AI 商機大爆炸！紅杉資本：這次市場規模比雲端轉型大一個數量級，學會「隨機性思維」與「管理 AI Agents」 скачать в хорошем качестве

AI 商機大爆炸！紅杉資本：這次市場規模比雲端轉型大一個數量級，學會「隨機性思維」與「管理 AI Agents」

原影片連結：   • AI's Trillion-Dollar Opportunity: Sequoia ...   請訂閱 AI 科技最前緣的電子報：https://www.anduril.tw/ 在 2025 紅杉資本 AI Ascent 大會上，紅杉合夥人 Pat Grady, Sonia, 和 Constantine 作為開場引言人，雖然謙稱只是「開胃菜」，但他們分享的觀察與觀點，猶如一道道精彩的前菜，為與會者描繪了 AI 時代的產業現況、發展速度，以及未來蘊藏的巨大機遇與挑戰。 Pat Grady 首先拋出創投界的經典框架：「這是什麼？為何重要？為何是現在？接下來怎麼辦？」他巧妙地省略了「這是什麼」（畢竟在場的都是 AI 專家），直接切入「為何重要」的核心。 他引用一張對比圖：雲端轉型 (Cloud Transition) 當時的市場規模約 4,000 億美元，這已經大於當時全球的軟體市場總和。而對比這次 AI 轉型所瞄準的市場——包含「服務 (Services)」和「軟體 (Software)」，其起始點規模至少是雲端轉型的「一個數量級」以上。這意味著 AI 的潛在市場規模，從一開始就比當年的雲端轉型大得多。 更關鍵的是，AI 不只攻擊軟體市場，也開始侵蝕服務市場。過去的軟體工具，正透過 AI 變得更聰明，從「工具 (Tool)」變成協助工作的「協作夥伴 」，再進化到能自主完成任務的「自動駕駛 (Autopilot)」。這代表產品的價值正從「販售工具」轉向「販售成果 (Outcome)」，從爭取「軟體預算」變成爭取「勞動/服務預算」。因此，軟體和服務這兩個巨大的利潤池 (Profit Pools) 都正受到 AI 的衝擊與重塑，整體可及市場 (TAM) 規模空前龐大。 為何 AI 發展速度如此驚人？基礎建設已全面到位！ Pat 接著討論「為何是現在？」。他強調，AI 發展的快速不僅是必然，更是「迫在眉睫」。過去幾十年科技疊加累積的基礎——運算 (Compute)、網路 (Networks)、資料 (Data)、通路 (Distribution)、人才 (Talent)——都已成熟到位。具備了這些關鍵要素，AI 的起飛有了堅實的根基。 更令人矚目的是這次科技傳播的速度。Pat 幽默地拿出另一張圖表，解釋為何事物發生得越來越快。他用「傳播的物理學」來比喻：一個新東西要普及，人們必須「知道它」、「想要它」，並且「能夠買到它」。 回顧雲端轉型初期，像 Salesforce 的創辦人 Marc Benioff 還需要靠游擊行銷來引起注意。但 AI 時代不同了！2022 年 11 月 30 日 ChatGPT 一推出，全球的目光瞬間聚焦。現今，像 Reddit 和 Twitter (現在的 X) 這樣的社群平台擁有超過 12 億的月活躍用戶，成為資訊病毒式傳播的溫床，人們可以極快地知道「酷東西」。 這意味著，「軌道已經鋪好」(The rails are in place)。當 AI 的發令槍響起時，幾乎沒有採用門檻。這種極致的傳播速度，已經成為「科技傳播的新現實」，AI 的「物理定律變了」，火車頭一啟動，就能在現成的全球軌道上全速狂飆。 談到「接下來怎麼辦？」，也就是在哪裡「玩」才能贏。Pat 再度引用去年的一張圖，那張圖上應用層 留有大量空白。他指出，雖然現在空白少了一些，但機會依然非常廣闊。 他展示了過去科技轉型（如雲端）中，能達到年營收 10 億美元以上規模的公司，絕大多數都位於「應用層」。紅杉堅信，AI 時代的價值累積也將主要發生在應用層。 