Transcription
大家好，这里是最佳拍档，我是大飞。
8月28日，红杉美国合伙人康斯坦丁·布勒（Konstantine Buhler）发表了一场题为《10万亿美元的人工智能革命（The $10 Trillion AI Revolution）》的演讲。
在这次演讲里，红杉给出了两个明确判断：
第一，AI革命的演进速度远快于工业革命。过去的工业革命从蒸汽机到电力普及，经历了144年的时间，而今天的AI变革正在被压缩在几年内完成。布勒强调，AI已经从实验室走向产业前线，所代表的不仅是一个技术周期，而是一个10万亿美元规模的机会。
第二，专业化将成为AI革命的核心逻辑。美国服务业市场规模庞大，却只有0.2%被AI自动化。随着大模型能力和算力基础设施的跃升，AI正在快速渗透金融、医疗、法律和教育等核心领域，重塑知识劳动的生产函数。如今这场10万亿美元的新机会，也许不再是留给传统巨头，而是会属于那些把通用AI技术不断做专、做深的创业公司，尤其在服务业等领域，可能会诞生出一批围绕AI打造的新一代的上市公司。
今天大飞就来给大家分享一下这个演讲的主要内容。整个视频不长，言简意赅，建议大家有时间可以去看一下原视频。
首先，红杉把工业革命拆成了三个关键的坐标，分别是蒸汽机的发明、把生产要素聚集到同一屋檐下的第一代工厂系统，以及真正意义上的装配流水线。英国工程师托马斯·纽科门（Thomas Newcomen）发明了世界上第一台实用蒸汽机。英国实业家理查德·阿克赖特（Richard Arkwright）建立了世界上第一个现代化工厂系统，也就是纺织厂。生产流程第一次从家庭手工业的分散小作坊，变成了统一管理、流水作业的工厂模式。由福特汽车公司最早提出的流水线模式，逐渐扩展为一整套现代化的机器生产线体系，把装配分解为多个标准化工序，每个工人只负责其中一部分，大大提升了效率。
但是，要注意的是，这三者之间并不是一个线性递进的关系，而是有漫长的“空窗期”。比如，从蒸汽机到第一代工厂，相隔了67年。第一代工厂甚至不是靠蒸汽机，而是仍然要靠水力来运作。从第一代工厂到成熟的装配线，又过去了144年。
为什么会花这么长的时间呢？尤其是这144年之间到底发生了什么呢？红杉对此给出的解释是“专业化的必然性”，也就是当系统的复杂度到达了某个阈值之后，想要稳定地产出，就必须把通用技术加通用劳动力持续拆分，并且沉淀为专用组件加专业劳动。就像光有蒸汽机还不够，还需要不断拆解、细化，把它们改造成适合纺织、采矿、运输等不同场景的机器，才能真正高效运转。这就是为什么工业革命需要一百多年去完成从发明到大规模社会化生产的过渡。
不过，在这场新的AI革命里，底层条件变了。算力、算法、数据和分发基础设施，已经在互联网和云计算时代完成了铺设。专业化可以更快地发生在软件层、模型层和业务流程层。
红杉用一个对照来强调时间被压缩的程度。1999年的GPU GeForce 256，就像是蒸汽机一样，点燃了智能计算的火种。2016年，随着深度学习迎来大爆发，GPU算力、大规模数据集，以及TensorFlow、PyTorch这样的开源框架逐渐完善，形成了第一代AI工厂，把训练、推理、数据、分发等生产token的部件，放到了同一个屋檐下。这样，后续的专业化不必再依托漫长的物理基础设施建设，而是沿着模型与应用的专用化加速推进。
因此，问题不再是“何时会到来”，而是“谁来完成专业化”。红杉把这层问题落到了创业公司的身上，认为今天和未来几年诞生的应用与基础设施公司，将扮演AI革命中的洛克菲勒、卡内基与西屋等巨头角色。它们会把通用模型能力切入具体岗位与场景，做成“可重复、可维护、可计费”的专用化产线。
红杉还用云时代的对照，来说明“份额提升加总量扩张”的双轮效应。双轮的起点，是一个3500亿美元的企业软件“总盘子”，其中SaaS只占到了60亿美元，是其中极小的一块。随后SaaS不仅扩大了本地化软件市场中的份额，甚至把整个“软件蛋糕”从3500亿做到了6500亿美元。
因此，在他们看来，AI的路径会复制并且放大这条曲线。而这次被瞄准的，则是10万亿美元规模的美国服务业市场。目前AI自动化的体量也就大约200亿美元，比例可以说是微乎其微。红杉把这个空间称为“10的13次方的机会”，强调不仅要把占比做多，更是要把蛋糕做大。
为了把“蛋糕在哪里”说清楚，他们还展示了一个内部备忘录的片段，把岗位按照“从业人数 × 年薪中位数”的指标做了排序。像注册护士、软件开发、法律服务等领域，这些单一赛道可被技术吞没的支出池，就已经相当可观。对应到布局上，红杉已经在这些赛道里下了注。注册护士场景里的OpenEvidence、Freed；软件开发里的Factory、Reflection；法律服务里的Harvey、Crosby、Finch，都是围绕着“岗位 × 流程 × 专业化能力”的切入。这背后延续了红杉创始人唐·瓦伦丁（Don Valentine）对“市场”的强调原则，那就是先看池子有多大，再看用技术能把它做成多大的公司。
接着，红杉把视角拉到了二级市场的终局形态。标普500的市值分布，显示出了“少数巨头正在吞噬权重”的结构。最左侧的英伟达已经超过了4万亿美元。但在
