红杉AI Ascent 2026：真正的护城河在客户

发布时间：2026-05-02 02:06来源：微信阅读：7

近期，红杉资本举办的AI Ascent 2026峰会，再度引发了业界的广泛瞩目。面对模型迭代速度飞快、智能体逐步占据白领岗位并重塑工作模式的现状，这家曾成功押注苹果、谷歌及英伟达的顶级风投机构，却提出了一个看似平常的建议：放下技术内卷，转而深入洞察你的客户。

这番话听起来或许有些耳熟能详。然而，细读演讲内容，其内涵远非表面那般简单，而是对AI时代竞争法则的全新诠释。在合伙人帕特·格雷迪、索尼娅·黄和康斯坦丁·布勒的分享中，这一建议背后隐藏着一个值得深思的核心议题：当技术沦为快消品，何者才是恒久的价值锚点？

01.

智力平权的到来：“聪慧”不再稀缺？让我们看一个案例：2024年初春，埃森哲进行了一项内部测试。他们安排一组新人分析师与AI协作，共同完成一份行业报告。结果显示，AI辅助的新人团队，在分析深度与报告质量上，全面超越了独立工作的资深顾问组。

如今在2026年，这已不足为奇。但这不仅是效率的故事，更预示着一场前所未有的“智力平权运动”正在上演。要洞悉这一趋势的深远意义，需回归一个本源问题：在过去数百年的商业社会中，企业究竟为何付费？

答案在于：为稀缺的认知能力买单。例如，律师收费高并非因打字快，而是因掌握判例与法理；咨询顾问昂贵非因PPT精美，而是能洞察复杂商业问题；医生受尊崇非因会听诊，而是能精准诊断。这些能力的共性在于：需漫长训练、高额投入及持续积累。供给稀缺，故价格昂贵，这是工业革命以来知识经济的底层逻辑。

如今，AI 正在瓦解这一逻辑。当大语言模型数秒内调取全部法条与判例，当它像资深税务师般分析财务，当它比放射科医生更早识别肿瘤——那曾由“漫长训练”构筑的认知壁垒，正变得千疮百孔。红杉合伙人康斯坦丁·布勒讲述了一个意味深长的事：19世纪，铝因稀有被陈列蒂芙尼，比黄金还贵。数十年后，电解法发明，铝价暴跌至三明治包装纸价，用完即弃。

他比喻道，今日之铝即人类智能，电解法即人工智能。昔日需数十年寒窗掌握的博士级技能，正被“电解”成随手可得的日用品。此非替代，而是能力廉价化。红杉合伙人反复强调：投资非AI技术本身，而是其引发的服务业重构。此判断基于经济学洞察：当能力由稀缺变充裕，相关商业模式将经历价值重估。

若月薪500美元的智能体能替代年薪10万美元的助理，若几美分的诊断AI能取代年薪40万美元的初级医生——被颠覆的不仅是薪资单，更是整个服务业的供应与定价模型。红杉亮出震撼数据：仅美国法律服务市场即达4000亿美元，与全球软件产业相当；若全美服务业皆被渗透，总额达10万亿美元。他们不谈技术趋势，而是押注认知劳动力的重新定价。

02.

扩散鸿沟显现：“慢”或成新商机？红杉合伙人提及一矛盾现象：技术产出速度与市场采纳速度存在巨大落差，且在AI时代急剧扩大。我们来探讨其成因。

模型进化有多快？2023年初GPT-4初现律师资格考试能力；2024年中Claude 3.5已能独立完成复杂代码；2025-2026年长周期智能体数小时即可完成数周工作。进化曲线如悬崖般陡峭。企业采纳速度如何？麦肯锡2024年调查称，虽超70%企业“探索AI”，但深度嵌入核心流程者不足15%。多数财富500强公司仍以2022年方式处理2026年业务。

为何？技术不足？非。决策保守？非全。真因：组织消化能力滞后于技术进化。经历过数字化的人深知，让千人组织采纳新工具需经选型、审批、审查、培训、改造、调整……每步皆耗时数月。部署完毕时，模型可能已迭代两代。此速度差造就奇特市场：供给端白热化竞争，需求端消化不足。如巨型水管灌小漏斗，流速由口径决定。红杉称此为“扩散鸿沟”——技术越快，鸿沟越大。

对应用创业者而言，此鸿沟非bug，乃feature。因身处模型厂商与终端用户间，扮演“适配器”角色。非提供技术能力，而是解决“如何让组织真正用上”的问题。此问题复杂度与模型无关，与“人”有关。人员培训、流程设计、变革推动、信任建立——这些繁琐工作，正是技术通向商业价值的最后一公里，亦是擅长模型的公司所不擅长的。

03.

