由紅杉 AI 峰會閉門會引發的部分思考

在科技浪潮洶涌澎湃的當下，人工智能已成為引領變革的核心力量。第三屆紅杉資本 AI 峰會的閉門會議，集結了全球 150 位頂尖 AI 創始人，經過 6 小時的深入探討，眾多前沿觀點和共識浮出水面。這次峰會不僅為我們揭示了 AI 領域的最新趨勢，更為我們思考 AI 如何重塑商業模式、技術架構以及未來經濟形態提供了全新的視角。

峰會核心觀點：AI 商業邏輯的重塑

AI 從賣工具到賣收益

傳統的軟件銷售模式，尤其是 ToB 領域，一直以功能為導向。企業購買軟件，是為了提升效率、自動化流程等，軟件的價值體現在其功能的多樣性和易用性上。然而，紅杉資本合伙人 Pat Grady 在峰會上明確提出，AI 的商業邏輯正在發生根本性轉變，即從 “賣工具” 邁向 “賣收益”。

這一轉變意味著，客戶不再愿意僅為軟件的功能付費，而是更關注軟件能否直接為他們帶來可衡量的、實實在在的收益。例如，過去的 CRM 軟件，企業購買是為了更好地管理客戶信息、輔助銷售流程；而如今，AI 驅動的 CRM 智能體，其價值在于能夠直接幫助完成一定數量的客戶轉化，從而為企業創造收入。這種基于成果的定價模式，要求 AI 產品必須能夠深度融入客戶的業務流程，精準地解決業務痛點，并最終以業務成果為導向來衡量其價值。

這種新邏輯對 AI 產品的能力提出了更高要求。產品不僅要具備強大的功能，更需要深刻理解客戶的業務需求，能夠在復雜的業務環境中穩定地交付成果。這促使 AI 企業必須更加注重產品的實際應用效果，而不僅僅是技術層面的先進性。

操作系統式 AI 的崛起

峰會還強調了 AI 主語的轉移，即從 “被調用” 轉向 “主動調度”。OpenAI CEO Sam Altman 展示了清晰的時間表：2025 年 AI 代理開始工作，2026 年 AI 將發現新知識，2027 年 AI 將進入物理世界創造價值。這表明，AI 正在向操作系統的層面進化。

在云時代，微軟的 Windows 是操作系統的核心；移動時代，iOS 和安卓占據主導。而 AI 時代的操作系統，不再是傳統的裝機軟件，而是任務調度系統。它能夠記住用戶，理解用戶意圖，并代表用戶采取行動。例如，LangChain提出的 “智能體收件箱（Agent Inbox）”，成為觸發眾多智能體協同工作的入口，取代了傳統的聊天框，成為系統總線式的存在。

這種操作系統式的 AI，將重新定義用戶與軟件的交互方式。用戶不再需要主動操作工具，而是通過簡單地發出指令，讓 AI 代理去完成一系列復雜的任務。這不僅提高了效率，還改變了軟件的分發邏輯。誰能夠成為用戶意圖的第一個承接者，誰就能掌握系統的調度權，進而控制資源分配。這對 AI 企業來說，意味著需要構建更加智能、更加主動的系統，以搶占這一入口級的機遇。

智能體經濟的成型

紅杉合伙人 Konstantine 提出了 “智能體經濟” 的概念，即未來的 AI 不僅是被調用的模型，而是能夠行動、決策、合作的經濟參與者。智能體具備持久身份、行動能力和信任協同三大要素，它們可以組成網絡系統，相互交換價值。

例如，Anthropic 的 Claude Code 不再只是一個代碼生成器，它能夠主動提交 PR、評估代碼質量，并協調其他智能體共同完成任務。這使得智能體不再是一個簡單的工具，而更像是一個具備產出責任的工程角色。隨著 AI 從 “回答工具” 變為 “自主代理”，協作成為關鍵能力，新的組織結構也在逐漸形成。人類的角色也從 “控制者” 轉變為 “編排者”，設計智能體的職責、接口與信任邊界，構建一個人 - 智能體共生的經濟網絡。

