当算力、模型、分发路径和用户习惯几乎同时成熟，AI应用层的黄金时代也就悄悄降临了。真正的主战场，已经从“谁训练了最强模型”转向了“谁能让AI真正用起来”。在红杉资本一次内部闭门分享中，Pat Grady、Sonia Verma 和 Constantine Vassilev 三个人，抛出了四个核心问题——What is it、So what、Why now、Now what？——试图给这场前所未有的智能浪潮划上航标。

他们给出的判断相当震撼：AI不仅正在碘伏服务业，未来十年内，它还会彻底撕裂整个软件产业的利润结构。传统的工具型公司会被AI重构成结果导向的组织——不是“卖软件”，而是“卖结果”；不是“雇佣人”，而是“调用Agent”。

更有争议的是红杉的一个核心观点：AI创业的决定性战役，将发生在应用层，而不是底层模型。这跟过去“大模型赢家通吃”的逻辑背道而驰，却也解释了为什么OpenEvidence、Glean、Harvey这类应用型AI公司能快速冒出来。

“智能体即公司，应用层即未来。”他们的判断是，未来的商业世界会被AI驱动的智能体网络重构，每个企业职能都将由AI智能体替代，人类的角色退居为策略协调者与风险管理者。而AI Agent的杀手级场景，很可能会出现在医疗、法律、教育、客服、DevOps这类“高决策+高复杂度”的垂直领域。

应用层才是AI的主战场

Pat Grady 是红杉的合伙人，他先做了个开场。他们没用那种X轴是时间、Y轴是虚荣指标的趋势图——说实话，那种图表一直不太讨喜。但他们发现一个现象：事件发生的速度确实在加快。不过，真正去琢磨背后动力的人并不多。

回到最初的问题：我们怎么看当前AI领域正在发生的事？红杉用了一个简单的分析框架：“What is it?”这是唐·Valentine式的提问。“So what?”它有什么意义？“Why now?”为什么偏偏是现在？“Now what?”我们该做什么？ 这几个问题，他们逐一更新了一遍。

去年他们分享过一个三阶段的转型模型，把云计算和AI的发展做了对比：左边代表过去，中间是现在，右边是未来。当年云转型起步时，市场规模就已经有4000亿美元，超过了全球整个软件市场。按这个逻辑看AI，眼下面对的市场起点，至少比当年的云服务市场大了一个数量级。展望未来十年或二十年，这个市场的潜力极其巨大。

现在的认知是：AI碘伏的远不止服务市场，它同时在冲击整个软件产业。两大利润池——服务和软件——正在同步经历变革。 很多企业从传统软件起步，逐步走向智能化：先像辅助驾驶一样帮人类干活，再像自动驾驶一样自主执行。最终，企业不再只是卖工具，而是开始把软件预算转化为销售成果，进而演化为人力成本上的节约。简单说，两个核心市场（TAM）正在同时打开，利润池的争夺还处在初期阶段。

过去他们总结过技术浪潮的演进轨迹，有两个核心观点：

第一，AI已经不再是遥远的未来，而是真正进入了临界点。算力、网络、数据、分布式架构和人才，所有关键条件如今都已到位。

第二，不同技术浪潮往往是叠加发生的，而这一次的AI浪潮，规模远超以往，来临的速度也更惊人。

从传播物理学的角度想，任何技术扩散其实只需要三个条件：人们知道你的产品、想要你的产品、并且有能力获得你的产品。当年云计算刚起步时，根本没人关注，Ben Horowitz甚至要靠游击营销来引起注意。但AI完全不同。2022年11月30日，ChatGPT一出世，全世界的目光就都聚焦了过来。

在云计算和移动互联网兴起的早年间，像Reddit和Twitter这样的社交平台还没出现。而今天，它们已经是亿级用户聚集的传播渠道。同时，全球互联网用户从20亿增长到了56亿，几乎覆盖了每一个家庭和企业。基础设施已经就位，当下再无采用障碍。铁轨已经铺好。

那么，问题来了：该怎么应对？决胜点在哪里？有两个核心要素值得关注：第一，虽然很多空白市场已有玩家进入，但仍有大量未被开发的领域；第二，在以往的技术转型中，真正做到十亿级营收的企业，大多集中在应用层。

红杉始终认为，AI的最大价值也将在应用层实现。但这道路并不容易，竞争会很激烈。你需要理解第二增长曲线的逻辑，拥有测试算力，具备工具推理与智能体通信能力，才能让基础模型深入渗透到应用层。

作为非垂直整合的初创公司，该怎么做？答案是：从用户需求出发，专注垂直场景，解决那些仍然需要人工参与的复杂问题。这才是竞争的本质，价值最终会汇聚于此。

那具体怎么赢？95%的AI创业其实和传统创业没什么两样：你还是需要用独特的方式解决真正的问题，还是要建立一支优秀的团队。这是基本功。真正属于AI的那5%，体现在三个方面：第一是营收。远离虚浮的营收，别被假象欺骗。看起来像是“赚翻了”的繁荣背后，可能只是昙花一现。你要问自己：这有没有真正改变用户行为？有没有参与率、留存率、活跃度来支撑？第二是利润率。不担心当前毛利率的高低，因为token成本在过去18个月里已经下降了99%，未来只会更低。你需要沿价值链不断向上，提升定价权和利润空间，构建一个可持续盈利的业务模型。第三是数据飞轮。认真思考：你真正建立了一个能驱动核心业务指标的数据飞轮吗？如果连它推动了什么都说不太清楚，那它多半并不重要。真正有价值的数据飞轮，必须跟业务成果紧密挂钩，这是最有可能构建出的核心护城河之一。

