红杉资本美国合伙人Pat Grady在最近的一次活动中分享了他对人工智能（AI）未来发展的深刻洞察。Grady认为，AI技术正处在一个关键的转折点，它将为服务行业带来前所未有的变革性机遇，而非简单地复制现有的软件公司。他强调，AI的真正潜力在于赋能服务行业，如法律、咨询、会计和簿记等领域，这些行业的工作流程与AI技术高度契合。本文将详细探讨Grady的观点，分析AI如何塑造新的商业模式和机会，同时指出人际关系和执行的重要性。

红杉资本美国合伙人 Pat Grady 在近日一场活动对谈科技媒体人 Eric Newcomer。Grady 强调，AI 技术正处于关键转折点，将为众多服务行业带来变革性机遇，而不仅仅是复制现有的软件公司。

他认为，稳定的基础模型有助于整个 AI 生态系统的发展，因为它能让企业更合理地预测和构建所需的应用程序。

目前的模型能力已经足够强大，能够创造出数万亿美元的新业务，关键在于如何在模型之上进行工程化优化和认知架构设计。

AI 的真正潜力在于赋能服务行业，如法律、咨询、会计和簿记等。这些行业的工作流程大多是文本输入和输出，非常适合 AI 技术的应用。

Grady 认为，AI 不会取代现有的软件公司，而是会带来新的服务模式和商业机会，但人际关系和实际执行仍需依赖人工。

Eric Newcomer

红杉资本被广泛认为是世界上顶尖的风险投资公司，总是领先于其他公司，而 Pat 是这家公司的领导之一。你们是何时开始注意到生成式 AI 的？或者你们是如何获得这些信号的？什么时候你们感觉到，这可能是另一个浪潮？

Pat Grady

有一个标准答案是，早在 1993 年，我们就对 Nvidia 进行了A轮投资，虽然这是真的，但 Nvidia 是一个例外。

我们没有一系列投资来提示我们发生了一些事情，但我可能会说，大约在 2016、 2017、 2018 年。

当时原始的 Transformer 论文问世了，但那时对AI的发展并不那么关注。更多的是因为在云计算和移动领域没有发生的事情。

从风险投资的角度来看，那时云计算和移动已经是一个相对晚期的周期。我们看到的很多想法都是衍生的，并没有感觉到它们在解决一流的市场机会。

因此，我们开始花更多的时间扫描前景，寻找可能存在的其他东西。我们观察到的一个现象是，许多重大的技术变革都是分发方式的革命，通过一个数量级增加了技术的可访问性。

随着手机的普及，分发方式的革命已经达到了极限，全球八十亿人中有七十亿人都在使用手机。

如果分发不是下一个维度，那么它一定是深度，这意味着它可能是计算能力的革命。我们看到的一些最有趣和最丰富的应用体验都是由大量机器学习驱动的。

因此，我们开始考虑数据和机器学习的完整过程。这引导我们进入了现代数据堆栈，但也引导我们了解了 HuggingFace 和 OpenAI 等公司。

Eric Newcomer

HuggingFace 是你们的第一个投资项目吗？还是有其他的？

Pat Grady

我可以说，我猜那是我们第一个投资项目。实际上有其他公司，它们在不同形态和规模上使用了AI，这些公司在一定程度上预示了这个浪潮的到来，比 HuggingFace 或其他一些公司要早。

Eric Newcomer

那么直接进入这个问题，从过去的经验来看，你们如何理解基础模型公司？我非常想知道。一个梦想是它们像 AWS 或 Google。你怎么看？我本来打算展开我的数据库类比。

Pat Grady

你已经说了，但这确实是正确的类比。如果你看看基础模型的功能，它们都是信息处理工具，对吧？这基本上就是数据库为你做的事情。关系数据库或 NoSQL 数据库和推理引擎之间的区别是，它们提供了不同的功能和输出。但从根本上来说，它们是相同的东西。

因此，如果你试图从中推断出来，好的，那么这些基础模型公司会变成什么样子呢？有些会成为 MongoDB。MongoDB 是一家了不起的公司，但它的 年收入只有几十亿美元，市值几十亿，而不是收入数百亿、市值数千亿的公司。所以我们可能正进入一个世界，这些基础模型公司主要以基础模型本身闻名。