部分獨立思考：關于AI 發展的洞察

AI 顛覆傳統軟件 ToB 銷售模式

長久以來，傳統軟件 ToB 銷售模式往往側重于產品功能的推銷，強調軟件工具能夠為企業帶來的便利性提升。然而，AI 的崛起正徹底改寫這一局面。如今，AI 應用的價值衡量標準已從單純的功能提供轉向是否能切實滿足客戶的真正需求，并為其帶來可量化的成果。

以 OpenAI、Ramp、Sierra 等為代表的應用層玩家，不再執著于比拼 “最先進的 AI 模型”，而是全力聚焦于 “誰能交付成果”。這一轉變意味著，企業在選擇 AI 應用時，不再僅僅關注產品的功能清單，而是更看重其能否在實際業務流程中發揮作用，完成從起點到終點的全流程任務交付，并為企業帶來明確的價值提升，比如成本的降低、效率的提高或是業務增長的加速等。

這種變革對 AI 產品的研發與銷售提出了全新的挑戰。研發團隊需要深入理解不同行業客戶的業務痛點，以客戶需求為導向，構建端到端的解決方案。銷售團隊也需要轉變思路，從推銷工具轉變為展示成果，通過實際案例和數據，向客戶證明 AI 應用能夠為其帶來的實際收益。

端到端逐漸迭代的商業 AI 模型優勢凸顯

在企業的業務發展進程中，端到端逐漸迭代的商業 AI 模型正展現出獨特的適應性。這類模型具有多方面的顯著優勢：其成本壁壘較低，無需投入巨額資金用于模型構建與維護；體積小巧，在數據存儲與傳輸方面具備更高的靈活性；訓練難度相對不高，企業無需依賴頂尖的技術團隊與海量的計算資源；對算力規模要求較低，能夠在企業現有的硬件條件下良好運行；性能要求也更為貼合企業實際業務場景，不追求過度的高性能而導致資源浪費。

以一些中小型企業為例，它們在業務拓展過程中，往往面臨著預算有限、技術能力不足的困境。端到端逐漸迭代的商業 AI 模型使得這些企業能夠以較低的成本引入 AI 技術，根據自身業務特點進行個性化的模型訓練與優化。隨著業務的不斷發展與變化，模型可以持續迭代，靈活適應新的需求，而不會給企業帶來沉重的負擔。這種靈活性與適應性，使得端到端迭代的商業 AI 模型成為企業在業務快速發展中應用 AI 技術的理想選擇。

MCP 發展：AI 中臺的機遇與挑戰

模型上下文協議（MCP）作為 AI 中臺的關鍵發展方向，在調度 AI 能力方面展現出獨特的優勢。它如同一個 “萬能插座”，為 AI 模型與外部工具的連接提供了統一標準，實現了 “一次封裝，全球可用” 的便捷性。不同的大模型能夠通過 MCP 協議，輕松調用各種外部數據源和工具，大幅提升了 AI 應用的開發效率與智能化水平。在電商行業，開發者借助百度發布的電商交易 MCP、搜索 MCP 等，能夠快速搭建智能化的電商應用，實現商品搜索、交易處理等功能的高效集成；在內容創作領域，通過 MCP 協議，AI 應用可以便捷地調用文本生成、圖像生成等工具，實現多模態內容的創作。

MCP 的應用并非毫無門檻。它對使用者在應用時的整體規劃能力提出了較高要求。使用者需要具備強大的把控能力，能夠精準規劃如何將不同的 AI 模型與外部工具進行整合，以實現最佳的應用效果。不同模型之間的兼容性也是一個關鍵問題。由于市場上存在眾多不同類型的 AI 模型，它們在架構、數據格式、運行邏輯等方面可能存在差異，如何確保這些模型在 MCP 框架下能夠協同工作，避免出現沖突與不兼容的情況，是使用者需要面對的一大挑戰。只有克服這些挑戰，充分發揮 MCP 的優勢，才能真正構建起高效、穩定的 AI 中臺體系。

