AI的机遇：Sequoia Capital AI Ascent 2024开幕演讲
摘要
Sequoia Capital合伙人Pat Grady、Sonya Huang与Constantine Buhler在AI Ascent 2024大会的开幕致辞中，以投资人独有的宏观视野和数据洞察，为全场描绘了一幅AI机遇的宏大图景。Pat Grady以"云转型"为类比框架，指出云计算在过去20年间以40%的年复合增长率将市场规模从60亿美元推至4000亿美元——而AI因其"以软件替代服务"的独特能力，起点市场规模不是数千亿，而是数十万亿美元。他因此提出一个大胆的假设：我们正站在人类有史以来最大价值创造机会的临界点上。
Sonya Huang以数据驱动的视角审视了AI落地现状：生成式AI（Generative AI）在问世的第一个完整年度即创下约30亿美元总收入，而SaaS市场用了近十年才达到同等水平——速度与量级的双重指标清晰表明，AI不是泡沫。但她同时揭示了核心矛盾：企业去年花费了约500亿美元购买NVIDIA GPU，而AI应用层的收入仅约30亿美元——"数学还没算对"，基础设施的超预期投入与应用的收入产出之间存在巨大鸿沟。用户留存数据同样敲响警钟：相比移动应用，AI应用的日活/月活比和30日留存率仍显著偏低，这既是问题，也是机会——AI的"每周用一次"现象意味着"每日必用"的超级应用尚未诞生。
Constantine Buhler将话题从"当下如何"推向"未来何往"，将AI定义为一场生产力革命（Productivity Revolution）。他以农业从镰刀到联合收割机的万年历程为喻，提出AI遵循从"人类+工具"到"人类+机器助手"再到"人类+机器网络"的演进规律。最激进的推论落在最终——"一人公司"的崛起：整个企业的运营将由一个神经网络的抽象层自主调优和管理，一个人就能解决更大的问题、创造更多的价值。
正文
一、从云到AI：一个价值万亿的类比
Pat Grady以冷静的数据叙事开场。2010年，全球软件市场总规模约为3500亿美元，其中云计算仅占60亿美元——一个不起眼的边角。13年后的2023年，总体市场规模扩大到6500亿美元，而云计算已膨胀至4000亿美元——40%的年复合增长率持续15年。
他接着拆解AI相对于云的增量逻辑。云计算的本质是"用软件替代软件"——将本地部署的软件迁移到云端。而AI因具备三个前所未有的能力，其替代范围发生了根本性扩展：
- 创造能力（Create）：生成图像、文本、视频、音频——这是软件历史上首次具备创造功能
- 推理能力（Reason）：单步或多步的智能体式推理——同样前所未有
- 人类化交互能力（Interact in a Human-like Capacity）：软件首次能像人一样对话、理解、回应
这三项能力的叠加产生了质变：AI可以用软件替代服务业，而非仅仅是软件本身。这意味着AI的目标市场（Total Addressable Market, TAM）起点不在千亿级别，而在数十万亿美元级别——"你尽可以去梦想这将成为什么样的存在。"
二、为什么是现在：六十年技术浪潮的汇聚
Grady回溯了Sequoia自1960年代以来亲历的每一轮技术浪潮——从Fairchild半导体到PC、网络、互联网、云计算再到移动——试图回答一个根本问题：为什么AI在诞生逾80年后，直到今天才迎来爆发？
每一波浪潮是叠加性（Additive）的而非替代性的：
- 1960年代：硅基晶体管 —— 算力的物理基础
- 1970年代：芯片上的系统
- 1980年代：PC终端与局域网
- 1990年代：互联网 —— 全球连接
- 2000年代：云计算 —— 规模化应用平台
- 2010年代：移动设备 —— 78亿人口中70亿人手握超级计算机
AI需要所有这些前提条件：廉价丰富的算力、高速可靠的网络、遍布全球的超级计算终端，以及新冠疫情推动下一切被迫上线的数据积累。直到过去两年，这些条件才真正齐备。因此，AI将成为未来10到20年的主题——这一点，Grady"以对尚未证实假设的最大置信度"予以断言。
三、空白的右侧：AI原生巨头的诞生窗口
一张精心编制的幻灯片清晰地展示了云转型与移动转型造就的所有十亿美元营收级公司。左侧密密麻麻——Zoom、Salesforce、ServiceNow、Workday、Uber、Airbnb、DoorDash……右侧——AI的对应区域——几乎是空白。
"最有趣的不是右边有什么，而是右边没有什么。"Grady指出。如果在10到15年后再看这张图，右侧将有40到50个Logo。"它们很可能大多出现在这个房间里。这就是机会所在。"
四、现状盘点：30亿收入与500亿投入的算术题
Sonya Huang以一连串令人瞠目的数据勾勒出AI的真实落地状态。
速度和量级信号：
- 生成式AI首年总收入约30亿美元
- SaaS市场用了近十年才达到同等级别
- ChatGPT的用户量无需赘述