如果它们的主要产品是开发者 API，供人们在其上构建应用程序，它们在规模上更像数据库公司而不是其他任何东西。现在， OpenAI 是一个特殊情况，因为你可以说 OpenAI 已经从开发者业务转变为消费者业务，这使它在潜力方面进入了一个不同的类别。

这家美国头部对冲基金创始人，腾讯&字节跳动早期投资人表示，在这些新浪潮的开端，新的赢家在 10 年或 20 年后，有些是现有的公司，有些是新的公司。但那些变大的新公司，每年可能只有一家，不会更多……

Eric Newcomer

是的，如果 Anthropic 的最好情况只是成为 MongoDB ，那确实是比较轻微的赞美。

Pat Grady

但故事尚未写完，因为 Anthropic 也有不同数量级的潜力，有很多消费者在使用 Anthropic 。可能会有商业产品成为杀手级应用程序。这些基础模型有机会进入应用层。是的，但我们必须看到它们的执行情况。

Eric Newcomer

你认为现在的模型是否足够智能，能够从根本上构建出伟大的应用程序？或者你认为目前的模型在消费者和企业两个领域，是否已经足够先进，能够创造出具有变革性的应用程序？

Pat Grady

我可能有一个相对独特的观点。我不确定，但这正是我们在这里所做的事情。我的感觉是，很多人认为我们真的需要  GPT-5 ，甚至 GPT-6，因为现在的模型还不够好。我不这么认为，因为我们看到的是，很多人在模型之上投入了大量的工程努力，可以称之为认知架构，包括计划和推理等。

人们用不同的名字来描述这些东西，但基本上就是你在模型之上所做的工程。当人们在这方面投入大量努力时，他们最终会创造出非常神奇的体验。

举个例子，我知道 Meta 的团队就在这里，他们在别人的基础模型上进行开发，但他们在认知架构方面投入了很多精力。结果是，他们在一周前发布了一个新的记录，打破了很多人关注的测试标准，我们越来越多地看到这种情况。

我们思考的一个平行宇宙的假设是，如果你冻结了今天的基础模型功能，并将所有的增量精力投入到优化、易用性、经济性和顶层工程上，或许将一些努力从大规模预训练转移到测试时计算上，进行更多的计划和推理，如果你这样做了，你能改变多少行业？答案是所有行业。今天的能力足以构建数万亿美元的新业务。

Eric Newcomer

这种思路是否隐含了一个预测，即你认为 GPT-5 及以后的版本不会有大的飞跃？或者你对它们会变得多智能有一个总体看法吗？

Pat Grady

大家都在尽力猜测会发生什么，以及我们在 GPT-5 中会看到什么。有些事情是已知的，有些是不知道的。人们认为他们有访问权限，或者我确信一旦 GPT-5 发布，会让人们大吃一惊，这是我的最佳猜测。是否这对生态系统有好处还是一个开放的问题。

我之所以这么说，是因为我可能会类比加密货币。很多加密货币创始人会说，给我们提供监管规则，这样我们就知道游戏规则是什么。同样在AI领域，给我们一个稳定的模型，这样我们每次新版本发布时就不需要重做我们的提示了。

我们不需要跟上不同模型不断进步的步伐，再次重新平台化。在模型层面上的一些稳定性对生态系统是有好处的，因为这样你可以更合理地预测你需要构建什么。

Eric Newcomer

在我们的历史类比中，你如何看待现在的 Nvidia ？

Pat Grady

你是说你是买家？你可能是对的。我的视角是寻找拥有几百万客户的公司。我喜欢寻找那些有几百万收入的公司，看看它们是否能达到几十亿的收入。这更符合我的业务。我们回到互联网过渡的分析。在 AI 领域，我们现在所处的阶段感觉就像是 90 年代末。

Netscape 时刻是 1996 年，当时人们意识到互联网的力量。这类似于 20 22 年秋季的 ChatGPT 时刻。快进几 年，地球上最有价值的公司是思科，因为他们在为互联网铺设轨道。今天思科的类比是 Nvidia ，它是AI的核心基础设施提供商。

