Sequoia Partner: The market opportunity for AI is 10 times that of cloud computing, and the next form of AI agents is vertical domain intelligences

近日，紅杉資本舉辦了 AI Ascent 2025 主題活動，紅杉資本的三位合夥人 Packer Radio、Sonya Huang 和 Konstantine Buhler 出席並發表開場演講。

演講中，紅杉資本概述了為什麼 AI 代表的市場機遇至少是雲計算的 10 倍，並探討了初創企業應該專注於哪些領域才能贏得勝利，以及 AI 代理的崛起將如何創造一個全新的經濟範式。

以下為演講亮點：

1. 當雲轉型開始時，雲服務收入達到 4000 億，比全球軟件市場還大。如果類比推理，AI 服務市場的起點至少大一個數量級，10-20 年後的終點可能會非常龐大。
2. AI 不僅瞄準服務市場，還瞄準軟件市場，這兩個利潤池都面臨衝擊。

3. 我們不關心獨角獸，我們關心收入和自由現金流。大多數成功公司都在頁面頂部，在應用層。我們一直相信 AI 也會如此，價值在於應用層。

4. 對於 AI 公司，95% 的標準和我們看待其他公司相同，AI 公司特有的那 5% 在於收入氛圍、利潤率、數據飛輪。
5. AI 應用的參與率得情況大大提升，ChatGPT 的日活/月活比率已攀升並接近 Reddit 水平，這意味着越來越多的人從 AI 中獲得價值，我們都在共同攀登階梯，將 AI 融入我們的日常生活。
6. 今年最突出的應用類別是編程，它達到了驚人的產品市場契合度。我們認為 AI 正從根本上改變軟件創建的可訪問性、速度和經濟性；我們正在進入一個豐富時代，代碼作為第一個轉折點的市場類別。
7. 預訓練似乎正在放緩。自 Alexnet 時代以來，我們已經將預訓練規模擴大了 9 到 10 個數量級，這意味着許多容易取得的成果已經被獲取。研究生態系統正在尋找新的突破方式。
8. 第一批 AI 殺手級應用已經出現，包括 ChatGPT、Harvey、Glean、Sierra、Cursor、A Bridge，而且還有一整套新興公司正在各種豐富多樣的終端市場崛起，包括 Listen Labs、Open Evidence 等。
9. 2025 年，預計 AI 代理的下一個形態是垂直領域智能體，即由公司創建的代理通過端到端訓練，在特定工作流程中表現出色，對合成數據和用户數據進行強化學習，使 AI 系統在特定任務上表現優異。
10. 在代理經濟中，代理不僅傳遞信息，還能轉移資源、進行交易、相互追蹤、理解信任和可靠性，並擁有自己的經濟體系。其中三個技術挑戰最為關鍵：持久身份。無縫通信協議、安全性。

以下為演講全文紀要：

Packer Radio：

我的名字是 Packer Radio，我是 Sequoia 的合夥人，Sonia 和 Constantine 以及我們 Sequoia 的所有合夥人將作為今天的主持人。

在進入今天的主要內容前，我、Sonia 和 Constantine 將分享一些我們過去一年左右學到的觀點。我們非常清楚自己只是開胃菜，不是主菜。昨天，我收到一位合作創始人的郵件説："嘿，我可能會遲到，大概 9:35 到。"我心想："這時間點真特別，正好是 Jensen 上台的時候。"所以，我們明白，但還是要先分享一些想法，然後再進入正題。

首先，讓我們校準一下，瞭解 AI 世界正在發生什麼。我們使用一個簡單框架來分析市場：Don Valentine 的問題——是什麼？為什麼重要？為什麼是現在？它可能是不可避免的，但它是迫在眉睫的嗎？最後，我們該怎麼做？如何利用這一點？如何取勝？我們在過去幾年討論過這些問題，但接下來幾分鐘我們將更新一些想法。

説實話，我本來對"是什麼"這個問題有個精彩解釋，但 Constantine 婉轉地指出，向一屋子 AI 專業人士解釋 AI 並不是好主意。所以我們直接跳到"為什麼重要"這部分。

誰還記得去年的這張幻燈片？謝謝。

上排是雲轉型，下排是 AI 轉型；左側是過去，中間是現在，右側是未來。它表明，當雲轉型開始時，雲服務收入達到 4000 億，比全球軟件市場還大。如果類比推理，AI 服務市場的起點至少大一個數量級，10-20 年後的終點可能會非常龐大。

