Web3天空之城·城主
最近，红杉资本发布了关于AI生态的新一篇文章，文章里提出了2025年三大预测：
预测一：大型语言模型提供商将形成差异化竞争，并出现新的等级秩序。
预测二：AI搜索将成为杀手级应用，并在2025年普及。
预测三：投资回报率（ROI）仍将成问题，资本支出（CapEx）将在2025年趋于稳定。
在展开讲这三大预测前，城主想先和读者一起，回顾过去一年多来，红杉资本发表的多篇AI分析文章，来尝试勾画出这个顶级风投机构的AI认知进化路线。
红杉在过去一年多的时间里，在其官网发布了一系列深度分析文章，展现了其对生成式AI领域认知的演变。这种演变不是线性或者曲线发展，而是在不同阶段，针对AI发展的特定问题，不断调整和深化自我认知的过程。
2023年9月：狂热之下的隐忧——“AI的2000亿美元问题”的提出
在生成式AI浪潮初期，红杉资本并没有停步在对AI生态的乐观情绪上，而是敏锐地捕捉到了技术狂热背后的隐忧，直接提出了“AI的2000亿美元问题”。在《AI的2000亿美元问题》这篇文章（[2023.9.20]），红杉直言不讳地指出，虽然AI技术展现出巨大的潜力，英伟达的业绩也预示着巨大的收入前景，但“AI基础设施建设的规模与实际终端用户需求之间存在巨大缺口。”
并非只是拍脑袋，红杉甚至在文中详细地展示了他们的计算逻辑：
“AI 的 2000 亿美元问题”：基础设施建设与终端用户需求之间的差距
核心问题：尽管 AI 投资热潮高涨，核心问题是：这些 GPU 到底在被用来做什么？谁是终端用户的客户？需要产生多少价值才能回报这种快速的投资？
计算逻辑：红杉指出，每花费 1 美元购买 GPU，还需要花费大约 1 美元用于数据中心的能源成本。如果英伟达今年的 GPU 收入达到 500 亿美元（一个保守的估计），那么这意味着数据中心的支出约为 1000 亿美元。同时，GPU 的终端用户（如星巴克、特斯拉、Github Copilot 等公司）也需要获得利润。
营收缺口：假设终端用户需要获得 50% 的利润，那么这意味着每年由当前 GPU 支出产生的 2000 亿美元的终身收入才能回报初始投资。如果再考虑云服务供应商的利润，那么这个缺口将更大。因此，红杉将这一问题定义为“AI 的 2000 亿美元问题”。
打开网易新闻 查看精彩图片
同时，红杉资本关注了由大型科技公司推动的数据中心建设。根据公开文件，大部分新增数据中心建设来自大型科技公司，如谷歌、微软和 Meta， 此外，字节跳动、腾讯和阿里巴巴也是英伟达的大客户。未来，亚马逊、甲骨文、苹果、特斯拉和 Coreweave 等公司也将成为重要的贡献者。
虽然AI建设如火如荼，但AI收入现状有着巨大的缺口：引用报道，红杉指出 OpenAI 当时 的年收入为 10 亿美元。微软预计通过 Microsoft Copilot 等 AI 产品获得 100 亿美元的收入。
红杉乐观估计假设谷歌、Meta 和苹果分别能产生 100 亿美元的 AI 收入，并为甲骨文、字节跳动、阿里巴巴、腾讯、X 和特斯拉等公司设定了 50 亿美元的收入目标。即使在上述极其乐观的假设下，红杉仍然指出，在目前的资本支出水平下，每年仍有 1250 亿美元以上的营收缺口需要填补。
基于对营收缺口的量化分析，红杉资本直接了当的对投资热潮背后的逻辑提出了质疑：“这些资本支出的增加，有多少是基于真实的终端用户需求，有多少是为预期的未来需求而进行的投资？”红杉在当时就已意识到，AI的投资不是只看表面，而要深入分析其背后的逻辑和终端用户的需求。红杉资本在此时已经将关注点从技术的“可能性”转向“必要性”和“盈利性”。
2023年9月：从技术驱动到用户价值——“生成式AI的第二幕”的转型
在对AI营收进行深入思考的同时，红杉发表了另外一篇知名文章《生成式AI的第二幕》（[2023.9.20]），在这篇文章中，红杉资本明确提出了AI发展正从技术驱动转向以用户价值为中心。
