原文連結： Sequoia 合夥人 Packer Radio、Sonia 與 Constantine 對 AI 的洞見：現狀、機遇與未來展望
好的，我的名字是 Packer Radio。我是 Sequoia 的合夥人。Sonia、Constantine 以及我們 Sequoia 的所有合夥人將是各位今天的東道主。現在，在我們進入今天真正核心內容之前，我、Sonia 和 Constantine 將分享一些我們在過去一年左右學到的一些觀點。 我們深知我們只是開胃菜，而不是主菜。我昨天收到一位我合作的創辦人寄來的郵件，他說：「嘿，老兄，我會晚一點到，大概九點三十五分左右出現。」我心想：「嗯，這時間點真夠精準的。那正是 Jensen 上場的時候。」所以，我們明白。但我們會分享一些想法，然後再進入真正的重點。好的。
開場與市場框架
首先，做些校準。我們認為 AI 世界正在發生什麼事？我們用來觀察市場的一個簡單框架。 它是什麼？這是 Don Valentine 的問題。所以呢？它為何重要？為何是現在？它或許不可避免，但它是否迫在眉睫？最後，現在該怎麼辦？我們該做什麼？我們如何利用這個機會？我們如何才能致勝？過去幾年我們都討論過這些問題，但在接下來的幾分鐘裡，我們將更新一些我們的想法。 我其實得老實說，關於「是什麼」這個問題，我本來準備了一個非常精彩的內容，但 Constantine 委婉地建議，告訴一屋子 AI 專家什麼是 AI 並不是個好主意。所以，我們其實要直接跳到「所以呢」。
AI 市場的潛力：「所以呢？」
好的，純屬好玩，有誰記得去年的這張投影片？ 好的，謝謝。太棒了。第一列，雲端轉型。第二列，AI 轉型。頁面左側，昨日。頁面中間，今日。頁面右側，明日。這說明了什麼？它說明了雲端產業的營收達四千億美元，比該轉型開始時的全球軟體市場還要大。如果我們類比推論，我們在 AI 服務領域所追求的市場，其起點至少要大上一個數量級。 十年或二十年後的終點，有機會達到絕對巨大的規模。重要的一點。現在，我們實際上更新了我們的想法。AI 不僅僅是針對服務市場。它同時針對服務和軟體。這意味著這兩個利潤池都受到了衝擊。我們看到許多公司從軟體開始，變得更聰明一些，更像一個副駕駛，再變得更聰明一些，更像一個自動駕駛系統，它們實際上從銷售工具給軟體預算，進展到銷售成果給 銷售勞務給勞工預算。這兩個潛在市場規模 (TAMs) 都有待爭取。
AI 的時機：「為何是現在？」
好的，有誰記得去年的這張投影片？噢，天啊，我有點難過。大概只有三、四個人。好吧，還有一個。好的。好的。好的。謝謝。別害羞。各位可以舉手。好的。 這個層疊蛋糕代表了過去幾十年來層層堆疊的科技浪潮，將我們帶到了此刻。這張投影片有兩點。第一，AI 的確迫在眉睫，而不僅僅是不可避免。先決條件已經到位：運算、網路、數據、分銷、人才。 我們擁有所需的一切要素。所以，我們準備好了。這張投影片的第二點，這些浪潮往往是累加的，所以機會比以往的浪潮要大得多。它來得也快得多。
AI 普及的物理學
現在，我討厭這張投影片。X 軸是時間，Y 軸是虛榮指標。人們用它來合理化各種罪過。 好的，但觀察是正確的。事情發生的速度越來越快，越來越快，越來越快，比以前更快。但沒有多少人深入探究原因。所以我們只想花點時間談談。如果你思考分銷的物理原理，你只需要三件事。 人們必須知道你的東西。他們必須想要你的東西。而且他們必須能夠買到你的東西。就這樣。有人記得那個標誌嗎？當雲端轉型開始時，沒有人在意。Benioff 不得不做這些瘋狂的游擊式行銷策略，才能讓任何人注意到。AI 非常不同。 2022 年 11 月 30 日，ChatGPT 問世。全世界都在關注 AI。中間欄，這些是 Reddit 和前身為 Twitter 的平台的合計月活躍使用者數。在雲端轉型開始時不存在，在行動轉型開始時也幾乎不存在。 如今，這些平台上有大約 12 億到 18 億人。這不是發現酷東西的唯一途徑，但卻是發現酷東西的一個相當好的途徑。頁面右側，讓我們想像你聽了 Benioff 的話。當時只有 2 億人連接到網際網路。如今，這個數字是 56 億。 這實際上涵蓋了世界上每一個家庭和每一個企業。那麼，這一切意味著什麼呢？意味著軌道已經鋪設完畢，當起跑槍響起時，普及沒有任何障礙。這並非 AI 特有的現象。這是科技分銷的新現實。物理定律已經改變。 軌道已經鋪好了。
