全文 4,500字 | 阅读约 13 分钟
（演讲片段：8 月 28 日，红杉合伙人 Konstantine Buhler 称 AI 将超越工业革命）
8 月上旬，ChatGPT 的周活跃用户，突破 7 亿。
这不再只是一个技术产品的数据点，而是平台级产品崛起的标志，宣告了AI 大众化时代的正式到来。
但资本关注的，并非一个单纯的聊天工具。
而是“微笑曲线”的两端：
- 左端，是底座：算力、数据、模型、安全基础、组织节奏；
- 右端，是入口：陪伴感、记忆能力、品牌留存、行业封装。
红杉、a16z、Altimeter等风投近期密集下注的，不是谁又训练出新模型，而是 Cursor（AI代码编辑器）、Expo（React Native开发平台）、Lovable（AI建站工具）、Reflection（开源大模型公司） 等这一类新初创公司。这些公司的核心能力在于沉淀用户关系、培养使用习惯，并在具体场景中建立优势。
正如红杉刚刚发布的《认知革命报告》指出：
我们不再押赌模型的参数，而是在寻找下一个时代的‘卡内基’与‘洛克菲勒’。
那些正在构建 AI 专业化组件与服务流水线的创业者。
而 OpenAI 的角色也正在变得复杂而强势：它不再只是"一个模型公司"，而是开始成为"人与AI之间的关系平台"。
所以接下来这个问题才真正重要：
这篇文章，我们从 ChatGPT 破 7 亿说起，讲一讲真正被资本看上的位置，不在参数的前沿，而在结构的两端。
一、曲线左端：谁在建 AI 底座
（图片：2025年，生成式AI产业链的价值主要汇聚在哪个环节？）
ChatGPT 爆火之后，大量注意力集中在“怎么做出一个新AI应用”。但资本很快分流了两个方向：一批押在最底层的算力、数据、模型基础设施，另一批押在深度绑定用户的应用场景。
本节我们先看左边：谁在建 AI 的底座，谁就掌握了未来流量和价值的分配权。
Altimeter 投 OpenAI，不是因为它模型多快，而是因为它早就把基础能力、算力路径和数据反馈连成了一条闭环。这种“闭环”，不是说做得有多难，而是说它先一步整合了算力、数据、用户反馈这三个最核心的部件。
红杉怎么形容这个位置？他们公开表示：
“我们投资的不是模型能力，而是新的认知工厂。就像工业革命早期，蒸汽机虽然发明了，但没有工厂流水线就无法产生规模化产能。OpenAI和类似团队正在做的，就是第一批认知工厂。”
这个说法非常关键。你不是在看 AI 能答对多少题，而是在看谁能把"AI技术能力"和"用户真实需求"组织在一起，开始真正产生价值了。
我们看到，像 Expo 这样的公司也出现在这一端。红杉提到：
“他们不是拿 benchmark（学术标准）去比性能，而是直接上 HackerOne 平台，跟全世界顶级黑客在真实漏洞战场上过招。”
这是认知革命里的真实检验，不再是论文或发布会，而是能够在现实世界中真正站住脚。这恰恰是核心所在。就像红杉说的：
验证标准已经从论文、demo，转向现实世界中的实际效果。
人才流动也印证了这一点：硅谷顶尖工程师正在向这些基础设施公司聚集。
这背后的逻辑很简单：顶尖人才看重的不是薪水高低，而是平台的承载能力。他们知道，只有基础设施扎实的公司，才能在 AI 能力快速迭代时不被拖垮。
红杉说这句话：
“真正的竞争不在于算法多先进，而在于基础设施多扎实。”
二、曲线右端：工具变关系
过去一年，大量 AI 创业项目都涌向了“封装层（Wrapper）”--应用层产品：也就是把大模型能力包成具体产品。有人说，这是“低门槛打法”。但越来越多的迹象显示，这个位置恰恰是下一轮增长里最容易建立优势的一端。
Altimeter在分析OpenAI估值时就提到一件事：
很多人以为 OpenAI 是模型技术公司，其实它更像“人与AI的关系平台”。产品不是重点，关系才是。
这是什么意思？意思是说，
用户不是冲着工具来的，而是开始把ChatGPT当“伴侣”、当“日常助手”、当“懂你”的存在。 而这种粘性，是封装层产品正在慢慢建立的核心。
再看开发者方向的产品 Cursor。很多开发者反馈：用完它写代码，不仅效率提升，而是习惯变了。你不会再打开一个空编辑器敲代码，而是习惯有个“对话式搭档”在身边帮你思考、帮你选函数。
这不是小事。Altimeter 投它，理由很简单：
“它不是在解决一个功能问题，而是在改写‘人和代码’的工作方式。”
这句话可以放大来看：应用层 AI 产品，不是工具型软件，而是“人机互动模式”的重构者。
红杉也说到一个现象：AI 语音的爆发。很多人以为视频才是 AI 的大招，其实语音才是真正走入日常的入口。
