紅杉美國:10 萬億美元 AI 機會正在開啟,認知革命速度遠超工業(yè)革命

1 評論 1185 瀏覽 1 收藏 12 分鐘

紅杉美國合伙人 Konstantine Buhler 在最新分享中提出了一個令人振奮的判斷:認知革命的速度遠超工業(yè)革命,AI 變革正在被壓縮在數(shù)年內(nèi)完成,而其所代表的是一場 10 萬億美元規(guī)模的巨大機會。

近日,紅杉美國合伙人 Konstantine Buhler 在最新的《The $10 Trillion AI Revolution》分享中提出一個鮮明判斷:認知革命的速度遠快于工業(yè)革命。過去工業(yè)革命從蒸汽機到電力普及歷時 144 年,而今天的 AI 變革正在被壓縮在數(shù)年內(nèi)完成。

Buhler 強調(diào),AI 已經(jīng)從實驗室走向產(chǎn)業(yè)前線,所代表的不僅是一個技術(shù)周期,而是一個 10 萬億美元規(guī)模的機會。

美國服務(wù)業(yè)市場規(guī)模龐大,卻只有 0.2% 被 AI 自動化。隨著大模型能力和算力基礎(chǔ)設(shè)施的躍升,AI 正在快速滲透金融、醫(yī)療、法律和教育等核心領(lǐng)域,重塑知識勞動的生產(chǎn)函數(shù)。

同時,“FLOPs per knowledge worker”這一新概念,用來衡量未來的生產(chǎn)力結(jié)構(gòu),并強調(diào) ROI 將取代學(xué)術(shù) benchmark 成為衡量 AI 價值的關(guān)鍵指標。

認知革命的速度與規(guī)模

紅杉把工業(yè)革命拆成三個關(guān)鍵坐標:蒸汽機的發(fā)明、把生產(chǎn)要素聚到同一屋檐下的第一代工廠系統(tǒng)、以及真正意義上的裝配流水線。三者之間并非線性遞進,而是有漫長的“空窗期”:從蒸汽機到第一代工廠相隔 67 年,而且第一代工廠甚至仍靠水力;從第一代工廠到成熟的裝配線又過去了 144 年。

紅杉給出的解釋是“專業(yè)化的必然性”——當系統(tǒng)復(fù)雜度到達某個閾值,想要穩(wěn)定地產(chǎn)出,就必須把“通用技術(shù) + 通用勞動力”持續(xù)拆分并沉淀為“專用組件 + 專業(yè)勞動”。這就是為什么工業(yè)革命需要一百多年去完成從發(fā)明到大規(guī)模社會化生產(chǎn)的過渡。

在認知革命里,底層條件變了。算力、算法、數(shù)據(jù)和分發(fā)基礎(chǔ)設(shè)施已經(jīng)在互聯(lián)網(wǎng)和云計算時代完成了鋪設(shè),專業(yè)化可以更快地發(fā)生在軟件層、模型層和業(yè)務(wù)流程層。紅杉用一個對照來強調(diào)時間被壓縮:1999 年的 GPU GeForce 256 像蒸汽機,2016 年“第一代 AI 工廠”把訓(xùn)練、推理、數(shù)據(jù)、分發(fā)等“造 token 的部件”放到同一屋檐下,后續(xù)的專業(yè)化不必再依托漫長的物理基礎(chǔ)設(shè)施建設(shè),而是沿著模型與應(yīng)用的專用化加速推進。

因此問題不再是“何時會到來”,而是“誰來完成專業(yè)化”。紅杉把這層問題落在創(chuàng)業(yè)公司身上:今天和未來幾年誕生的應(yīng)用與基礎(chǔ)設(shè)施公司,將扮演認知革命中的‘洛克菲勒’、‘卡內(nèi)基’與‘西屋’,它們把通用模型能力切入具體崗位與場景,做成“可重復(fù)、可維護、可計費”的專用化產(chǎn)線。