致勝之道：「現在該怎麼做？」
好的，另一張去年的投影片。我們該怎麼辦？我們在哪裡可以致勝？這張投影片有兩點。第一，很多空白領域。再次強調，這是去年的投影片。現在空白領域少了一些。人們開始有所突破，但總體而言，機會仍然非常廣闊。 第二點，這些標誌代表了那些營收達到十億美元以上的公司。我們不在乎獨角獸公司。我們在乎的是營收和自由現金流。在先前的轉型中，營收達到十億美元以上。它們大多位於頁面頂部。它們大多位於應用層。 我們過去相信，並且繼續相信，AI 也會是如此。價值在於應用層。但你猜怎麼著？你有競爭對手。我們有第二個擴展定律。我們有測試時間運算。我們有使用工具進行推理和代理人間通訊，這使得基礎模型能夠深入應用層。 如果你是一家新創公司，而且你並非在建立一個垂直整合的業務，你該怎麼辦？從客戶出發。思考垂直特定領域。思考功能特定。處理可能需要人工介入的複雜問題。但這就是競爭。這就是價值所在。這應該是每個人的首要考量。
打造 AI 公司的關鍵
好的。我們如何才能致勝？好了。拜託。你們可以笑。這個不錯。好了。我們如何才能致勝？嗯，我們去年展示過這個，所以我猜你們沒笑是因為去年看過了。所以，創辦一家 AI 公司，95% 的工作就只是創辦一家公司。都是些老生常談。 以獨特且引人注目的方式解決一個重要的問題。讓優秀的人才追隨你。諸如此類的好事。另外 5% 才是 AI 特有的。在爭奪應用層的競賽中，有幾件事需要考慮。這是 Leone 的商品化週期。我們的合夥人 Doug Leone，最頂尖的 (the GOAT)，花了 40 年精心打造了這個小小的內容。 這代表了將你腦中的想法轉化為客戶手中產品所需的一切。好的，那個想法必須轉化為一個產品，這個產品必須由一個工程團隊打造，然後必須推向市場、銷售並提供支援。這就是價值鏈。 此頁底部是技術導向的觀點。此頁頂部是客戶導向的觀點。這就是你如何在整個價值鏈中建立護城河的方法。你的客戶不確定他們想從 AI 中得到什麼。你可以有自己的看法。你可以給他們一個端到端的解決方案，直接解決問題，而不是把一個工具丟給他們。 你可以利用自己產品的使用數據建立數據飛輪。這是別人沒有的。你可以成為行業內的人，為行業服務，就像 Open Evidence 為醫療行業所做的那樣。你可以說他們的語言。Harvey 派遣律師與律師事務所洽談。 老實說，我們不建議派遣駐點工程師，但你可以這麼做。這是種艱苦的生活方式，但你可以做到。你可以緊緊擁抱你的客戶，這是基礎模型可能做不到的。順帶一提，我們也喜歡基礎模型，但我們假設你們大多數人並不是在建立基礎模型。 你們大多數人是在建立應用程式。
Sequoia 評估 AI 公司的方法
好的，我還有兩張投影片，然後我們就交接。所以，我們經常被問到一個問題。你們在 AI 公司中尋找什麼？再說一次，95% 的內容和我們在任何公司中尋找的都一樣。好的，以下是 5% AI 特有的部分。第一點，營收。氛圍營收 (Vibe revenue) 可能會害死你。 每個人都喜歡氛圍營收。感覺真好。喔我的天，我們有這麼多營收。去看看。好的。這是在試探市場，還是你真的在創造持久的行為改變？好的。喔，我沒有相關指標可以做到這點。不，你有。檢視採用率、參與度、留存率。人們實際上用你的產品在做什麼？