红杉认为，AI市场正从 “第一幕” 向 “第二幕” 转型。“第一幕” 侧重于“技术展示”，涌现出了大量轻量级应用，但这些应用“通常将基础模型作为整个解决方案的核心，缺乏深度整合和用户体验的打磨”，而 “第二幕” 则将“专注于解决终端用户的实际问题”，强调“AI的应用不再仅仅依赖基础模型，而是将其作为更全面的解决方案的一部分，更注重用户体验和工作流程的整合，并倾向于采用多模态的方式。”
红杉对早期AI应用的局限性进行了反思，认为它们“缺乏差异化”， 陷入了“融资、人才争夺和 GPU 采购的竞争白热化”，并且 引发了对 AI 实际价值的质疑。通过引用 ChatGPT、Midjourney 和 Character AI 等早期成功案例，红杉也表明，他们并非完全否定技术创新，而是认为 AI 的发展应该以用户价值为导向。这一阶段，红杉的观点从单纯的技术探索，过渡到用户导向的价值创造，并开始关注 AI 如何真正地服务于人。
这篇文章基于当时的现状，对AI和AI应用的发展进行了反思。一年多之后，我们一起看看红杉当时的反思:
发展速度的低估：技术发展速度远超预期，在多个领域都实现了显著突破；供应瓶颈的低估：GPU 供应的瓶颈限制了许多 AI 公司的发展，需求远远超过供应；垂直分离的延迟：应用层公司和基础模型提供商的分工尚未完全实现，许多成功的应用采取了垂直整合的模式；竞争激烈程度的低估：市场竞争比预期更加激烈，大型科技公司也纷纷进入 AI 领域；数据护城河的局限性：应用公司产生的数据并不能形成强大的竞争壁垒，新一代模型可能会消除这些优势。
红杉也肯定了自己的正确观点， 包括生成式 AI 的潜力：生成式 AI 确实是真实存在的，并且已经吸引了大量的人才和资金投入；“杀手级应用”的出现：ChatGPT 等应用证明了 AI 具备成为“杀手级应用”的潜力；开发者是关键：开发者是 AI 创新生态系统的核心力量，他们不断创造出新的应用场景；应用形态的演变：AI 应用的形式不断演变，从简单的自动补全和草稿向更复杂、更智能化的系统发展；伦理和版权争议：围绕 AI 版权、伦理和存在风险的讨论仍在继续，需要关注和解决这些问题。
在反思之后，这篇文章的核心点，即是AI 市场从技术驱动（"Act 1"）向客户驱动（"Act 2"）的转变
“第一幕”的特点：生成式 AI 的“第一幕”是技术驱动的，以新颖的技术展示为主，大量轻量级的应用涌现，侧重于展示生成模型的能力。这些应用通常将基础模型作为整个解决方案的核心，缺乏深度整合和用户体验的打磨。
“第二幕”的特点：随着时间的推移，市场正逐渐转向“第二幕”，开始以客户为中心，专注于解决终端用户的实际问题。这一阶段的应用不再仅仅依赖基础模型，而是将其作为更全面的解决方案的一部分，更注重用户体验和工作流程的整合，并倾向于采用多模态的方式。
进入“第二幕”的代表公司：文章列举了 Harvey（为律师事务所构建定制 LLM）、Glean（为企业打造 AI 驱动的工作空间搜索）以及 Character AI 和 Ava（创建数字伴侣）作为进入 "Act 2" 的代表，强调他们专注于解决特定领域和用户痛点。
而在第二幕里，技术，产品和商业模式有一些共享的行动指南， 包括技术向的模型开发堆栈：
推理技术（包括链式思考、树状思考和反思等技术，用于提升模型复杂推理能力）；迁移学习：使模型能够根据特定领域的数据进行微调，从而提高性能；检索增强生成（RAG）：将企业和用户信息引入模型，减少幻觉，提高准确性；开发者工具和框架：提供可复用的组件和工具，帮助开发者构建更高级的 AI 应用；AI 基础设施：包括提供充足 GPU 资源和便捷开发体验的云平台。
以及产品经理向的产品蓝图：
