炒股配资平
AI 未来的五大关键趋势
来源 |乌鸦智能说
作者 |智能乌鸦
8月底，红杉美国合伙人 Konstantine Buhler 发表了一场题为 《The $10 Trillion AI Revolution》（10万亿美元的人工智能革命） 的演讲。
在这次演讲里，红杉给出了两个明确判断：
第一，AI革命的演进速度远快于工业革命；
第二，专业化将成为AI革命的核心逻辑。
如果把AI革命和工业革命放在一条时间线上，对比会更直观。
1712年，第一台蒸汽机诞生；
直到67年后的1779年，才出现第一座现代工厂。
而AI只花了17年就完成了类似的跨越。
1999年，发布了第一块真正意义上的GPU——GeForce 256；
到2016年，深度学习大爆发，GPU算力、大规模数据集和开源框架逐渐成熟，AI的训练与应用第一次像工厂流水线一样标准化、规模化，智能成果（AI Token）开始源源不断地产生。
这轮AI革命的速度虽快，但底层逻辑却和工业革命很像。
工业革命用了144年不断“做专做深”：
把通用蒸汽机改造为适配纺织、采矿、运输等场景的专用机器。
红杉认为，这背后反映的是一个规律：
复杂系统要成熟，必须同时依赖通用技术和高度专业化的组件。
这正是AI的当下和未来。
红杉判断，10万亿美元的新机会不会留给传统巨头，而会属于那些把通用AI技术不断“做专做深”的创业公司。
尤其在服务业等领域，更可能诞生一批围绕AI打造的新一代上市公司。
除了这些核心观点，红杉还分享了他们对AI行业的最新趋势洞察，并提出了5个重点投资主题，值得细读。
01
专业化之路正孕育下一个产业巨头
回顾工业革命，有三个关键节点：
1712年，英国工程师 托马斯·纽科门（Thomas Newcomen） 发明了世界上第一台实用蒸汽机。
1779 年，英国实业家 理查德·阿克赖特（Richard Arkwright） 建立了世界上第一个现代工厂系统（纺织厂），生产流程第一次从“家庭手工业的分散小作坊”，变成了 统一管理、流水作业的工厂模式。
1923 年，由福特汽车公司最早提出的流水线模式，逐渐扩展为一整套现代化的机器生产线体系，把装配分解为多个标准化工序，每个工人只负责其中一部分，大大提升了效率。
需要注意的事，这三个节点的时间跨度非常长。
从第一台蒸汽机到第一座工厂之间隔了 67 年，而那座工厂甚至不是靠蒸汽机驱动，而是靠水力；
从第一座工厂到现代流水线之间又隔了 144 年。
问题来了，为什么会花这么久？
尤其是，这 144 年之间到底在发生什么？
红杉认为，漫长演化背后一个新兴技术的趋势：
复杂系统发展到一定规模后，必须往“专业化”走。
任何复杂系统，发展到一定规模后，都得把“通用技术”和“专门工具”结合起来，才能真正落地。
就像光有蒸汽机还不够，还需要不断拆解、细化，把它们改造成适合纺织、采矿、运输等不同场景的机器，才能真正高效运转。
回到 AI 革命里，其实一切都能找到对应关系。
1999 年，英伟达推出的第一块 GPU——GeForce 256，就像当年的蒸汽机，点燃了智能计算的火种。
到了 2016 年，深度学习迎来大爆发。
GPU 算力、大规模数据集，以及 TensorFlow、PyTorch 这样的开源框架逐渐完善，AI 的训练和应用第一次像工厂流水线一样“有章可循”。
这意味着，AI 从零散的探索真正走进了规模化生产的阶段，开始能源源不断地产生智能成果（AI Token）。
那么问题来了，AI革命里的“洛克菲勒”（石油大王）“卡内基”（钢铁大王）会是谁？
我们认为，不会是传统巨头，而会是今天这些正在把通用技术不断“做专做深”的创业公司，以及未来还未诞生、但会用 AI 打造出一个个具体应用的新玩家。