不要自欺欺人地以為你有真實營收，而實際上你只有氛圍營收，因為它會反噬你。 好的，這裡的「良好氛圍」(good vibes) 部分也很重要。事實上，很快地問一下，Andrew Reed，你在這裡嗎？氛圍檢查。我們做得如何？大家覺得如何？我不在乎你。大家覺得如何？無可挑剔。我聽到無可挑剔的氛圍。好的，很好。你需要與你的客戶建立良好的氛圍。 這是什麼意思？你的客戶必須信任你，而你必須贏得那份信任。在我們所處的這個週期階段，信任比你的產品更重要。產品會變得更好。如果他們信任你會讓產品變得更好，那你就處於有利地位。如果他們不信任你會讓產品變得更好，那你就處於不利地位。 第二點，利潤率。我們不一定關心你今天的毛利率是多少。其中的銷貨成本 (COGS) 部分可能會持續下降。你知道，過去 12 到 18 個月，每個 token 的成本下降了 99%。那個成本曲線將會持續。那些銷貨成本將會下降。 我知道它隨著測試時間運算等等而上升，但那也會下降。其中的價格部分，如果你成功地從銷售工具轉向銷售成果，並且在價值鏈上攀升，並且能夠擷取更多價值，你的價格點可能也會上升。因此，你今天的毛利率可能不太好，但你應該有一條明確的途徑，隨著時間的推移達到非常健康的毛利率。 然後是第三點，數據飛輪。如果你有數據飛輪，請舉手。好的，那個數據飛輪推動了哪個業務指標？好的，我看到不確定性增加了。我有好消息，也有壞消息。好消息是，如果你無法回答那個問題，我仍然愛你。壞消息是你的數據飛輪……你要嘛沒有數據飛輪，要嘛它根本不重要。 它需要與一個業務指標連結，否則它就根本不重要。這點非常重要，因為這是你能建立的最佳護城河之一。
把握時機，全速前進
最後一張投影片。誰能告訴我這兩件事是如何關聯在一起的？如果你能做到，我會非常佩服。這一點也不合邏輯。好的。大自然厭惡真空。目前市場上對 AI 有一股巨大的吸力。所有總體經濟因素、關稅和利率噪音都不重要。科技普及的浪潮絕對會淹沒你在市場上看到的任何波動。忽略它。 好的？市場上有一股巨大的吸力，如果你不站到它前面，別人就會，因為大自然厭惡真空。所以，儘管我們剛剛談論了所有關於護城河、指標等等的事情，但你現在正處於一個「拼命快跑」的行業。現在是時候以最快速度、時刻不停地前進。 謝謝你，Pat。
Sonia：AI 現況回顧
所以，我將用我的部分來專注於 AI 目前正在發生的事情。我們將從客戶端和技術端兩個角度快速回顧這一年。
從使用者角度回顧
首先是一年回顧。早在 2023 年，我們展示了這張圖表，比較了 AI 原生應用程式與傳統行動應用程式的日活躍使用者與月活躍使用者比例。當時的重點是 AI 應用程式的參與度比例很差。數據顯示，炒作超過了現實。我們非常高興地報告，這個重點現在已經發生了巨大變化。令人驚訝的是，例如 ChatGPT 的日活躍使用者與月活躍使用者比例持續攀升，現在已經接近 Reddit 的水平。 我認為這是個非常好的消息。這意味著我們越來越多的人從 AI 中獲得價值，我們都在共同攀登如何將 AI融入日常生活的階梯。有時候這種使用是美好而有趣的。我個人為了將所有東西都「Jiblify」化，燒掉了數量驚人的 GPU。 嗯，雖然 jib 時刻很有趣，也很有病毒性，但更令人興奮的是所有我們才剛開始接觸到的更深層次的事物。例如，廣告，能夠創造出驚人準確和美觀的廣告文案。教育，能夠彈指之間將新概念視覺化。醫療保健，能夠透過像 Open Evidence 這樣的應用程式更好地診斷病人。 我們才剛開始探索可能性。隨著 AI 模型變得越來越強大，我們透過這個入口能做的事情也變得越來越深遠。好的。這裡有誰看過電影《雲端情人》(Her)？好的。嗯，我們今天Brendan 也在座。嗯，我們仍然沒有 AI 版的 ScarJo (Scarlett Johansson)，但 2024 年帶給了我們我稱之為語音的「雲端情人時刻」。 