生成式界面：从文本对话到更丰富的界面形式，如 Perplexity 的生成式用户界面；新编辑体验：通过提示词和各种交互方式控制生成内容，如 Midjourney 的摄像机平移功能和 Runway 的导演模式；复杂智能体系统：AI 应用不再仅仅提供草稿或自动补全，而是可以自主地解决问题，访问外部工具，并执行端到端的任务；系统级优化：将 AI 应用于优化整个系统，例如自动处理支持工单和代码审查等。
一年过后，我们回头审视红杉当时的这篇预测大稿，可以认为红杉资本基本把握住了2024年AI发展的趋势，特别是智能体的概念，现在方兴未艾。
另一方面，我们可以看到，当时一些挂在嘴边非常热门的话题/名词，一年过去后已成为了某种基础常识，比如RAG。不再作为重点追捧（但仍然是众多AI能力的基础）
有一些发明出来的概念，并没有往前发展，比如“生成式界面”，一年多后，人机交互要么还是纯对话式，要么AI能力融入传统软件背后，要么就是传统模式+AI对话框（比如最新的AI编程软件们），城主并没看到玩出更多花样。
特别指出的是，红杉没有预见，或者至少没有重点提出，在2024年AI视频生成的大放异彩（这里要给国产诸强们点赞， 最新的Sora出来，仍然没有超越国产视频生成模型）。确实，2023年9月的人们恐怕是无法想象半年之后，AI视频生成就达成了巨大的跨越性的突破。
所以，现在展望一年后，不知道又有多少AI能力，超出我们现在的想象力呢。
2024年1月初：反思狂热，正视“原始汤”阶段—对AI发展周期的再认识
2024年初，红杉资本的观点变得更加成熟和理性。在《2024年AI：从大爆炸到原始汤》（[2024.1.3]）这篇文章中，红杉资本对2023年的AI狂热进行了深刻的反思。他们指出，由 ChatGPT 引爆的 AI 狂热导致了“实施导向”的思维，而非“愿景导向”的思维。
红杉认为，当时市场普遍认为 AI 领域的难题已经解决，AI 的普及和强大是必然的，但这种观点忽略了“AI 仍然处于早期发展阶段的事实”，这种“实施导向的思维”导致“人们过于关注如何快速实现现有的技术，而不是探索新的可能性。”并直接导致了大量公司“涌入相同领域，每个领域都有五六家类似的公司”，却缺乏对创新和长期价值的关注。
相较于之前对营收缺口的担忧，这篇文章更侧重于对AI发展阶段的重新认识。红杉在此将 AI 的发展比作 “原始汤” 阶段，并指出“潜力巨大，但仍处于模糊状态。”这无疑是对之前乐观情绪的一次有力纠正， 强调了 “需要远见，才能将潜在的能量转化为真实、有形且具有影响力的产品和服务” ，并指出“我们不能只想着如何赢得比赛，而应专注于如何发明新事物。”
这篇文章里， 红杉的观点从早期的“营收”考量，上升到了对AI发展规律和创新本质的理解。
红杉如此评论处于“原始汤”阶段的AI：需要远见和探索
对确定性的渴望：人们渴望确定性，避免模糊性，因此“AI是历史的终结”这一说法更能满足人类的这种本能。然而，现实是我们仍然处于 AI 的“原始汤”阶段，潜力巨大，但仍处于模糊状态。
愿景的重要性：在 “原始汤” 阶段，需要的是远见，才能将潜在的能量转化为真实、有形且具有影响力的产品和服务。这意味着在不确定的时代，需要有远见的人来洞察迷雾，理解未来需要什么。
团队协作：我们需要意识到，不能只想着如何赢得比赛，而应专注于如何发明新事物。通过强调影响，我们可以组建团队来应对严峻的挑战并克服它们。
红杉在文中把AI 与 SaaS 进行对比：革命而非进化
AI的革命性：红杉认为 SaaS 只是从本地许可软件到云的演变，而 AI 是一场革命，正在首次构建新的智能。由于 AI 是一场革命，没有先例可循，因此我们甚至不清楚哪些问题值得解决。因此，根本性的创新非常重要。
需要创新思维：AI 需要愿景导向的创始人，在模糊和不确定的时代，用远见来看透迷雾，找到方向。愿景对于吸引能够实现目标的团队也至关重要。
同时红杉提出，2024年是从“AI for X”到“以客户为中心”的转变：
2024年将从“AI for X” 的概念转向以客户为中心的公司。通过构建艰深的技术来解决深刻的社会问题，将重塑这些公司的文化，构建方式以及他们所吸引的人才类型。我们将看到公司组建过程本身的创新，AI 研究实验室是这种创造力的体现。
