本文来自红杉资本的 Konstantine Buhler 分享了关于人工智能的投资理念,以及我们为什么认为这场变革代表着 10 万亿美元的机遇。视频标题为:10 万亿美元的 AI 革命:为什么它比工业革命更宏大?。以下为本视频的核心内容。
在红杉,我们坚信,我们正处在一场人工智能(AI)革命的浪潮之巅。这不仅仅是一次技术更迭,而是一场深刻的变革,其影响力将媲美甚至超越工业革命。我们称之为——“认知革命”。
这听起来可能有点夸张,但我们认为,这场革命背后潜藏着一个高达十万亿美元($10^{13})的巨大机遇。在这篇文章里,我们会像和朋友聊天一样,拆解我们的核心思考:这场革命的本质是什么?钱从哪里来?以及,作为创业者和投资者,我们应该把目光投向何方?
新工业革命:为什么AI是“认知革命”?
让我们先把目光拉回到历史。
工业革命不是一夜之间发生的。我们可以标记出三个关键节点:
- 1712年:蒸汽机的发明,点燃了革命的火种。
- 1779年:第一家现代工厂系统诞生,它把生产所需的所有要素整合到同一屋檐下。
- 1923年:我们今天所熟知的工厂流水线出现。
有趣的是这些节点之间漫长的时间间隔。从蒸汽机到第一家工厂,花了整整67年,而且那家工厂甚至都不是用蒸汽机驱动的,而是水力。而从第一家工厂到现代流水线,更是过去了144年。
为什么花了这么久?
我们认为,答案在于**“专业化势在必行”(Specialization Imperative)**。当一个复杂系统发展到一定规模后,它必须将通用的技术和劳动力,与高度专业化的组件和劳动力结合起来,才能走向成熟。那漫长的144年,正是将蒸汽机这种通用技术,不断专业化、细分化,以适应不同生产需求的过程。
现在,我们正处在“认知革命”的类似阶段:
- 1999年的GPU(GeForce 256),就像当年的蒸汽机。
- 2016年左右,第一个能整合所有组件产出AI“代币”(tokens)的AI工厂出现。
那么,问题来了:谁会成为这场认知革命中的洛克菲勒、卡内基和威斯汀豪斯?我们相信,答案就是今天的创业公司,以及那些尚未诞生的创业公司。正是他们在推动着这场伟大的“专业化”进程。
十万亿美金的诱惑:AI如何重塑服务业
聊历史很有趣,但我们毕竟是红杉资本,还是得聊聊真金白银的事。
回想一下云计算转型的初期。当时,全球软件市场规模约为3500亿美元,其中SaaS(软件即服务)仅占微不足道的60亿美元。但后来发生的事情是,SaaS不仅蚕食了传统本地部署软件的份额,更重要的是,它把整个市场的蛋糕做大了,如今整个软件市场规模已超过6500亿美元。
我们相信,同样的故事将在AI领域上演,而且规模会大得多。
这次我们瞄准的,是价值10万亿美元的美国服务业市场。目前,由AI自动化完成的部分可能只有区区200亿美元。这正是那个十万亿美金的机会所在——AI不仅要在这个巨大的蛋糕中切下更大的一块,更要将整个蛋糕本身做得更大。
为了让这个概念更具体,我们内部有一份备忘录,将服务业的各类工作按其市场规模(从业人数 × 年薪中位数)进行了排序。你会发现,像注册护士、软件开发人员、律师这些领域,都拥有极其庞大的市场。而红杉已经在这里布局,比如在医疗领域的Open Evidence和Freed,在软件开发领域的Factory和Reflection,以及在法律领域的Harvey、Crosby和Finch。
我们的创始人唐·瓦伦丁(Don Valentine)总是在强调“市场,市场,市场”的重要性。看看标普500指数的市值图,你会发现,榜单上全是像英伟达这样市值几万亿美元的巨型科技公司。但你找不到柯克兰·埃利斯律师事务所(Kirkland & Ellis),也找不到贝克·蒂莉会计师事务所(Baker Tilly),尽管它们的年收入也高达数十亿美元。
我们相信,认知革命将创造一个机会,让AI赋能的服务型公司成长为独立的、巨大的上市公司,从而彻底改写这份市值排行榜。
正在发生的五大趋势
说完了宏大的叙事,我们来看看当下正在发生的五个具体投资趋势。
1. 杠杆与不确定性:工作范式的转变
我们的工作模式正在从“低杠杆、高确定性”转向“高杠杆、低确定性”。
举个例子,一个销售人员过去需要亲力亲为地管理自己手中的每一个客户。而在AI时代,他可以使用像Rocks这样的工具,部署数百个AI代理,每个代理负责一个客户,7x24小时监控客户动态,寻找新的合作机会。这就带来了百倍甚至千倍的杠杆。当然,AI代理的做事方式和你不一样,可能会犯错,这时就需要人来监督和纠正。你牺牲了一点确定性,但换来了巨大的效率提升。