为什么？
语音保真度够了，延迟低了，才开始有临场感。这时候 AI 开始像朋友、像伴侣、像教练，才能留得住用户。
这正是 ElevenLabs 这一类产品的方向：打造 AI 情绪关系产品。用户不是在用它完成任务，而是在和它待在一起。
而这背后还有一个更深层的变化：这些封装产品，开始真正拥有自己的“记忆”和“风格”了。
红杉称之为“持久记忆”：
AI要真正服务用户，必须知道“这个人过去干过什么”，
并且保持自己一贯的语气和反应方式。
这是“人格持久性”。
所以我们能看到一件事：
从 ChatGPT 到 Cursor，再到 ElevenLabs 这类 AI 语音应用，这一轮 AI 产品的竞争焦点：不是靠功能留人，而是靠长期陪伴的体验和可信任的关系占据心智。
三、不是谁模型更强，而是谁组织得更快
2025年，Meta高调成立了名叫 “Superintelligence” 的AI团队，内部说是要“正面对抗OpenAI”。他们从OpenAI等顶级机构里，挖来了不少核心人才，年薪动辄千万美元。
但不到几周，多人回流 OpenAI。 Wired 的报道写得很清楚：Meta 给了钱，但留不住人。
为什么？
Altimeter 在访谈里提到一句话，几乎就是答案：
组织的迭代速度，才是 AI 时代最贵的资源。
换句话说，你再聪明，再会写模型，如果组织反应慢，产品节奏拖，你就会被边缘化。
OpenAI 为什么能留人？不是靠管得多，而是靠快速发布、快速反馈、快速迭代，同时拥有让人信服的使命和文化驱动力。
红杉对这种组织方式的描述是：
“很多 AI 团队都在从“要精确结果”转向“要更高杠杆”。结果可能没那么完美，但整体效率大幅提升。”
什么意思？过去你做销售，可能自己盯十个客户，现在你带着一百个AI代理帮你一起看。出错概率变高了，但整体产出也更大了。这需要组织能接受一定的不完美，但换来巨大的速度。
Expo 就是这种“快反馈、高效率”的组织典型。他们在红杉的描述里，不靠流程和报表，而是靠真实场景中的快验证：
“我们更在意一个创业团队，是不是能迅速在真实环境里验证方向。不是周报写得多好，而是能不能直接推向市场检验。”
你可以理解为：
OpenAI 和 Cursor 这类团队，不是因为有捷径，而是因为敢放权、敢上线、敢快改。这种团队氛围，才是核心吸引力。
红杉在认知革命材料里说了这样一句话：
“未来每个知识工作者，都会带着几十个甚至上百个AI代理。这种工作方式的单位，不能靠层层审批，而要靠自主加速。”
这不是未来才有的趋势，它已经在 OpenAI 这样的团队里，成为了现实。
四、服务业不是被AI替代，而是被AI重新做了一遍
如果说大模型是蒸汽机，那服务业就是下一批等待被改造的传统手工业。
红杉在演讲中幽默地表示：
“我们不是在做历史研究，我们是投资公司。所以让我们聊聊真金白银的机会。”
（图片：标准普尔 500 指数的市值）他们拿出了一张内部备忘录的图：美国整个服务行业大约有 10 万亿美元的体量，目前真正被AI自动化触达的，可能不到 200 亿。
也就是说，AI只进入了这个巨大市场的冰山一角，绝大多数岗位和服务还没有任何被重新构建过的机会。
红杉还特别列出了他们正在投资的方向：不是那些吸睛的AI概念炒作，而是医生、律师、审计员、工程师这些'基础职业'正在重塑的现场。
他们投资了法律领域的 Harvey、医疗方向的 OpenEvidence，以及专门做开发者辅助的 Factory、Reflection。
为什么这些看上去“传统”的职业是机会？
“我们在找的是那些拥有庞大劳动市场、重复性较强、但专业能力要求高的服务类工作。不是替代他们，而是帮助每个从业者拉起几十个AI助手，让一个人能完成十个人的事。”
这不是空话。像 Harvey，已经被很多律师事务所作为草拟合同的首选工具。不是因为它比人更懂法条，而是因为它能加快处理速度、补全遗漏，还能协助检查风险。人还是最终裁决者，但AI成了团队里效率最高的那个。
这种模式可以用一个比喻来概括：AI就像是给知识工作者装上了“放大器”。
换句话说，不是你被AI替代，而是你带着一队AI去干更大的活。
再比如 OpenEvidence，帮助护士和医生检索医疗知识，规避遗漏信息，让每次问诊更安全、更扎实。不是改变医疗流程，而是让经验不再只靠记忆，而是靠协助工具实时撑住决策。
这些公司并不抢眼，但正是红杉所谓的“认知革命早期的基础建设者”：
过去是产品规模化，现在是专业化规模化。
谁能让复杂服务被AI部分承接，谁就能撑起一个新行业。
