红杉 2025 AI 评估框架：从氛围钱到真钱的进化路径
叶小钗约 8 分钟你好，小钗是连续的AI创业失败者。在医疗AI、教育AI、管理AI有丰富的失败经验
关注公众号，回复1，与我交个朋友吧
今天分享一篇报告：《红杉AI崛起2025主题演讲，人工智能万亿美元机遇》
首先是第一个问题：what，AI的意义在哪，他的市场潜力如何，又将会带来什么行业变革。
当前云计算市场的收入规模已高达4000亿美元。这个数字意义非凡，因为它已经超越了云计算转型初期全球软件市场的总体量。
这一对比为我们理解AI的潜力提供了重要参照。以此类推，AI服务领域的市场起点规模，预计将比云计算初期大一个数量级。
展望未来10至20年，AI最终可能催生出一个难以估量的庞大规模市场。这无疑是驱动未来经济发展的核心引擎。
最初，人们普遍认为AI的冲击主要集中于服务市场。但最新的观察表明，AI的浪潮正同时席卷服务与软件两大高利润领域。 这意味着两个巨大的、既有的市场结构都将面临AI带来的根本性挑战与重塑。
核心结论：软件和服务这两个庞大的潜在市场，都站在一个历史性的节点上，面临着被AI彻底重新定义的巨大机遇。
这不仅仅是效率的提升，更是商业模式和价值创造方式的深刻变革。未来属于那些能够驾驭从“工具”到“智能体”转型，并成功销售“成果”与“智能劳动力”的企业。
AI是否时机成熟
人工智能（AI）发展正处于前所未有的爆发临界点，其采纳速度和潜在规模将远超以往技术浪潮。
过去数十年的技术发展（如计算能力、网络速度、数据积累、分发渠道、人才储备）并非相互替代，而是像“层叠蛋糕”一样层层叠加。
这些叠加的技术为AI的发展奠定了坚实的基础，所有必要的先决条件现在已完全成熟。
因此，AI 不再仅仅是“不可避免”的未来趋势，而是“迫在眉睫” 的现实。发展的时机已经到来。
技术/产品被广泛采纳（分发传播）的核心在于满足三个基本条件：
认知 (Awareness)： 大众必须知道该技术/产品的存在。 意愿 (Desire)： 大众必须有想要获得它的动机。 能力 (Accessibility)： 大众必须有途径和能力（经济或技术上的）去获取它。
满足这三个条件，是实现快速大规模普及的关键。当前全球对AI的关注度瞬间引爆（如ChatGPT、Manus发布），高效传播渠道成熟（社交媒体月活用户达12-18亿），潜在用户基数巨大（全球互联网用户达56亿，基本覆盖家庭和企业）。
我们该如何应对
云和移动时代验证过：价值最终沉淀在应用层。AI时代亦然，但护城河不再是“写个App”，而是把行业洞察 + 专属数据 + 长尾流程整合起来。
并且Prompt、RAG、函数调用、Agent等工具链愈发完备，通用模型直接提供可落地的API组合，其结果是：横向平台的价值空间被压缩，壳式应用的生存难度提升。
因为技术体系的技术变化，所以产品的玩法也发生了很大的变化，以前我们的套路是：我有个酷模型 → 去找个场景凑合用用。
AI时代的话，做法开始从创造模型逐渐变成了观察市场：先把客户每天怎么干活、最痛的环节画成流程图。再倒过来想：
哪一步能用 AI 自动化？要用到什么模型？要改什么系统接口？
这样算出来的收益，直接跟业务指标挂钩（多收多少单、少出多少错），而不是“参数又大了10B”这种数字，如图所示：
从这个角度来说，产品壁垒回到了下表三个点：
| 行业 Know-how | ||
| 专属数据闭环 | ||
| 流程控制权 |
做到这三点，产品就不是“可有可无的小工具”，别人想换都犯难。所以创业者可落地的三条路径也就清晰了：
| 深场景 Copilot | ||
| 行业特化 Agent/RAG Stack | ||
| AI-native 服务外包 (新 BPO) |
最后总结一下：
技术红利在加速折旧：模型、算力会越来越便宜，技术差距缩小。 行业红利在持续增值：懂业务、控数据、会落地的人稀缺。
以客户为中心，从终局需求反推最小可行闭环，然后用 AI 强化而非替代整条链路，就可以取得领先。
企业的普适性与AI的特殊性
这一节核心观点是：AI创业≠重造商业逻辑，构建一家 AI 公司，其 95% 的工作依然遵循企业构建的基本原则。
团队、市场、交付、现金流，这些硬功夫今天仍然决定公司能否活下来。真正的“AI 特殊性”只占最后的 5%，先把传统管理 & 运营点做扎实，再去谈AI魔法，才不会陷入“炫技而无业务”的怪圈。
很多团队，尤其是技术团队创业，尤其喜欢拿着锤子找钉子，擅长做什么就使劲做什么！
他们喜欢先研发再去思考哪个行业能用，结果研发阶段倒是爽，发布后发现客户不买账！