护城河悖论：底层技术壁垒何在？2023年，多数人认为AI护城河在模型层，谁强谁统治。两年后，假设被现实粉碎。GPT-4发布后，Claude、Gemini及国内头部厂商迅速追赶。新能力推出后，数月内对手便有类似或更强版本。价格战同步开启：Token成本跳水，推理价格连降。

此非偶然。AI基础模型具有同质性，天然难成护城河。与石油、矿产、专利药不同，其能力基于公开论文、开源代码与算力。任何公司突破，很快被行业吸收。今日引以为傲的优势，下周或成开源通用能力。格雷迪引用比喻：过往AI应用多为“更快的马”——提升效率10%-40%，未变工作方式。真机在于“汽车”——重塑工作流与组织架构。若产品仅基于模型特有能力，造出的永远是“更快的马”，因模型一升级，便跑不过他人。

真壁垒不在“快”，而在“懂”。懂客户之痛，懂真实需求，懂决策逻辑，懂行业隐规。此知识不在论文、数据集，而在多年沉浸的“手感”。红杉指出：计算革命应向上看，非向下。向下是日新月异模型，无尽军备竞赛；向上是客户相对稳定的根本问题。因客户需求变化远慢于技术进步，今日开发的产品明日或过时，但与客户深度绑定可穿越周期。技术竞赛乃巨头游戏，有钱、有算力、有人才，可追上任何突破。但理解具体行业、角色、场景下的痛苦，需不同能力与时间投入——堆GPU无法加速对客户的理解。

04.

示能消失：越强大的AI越难用？在红杉MAD框架中，“示能”源自设计领域。何为示能？如锤子，无需说明书即知用途，形状、重量、重心无声指引。好设计让人不假思索使用。然今日最强AI工具普遍缺示能。Claude Code强大，需开终端、懂命令行、解路径，非技术背景用户望而却步。ChatGPT通用界面无引导，新用户面对空白输入框常不知所措。

这是被低估的挑战：能力越强，越需精巧示能。因强大意味着可能性空间大，用户决策负担重。若工具无所不能，用户反不知如何使用。这是应用创业者第二重机会：为特定群体、解决特定问题、在特定场景下，设计阻力最小路径。此路径不必暴露所有能力，只需在正确时间、方式、向正确人，呈现正确功能。听似设计常识，AI领域能做好者凤毛麟角。多数产品陷两极端：“万能聊天框”无所不能却无从下手，“功能大杂烩”功能繁多却无一好用。成功设计极度克制：非让用户适应AI强大，而是让AI适应用户习惯。需深度理解用户行为、反复打磨交互、在“能做”与“该做”间取舍。此皆与模型能力无直接关系。

05.

服务即软件：Token经济改写服务业成本曲线。红杉叙事中，一被忽视的判断是：服务正变软件。自亚当·斯密起，经济学家研究千年的难题：鲍莫尔成本病。简言之，制造业效率可持续提高（机器更快、自动化更高），但服务业（教育、医疗、法律）难。因服务业“生产”高度依赖人时，人时无法像机器指数级提效。老师一节课学生有限，医生一日病人数限，律师一年案量有限。结果：服务业成本随社会经济发展不断攀升。

如今，AI 正在改写此规律。当智能体可同时处理100客户咨询，当诊断AI一分钟分析全年病历，当法律AI并行审查数千合同——人时瓶颈被打破。Token替代工时，边际成本趋近零。服务业“鲍莫尔魔咒”首次有被打破可能。过去因成本高不可及的专业服务——定制法律建议、个性化医疗、一对一辅导——突然“可支付”。