我們現在更新了想法，AI 不僅瞄準服務市場，還瞄準軟件市場，這兩個利潤池都面臨衝擊。我們看到許多公司從軟件開始，變得更智能成為副駕駛，再變得更智能成為自動駕駛，從銷售工具轉向銷售軟件預算，再到銷售成果，進入勞動力預算。這兩個目標市場都值得爭取。

誰記得去年的這張幻燈片？只有三四個人？有點遺憾。別害羞，可以舉手。

這個層次蛋糕代表了過去幾十年堆積起來的技術浪潮。這張幻燈片有兩點：一，AI 確實迫在眉睫，不僅僅是不可避免。先決條件都已具備：計算能力、網絡、數據、分發渠道、人才，我們擁有所有必要條件。第二，這些浪潮往往是疊加的，所以機會比之前的浪潮要大得多，也來得更快。

我討厭這種時間為橫軸，虛榮指標為縱軸的圖表，人們用它來為各種錯誤辯解。但觀察是正確的，事情正以越來越快的速度發生。很少有人深入研究原因，所以我們想簡單談談分發的物理學：人們需要了解你的產品，想要你的產品，並能夠購買你的產品，僅此而已。

還記得這個標誌嗎？當雲轉型開始時，沒人關注，Benioff 不得不使用遊擊營銷策略引起關注。AI 則完全不同，2022 年 11 月 30 日 ChatGPT 發佈，全世界都開始關注 AI。中間這欄是 Reddit 和前 Twitter 的月活用户總和，在雲轉型開始時幾乎不存在，在移動轉型開始時剛剛出現，現在大約有 12-18 億人使用這些平台，這是瞭解新事物的重要渠道。右側，如果聽從 Benioff 的説法，當時只有 2 億人連接到互聯網，現在是 56 億，實際上覆蓋了全球每個家庭和企業。這意味着基礎設施已經就位，當起跑槍響起時，沒有任何採用障礙。這不僅僅是 AI 特有現象，而是技術分發的新現實，物理規則已經改變，軌道已經就位。

去年的另一張幻燈片：

我們該怎麼做？在哪裏才能取勝？兩點：第一，還有很多空白，這是去年的幻燈片，現在空白少了一些，但機會仍然廣闊。第二，這些標誌代表了在之前轉型中達到 10 億以上收入的公司，我們不關心獨角獸，我們關心收入和自由現金流。大多數成功公司都在頁面頂部，在應用層。我們一直相信 AI 也會如此，價值在於應用層。

但是，你面臨競爭。我們有第二個擴展定律，有測試時計算，有使用工具推理和代理間通信，使基礎模型能夠深入應用層。如果你是一家創業公司，不打算建立垂直整合業務，就要從客户出發思考，考慮特定垂直領域，特定功能，處理可能需要人在循環中的複雜問題。這是一場競賽，這裏將產生價值，這應該是每個人的首要考慮。

如何才能取勝？95% 的 AI 公司建設與普通公司建設相同：以獨特且有説服力的方式解決重要問題，吸引優秀人才追隨你。另外 5% 是 AI 特有的，在爭奪應用層的競爭中，需要考慮幾點。

這是 Leone 營銷週期，我們的合夥人 Doug Leone 花了 40 年精心製作的內容，代表了將你腦中的想法轉變為客户手中產品所需的一切。想法必須轉化為產品，由工程團隊構建，然後推向市場並銷售支持。這是價值鏈，底部是技術角度，頂部是客户角度，這樣你可以在整個價值鏈上建立護城河。

你的客户不確定他們想從 AI 獲得什麼，你可以有自己的觀點，提供端到端解決方案，而不是僅僅扔給他們一個工具。你可以用自己產品的使用數據建立數據飛輪，這是其他人沒有的。你可以為行業所屬，為行業服務，就像 Open Evidence 為醫療行業所做的那樣。你可以説他們的語言，Harvey 派律師與律所交談。老實説，我們不會建議 Ford 部署工程師，但你可以這樣做，雖然很難但可行。你可以全方位地擁抱你的客户，這是基礎模型可能無法做到的。順便説一下，我們也喜歡基礎模型，但我們假設大多數人不是在構建基礎模型，而是在構建應用程序。

我還有兩張幻燈片，然後我們就交接。

我們經常被問到：在 AI 公司中你們尋找什麼？實際上，95% 的標準和我們看待其他公司相同。以下是 AI 特有的那 5%。

第一點，收入氛圍。收入氛圍可能會害了你。每個人都喜歡收入氛圍，感覺很棒："哇，我們有這麼多收入！"但要仔細分析：這是臨時嘗試還是真正創造了持久的行為改變？你可能會説："我沒有指標來衡量這點"，但其實你有。檢查產品的採用率、參與度和留存率，看看用户實際上在用你的產品做什麼。不要自欺欺人，把收入氛圍當作真實收入，這最終會傷害你。