語音生成從「幾乎達成」完全跨越了恐怖谷。我聽過一些人這麼說，但請先保留意見。看看我是否能真正讓你大吃一驚。你看過電影《雲端情人》嗎？喔，是的。《雲端情人》是經典。Joaquin Phoenix 確實演活了愛上作業系統的那種感覺，對吧？這讓人好奇未來會是什麼樣子。 Sesame 的語音示範令人難以置信，Brendan。我很期待看到你打造出什麼。科幻與現實之間的差距縮小得如此之快，真是太瘋狂了。感覺圖靈測試真的悄悄地降臨在我們身上。事實上，這要歸功於 Jim Fan，他在推特上發了這個，我把它偷來用在這次簡報中。 所以，嗨 Jim。
從技術角度回顧
嗯，最後，年度突破性的應用類別是程式編寫，它達到了極高的產品市場契合度。Anthropic 的 Claude 3.5 Sonnet 去年秋天推出，引發了程式編寫領域氛圍的快速轉變。人們現在正使用 AI 程式編寫來完成一些令人印象深刻的事情。例如，這個人「氛圍編碼」(vibe coded) 了他們自己的 DocSend 替代品。 因此，無論您是資深的 10 倍效率工程師，還是完全不懂程式編寫的人，我們都認為 AI 正在從根本上改變軟體創建的可及性、速度和經濟效益。從技術角度來看，壞消息是預訓練似乎正在放緩。自 AlexNet 時代以來，我們已經將預訓練規模擴大了九到十個數量級，這意味著許多唾手可得的成果已經被摘取。 研究生態系統正在尋找新的突破方法。最重要的突破是 OpenAI 的推理能力。去年在 AI Ascent 大會上，我們有幸請到 Strawberry 團隊的 Noam Brown 向我們預告了推理能力的發展，今年我們很高興 Dan Roberts 也來到現場，他將就 O3 和推理能力的進展發表演講。 但不僅僅是推理，還有合成數據、工具使用、AI 支架。所有這些因素結合起來，創造了我們擴展智能的新方法。Anthropic 的 MCP 創建了強大的生態系統和網絡，我們也很期待看到這對加速代理工具的使用有何影響。 因此，所有這些更大的基礎模型、推理時間推理、工具使用，都在結合起來創造能夠執行日益複雜任務的 AI。「Meter」基準是衡量這一點的一個很好的量化指標。但我認為更強大的是與你們每個人交談，了解那些因為 O3、Operator、Deep Research 或 Sonnet 才可能實現的事情。 最後，目前 AI 領域許多最令人興奮的技術創新都發生在研究與產品之間模糊的邊界。我認為過去一年中這方面的兩個突破性例子是 Deep Research 和 Notebook LM。我們很高興今天能邀請到這兩個產品的創造者來到現場。 來自 Notebook 的 Riza 和 Jason，他們正在創建一家名為 Hu 的新公司，以及來自 OpenAI 的 Issa Hulford。
AI 價值鏈的價值所在
好的，讓我們談談價值將在 AI 堆疊的哪個部分產生。我記得當時和我在 Sequoia 的出色夥伴們爭論這個問題。我個人當時就像這張圖中間那個見識一般的人，說著「啊，我不太確定 GPG 封裝器怎麼樣。」 我記得我的合夥人，特別是 Pat，堅稱價值將會累積到應用層。我當時想：「好吧，Pat，祝你好運。」但看著過去幾年的發展，我想你是對的，Pat。你屬於這裡。做得好。 呃，如果你看看價值在哪裡被創造出來，如果你看到像 Harvey 和 Open Evidence 這樣的公司真正創造了那種客戶導向的價值，我們非常相信應用層最終將是價值累積的地方，而且隨著基礎模型日益在此層競爭，戰場正日益激烈。 好的，題外話，其實我們都被耍了，因為這個技術堆疊中真正無可爭議的王者，賺進所有鈔票的，正是那位大師級人物 Jensen Huang，我們很快就能聽到他的演講了。
AI 殺手級應用與代理人的崛起
