近日，在AI Ascent 2025峰会上，红杉资本合伙人Pat Grady、Sonya Huang和Konstantine Buhler分享了他们的深刻洞察。
他们认为，AI是一个比云计算大十倍的市场机遇，其价值主要集中在应用层。
初创企业应聚焦客户需求，提供端到端解决方案，而非仅交付工具。
AI市场的潜力远超云计算。云计算市场目前规模约4000亿美元，AI市场不仅覆盖服务，还包括软件，潜在市场规模将在10-20年达到难以估量的体量。
AI正从销售工具（软件预算）转向销售成果和劳动力（人工预算）。
这张图展示了过去几十年间，技术浪潮催生的科技公司。
AI普及的条件已成熟：计算能力、网络、数据、分销渠道和人才一应俱全，发展速度远超以往。
相比云计算初期，当前社交平台（如Reddit、X）拥有12-18亿活跃用户，基础设施为AI快速普及铺平道路。
历史证明，技术的价值集中在应用层，AI也不例外。
尽管基础模型能力增强，初创企业仍需专注垂直领域，解决复杂问题，提供端到端解决方案。
想法必须转化为产品，产品必须由工程团队构建出来，然后必须推向市场、销售并提供支持。这就是价值链。
企业需深入理解客户需求，提供完整解决方案，而非单一工具。
应充分发挥「数据飞轮」，利用产品使用数据形成竞争优势。深耕行业，紧密贴合行业需求。
要警惕营收的真实性，关注应用普及率、用户参与度和留存率，确保用户行为的持久性。
初创公司必须赢得客户的信任，在初期，信任比产品更重要。
当前的毛利率不是最关键的，但需要有通向高毛利的清晰路径。
过去18个月，每个token的成本下降了99%，这条成本曲线会持续下降。
如果成功地从销售工具转向销售成果，并向价值链的上游迈进，就能获得更多价值。
最后要强调「数据飞轮」。确保数据飞轮与核心业务指标挂钩，否则毫无意义。
这一点非常重要，因为数据飞轮是企业能构建的最佳护城河之一。
市场对AI需求旺盛，现在是时候全力以赴，抢占先机，保持最大速度前进。
Sonya Huang回顾了过去一年AI应用进展。用户参与度大幅提升，AI从炒作转向真正创造价值。
她强调了AI在广告、教育、医疗等领域的潜力，编程作为年度最具突破性应用，正重塑软件开发方式。
ChatGPT的日活/月活比例正接近Reddit，AI已融入日常生活。
AI在多个领域展现出巨大价值：生成精准、精美的广告文案，提升营销效率。在教育领域，AI快速可视化新概念，助力教学创新。医生可以通过AI优化诊断。
去年，语音生成技术跨越恐怖谷，接近电影《她》中的科幻效果。
编程达到了极佳的产品-市场契合度（PMF）：Anthropic的Claude 3.5 Sonnet发布后，引发编程领域热潮。
AI编程让新手也能开发复杂应用，从根本上降低了软件开发的门槛，提升了速度和经济效益。
从技术角度，预训练已经放缓。自AlexNet以来，预训练规模扩大了9-10个数量级，研究需寻找新突破。
其中最重要的是OpenAI推出的推理模型。此外，还有合成数据、工具使用和AI智能体编排（如Anthropic的MCP协议）。
更大的基础模型、推理时间优化、推理能力、工具使用，能助力AI完成复杂任务。
目前AI领域最激动人心的技术创新，发生在研究和产品的模糊地带。
Deep Research和NotebookLM等产品取得的突破，展现了AI的巨大潜力。
应用层是AI价值的核心，ChatGPT、Harvey、Cursor等已崭露头角，智能体将从原型进化到强大产品。
对2025年的下一个预测是垂直领域的智能体。
对于深耕某一领域的创始人来说，垂直智能体是绝佳的机会。
针对特定任务端到端训练的智能体表现优异，在Expo（安全测试）、Traversal（DevOps故障排除）、Meter（网络工程）领域超越人类专家。
我们正在进入「富足时代」，AI降低了劳动力成本，生成内容激增，品位成为稀缺资产。