2024年，我们将基于 Transformers、GPUs、RAG、Diffusers、开源以及其他在 2023 年在生态系统中涌现的技术基础上构建。利用这些技术，我们将发现有关如何构建高级 AI 系统的新想法和新见解。我们将回顾 2024 年，并说，这是我们开始将 AI 的潜力转化为实际解决方案的一年。
关于"以客户为中心"这个说法，城主觉得，怎么说，放之四海而皆准吧。
值得注意的是，在这篇文章中红杉还援引 Transformer 的发明者之一 Jakub Uszkoreit 的观点，认为我们过早地从 AI 的探索阶段跳到了开发阶段。提出了过早的开发的观点。
这个洞察倒是相当有现实意义的，如果要举例，还是可以用AI视频生成来说明。如果在2024年初，研究基于Stable Diffusion开源绘画模型之上来实现连续的AI视频的同学，可能在当时多少有一点成果；但在2024年中期ViT技术横空出世（所有类Sora级别的AI视频生成都是ViT技术，即使用了Transformer模型来实现的AI视频生成）后，以前的所有的积累努力都基本化为乌有，因为努力所在的基础是一个过时的被碾压的技术平台。
这个问题在AI时代特别明显，如果选错了路线，或者过分依赖一个老模型拼命微调去得到某种应用，大概率会在新一代模型出来的时候被直接碾压。
2024年6月：营收缺口扩大化——“AI的6000亿美元问题”的严峻性
2024 年年中，红杉资本再次对AI领域的营收问题进行了分析，并指出此前的“AI的2000亿美元问题”已经升级为 “AI的6000亿美元问题”。在《AI的6000亿美元问题》（[2024.6.20]）这篇文章中，红杉资本通过新的数据和计算模型，验证了此前担忧的营收缺口扩大化的问题，“AI的营收缺口已经扩大到每年5000亿美元。”
红杉更加强调了AI基础设施建设和终端用户需求之间的巨大差距，并提出了更具体的担忧，如“GPU 计算日益商品化，价格竞争激烈，这使得利润很难维持在高位”，以及“半导体技术更新迭代速度快，新一代芯片的出现会导致旧芯片迅速贬值”。红杉的观点再次从理想回到了现实，再次强调AI营收挑战的长期性和复杂性，也表明了他们对行业发展保持着高度的警惕。红杉重申要“警惕投机狂潮，保持理性，并专注于为用户创造价值”，这与之前“从基础设施转向终端用户价值”的观点相呼应。
“AI 的 $2000 亿问题”的提出与“6000亿”演变
红杉在2023年9月提出的“AI的$2000亿问题”，核心在于质疑AI基础设施的大规模建设与AI生态系统中实际的营收增长之间的巨大差异。当时估计，按照当时的资本支出水平，AI领域每年存在1250亿美元的营收缺口。
如今，经过重新计算，红杉指出，AI的营收缺口已经扩大到每年5000亿美元， “AI 的 $2000 亿问题”已经演变成了“AI 的 $6000 亿问题”。
计算方法：通过英伟达的营收预测，乘以2来反映AI数据中心的总成本（GPU只占一半，另一半包括能源、建筑等），再乘以2以反映GPU最终用户的50%毛利率（如云服务商或使用云服务的企业），从而得出总的营收缺口。
导致营收缺口扩大的主要因素包括了：
GPU 供应短缺缓解：2023 年末，GPU 短缺达到顶峰，但目前供应已经基本恢复正常；GPU 库存增长：大型云服务提供商（如微软）大量购买 GPU 进行囤积，他们的资本支出达到历史最高水平。红杉认为，这种囤积行为不可持续，一旦库存过高，需求就会下降；OpenAI 仍然占据主导地位：OpenAI 在 AI 营收方面仍然遥遥领先，大部分 AI 产品并没有被消费者广泛使用，除了 ChatGPT。红杉质疑长期来看， AI公司是否能为消费者带来足够的价值，以促使他们持续付费；营收假设过于乐观：红杉之前假设了一些科技巨头（如谷歌、微软、苹果、Meta等）每年可以从 AI 获得 100 亿美元的新收入，但即使这个假设成立，且增加更多公司，5000亿美元的缺口仍然存在；新一代 GPU 芯片的出现：英伟达即将推出的 B100 芯片性能大幅提升，但价格仅上涨 25%，这将导致对英伟达芯片的再次需求激增。
