红杉资本最近举办了他们的年度大会——AI Ascent 2025，三位核心合伙人 Pat Grady、Sonya Huang 和 Konstantine Buhler 分享了红杉对于当下 AI 创业市场的洞察和预测，很适合作为 2025 年 AI 创业的 Playbook。
一句话总结，应用层才是创业的价值高地，迎接智能体经济的到来。
以及对于当下 AI 创业的忠告：收入规模不重要，收入质量更重要——即用户粘性、留存率和真实的业务增长，而非短期的“尝鲜”效应。
文章转载自「硅星 GenAI」，并进行了一些再编辑。
TLDR
-
真正的价值会沉淀在应用层，尤其是能解决具体行业痛点、深度服务客户的AI应用。随着基础模型越来越多地在这一层展开竞争，应用层的竞争也日益激烈。
-
AI 创业，为客户提供端到端的解决方案，直接解决问题，而不是只扔给他们一个工具。你还可以利用自己产品的使用数据构建数据飞轮，这是别人没有的优势。
-
在AI领域创办一家公司，95%的工作和其他公司没什么两样，5%才是AI特有的。
-
警惕「氛围营收」，人们到底用你们的产品做什么？不要在只有表面收入的时候，就误以为自己有了真正的营收，这会给你带来麻烦的。
-
在当前这个发展阶段，信任比产品更重要。产品会不断改进，如果客户信任你能把产品做得更好，那你就处于有利地位。如果客户不信任你，那你可就麻烦了。
-
在智能体经济中，智能体之间不仅会交流信息，还会转移资源、进行交易、相互监督。它们能够理解信任和可靠性的概念，并且拥有自己的经济体系。这个经济体系并非将人类排除在外，而是与人类紧密相关。
-
智能体的持久身份是个大难点，首先，智能体自身需要具备持久性。第二种持久性是对用户的理解。要实现真正的记忆功能，并且让智能体在关键方面保持一致，仅在必要的地方有所差异，这是非常困难的。
-
市场上有着巨大的需求，如果你们不抢占先机，别人就会。因为自然厌恶真空。
-
最新、最值得关注的 AI 新品资讯；
-
不定期赠送热门新品的邀请码、会员码；
-
最精准的AI产品曝光渠道
01
Pat Grady：应用层价值凸显，
创业先赶紧跑起来
首先，来校准一下认知，我们怎么看 AI 领域当下的情况呢？我们过去常用来分析市场的简单框架是什么样的？
这就涉及到红杉资本创始人 Don Valentine 提出的几个问题：AI 是什么？他出现了又怎么样？我们现在该怎么办？我们如何利用它？我们要如何才能胜出？
过去几年我们都讨论过这些问题，接下来几分钟，我们会更新一下我们的一些想法。
说实话，关于 「AI 是什么」 我本来准备了一段精彩的发言，但 Konstantine 提醒我，对着一屋子 AI 领域的人解释什么是 AI 可不是个好主意。所以，我们直接跳到 「那又怎样」 这个话题。
这是去年的大会的一张幻灯片，第一行是云计算转型，第二行是 AI 转型，页面左边是过去，中间是现在，右边是未来。这说明了什么呢？现在，云计算已经是 4000 亿美元的庞大产业，比当初软件市场刚刚起步时整个市场都要大。
如果按这个类比，AI 服务的起点市场至少要大一个数量级，也就是十倍于云计算初期。未来 10 到 20 年，这个市场可能会变得无比巨大，远超我们的想象。
实际上，我们最近改变了想法。AI 所涉足的不只是服务市场，还有软件市场，这意味着这两个收益领域都受到了冲击。我们看到很多公司，这些公司正在从销售工具转向销售成果，从争夺软件预算转向抢占人力资源预算。AI 同时在冲击这两个巨大的市场。
去年这张分层蛋糕图展示了过去几十年里层层堆叠，将我们带到当下的技术浪潮。