当你为互联网铺设轨道时，这些轨道的使用寿命相当长。当你进行训练运行时，GPU 在 24 个月内折旧，其使用寿命有点不同。

你可以说这对 Nvidia 是有利的，因为它可以保持一些 GPU。你也可以说这对那些购买这些 GPU 的人是不利的，因为你可能无法从所有这些资本支出中获得回报。

Eric Newcomer

我们训练这些模型，然后在从中获利之前就需要构建下一个。这是一个大问题，但我想说，训练到推理的转变有很多事情要考虑。我们是否会从大量训练转向更多推理？

部分是因为模型本身，我们训练得少了，基础模型之间的竞争也少了？部分是因为有用的应用程序正在运行推理？你对训练到推理转变的问题有什么总体看法？

Pat Grady

总体而言，已经进行的训练量可能比我们需要的多。回到我对优化调优的观点，工程解决方案在基础模型之上。今天早些时候的评论提到，PhD 已经成为一种货币，很多人认为他们需要垂直整合，自己训练模型。部分原因是这很有吸引力。

从实际的角度来看，已经有足够的模型被训练出来，你可以构建各种伟大的体验。人们会开始意识到这一点。我们将很快从训练阶段转向推理阶段。

Eric Newcomer

你是 Harvey 这家 AI 初创公司的大投资者。谈谈这如何与你对最佳应用程序所在领域的总体看法相契合。

Pat Grady

我们试图从历史中吸取教训。互联网的类比在某些方面是好的，云计算的类比在某些方面也是好的。云计算的类比在这里很有用，因为就像云计算一样，AI 是一种技术模糊地带，能够启用新的分发模式和新的商业模式，但它本身并不是一个消费者前端。虽然有像 ChatGPT 这样的消费者前端形式，但它本身并不是一个消费者前端。

我提到 Harvey 时提到这一点，因为有一种观点认为，如果我们要类比云计算的转变，那么在云计算转变中需要做的事情就是找到那个最初的本地软件公司，构建其云计算等效产品。而那确实在那个时代非常奏效。

今天需要做的事情非常不同。不是找到软件公司并构建其AI原生版本，而是找到服务行业并通过 AI 赋能它。如果你列出那些从能力角度来看规模庞大的服务行业，法律是排在首位的。

仅在美国，法律行业的 TAM 就达到了 4000 亿美元，而且法律界的大部分工作是文本输入和文本输出，这些正是这些模型擅长的地方。

Eric Newcomer

我觉得我读到了一份报告，说麦肯锡似乎在生成式AI热潮中赚的钱比其他任何人都多。

Pat Grady

但那正是重点。你有法律、有咨询、有会计、有簿记，这些都是资本密集型的行业。我们会看到一波类似 Harvey 的公司，它们在某些方面是辅助驾驶员，作为现有行业的助手，在某些方面是自动驾驶仪，作为扩展 TAM 的服务。

对于 Harvey 和可能很多这样的公司来说，你不会用 Harvey 替代 Kirkland and Ellis，但有数以亿计的人无法获得Kirkland and Ellis的服务，他们希望有一天能够获得 Harvey 的服务。

Eric Newcomer

最好的最好的。你在回答中提到了一点，即将替代风险投资。我今天和 Marco Egoldman 谈过，他的意思是，我们认为它会有助于交易，但目前还不能取代交易。今天的交易决策和获取 alpha。作为一家风险投资公司，你们在使用语言模型来更成功地投资方面处于什么位置？

Pat Grady

很多 年前，我们意识到，如果软件能吞噬世界，它可能也会吞噬我们。现在，AI可能也会吞噬我们。所以很多 年前我们决定试图弄清楚这会是什么样子，并成为一家 AI 或软件赋能的风险投资公司，而不是被其他这样做的人所打败。因此，我们有一个相当复杂的系统，类似于一个智能CRM系统。

举个例子，我们对一个从未见过的公司的了解比 15 年前做出最终投资决策时的信息还要多，因为有很多信息可以获取。例如，如果你是一个投资者，你的主要工作之一是研究不同的公司，你可能需要花几天时间阅读互联网上关于公司的所有信息，以了解业务。

我们不需要花几天时间，因为我们有 LLM 来为我们做这些，这就是为什么我们只需在系统中查找公司，就可以自动总结所有已知的信息，不仅是公共互联网，还包括我们访问的一些付费墙后的信息，因此我们可以自动说出这家公司做了什么，为什么人们喜欢它，为什么人们不喜欢它，我们发现的一些指标，以及解释这些指标的一些事情。