Altimeter 和 a16z 也说过类似的表达。他们认为：
“真正能沉淀长期价值的，不是惊艳的demo，而是那些能进入组织流程、提升长期效率的应用。”
这就是为什么你在红杉、Altimeter、a16z 的投资名单里，看到越来越多务实型AI工具：它们的价值不在于"酷"，而在于"耐用"。
而且，这些方向远比大家想象中安全。
因为它们不是要砸掉传统行业的饭碗，而是帮这些行业解决人手短缺、知识密集、效率低下的老难题。
五、中美创业分岔：是基础设施的较量
很多人以为，AI领域的竞争就是拼模型大小，谁先冲到 AGI 谁就是赢家。
但事实越来越清晰：模型不是决胜点，基础设施才是入口。
OpenAI的最新动作印证了这一点：
他们宣布将在既有的"星际之门"（Stargate）计划基础上，与Oracle合作扩建4.5千兆瓦的数据中心网络，每年支付高达300亿美元的费用。
OpenAI这不是在比拼技术，而是在铺厂房、拉电缆、抢地皮。
（黄仁勋在8月29日接受 FOX 商业频道专访）
英伟达 CEO 黄仁勋在8月29日接受 FOX 商业频道采访时更直接：
未来十年，全世界会建设 3 到 4 万亿美元的 AI 工厂基础设施。
一个千兆瓦数据中心，投资是 500 亿美元，主要用在算力上。
他甚至补了一句：
所有会动的东西都将变成机器人。从物流到农业，从自动扶梯到医疗操作，全都需要 AI 工厂来产出“大脑”。
这就是我们现在看到的现实：美国正在用资本、人才、基础建设，一段段铺设出 AI 崛起的发展轨道。
红杉说得更透彻：
“我们已经有了 AI 的蒸汽机，现在该造的是认知工厂。”
在这座“认知工厂”里，有人造安全组件（Expo）、有人构建开发链路（Factory、Replit）、有人打通行业服务（Harvey、OpenEvidence）。
OpenAI、Anthropic、Google、Meta 等平台型玩家，则把人、算力、应用整合起来，试图跑出一整条供给闭环。
🔁 在中国，是国家在推动AI落地路径
同时，8月26日，中国启动了'AI+'国家级行动计划，这也引发了人工智能行业的广泛关注。
文件明确提到：到2030年，要让AI在六大重点领域普及率超过90%，同时建设八项核心能力，包括数据供给、开源生态、算力调度、安全体系等。
这些关键词，听上去很抽象，但本质上在做两件事：
- 构建自主可控的"算力-数据-模型"完整链路，不依赖海外工具
- 推动 AI 从理论研究走向实际应用，深度融入医疗、教育、政务等关键领域。
简单来说，美国靠资本投资专业工具，中国靠政策打通产业路径，目的其实是一样的：让AI真正用得上、留下来、发挥价值。
在芯片领域，中国正从被动的技术追赶转向主动的产业布局。
英国《金融时报》报道，中国正计划在2026年前将AI芯片产量提高三倍，目标是减少对国外的依赖，并建立更稳定的国内供应链。华为、中芯国际、寒武纪等也都在加速布局AI芯片领域。
🔁 创业环境不同，目标却高度一致
你会发现：
- 美国是资本主导型创业：建电厂、做应用、抢生态入口；
- 中国是政策引导型创业：补短板、打通链、落地真实场景。
两边的逻辑不一样，但都在做同一件事：不是等 AI 变强，而是让 AI 先能跑。
硅谷资本的逻辑很清晰：每个AI应用背后，都不是技术幻想，而是投资清单。不靠等，靠投、靠抢、靠快速部署。
中国 VC 同样很务实：依托政策优势和资本投入，本质上也是在抢同一个时间窗口。
这也是为什么这场 AI 革命，最后不只是模型、产品和投资人的事，
而是国家竞争力、组织速度、用户基础设施三者叠在一起，
才构成今天这场“AI 浪潮”。
结语：通往未来的门票，藏在微笑曲线的两端
ChatGPT 的 7 亿周活不是终点，而是一个分水岭。它让我们看清了一件事：
“AI不再只是技术概念，而是正在铺开一张价值地图”
就像经典的微笑曲线一样，这张图的左端，是安全、算力、底层构建力；右端，是陪伴感、留存率、用户黏性。中间，是还没有完全打开的、比我们想象大得多的空间。
过去我们用“赛道”来理解AI，谁领先一点参数，谁就抢跑。 但今天，真正能被估值、能沉淀价值、能撑起一轮轮融资和一家公司长期信用的，是核心能力，是竞争优势。
就像红杉说的：
我们不在找下一个模型升级，而是在找新的“认知工厂”。
也像 Altimeter 在回顾OpenAI估值时说的：
“我们关心的不是这家公司用了多少算力，而是它是否已经变成一个人类关系产品。”
- 谁站在这张“微笑曲线”的起点，就能盖得起左边的地基；
剩下的，不是等待技术进步，而是把这张图真正铺到现实世界里。
