本文分为演讲摘要与完整版图文两个部分，供您参考~
演讲摘要
市场机会：比云计算更大
帕特首先提醒大家，AI所蕴含的市场潜力远超想象。与云计算转型初期全球软件市场规模尚小不同，AI如今同时冲击着软件和服务两个市场，代表的是一个利润池规模至少是以往技术变革十倍以上的量级。
“这两个利润池正面临前所未有的挑战，”帕特解释道。他指出，AI产品正在从工具演变为助手，最终走向自动化，使用预算也从软件支出逐渐转向人力成本。其背后的意义非常明确：10到20年后，AI服务的前景“可能会变得极其巨大”。
为什么AI普及的速度远超以往？
最具启发性的观点之一，是帕特对AI为何能以如此惊人的速度被广泛采用的分析。与之前的技术变革不同，AI已经具备三大关键的传播要素：
- 认知度：“2022年11月30日，ChatGPT发布，全世界的目光都聚焦在AI上。
- 分发渠道：Reddit和Twitter（现为X）等平台拥有12亿至18亿用户。
- 连接性：全球已有56亿人接入互联网——“几乎覆盖每一个家庭和每一家企业。”
结果就是：“当发令枪响起时，没有任何采纳障碍。”
价值将流向哪里？应用层才是核心
尽管基础模型的能力不断增强，红杉团队依然坚信，最大的价值将集中在“应用层”。索尼娅微笑着承认：“我一开始还半信半疑地说，‘好吧，帕特，祝你好运。’但经历了过去几年的发展后，我觉得你说得没错，帕特。”
对于在这一激烈竞争环境中创业的企业家，帕特建议应专注于特定行业或功能的应用，解决那些复杂的问题（可能需要人类参与的解决方案），并采取“从客户出发”的思路来构建产品，而不是从技术出发。
AI使用率的跃升
索尼娅强调了用户与AI工具之间互动方式的显著转变。过去，AI应用的日活/月活比率远远落后于传统应用，而如今，ChatGPT的活跃度已接近Reddit的水平。“这非常令人鼓舞，”索尼娅指出，“这意味着越来越多的人正在从AI中获得价值。”
她列举了几个突破领域，包括：
- 广告：“精准且优美的广告文案”
- 教育：“一念之间即可可视化新概念”
- 医疗：“通过像Open Evidence这样的应用，更准确地诊断患者”
智能体经济：下一个大浪潮
康斯坦丁则描绘了他对AI下一步演进的看法：一种“智能体经济”（agent economy）的兴起，在其中，智能体不仅传递信息，还能转移资源、完成交易，并建立自己的经济关系。
“在这个智能体经济中，智能体与人协同工作——人指挥智能体，智能体辅助人，形成一种全新的合作生态。”康斯坦丁解释道。他同时指出了三个必须解决的关键技术挑战：
- 持久身份：代理需保持一致的性格与记忆；
- 无缝通信协议：相当于TCP/IP级别的代理交互标准；
- 安全性：在一个无法面对面交流的环境中建立信任。
随机思维：新时代的思维方式
也许最深远的是康斯坦丁关于“随机思维”（stochastic mindset）的讨论：从确定性计算转向概率性结果。
“很多人爱上计算机科学正是因为它的确定性，”他说道，“但现在我们正进入一个充满不确定性的计算时代。”
这种转变将迫使所有人接受“更大的杠杆效应，却伴随着更低的确定性”，从根本上改变我们的工作方式、公司运营方式，甚至整个经济体系的运作方式。
紧迫感：现在就是关键时刻
帕特在发言最后发出了一次强有力的行动号召，完美概括了当前形势：“自然界讨厌真空。目前市场上对AI的渴望就像巨大的吸力……你正处于一个必须全力以赴的行业中。现在正是全速前进的时候。”
完整版图文
Pat Rady : 我叫Pat Rady，我是红杉资本的合伙人，今天我和Sonya 和 Konstantine会一起担任你们的主持人。在进入今天真正的核心内容之前，我们几位红杉的合伙人都会先分享一些在过去一年左右时间里我们学到的一些观点和心得。当然我们也非常清楚，我们只是开胃菜，不是主菜。
昨天我还收到一位我合作过的创始人发来的邮件，他说：“嘿，兄弟，我可能会稍微迟到一点点，大概9点35分到。”我当时就觉得很奇怪，怎么这么具体？因为Jensen （黄仁勋）的演讲正好是9:35开始。所以我们完全理解大家的心情，不过我们还是会简单分享几句，然后就马上进入今天的正题。
