Sequoia Capital: AI is leading a $10 trillion revolution, grander than the Industrial Revolution

紅杉資本將當前的人工智能浪潮定義為一場深刻的 “認知革命”，認為其變革力量將媲美甚至超越工業革命，並藴藏着一個價值 10 萬億美元的龐大商業機遇。

近日，紅杉資本合夥人 Konstantine Buhler 發表了題為《AI 革命：一場價值 10 萬億美元的浪潮，比工業革命更宏大》的演講。

他明確指出，AI 的下一個戰場是龐大的服務業市場。與 SaaS 軟件不僅蠶食傳統軟件份額、更極大地擴展了整個市場邊界的歷程相似，AI 也將對服務業進行顛覆性重塑和擴張。同樣，AI 也將對法律、會計、醫療等傳統上由大型合夥企業主導的服務業進行顛覆性重塑和擴張，催生出由 AI 驅動的全新上市公司，甚至改變我們今天熟知的 S&P 500 指數榜單。

在 “認知革命” 的黎明階段，紅杉資本正積極尋找並投資那些能將通用 AI 技術 “專業化” 的初創公司。這些公司如同當年的洛克菲勒和卡內基，肩負着構建未來市場領導者的使命，將通用 AI 模型打磨成解決特定行業痛點的 “認知裝配線”。

為了指引投資方向，Buhler 分享了紅杉資本正密切關注的五大投資趨勢和未來 12 至 18 個月的五大投資主題。這些趨勢和主題，正是 AI 時代淘金者手中的藏寶圖。

演講要點提煉：

• 核心論點： 紅杉資本將人工智能（AI）定義為一場 “認知革命”，其規模和影響將媲美甚至超越工業革命。
• 市場機遇： AI 的核心商業機遇在於價值 10 萬億美元的美國服務業市場，AI 不僅將搶佔份額，更會像 SaaS 重塑軟件市場一樣，極大地擴展服務業市場本身。
• 歷史類比： AI 的發展被類比為工業革命的 “專業化” 進程，即從通用技術（如蒸汽機/GPU）走向高度專業化的應用（如工廠流水線/專用 AI 應用），而初創公司是推動這一進程的核心力量。
• 五大投資趨勢： 紅杉資本觀察到五個正在發生的趨勢：1）工作模式轉向 “高槓杆、高不確定性”；2）衡量標準從學術基準轉向 “真實世界驗證”；3）強化學習從理論走向實踐；4）AI 深入物理世界，超越機器人範疇；5）算力成為新的生產力，人均算力消耗將增長 10 至 1000 倍。
• 五大投資主題： 未來 12-18 個月，紅杉將重點關注五個主題：1）持久性記憶；2）AI 間的無縫通信協議；3）AI 語音；4）貫穿全鏈條的 AI 安全；5）開源 AI。
• 最終目標： 推動上述主題的發展，旨在將 “認知裝配線” 的構建時間從數年大幅壓縮至數月，從而加速整個認知革命的到來。

認知革命：以史為鑑，專業化是關鍵

紅杉資本認為，理解 AI 革命的未來，必須以史為鑑。Buhler 將 AI 的發展與工業革命的三個關鍵節點進行類比：1999 年的首款 GPU（圖形處理器）如同當年的 “蒸汽機”；2016 年出現的 AI 系統如同第一座 “工廠”；而未來的 AI 應用則相當於 “工廠流水線”。

值得注意的是，從第一座工廠到成熟的工廠流水線，工業革命花費了 144 年。Buhler 強調，這一漫長週期的核心驅動力是 “專業化”——將通用技術和勞動力，改造為能實現特定產出的高度專業化組件和勞動力。

如今，AI 正處在同樣的歷史節點。通用大模型提供了基礎能力，但真正的價值釋放有賴於初創公司將其 “專業化”，以解決特定行業和場景的問題。在紅杉看來，今天的 AI 初創企業正是這場認知革命中扮演洛克菲勒、卡內基角色的關鍵力量，它們通過專業化構建未來的偉大應用。