好的，回到應用層。我們現在認為，第一批 AI 的殺手級應用已經出現。無論是 ChatGPT、Harvey、Glean、Sierra、Cursor、A Bridge，還有一大批新興公司正在各種豐富多樣的終端市場中崛起，包括 Listen Labs、包括 Open Evidence。我們很高興今天能重點介紹你們中的許多人。
另一個預測是，這些新公司中有許多將會是代理人優先 (agent first)，而且這些公司銷售的代理人將從目前通常只是拼湊而成的原型，進化到真正強大的代理人。我們看到公司正在透過兩種途徑來實現這一目標。 途徑一：透過嚴格的測試和評估進行協調。途徑二：針對端到端任務進行調整的代理人。我們今天很期待能從 Langchain 的 Harrison 和 OpenAI 的 Issa 那裡聽到更多關於這方面的內容。
垂直領域代理人的預測
我們對 2025 年代理人公司形態的下一個預測是垂直領域代理人。對於深入了解某個領域的創辦人來說，垂直領域代理人是一個絕佳的機會。 我們看到公司正在創建端到端訓練的代理人，使其在非常特定的工作流程中表現出色，使用的技術包括基於合成數據和使用者數據的強化學習，以使 AI 系統在非常特定的任務上表現非常出色。到目前为止，我們看到的證據讓我們非常樂觀。在資安領域，Expo 現在展示了他們有一個可以勝過人類滲透測試員的代理人。在 DevOps 領域，Traversal 展示了他們可以創建一個比最優秀的人類故障排除員更出色的 AI 故障排除員。在網路領域，Meter 和網路工程師也是如此。所以所有這些，所有這些數據點，雖然還很早期，但它們讓我們非常樂觀地相信，經過訓練以解決非常特定問題的垂直代理人，如今可以勝過最優秀的人類。
代理人與豐盛時代的來臨
關於 2025 年代理人的最後一個預測。我們正在進入一個豐盛的時代。程式碼作為第一個轉捩點的市場類別，將為我們預示那個豐盛時代的真正意義。當勞動力廉價且充足時會發生什麼？我們會得到一堆 AI 的劣質品嗎？當品味成為稀缺資產時又會發生什麼？我們很期待看到程式碼代理人的持續進展，以及這對科技版圖的影響，同時也將其視為其他產業將如何被 AI 改變的預兆。 我把時間交給 Constantine。
Constantine：AI 的中長期展望
謝謝你，Sonia。好的。做得很好。與你同在。好的，大家早安。謝謝 Sonia。謝謝 Pat。所以，我們剛剛討論了非常重大且重要的主題。「所以呢」，為何這件事如此無比重要。「現在該怎麼辦」，世界上正在發生什麼事，AI 的現狀及其 ближай的未來。 現在，我們要退一步思考。我們要思考關於中長期將會發生什麼的預測。這部分將有三個小節。我們會談論我們所看到的下一個主要浪潮。然後，我們會探討實現那個浪潮所需的技術。最後，我們會談論這對我們每個人、我們的日常生活意味著什麼。
下一波浪潮：代理人經濟
一年前，AI Ascent 的主題完全是關於代理人。我們當時在談論代理人，它們才剛開始形成業務。當時的主題其實是這些機器助手，我們預測它們最終會組合成機器網絡。這些機器網絡現在被廣泛稱為代理人群 (agent swarms)。 它們在你們許多公司中扮演著角色，並開始形成 AI 堆疊中一個非常關鍵的部分。代理人之間互相合作、互相競爭、協同工作，共同進行推理。在未來的幾年裡，我們認為這將進一步成熟為代理人經濟。代理人經濟是指代理人不僅僅傳遞資訊。 它們轉移資源。它們可以進行交易。它們互相追蹤。它們理解信任和可靠性。它們實際上擁有自己的經濟體系。嗯，這個經濟體系並未排除人類。它完全是關於人類的。在這個代理人經濟中，代理人與人合作，人也與代理人合作。
實現代理人經濟的技術挑戰