这张图有两个要点：第一，投入 AI 领域不仅是不可避免的，而且迫在眉睫。前提条件已经具备，计算能力、网络、数据、分发渠道、人才，我们所需的所有要素都已齐全，万事俱备。
第二，这些技术浪潮往往具有叠加效应。与之前的浪潮相比，这次的机遇要大得多，而且到来的速度也快得多。
我不太喜欢这张图，横轴是时间，纵轴是某个虚荣指标，人们常用它来为各种观点找依据。不过观察到的现象是正确的，事情的发展速度比以往任何时候都要快得多，但没多少人深入探究过原因，我们来简单分析一下。
从传播的物理原理来看，只需要三个条件：人们得知道你的产品，得想要你的产品，还得有能力购买你的产品，就这么简单。云转型刚开始的时候，根本没人关注。Benioff（Salesforce 创始人）不得不采用疯狂的游击营销策略，才能吸引到别人的注意。
AI 则大不相同。2022 年 11 月 30 日，ChatGPT 发布，全世界都开始关注 AI。中间这栏数据显示的是 Reddit 和前身为推特（Twitter）平台的月活跃用户总数之和。云计算转型开始的时候，这些平台还不存在，移动互联网转型开始的时候，它们也才刚刚起步，如今这些平台的用户总数在 12 亿到 18 亿用户之间。
这虽然不是发现新鲜事物的唯一途径，但却是个不错的渠道。再看页面右边，想想当初贝尼奥夫推广业务的时候，全球互联网用户只有 2 亿人，如今已经达到 56 亿人，几乎涵盖了世界上的每个家庭和企业。
这一切意味着什么呢？意味着基础条件已经具备。一旦起跑枪响，推广过程中将不再有障碍。这并非 AI 特有的现象，而是技术传播的新现实。传播机制已经改变，轨道已经铺好。
应用层才是价值高地
这也是去年的另一张 PPT。面对这种情况，我们该怎么做？该在哪些领域发力才能取胜呢？去年的讨论有两个要点：
第一，AI 领域还有很大的发展空间。现在的空白区域已经少了一些。一些公司开始崭露头角，但总体而言，机会仍然很多。
第二，这些 Icon 代表收入达到 10 亿美元以上的公司。我们关注的不是独角兽企业，而是收入和自由现金流，收入达到 10 亿美元以上才是我们看重的。
在之前的技术转型中，大多数这样的公司都处于行业顶端，大多集中在应用层。我们一直认为，并且现在依然坚信，AI 领域也是如此，价值就存在于应用层。但你猜怎么着？竞争也很激烈。
我们有了第二条 Scaling Law，即测试时计算（test-time compute）。还有结合工具使用和智能体间通信进行推理的技术，这使得基础模型在应用层有了很大的发展空间。如果你是一家初创公司，又不打算打造垂直整合的业务，那就从客户需求出发，专注于特定的垂直领域和功能，去解决复杂的问题。
这可能需要人为介入，但这就是竞争所在，也是价值所在。这一点大家一定要牢记于心。
我们该如何在竞争中取胜呢？
在 AI 领域创办一家公司，95% 的工作和创办其他公司没什么两样，都是用独特且有吸引力的方式解决重要问题，吸引优秀人才追随你，都是这些大家熟知的事情。另外 5% 则是 AI 领域特有的。在竞争应用层的过程中，有几个方面需要考虑。这是我们的合伙人 Doug Leone 打造的营销周期图，这位业界传奇花了 40 年精心打造了这个内容。
它展示了你如何把脑海中的想法转化为客户手中的产品。首先，想法要变成产品，这需要工程团队进行开发，然后推向市场，进行销售和后续支持，这就是完整的价值链。
页面底部是从技术出发的视角，顶部是从客户需求出发的视角。通过这种方式，你可以在整个价值链上建立起竞争壁垒。如果你的客户不确定他们想从 AI 中获得什么，你要有自己的见解。