萬億美元機遇：AI 重塑服務業版圖

商業價值是投資的核心。Buhler 指出，AI 的機遇遠超軟件市場。他將目光投向了價值 10 萬億美元的美國服務業市場，目前 AI 的滲透率可能僅為 200 億美元左右。這正是 AI 的 “10 的 13 次方” 美元級別的機遇。

紅杉的一份內部備忘錄顯示，註冊護士、軟件開發人員、法律服務等崗位的市場規模均極其龐大。公司已在這些領域進行了佈局，投資瞭如 Open Evidence、Factory、Harvey 等初創公司。

Buhler 強調，正如標普 500 指數的市值排行榜上沒有傳統的律師事務所或會計師事務所，認知革命將創造一個歷史性機遇，讓 AI 驅動的服務型公司能夠成長為新的上市巨頭，從而極大地擴展資本市場的版圖。

五大投資趨勢：當下正在發生什麼

Buhler 分享了紅杉資本觀察到的五個正在發生的關鍵趨勢，它們揭示了 AI 如何改變現實世界：

1. 槓桿而非確定性： 工作模式正從 “低槓桿、高確定性” 轉向 “超高槓杆、結果存在不確定性”。例如，銷售人員可利用 AI 代理管理數百名客户，其自身角色則轉變為修正和指導 AI，從而實現超過 1000% 的槓桿效應。
2. 真實世界驗證： 衡量 AI 能力的黃金標準已從學術基準轉向真實世界的表現。例如，AI 安全公司 Expo 通過在 Hacker One 平台上與全球頂尖人類黑客同台競技並取勝，來證明其技術的卓越性。
3. 強化學習走向實踐： 長期停留在理論層面的強化學習，在過去一年已成為許多初創公司獲得競爭優勢的實用工具，尤其在編程等領域。
4. AI 深入物理世界： AI 的影響力遠不止人形機器人，它正通過優化流程和加速硬件製造來改變物理世界，例如 Nominal 公司利用 AI 加速硬件製造和質量保障。
5. 算力即新生產力： 每位知識工作者消耗的算力（FLOPS）預計將至少增加 10 倍，樂觀情況下甚至可達 1000 倍。這對算力供應商和利用 AI 武裝員工的企業都意味着巨大機遇。

五大投資主題：未來 18 個月的佈局

展望未來 12 至 18 個月，紅杉資本將重點投資以下五個主題，以解決當前 AI 發展的核心瓶頸：

1. 持久性記憶： AI 需要具備長期記憶（記住長期上下文）和身份持久性（保持獨特個性），才能勝任更復雜的生產力任務。目前該領域尚未出現類似模型訓練的 “規模法則”，存在巨大機遇。
2. 無縫通信協議： 如同 TCP/IP 協議引爆了互聯網革命，AI 之間若能建立無縫通信協議，將催生顛覆性應用，例如 AI 可自主完成全網比價、下單、支付等完整的購物流程。
3. AI 語音的爆發： AI 語音有許多令人興奮的應用。這包括 AI 朋友、AI 伴侶、AI 治療師，所有這些面向消費者的應用。在企業端，AI 語音可用於自動化物流協調、金融交易等場景。
4. 貫穿始終的 AI 安全： AI 安全覆蓋從模型開發、分發到終端用户的全鏈路。未來，每個用户甚至每個 AI 代理都可能擁有數百個專屬的 AI 安全衞士。
5. 開源 AI 的十字路口： 紅杉認為，確保開源社區能與頂尖閉源模型競爭至關重要，這關係到 AI 生態能否保持開放和自由，避免未來被少數資金雄厚的科技巨頭壟斷。

演講全文如下（由 AI 工具翻譯）：

認知革命

00:00 我們在紅杉資本堅信人工智能正在引領一場革命，我們認為這場變革將與工業革命一樣宏大，甚至更為宏大。在今天的簡短演示中，我們將分享這場 “認知革命” 的全部內容，以及它為何能提供一個價值 10 的 13 次方（10 萬億美元）的巨大機遇。