- 消费者与企业端、创业公司与成熟巨头——AI产品正在跨行业找到产品市场契合（Product-Market Fit, PMF）的早期迹象
三个已经清晰的落地场景：
- 客户支持：Klarna使用OpenAI处理了三分之二的客户服务咨询，自动化了相当于700名全职客服人员的工作量
- 法律服务：一年前法律仍被认为是最不愿意拥抱技术的行业之一，如今Harvey等公司已从律师的日常苦工一路自动化到高阶分析
- 软件工程：一年前AI"理论上"能写代码，如今已有完全自包含的AI软件工程师
但数学还没算对：
企业去年在NVIDIA GPU上的花费高达约500亿美元，加上数据中心和能源成本——所有这些投入，AI应用层目前仅产出约30亿美元营收。这个鸿沟意味着若干非常现实的问题需要解决。
五、留存率的警示与模型智能的解药
Huang进一步剖析了"用户为什么留不住"的问题。如果看日活跃用户与月活跃用户的比率（DAU/MAU），或者30日留存率，生成式AI应用与移动应用之间仍存在显著差距。对多数用户而言，AI目前是一种"每周一次、每月一次"的尝鲜现象，而非日常必需品。
用户访谈揭示了核心矛盾：期望与现实的落差。Twitter上的神奇Demo在使用时变成了失望——模型在可靠性上还不够聪明。好消息是，去年那500多亿美元的GPU支出正在结出果实：基础模型越来越聪明。仅过去一个月就涌现了Sora、Claude 3、Grok等新模型。随着基线智能水平的持续提升，AI的产品市场契合度将具有可预测的加速轨迹——这是AI市场区别于其他市场的一个特殊优势。
六、2024年四大预测
Huang以iPhone应用商店初期（啤酒应用、光剑应用）到Instagram、DoorDash的漫长演化史为引，提出2024年的四大预测：
预测一：从Copilot到Agent的跃迁。 2024年将是AI从"建议者"变为"执行者"的一年——从旁边给提示的Copilot进化为能将人类完全移出回路的Agent。AI更像同事而非工具。
预测二：推理与规划能力的突破。 LLM长期以来最大的软肋——似乎只是复述文本统计模式而非真正推理——正在被"推理时计算"（Inference Time Compute）和"玩法式价值迭代"等新研究方向改变。给模型时间去真正思考将产出更高阶的认知能力。
预测三：从娱乐到高可靠性场景的跨越。 AI将从"偶尔说错也无妨"的消费级玩具，延伸到医院、国防等极高风险场景。RLHF、提示链、向量数据库等工具正在将LLM推向更高可靠性区间。
预测四：从原型到生产。 2024年大量AI实验将从原型阶段进入生产部署。这意味着延迟、成本、模型所有权、数据所有权成为关键决策因素，也意味着算力重心将从预训练（Pre-training）开始向推理（Inference）转移。
七、生产力革命：从镰刀到一人公司
Constantine Buhler以长焦历史视角审视AI。在各类技术革命——通信的、交通的、生产力的——中，AI本质上是一场生产力革命。这类革命的演进遵循一条三阶段规律：
- 人类+工具：镰刀，存在逾一万年
- 人类+机器助手：机械收割机，发明于1831年
- 人类+机器网络：联合收割机，数万机器系统协同运作
AI正在进入第三阶段。现代词汇正在捕获这一变化——单一机器参与者被称为Agent，Agent之间的信息传递拓扑被称为推理（Reasoning）。当前的实践已经先行：Buhler本人写作时不再只调用GPT-4，而是同时调用Mistral Large和Claude 3，让它们既协作又对抗，以产出更好的结果。
八、经济含义：成本通缩与社会价值
生产力革命的经济含义以一组数据清晰呈现：标准普尔500（S&P 500）企业每百万美元营收所需员工数正快速下降。但Buhler强调——这不是为了"做得更少"，而是为了"做得更多"。
令人深思的是成本走势的分野。历史上被AI式生产力革命洗礼的领域——计算机软硬件、电视——已在持续通缩。而对社会最重要的领域——大学学费、医疗、住房——价格涨幅远超通胀。AI恰好被定位为能在这些关键领域大幅降低成本的引擎。
九、从像素到概念：计算的范式跃迁
Buhler回顾了一年前Jensen Huang在同一个舞台上提出的激进预言："未来像素将不再被渲染，而是被生成。" 这一预言的内涵在一年后更加清晰。传统计算机将字母"A"存储为像素矩阵的原始记忆——ASCII码97对应一组像素的有无。但我们正在进入一个新时代：计算机将"A"理解为一个概念，一个多维空间中的点——不仅可被渲染为任意字体，还能被置于上下文之中：理解它是字母表的一部分，理解它属于英语，理解它在全文中扮演的角色。
这本质上是柏拉图理型（Platonic Form）的技术化实现。2500年前柏拉图所言的那个完美"理念"，正在成为AI模型架构的核心。这一范式迁移将产生深远影响——整个企业的运营可能逐渐演变为一个神经网络，各功能模块之间形成反馈闭环、自我调优。
最终推论："一人公司"的崛起。 这不是为了做更少的事，而是让个体能够解决比以前更大、更多的问题——更多的问题被更多的人攻克，创造更好的社会。