红杉 AI 峰会汇聚了 150 位创始人，在此次峰会上，一个重要的共识逐渐浮现。大家一致认为，AI 已不再仅仅是售卖工具，而是将重心转移到出售收益上。这意味着 AI 产业不再局限于提供技术和产品，而是通过与企业合作，帮助其提升效率、创造价值，进而分享收益。这种转变体现了 AI 产业的深度发展和创新，从单纯的技术输出转向了与实体经济的紧密结合，为企业带来更实际的价值和回报，也预示着 AI 产业未来将有更广阔的发展空间和潜力。

最近，第三届红杉资本AI 峰会刚刚在旧金山落幕。

150位全球顶尖AI创始人齐聚红杉资本会场。窗帘落下，与外界隔绝整整6小时——最先映入眼帘的是白板上的一句话：

下一轮 AI，卖的不是工具，而是收益。

红杉资本合伙人Pat Grady 把这句话称为“万亿美元机会”；

OpenAI 首席执行官 Sam Altman 和 谷歌首席科学家 Jeff Dean 一致点头；

英伟达具身智能研究主管 Jim Fan 补上一句：“当机器人能通过物理图灵测试时，收益 = 自动化的现金流。”

共识，就此浮现。

这意味着：

• SaaS 逻辑正在失灵： 客户不再为“能用的工具”买单，而只为写进利润表的结果掏钱；

• 新定价单位是 KPI： 开发提速、GPU 成本、落地 GMV，将直接决定产品价格；

• 创业窗口缩短： 谁先把“收益”商品化，谁就抢走下一个十倍级市场。

接下来的文章，拆开这场闭门峰会的 3 个核心信号：

1. “操作系统式 AI” 如何成为新的现金流机器；

2. “常驻代理” 正在重塑工程师与企业边界；

3. “物理图灵测试” 打开机器人商业化的最后闸门。

读完，你将拿到一张面向未来三年的定位图、估值模型和融资策略路线图。

第一节：AI不再卖工具，而是卖成果

“我们正在经历一次从工具逻辑到成果逻辑的根本转变。”

在红杉第三届 AI 峰会上，主持人Pat Grady这样开场。

从软件预算到“成果合同”：AI 正改变企业付款方式

过去十年，软件的核心价值是“提升效率”：提高运营效率、自动化部分流程、辅助人类决策。企业为此购买 SaaS、堆积工具，预算划在“软件费用”一栏里。

但现在，AI正在穿透这层逻辑。

红杉提出一个结构模式：

从卖工具（Software as a Tool）到卖协作（Software as a Co-worker）最终走向卖成果（Software as an Outcome）。

这不是修辞，而是收入模型的根本变化。

成果驱动，不再讲“能力”，只讲“干了啥”

Sierra平台的联合创始人 Bret Taylor 在峰会上进一步解释：

“我们从第一天起就选择基于成果定价（outcome-based pricing）。客户不再为功能买单，而是为结果买单。”

举个例子：

• 传统 CRM 软件卖的是“客户管理工具”

• AI 驱动的 CRM 智能体，卖的是“帮你完成 XX 个客户转化”

工具，是你用；成果，是它为你交付。

这正是红杉判断“AI 应用价值将超越模型本身”的关键所在。

不是谁模型参数更多、推理速度更快，而是谁能把结果交付闭环，谁就拥有了客户预算。

Pat Grady 在峰会幻灯片中指出：“AI 正从服务市场穿透到劳动力市场。”

你以为它在抢 SaaS 的预算，实际它正在进入工资单。也正因此，红杉不再强调“独角兽估值”，而是看现金流、看可度量成果。

OpenAI、Ramp、Sierra，这一批应用层玩家，不再争抢“最先进的AI模型”，而是率先进入“谁交付成果谁赢”的商业现实。

红杉说：

未来AI应用的核心问题，不是模型能力，而是‘是否能跑起来干活’。

这场变化正在悄无声息地发生。

第二节：操作系统之战：AI 的入口争夺

在峰会现场上，一个趋势被频繁提及：AI 的主语正在转移——从“被调用”转向“主动调度”。

这背后，不是模型变强了，而是系统在变。谁掌握入口，谁就掌握未来的调度权。

OpenAI CEO Sam Altman 在会上亮出一张时间表：

“2025年，AI 代理开始工作； 

2026年，AI 将发现新知识； 

2027年，AI 将进入物理世界创造价值。”