你可以为他们提供端到端的解决方案，直接解决问题，而不是只扔给他们一个工具。你还可以利用自己产品的使用数据构建数据飞轮，这是别人没有的优势。
你可以深入某个行业，为这个行业服务，就像 OpenEvidence 为医疗行业所做的那样。你要能说行业内的 「行话」，比如 Harvey 会派律师团队与律师事务所沟通。说实话，我们不太建议派工程师去做这种事，虽然这种方式比较艰难，但也不是不行。你可以用基础模型可能做不到的方式紧紧 「拥抱」 你的客户。顺便说一句，我们也很喜欢基础模型，但我们假设在座的大多数人都不是在打造基础模型，而是在开发应用程序。
AI 创业需要注意这三点
我们经常被问到一个问题：在评估 AI 公司时，你们看重什么？同样，95% 的评估标准和评估其他公司是一样的。解决重要问题，找到独特且有吸引力的方式，吸引优秀的人才加入。只有 5%是 AI 特有的。
第一，警惕「氛围营收」（vibe revenue）。收入的 「感觉」 很重要，收入可能会 「迷惑」 你。大家都喜欢高收入，感觉很棒，「我们收入好多啊，快看看」。但这是真正的业务增长，还是仅仅是短期的 「尝鲜」 行为呢？
我没有具体的衡量指标，这需要你们自己去考察产品的采用率、用户参与度、留存率。人们到底用你们的产品做什么？不要在只有表面收入的时候，就误以为自己有了真正的营收，这会给你带来麻烦的。
另外，「感觉」 良好也很重要。我听到有人说 「感觉绝佳」，很好。你需要让客户也有这种良好的感觉。这意味着什么呢？意味着客户必须信任你，而你要努力赢得这份信任。在当前这个发展阶段，信任比产品更重要。产品会不断改进，如果客户信任你能把产品做得更好，那你就处于有利地位。如果客户不信任你，那你可就麻烦了。
第二点是利润率。我们不一定关心你现在的毛利率是多少，因为成本中商品销售成本（COGS）这部分可能会持续下降。在过去 12 到 18 个月里，每个 Token 的成本下降了 99%，而且这一成本曲线还会继续下降。虽然测试时计算等成本会增加，但最终也会下降。如果你能成功从销售工具转向销售成果，沿着价值链向上攀升，就能获取更多价值，定价可能也会提高。虽然现在毛利率可能不理想，但公司应该有一条通向健康毛利率的清晰路径。
第三点是数据飞轮。数据飞轮能推动哪些业务指标增长呢？我看大家不太确定。我有个好消息和一个坏消息。
好消息是，如果你回答不上这个问题，我依然支持你。坏消息是，你的数据飞轮可能没什么用。
要么你根本就没有真正的数据飞轮，要么它与业务指标无关，也就没有价值。这一点非常重要，因为这是你能建立的最好的竞争壁垒之一。
最后一张幻灯片，有谁能告诉我这两者是如何关联的吗？其实没啥关联。
目前市场对 AI 有着巨大的需求，所有那些宏观经济因素，比如关税、利率，但这些都是杂音，无关紧要。技术采用率的上升趋势完全盖过了市场的任何波动，忽略那些杂音就好。市场上有着巨大的需求，如果你们不抢占先机，别人就会。因为自然厌恶真空。
尽管我们刚刚讨论了竞争壁垒、评估指标等内容，但现在你们要做的就是拼命往前冲，以最快的速度前进。
Sonya Huang：AI 用户量大幅提升，
编程领域大爆发
我将重点介绍 AI 目前的发展情况。我们先从客户需求和技术发展两个角度进行快速的年度回顾。
先回顾一下 2023 年，我们当时展示了这张图表，对比了原生 AI 应用和传统移动应用的日活跃用户与月活跃用户的比例。
当时的结论是，AI 应用的用户参与度较低，数据显示市场的热度超过了实际情况。现在我们很高兴地告诉大家，情况有了巨大的变化。比如，ChatGPT 的日活跃用户与月活跃用户比例大幅上升，现在已经接近 Reddit 的水平。