但是，為了實現我們即將進入的那個非常重大的下一波浪潮，我們面臨許多重要的技術挑戰，我們將討論其中三個。坦白說，在座各位在你們的建設過程中都將會應對這三個挑戰。嗯，第一個是持久性身份。當我們談論持久性身份時，我們實際上指的是兩件事。 首先是代理人本身需要具有持久性。如果你和某人做生意，而他們每天都在變，你可能不會和他們做太久的生意。那種截然不同的體驗會造成影響。代理人必須能夠保持其自身的個性和理解力。 第二種持久性是理解你。同樣地，如果你和一個人做生意，而他們不記得任何關於你的事情，他們幾乎記不起你的名字，這對信任和可靠性也是一個巨大的挑戰。現在，我們一直在嘗試各種方法，從 RAG 和向量資料庫到非常長的上下文窗口，但在座的每個人都知道，在真正的記憶、基於真正記憶的自我學習，以及讓代理人在重要的地方保持一致， 並且只在應該不同的地方有所不同，這些方面仍然存在重大挑戰。第二個主要的技術轉變是我們需要有無縫的通訊協定。好消息是現在似乎每個人都專注於此。但是想像一下沒有無縫通訊協定的個人電腦。沒有 TCP/IP，沒有網際網路。 我們現在才剛開始建構那個協定層。當然，圍繞著 MCP 有很多令人興奮的發展。很高興看到大型企業合作並共同努力，提出這只是其中之一，但將會是一系列協定，這些協定將允許資訊的傳輸、價值的傳輸和信任的傳輸。最後，安全性。 這是一個將會越來越重要的議題，也肯定是你們許多人最關心的問題。如果你無法與你做生意的人面對面、手把手地見面，那麼安全和信任的重要性就會更加突顯。你無法與代理人這樣做。所以，我們將會圍繞著信任和安全形成一個完整的周邊產業，而且在代理人經濟中，它將比在我們目前的經濟中更加重要。
代理人經濟對我們的意義
所以，我們談到了實現這個巨大浪潮、實現這個代理人經濟所需的技術。現在，讓我們談談這對我們每個人意味著什麼。嗯，首先，它將改變我們的思維模式。坦白說，在座各位在我們稱之為隨機性思維模式 (stochastic mindset) 方面已經達到了。 隨機性思維模式是對決定論的背離。你知道，我們很多人愛上計算機科學是因為它是如此的決定論，對吧？你編程讓計算機做某件事，它就會做。即使那會導致段錯誤 (sag fault)。現在，我們正在進入一個計算將是隨機性的時代。如果你要求計算機記住數字 73，它明天、下週、下個月都會記住。 如果你問一個人或一個 AI，嗯，它可能會記得 73。它可能會記得 37、72、74、下一個質數 79，或者什麼都不記得。這裡的重點是，這將與我們過去幾十年的思維方式有著本質上的不同。第二個改變是管理思維模式。而這種管理思維模式將完全圍繞著理解你的代理人能為你做什麼和不能做什麼。 每個人都知道，成為一名非常優秀的獨立貢獻者 (IC) 工程師與成為一名優秀的工程經理有很大的不同。這將是大部分經濟體將要經歷的轉變，轉向更複雜的管理決策，例如阻斷流程和給予回饋。 我真心希望這不會導致對代理人進行年終評估。讓我們盡量避免這種情況。第三個對我們每個人的重大改變是前兩者的結合：更大的槓桿作用，但確定性顯著降低。我們正在進入一個你可以做得更多，但必須能夠管理不確定性和風險的世界。 在這個世界裡，在座的每個人都非常適合茁壯成長。
前所未有的槓桿效應
一年前在 AI Ascent，我們討論了這張圖表，我們當時在談論槓桿效應，因為我們說組織中的個別職能部門將開始擁有 AI 代理人。然後我們預測這些職能部門將開始合併。 它們會聚集起來，整個流程將由 AI 代理人完成。我們甚至預測將會出現第一個單人獨角獸公司。現在，這還沒有發生，但我們確實看到公司以前所未有的速度擴張，而且員工人數比以往任何時候都少。我們確實認為，在這個經濟體中，我們將達到前所未有的最高槓桿水平。 最終，這些流程和代理人將會合併。你將在非常龐大複雜的神經網絡中擁有神經網絡。一個由這些神經網絡組成的網絡。這將改變一切。它將重新定義個人工作。它將重塑公司。它將重塑經濟。
結論
感謝各位的參與。我們今天將會有一個精彩的 AI Ascent。我們非常感謝你們和我們在一起。