最后，市场永远厌恶真空。当你还在观望，别人就已经上场了。现在能看到的是巨大的虹吸效应，所有宏观经济的噪音都不重要，技术采用的趋势会淹没一切市场波动。换句话说，如果你现在不冲刺，别人就会抢跑。你必须全速前进，从现在开始就保持极限速度。

智能体即新公司：构建人与AI共生的机器网络

Sonia Verma 接着分享了一些关键变化。她从客户反馈和技术演进两个维度，快速回顾了AI在过去一年里的真实进展。2023年他们一度判断：AI原生应用的用户活跃度远低于传统移动应用，日活与月活的比值极低，炒作明显大于实际使用。但现在这个判断发生了重大转变。以ChatGPT为例，它的日活与月活比率曲线已快速上升，接近Reddit这类成熟平台，令人惊叹。越来越多的人正从AI中获得实际价值。

当然，这种使用有时也很有趣——有人为了尝试各种风格生成，烧掉了相当多GPU资源。但更令人兴奋的是，我们刚刚触及深层次应用的可能性。广告行业在用生成式AI打造精准文案，教育领域能即时将抽象概念可视化，医疗场景中如OpenEvidence这类工具也正在辅助医生实现更高精度的诊断。

眼下所见的，不过是这场巨大能力释放的起点。谈到人与AI的关系，2024年可以被称作语音生成的“Her时刻”。语音技术终于全面跨越了“恐怖谷效应”，进入了真正自然流畅的体验阶段。像Sesame在内的语音系统已经达到了令人难以置信的水平，科幻与现实的缝隙正以惊人的速度消失。图灵测试似乎已经悄然成为现实。

回到过去一年的技术爆发点，增长最迅猛的AI应用类别是编程工具。Anthropic发布的Claude 3.5 Sonnet，自去年秋季上线以来，彻底改变了整个开发生态。开发者用AI构建自己的文档工具，编程效率出现了10倍提升。对初学者来说，AI更是大幅降低了入门门槛。它正在根本上重塑软件创造的方式：提高可及性、加快速度、降低成本。

当然，技术层面也有坏消息：预训练的进展正在放缓。自AlexNet以来，模型规模已经提升了9到10个数量级，最容易的突破机会基本都用尽了。研究界开始寻找新的增长路径。其中最重要的突破是OpenAI在“推理能力”方面的进展。但这不只是关于“推理”的故事，还涵盖了合成数据的生成、工具链的调用能力、AI脚手架等多个新兴模块。这些技术共同组成了一个“智能扩展”的新范式。Anthropic打造的MCP系统，已初步形成了强大的生态结构。

一些大型基础模型正在整合推理、工具调用、主动思考等多个模块，逐步形成具备执行复杂任务能力的系统。虽然Meter基准测试提供了量化衡量这些能力的指标，但更值得关注的是：有哪些新事物，只有通过o3、Operator、Notebook LM或Claude Sonnet才变得可行。在过去一年中，最具突破性的产品就包括Deep Research和Notebook LM。

接下来，话题转向了AI技术栈中的价值分布问题。红杉内部曾有过一场有趣的辩论，其中Pat是最坚定的一位，他坚信价值最终会集中在应用层。几年下来，事实证明他是对的。通过Harvey和OpenEvidence等公司的实际表现，可以确信：AI技术栈的价值终点，确实是应用层。尽管基础模型层的竞争日益激烈，但在真正的客户关系、商业转化与产品落地中，应用层拥有压倒性的价值承载力。

第一波杀手级AI应用已经到来。无论是ChatGPT、Harvey、Glean、Sierra、Cursor、Bridge，还是Listen Labs和OpenEvidence，这些公司都在不同终端市场快速崛起。新一代AI公司中，大多数都是以“智能Agent”作为核心产品。这些Agent系统将从眼下拼凑型的原型产品，进化为真正可靠、可部署的智能系统。企业在构建智能Agent时通常采用两种路径：一是通过严密的测试机制，对流程进行精细编排；二是专注于端到端任务，直接对Agent系统进行调优。

对2025年Agent公司的形态也有一个预测：垂直领域智能Agent将成为主流。对深耕特定行业的创业者来说，这是一次绝佳机会。 安全行业的Expo展示了能超越人类渗透测试员的AI；在DevOps领域，Tra versal的AI故障排查系统已经优于最顶级工程师；网络运维方面，Meter同样表现优异。这些案例虽然还处在早期，但足以让人确信：专注解决具体任务的垂直Agent，完全有可能超越人类专家，成为关键执行力。