00:22 我們有四個部分。首先是我們圍繞人工智能的論點。接下來是商業機遇。然後我們將深入探討一些投資趨勢。這些是我們目前在人工智能領域觀察到的動態。最後，我們將討論一些投資主題，即我們對未來 12 到 18 個月的展望。

00:42 我們相信人工智能與工業革命有着異曲同工之處。在此，我們想特別指出工業革命中的三個時間點。開啓一切的蒸汽機的發明；第一個工廠系統，它將所有必要的部件彙集到同一個屋檐下；以及最終我們今天所知的第一個工廠流水線的誕生。這張幻燈片有趣的地方在於這些時間點之間的時間跨度：從第一台蒸汽機到第一座工廠，歷時 67 年。而且那第一座工廠甚至沒有使用蒸汽機，而是由水力驅動。然後，從第一座工廠到我們今天所知的工廠流水線，又過去了 144 年。問題是，為什麼花了這麼長時間？特別是，在這 144 年裏發生了什麼？我們認為之所以花費如此長時間的原因是 “專業化” 的必然性。對於一個複雜的系統而言，超越一定規模後要實現成熟，它就必須將通用組件和勞動力與高度專業化的組件和勞動力相結合。換句話説，當時發生的是將這些通用技術進行專業化改造，以生產特定的產出。

01:58 現在我們生活在認知革命之中。你可以説，當年的 “蒸汽機” 就是 1999 年的第一塊 GPU，即 GeForce 256，而 2016 年出現的、能夠整合所有必要組件以生產 AI 能力的系統，就是第一座 “人工智能工廠”。那麼問題來了：誰將成為這場認知革命中的約翰·洛克菲勒、安德魯·卡內基、西屋或韋奇伍德？我們相信，答案就是今天的創業公司——正是它們，正在踐行這種專業化，以及那些尚未成立但將構建這些應用的創業公司。

萬億美元的服務機遇

02:35 我們是紅杉資本，而不是紅杉歷史研究院。所以，讓我們來談談真金白銀。大家可能以前見過這張幻燈片。我們在 AI Ascent 大會上使用過。左邊的 3500 億美元的圓圈代表了雲計算轉型初期軟件上的支出。那六個小切片是 60 億美元的軟件即服務（SaaS）支出。

03:01 後來發生的事情是，SaaS 不僅增加了其在本地軟件市場中的份額，它實際上還擴大了整個市場，使其今天增長到超過 6500 億美元。我們相信類似的事情將在人工智能領域發生，而且機遇會更大。這就是價值 10 萬億美元的美國服務市場，其中今天可能只有大約 200 億美元被 AI 自動化。這是一個 10 的 13 次方（10 萬億美元）的機遇，它不僅能擴大 AI 在這個市場中的份額，更能擴大市場本身。

03:36 你可能見過上一張幻燈片，但這張是首次公開。它摘自紅杉的一份內部備忘錄，展示了按最右邊一列排序的服務業崗位。那一列是崗位員工數量乘以美國人口普查局公佈的年平均工資。你會注意到它們都是非常龐大的市場。你還會注意到紅杉已經在這些領域進行了投資。考慮一下 Open Evidence 和 Freed 在註冊護士領域，或者 Factory 和 Reflection 在軟件開發人員領域，或者 Harvey、Crosby 和 Finch 在法律領域。

04:18 在紅杉，我們喜歡思考潛在市場規模（TAM），特別是市場。我們的創始人唐·瓦倫丁（Don Valentine）總是強調市場的重要性。這張圖表顯示了標普 500 的市值排行。你會注意到幾家非常大的公司。最左邊是市值超過 4 萬億美元的英偉達，百分比是其一年內的股價表現。這張幻燈片上沒有 Kirkland and Ellis 律師事務所，也沒有 Baker Tillie 會計師事務所，儘管這些公司每年都有數十億美元的收入。