2. 现实世界的“试金石”:告别学术基准
曾几何时,衡量AI模型好坏的标准是ImageNet这类学术基准。但今天,真正的黄金标准是在真实世界中证明自己。
以AI黑客公司Expo为例,他们没有满足于在学术数据集上跑分,而是直接登上全球最大的白帽黑客平台HackerOne,与全世界的人类黑客同台竞技,寻找真实系统中的漏洞,并最终成为世界第一。这才是真正有说服力的表现。
3. 强化学习走向台前
强化学习(Reinforcement Learning)这个概念在AI圈已经谈了很多年,但在过去一年里,它真正从幕后走到了台前。不仅是顶尖的AI实验室,我们投资的许多公司也从中受益。例如,Reflection公司就利用强化学习,训练出了目前最优秀的开源代码模型之一。
4. AI走进物理世界
AI正在渗入物理世界,这不仅仅指人形机器人。更重要的是,AI开始被用于设计和制造硬件、优化物理流程。Nominal公司就是个很好的例子,他们用AI加速硬件制造流程,并且在产品部署后,继续用AI进行质量保证。
5. 算力:新的生产函数
未来企业的核心生产力指标将是**“每知识工作者的算力消耗”(flops per knowledge worker)。我们对被投公司的调查显示,他们预计每个知识工作者对算力的消耗至少会增加10倍**。乐观地看,这个数字可能是1000倍甚至10000倍。因为未来的知识工作者可能会同时指挥着成百上千个AI代理。这对于提供算力、保护算力以及利用算力提升效率的公司来说,都是巨大的利好。
未来18个月的投资指南:五大关键主题
着眼未来,我们正在积极关注并投资以下五个主题:
1. 持久化记忆(Persistent Memory)
这是一个亟待攻克的关键难题。它包含两层意思:
- 长期记忆:让AI能长时间记住与其交互的上下文。
- 身份持久化:让AI代理能保持自己独特的个性和风格。
如果AI想要真正进入企业的核心生产力环节,它就必须能够理解整个组织和业务的完整背景。目前,无论是向量数据库、RAG还是长上下文窗口,都还没有完美解决这个问题。这里不存在所谓的“规模法则”(Scaling Laws),谁能率先突破,谁就握住了通往未来的钥匙。
2. 无缝通信协议(Seamless Communication Protocols)
互联网时代的TCP/IP协议不是终点,而是起点。同样,在AI时代,我们需要一套能让AI代理之间无缝沟通和协作的协议。
想象一下未来的购物体验:你不再需要自己用AI做研究,然后去亚马逊“一键下单”。未来的AI代理可以直接帮你完成所有步骤——研究产品、全网比价、执行购买。这将极大地削弱那些仅靠“便捷支付”建立护城河的公司的优势。
3. AI语音的黄金时刻(而非AI视频)
你可能好奇为什么我们提的是语音而不是视频。这是故意的。AI视频可能一年后会成熟,但AI语音的时代已经到来。
因为它的两个关键指标都已达标:
- 保真度(Fidelity):声音质量已经足够逼真,可以用于日常交流。
- 延迟(Latency):延迟已经足够低,可以实现实时对话。
除了AI伴侣、AI心理治疗师这类消费者应用,我个人对AI语音在企业端的潜力感到非常兴奋。比如,在物流行业,大量的协调工作至今仍通过电话完成;在金融领域,大宗固定收益产品的交易也依赖语音。AI语音将自动化和加速这一切。
4. 无处不在的AI安全
AI安全是一个贯穿始终的巨大机会,从开发层一直延伸到消费层。
- 开发层:帮助基础模型实验室安全地开发技术。
- 分发层:确保模型在分发过程中不被恶意篡改。
- 用户层:保护用户不因AI的建议而引入风险。比如,一个不懂技术的用户被AI指导在终端输入了一段恶意代码,这该如何防范?
未来,我们甚至会拥有专门保护人类和其他AI代理的“AI安全卫士”。与物理世界不同,在数字世界里,你可以为每一个人、甚至每一个AI代理配备成百上千个安全代理。
5. 开源的十字路口
两年前,我们曾认为开源模型有很大机会与最先进的闭源模型一较高下。但今天,我们觉得开源的处境**“岌岌可危”**。
我们坚信,开源社区必须能够持续推出顶尖的基础模型。这对于一个更自由、更开放、任何人都可以参与建设的未来至关重要。我们不希望AI的未来只掌握在少数资金雄厚的巨头手中,并希望尽我们所能帮助开源社区,让每个人都能用上强大的开源模型来创造伟大的产品。
如果以上这些主题能够取得突破,我们相信,工业革命中那段长达144年的演进过程,在认知革命中将被极大地压缩,或许只需要短短几年。
我们正处在一个激动人心的时代,期待与每一个有远见的建设者,共同参与这场伟大的认知革命。