10 萬億美元的市場機會

紅杉用云時代的對照來說明“份額提升 + 總量擴張”的雙輪效應(yīng)。起點是一個 3500 億美元的企業(yè)軟件“總盤子”,其中 SaaS 僅占 60 億美元這個“極薄的一道切片”。隨后 SaaS 不只是從本地部署里拿到了更大份額,甚至把整個“軟件蛋糕”從 3500 億做到了 6500 億美元。AI 的路徑在他們看來會復(fù)制并放大這條曲線。

這次被瞄準的是 10 萬億美元規(guī)模的美國服務(wù)業(yè)市場,目前 AI 自動化的體量也就約 200 億美元,比例微乎其微。紅杉把這稱作“10 的 13 次方機會”,強調(diào)不僅是“把切片切厚”,更是“把蛋糕做大”。為了把“蛋糕在哪里”說清,他們展示了一個內(nèi)部備忘錄的片段:把崗位按“人數(shù) × 中位年薪”的指標做了排序,像注冊護士、軟件開發(fā)、法律服務(wù)等領(lǐng)域,單一賽道的“可被技術(shù)吞沒的支出池”就已經(jīng)很可觀。

對應(yīng)到布局上,紅杉已經(jīng)在這些賽道里下注:注冊護士場景里的 OpenEvidence、Freed,軟件開發(fā)里的 Factory、Reflection,法律服務(wù)里的 Harvey、Crosby、Finch,都是圍繞“崗位 × 流程 × 專業(yè)化能力”的切入。這背后延續(xù)了 Don Valentine 對“市場”的強調(diào):先看池子有多大,再看用技術(shù)把它做成多大的‘公司’。

他們還把視角拉到二級市場的終局形態(tài)。標普 500 的市值分布顯示出“少數(shù)巨頭吞噬權(quán)重”的結(jié)構(gòu),最左側(cè)的 Nvidia 已經(jīng)超過 4 萬億美元;但在這張榜單上,看不到像 Kirkland & Ellis 或 Baker Tilly 這類營收達幾十億美元的服務(wù)機構(gòu)。紅杉的判斷是,認知革命會把服務(wù)業(yè)里原本“人驅(qū)動、難規(guī)模”的業(yè)務(wù),改寫成“模型驅(qū)動、可規(guī)?!钡墓?,從而在指數(shù)里出現(xiàn)一批圍繞 AI 服務(wù)而生的獨立上市平臺。

五個正在發(fā)生的投資趨勢

第一,杠桿取代確定性成為主導(dǎo)變量。過去,一個銷售代表同時盯若干客戶,靠人工監(jiān)控節(jié)奏與機會;在 Agent 化的未來,像 Rocks 這樣的工具可以給每個客戶配一個 AI Agent,跟蹤狀態(tài)、提示再溝通時點、推薦擴展路徑。人的角色從“親歷每一步”轉(zhuǎn)成“抽查 + 糾偏 + 策略把關(guān)”,單人杠桿從 100% 提升到 100% 以上甚至 1000%;代價是結(jié)果的“具體形態(tài)”更不確定,但路徑可被監(jiān)控與校正。

第二,度量標準遷移到真實世界。以往行業(yè)靠 ImageNet 一類學(xué)術(shù)基準說明進步,如今要在真實任務(wù)里勝出。紅杉舉了 Expo 的例子:不在論文榜單里爭名次,而是在 Hacker 1 這個開放環(huán)境里與全球注冊白帽同場競技,在“真數(shù)據(jù)、真對手、真反饋”的環(huán)境里拿到第一。這種“現(xiàn)實世界勝出”正在成為新金標準。

第三,強化學(xué)習(xí)從“理論要件”回到“工程武器”。無論是大規(guī)模推理實驗室還是垂直應(yīng)用公司,都在用 RL 作為持續(xù)優(yōu)化的循環(huán)。紅杉提到 Reflection 在開源代碼模型訓(xùn)練中的做法,說明 RL 提供了“目標—反饋—改進”的閉環(huán),把模型的專用化做得更精細。