对比物理基础设施建设，红杉再度审视了AI基础设施建设的特殊性：
缺乏定价权：与物理基础设施建设（如铁路）不同，GPU 数据中心没有垄断或寡头垄断的定价权。GPU 计算日益商品化，价格竞争激烈，这使得利润很难维持在高位；高资本消耗：即使是铁路等物理基础设施，也经常出现投机性投资狂潮，导致资本大量损耗；贬值风险：半导体技术更新迭代速度快，新一代芯片（如B100）的出现会导致旧芯片迅速贬值，而这种贬值在物理基础设施中并不存在。
红杉认为，即使在过度建设基础设施的时期，也总会有赢家，AI很可能是下一个变革性的技术浪潮。虽然GPU计算价格下降对长期创新和初创公司有利，但主要的亏损者将会是投资者。AI领域中的创始人和公司建设者将因较低的计算成本和实验经验而受益。
而特别的，英伟达这个公司在推动AI技术发展方面发挥了巨大作用，并将在AI生态系统中扮演关键角色。
2024年10月：聚焦推理能力，迎接 “系统2” 时代—AI发展的深层次变革
2024年10月，红杉资本发布了《生成式AI的Act O1》这篇文章（[2024.10.9]），将关注点从基础模型转移到了推理能力，认为AI的发展重心正在从 “thinking fast” 转向 “thinking slow”。红杉认为，AI需要“在推理时进行更复杂的思考，包括有意识的推理、解决问题和认知操作。”
文章重点介绍了 OpenAI 的 o1 模型，认为它是 “推理能力的新里程碑”，这种模型能够 “在给出回应之前会‘停下来思考’，利用推理时计算执行搜索和模拟，从而获得更好的答案”，更接近人类的思考模式。红杉用心理学的“系统1” 和 “系统2”概念来比喻AI的两种思考模式， 认为“为了应对最具挑战性的问题，AI必须从快速、本能式的回应转向需要时间和创造性解决问题的深层推理”。
这一阶段，红杉的观点从对AI市场前景的探索，上升到了对AI技术本身发展方向的思考。文章也开始关注到“新一代AI推理能力的发展，必须解决如何有效评估模型推理结果的问题” ，这说明红杉开始关注到AI在实际复杂问题上的解决能力。
这篇文章提到的点不少，和AI生态密切相关的有如下几点：
基础模型层的稳定与推理层的崛起
文章认为，生成式AI市场的基础模型层正在趋于稳定，少数拥有强大经济实力和资本的巨头，如微软/OpenAI、AWS/Anthropic、Meta和Google/DeepMind，将主导这一层。随着基础模型能力的日益强大，新的竞争焦点转移到了推理层的开发和扩展。这个推理层，受到AlphaGo等模型的启发，旨在赋予AI系统在推理时进行有意识思考、解决问题和执行复杂认知操作的能力，而不仅仅是快速匹配模式。新的认知架构和用户界面正在逐渐形成，以提供和优化AI的推理能力。
应用层的崛起：从“包装器”到“认知架构”
AI领域的真正机会在于应用层。早期，应用层公司被认为是“只是基础模型上的包装器”。但现在，这些“包装器”正在进化为具备复杂认知架构的AI应用，能够为用户提供更可靠、更个性化和更强大的服务。红杉认为，应用层公司不仅需要提供用户界面，更需要开发出复杂的认知架构，以便将模型的能力转化为实际的商业价值。
从软件即服务到服务即软件，以及SaaS公司的挑战
云计算时代是软件即服务的时代，而AI时代将是服务即软件的时代。AI公司不再是销售软件，而是将劳动力转化为软件，并按服务成果收费。红杉认为，许多AI公司将遵循这种服务即软件的模式，先作为辅助工具（copilot）部署，逐步过渡到自主运行（autopilot）。
红杉探讨了现有SaaS公司在AI浪潮中面临的机遇与挑战。早前，红杉认为现有SaaS公司会轻松转型，但现在红杉有所动摇，认为AI可能需要一套全新的商业逻辑，如同20年前从本地软件向SaaS转型一样，可能会颠覆整个行业。
