下一家“万亿美元公司”很可能不是做工具的，而是披着服务外衣的软件公司。
看懂这句话，你就知道为什么这两年到处都在“做AI”，但真正赚钱的人没几个方向错了。红杉资本今年3月抛出一套判断：下一家万亿美元公司，将是一家披着服务公司外衣的软件公司。而它给出的底气是：AI能力跨过了临界点，这里面存在上百亿甚至千亿级别的细分市场机会。
问题来了：你现在做的是工具。还是交付结果？
很多人忙着升级Prompt、堆模型、做插件。可市场账本正在换页。
过去的账怎么写？现在为什么变了？我们把它掰开揉碎，用一个简单到有点残忍的二分法：智能 vs 判断力。
过去的老模式很直白。
一家公司每年花1万买软件，再花12万年薪雇个会计来结账。
这就是“工具时代”的典型分配：钱先砸在工具上，最后还得砸在人身上。软件帮你把事儿做得更顺，但真正把账对上、结果盖章、风险兜底，还是得靠人。
你做一个更好的软件，最多也就抢走那1万。
可如果你直接帮它把账结了呢？
你抢的不是软件那1万。你抢的是12万这个人力资源的支出。
软件1万 ， 人工12万 。这是完全不是一个数量级的市场空间。
同样是“会计这件事”，你站在不同环节，天花板差出十倍以上。别说创业者，就连大公司也常常栽在这里：以为大家都在买“能力”，其实大家买的是“结果”，而结果对应的是预算。
红杉那篇文章叫《Services: The New Software》服务是新型软件。翻译成大白话就是：软件已经不只是装在电脑里，它会变成一种“直接交付的服务能力”，从流程里消灭中间环节。
红杉为什么现在敢这么说？因为有件事在改变：工作正在被拆成两类。
一类是智能：把需求转成代码、测试、调试。规则复杂，但终究是规则。
你把输入给它，它能按流程把事情做出来。
另一类是判断力：决定下一个该做哪个功能；决定是否该接受技术债；决定何时发布一个还不完善的产品。这里要经验，要品味，要多年磨出来的直觉。它不像做菜那样“照方抓药”，它更像厨师凭手感挑火候。
以前你用AI，更多把它当“自动补全”。一年前，大多数Cursor用户还在干这种事让AI帮你把代码补完，省点手。
但现在呢？Cursor上由AI智能体主动发起的任务已经多于人类了。
注意这个细节：不是“你更会用AI了”，而是AI开始把主动权抢过去了。
这说明智能部分越来越成熟，越来越能独立完成“规则型工作”。而一旦智能型工作被AI吞掉，剩下的判断力就成了稀缺资源谁能把智能做成服务，谁就能率先吃到预算。
说到这里，你可能会问：为什么软件工程跑得最快？
因为写代码这件事，智能的成分占绝对大头。你要做的很多是结构化、可验证的事。AI已经能独立完成大部分智能型工作，把判断力留给人类。
更重要的是，软件工程是第一个到达“智能被自动化、判断力被保留”的阶段的行业。它像是跑在前面的车道，后面的人还没反应过来，但车速差已经出现。
红杉的关键判断是：这不是只发生在软件工程。它即将发生在每一个职业中。
有了智能/判断力框架，地图就能画出来了。然后就出现两个特别刺耳的关键词：副驾驶 vs 自动驾驶。
副驾驶：它卖给专业人士。Harvey卖给律师，Rogo卖给投资银行家。专业人士是客户。AI让他们效率更高，但最终产出他们负责。
自动驾驶：它不卖给专业人士工具，而是卖给“需要结果的那一方”。Crosby不卖工具给外部律师，它直接卖给需要起草保密协议的公司。你不需要懂法律，我帮你把协议搞定。
WithCoverage也类似，它不卖给保险经纪人，而是直接卖给需要保险的CFO。你不需要懂保险，我帮你搞定保障方案。
这就是差别。看似都叫“AI”，但它们抢的预算口径不一样。
在任何行业里，预算有个规律：工作预算远远大于工具预算。
副驾驶从第一天起抢的是工具预算。自动驾驶从第一天起抢的是工作预算。
举个红杉用来打醒人的对比：
国外的记账软件QuickBooks抢的是1万块的工具预算。
而一个AI原生的记账服务，抢的是12万块的工作预算。12倍的差距。
而红杉给出的历史结论更狠：每花1美元在软件上，就有6美元花在对应的服务上。
所以他们才会说：下一个万亿美元公司不是做更好的软件，而是用AI直接交付服务。
你以为你在做“更强的工具”，其实你在跟别人抢“漏出来的小钱”；而真正的盆在“结果服务”的那边，钱从一开始就准备好在那儿。
但自动驾驶不是想上就能上，问题在切入点。
红杉给的战术路线很具体：从外包切入。
为什么从外包开始？
