紅杉AI峰會150位創始人共識浮現:AI不再賣工具,而是賣收益
最近,第三屆紅杉資本AI 峰會剛剛在舊金山落幕。
150位全球頂尖AI創始人齊聚紅杉資本會場。窗簾落下,與外界隔絕整整6小時——最先映入眼簾的是白板上的一句話:
下一輪 AI,賣的不是工具,而是收益。
紅杉資本合夥人Pat Grady 把這句話稱為「萬億美元機會」;
OpenAI 首席執行官 Sam Altman 和 Google首席科學家 Jeff Dean 一致點頭;
英偉達具身智能研究主管 Jim Fan 補上一句:「當機器人能通過物理圖靈測試時,收益 = 自動化的現金流。」
共識,就此浮現。
這意味著:
-
SaaS 邏輯正在失靈: 客戶不再為「能用的工具」買單,而只為寫進利潤表的結果掏錢;
-
新定價單位是 KPI: 開發提速、GPU 成本、落地 GMV,將直接決定產品價格;
-
創業窗口縮短: 誰先把「收益」商品化,誰就搶走下一個十倍級市場。
接下來的文章,拆開這場閉門峰會的 3 個核心信號:
1. 「操作系統式 AI」 如何成為新的現金流機器;
2. 「常駐代理」 正在重塑工程師與企業邊界;
3. 「物理圖靈測試」 打開機器人商業化的最後閘門。
讀完,你將拿到一張面向未來三年的定位圖、估值模型和融資策略路線圖。
第一節:AI不再賣工具,而是賣成果
「我們正在經歷一次從工具邏輯到成果邏輯的根本轉變。」
在紅杉第三屆 AI 峰會上,主持人Pat Grady這樣開場。
從軟件預算到「成果合約」:AI 正改變企業付款方式
過去十年,軟件的核心價值是「提升效率」:提高運營效率、自動化部分流程、輔助人類決策。企業為此購買 SaaS、堆積工具,預算劃在「軟件費用」一欄里。
但現在,AI正在穿透這層邏輯。
紅杉提出一個結構模式:
從賣工具(Software as a Tool)到賣協作(Software as a Co-worker)最終走向賣成果(Software as an Outcome)。
這不是修辭,而是收入模型的根本變化。
成果驅動,不再講「能力」,只講「幹了什麼」
Sierra平台的聯合創始人 Bret Taylor 在峰會上進一步解釋:
「我們從第一天起就選擇基於成果定價(outcome-based pricing)。客戶不再為功能買單,而是為結果買單。」
舉個例子:
-
傳統 CRM 軟件賣的是「客戶管理工具」
-
AI 驅動的 CRM 智能體,賣的是「幫你完成 XX 個客戶轉化」
工具,是你用;成果,是它為你交付。
這正是紅杉判斷「AI 應用價值將超越模型本身」的關鍵所在。
不是誰模型參數更多、推理速度更快,而是誰能把結果交付閉環,誰就擁有了客戶預算。
Pat Grady 在峰會幻燈片中指出:「AI 正從服務市場穿透到勞動力市場。」
你以為它在搶 SaaS 的預算,實際它正在進入薪金單。也正因此,紅杉不再強調「獨角獸估值」,而是看現金流、看可度量成果。
OpenAI、Ramp、Sierra,這一批應用層玩家,不再爭搶「最先進的AI模型」,而是率先進入「誰交付成果誰贏」的商業現實。
紅杉說:
未來AI應用的核心問題,不是模型能力,而是‘是否能跑起來幹活’。
這場變化正在悄無聲息地發生。
第二節:操作系統之戰:AI 的入口爭奪
在峰會現場上,一個趨勢被頻繁提及:AI 的主語正在轉移——從「被調用」轉向「主動調度」。
這背後,不是模型變強了,而是系統在變。誰掌握入口,誰就掌握未來的調度權。
OpenAI CEO Sam Altman 在會上亮出一張時間表:
「2025年,AI 代理開始工作;
2026年,AI 將發現新知識;
2027年,AI 將進入物理世界創造價值。」
這不是願景,是路線圖。
他明確表示:ChatGPT 正在成為「操作系統」級存在。成年人用它搜索,年青人當成教練,青少年已將其當作「數字操作界面」。
操作系統的定義,已經被重寫
紅杉在幻燈片中指出:
-
雲時代的 OS 是微軟;
-
移動時代是 iOS;
-
AI 時代的 OS,將不再是裝機軟件,而是任務調度系統。
它能記住你,理解你,代表你採取行動。這不是「多一層智能」,而是重新定義交互起點。
LangChain 創始人 Harrison Chase也提出一個全新入口概念:
智能體收件箱(Agent Inbox)——是觸發萬千智能體協同工作的入口,不是聊天框,而是系統總線。