这真是个好消息。这意味着越来越多的人从 AI 中获得了价值，我们都在共同探索如何将 AI 融入日常生活。有时候，使用 AI 的体验既有趣又有益。我自己就花了大量时间使用 GPT，试图简化各种事情。
虽然那些像 「吉卜力时刻」这样的应用很有趣，也在网络上走红，但更令人兴奋的是，我们才刚刚触及表面的深层次应用。比如在广告领域，AI 能够创作出极其精准、精美的广告文案；在教育领域，能一键可视化新的概念；在医疗领域，能更好地诊断病人。
以 OpenEvidence 这样的应用为例，我们才刚刚探索到 AI 的潜力。随着 AI 模型的能力越来越强，通过它们我们能实现的事情也越来越意义深远。
两大关键领域突破：语音与编程
在座有谁看过电影《她》（Her）吗？
虽然我们还没有像电影里那样的 AI 「斯嘉丽・约翰逊」，但 2024 年迎来了我所说的 「《她》时刻」。语音和语音生成技术取得了巨大进步，已经跨越了 「恐怖谷」 效应。科幻与现实之间的差距正在以惊人的速度缩小，感觉图灵测试突然就来到了我们身边。这里要感谢 Jim Fan，我在推特上看到他的观点，借用过来用于这次演讲。
最后，去年最热门的应用领域是编程，AI 编程已经达到了极佳的 PMF。去年秋天，Anthropic 的 Claude 3.5 Sonnet 发布，迅速改变了编程领域的格局。
现在人们用 AI 编程实现了很多令人惊叹的事情。比如，有人用 AI 编写了自己的软件，不管你是经验丰富的高级工程师，还是完全不懂编程的新手，都能借助 AI 编程实现很多功能。我们认为，AI 正在从根本上改变软件开发的可及性、速度和经济性。
第一批 AI Killer App 已出现
从技术发展的角度来看，也有坏消息。预训练的发展似乎在放缓。
从 AlexNet 时代以来，我们已经将预训练的规模扩大了 9 到 10 个数量级，这意味着很多容易实现的成果已经取得。不过，研究界正在寻找新的突破方向。最重要的突破来自 OpenAI 的推理技术。除了推理技术，还有合成数据、工具使用、遗传架构等技术。这些技术相互结合，为我们提升 AI 的智能水平提供了新途径。
Anthropic 的 MCP 构建了强大的生态系统和网络，我们也很期待它如何加速工具的使用。所有这些，更大的基础模型、推理时的推理能力、工具使用等，共同推动 AI 能够完成越来越复杂的任务。
Meter 基准测试是衡量这一发展的一个量化指标，但我认为更有意义的是，和大家交流那些只有借助 o3、Operator、Deep Research 或 Sonnet 等技术才能实现的应用。目前，AI 领域很多令人兴奋的技术创新都发生在研究和产品的模糊边界地带。过去一年里，有两个突破性的例子，分别是 Deep Research 和 NotebookLM。
当时，我在这个问题上还犹豫不决，我不太确定像 GPT 套壳这样的应用前景，而我的伙伴 Pat 却坚信价值最终会集中在应用层。但看看过去几年的发展，我觉得你是对的，Pat，你眼光真准。
从那些创造价值的公司，比如 Harvey 和 Open Evidence 身上，我们看到它们真正从客户需求出发创造价值。我们坚信，应用层才是价值最终的汇聚地，随着基础模型越来越多地在这一层展开竞争，应用层的竞争也日益激烈。
顺便说一句，其实我们都看走眼了，真正在这个领域赚得盆满钵满的是英伟达的黄仁勋。