通过一个基于聊天的界面。我们建立了各种不同的界面。大部分就像是一个丰富的公司档案，你可以从那里开始查询。

Eric Newcomer

你认为 AI 有可能颠覆风险投资的哪些部分？

Pat Grady

基本的价值链大致分为：发现、挑选、赢得、建设和收获。发现阶段，你不能要求LLM在任何有意义的方式上建立与创始人的关系，但你可以要求 AI 做很多其他部分的工作。所以这是一个价值链的一部分，随着时间的推移，大部分将是程序化的。

这也有助于挑选，因为很多对发现有用的东西有助于优化你的决策。所以这部分也会是程序化的。赢得部分是人与人之间的交流，这部分不太可能被自动化。建设部分可能是半自动化，有些事情你可以在那里做，有些事情是人类的，然后是收获阶段可能不多。

对于漏斗的前端，自动化将占很大一部分。今天也是如此。很少有公司能进入我们的合伙人会议而没有在关键路径上以某种有意义的方式被触及。

Eric Newcomer:

回到历史教训，我们谈到了比较公司，你也稍微提到了，但任何周期的自然炒作浪潮。我们经历了加密货币热潮。

非常不同，因为我相信 AI 的许多技术变革，而我不太相信加密货币。不仅仅是加密货币，还有互联网泡沫和金融危机。你认为我们现在处于这个兴衰周期的哪个阶段？

Pat Grady

感觉我们经历了一个炒作周期的收缩阶段。以云计算为例，云计算没有一个“网景时刻”。所以云计算是一个非常长的建设过程，一个公司接一个公司将一个工作负载接一个工作负载移到云端。而互联网有一个公开的“网景时刻”。AI有一个公开的 ChatGPT 时刻。

结果是，炒作周期被压缩到一个更短的时间段内。我们已经经历了膨胀的期望高峰。我们会预测今 年 年初是训练转向推理的转折点，很多东西会开始进入生产。它还没有真正发生。所以我们正在看到人们在努力摆脱失望的低谷，进入另一个阶段。所以现实正在显现。

我实际上不认为有很多炒作，明确说，AI 领域的资金存在泡沫，我明确表示这一点。但，人们对使用它的现实非常清醒，他们现在理解我们实际上在谈论的是如何解决工程挑战，使这些东西有用，而不是谈论魔法盒子。

Eric Newcomer

你在 AI 领域最看好的两家公司，不在你们投资组合里的。

Pat Grady

我不太会想到我们投资组合以外的公司。Heygen 不在我们的投资组合中。Joshua 非常出色，该产品有广泛的适用性。所以我会给出这个例子。然后另一个公司  Augment，它们有不同的方式来接近这个一般类别，那是一个非常好的团队，而且在很多方面我很钦佩那个业务。

Eric Newcomer

你个人追逐消费者业务吗？

Pat Grady

我尽量不这样做。在我们的众多浪潮中，整个 SaaS 浪潮是否有摧毁者出现？你怎么看我们的社区？他们会觉得AI在某些方面掩盖了一个残酷的低迷。

这其实是——我们每两年举行一次 LP 会议，几个月前刚开过。LP 们最常问的问题是，AI 会不会对现有的投资组合造成影响？因为我们的投资组合中有很多软件公司。

因为正如我之前所说，这不是 AI 要去消灭当前一代的软件公司，而是AI将去追逐服务行业。这是一个更大的机会。但同时，如果你看看现有的 SaaS 公司，它们已经有数据了，它们已经有分发了。

这些产品的大部分功能在开源世界中是免费提供的，通过其中一个基础模型。所以，如果创业公司和现有公司的经典斗争是创业公司能否在构建酷产品之前建立分发，那么在大多数情况下，答案是不能，现有公司能很快地构建酷产品。但话虽如此，很多人喜欢谈论现有公司的数据和能源。

对于大多数这些元素来说，这是一个幻觉。因为它们的内部系统一团糟。它们的合同写得这样，使它们可能实际上不能像你希望的那样处理它们所有的数据。

OpenAI 投资方 Thrive Capital 合伙人表示，开源与闭源很快得到结论；其中，小模型与终端存在巨大机会，下一个千亿美元公司将是 toC……