好，首先我们先来统一一下认知，聊聊我们怎么看当前的AI格局。我们有一个简单的分析框架，是红杉创始人Don Valentine常用的那套方法论：第一，它是什么（What is it）？第二，那又怎样（So what），它为什么重要？第三，为什么是现在（Why now），它可能是大势所趋，但眼下真的已经迫在眉睫了吗？最后，就是现在该怎么办（What now），我们该如何把握这个趋势，如何赢得这场博弈？
这些问题我们过去几年也都讨论过，接下来几分钟，我们会结合最新的观察，对这些思考做一些更新。说实话，我原本准备了一个非常炸场的开场来解释“它是什么”，但Konstantine委婉地提醒我，在满屋子AI专家面前讲“什么是AI”，可能不是个明智的选择。
好的，谢谢大家。非常棒。看这张图——上面是云计算的演进，下面是AI的演进。页面的左侧是“过去”，中间是“现在”，右侧是“未来”。这张图说明了什么呢？它显示，当云计算年收入达到4000亿美元时，已经超过了软件行业转型初期的全球软件市场规模。如果我们用类比的方式来看，那么AI服务市场现在的起点，至少比当年大了一个数量级。而最终的结果——也就是10到20年后——这个市场的规模可能会极其庞大。
这是一个非常重要的观点。而且我们其实也更新了自己的看法：AI要颠覆的不只是服务市场，而是服务和软件两个市场。这意味着这两个利润池都正在受到冲击。
我们已经看到很多公司，起初做的是软件，逐渐变得更智能，变成“辅助驾驶”（Copilot），再进一步变得更智能，变成了“自动驾驶”（Autopilot）。它们从最初卖一个工具、花的是软件预算，发展到最后卖的是一个结果、一个实际的工作成果，花的则是人力成本的预算。这两个市场的蛋糕，如今都在重新洗牌，谁都有机会抢占份额。
好了，还有谁记得去年我们用过的这张幻灯片？ 哎呀，我有点小失落啊，好像只有三四个人记得。 好吧，那边还有一位。好啦好啦，谢谢你们。大家别不好意思，可以举手的嘛。
说实话，我特别讨厌这张幻灯片。横轴是时间，纵轴是个虚荣指标（vanity metric）。人们常用这种图来为各种错误做法找借口，对吧？不过，图中所表达的观察是对的：事情的发展速度越来越快了，比以前快得多。只是很少有人真正去深挖背后的原因。所以我们想花点时间，稍微讲一讲这个。
如果你从“分发的物理机制”角度来看，其实只需要三件事： 人们必须知道你的产品、必须想要你的产品、也必须能够买得起你的产品。就这么简单。还有人记得那个标志吗？当云计算转型刚开始的时候，根本没人关注。那时候 Benioff 不得不采取各种疯狂的“游击营销”手段，才让人们注意到它。
AI的情况完全不同了。2022年11月30日，ChatGPT发布，全世界的目光一下子都聚焦到了AI上。中间这列是Reddit和那个“曾用名是Twitter”的平台（X）的月活跃用户总数。在云计算转型刚开始的时候，这些平台根本不存在；在移动互联网转型刚开始时，也才刚刚起步。而今天，这两个平台的用户数在12亿到18亿之间。虽然这不是人们了解酷炫新事物的唯一方式，但确实是一个非常有效的途径。
好了，再来看一张去年的幻灯片。我们该怎么做？我们应该在哪个领域发力、赢得竞争？这张图有两个重点：第一，存在大量空白领域。同样，这是一张去年的图，现在这些空白已经少了一些，人们开始陆续进入这些领域，但总体来说，机会仍然非常广阔，基本还是处于等待被开拓的状态。
第二点，这些Logo代表的是那些在之前的技术转型中实现了超过十亿美元营收的公司。我们不在乎“独角兽”（估值高但未盈利的初创公司），我们在乎的是营收和自由现金流 。你会发现，这些公司大多集中在页面的顶部，也就是应用层（application layer）。我们一直坚信，并且现在依然相信：AI这一轮的价值也仍然会集中在应用层。
这就是我们合伙人 Doug Leone 总结的产品推广循环（Leone merchandising cycle）。这位“GOAT”（GOAT，意指行业传奇）花了40年时间，精心打磨出了这个看似简单的模型。它完整地呈现了你如何把脑子里的一个想法，最终变成客户手中真正使用的产品。首先，那个想法必须被开发成一个实际产品，这需要一支工程团队来打造；然后，产品还需要被推向市场，完成销售并提供后续支持。就这么简单，但每一步都至关重要。