良好氛圍這部分也很重要。Andrew Reed 在場嗎？氛圍檢查，大家感覺如何？大家都感覺如何？我聽到有人説"完美氛圍"，很好。你需要與客户保持良好氛圍，這意味着什麼？你的客户必須信任你，而你必須贏得這種信任。在我們所處的週期中，信任比產品更重要。如果他們相信你能把產品做得更好，你就處於有利位置。如果他們不相信，你就處於不利位置。

第二點，利潤率。我們不一定關心你今天的毛利率是多少。成本部分可能會持續下降。過去 12 到 18 個月內，每個 token 的成本已經下降了 99%，這種成本曲線將持續下降。我知道測試時計算成本在上升，但那也會下降。價格部分，如果你成功地從銷售工具轉向銷售成果，沿着價值鏈上移，能夠獲取更多價值，你的價格點可能會上升。所以你的毛利率今天可能不是很好，但你應該有一條通往健康毛利率的良好路徑。

第三點，數據飛輪。請舉手如果你有數據飛輪。這個數據飛輪能推動哪個商業指標？我看到的確定性減少了。好消息是，如果你無法回答這個問題，我仍然喜歡你。壞消息是，你的數據飛輪要麼不存在，要麼就不重要。它需要與商業指標相關聯，否則就不重要。這非常關鍵，因為這是你可以建立的最佳護城河之一。

最後一張幻燈片，誰能告訴我這兩件事如何聯繫在一起？如果你能回答，那真令人印象深刻，因為這完全不符合邏輯。大自然厭惡真空。市場上現在有一種巨大的吸力在吸引 AI。所有宏觀經濟因素，如關税和利率波動都不重要，技術採用的上升趨勢絕對壓倒了你在市場上看到的任何波動，請忽略它們。市場上有一種巨大的吸力，如果你不搶先行動，其他人會這麼做，因為大自然厭惡真空。所以，儘管我們剛才談到了護城河和指標等等，但你現在處在一個需要全速前進的業務中。現在是以最大速度前進的時候。

Sonya Huang：

謝謝 Pat。我將在我的部分專注於 AI 目前的發展，從客户反饋和技術兩個角度做一個年度回顧。

2023 年，我們展示了 AI 原生應用與傳統移動應用的日活躍用户與月活躍用户比率圖表。當時的結論是 AI 應用的參與率很差，炒作超過了實際數據。

我們很高興報告，這個結論現在已經發生了顯著變化。看到 ChatGPT 的日活/月活比率攀升並接近 Reddit 水平，這是令人震驚的。我認為這是極好的消息，意味着越來越多的人從 AI 中獲得價值，我們都在共同攀登階梯，將 AI 融入我們的日常生活。

有時這種使用方式是很好且有趣的。我個人在嘗試將一切"jiblify"（吉布利化）時燒燬了令人尷尬數量的 GPU。雖然"jib"時刻很有趣且病毒式傳播，但更令人興奮的是我們正在觸及表面的更深層次應用，例如：

• 廣告領域：能夠創建驚人準確且精美的廣告文案
• 教育領域：能夠一瞬間將新概念可視化
• 醫療保健：能夠通過類似 Open Evidence 這樣的應用更好地診斷患者

我們只是觸及了可能性的表面，隨着 AI 模型變得越來越強大，我們通過這個入口能做的事情也變得越來越深刻。

這裏有多少人看過電影《她》？我們今天有 Brendan 在觀眾席。雖然我們仍然沒有 AI 版的斯嘉麗·約翰遜，但 2024 年給了我們所謂的"她"時刻——聲音生成技術從"幾乎接近"到完全跨越了恐怖谷。我有一些朋友這麼説，但請保持謹慎，讓我看看是否能真正讓你們震驚。

最後，今年最突出的應用類別是編程，它達到了驚人的產品市場契合度。Anthropic 的 Claude 3.5 Sonnet 去年秋天發佈，在編程領域引發了迅速的氛圍轉變。人們現在使用 AI 編程做出令人印象深刻的事情。例如，這個人用 AI 編寫了自己的 Docent 替代方案。無論你是經驗豐富的 10 倍工程師，還是完全不懂如何編碼的人，我們認為 AI 正從根本上改變軟件創建的可訪問性、速度和經濟性。

從技術角度看，壞消息是預訓練似乎正在放緩。自 Alexnet 時代以來，我們已經將預訓練規模擴大了 9 到 10 個數量級，這意味着許多容易取得的成果已經被獲取。研究生態系統正在尋找新的突破方式。