然而，應用層的競爭正在加劇，特別是基礎模型 (Foundation Models) 憑藉其強大的推理能力 (Reasoning)、工具使用 (Tool Use) 和 Agent 間的協作 (Interagent Communication)，正逐步深入應用層領域。 面對基礎模型的競爭，應用層創業公司該如何建立護城河？Pat 建議： 1. 從客戶需求出發 (Go from the customer back)： 不要只是做技術很酷的東西，要解決客戶的實際問題。 2. 專注垂直或特定功能 (Think vertical specific, function specific)： 針對特定產業或職能痛點提供深度解決方案。 3. 處理複雜問題，結合人工判斷 (Deal with complex problems that might require a human in the loop)： 解決那些需要複雜判斷或倫理考量的任務，AI 作為輔助。 建立基於產品使用數據的資料飛輪 (Build data flywheels with the usage data of your own product)： 這是只有你自己擁有的獨特數據，能持續改進產品。 成為產業的一份子 (Be of the industry, for the industry)： 深入理解行業語言和痛點，提供客製化服務，與客戶建立深厚信任關係。 這場「應用層爭奪戰」將決定 AI 價值的歸屬。 投資人看 AI 公司什麼？不只看營收，更看品質與護城河！ Pat 進一步揭示，除了看任何優秀公司都具備的特質（解決重要問題、吸引人才等）之外，有 5% 的 AI 獨有評估標準： 營收的真實性 (Revenue Quality)： 小心「一時興起的營收」(Vibe Revenue)，那感覺很好，但可能只是客戶「試水溫」。務必深入檢視產品的「採用度 (Adoption)」、「使用頻率 (Engagement)」、「留存率 (Retention)」，看看你的產品是否真正「創造了持久的行為改變」。此外，與客戶建立「信任 (Trust)」至關重要，在 AI 週期早期，信任甚至比產品本身更重要。 毛利前景 (Margins)： 現在的毛利可能不高，因為計算成本 (COGS) 仍是重要組成部分。但別擔心，單一 Token 的成本在過去 12-18 個月下降了 99%，這個成本曲線還會繼續下降。更重要的是，如果你能成功地從「賣工具」轉向「賣成果」，向上攀升價值鏈，你的產品定價也能隨之上漲，最終能實現健康的毛利。 有意義的資料飛輪 (Meaningful Data Flywheel)： 很多公司聲稱有資料飛輪，但關鍵問題是：「這個資料飛輪能推動哪些業務指標？」如果說不出來，那你的資料飛輪可能「毫無意義」(Bullshit，Pat 用詞較直白，這裡用更為委婉的說法)。資料飛輪必須與業務指標掛鉤才有價值，它是建立護城河的最佳方式之一。 Pat 總結這部分時，強調 AI 時代是個「跑得飛快」的生意 (Run-like-heck business)。市場正處於一個巨大的「吸力」(Sucking sound)，如果你不趕快抓住機會，別人就會填補這個真空，因為「大自然厭惡真空」(Nature hates a vacuum)。現在是全力衝刺的時刻。 Sonia 接著回顧過去一年 AI 的具體進展。她指出，去年 AI 應用程式的日活躍用戶/月活躍用戶比例 (DAU/MAU) 表現不佳，顯示「炒作多於實際」。但令人振奮的是，這一年來情況「戲劇性地改變」了！ChatGPT 的 DAU/MAU 比例已顯著攀升，接近 Reddit 的水平，這代表越來越多人從 AI 中獲得價值，並學會將 AI 融入日常生活。 AI 應用也從最初的趣味性（如 吉卜力風格圖片生成）走向更深層的應用，例如廣告文案生成、教育視覺化、醫療診斷 (Open Evidence 就是一個例子)。隨著 AI 模型能力提升，這些應用的影響力也日益深遠。 她特別提到「語音技術」達到了「Her」時刻（指電影《雲端情人》，其中 AI 助理的語音聽起來非常自然），語音生成幾乎跨越了「恐怖谷」(Uncanny Valley)，模糊了科幻與現實的界線。 