红杉资本作为全球知名的风险投资机构，如今也面临着 AI 应用的焦虑。在 AI 飞速发展的时代，红杉资本深知 AI 不能仅仅停留在概念和研究阶段，必须要实现盈利。一方面，市场竞争日益激烈，众多企业纷纷涌入 AI 领域，争夺市场份额。如果 AI 应用不能迅速产生经济效益，红杉资本的投资可能面临风险。另一方面，投资者对 AI 应用的盈利能力要求越来越高，红杉资本需要不断推动所投资的 AI 项目快速成长并创造价值，以满足市场和投资者的期待。总之，对于红杉资本来说，AI 必须要赚钱了，这是其在 AI 领域持续发展的关键。

红杉资本已经连续第三年关注AI应用的盈利前景。前两年，企业融到的钱或者资本支出，都被英伟达赚走了，从2023年的2000亿美元问题上升到去年的6000亿美元问题。在最近的AI峰会（AI Ascent）上，该风投机构合伙人Pat Grady开玩笑说，自己投的一个创业者，今年还是冲着黄仁勋的演讲来的。

AI可以赚钱，也必须赚钱了。算力、数据、网络等都已经在那了。Pat Grady在PPT上画了一个巨大的圈，称AI目前可以服务的市场（TAM）规模已经达到了万亿美元，而且还留有大量空白，等待年收入（而不是估值）10亿美元初创企业去填补。大模型厂商向产品布局，消费端成熟企业整合AI，都在挤压初创企业的生存空间。

尽管红杉资本喊着，交付结果正在取代交付工具，成为真正通往这个万亿美元市场的商业模式。但这首先是为什么、最终是怎么做的问题。

红杉资本的另一位合伙人Konstantine Buhler在接下来的演讲中，部分解释了智能体时代的商业模式有别于SaaS时代的原因。构建智能体，仍然存在持久身份问题（persistent identity），要复刻真正的记忆，让智能体在关键内容上保持一致，而在必要的地方有所差异，仍然困难重重；它不断融合与压缩原来的业务流程，甚至不同职能之间可以通过智能体间协同互动打通，但随机计算伴随着不确定性，仍然需要人类规划流程和给予反馈。

智能体在融合与压缩业务流程后，用硅基员工替代了碳基员工，效率更高，成本更低，这成为了AI时代的业务杠杆。但由于最终仍然需要人类介入，使得期望中的效率提升，目前仍然无法完整传递到最终的业务收入上。智能体经济学撞到了Amdahl定律之墙，即使大量并行任务效率大幅提升，只要串行任务仍然存在，且效率无法同尺度提升，整个工作流程的效率最终就会降低。

也正因为如此，Anthropic联合创始人Jack Clark最近声称，他对所谓的AGI对美国经济增长的预期，从行业极度乐观的“20%~30%”，谨慎地下调到“3%~5%”这样更现实的区间。有些流程中的错误相当致命，有些则会积累起来造成重大损失。他打了个比方，“每次人工智能社区试图跨越从数字世界到现实世界的鸿沟时，他们都会遇到一万个问题，他们认为这些问题只是被纸划破的伤口，但这些问题加起来，会让你失去体内所有的血液。”

显然，部分行业存在更多必须串行的任务“堵点”。这也使得当前AI在不同行业的渗透率相当异质化。金融科技独角兽企业Ramp采集了3万多家企业的数十亿次聚合匿名交易，根据收据和账单中的商家名称和项目详细信息，分析发现，美国商业体系中的整体AI渗透率已经达到了40%，远超政府预计8%的水平，但实际从行业来看，真正超越平均水平的只有科技行业与金融行业。

而且，渗透速度也不能代表渗透率的深度与天花板。这家企业这次也受邀来到红杉资本的AI峰会，揭秘为何大量智能体的实际体验令人沮丧。

智能体的经济学，仍然与人密切相关。Anthropic的达里奥·阿莫迪（Dario Amodei）、DeepMind的哈萨比斯（Demis Hassabis）以及OpenAI的奥特曼（Sam Altman）都看多AI研发的自我递归，最终引发爆发式创新。

但行业研究机构EpochAI最近唱起了反调，认为社会经济平稳地过渡到完全自动化的形态更为现实。该机构分析了医学科学家相关的工作任务列表，发现14项重要任务中，只有6项依赖于抽象推理。其他领域的研发工作也相当类似。

于是，你可以听到Pat Grady喊着所投企业跑步进场，并支了一招，称大家的首要任务是深入垂直领域，深化特定功能，甚至去专门处理那些需要人类参与的复杂问题。他不推荐派遣工程师（FDE，前向部署工程师），这是苦活脏活，但这也是一种活法，那是大模型目前无法触及的领域。

AI来了，不跑步进场，就会陷入困境。在线教育企业Chegg就是反面典型，面对谷歌搜索AI Overviews，最大的反击却是起诉谷歌，最终熬不住，宣布裁员22%。但跑得太快也不行。曾经被视为AI积极采用者，大量裁掉人类员工的支付服务商Klarna，如今正在积极招募大量人力，试图在人工智能和人工客服之间，重建能够令客户满意的工作流程。

大模型、AI与智能体，是科技行业的一场自我革命，渗透率遥遥领先。可以说，AI时代的第一个杀手级应用，就在编码这个垂直领域。后者也是科技巨头手伸得最长的领域，但仍然被不少垂直领域初创企业抢走了风头。

微软拥有VS Code与GitHub Copilot，亚马逊有CodeWhisperer；OpenAI、Anthropic与谷歌每次发布新模型，代码能力的比拼，总是占据显要位置。但Cursor仍然杀出来了，4个月内收入增长2倍，年化经常性收入（ARR）已超1.5亿美元，最新一轮融资计划，身价喊到了100亿美元；差不多同时，Windsurf在三个月内收入翻倍，ARR也达到了1亿美元，OpenAI出价30亿美元要收购它。

会做模型，并不意味着会做产品。去年底，奥特曼在全球各地巡回演讲，提及o3模型在世界上最好的、最有竞争力的程序员中排名第175，内部目前正在开发的模型，世界排名在第50名左右，到今年年底可能有希望拿下世界第一。但是，不到半年，他选择了收购。因为每家大模型做出来的所谓程序员的排名，都是基准测试出来的，大同小异，只有在应用层才能做出差异化。

市场对OpenAI为何希望收购Windsurf存在很多猜测，从招聘式的收购，到针对数据、客户与市场的收购。最近，Windsurf创始人Varun Mohan在一次访谈中，暗示自己的竞争优势，就在于智能体的“能力边界”与“表现模式”之内，向客户交付它真正需要的产品或服务。

不是所有客户都想要从零开始写代码，而是要与现有的代码库进行智能交互，更高效地审查智能体没做好的部分；而像戴尔、摩根大通等大型企业，还需要“一个安全可靠，并且能够针对公司内部私有数据进行个性化定制的产品”。Varun Mohan认为自己的竞争壁垒，在于让团队吃透了客户庞大的代码库。

红杉资本告诫自己投资的公司，不要满足于目前那些可能随时会在未来消失的“氛围收入”。随着竞争者的涌入，尝鲜式的订阅会成为历史，初创公司要交付端到端的结果，或者下场处理人类尚无法离开的那些环节。

本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：未尽研究