04:54 我們相信認知革命提供了一個機遇，可以擴大市場，並擴大這張幻燈片，使其包含許多在服務領域由 AI 驅動而建立的、大型的、獨立的上市公司。

投資趨勢 #1：槓桿而非不確定性

05:13 接下來，讓我們談談我們在人工智能認知革命中正在關注的五大投資趨勢。第一個是擁抱槓桿，管理不確定性。我們注意到工作正在從過去對任務的低槓桿和 100% 確定性結果，轉向對任務的 100% 以上槓杆和對結果精確表現的不確定性更低的新模式。如果你是一名銷售人員，你的工作是管理一系列客户，即潛在客户。今天，你可能需要自己管理這些客户，監控每一個機會。但在 AI 代理賦能的未來，你可以使用 ROCS 這樣的工具，擁有數百個 AI 代理，每個客户一個 AI 代理，跟蹤他們的進展，查看正在發生的變化，向你展示重新參與並擴大與客户合作關係的機會。當然，這個 AI 代理不會完全按照你的方式做事，它可能會遺漏某些東西或犯錯誤。這就是人的作用——進行修正。在這種情況下，我們看到 100% 以上的槓桿，甚至可能達到 1000% 的槓桿，儘管伴隨着更多的不確定性。這與你正在做的工作不完全相同。

投資趨勢 #2：真實世界驗證

06:35 其次，我們注意到衡量標準已經轉向真實世界。在人工智能發展的大部分歷史中，我們使用學術基準。十多年前我還是 AI 工程師時，我們使用 ImageNet 作為計算機視覺研究的基準。但今天，如果你想證明卓越，你必須在真實世界中證明它。以 Expo 為例，他們想證明他們的人工智能是世界上最頂尖的 AI 黑客。他們沒有僅僅依靠學術基準來證明這一點，而是進入真實世界，在 Hacker One 平台上與全球所有註冊的黑客競爭，尋找漏洞。他們能夠證明，在真實世界的數據上，他們能夠競爭並獲勝，成為世界第一的黑客。我們注意到，這是新的黃金標準，不僅僅是學術基準，而是真實世界的衡量。

07:30 第三，強化學習正從理論走向實踐。AI 行業談論強化學習已經很久了。在過去一年裏，我們看到它真正成為了焦點。不僅大型推理實驗室從中受益，我們還看到許多被投公司也從中受益。考慮一下 Reflection，它利用強化學習來訓練編碼領域最優秀的一些開源模型。

投資趨勢 #3：AI 深入物理世界

07:55 我們注意到的第四個趨勢是 AI 正在深入物理世界。這股浪潮正在真實發生，它的內涵遠不止人形機器人。它還通過人工智能來創造新的流程和硬件。以 Nominal 為例，它利用人工智能加速硬件製造過程，並在產品部署後，也利用人工智能進行質量保障。

投資趨勢 #4：算力即新生產力

08:21 最後，我們注意到新的生產函數是算力。即每位知識工作者所消耗的浮點運算（FLOPS）次數。如果你調查我們的被投公司，他們會説，他們預測每位知識工作者所消耗的算力將至少增加 10 倍。這意味着每位知識工作者的算力消耗將至少增加 10 倍。因為如前所述，知識工作者可能會使用一個、幾十個、數百個甚至數千個 AI 代理。在更樂觀的情況下，我們看到未來每位知識工作者的算力消耗將增加 1000 倍甚至 10000 倍。這對於推理公司、保護推理的公司以及利用這種新生產函數來武裝更多員工的公司而言，都非常強大。

投資主題 #1：持久性記憶

09:10 接下來，我們談談五個投資主題。這些是我們在未來一年重點投資的方向。第一個主題是持久性記憶。“持久性記憶” 可以指至少兩件事。第一是 “長期記憶”，即 AI 能夠記住在長時間跨度內與之共享的上下文信息。第二是 “身份持久性”，即 AI 代理能夠始終保持其獨特的個性和風格。這兩點對於 AI 承擔越來越多的工作職能至關重要。一個進入生產力領域的 AI，必須具備長期記憶，才能理解整個組織的上下文以及職能。

09:54 我們注意到，在持久性記憶（persistent memory）領域，尚未出現類似模型訓練中的 “規模法則”（scaling law）。無論是通過向量數據庫和 RAG，還是越來越長的上下文窗口，人們進行了許多嘗試，但這個根本問題尚未解決，這也是前方存在巨大機遇的標誌。