这张图的底部是从技术出发的视角（tech-out viewpoint），也就是从产品和技术本身出发；而顶部则是从客户出发的视角（customer-back viewpoint），也就是从客户需求倒推回来。只有把这两个视角结合起来，你才能在整个价值链上建立起真正的护城河。
你的客户其实并不完全清楚他们到底想要什么样的AI解决方案。这时候，你可以有自己的判断，可以为他们提供一个端到端的完整解决方案，真正把问题解决掉，而不是简单地扔给他们一个工具就完事了。你还可以利用自己产品的使用数据，构建属于自己的数据飞轮，这种东西是别人无法复制的独特资产。你也可以真正做到为某个行业而生、深耕这个行业，就像OpenEvidence在医疗行业所做的那样。你能说他们的语言，理解他们的痛点。比如Harvey，他们会派律师直接进入律所沟通交流。说实话，我们不建议福特派工程师去部署产品，但你要真想做，也不是不行——只是这条路比较难走，但你可以做到。
你可以以一种基础模型（foundation models）很难做到的方式，紧紧地拥抱你的客户。顺带说一句，我们也非常看好基础模型，但我们要假设在座大多数人都不是在做基础模型的，而是在做应用层的产品。
第一点：收入。“感觉型收入”（vibe revenue）可能会害了你。大家都喜欢那种“哇，我们好厉害”的感觉，一看到收入数字就特别兴奋：“天哪，我们赚了好多钱！” 但你得仔细看看——这些收入是“随便试试看”（tire kicking）的临时订单，还是你真正改变了用户行为，带来了持续使用？如果你说，“哎呀，我也没有数据来判断这个”， 其实你是有的——去查查产品的采用率、参与度、留存率，看看用户到底在用你的产品做什么。别骗自己，以为“感觉有收入”就等于真有收入。如果只是感觉型收入，迟早会被反噬。
好的，刚才说的“感觉型收入”很重要，但真正的“氛围”或“关系”也很关键。 插一句，Andrew Reid，你在现场吗？来个“氛围测试”——大家感觉怎么样？所有人感觉怎么样？我才不管你一个人，是问大家整体怎么样？听到回答是“非常好”、“氛围很棒”，很好。你和客户之间需要这种良好的氛围。这是什么意思呢？就是你的客户必须信任你，而你也得靠实际行动去赢得这份信任。在这个阶段，信任甚至比产品本身更重要。如果客户相信你能把产品做得越来越好，那你就处在有利的位置；如果他们不信任你能做到这一点，那你就有麻烦了。
第二点：利润率。我们并不特别在意你今天的毛利率是多少。 首先，你的营业成本（COGS）很可能会持续下降。过去12到18个月里，每token的成本已经下降了99%——这样的成本曲线还会继续下行，这部分成本也会进一步降低。我知道在推理时需要更多算力、测试时也需要更多计算资源，短期内成本可能会上升，但这些也会随着时间下降。更重要的是，如果你能成功地从“卖工具”向“卖结果”转变，沿着价值链向上走，并真正抓住更多价值，那你产品的定价能力（price point）也会上升。所以，虽然你今天的毛利率可能还不理想，但你应该有一条清晰的路径，让你在未来实现健康的毛利率。
最后一张幻灯片。谁能告诉我这两样东西是怎么搭在一起的？ 如果你真说不上来，我反而会对你刮目相看——因为它们根本就没什么逻辑关系。
首先我们来回顾一下过去一年。2023年的时候，我们展示过一张图表，对比了原生AI应用和传统移动应用中日活用户与月活用户的比率。当时的核心结论是：AI应用的用户参与度非常糟糕，数据上显示出“炒作远远超过了现实”的情况。
我们现在非常高兴地告诉大家，这个情况已经发生了巨大变化。比如，ChatGPT的日活/月活比例迅速攀升，现在已经接近Reddit的水平，这令人印象深刻。我认为这是个极其积极的信号——越来越多的人开始真正从AI中获得价值，我们一起在学习如何把AI融入日常生活的道路上不断向上攀登。
有时候这种使用方式既有趣又轻松。我个人就干过不少“疯狂”尝试，用GPU去跑各种GPlify（泛指让一切智能化）任务，烧了不少卡，但也乐在其中。虽然那些让人眼前一亮的“病毒式”时刻很吸引人，但更让人兴奋的是AI正在深入影响各个行业，而我们才刚刚触及皮毛。
