂直領域智能體 OS，因為它們能聽懂行業語言，理解真實需求。

?? 第三節｜智能體經濟正在成型

在閉門討論中，一個關鍵詞頻繁出現：智能體經濟（Agentic Economy）。

紅杉合伙人 Konstantine 拋出一個設想：

“未來的 AI，不只是彼此通信，而是組成一個可以交換價值的系統網絡。”

這意味著——AI 不再只是被調用的模型，而是可以行動、可以決策、可以合作的經濟參與者。

智能體，不是插件，而是角色

Konstantine將其定義為三要素：

1. 持久身份：它能記住你是誰，也記得自己是誰；

2. 行動能力：能調用工具，發起任務，調度資源；

3. 信任協同：它和你之間，不是指令關系，而是信任契約。

舉例來說：

當 Claude Code 開始主動提交 PR，評估代碼質量，協調其他智能體——它已經不是“Copilot”，而是一個具備產出責任的工程角色。

OpenAI 前員工 Daniel Kokotajlo 在會上補充：

“如果 Einstein v1907 擁有足夠推理資源，它可能不只是回答問題，而是自主發現科學規律。”

模型不再是應答器，而是“路徑構造者”。

智能體經濟，不靠指令，而靠協同

隨著 AI 從“回答工具”變成“自主代理”，協作成為關鍵能力——而經濟協作，

意味著新的“組織結構”也在成型：一組智能體，代理多個角色、部門，彼此交易、合作、背書；

人類也開始從“控制者”變成“編排者”，設計這些智能體的職責、接口與信任邊界。

這場討論在提醒我們：

不要只看你的模型有多強，要看它能否作為‘角色’被嵌入一個系統中。

你不再是在用 AI 工具，而是在構建一張“人-智能體”共生的經濟網絡圖。

所以，問題不再是“智能體有多聰明”，

而是：你在這個網絡中，是入口、節點，還是被調度的中間層？

?? 第四節｜AI 產品，不看點擊看結果

過去兩年，AI創業者最常問的問題之一是：

我做出了一個功能很強的 AI 產品，為什么用戶用完就走？

而在紅杉 AI 峰會現場，索尼婭給出了一個不靠模型、不靠渠道的回答：

“分發物理學(physics of distribution)，變了。”

在舊時代，一個產品要獲得用戶，依賴三個變量：

• 用戶是否知道你（Attention）

• 用戶是否理解你（Understanding）

• 用戶是否愿意用你（Adoption）

這三者構成了移動互聯網時代流量分發的核心邏輯。

但現在，一切正在被重寫。

隨著 AI 從工具變成代理，用戶行為也隨之轉變。紅杉觀察到，使用的起點，不再是界面點擊，而是任務委托；真正的價值，不是產品被打開了多少次，而是它交付了多少結果。

從“使用”到“托付”：分發的本質在偏移

紅杉合伙人索尼婭展示了一個關鍵信號：

ChatGPT 的 DAU/MAU 比例在 2025 年 Q1 首次逼近 Reddit，標志著 AI 應用正在從“好奇嘗試”，進入“日常依賴”。

但這種依賴，不是傳統意義上的“用戶停留”，而是一種“發出請求 → 離開 → 等待結果”的使用邏輯。

不是用完了，而是交出去了。

用戶不再圍繞 AI，而是把任務扔給它、讓它自己完成，然后回來收結果。

紅杉稱之為：

從使用界面，到委托接口。

這意味著，AI 應用不再是“被操作的工具”，而是“承擔責任的系統節點”。

如果你還在用“功能用得多不多”來衡量產品好不好，那你已經錯過了判斷標準的轉移。

成果型產品的結構：不是能用，而是能干完

在峰會上，紅杉定義了“成果型產品”的三大判斷標準：

• 是否能跑完一個完整任務流程：不是幫你做一部分，而是從頭到尾，交付閉環；

• 是否能讓結果被歸因：是否能度量它帶來了什么明確價值（節省了什么、提升了什么）；

• 是否能在過程中持續學習和優化：是不是越用越好、越跑越穩、越交付越準。

這也解釋了為什么 Claude Code 能夠在 Anthropic 內部引爆：它不是“代碼助手”，而是一個“獨立完成工程任務的 AI 節點”——70% 以上的生產代碼提交，已經由它獨立完成。