02
AI 服务市场10 万亿美元的新机会
云计算转型之初的软件支出是3500亿美元，其中SaaS（软件即服务）只有一小块 60 亿美元。
后来的故事是，SaaS 不仅扩大了它在本地化软件市场的份额，还把整个市场扩大到 6500 亿美元以上。
红杉认为人工智能会发生类似的情况，而且机会更大。
现在，AI自动化的市场规模只有200亿美元，而未来这将是一个10万亿美元的市场。
下面这张图是红杉内部的一个数据，对服务领域各个场景的规模测算。
测算逻辑是：“该职业的从业人数 × 年薪中位数”（数据来自美国人口普查局）。
通过这些数据，你能看到，AI所能取代的服务市场到底有多大。
在上面的很多领域，红杉都做了投资——
比如册护士领域的 Open Evidence 和 Freed，软件开发领域的 Factory 和 Reflection，法律领域的 Harvey、Crosby 和 Finch。
在红杉内部，他们一直强调市场的重要性。
这张图展示了标普 500 的市值分布。
你会注意到，只有少数几家特别大的公司。
最左边是英伟达，市值超过 4 万亿美元，百分比显示的是它过去一年的涨幅。
但是，你不会在上面看到 Kirkland & Ellis 这样的律师事务所，也不会看到 Baker Tilly 这样的会计事务所，尽管它们的营收都有数十亿美元。
所以，红杉认为，AI革命带来的机会，不只是把现有市场分一杯羹，而是把市场的边界整体做大。
未来，很可能会诞生一批全新的公司，它们专门服务行业打造AI应用，并最后成长为独立的上市巨头。
03
AI 未来的五大关键趋势
第一个趋势：AI带来生产力杠杆，但也要学会与不确定共处。
红杉发现，由于AI的出现，让我们的工作方式正在变化。
过去，一件任务要靠自己亲力亲为，虽然效率不高，但结果几乎是可控的。
未来，AI 能帮我们把效率放大几十倍、上百倍，但也要接受结果可能没那么完美。
比如做销售，以前你得自己盯着所有潜在客户，一个个跟进。
而在 AI 代理的世界里，你可能会用像 Roks 这样的工具，每个客户都配一个 AI Agent，帮你追踪进展、发现变化、提醒你什么时候该重新出手。
当然，这些 AI Agent 不会像你本人一样滴水不漏，它们有时会犯错、会漏掉细节，这时候需要人来校正。
但总体上，你等于有了一整个“分身团队”，带来的是百倍甚至千倍的效率提升，只是要学会和一些“不确定性”共处。
第二个趋势：AI 的标准正在走出实验室，进入真实世界。
过去很长一段时间，AI 的能力主要靠学术基准来衡量，比如十几年前图像识别就靠 Imagenet 排名。
可现在，如果你要证明 AI 真有实力，就必须在现实场景里见真章。
比如 ，Expo 想证明自家的 AI 是世界上最强的“黑客”，他们选择了在 HackerOne 平台上与和全球黑客直接比拼。
HackerOne 是一个全球性的网络安全众测平台，上面有成千上万的黑客，他们会尝试入侵系统、找漏洞，然后提交报告获取奖金。
结果，他们真的打败了所有人，拿下全球第一。
这说明一个趋势：
今天衡量 AI 的新金标准，不再是学术测试，而是能不能在真实世界里赢。
第三个趋势：强化学习走到台前。
过去几年，强化学习一直是研究圈的热门话题，但更多停留在概念层面。
真正的转折点，是在过去一年它开始大规模进入实用阶段。
无论是顶尖的大型推理实验室，还是红杉投资的初创公司，都把强化学习当作核心技术。
比如 Reflection，就依靠强化学习，训练出了目前最强的开源编程模型之一。
第四个趋势：AI 走向物理世界。
过去，我们更多看到 AI 在软件里发挥作用，比如写代码、生成文本。
但现在，它已经开始深入到真实的物理世界。