举几个例子：广告领域，AI可以生成极其精准且富有创意的文案；教育领域，它可以让你“咔嚓”一下就可视化一个新概念；医疗领域，像OpenEvidence这样的应用已经能帮助医生做出更准确的诊断。随着AI模型能力不断增强，我们通过这扇“前门”能做的事情也变得越来越深刻。
好，问一下，在座有没有看过电影《Her》的？很好。今天我们也请到了 Brendan，虽然我们现在还没看到像《Her》里那么有魅力的AI情人Joe，但2024年确实给我们带来了我称之为语音交互领域的“Her时刻”。语音生成技术已经从“快到位了”彻底跨越了“恐怖谷”阶段，进入了一个自然、真实、极具沉浸感的新时代。我听到不少人提过这个，不过大家先别急着表态，咱们先把底牌捂紧点。让我来看看能不能真正让你们大吃一惊。
现场播放了一段《Her》情节音频：
“你看过《Her》这部电影吗？”
“哦当然，《Her》啊，经典之作。娜塔莉·波特曼在片中和操作系统谈恋爱那段演得太到位了，真的让人开始思考未来会变成什么样，对吧？”
Sesame 的语音演示太惊艳了，Brendan。我特别期待你们接下来会做出什么。而且真是让人感慨，科幻和现实之间的差距正在飞快地缩小。现在看起来，“图灵测试”真的已经悄悄来到我们面前了。这里也得感谢 Jim Fan，这个想法是他先在推特上提出来的，我偷来用在这次演讲里了。嗨，Jim，你好！
Anthropic 的MCP正在构建一个强大的生态系统和网络，我们也非常期待它将如何进一步推动智能体对工具的使用。因此，更大的基础模型、推理时的逻辑思考能力、工具调用等技术，正在融合在一起，使AI能够完成越来越复杂和高难度的任务。Meter这个基准测试是一个不错的量化衡量标准，但我认为更有力的，是和在座各位交流你们正在做的事情——那些只有在 o3、Operator、Deep Research 或 Sonnet 出现之后才成为可能的应用场景。这些真实案例才是真正体现AI能力跃迁的关键。
接下来我想谈谈AI价值链中价值将流向哪里。我还记得当初和红杉资本的合伙人一起激烈讨论过这个问题。当时我算是这张图中间那个“中等聪明”的人，持比较中立的观点，对那些GPT套壳（GPT wrappers）还抱有怀疑态度。我记得Pat特别坚持认为，价值最终会集中在应用层。当时我心里想的是：“好吧Pat，祝你好运。”不过经历了过去这几年的发展，我现在必须承认——你是对的。
Pat，你这个观点应该放在这边，干得漂亮！如果你看看现在价值真正被创造的地方，比如Harvey和OpenEvidence这样的公司，它们正在从客户出发、反向构建价值，我们越来越确信：真正的价值终将落在应用层。而这一层的竞争也正变得白热化——基础模型层的玩家们已经逐步进入并深入到应用层来争夺市场。
Konstantine：谢谢Sonya，讲得太棒了。大家早上好，感谢Sonya，也感谢Pat。我们刚刚深入探讨了一些非常重要的话题——“所以呢？”、“为什么这件事如此重要？”、“现在世界上到底发生了什么？”、“当下AI的发展处于什么阶段？它的近期前景如何？”接下来，我们会稍微退一步，从更宏观的角度来思考一下中长期将要发生的事情。这一部分我们将分为三个板块：首先，我们会聊一聊我们认为即将出现的下一波重大浪潮；接着，我们会深入探讨实现这波浪潮所需要的关键技术支撑；最后，我们会谈谈这一切对我们每个人意味着什么——它将如何改变我们的日常生活。让我们开始吧。
一年前的 AI Ascent，我们讨论的焦点还是“智能体”（agents）。那时候我们刚开始探讨它们，并预见它们将逐渐发展成企业。当时我们称之为“机器助手”，并预测这些智能体会最终汇聚成“机器网络”（machine networks）。如今，这类系统已经被广泛称为“智能体群”（agent swarms），它们已经在你们许多公司的产品和架构中扮演重要角色，并正逐步成为 AI 技术栈中一个至关重要的组成部分。这些智能体彼此协作、有时也相互竞争，共同进行推理、完成任务，展现出越来越复杂的群体行为。
在接下来的几年里，我们认为这一趋势将进一步发展，最终形成一个智能体经济（agent economy）。在这个经济体系中，智能体之间的互动不再只是传递信息，而是能够转移资源、进行交易、彼此追踪、建立信任与可靠性机制，它们实际上拥有自己的经济系统。但需要强调的是，这个经济体系并不会取代人类，相反，它的一切核心仍然是围绕人类展开的。在这个智能体经济中，智能体与人协同工作——人指挥智能体，智能体辅助人，形成一种全新的合作生态。