第四,AI 觸達物理世界,既不是只指類人機器人,也包括“如何更快地把硬件做出來并確保質(zhì)量”。Nominal 的路徑是用 AI 加速制造環(huán)節(jié)與端側(cè)質(zhì)檢,把“認知生產(chǎn)力”嵌入“物理產(chǎn)線”,讓從設(shè)計到量產(chǎn)的周期壓縮。

第五,生產(chǎn)函數(shù)的單位變了:每個知識工作者的 FLOPs。紅杉在投資組合里看到的共性預(yù)期是:每名知識工作者的算力消耗至少提升 10 倍,樂觀情形是 1000 倍到 1 萬倍。當一個人可以指揮“幾十、幾百、上千”的 Agent,推理側(cè)、保護側(cè)與應(yīng)用側(cè)的公司都會隨之受益。

未來 12~18 個月的投資

首先是持久記憶,涵義有二:一是長時記憶,能把長期上下文穩(wěn)定地“記住并調(diào)取”;二是身份持久性,讓 Agent 的“風格、偏好、工作習(xí)慣”在一段時期內(nèi)保持一致。

紅杉的判斷是,這是 AI 深入生產(chǎn)力場景的‘入場券’。但目前這塊沒有像“規(guī)模律”那樣清晰的推進路徑,Vector DBs、RAG、加長上下文窗口都只是階段性方案,真正的“可擴展記憶”仍待突破。

其次是無縫通信協(xié)議。MCP 的熱度證明了需求的存在,但紅杉把它類比為互聯(lián)網(wǎng)里的 TCP/IP——不是終點而是起點。當 Agent 與 Agent 之間可以可靠地彼此對話、彼此調(diào)用,‘跨系統(tǒng)的流程自動化’才會出現(xiàn)平臺級應(yīng)用。他們舉了購物的例子:從檢索到比價再到下單,由 AI 自主跑通流程,并順手“稀釋”那些靠體驗壁壘筑起的舊護城河。

第三是 AI 語音的當下性。視頻也許再等一年,但語音已經(jīng)“可用 + 可規(guī)?!保阂羯U娑茸銐蚋?、交互延遲足夠低,既有 B2C 的朋友、陪伴、治療等場景,也有企業(yè)里的“物流調(diào)度”“場外固定收益大宗報價”這類仍主要靠語音完成的協(xié)作。

第四是 AI 安全的全鏈路機會:從研發(fā)側(cè)的安全工程,到分發(fā)鏈路的完整性,再到用戶側(cè)防止“被錯誤指令引導(dǎo)”而引入風險。紅杉提出一個更進一步的畫面:在數(shù)字世界里,‘每個人類’乃至‘每個 Agent’都可以由數(shù)百個 AI 安全 Agent 守護,因為這里不受物理空間與同等成本的約束。

第五是開源的關(guān)鍵時刻。兩年前,開源看起來有望追平乃至反超最前沿的閉源模型;今天這個位置更為“岌岌可?!薄1M管如此,紅杉仍強調(diào)其必要性:一個更自由、開放的未來,需要開源在前沿能力上保持競爭力,讓“任何人都能用強模型做成好產(chǎn)品”,而不是只屬于“極少數(shù)、極高成本”的玩家。

把上述主題連起來,紅杉的落點并不在“口號”,而在“時間”。他們認為,當持久記憶、通信協(xié)議、語音交互、安全與開源這些關(guān)鍵部件被一一打通,認知革命從‘工廠系統(tǒng)’到‘裝配流水線’的階段,將從幾十年壓縮到短短數(shù)年。這既是創(chuàng)業(yè)公司可以抓住的窗口,也是下一批上市平臺可能出現(xiàn)的時間軸。

本文由人人都是產(chǎn)品經(jīng)理作者【江天 Tim】,微信公眾號:【有新Newin】,原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于 CC0 協(xié)議。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 咩咩……

    來自廣東 回復(fù)