Open Evidence 在醫療場景也體現了同樣路徑：從“輔助醫生”變成“自動生成診斷建議+給付解釋+患者摘要”，并且全部寫入系統記錄，形成可學習的“交付鏈”。

紅杉強調：

真正的 AI 產品，不是“有沒有能力”，而是“有沒有結果”；不是“你點它做了什么”，而是“它替你完成了什么”。

Doug Leone 路徑圖：從結果，到飛輪

紅杉展示了一張他們非常看重的結構圖：Doug Leone 商業化路徑。

從“想法”到“產品”，從“交付結果”到“建立信任”，最終進入“成果飛輪”。

AI 應用正沿著這條路徑提前演進：

• 成果不是演示效果，而是被組織預算認可的業務閉環；

• 信任不是界面友好，而是一次次被任務委托、被組織采納；

• 飛輪不是用戶增長，而是每一次交付都帶來更多任務指派和數據積累。

用紅杉的話來說：

AI 結果的累積速度，將決定你公司價值增長的上限。

所以今天的你，不再是“用戶增長經理”，而是“成果增長經理”；你的產品，也不是“用得多不多”，而是“跑沒跑完流程”。

因為未來 AI 的分發，不靠推薦算法，而靠“交付記錄”。

你不是賣工具的人，而是交成果的人。系統能不能接住你的委托，才是下一輪定價權的起點。

這就是紅杉在峰會最想傳遞的提醒：

從 Attention 到 Action，AI 正在重寫整個分發邏輯。

?? 第五節｜別再調模型了，調組織結構

過去一段時間，“大模型不夠用了”成了很多AI團隊的口頭禪。

很多團隊因此陷入模型焦慮：是不是參數不夠？是不是推理慢了？是不是還得 fine-tune？

但來自 Anthropic、LangChain、Fireworks 等一線實踐者的反饋卻出奇一致：

不是模型不行，是你的組織、流程、工具鏈——沒有配上這類智能的運作結構。

Claude Code：不是更聰明，而是更“可調度”

來自Anthropic 的 CPO Mike Krieger 在峰會上說了一句被頻繁引用的話：

我們不是在讓模型變聰明，而是在讓系統變得可控、可用、可調度。

他們內部 70% 以上的生產代碼提交，已經由 Claude 完成。但關鍵不在于生成的準確率，而在于 Claude 已被納入一整條任務執行鏈中：

• 從讀取需求文檔、代碼歷史，到生成方案、交叉驗證、提交評審

• 每一步都有清晰的責任分配、反饋機制與自動升級路徑

• 模型不再是“工具”，而是一個工程角色，嵌入到了組織的協作結構中。

你可以說，這是把 AI 當作“數字員工”來用；但紅杉的判斷更明確——這是工程組織能力的分水嶺。

LangGraph 與 Fireworks：不是拼能力，而是拼架構

LangChain 創始人 Harrison Chase 在現場總結說：

“我們見過太多模型很強的團隊，最后輸在流程崩塌。”

為了解決“模型 → 任務”之間的承接問題，LangChain 提出了 Agent Graph 框架：

• 它不是一個新模型，而是一個事件驅動的調度機制；

• 支持多個智能體像微服務一樣協作，并發運行、失敗恢復、狀態追蹤；

• 所有行為都有“可觀察性”，方便調試、記錄與迭代

Fireworks AI 也在構建類似的結構化能力，不過他們聚焦在推理穩定性與行為一致性上：

• 把推理視為“生產線”，而不是單次響應

• 用策略調度、性能歸因、結果驗證，建立一個“推理工廠級”的可靠性標準

這些工作看似是工程細節，但紅杉指出：

“AI 應用不再是 prompt 的藝術，而是架構工程的勝負。”

紅杉五段路徑圖：從能力到結構，從組件到網絡

在峰會白板上，紅杉列出了一條 AI 應用的演進路徑：

LLM → 工具調用 → 工作流編排 → 職責委托 → 智能生態網絡

這五級演進，對應的是五種結構化能力：

這張路徑圖背后的意思是：

你不是在訓練一個更大的模型，而是在訓練一個更有組織感的協作網絡。

不是問“AI 能不能做”，而是問：

• 誰來管它？

• 它交給誰？

• 它怎么協同？

• 出錯怎么辦？

• 數據怎么歸因？

• 能不能復利？

這些問題，不再是工程師單獨能解決的，而是屬于AI 架構負責人、組織設計師與任務運營者的工作范疇。

未來的 AI 產品，不再是“功能演示”，而是“結構設計”。

紅杉說得很直白：

“如果你還在調 prompt，而沒有調結構，你的勝率已經落后。”