这不是愿景，是路线图。

他明确表示：ChatGPT 正在成为“操作系统”级存在。成年人用它搜索，年轻人当成教练，青少年已将其当作“数字操作界面”。

操作系统的定义，已经被重写

红杉在幻灯片中指出：

• 云时代的 OS 是微软；

• 移动时代是 iOS；

• AI 时代的 OS，将不再是装机软件，而是任务调度系统。

它能记住你，理解你，代表你采取行动。这不是“多一层智能”，而是重新定义交互起点。

LangChain 创始人 Harrison Chase也提出一个全新入口概念：

智能体收件箱（Agent Inbox）——是触发万千智能体协同工作的入口，不是聊天框，而是系统总线。

而 Anthropic 的 Claude Code 已经不再只是生成器——它自动写代码、提交、雇佣其他代理执行任务。首席产品官 Mike Krieger 的定义是：“分布式运行环境”。

这意味着，入口权已经从“你点它一下”变成“它代表你去调度系统”。

谁占据入口，谁配置资源

红杉总结得很清楚：

下一代 AI 不靠下载量，不靠市场营销，而靠记忆+执行构建粘性。

也就是说：谁成为“用户意图的第一个承接者”，谁就控制了系统分配权。

这一趋势已经在产品层面显现：

• OpenAI 的 GPTs 支持“任务指派式代理”；

• Claude 借助 MCP 协议雇佣其他智能体；

• LangChain 构建的 inbox，将一整套人机任务分配机制打通。

用户不再“操作工具”，而是发出一句话：“安排一个东京出差”，AI 就自动完成航班预定、会议安排、天气查询和报销流程。

你看到的不是产品，而是一套可配置的行动系统。

红杉进一步指出：企业级市场中，真正先跑出来的入口未必是通用大模型，而是 Harvey（法律）、Open Evidence（医疗）这类垂直领域智能体 OS，因为它们能听懂行业语言，理解真实需求。

第三节：智能体经济正在成型

在闭门讨论中，一个关键词频繁出现：智能体经济（Agentic Economy）。

红杉合伙人 Konstantine 抛出一个设想：

“未来的 AI，不只是彼此通信，而是组成一个可以交换价值的系统网络。”

这意味着——AI 不再只是被调用的模型，而是可以行动、可以决策、可以合作的经济参与者。

智能体，不是插件，而是角色

Konstantine将其定义为三要素：

1. 持久身份：它能记住你是谁，也记得自己是谁；

2.行动能力：能调用工具，发起任务，调度资源；

3. 信任协同：它和你之间，不是指令关系，而是信任契约。

举例来说：

当 Claude Code 开始主动提交 PR，评估代码质量，协调其他智能体——它已经不是“Copilot”，而是一个具备产出责任的工程角色。

OpenAI 前员工 Daniel Kokotajlo 在会上补充：

“如果 Einstein v1907 拥有足够推理资源，它可能不只是回答问题，而是自主发现科学规律。”

模型不再是应答器，而是“路径构造者”。

智能体经济，不靠指令，而靠协同

随着 AI 从“回答工具”变成“自主代理”，协作成为关键能力。

而经济协作，意味着新的“组织结构”也在成型：一组智能体，代理多个角色、部门，彼此交易、合作、背书；

人类也开始从“控制者”变成“编排者”，设计这些智能体的职责、接口与信任边界。

这场讨论在提醒我们：

不要只看你的模型有多强，要看它能否作为“角色”被嵌入一个系统中。

你不再是在用 AI 工具，而是在构建一张“人-智能体”共生的经济网络图。

所以，问题不再是“智能体有多聪明”，而是：你在这个网络中，是入口、节点，还是被调度的中间层？

第四节：AI 产品，不看点击看结果

过去两年，AI创业者最常问的问题之一是：

我做出了一个功能很强的 AI 产品，为什么用户用完就走？

而在红杉 AI 峰会现场，索尼娅给出了一个不靠模型、不靠渠道的回答：

“分发物理学（physics of distribution）变了。”