而 Anthropic 的 Claude Code 已經不再只是生成器——它自動寫代碼、提交、僱傭其他代理執行任務。首席產品官 Mike Krieger 的定義是:「分佈式運行環境」。
這意味著,入口權已經從「你點它一下」變成「它代表你去調度系統」。
誰佔據入口,誰配置資源
紅杉總結得很清楚:
下一代 AI 不靠下載量,不靠市場營銷,而靠記憶+執行構建粘性。
也就是說:誰成為「用戶意圖的第一個承接者」,誰就控制了系統分配權。
這一趨勢已經在產品層面顯現:
-
OpenAI 的 GPTs 支持「任務指派式代理」;
-
Claude 借助 MCP 協議僱傭其他智能體;
-
LangChain 構建的 inbox,將一整套人機任務分配機制打通。
用戶不再「操作工具」,而是發出一句話:「安排一個東京出差」,AI 就自動完成航班預定、會議安排、天氣查詢和報銷流程。
你看到的不是產品,而是一套可配置的行動系統。
紅杉進一步指出:企業級市場中,真正先跑出來的入口未必是通用大模型,而是 Harvey(法律)、Open Evidence(醫療)這類垂直領域智能體 OS,因為它們能聽懂行業語言,理解真實需求。
第三節:智能體經濟正在成型
在閉門討論中,一個關鍵詞頻繁出現:智能體經濟(Agentic Economy)。
紅杉合夥人 Konstantine 拋出一個設想:
「未來的 AI,不只是彼此通信,而是組成一個可以交換價值的系統網絡。」
這意味著——AI 不再只是被調用的模型,而是可以行動、可以決策、可以合作的經濟參與者。
智能體,不是插件,而是角色
Konstantine將其定義為三要素:
1. 持久身份:它能記住你是誰,也記得自己是誰;
2.行動能力:能調用工具,發起任務,調度資源;
3. 信任協同:它和你之間,不是指令關係,而是信任契約。
舉例來說:
當 Claude Code 開始主動提交 PR,評估代碼質量,協調其他智能體——它已經不是「Copilot」,而是一個具備產出責任的工程角色。
OpenAI 前員工 Daniel Kokotajlo 在會上補充:
「如果 Einstein v1907 擁有足夠推理資源,它可能不只是回答問題,而是自主發現科學規律。」
模型不再是應答器,而是「路徑構造者」。
智能體經濟,不靠指令,而靠協同
隨著 AI 從「回答工具」變成「自主代理」,協作成為關鍵能力。
而經濟協作,意味著新的「組織結構」也在成型:一組智能體,代理多個角色、部門,彼此交易、合作、背書;
人類也開始從「控制者」變成「編排者」,設計這些智能體的職責、接口與信任邊界。
這場討論在提醒我們:
不要只看你的模型有多強,要看它能否作為「角色」被嵌入一個系統中。
你不再是在用 AI 工具,而是在構建一張「人-智能體」共生的經濟網絡圖。
所以,問題不再是「智能體有多聰明」,而是:你在這個網絡中,是入口、節點,還是被調度的中間層?
第四節:AI 產品,不看點擊看結果
過去兩年,AI創業者最常問的問題之一是:
我做出了一個功能很強的 AI 產品,為什麼用戶用完就走?
而在紅杉 AI 峰會現場,索尼婭給出了一個不靠模型、不靠渠道的回答:
「分發物理學(physics of distribution)變了。」
在舊時代,一個產品要獲得用戶,依賴三個變量:
-
用戶是否知道你(Attention)
-
用戶是否理解你(Understanding)
-
用戶是否願意用你(Adoption)
這三者構成了移動互聯網時代流量分發的核心邏輯。
但現在,一切正在被重寫。
隨著 AI 從工具變成代理,用戶行為也隨之轉變。紅杉觀察到,使用的起點,不再是界麵點擊,而是任務委託;真正的價值,不是產品被打開了多少次,而是它交付了多少結果。
從「使用」到「託付」:分發的本質在偏移
紅杉合夥人索尼婭展示了一個關鍵信號:
ChatGPT 的 DAU/MAU 比例在 2025 年 Q1 首次逼近 Reddit,標誌著 AI 應用正在從「好奇嘗試」,進入「日常依賴」。
但這種依賴,不是傳統意義上的「用戶停留」,而是一種「發出請求→離開→等待結果」的使用邏輯。
不是用完了,而是交出去了。
用戶不再圍繞 AI,而是把任務扔給它、讓它自己完成,然後回來收結果。
紅杉稱之為:
從使用界面,到委託接口。
這意味著,AI 應用不再是「被操作的工具」,而是「承擔責任的系統節點」。
如果你還在用「功能用得多不多」來衡量產品好不好,那你已經錯過了判斷標準的轉移。
成果型產品的結構:不是能用,而是能幹完