对Agent系统的最终预测是：我们正步入“丰饶时代”。代码是第一个被碘伏的市场，这将成为丰饶时代的预演。 当劳动力变得几乎无成本且无限可扩展时，会发生什么？会不会涌现大量AI垃圾内容？当“审美”变成稀缺资源时，又将如何定义创意？编程Agent的持续演进不仅会重塑整个软件产业，也会成为未来其他行业AI化进程的先兆。

智能体经济将至：重构个体、组织与经济的未来

Constantine Vassilev 接着从更长远的角度，看到了未来的可能路径。他把这部分内容分成三块：下一波技术浪潮是什么；实现这一浪潮需要哪些关键技术支撑；这些变化将如何重塑每个人的日常生活。

一年前，在AI Ascent峰会上，他们提出“Agent”是技术栈中的关键构件。当时预测，这些尚在早期商业化阶段的AI助手，会逐步聚合成互联互通的机器网络。今天，这一趋势正在显现，这些网络现在被称为“智能体集群”，已经在许多企业落地并发挥作用，逐步成为AI技术堆栈中的核心基础设施。 智能体之间不仅能协作，还能展开对抗、进行推理，并将在未来几年内进一步演化为一种新的经济形态——智能体经济。

在这种智能体经济中，AI智能体的角色远不止信息传递。它们还能在系统中转移资源、完成交易、进行关系追踪，并建立对信任与可靠性的基本理解，从而构成一个独立且可运行的经济系统。需要强调的是，这并不是一个以“取代人类”为目标的系统。它始终是以人为核心构建的。智能体经济的真正形态，是人与AI之间的深度协同。但要实现这一愿景，仍需解决几个关键的技术挑战。其中有三项是任何构建者都无法回避的问题。

首先，是持久身份认证。 这个问题分两个层面：一是智能体自身的持久性。如果一个商业协作者的性格与认知天天变，长期信任和合作就无从谈起。智能体必须保持稳定、连贯的“个性”和记忆结构。二是对用户持久性的理解。如果AI每次都记不住你是谁，对你没有任何长期记忆，信任感也无从建立。已经有了RAG、向量数据库、超长上下文窗口等技术手段，但要实现真正的“长期记忆”与基于记忆的个性化学习，依然面临巨大挑战。

第二个技术挑战，是构建无缝通信协议。 整个行业似乎正在同步朝这个方向努力。想象一下，没有TCP/IP的个人计算无法连上互联网；而没有通信协议的智能体生态，同样无法建立。正在构建的这一层“协议堆栈”，其中最令人振奋的进展是围绕MCP（Multi-chain Protocol，多链协议）的发展。这个协议不仅承载信息传输功能，还能实现价值转移与信任传递。看到众多行业头部力量开始联手推动这项基础设施建设，令人鼓舞。

第三个挑战，是安全性。 当人与商业伙伴无法面对面互动时，安全和信任的价值就会被无限放大，在智能体之间的交互场景中尤其如此。围绕“信任与安全”的整个产业链将快速成型，其重要性甚至会超越现有经济体系中的传统安全架构。

以上是对“智能体经济”所需底层能力的简要回顾。接下来，是这场变革对每一个人的影响。

首先，它将改变我们的思维方式。很多人之所以迷上计算机科学，是因为它的逻辑清晰、结果可控：你写一段代码，机器就按部就班执行，哪怕是bug也能复现。但我们正在进入一个“随机计算时代”。你今天告诉AI数字是73，它明天可能记得是73，也可能记成72、74，甚至下一个质数79。更有可能，它完全忘记了。AI计算越来越接近人类的“记忆偏差”与“语义跳跃”，这要求我们必须彻底转变认知方式。

第二个转变，是管理范式的改变。过去层级式、静态的组织结构，将让位于更具弹性和适应性的动态协同网络。 管理者将不再只是管理人，而是学会与具有一定自主性的智能体共事。这对组织治理提出了新挑战：既要理解算法的不确定性，又要建立起一套可控、可审计的人机问责机制。关键是：你必须知道你的智能体“能做什么，不能做什么”。未来的组织，必须理解这一变化，并据此构建新的协作模型。

第三个转变，是前两者的结合结果：我们将进入一个“高杠杆、低确定性”的时代。你能做的事情会变得更多，但相应地，你也必须更擅长处理风险与不确定性。

一年前就在AI Ascent大会上提出过预测：未来每个组织职能都将配备专属的AI智能体。 而现在，更进一步认为，这些职能将不再是分散的，而是像神经元一样聚合成集群，由智能体协同完成完整的流程。甚至大胆设想，未来可能会出现首个“单人独角兽企业”——一个人通过智能体实现对整个企业流程的掌控。虽然还未真正发生，但已经能看到一些公司用极少的人力，实现了前所未有的业务扩张。

可以确信：这个时代的“杠杆效应”正在达到历史最高水平。最终，随着流程与智能体深度融合，我们将迎来像神经网络那样的“嵌套系统”，重构一切。它将碘伏个体的工作模式，重塑企业的组织架构，乃至重建整个经济体系的运转方式。