新一代智能体应用：服务于各行各业
红杉列举了新一代智能体应用的例子，如Harvey (AI律师)、Glean (AI工作助理)、Factory (AI软件工程师)、Abridge (AI医疗记录员)、XBOW (AI渗透测试员)和Sierra (AI客户支持代理)。这些应用通过降低服务成本和扩展市场，正在开辟新的商业机会。以XBOW为例，它通过AI自动化渗透测试，使得这种服务不再局限于大型企业，而能够为任何企业提供安全保障。
投资领域：应用层最受青睐
红杉最后分析了投资者在AI领域的投资偏好。基础设施层被认为是由博弈论驱动，而非微观经济，因此不适合风险投资。模型层由大型科技公司和金融投资者主导，带有“科学崇拜”的倾向。开发者工具和基础设施软件则对风险投资者有一定吸引力。红杉明确指出，应用层是风险投资最感兴趣的领域，并预测应用层将涌现一批市值超过10亿美元的公司。
红杉在这篇文章里总结，随着推理能力的不断深化，智能体应用将变得更加复杂和稳健，并渗透到各个领域。推理和推理时计算将成为未来研究的重要主题，而如何收集真实数据、编码特定领域的认知架构，仍然是应用层公司面临的挑战。文章最后展望了多智能体系统（multi-agent systems）的未来，认为它们将成为建模推理和社会学习的新方式，并期待AI系统能够以超乎想象的方式展现出人类般的智慧。
2024年12月：从“原始汤”到稳固地基——展望2025年AI的成熟
在 2024 年末，红杉资本发布的《2025年AI：构建模块稳固就位》（[2024.12.9]）这篇文章中，再次将 AI 发展类比为 “原始汤” 阶段，并明确指出2024 年是 AI 概念和想法快速涌现的阶段，而 2025 年将是这些想法逐渐落地，形成现实产品和服务，并构建行业格局的关键一年。（读者不妨回头看看前文对比一下）
红杉对AI的未来发展方向进行了预测，认为“大型语言模型提供商将形成差异化竞争”， “AI 搜索将成为杀手级应用，并在 2025 年普及”，以及“在经过 2024 年的投资热潮之后，AI 领域的资本支出将在 2025 年趋于稳定”。
同时，红杉也重申，“AI 的潜力将逐步转化为实际的产品和服务”，并强调“如何利用这些技术，为客户和最终用户创造价值”仍然是关键问题。
2024年回顾：AI的“原始汤”时期：
文章将2024年比作AI的“原始汤”时期，意味着这一年充满了潜力、能量和未成形的概念。
AI生态系统充斥着新的想法和潜在的能量，吸引了众多创业者。但当时，这些潜力还非常模糊，需要有远见者将其转化为实际的产品和影响力。
2025年展望：AI生态系统的“硬化”：
AI生态系统逐渐“硬化”，意味着从抽象的概念走向具体的落地。2025年，AI的潜力将逐步转化为实际的产品和服务，并通过数据中心的兴起得到体现。
其中的标志是:大型模型竞争:五家“决赛选手” (Microsoft/OpenAI, Amazon/Anthropic, Google, Meta, xAI) 在大型模型竞争中脱颖而出；硬件基础设施:英伟达的Blackwell芯片开始出货，数据中心建设进入高速发展阶段，台积电和博通等也在积极扩展产能，整个供应链加速运转。行业应用:各行各业（医疗、法律、保险等）都开始启动新的AI项目。
终于，我们回到了本文开头，红杉在这篇文章对2025年进行了三大预测：
预测一：大型语言模型提供商将形成差异化竞争，并出现新的等级秩序：
2024年的同质化：各大公司通过相似的策略（收集数据、训练模型、优化架构）达到了GPT-4的水平，导致竞争同质化。
2025年的差异化：各大公司将发展不同的“超能力”，并选择不同的竞争策略，形成差异化竞争：
谷歌（垂直整合）：利用自研的TPU芯片、数据中心和强大的研发团队，实现价值链的完全掌控。