最重要的突破是 OpenAI 的推理能力。我們很幸運地在去年的 AI Ascent 上得到了來自 Strawberry 團隊的 Noam Brown 的預覽，展示了推理能力的發展方向。今年我們很高興 Dan Roberts 在觀眾席中，他將做另一個關於 O3 和推理進展的演講。不僅僅是推理，還有合成數據、工具使用、AI 輔助支架等，所有這些正在結合起來，創造新的方式來擴展智能。

Anthropic 的 MCP 創建了強大的生態系統和網絡，我們也很期待看到它如何加速代理工具的使用。所有這些更大的基礎模型、推理時間推理、工具使用都在結合起來，創造能夠完成越來越複雜任務的 AI。Meter 基準是一個很好的定量衡量標準，但我認為更強大的是與你們每個人交流，瞭解因為 O3、Operator、Deep Research 或 Sonnet 才成為可能的事物。

目前，AI 中最令人興奮的技術創新正發生在研究和產品之間模糊的邊界。過去一年中兩個突破性的例子是 Deep Research 和 Notebook LM，我們很高興今天在觀眾席中有這兩個產品的創造者——來自 Notebook 的 Risa 和 Jason（他們正在創建一家名為 Hu 的新公司）以及來自 OpenAI 的 Issa Hulford。

讓我們討論價值將在 AI 技術棧中的哪裏產生。我記得與 Sequoia 的優秀合夥人討論這個問題時，當時我個人是這個圖表中間的"中智"，説着"啊，我不確定 GPG 包裝器"，我記得我的合夥人，尤其是 Pat 堅持認為價值將歸於應用層，我記得當時想"好吧 Pat，祝你好運"。但看到過去幾年的發展，我想你是對的 Pat，你屬於這邊，幹得好。

如果你看到價值的創造，如果你看到像 Harvey 和 Open Evidence 這樣真正創造客户價值的公司，我們非常相信應用層是最終價值聚集的地方，這一層的競爭正在加劇，基礎模型也在這裏展開競爭。

順便説一下，真正從中獲利最多的其實是行業領頭人 Jensen Hang，我們很期待不久後聽到他的發言。

回到應用層，我們認為第一批 AI 殺手級應用已經出現，包括 chat GPT、Harvey、Glean、Sierra、Cursor、A Bridge，而且還有一整套新興公司正在各種豐富多樣的終端市場崛起，包括 Listen Labs、Open Evidence 等，我們很高興今天能夠展示其中許多公司。

另一個預測是，許多這些新公司將首先採用代理（agent）模式，這些公司銷售的代理將從如今往往簡單拼湊的原型，發展成真正強大的系統。我們看到公司正在採取兩種路徑來構建：路徑一是通過嚴格測試和評估進行編排；路徑二是針對端到端任務調優代理。我們很期待今天聽到 Langchain 的 Harrison 和 OpenAI 的 Issa 在這方面的更多分享。

關於 2025 年，我們預測，AI 公司下一個形態是垂直領域智能體。對於深入瞭解某個領域的創業者來説，垂直代理是一個絕佳機會。我們看到公司創建的代理通過端到端訓練，在特定工作流程中表現出色，採用的技術包括對合成數據和用户數據進行強化學習，使 AI 系統在特定任務上表現優異。到目前為止的證據讓我們非常樂觀：在安全領域，Expo 展示了他們的代理可以超越人類滲透測試員；在 DevOps 領域，Traversal 展示他們可以創建比最優秀的人類故障排除者更好的 AI 故障排除工具；在網絡領域，Meter 也超越了人類網絡工程師。所有這些數據點儘管還處於早期階段，但讓我們非常樂觀地認為，經過訓練解決特定問題的垂直代理能夠超越當今最優秀的人類。

關於 2025 年代理的最後一個預測：我們正在進入一個豐富時代，代碼作為第一個轉折點的市場類別，將為我們預覽這個豐富時代的實際含義。當勞動力變得廉價且充足時會發生什麼？我們是否會得到大量低質量的 AI 產出？當品味成為稀缺資產時又會發生什麼？我們很期待看到編碼代理的持續進步以及它對技術格局的影響，同時也作為 AI 將如何改變其他行業的先兆。

下面我把時間交給 Constantine。謝謝 Sonia。

Konstantine Buhler：

大家早上好，感謝 Sonia，感謝 Pat。我們剛才討論了非常重要的話題：為什麼這些如此重要，現在世界上正在發生什麼，以及當前 AI 的狀況及其近期未來。現在我們將退一步思考，考慮中期和長期的預測。在這一部分，我們將分三個部分：首先討論我們視為下一個主要浪潮的內容，然後探討實現該浪潮所需的技術，最後我們將討論這對我們每個人日常生活的意義。