因为一项任务如果已经被外包了，它告诉你三件事：
第一，公司已经接受这件事可以由外部来做。
第二，已经有一笔现成的预算可以直接替代。
第三，买方本来就在购买结果，而不是购买工具。
更直观一点：
用AI服务替换一份外包合同，本质上是换供应商。摩擦小。好谈。能落地。
但用AI去替换内部员工？那不是买卖关系了，那是组织重组。阻力巨大。就像你想在公司里直接推翻既有流程，谁都得先担心“饭碗”。
所以先从外包啃下去，建立客户关系和数据飞轮，然后再向内部的、判断力密集型工作扩展。外包是切入点，内部工作是长期市场。
红杉的“机会地图”就是用两个维度把行业标出来：智能vs判断力、外包vs内包。
你可以把它理解成：哪些行业更容易让AI从“智能自动化”跳到“自动驾驶交付结果”。哪些地方因为高度标准化、流程碎片化，所以AI更像接管系统而不是“做个助手”。
我挑几个最有冲击力的：
第一类，保险。
标准商业保险高度标准化，经纪人干的活本质上就是在各家保险公司之间比价、填表这基本属于纯智能型工作。
而且分销层极度碎片化：成千上万的小经纪人跑着同样的流程。
当市场这么碎、流程这么像、交付这么标准，几乎是AI自动驾驶的舒适区。你要做的不是说服每个人“AI更聪明”，而是把“这套流程交付结果”直接接走。
第二类，财会人力的断档。
红杉点出美国过去五年少了34万名会计师，75%的注册会计师即将退休，考证周期又长，起薪还追不上科技和金融。结构性的人才缺口就摆在那儿。
你会发现一个诡异的事实：很多公司并不是不想把活外包，而是外包也很难维持供给稳定。AI能替代的部分恰好是智能密集型的那块，能在短时间内把交付能力补上。
第三类，医学编码。
有人一听“医疗”，就以为判断力一定爆炸。实际上计费层面，医学编码更像翻译：把临床记录翻译成大约7万个标准化代码。
规则复杂，但终究规则化。
而且外包已经成熟，按结果付费。你不必跟医生抢“判断力”，你抢的是把记录编码这条链路里被浪费的效率。
第四类，合同采购里最不被重视的钱。
红杉提到一个让采购部门都脸红的数据：合同泄漏占总采购支出的2%到5%。
很多企业的采购习惯是：只认真跟前20%的供应商谈判。长尾80%的供应商没人管，因为让人来做不划算。
于是AI切进去的方式不是替代谁，而是去做那些原本根本没人做的事找到被白白浪费的钱。
这条逻辑非常“现实”：你不需要所有人都喜欢你，你只需要他们在流程里有漏洞，而漏洞是按比例吃预算的。
再往上看，管理咨询这类大生意，机会也有，但它更考验拆解能力。红杉提到：5、管理咨询，3000到4000亿美元。市场巨大，但判断力占比太高。
怎么把难啃的骨头切开？
红杉的思路是：把咨询拆成两块
数据收集和基准对比（智能型）
战略建议（判断力型）
能自动化的那块先做成服务，先抢流程里的预算，然后再考虑怎么跟人工部分拼出整体交付。判断力不是不做，而是暂时别碰硬核区域，把可替代的部分先变成现金流。
回望过去一年，增长最快的AI公司更多是副驾驶类型。因为它们更容易讲清楚价值：用AI让用户更快写代码、更快分析、更快生成草稿。
但问题来了：到了一定阶段，很多公司会想转型为自动驾驶。它们面临一个经典困境卖工作成果意味着砍掉自己客户的活路。
这句话听起来残忍，但是真实。
如果你做的是律师工具，那你的客户是律师。你要转型成直接帮企业写合同的AI服务商，你等于在告诉客户：你可以不用我了。
需要的不是技术升级，是“胆量”。
而这种胆量，恰恰就是纯粹的自动驾驶原生公司窗口期：它们没有历史包袱，不用顾及现有客户的感受，从第一天就直接卖结果。
你可以把它理解成一种商业哲学：
有些公司卖的是工具的升级路径，有些公司卖的是结果的替代路径。结果替代更难，但也更大。
对于想在AI时代创业的，或者企业管理层想下注的，红杉给的底层信号其实就一句：别急着做更好的工具。
去找那些每年花大钱已经在外包行业，然后直接用AI提供结果。
从外包的智能型活开始，把预算拿到手。把交付跑通。把数据飞轮转起来。再慢慢扩到判断力密集的内包市场。
听上去像路线图，但对很多人来说，最大的阻力不是技术，而是心理。
你真的愿意放弃“做工具”的身份，改成“卖结果”的身份吗？
如果你今天做的AI产品，最终还是让客户继续付人工、继续负责最终交付，那你抢到的可能永远只是工具预算的那点零头。
所以我想问一句：当所有“AI工具”都把自己包装成智能时，你有没有意识到，真正决定财富上限的，是你到底在替谁省钱还是在替谁接管结果？
热门跟贴