这张榜单上，还看不到像Kirkland & Ellis或者Baker Tilly这类营收达到几十亿美元的服务机构。红杉的判断是，AI革命会把服务业里，原本以人来驱动、难以上规模的业务，改写成用模型驱动、可以上规模的公司，从而在指数里出现一批围绕着AI服务而生的独立上市平台。
在解释完这些背景之后，布勒提出了五个正在发生的投资趋势：
第一，生产力杠杆将取代确定性，成为主导性的变量。过去，一个销售代表同时会盯着好几个客户，靠人工来监控节奏与机会。但是在Agent化的未来，像Rocks这样的工具可以给每个客户配备一个AI Agent，实现跟踪状态、发现变化、提示再次沟通的时点等等能力。人的角色会从“亲历工作中的每一步”，转变成“抽查 + 纠偏 + 策略把关”的模式，从而将单人杠杆提升到百倍以上，甚至是千倍以上。而它的代价是结果的“具体形态”将会变得更加不确定，只不过我们可以去监控和校准其中的路径。
第二，AI的衡量标准将走入到真实世界。以往的行业都是靠着ImageNet这一类的学术基准来说明模型的进步，而如今要在真实任务里胜出才行了。红杉举了Expo的例子，它不在论文榜单里去争名次，而是在HackerOne这个开放的环境里，与全球注册的白帽们同场竞技，在“真数据、真对手、真反馈”的环境里拿到第一。这说明，如今衡量AI的新的黄金标准，已经不再是学术测试了，而是能不能在真实世界里真正赢得竞争。
第三，强化学习将从理论走向实用。过去几年，强化学习一直是研究圈的热门话题，但是更多还是停留在概念层面。真正的转折点，是在过去一年里，它开始大规模进入实用阶段。无论是大规模的推理实验室还是垂直型应用公司，都在用强化学习作为持续优化的循环。红杉提到了Reflection在开源代码模型训练中的做法，说明强化学习提供了从目标到反馈，再到改进的闭环，从而把模型的专用化做得更精细。
第四，AI将走向物理世界。这里指的不只有类人形的机器人，也包括生产制造的环节。以Nominal为例，它用AI来优化硬件制造环节与端侧的质检流程，把“AI生产力”嵌入到“物理产线”，从而压缩了从设计到量产的整个周期。
第五，算力成为新的生产函数。如果说过去的生产函数是“资本+劳动力”，那么在AI时代，它变成了“算力×知识工作者”，而衡量标准就是每个知识工作者所消耗的FLOPs。红杉在投资组合里看到的共性预期是，每名知识工作者的算力消耗至少会提升10倍，更乐观情形则是成千上万倍。当一个人可以指挥几十、几百、上千个Agent的时候，推理侧、保护侧与应用侧的公司都会随之受益。
对于未来12到18个月的投资方向，红杉给出了自己的建议：
首先是持久记忆方面。它包括两方面的意思：一是长期记忆，能够把长期上下文稳定地记住并且进行调取；二是身份的持久性，让Agent的风格、偏好和工作习惯，在一段时期内都能保持一致。红杉的判断是，这是AI深入生产力场景的一张入场券。但是目前这块，还没有像Scaling Laws那样清晰的推进路径。向量数据库、RAG、超长上下文窗口，这都只是阶段性的方案。真正的可扩展记忆，仍然有待突破。这背后正在孕育一个巨大的机会。
其次是无缝的通信协议。前一段时间MCP的热度已经证明了需求的存在。但是红杉把它类比为互联网里的TCP/IP协议，想表示的是，它不是终点，而是起点。当Agent与Agent之间可以可靠地彼此对话、彼此调用，跨系统的流程自动化才会出现平台级的应用。他们举了一个购物的例子，从检索商品到比价，再到下单，整个流程可以交给AI自主跑通。这样一来，那些原本靠着平台垄断体验构筑的企业护城河，都会被大幅的削弱。
第三是AI语音的当下性。红杉认为，视频的真正普及也许还需要再等一年，但是语音已经做到可用和可规模化了。因为如今AI生成的音色保真度已经足够的高，交互延迟也足够的低。这方面既有C端的交友、陪伴、心理咨询等场景，也有B端里的像物流调度、金融大宗报价等等，仍然主要依靠语音来完成的协作形式。AI能够显著提高它们的效率和准确性。
第四是AI安全的全链路机会。从研发侧的安全工程，到分发链路的完整性，再到防止用户因为被指令错误引导而带来的风险，安全都至关重要。红杉提出了一个更进一步的构想，那是在数字世界里，每个人类，乃至每个Agent都可以由许多个AI安全Agent来守护，因为这里不再受物理空间与同等成本的约束。
第五是开源的关键时刻。两年前，开源看起来有望追平、甚至反超最前沿的闭源模型。但是今天这种信心已经明显动摇，开源的处境变得更加脆弱。尽管如此，红杉仍然强调了开源的必要性，因为一个更自由、更开放的未来，需要能让开源在前沿能力上保持竞争力，让任何人都能用强大的模型做成好产品，而不是让这个行业只属于极少数、极高成本的玩家。
好了，以上就是红杉这次演讲的主要内容了。
总的来说，能感到的是，红杉想要强调这次AI革命跟以往工业革命的时间区别。他们认为，当持久记忆、通信协议、语音交互、安全与开源这些关键部件，被一一打通之后，这场AI革命将很快从工厂系统，跨越到装配流水线的阶段，将以往几十年的发展历程，压缩到短短几年，完成从如今的不到1万亿美元到10万亿美元的市场增长。
如果真的按照红杉的预想发展，那么现在就成为了创业公司必须抓住的窗口期，也许会从中诞生出下一批上市的平台型公司。
那大家对红杉的预测是如何看待的呢？欢迎在评论区留言，感谢大家的观看，我们下期再见。