過去一年最「爆發」的應用類別是「程式設計 (Coding)」。AI 程式碼助理達到了「驚人的產品市場契合度」(Screaming Product Market Fit)，例如 Anthropic 的 Claude 3.5 sonnet 改變了程式設計生態。AI 正在從根本上改變軟體開發的可及性、速度和經濟性，無論是資深工程師還是程式新手，都能感受到這種變化。 技術層面，Sonia 坦承預訓練 (Pre-training) 的進展似乎正在放緩（低垂的果實已被摘得差不多），但研究生態正在尋找新突破，包括推理 (Reasoning)、合成數據 (Synthetic Data)、工具使用 (Tool Use)、Agentic Scaffolding 等，這些技術結合起來，正創造新的方式來擴展 AI 的智能。 Constantine 將目光投向中長期，他預測下一波重大浪潮將是「Agent 經濟」(Agent Economy)。一年前大家還在談論 Agent（機器助理），它們正從單一助理發展為「Agent 群體」(Agent Swarms)，能在彼此協作、競爭中進行推理。 更進一步，他預測這些 Agent 群體將成熟演化為「Agent 經濟」。在這個經濟中，Agent 不僅交換資訊，還能轉移資源、進行交易、追蹤彼此，並理解信任與可靠性。這不是一個取代人類的經濟，而是一個 Agent 與人類「協作」的經濟。 然而，實現 Agent 經濟需要克服重要的技術挑戰： 1. 持久身份 (Persistent Identity)： Agent 本身需要保持其個性與理解的持久性，否則每天都變樣無法信任。同時，Agent 也需要能「理解和記住你」（用戶），目前的 RAG、向量資料庫、長文本視窗等技術還存在挑戰，需要實現真正的記憶和自我學習能力。 2. 無縫通訊協議 (Seamless Communication Protocols)： 就像沒有 TCP/IP 就沒有網路一樣，Agent 之間需要一系列的通訊協議來實現資訊、價值和信任的傳輸。Anthropic 的 MCP 等正是在探索這一方向。 3. 安全性與信任 (Security and Trust)： 在 Agent 經濟中，你無法與交易對象 「面對面」。因此，安全和信任將變得比當前經濟中更為重要，未來將圍繞此形成一個龐大的產業。 Agent 經濟的到來，將徹底改變我們的工作方式和思維模式： 1. 隨機性思維 (Stochastic Mindset)： 我們需要從過去習慣的「決定論」(Determinism) 思維轉向「隨機性思維」。程式設計是確定的，但 AI 的輸出是機率性的，可能略有不同（記住數字 73 的例子）。你需要適應這種不確定性。 2. 管理思維 (Management Mindset)： 就像管理人類工程師一樣，你將需要管理你的 Agent 團隊，理解它們的能與不能，學會分配任務、排除故障、提供回饋。這將是整個經濟體需要進行的轉型。 更高槓桿但更低確定性 (Higher Leverage but Lower Certainty)： 你將能用 AI 完成比過去多得多的工作，實現前所未有的「槓桿效應」。但同時，你必須管理隨之而來的不確定性和風險。Constantine 認為，在座的各位（指與會的 AI 專家）正是最適合在這個新世界中蓬勃發展的人。 他們重申一年前的預測：個體工作者透過 AI Agents 獲得巨大槓桿，部門功能可能因 Agent 協作而合併，甚至可能出現「一人獨角獸」。雖然一人獨角獸尚未實現，但公司規模化所需的人力確實比以往少得多，槓桿效應將達到歷史新高。最終，Agent 和流程將深度融合，形成大型、複雜的 Agent 網路，這將重塑個人工作、重新連接公司，並「再造經濟」(Recreate the economy)。 這不是旁觀的時刻，而是全速投入、抓住機遇的時代。正如 Pat 所言：「你正處於一個必須全力奔跑的生意中。」