但要想真正迈入我们即将共同迎来的这一波重大浪潮，我们还面临许多关键的技术挑战。接下来我们会重点探讨其中三个。坦率地说，在座各位在构建产品和系统的过程中，实际上就是在应对并解决这三大挑战。
首先，第一个挑战是持久身份（persistent identity）。当我们谈到“持久身份”时，其实包含两层意思：第一，智能体本身需要具备一致性与延续性。想象一下，如果你和某个人做生意，但对方每天都在变——性格、认知、行为方式都不一样，那你很可能不会和他长期合作。这种不稳定的体验会严重影响信任与协作。因此，智能体必须能够保持自身个性和理解能力的持续稳定，这样才能在长期交互中建立可靠的关系。
第二大技术变革是：我们需要无缝的通信协议。好消息是，现在似乎所有人都在关注这个方向。但你可以想象一下，如果没有无缝的通信协议，个人计算会是什么样子？没有TCP/IP，就没有互联网。我们才刚刚开始构建这一层协议基础。目前围绕MCP有很多令人振奋的进展，看到各大厂商能够携手合作、共同推进这一标准的建立，是一件非常鼓舞人心的事情。这只是一个开始——未来将有一系列协议陆续出现，它们将实现信息的传递、价值的转移，甚至信任的建立，为整个智能体生态打下坚实的基础。
最后一个重要挑战是：安全。这是一个正在日益受到重视的话题，也一定是在座许多人都非常关心的问题。 想象一下，如果你无法与你要合作的人面对面地沟通、建立直接的信任关系，那么安全与信任的重要性反而会被大幅提升。你必须能够信任你所交互的智能体。因此，围绕“信任”与“安全”，我们将看到一个完整的配套产业逐渐形成。在未来的智能体经济中，安全将比在当今的经济体系中扮演更加关键的角色——它不仅是基础，更是核心竞争力之一。我们已经讨论了要实现这一波重大变革、迈向智能体经济所需的关键技术支撑。接下来，我们要思考的是：这一切将如何真正改变我们的生活？
现在，我们来聊一聊这一切对我们每个人来说到底意味着什么。首先，它将改变我们的思维方式。坦率地说，在座的各位可能已经走在了前面，我们称之为“随机性思维”（stochastic mindset）。这种思维方式，是对过去那种“确定性思维”（deterministic mindset）的一种转变。很多人当初爱上计算机科学，正是因为它的确定性：你写一段代码，计算机就会严格按照指令执行——哪怕结果是段错误。但现在，我们正在进入一个以概率和统计为核心的计算时代。举个例子：如果你让一台计算机记住数字 73，它明天、下一周、下个月都能准确无误地回忆起来；但如果你让一个人或一个AI来做这件事，它可能会记成 73，也可能记成 37、72、74，甚至下一个质数 79，或者干脆什么都记不起来。重点在于，这种思维方式与我们过去几十年所习惯的完全不同。它更接近人类的认知方式，也更贴近现实世界的复杂性。这不仅是一次技术的跃迁，更是我们认知范式的一次根本性转变。
第二个思维方式的转变，是管理思维（management mindset）。这种新的管理思维核心在于：清楚地知道你的智能体能做什么、不能做什么。就像我们都知道的，一个非常优秀的工程师和一位出色的工程管理者之间有着本质区别。未来，整个经济体系也将经历类似的转变——从“亲自执行任务”转向更复杂的管理型决策，比如协调流程、设定目标、提供反馈等等。换句话说，我们将更多地扮演“指挥者”而非“执行者”的角色。我也真心希望这不会演变成那种——给AI写年终考核评语：“本季度表现良好，但创造力有待提升。” 咱们尽量避免这种情况吧（笑）。
最终，这些流程和智能体将不断融合，走向统一。 你将看到，在庞大而复杂的神经网络内部，会涌现出一个个相互连接、协同运作的小型神经网络，形成一个智能体的网络（network of agents）。这将彻底改变一切。它将重塑个人的工作方式，重构企业的组织形态，甚至重新定义整个经济的运行逻辑。 我们正站在一场深刻变革的起点上——这场由AI驱动的“智能体革命”，将会重塑工作、企业与经济的未来。
感谢大家的参与。今天我们将会迎来一场精彩绝伦的 AI Ascent，也非常感谢各位的到来与陪伴。
