红杉资本:AI 认知革命的万亿美金机遇与未来投资地图
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:...