这不仅仅是我们熟悉的类人机器人，还包括生产制造环节。
比如，Nominal用 AI 来优化硬件制造的流程，大幅提升效率；
在产品部署到现场之后，还能用 AI 做质量检测，确保运行可靠。
第五个趋势：算力成为新的生产函数。
如果说过去的生产函数是“资本+劳动力”，那么在 AI 时代，它变成了 “算力×知识工作者”。
衡量标准就是每个知识工作者所消耗的 FLOPs。
红杉调研发现，很多创业公司都认为未来这一数字至少会增长 10 倍。
因为知识工作者可能不止依赖一个 AI 助手，而是同时调用几十、几百甚至上千个 AI Agent 来完成工作。
在最乐观的情况下，消耗量甚至可能增长上万倍。
这意味着，谁能提供更高效的推理服务、更安全的推理保护，或者把这种新型算力生产方式更好地带给更多人，谁就能抓住下一个大机会。
05
五大AI投资主题从持久记忆到开源竞争
第一个机会：持久记忆。
它包含两层意思：
一是长时记忆——
AI 能长期记住你说过的话、你的习惯和上下文，而不是“聊完就忘”。
二是身份的持久性——
AI Agent 能在一定时间内保持自己的个性和风格。
如果要让 AI 真正进入生产力场景，这就是绕不开的关键。
但和模型规模扩展不同，持久记忆还没有出现类似“规模定律”的突破。
现在大家在尝试的方法，包括 向量数据库、RAG、超长上下文窗口，都还没彻底解决问题。
这背后，正孕育着一个巨大的机会。
第二个机会：无缝通信协议。
最近 MCP 很热，但如果对标互联网革命，就会发现 TCP/IP 并不是终点，而是起跑线。
未来 AI 之间要能真正无缝交流，这将催生出一大批新应用。
举个例子：在购物场景里，今天你可能先用 AI 查信息，再自己去下单；
而在未来，AI 之间能直接沟通——
帮你比价、下单、完成支付，整个过程自动完成。
这样一来，那些原本靠“平台垄断体验”的企业优势，都会被削弱。
第三个机会：AI 语音。
可能有人会问，为什么不是 AI 视频？
这是刻意的选择。
视频可能还需要一两年才能真正普及，而语音已经准备好了：音质已经足够自然，延迟也低到可以实时对话。
这意味着，语音将是 AI 最快落地的大入口。
应用场景非常多：
C端有 AI 朋友、AI 陪伴、AI 心理咨询师；B端更有巨大潜力，比如物流调度、金融大宗交易。
这些原本依赖语音沟通的场景，AI 能显著提高效率和准确性。
第四个机会：AI 安全。
这是一个极其巨大的机会，因为无论是在研发环节、分发过程，还是最终用户的使用场景中，安全都至关重要。
举个例子，有的用户可能会在 AI 的指导下运行 Terminal 命令去安装软件，但他并没有意识到，这个操作可能带来严重的安全漏洞。
未来，我们会进入一个 “AI 安全代理” 普及的时代。
在数字世界里没有物理限制，每个人，甚至每个 AI Agent，都能配备多个安全代理，为其提供多层次的保护。
第五个机会：开源。
就在两年前，很多人还坚信开源模型能和最顶尖的商业模型掰手腕，甚至可能后来居上。
但今天，这种信心已经明显动摇，开源的处境变得更加脆弱。
我们认为，开源能否保持竞争力至关重要。
只有开源继续发展，更多人才能自由地去构建 AI 的未来；
同时，这也能防止整个行业被少数资金雄厚的巨头牢牢掌控。
· END ·
合 作 对 接
扫码添加投资人说运营者微信，备注「商务合作」详细沟通。
超 级 社 群
【投资人说】正在组建超级创业者社群、超级读者群、超级媒体群等，目前总人数已超1000人。
关注【投资人说】微信公众号，发送信息「进群」，与各行业精英直接交流，共同进步。
旗 下 媒 体
鼎泽配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