在旧时代，一个产品要获得用户，依赖三个变量：

• 用户是否知道你（Attention）

• 用户是否理解你（Understanding）

• 用户是否愿意用你（Adoption）

这三者构成了移动互联网时代流量分发的核心逻辑。

但现在，一切正在被重写。

随着 AI 从工具变成代理，用户行为也随之转变。红杉观察到，使用的起点，不再是界面点击，而是任务委托；真正的价值，不是产品被打开了多少次，而是它交付了多少结果。

从“使用”到“托付”：分发的本质在偏移

红杉合伙人索尼娅展示了一个关键信号：

ChatGPT 的 DAU/MAU 比例在 2025 年 Q1 首次逼近 Reddit，标志着 AI 应用正在从“好奇尝试”，进入“日常依赖”。

但这种依赖，不是传统意义上的“用户停留”，而是一种“发出请求→离开→等待结果”的使用逻辑。

不是用完了，而是交出去了。

用户不再围绕 AI，而是把任务扔给它、让它自己完成，然后回来收结果。

红杉称之为：

从使用界面，到委托接口。

这意味着，AI 应用不再是“被操作的工具”，而是“承担责任的系统节点”。

如果你还在用“功能用得多不多”来衡量产品好不好，那你已经错过了判断标准的转移。

成果型产品的结构：不是能用，而是能干完

在峰会上，红杉定义了“成果型产品”的三大判断标准：

• 是否能跑完一个完整任务流程：不是帮你做一部分，而是从头到尾，交付闭环；

• 是否能让结果被归因：是否能度量它带来了什么明确价值（节省了什么、提升了什么）；

• 是否能在过程中持续学习和优化：是不是越用越好、越跑越稳、越交付越准。

这也解释了为什么 Claude Code 能够在 Anthropic 内部引爆：它不是“代码助手”，而是一个“独立完成工程任务的 AI 节点”——70% 以上的生产代码提交，已经由它独立完成。

Open Evidence 在医疗场景也体现了同样路径：从“辅助医生”变成“自动生成诊断建议+给付解释+患者摘要”，并且全部写入系统记录，形成可学习的“交付链”。

红杉强调：

真正的 AI 产品，不是“有没有能力”，而是“有没有结果”；不是“你点它做了什么”，而是“它替你完成了什么”。

Doug Leone路径图：从结果，到飞轮

红杉展示了一张他们非常看重的结构图：Doug Leone 商业化路径。

从“想法”到“产品”，从“交付结果”到“建立信任”，最终进入“成果飞轮”。

AI 应用正沿着这条路径提前演进：

• 成果不是演示效果，而是被组织预算认可的业务闭环；

• 信任不是界面友好，而是一次次被任务委托、被组织采纳；

• 飞轮不是用户增长，而是每一次交付都带来更多任务指派和数据积累。

用红杉的话来说：

AI 结果的累积速度，将决定公司价值增长的上限。

所以今天的你，不再是“用户增长经理”，而是“成果增长经理”；你的产品，也不是“用得多不多”，而是“跑没跑完流程”。

因为未来 AI 的分发，不靠推荐算法，而靠“交付记录”。

你不是卖工具的人，而是交成果的人。系统能不能接住你的委托，才是下一轮定价权的起点。

这就是红杉在峰会最想传递的提醒：

从 Attention 到 Action，AI 正在重写整个分发逻辑。

第五节：别再调模型了，调组织结构

过去一段时间，“大模型不够用了”成了很多AI团队的口头禅。

很多团队因此陷入模型焦虑：是不是参数不够？是不是推理慢了？是不是还得 fine-tune？

但来自 Anthropic、LangChain、Fireworks 等一线实践者的反馈却出奇地一致：

不是模型不行，是你的组织、流程、工具链——没有配上这类智能的运作结构。

Claude Code：不是更聪明，而是更“可调度”

来自Anthropic 的 CPO Mike Krieger 在峰会上说了一句被频繁引用的话：

我们不是在让模型变聪明，而是在让系统变得可控、可用、可调度。

他们内部 70% 以上的生产代码提交，已经由 Claude 完成。但关键不在于生成的准确率，而在于 Claude 已被纳入一整条任务执行链中：

• 从读取需求文档、代码历史，到生成方案、交叉验证、提交评审

• 每一步都有清晰的责任分配、反馈机制与自动升级路径

• 模型不再是“工具”，而是一个工程角色，嵌入到了组织的协作结构中。

你可以说，这是把 AI 当作“数字员工”来用；但红杉的判断更明确：这是工程组织能力的分水岭。

LangGraph与Fireworks：不是拼能力，而是拼架构

LangChain 创始人 Harrison Chase 在现场总结说：

“我们见过太多模型很强的团队，最后输在流程崩塌。”

为了解决“模型→任务”之间的承接问题，LangChain 提出了 Agent Graph 框架：

• 它不是一个新模型，而是一个事件驱动的调度机制；

• 支持多个智能体像微服务一样协作，并发运行、失败恢复、状态追踪；

• 所有行为都有“可观察性”，方便调试、记录与迭代。

Fireworks AI 也在构建类似的结构化能力，不过他们聚焦在推理稳定性与行为一致性上：

• 把推理视为“生产线”，而不是单次响应；

• 用策略调度、性能归因、结果验证，建立一个“推理工厂级”的可靠性标准。

这些工作看似是工程细节，但红杉指出：

“AI 应用不再是 prompt 的艺术，而是架构工程的胜负。”