回到应用层的话题。我们现在认为，第一批 AI 的杀手级应用已经出现，比如 ChatGPT、Harvey、Glean、Sierra、Cursor、Abridge 等。而且，在众多丰富多样的终端市场上，有一大批新公司正在崛起，包括 Listen Labs、OpenEvidence 等。
垂直领域 Agent 是接下来的趋势
我们还有一个预测，未来很多这样的新公司会以智能体为先（agent-first），而且这些公司所推出的智能体将从现在拼凑而成的雏形，发展为真正强大的产品。
我们看到公司在构建智能体方面主要有两条路径：
第一条路径是通过严格的测试和评估进行编排；第二条路径是针对端到端的任务对智能体进行优化。
关于 2025 年 AI 公司的发展形态，我们的下一个预测是垂直领域智能体。对于那些深入了解特定领域的初创公司创始人来说，垂直领域智能体是一个绝佳的机会。我们看到一些公司正在打造专门针对特定工作流程进行训练并表现出色的智能体。
它们采用包括在合成数据和用户数据上进行强化学习等技术，让 AI 系统在特定任务上表现得非常出色。
目前的一些证据让我们对这个领域充满信心：比如 Expo 展示的智能体，其表现已经超越了人类渗透测试人员；在开发运维领域，Traversal 开发的 AI 故障排查工具比最优秀的人类专家还要厉害；在网络领域，Meter 和网络工程师的相关成果也说明了这一点。
虽然这些数据还处于早期阶段，但它们让我们非常乐观地认为，专注解决特定问题的垂直领域智能体如今能够超越最优秀的人类。
关于 2025 年智能体的最后一个预测是，我们正在进入一个富足时代（abundance era）。编程领域作为率先发生变革的市场类别，将让我们初步了解这个「富足时代」的真正含义。当劳动力变得廉价且充足时会发生什么？我们会得到一堆质量参差不齐的 AI 成果吗？当审美品味成为稀缺资源时又会怎样？
我们期待看到编程智能体的持续进步，以及它对技术格局的影响，同时也把它视为 AI 将如何改变其他行业的一个预兆。
Konstantine Buhler ：
智能体经济的崛起和挑战
我们刚刚讨论了非常宏大且重要的话题：「所以呢？」——为什么这件事如此重要；「现在如何？」——当今世界正在发生什么，人工智能的现状及其近期未来。现在，我们将退后一步，思考一下关于中长期发展的预测。
在这个环节，我们将分为三个部分：
我们会先探讨下一波主要的发展浪潮，接着研究实现这一浪潮所需的技术，最后谈谈这对我们每个人的日常生活意味着什么。
智能体经济的到来
一年前，在 AI 峰会上，我们主要讨论的是智能体。那时我们就在探讨智能体，而它们才刚刚开始形成商业应用。当时的话题主要围绕这些机器助手展开，我们曾预测它们最终会形成机器网络。如今，这些机器网络被广泛称为智能体集群。它们在许多公司中发挥着作用，并且正逐渐成为 AI 体系中至关重要的一部分。智能体之间相互协作、竞争，彼此进行推理交流。
在未来几年，我们认为这一趋势会进一步成熟，发展成为一个智能体经济（agent economy）。在智能体经济中，智能体之间不仅会交流信息，还会转移资源、进行交易、相互监督。它们能够理解信任和可靠性的概念，并且拥有自己的经济体系。这个经济体系并非将人类排除在外，而是与人类紧密相关。在智能体经济中，智能体与人类相互协作。
构建智能体的三个挑战
但是，为了实现这一重大且重要的下一波发展浪潮，也就是进入智能体经济时代，我们面临着许多重要的技术挑战，接下来我们将讨论其中的三个方面。
第一个是持久身份问题（persistent identity）。当我们谈到持久身份时，实际上包含两个层面。首先，智能体自身需要具备持久性。如果你和某人做生意，对方每天都像是换了个人，你可能不会和他们长期合作。这种巨大的差异会产生负面影响。智能体必须能够保持自身的个性和认知。