一年前，AI Scent 圍繞着智能代理展開討論，當時智能代理剛開始形成商業模式。討論的核心是這些機器助手最終將匯聚成機器網絡。這些機器網絡現在被廣泛稱為"代理羣"，它們在許多公司中發揮作用，並開始成為 AI 技術堆棧的關鍵部分。代理之間相互合作、競爭、協作、推理。我們認為未來幾年，這將進一步發展成"代理經濟"。

在代理經濟中，代理不僅傳遞信息，還能轉移資源、進行交易、相互追蹤、理解信任和可靠性，並擁有自己的經濟體系。這種經濟並不排除人類，反而是以人為本的——代理與人協作，人與代理合作。但要實現這一重要的下一波浪潮，我們面臨許多技術挑戰，其中三個最為關鍵：

第一，持久身份。這包含兩層含義：首先，代理本身需要保持一致性。如果你與某人做生意，而他們每天都在變化，你可能不會長期與其合作。這種截然不同的體驗會帶來負面影響。代理需要能夠保持其個性和理解能力。第二種持久性是理解用户。同樣，如果你與某人做生意，而他們對你一無所知，甚至記不住你的名字，這也會對信任和可靠性構成巨大挑戰。

我們一直在嘗試從 RAG 和向量數據庫到超長上下文窗口的各種技術，但在實現真正的記憶和自學習方面仍存在重大挑戰，特別是使代理在重要方面保持一致，而只在應該有差異的領域表現不同。

第二，無縫通信協議。好消息是，現在似乎所有人都在關注這一點。想象一下，如果個人計算沒有無縫通信協議，沒有 TCP/IP，沒有互聯網會怎樣？我們正在構建這一協議層，圍繞 MCP 已經有很多令人興奮的發展。看到大型企業合作制定這些協議非常棒，這只是允許信息傳輸、價值交換和信任轉移的一系列協議中的一個。

第三，安全性。這個話題將變得越來越重要，肯定是許多人關注的重點。如果你無法與業務夥伴面對面接觸，安全和信任的重要性就更加凸顯。與代理打交道時尤其如此。因此，圍繞信任和安全將形成一整個新興產業，在代理經濟中，它比在當前經濟中更為重要。

談完實現代理經濟所需的技術後，讓我們探討這對我們每個人意味着什麼：

首先，它將改變我們的思維模式，這個房間裏的人已經採用了我們稱之為"隨機思維"的方式。隨機思維是對確定性的背離。許多人之所以熱愛計算機科學，是因為它非常確定性——你編程讓計算機做某事，它就會執行，即使結果是段錯誤。而現在我們進入一個隨機計算的時代。如果你讓計算機記住數字 73，它明天、下週、下月都會記得。但如果你讓一個人或 AI 記住，它可能記住 73，也可能記住 37、72、74，下一個質數 79，或者什麼都不記得。這種思維方式與過去幾十年截然不同。

第二個變化是管理思維模式，這將關注於理解你的代理能為你做什麼，不能做什麼。每個人都知道成為優秀的 IC 工程師與成為出色的工程經理是不同的，大部分經濟將轉向更復雜的管理決策，如阻斷流程和提供反饋。我真心希望這不會導致對代理進行年終評審——讓我們儘量避免這種情況。

第三個主要變化結合了前兩點：更多的槓桿作用伴隨着顯著降低的確定性。我們正進入一個可以做更多事情的世界，但你必須能夠管理這種不確定性和風險。在這個世界裏，這個房間裏的每個人都非常適合茁壯成長。

一年前在 AIScent 會議上，我們討論了這張圖表，當時我們談論的是槓桿作用。我們認為，組織內的各個職能部門將開始擁有 AI 代理，然後我們預測這些職能將開始融合，它們會聚集起來，整個流程將由 AI 代理完成。我們甚至預測會出現第一個"一人獨角獸"公司。

雖然這還沒有發生，但我們已經看到一些公司以前所未有的速度擴張，同時所需人員比以往更少。我們認為，我們將達到這個經濟體中前所未見的最高槓杆水平。最終，這些流程和代理將會融合，你將看到神經網絡嵌套在更大、更復雜的神經網絡中，形成一個神經網絡的網絡。

這將改變一切：它將重塑個人工作，重組公司，並重建經濟。感謝大家參加，我們今天將舉辦一場精彩的 AIScent 會議，我們非常感謝各位的參與。