當你以為這場 AI 峰會只是關于模型、系統和入口時，紅杉的第三位主持人 Konstantine 拋出了一個意想不到的關鍵詞：

“隨機思維（Randomized Thinking）。”

這是一次對現有組織認知模式的正面撞擊。

過去幾十年，我們依賴的是工程式的因果推理：

• 你輸入 1，就得 1；

• 你部署一個任務，它會按預期運行；

• 你設計的操作鏈，必須精準收口、結果可控。

但 AI 智能體不是這樣運作的。“你告訴一個模型記住數字 73，它可能記住了，也可能變成了 72、37，甚至根本什么都不記得。”

這不是 bug，而是特征。

我們正進入一個計算結果存在概率波動的階段，而不是線性可復現的系統。

管理范式突變：從“確定性執行”到“目標試探”

Konstantine 在現場提出：

“AI 不只是提升效率的工具，而是一種全新協作框架的起點。”

過去的組織在追求穩定產出、精細分工和可控邊界。

但未來的團隊要面對的，是全然不同的問題：

• 我能不能描述一個模糊目標，讓智能體去嘗試、偏航、再迭代？

• 我是否接受結果不是100%達成，而是70%、80%的進度并持續改進？

• 我是否能設計出“人類+AI混合代理”共同推進任務的策略空間？

這不是自動化加深的問題，而是組織感知方式的深層轉向。

Konstantine 總結道：

“成為一名優秀的工程經理，和成為一名優秀的工程師，是兩種完全不同的思維能力。”

AI時代的管理者不再控制一切，而是設計環境讓團隊試錯，并在變化中培養信任。

對組織而言，這就像游戲規則被徹底改寫；

對個人來說，這相當于職業發展的基本邏輯被重新洗牌。

杠桿上升，掌控力下降：認知臨界點已至

紅杉展示了一張令人警醒的圖表：

杠桿在上升，控制力在下降。

他們預判：

• 公司不再是部門之間相互配合，而是變成一個個任務自動流轉的網絡

• 個人不再只是扮演固定角色做事，而是像指揮家一樣調度各種智能工具

• 組織結構不再是傳統的上下級匯報關系，而是轉變為多個智能體協同工作的團隊網絡

并大膽預測：

“未來可能出現第一家‘一人獨角獸公司’（First Oneperson Unicorn）。”

這不是說這個人多強，而是因為他掌握了高密度的智能代理協作邏輯， 能用一套 AI 聯合工作組完成產品研發、銷售交付、客戶服務與內容運營。

紅杉稱之為：

“不是你多會干，而是你能不能用 AI 構建出一個‘不靠你親自動手也能推進的系統生物體’。”

最后一道門檻，不是能力，而是心智放權

紅杉在峰會最后一頁幻燈片上寫了這樣一組判斷：

• ? 模型能力正在快速演進

• ? 聯動機制逐漸可控

• ? 人工+智能的合作界面已開啟

• ? 最后一公里，是你的認知適配速度

這意味著：

你不需要等一個“完美的 AI”降臨，而是該問自己：你是否接受偏差、接納協同？你能否放下“每一步都掌控”的沖動，而轉向“給方向、留空間、抓反饋”的協作心法？

而AI，不再是你的工具，它正在變成你的“好伙伴”，甚至是你認知系統的一部分。

AI 不再是技術，是新型經濟的起點

紅杉這場閉門會，沒有模型發布，沒有資本口號。 他們只給出了一個冷靜卻深遠的洞察：

AI 正在從“技術產品”，進化為一種新的經濟運行方式。

它不再售賣功能，而是兌現結果； 不再依賴輸入，而是主動生成價值； 不再等待指令，而是協同完成任務。

下一輪競爭的核心： 在于構建自我驅動、持續交付的協作模式，而非僅僅利用AI做事。

當你放下“人-機”的陳舊觀念，重新思考“如何定義任務、釋放信任、安排協同”時，你才真正踏入了 AI 經濟的第一公里。

這，才是紅杉閉門 6 小時后，真正共識浮現的方向。

本文由AI深度研究院出品，所有內容引用自紅杉資本第三屆AI峰會。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

原文鏈接：https://www.youtube.com/watch?v=v9JBMnxuPX8&t=387s&ab_channel=SequoiaCapital

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編：圖靈