第二种持久性是对用户的理解。同样地，如果你和一个人做生意，对方却完全不记得关于你的任何事情，甚至连你的名字都记不住，这也会对信任和可靠性构成巨大挑战。目前，我们尝试了各种方法，从基于检索增强生成（RAG）和向量数据库，到使用超长的上下文窗口。但在座的各位都清楚，在真正的记忆和自我学习方面，仍然存在重大挑战。要实现真正的记忆功能，并且让智能体在关键方面保持一致，仅在必要的地方有所差异，这是非常困难的。
第二个重大技术变革是需要无缝的通信协议。如今似乎每个人都在关注这个问题。想象一下，如果个人计算机没有无缝的通信协议，没有 TCP/IP 协议，没有互联网，那会是怎样的情景。我们现在才刚刚开始构建这一协议层。围绕 MCP 有很多令人兴奋的进展。看到各大企业相互合作，共同推出一系列协议，这真的很棒。这些协议将实现信息、价值和信任的传递。
最后一个是安全问题。这是一个关注度日益上升的话题，肯定也在大家的重点关注范围内。如果你无法与合作伙伴面对面、掌心相对地进行交易，那么安全和信任的重要性就会进一步提升。在与智能体交互的过程中就是这种情况。
围绕信任和安全，将会形成一整个产业。在智能体经济中，安全的重要性甚至会比在我们当前的经济体系中更高。我们讨论了实现智能体经济这一重大发展浪潮所需的技术。
迎接智能体经济时代：思维方式的根本转变
现在，我们来谈谈这对我们每个人意味着什么。
首先，它将改变我们的思维模式。坦率地说，在座各位已经具备了我们所说的 「随机思维模式」（stochastic mindset），这与传统的确定性思维模式截然不同。我们很多人喜欢计算机科学，就是因为它具有确定性。你给计算机编写一个程序，它就会按照程序执行任务，即使可能会出现系统错误。
但现在，我们正进入一个随机计算的时代。如果你让计算机记住数字 73，明天、下周、下个月它都能记住。但如果你让一个人或者 AI 记住 73，它可能会记住 73，也可能记住 37、72、74、下一个质数 79，甚至什么都不记得。关键在于，这种思维方式与我们过去几十年的习惯有着本质的区别。
第二个改变是管理思维模式（management mindset）。这种管理思维模式要求我们了解智能体能够为我们做什么，不能做什么。大家都知道，成为一名优秀的集成电路工程师和成为一名出色的工程经理是有很大差异的。
这将是大多数经济体需要进行的转变，即做出更复杂的管理决策，比如规划流程和给予反馈。我真心希望不要发展到对智能体进行年终考核的地步，大家尽量避免这种情况吧。
第三个重大改变是前两者的结合，即我们能够获得更多的助力，但同时也要面对更大的不确定性。我们正在进入一个新世界，在这个世界里，你可以完成更多的事情，但你必须学会应对不确定性和管理风险。
在这个世界中，在座的各位都有能力蓬勃发展。一年前在 AI 峰会上，我们讨论过这张图表，当时谈到了助力作用。我们认为组织内部的各个职能部门将开始引入 AI 智能体。
然后我们预测这些职能会逐渐融合、聚集，整项流程都将由 AI 智能体完成。我们甚至预测会出现第一个 「一人独角兽」 企业。虽然目前这还没有成为现实，但我们已经看到一些公司以比以往更快的速度发展壮大，而且所需的人力比以往任何时候都少。
我们相信，最终我们将见证经济发展达到前所未有的高效水平。这些流程和智能体最终会融合。在非常庞大、复杂的神经网络内部会存在子神经网络，进而形成一个神经网络的网络。这将改变一切。它将重塑个人工作模式，重新构建公司架构，并且彻底改变经济格局。
（文：Founder Park）