此为红杉看多“服务即软件”的核心逻辑。非AI比人聪明，而是让服务单元经济学发生质变。昔日必由高薪专业人士亲力亲为的任务，现可拆解、标准化、自动化，由Token驱动智能体执行。智能体成本非线性——服务10客户成本几与服务1000客户相同。“复制边际成本为零”特性，曾让软件产业创最高利润率，现正向服务业渗透。最快渗透于“标准化高、重复强、知识密集”领域。法律文书审查、基础税务、常规影像诊断、标准化财务审计等，人才成本高、服务量大、出错容忍度低，为智能体经济最先落地的滩头阵地。

06.

工作意义重构：当“生产力”不再需人类若以上分析成立，更深层问题浮现：当脑力劳动可被大规模替代，人类工作意义何在？此非哲学问题，乃正在发生的商业问题。过去两世纪，工业革命替代肌肉，保留大脑。机器取代体力劳动者，同时创造工程师、经理、设计师、分析师等新型“脑力岗位”。人类价值从“出力”转移至“出主意”。

但AI革命替代的恰是“出主意”本身。此非指人类无事可做，而是需重新定义“何为有价值工作”。康斯坦丁·布勒从艺术史入手：19世纪摄影术诞生，写实绘画被机器碾压，艺术家未消亡，转而投向摄影术无法触及之域——内心感受、主观视角、情感共鸣。印象派、表现主义、立体主义喷涌而出。“技术替代-文化反弹”模式，或同样适用于AI时代白领工作。

当AI能写出流利报告、生成精美图表、完成严谨分析时，人类在“执行层”优势消失殆尽。但在“为何写”、“为谁写”、“何种方式打动人心”——涉及意图、判断、共情的问题上，人类不可替代性凸显。未来工作是否从“做事情”转向“决定做什么”与“为谁而做”？已有早期迹象。广告创意业，AI可生成100个slogan，但最终拍板需人直觉。投资领域，AI可扫描海量数据标异常，但信赖创始人愿景仍需面对面判断。不可被算法化的能力——意图设定、价值判断、情感连接、意义建构——正从“高阶能力”变“核心能力”。普罗泰戈拉言：“人是万物的尺度。”AI能力指数级爆炸的未来，真正稀缺非智能，而是连接。情感链接、信任关系、审美共鸣，这些“非理性”东西，乃人类最后的、最坚固堡垒。

此亦解释为何红杉合伙人在压轴环节不谈参数、不算力、不聊AGI，而是提醒：建立深刻连接。

· 结语 ·

最后，重新定义护城河。红杉合伙人指出，20世纪初，福特靠流水线效率统治市场。20世纪后半叶，丰田挑战福特，靠精益生产、供应链管理与对人深度赋权，非更流水线。当制造能力商品化，竞争优势转移至组织方式。今日AI行业面临类似结构性转变。第一阶段技术红利消退。早期，有模型能力即可生差异。但随着模型趋同与开源生态成熟，“有模型”本身非优势。

第二阶段红利转移：从“有没有技术”转向“会不会用技术解决问题”。格雷迪引用赛车名言：“晴天难连超15车，雨天可。”AI领域即暴雨。新能力倾盆而下，领先优势脆弱，但任何人有机会脱颖而出。雨天超车者，非车技最好，乃对路面最有感觉者。此届红杉演讲，实描述阶段转移特征及新阶段护城河何在。非模型、算法、算力，而是三样扎根场景之物：对客户痛苦深度理解、为客户设计最优路径、持续赢得客户信任。红熊AI重视技术创新，亦以“客户第一”为铁律。此三者老化速度慢：技术过时，信任积累；算法被超越，行业认知渐厚；模型迭代，客户关系沉淀。

此亦令我想起贝索斯名言：“常被问未来十年何变，鲜有人问何不变。后者更重要。”在AI领域，未来十年何不变？人们仍需被理解、被服务、被信任。企业仍愿为解决问题方案买单。行业经验仍需时间换取。这些不变之物，或才是剧烈变化时代创业者最应下注筹码。