并且AI类产品往往，十分容易抄袭，最后的结果就是同质化验证，如Coze、Dify、FastGPT等，并且他们也很难积累场景数据。
现阶段创业需要先思考客户完整的业务链条，标红最费钱/最痛/最慢的节点，最后再反推需要哪些 AI 能力。这样貌似起步慢一点，但ROI会比较高。
这套路径的核心是快速建立数据飞轮系统，让AI产品可以螺旋式提升。
企业六件套
公司完整价值链是：愿景→产品→工程→营销→销售→支持的全链路闭环。
AI 公司本质仍是企业，脱离商业逻辑的技术是无根之木。技术必须附着于清晰的用户价值和可持续的变现路径，否则易陷入“为AI而AI”的陷阱。
一、愿景
只不过，AI 公司对于以上的要求变得更为严苛了，比如一般的愿景是：我们要做 AI 赋能××行业。
泛而空洞，团队决策容易发散，所以需要将他转为带立场的洞察，比如：医药流通里 23% 的冷链丢失来自温度数据延迟 ≥5 分钟。
所有功能取舍、定价策略，都围绕这根“北极星”决策，因为场景具体，所以动作上就更笃定了。
二、产品
当前很多公司喜欢交付一个聊天机器人，但这个做法已经慢慢变得忽悠不过去了，当前讲究端到端的解决方案，也就是全部帮我搞定！
要把触点—处理—回写全包住：例如在医院做处方审核，不仅标记风险，还要写回 HIS 系统并生成合规报告。
包得住需求才留得住用户。
三、工程
每个产品都会有个相同的链路：业务 → 产生数据 → 反哺模型 → 效果更好 → 业务更多...
AI产品是一个尤其需要数据反馈的产品，如前面关于RAG的文章所述：
AI项目的可观测性比准确率更重要。在保证基础准确率后，重点要转向归因追溯、审计追踪和错误分析，然后，建立反馈闭环监控系统，确保合规并持续改进。
在AI项目中，达到100%的准确性几乎是不可能的。即使能达到90%或95%的准确率，企业现在更关心的是如何处理那缺失的5%或10%——即不准确的部分。当出现错误时该如何应对？这一切的答案就在数据飞轮。
四、营销
AI项目去做市场品牌，不如踏踏实实将安全性处理好，AI产品有人信就是最好的营销，比如：
医疗：引用《柳叶刀》或 FDA 指南，附带 RCT 数据； 金融：出具合规白皮书，通过 SOC2 / ISO27001 审计； 制造：展示 OEE（整体设备效率）提升的硬指标；
很多行业属于高度风险厌恶，能解决信任问题就是最后的加速器。
五、销售
企业决定买不买一个AI产品往往是多方决策，按照之前红杉AI大会交付价值的启示，也许可以反映到不同的视角数字上：
六、支持（客服）
在AI时代的客服也许比以往更加重要，因为他们是飞轮系统构建反馈的重要一环，甚至客服可能就是AI产品的数据标注师...
总结一下，AI创业者需要回答以下问题：
我的方案是否解决了客户「不愿/不能」明确表达的痛点？ 数据飞轮如何启动？冷启动期如何获取初始燃料（数据）？ 我的团队是否有目标行业的「语言翻译者」（懂技术+懂行业）？ 哪些环节必须保留人类专家？如何设计服务动线？
红杉如何评估AI公司
现在红杉变得很务实，激情的演说、动听的故事、花哨的demo都不好使，他们关心的是：赚钱方式靠不靠谱？毛利能不能持续增长？数据护城河是否真的驱动业务？翻译一下，有三个核心：
第一，这钱，客户会一直给吗？
投资人特别关心你赚的钱是不是氛围钱，客户图个新鲜，买一次就再见，比如黑客马拉松奖金、一次性项目费；
还是真钱。客户把你的东西装进日常流程，离不开你，每个月（或每年）都自动续费。
这里需要去做一个财务UE模型，把一次性的收入挑出来，看看剩下的“月月续”。如果续费占比还很低，就得想办法让他们离不开你。
第二，未来能挣几毛？还是几块？
现状低毛利投资人是无所谓的，因为AI算力现在贵，后续会越发便宜；但需要让投资人看到成本在往下滑，定价有机会往上抬的坡道。
第三。是否有数据飞轮
数据飞轮必须满足：
用户用得越多 → 收集到的好数据越多； 数据越多 → 模型越准； 模型越准 → 用户更爱用； 圈完一圈，还要有指标向上（比如留存率 +5%，单客收入 +10%）；
做AI产品必须回答清楚，飞轮到底让哪个数字变好了，又是如何变化的！
至此，Packardium（红杉资本合伙人）分享结束，我们下次继续。
结语
AI并非炫技秀场，而是一次深水区的商业重构：技术红利高速折旧，行业红利持续增值，决定胜负的是洞察-数据-流程三点连成的飞轮。
把客户最痛的环节深挖一厘米、打通一条可观测闭环，再用 AI 把人效和体验拉满，这就是成功的秘诀！
点击上方卡片关注叶小钗公众号，查看下方二维码，添加我个人微信：