红杉五段路径图：从能力到结构，从组件到网络

在峰会白板上，红杉列出了一条 AI 应用的演进路径：

LLM→工具调用→工作流编排→职责委托→智能生态网络

这五级演进，对应的是五种结构化能力：

这张路径图背后的意思是：你不是在训练一个更大的模型，而是在训练一个更有组织感的协作网络。

不是问“AI 能不能做”，而是问：

• 谁来管它？

• 它交给谁？

• 它怎么协同？

• 出错怎么办？

• 数据怎么归因？

• 能不能复利？

这些问题不再是工程师单独能解决的，而是属于AI 架构负责人、组织设计师与任务运营者的工作范畴。

未来的 AI 产品不再是“功能演示”，而是“结构设计”。

红杉说得很直白：

“如果你还在调 prompt，而没有调结构，你的胜率已经落后。”

第六节：管理逻辑，正在被 AI 重写

当你以为这场 AI 峰会只是关于模型、系统和入口时，红杉的第三位主持人 Konstantine 抛出了一个意想不到的关键词：

“随机思维（Randomized Thinking）。”

这是一次对现有组织认知模式的正面撞击。

过去几十年，我们依赖的是工程式的因果推理：

• 你输入 1，就得 1；

• 你部署一个任务，它会按预期运行；

• 你设计的操作链，必须精准收口、结果可控。

但 AI 智能体不是这样运作的。“你告诉一个模型记住数字 73，它可能记住了，也可能变成了 72、37，甚至根本什么都不记得。”

这不是 bug，而是特征。

我们正进入一个计算结果存在概率波动的阶段，而不是线性可复现的系统。

管理范式突变：从“确定性执行”到“目标试探”

Konstantine 在现场提出：

“AI 不只是提升效率的工具，而是一种全新协作框架的起点。”

过去的组织在追求稳定产出、精细分工和可控边界。

但未来的团队要面对的是全然不同的问题：

• 我能不能描述一个模糊目标，让智能体去尝试、偏航、再迭代？

• 我是否接受结果不是100%达成，而是70%、80%的进度并持续改进？

• 我是否能设计出“人类+AI混合代理”共同推进任务的策略空间？

这不是自动化加深的问题，而是组织感知方式的深层转向。

Konstantine 总结道：

“成为一名优秀的工程经理，和成为一名优秀的工程师，是两种完全不同的思维能力。”

AI时代的管理者不再控制一切，而是设计环境让团队试错，并在变化中培养信任。

对组织而言，这就像游戏规则被彻底改写；对个人来说，这相当于职业发展的基本逻辑被重新洗牌。

杠杆上升，掌控力下降：认知临界点已至

红杉展示了一张令人警醒的图表：杠杆在上升，控制力在下降。

他们预判：

• 公司不再是部门之间相互配合，而是变成一个个任务自动流转的网络；

• 个人不再只是扮演固定角色做事，而是像指挥家一样调度各种智能工具；

• 组织结构不再是传统的上下级汇报关系，而是转变为多个智能体协同工作的团队网络。

并大胆预测：

“未来可能出现第一家‘一人独角兽公司’（First Oneperson Unicorn）。”

这不是说这个人多强，而是因为他掌握了高密度的智能代理协作逻辑， 能用一套 AI 联合工作组完成产品研发、销售交付、客户服务与内容运营。

红杉称之为：“不是你多会干，而是你能不能用 AI 构建出一个‘不靠你亲自动手也能推进的系统生物体’。”

最后一道门槛，不是能力，而是心智放权

红杉在峰会最后一页幻灯片上写了这样一组判断：

• 模型能力正在快速演进；

• 联动机制逐渐可控；

• 人工+智能的合作界面已开启；

• 最后一公里，是你的认知适配速度。

这意味着：你不需要等一个“完美的 AI”降临，而是该问自己：你是否接受偏差、接纳协同？你能否放下“每一步都掌控”的冲动，而转向“给方向、留空间、抓反馈”的协作心法？

而AI不再是你的工具，它正在变成你的“好伙伴”，甚至是你认知系统的一部分。

AI不再是技术，是新型经济的起点

红杉这场闭门会，没有模型发布，没有资本口号。 他们只给出了一个冷静却深远的洞察：

AI 正在从“技术产品”，进化为一种新的经济运行方式。

它不再售卖功能，而是兑现结果； 不再依赖输入，而是主动生成价值； 不再等待指令，而是协同完成任务。

下一轮竞争的核心在于构建自我驱动、持续交付的协作模式，而非仅仅利用AI做事。

当你放下“人-机”的陈旧观念，重新思考“如何定义任务、释放信任、安排协同”时，你才真正踏入了 AI 经济的第一公里。

这才是红杉闭门 6 小时后，真正共识浮现的方向。

原文链接：https://www.youtube.com/watch?v=v9JBMnxuPX8&t=387s&ab_channel=SequoiaCapital

本文来自微信公众号：AI深度研究员，作者：AI深度研究员，编辑：深思，本文由AI深度研究院出品，所有内容引用自红杉资本第三届AI峰会。