在峰會上,紅杉定義了「成果型產品」的三大判斷標準:
-
是否能跑完一個完整任務流程:不是幫你做一部分,而是從頭到尾,交付閉環;
-
是否能讓結果被歸因:是否能度量它帶來了什麼明確價值(節省了什麼、提升了什麼);
-
是否能在過程中持續學習和優化:是不是越用越好、越跑越穩、越交付越準。
這也解釋了為什麼 Claude Code 能夠在 Anthropic 內部引爆:它不是「代碼助手」,而是一個「獨立完成工程任務的 AI 節點」——70% 以上的生產代碼提交,已經由它獨立完成。
Open Evidence 在醫療場景也體現了同樣路徑:從「輔助醫生」變成「自動生成診斷建議+給付解釋+患者摘要」,並且全部寫入系統記錄,形成可學習的「交付鏈」。
紅杉強調:
真正的 AI 產品,不是「有沒有能力」,而是「有沒有結果」;不是「你點它做了什麼」,而是「它替你完成了什麼」。
Doug Leone路徑圖:從結果,到飛輪
紅杉展示了一張他們非常看重的結構圖:Doug Leone 商業化路徑。
從「想法」到「產品」,從「交付結果」到「建立信任」,最終進入「成果飛輪」。
AI 應用正沿著這條路徑提前演進:
-
成果不是演示效果,而是被組織預算認可的業務閉環;
-
信任不是界面友好,而是一次次被任務委託、被組織採納;
-
飛輪不是用戶增長,而是每一次交付都帶來更多任務指派和數據積累。
用紅杉的話來說:
AI 結果的累積速度,將決定公司價值增長的上限。
所以今天的你,不再是「用戶增長經理」,而是「成果增長經理」;你的產品,也不是「用得多不多」,而是「跑沒跑完流程」。
因為未來 AI 的分發,不靠推薦算法,而靠「交付記錄」。
你不是賣工具的人,而是交成果的人。系統能不能接住你的委託,才是下一輪定價權的起點。
這就是紅杉在峰會最想傳遞的提醒:
從 Attention 到 Action,AI 正在重寫整個分發邏輯。
第五節:別再調模型了,調組織結構
過去一段時間,「大模型不夠用了」成了很多AI團隊的口頭禪。
很多團隊因此陷入模型焦慮:是不是參數不夠?是不是推理慢了?是不是還得 fine-tune?
但來自 Anthropic、LangChain、Fireworks 等一線實踐者的反饋卻出奇地一致:
不是模型不行,是你的組織、流程、工具鏈——沒有配上這類智能的運作結構。
Claude Code:不是更聰明,而是更「可調度」
來自Anthropic 的 CPO Mike Krieger 在峰會上說了一句被頻繁引用的話:
我們不是在讓模型變聰明,而是在讓系統變得可控、可用、可調度。
他們內部 70% 以上的生產代碼提交,已經由 Claude 完成。但關鍵不在於生成的準確率,而在於 Claude 已被納入一整條任務執行鏈中:
-
從讀取需求文檔、代碼歷史,到生成方案、交叉驗證、提交評審
-
每一步都有清晰的責任分配、反饋機制與自動升級路徑
-
模型不再是「工具」,而是一個工程角色,嵌入到了組織的協作結構中。
你可以說,這是把 AI 當作「數字員工」來用;但紅杉的判斷更明確:這是工程組織能力的分水嶺。
LangGraph與Fireworks:不是拚能力,而是拚架構
LangChain 創始人 Harrison Chase 在現場總結說:
「我們見過太多模型很強的團隊,最後輸在流程崩塌。」
為瞭解決「模型→任務」之間的承接問題,LangChain 提出了 Agent Graph 框架:
-
它不是一個新模型,而是一個事件驅動的調度機制;
-
支持多個智能體像微服務一樣協作,併發運行、失敗恢復、狀態追蹤;
-
所有行為都有「可觀察性」,方便調試、記錄與迭代。
Fireworks AI 也在構建類似的結構化能力,不過他們聚焦在推理穩定性與行為一致性上:
-
把推理視為「生產線」,而不是單次響應;
-
用策略調度、性能歸因、結果驗證,建立一個「推理工廠級」的可靠性標準。
這些工作看似是工程細節,但紅杉指出:
「AI 應用不再是 prompt 的藝術,而是架構工程的勝負。」
紅杉五段路徑圖:從能力到結構,從組件到網絡
在峰會白板上,紅杉列出了一條 AI 應用的演進路徑:
LLM→工具調用→工作流編排→職責委託→智能生態網絡
這五級演進,對應的是五種結構化能力:

這張路徑圖背後的意思是:你不是在訓練一個更大的模型,而是在訓練一個更有組織感的協作網絡。
不是問「AI 能不能做」,而是問:
-
誰來管它?
-
它交給誰?