成果飛輪增長：AI 驅動的系統工程

成果飛輪增長理念為 AI 在企業中的應用提供了全新的視角，它強調這不僅僅是傳統意義上的用戶數量增長，更是一個系統性的工程。其核心在于，當前驅動成果的全流程是否能夠通過 AI 實現驅動，并且在這個流程的每個環節，是否都配備有獨立的專業 AI 模型。

以一個電商企業為例，從用戶流量引入、商品推薦、交易促成到售后服務，每個環節都可以借助 AI 技術實現優化。通過精準的用戶畫像與個性化推薦 AI 模型，提高商品推薦的轉化率；利用智能客服 AI 模型，提升售后服務的效率與質量。當這些環節的 AI 模型協同工作，形成一個有機的整體時，就能實現對用戶全場景的閉環服務。用戶在整個購物過程中獲得了更好的體驗，進而增加購買頻率與忠誠度，為企業帶來更多的業務成果。這種模式下，大模型或 Agent 不再僅僅是孤立的技術應用，而是與產業價值緊密結合，實現了真正意義上的 “雙落地”，推動企業進入一個良性循環的成果飛輪增長軌道。

Agent 爆發式增長與未來趨勢

當下，Agent 呈現出爆發式增長的態勢，各類智能體如雨后春筍般涌現，廣泛應用于不同領域。隨著時間的推移與市場的發展，Agent 將不可避免地經歷同質性發展與市場需求驅動的兼并過程。目前市場上的許多 Agent 在功能與應用場景上存在一定的相似性，隨著競爭的加劇，那些缺乏獨特優勢與核心競爭力的 Agent 將逐漸被市場淘汰。而市場需求將成為推動 Agent 發展與整合的重要力量，企業與用戶對于 Agent 的功能、性能、安全性等方面的需求將促使優質的 Agent 不斷進化與融合。一些專注于特定行業的 Agent，可能會通過整合與合作，形成更強大的行業解決方案，以滿足市場對于一站式服務的需求。這一過程將促使 Agent 市場更加成熟與集中，最終形成少數具有廣泛影響力與強大競爭力的 Agent 生態體系。

邁向物理 AI 時代：智能生態網絡的演進

未來的智能生態網絡，即 AI 網絡，正展現出從生成式數據向物理實時數據發展的明顯趨勢，這將引領我們邁向物理 AI 時代。在這個新時代，各類智能體之間的交互將變得更加豐富與復雜，不僅包括線上的虛擬 Agent，還涵蓋線下的機器人、自動駕駛車、無人機等實體智能設備。重要的是實現智能體之間的交互，包括全局感知、認知和實時推理決策的能力。

谷歌通過Google Earth和街景項目，將實體世界的地理元素、建筑等轉化為三維數字模型，為 AI 在城市規劃、自動駕駛等領域的應用提供了重要的數據支持；英偉達與軟銀聯合推進 AI - RAN（無線接入網絡）解決方案，幫助日本構建強大的 AI 基礎設施，提升了物理世界與數字世界的連接效率；特斯拉提出的 “世界模型” 概念，用于構建和理解真實世界的高精度模擬系統，使自動駕駛汽車能夠更好地感知與決策；SpaceX 的Starlink通過全球覆蓋的數千顆低軌道衛星，提供高速互聯網接入，將物理空間納入互聯網數字網絡，為各類智能體的數據傳輸提供了保障。

在物理 AI 時代，通過高精度傳感器和物聯網技術，智能體能夠實時感知物理世界的各種信息，并借助高速通信網絡實現數據的快速傳輸，再利用強大的云計算和邊緣計算能力進行數據處理與智能分析，從而實現各類智能體之間的高效協同與交互。智能工廠中的機器人與自動化設備可以根據實時生產數據進行智能調度與協作；自動駕駛汽車能夠與交通基礎設施、其他車輛進行實時通信，優化行駛路線，提高交通效率；無人機可以在復雜的物理環境中，根據實時感知的數據完成精準的任務執行。這一智能生態網絡的構建，將徹底改變我們與物理世界的交互方式，為社會發展帶來前所未有的變革。