Konstantine Buhler展望了AI发展的下一阶段——智能体经济。
他描述了从机器助手到机器网络（智能体集群），再到围绕人类需求的成熟经济体系。
智能体不仅传递信息，还能转移资源、进行交易、记录行为，理解信任和可靠性，构建独立经济体系。
智能体将与人类协作，围绕人类需求运转，形成人机共生的经济生态。
实现智能体经济，需解决以下关键问题。
智能体要保持一致的个性和理解力，拥有持久身份，以建立长期信任。
他们需记忆并理解用户需求，类似人与人交往中的信任基础。当前的技术（如RAG、长上下文窗口）在记忆和自我学习方面仍有不足。
智能体需要类似TCP/IP的通信协议，实现信息、价值和信任的传递。Anthropic的MCP协议是起点，未来需更多协议支持智能体协作。
对智能体而言，安全和信任至关重要。需要配套安全产业，确保交易可靠。
AI的随机性颠覆传统确定性思维。创始人需适应不确定性，调整思维模式。
管理智能体类似管理团队，理解其能力和局限，做出复杂决策（如优化流程、提供反馈）。
智能体带来巨大杠杆效应，让个体和企业能做更多，但不确定性增加。它将整合职能部门，简化流程，甚至推动一人独角兽公司出现。
创始人需管理风险，抓住机遇，在不确定中茁壮成长。
随着AI在各个领域深入应用，很多企业内部也开始更深入地使用AI。
就在昨天《THE DECODER》的主编Maximilian Schreiner在一篇博客中预计，到2026年大多数公司将拥有一名首席人工智能官（Chief AI Officer）。
他在博客中写道，一项亚马逊网络服务（AWS）的最新研究揭示，全球企业正在大力押注生成式AI，纷纷设立新的高管角色。
根据AWS的《生成式AI采用指数》，45%的受访决策者计划在2025年将生成式AI作为首要任务，优先于传统安全工具（仅30%）。这项研究采访了来自德国、美国、日本等九个国家的3739名IT管理者。
与一些传统观点不同的是，研究显示中大型企业尤其热衷于投资AI，而小型企业仍然将安全放在首位。
对于多数组织来说，选择一款工具的关键在于其能否轻松地融入现有的工作流程，尤其是在受到高度监管的行业中。
在金融和教育等行业，高级功能（56%）和数据隐私（48%）也是被优先考虑的重点。相比之下，监管较少的行业中只有34%的人认为安全功能重要。
随着企业的预算向AI倾斜，一个新的高管职位正在兴起：60%的企业已经设有首席AI官（CAIO），另有26%的企业计划在2026年之前设立。
CAIO负责协调跨部门的AI战略，像亚马逊和Airbnb这样的公司甚至已经将AI专家纳入了董事会中。
虽然有90%的企业已经在试水AI，但只有44%走出试点阶段，迈向全面的整合。
这其中最大的障碍包括：技术人才短缺（55%）、开发成本高昂（48%），以及模型中的偏差和「幻觉」问题（40%）。
而要想构建可靠AI应用的关键是能够获取到干净、高质量的数据。
56%的企业已经启动了员工培训计划，还有19%计划在年底前跟上。不过，52%的企业坦言，他们其实不太清楚员工到底需要啥培训。如何实施（47%）以及预算不足（41%）也是常见拦路虎。
与此同时，92%的企业打算在2025年大举招聘AI人才。其中26%的企业预计，至少一半新员工得会用生成式AI。信息通信技术（35%）和制造业（28%）对这类人才的需求特别旺。
只有25%的公司想完全靠自己开发生成式AI，大多数更倾向于混合方法：58%会用预训练模型打造自家的应用，55%喜欢微调模型，40%直接选现成的AI方案。
这种对现成方案的接受度，在数据敏感的行业里尤其高，比如金融（44%）、教育（45%）和信息通信技术（43%），主要是因为这些方案省钱、快捷、功能还强。
第三方供应商是重要帮手：2025年，65%的组织会跟外部供应商合作开发AI项目——15%完全外包，50%则是内外团队一起上。