投資主題 #2：通信協議

10:09 下一個主題是無縫通信協議。多模態通信協議（MCP）的出現，理所當然地引爆了市場的熱情。然而，讓我們回顧一下互聯網革命：TCP/IP 的誕生並非終點，而是一聲發令槍。

10:23 在這場通信革命中，我們有機會讓 AI 之間實現無縫通信。我們相信，這將催生許多顛覆性的重大應用。一個值得考慮的場景是購物。目前，如果你想用 AI 購買產品，你可能會先用 AI 做一些研究，然後通過你偏好的提供商一鍵結賬來執行訂單。但在未來，我們看到 AI 將能夠做到這一點，因為有了無縫通信協議。AI 將能夠完成整個過程，為你找到最優惠的價格，執行購買，並完成它，同時減少了那些讓使用它們比其他提供商更容易的商家所帶來的干擾。

投資主題 #3：AI 語音

11:09 第三個趨勢是 AI 語音。你可能會驚訝我沒有提到 AI 視頻，但這是故意的。我認為 AI 視頻可能在一年內到來，但 AI 語音現在就已經在這裏了。這是因為不僅其保真度、語音質量大幅提升，達到了日常使用的程度，而且延遲也顯著降低，使得你可以與 AI 語音進行實時對話。

11:35 AI 語音有許多令人興奮的應用。這包括 AI 朋友、AI 伴侶、AI 治療師，所有這些面向消費者的應用。我個人也非常看好 AI 語音在企業端的其他應用。如果你作為一個企業要運輸貨物，並且你正在處理物流問題，你會發現許多物流協調工作至今仍是通過語音完成的。現在，你可以為一個自動化許多這些物流協調的未來而努力。如果你想買賣大宗固定收益產品，你很可能還在通過電話與場外交易台進行溝通。所有這些在企業領域都可以通過使用 AI 語音來加速。

投資主題 #4：AI 安全

12:22 接下來是 AI 安全。我們認為 AI 安全領域存在着絕對巨大的機遇，它貫穿了從開發層到終端消費者的整個鏈條。在開發層，我們看到了幫助大型基礎模型實驗室和 AI 實驗室以安全方式開發技術的機會。然後是分發，確保以安全方式分發，防止不良行為者介入該過程。然後是用户本身，確保當他們使用產品或編寫新應用程序時，不會意外引入漏洞。一個具體的例子是：一個消費者可能被他們的 AI 指示，通過終端下載一個軟件。他們可能不熟悉終端操作。而 AI 可能不知道這個軟件可能會在消費者環境中引入漏洞。

13:15 我們將進入一個 AI 既能保護個人也能保護 AI 代理的世界。事實上，我們看到一個與物理世界截然不同的未來：在這個數字世界裏，你可以為每個個體，甚至每個代理，擁有數百個 AI 安全代理。與物理世界不同，你不受物理空間甚至同樣成本的限制。你可以為每一個人和每個代理部署大量的 AI 安全代理。

投資主題 #5：開源 AI

13:44 最後，我們發現開源 AI 正處於 AI 發展歷程中的一個關鍵時刻。如果你在兩年前問我們，我們會説，看起來開源模型有機會與最先進的基礎模型競爭，甚至可能超越它們。今天，這種立場似乎更加不穩定。我們認為，開源社區能夠競爭並提供一些最先進的基礎模型，這一點非常重要。我們認為，這對於一個更自由、更開放的未來至關重要，在這個未來中，任何人都可以進行構建。我們希望幫助構建那個未來，讓開源模型可供所有人使用，以構建卓越的產品，並且 AI 的未來不應僅限於資金雄厚的巨頭。這些是我們正在思考的五個投資主題。現在問題變成了，如果我們能夠將這些投資主題轉化為進步，將會發生什麼？我們相信，這些進步將能夠把那個認知裝配線所需的時間，從很多年大幅壓縮到僅僅幾年。非常感謝您的聆聽，並希望我們能一起構建這場偉大的認知革命。