OpenAI（品牌）：拥有最强大的AI品牌，在消费者认知度和企业分销方面领先。
Anthropic（人才）：吸引了来自OpenAI的顶尖研究人才，成为AI科学家的首选。
xAI（数据中心建设）：在数据中心建设方面速度惊人，引领下一阶段的AI竞赛。
Meta（开源）：押注开源模式，通过Llama模型和平台优势推动技术普及。
2025年，这些不同的竞争策略将导致不同的结果，优胜劣汰。
预测二：AI搜索将成为杀手级应用，并在2025年普及：
AI搜索的崛起：从AI女友到AI助理，众多应用被尝试，但AI搜索被认为是2025年最有可能普及的应用。
AI搜索的优势：与基于索引的传统搜索不同，AI搜索基于能理解语义的LLM，能提供更深入的信息。
文本回应的差异化：AI搜索的文本回应可以从多个维度（意图提取、专有数据、格式化、界面设计）进行差异化，从而服务于不同用户群体。
专业化趋势和市场分化：将出现针对不同行业的AI搜索引擎，更好地满足专业人士的需求；消费者在搜索方面需求较为一致，而企业则对搜索有更多专业化需求，因此会出现消费者和企业分别使用的不同AI搜索引擎。
AI搜索将颠覆传统搜索，并在2025年成为主流应用，并出现领域专业化的趋势。
预测三：投资回报率（ROI）仍将成问题，资本支出（CapEx）将在2025年趋于稳定：
大型科技公司为了维持在云业务领域的垄断地位，不惜一切代价地投资AI，担心被竞争对手超越。由于大型科技公司已经牢牢掌握AI革命的控制权，它们在AI领域的资本支出将趋于稳定。
数据中心建设将进入执行阶段，公司将专注于按时按预算完成项目，并向客户销售计算能力。新的数据中心上线后，AI计算价格将继续下降，为初创公司提供补贴，并促进创新。
行业寡头垄断格局可能形成，大型科技公司可能会达成一种新的“正常”状态，不再盲目增加支出。在经过2024年的投资热潮之后，AI领域的资本支出将在2025年趋于稳定，并且AI计算价格将下降，利好初创企业
后话：
回顾了这一年多红杉资本的几篇AI文章，我们可以清晰地看到红杉对AI行业认知的演变轨迹：
在AI浪潮初期，红杉资本就表现出极高的警惕性，直面“AI的2000亿美元问题”，质疑AI基础设施建设与实际营收之间的巨大差距。
红杉逐渐认识到，AI的发展不能仅仅停留在技术层面，而要以用户价值为中心，强调将AI技术转化为解决实际问题、满足用户需求的产品和服务。
接着，红杉对AI的发展周期进行了重新的认识，将AI的发展比作“原始汤”阶段，提醒从业者AI仍然处于早期发展阶段，需要更多的探索和创新。
近期，红杉的关注点从早期的营收、基础设施，逐渐转移到AI的核心能力，即 “推理能力” 上。认为AI 要真正实现突破，就必须从“thinking fast”转向“thinking slow”，提升复杂推理能力。
而红杉资本的最新观点更加务实，认为 AI 将在 2025 年进入成熟和稳定阶段，在技术差异化、应用普及和资本投入方面都将趋于理性。
红杉对AI行业的认知变化，从早期对基础设施建设的担忧，到中期对商业模式和用户价值的探索，再到后期对AI核心能力的关注，以及对未来发展趋势的展望，应该说体现了这个顶级风投的洞察力。
作为当之无愧的早期风投翘楚，“遥遥领先”这点不仅体现在红杉投资做事的风格上，也体现在“认知输出”这一个小点上。还记得2022年9月19号， ChatGPT尚未没面世， 红杉就以一篇《生成式AI, 一个创造性的新世界》吹响了进军AI的号角。而随后，红杉资本在官网上发布的每一篇AI相关文章，都被业界当作重要资料来研读。近一年来，不少其他机构/投资人也跟随红杉脚步，纷纷写起了blog/公众号文章，向业界表达自我对AI的认知。
这一点颇为有趣，城主认为这是AI时代投资机构和创业者的某种特征：媒体化，传播化。大家都愿意，也许需要使用文字或者播客来传播和印证各自关于AI时代的理解。
挺好的， AI革命本质上就是知识革命；有价值的知识传播，在任何时候值得称赞。
热门跟贴