-
它怎麼協同?
-
出錯怎麼辦?
-
數據怎麼歸因?
-
能不能複利?
這些問題不再是工程師單獨能解決的,而是屬於AI 架構負責人、組織設計師與任務運營者的工作範疇。
未來的 AI 產品不再是「功能演示」,而是「結構設計」。
紅杉說得很直白:
「如果你還在調 prompt,而沒有調結構,你的勝率已經落後。」
第六節:管理邏輯,正在被 AI 重寫
當你以為這場 AI 峰會只是關於模型、系統和入口時,紅杉的第三位主持人 Konstantine 拋出了一個意想不到的關鍵詞:
「隨機思維(Randomized Thinking)。」
這是一次對現有組織認知模式的正面撞擊。
過去幾十年,我們依賴的是工程式的因果推理:
-
你輸入 1,就得 1;
-
你部署一個任務,它會按預期運行;
-
你設計的操作鏈,必須精準收口、結果可控。
但 AI 智能體不是這樣運作的。「你告訴一個模型記住數字 73,它可能記住了,也可能變成了 72、37,甚至根本什麼都不記得。」
這不是 bug,而是特徵。
我們正進入一個計算結果存在概率波動的階段,而不是線性可複現的系統。
管理範式突變:從「確定性執行」到「目標試探」
Konstantine 在現場提出:
「AI 不只是提升效率的工具,而是一種全新協作框架的起點。」
過去的組織在追求穩定產出、精細分工和可控邊界。
但未來的團隊要面對的是全然不同的問題:
-
我能不能描述一個模糊目標,讓智能體去嘗試、偏航、再迭代?
-
我是否接受結果不是100%達成,而是70%、80%的進度並持續改進?
-
我是否能設計出「人類+AI混合代理」共同推進任務的策略空間?
這不是自動化加深的問題,而是組織感知方式的深層轉向。
Konstantine 總結道:
「成為一名優秀的工程經理,和成為一名優秀的工程師,是兩種完全不同的思維能力。」
AI時代的管理者不再控制一切,而是設計環境讓團隊試錯,並在變化中培養信任。
對組織而言,這就像遊戲規則被徹底改寫;對個人來說,這相當於職業發展的基本邏輯被重新洗牌。
槓桿上升,掌控力下降:認知臨界點已至

紅杉展示了一張令人警醒的圖表:槓桿在上升,控制力在下降。
他們預判:
-
公司不再是部門之間相互配合,而是變成一個個任務自動流轉的網絡;
-
個人不再只是扮演固定角色做事,而是像指揮家一樣調度各種智能工具;
-
組織結構不再是傳統的上下級彙報關係,而是轉變為多個智能體協同工作的團隊網絡。
並大膽預測:
「未來可能出現第一家‘一人獨角獸公司’(First Oneperson Unicorn)。」
這不是說這個人多強,而是因為他掌握了高密度的智能代理協作邏輯, 能用一套 AI 聯合工作組完成產品研發、銷售交付、客戶服務與內容運營。
紅杉稱之為:「不是你多會幹,而是你能不能用 AI 構建出一個‘不靠你親自動手也能推進的系統生物體’。」
最後一道門檻,不是能力,而是心智放權
紅杉在峰會最後一頁幻燈片上寫了這樣一組判斷:
-
模型能力正在快速演進;
-
聯動機制逐漸可控;
-
人工+智能的合作界面已開啟;
-
最後一公里,是你的認知適配速度。
這意味著:你不需要等一個「完美的 AI」降臨,而是該問自己:你是否接受偏差、接納協同?你能否放下「每一步都掌控」的衝動,而轉向「給方向、留空間、抓反饋」的協作心法?
而AI不再是你的工具,它正在變成你的「好夥伴」,甚至是你認知系統的一部分。
AI不再是技術,是新型經濟的起點
紅杉這場閉門會,沒有模型發佈,沒有資本口號。 他們只給出了一個冷靜卻深遠的洞察:
AI 正在從「技術產品」,進化為一種新的經濟運行方式。
它不再售賣功能,而是兌現結果; 不再依賴輸入,而是主動生成價值; 不再等待指令,而是協同完成任務。
下一輪競爭的核心在於構建自我驅動、持續交付的協作模式,而非僅僅利用AI做事。
當你放下「人-機」的陳舊觀念,重新思考「如何定義任務、釋放信任、安排協同」時,你才真正踏入了 AI 經濟的第一公里。
這才是紅杉閉門 6 小時後,真正共識浮現的方向。
原文鏈接:https://www.youtube.com/watch?v=v9JBMnxuPX8&t=387s&ab_channel=SequoiaCapital
本文來自微信公眾號:AI深度研究員,作者:AI深度研究員,編輯:深思,本文由AI深度研究院出品,所有內容引用自紅杉資本第三屆AI峰會。