夜雨聆风
如果你还在卖AI工具,可能正在和一家披着“服务公司”外衣的软件公司赛跑
红杉资本的最新报告抛出重磅判断——下一个万亿美元公司，会是一家伪装成服务公司的软件公司。这句话，值得每一个AI从业者反复咀嚼。
卖工具，是在和大模型赛跑
“下一代万亿美元AI公司，将是一家伪装成服务公司的软件公司。”
这是红杉资本合伙人Julien Bek在最新AI报告中给出的核心判断。第一次读到这句话，我的脑子里冒出的画面是：一家公司穿着服务业的马甲，里面其实是科技公司的内核。
但看完报告的完整逻辑，我发现这个判断远比我想象的更颠覆。
先来看一个扎心的事实。每一个做AI工具的创始人，都在担心同一个问题：“下一版Claude把我的产品变成一个功能怎么办？”这种担心完全合理——如果你卖的是工具，你就在跟大模型赛跑。 今天你引以为傲的“智能文档总结”，可能下周就被模型更新内置了；今天你花三个月打磨的“自动生成PPT”，可能明天就被大厂随手做成一个免费功能。
这条赛道上，越来越拥挤，也越来越危险。
为什么“卖结果”比“卖工具”更值得赌
红杉的颠覆性观点在于：不要卖工具，要直接卖工作成果。
红杉资本做了一个分析：企业在软件上的每一块钱投入，对应着六块钱花在服务上。一家公司可能每年花1万美元买QuickBooks，再花12万美元请会计师来结账。如果只能卖掉那1万美元的工具，就等于放弃了后面12万美元的“结账服务”市场。
真正的机会在Copilot和Autopilot之间。Copilot卖的是工具——你把AI放到专业人士手中，让他们自己决定怎么用。Harvey卖给律所，律师用它来提速，但律师仍然对最终的法律意见负责。
而Autopilot卖的是工作本身。Crosby直接卖给需要起草NDA的公司，而不是卖给外部法律顾问；WithCoverage卖给需要保险的CFO，而不是卖给保险经纪。客户直接购买的是结果，而不是工具。
模型每一次进步，对于卖工具的来说可能是毁灭性打击；但对于卖工作本身的来说，每次模型进步都让服务更快、更便宜、更难被竞争。
服务业的“马甲”与软件公司的内核
“伪装成服务公司”——这个表述里的“马甲”，恰恰是红杉最聪明的地方。
当一个AI公司披上服务业马甲，它接管的就是客户外包出去的、本来由人工完成的活儿。而“马甲”之下的软件内核，决定了它能用大模型能力把成本压到原来的零头，交付速度是人类的几十倍。
一个很好的例子是编程赛道。Cognition AI的Devin已经可以完成从需求理解到代码编写、调试运行的全过程，而非仅仅是一个代码补全工具。2026年仅前两个月，Devin完成的代码交付量就已超越了2025年全年的总和。现在，工程师只需投入1小时指导Devin，就能产出过去6到12小时的工作量。
这家公司的估值，在不到一年半的时间里从3.5亿美元飙升至102亿美元。它的客户名单里，已经写满了高盛、花旗、戴尔这些全球顶级企业。
在法律领域，AI公司Harvey同样在复制这套逻辑。它自动化合同审查与案件文件分析，截至2025年8月年经常性收入已突破1亿美元，客户覆盖63个国家，包括大部分美国前十大律所。估值从2025年2月的30亿美元飙升至年底的80亿美元。
这些公司看似是法律服务提供商或编程服务提供商，但它们的真正内核是一家AI软件公司。它们不靠律师或程序员的人数吃饭，而是靠软件能力和模型迭代来交付结果。红杉强调，初创公司应聚焦垂直领域与具体工作流，以客户需求为起点，而非从模型能力出发，并构建端到端的解决方案而非仅仅提供工具。
为什么这个拐点刚好出现在今天
红杉资本合伙人Packer Radio在AI Ascent 2025演讲中给出了一组数据：AI所撬动的总市场空间至少为云计算（4000亿美元）的十倍，即超过4万亿美元的起点规模，并将在未来10到20年内持续扩张。
为什么是现在？AI发展所需的一切要素——计算、网络、数据、分发渠道、人才——已经全部就位。全球互联网用户达56亿，主流社交平台月活用户总和达12亿至18亿，信息传播效率远超云转型与移动互联网初期。自2022年11月30日ChatGPT发布起，AI即获得全球性关注，技术采用曲线陡峭上升。
更关键的是，价值重心正在明确地转向应用层。红杉指出，历次技术浪潮中收入达10亿美元以上的头部公司多集中于应用层，当前AI领域亦遵循此规律。Harvey、Open Evidence、Glean、Sierra、Cursor、Abridge等已被视为首批具备产品市场契合度的AI原生应用。
先从外包做起，再吞下内部劳动力市场
这是红杉给出的战术路径，极其务实。
如果一项任务已经被外包了，红杉说这告诉你三件事：第一，公司已经接受这项工作可以由外部完成；第二，有一个现成的预算科目可以被干净地替换；第三，买方已经在购买结果。
用AI原生的服务提供商替换一份外包合同，本质上是一次“换供应商”。但如果你试图替换内部员工，那就是一场“组织重组”，难度和阻力不是一个量级的。
从外包的、智力密集型的任务切入，搞定分发，然后逐步渗透进内部——这才是最聪明的打法。
MIT的研究也印证了这一判断：企业里做AI项目的成功率不到5%，大多数最后都没跑通。而那些成功的5%，恰恰是在有明确服务交付场景的地方，而不是在做“通用工具”的尝试。
理解“智力”与“判断”，才真正看懂AI的边界
红杉在报告中提出了一个关键框架：智力 vs 判断。
写代码主要是智力工作——把需求文档翻译成代码、测试、调试，规则很复杂，但终归是规则。判断则不同：它需要经验和品味，需要多年实践积累出来的直觉——决定下一个该做什么功能、要不要欠技术债、什么时候在没准备好之前就发布。
一年前，大多数Cursor用户把AI当自动补全用。但今天，由Agent发起的任务已经比人类发起的更多。软件工程在所有职业的AI工具使用中占比超过一半，其他所有品类还停在个位数。原因是软件工程主要是智力工作。AI已经跨过了那条线——它能自主完成大部分智力工作，把判断留给人类。软件工程最先到达这里，但它会蔓延到每一个职业。
红杉的判断是：一个领域里智力占比越高，Autopilot就越快赢。这也是为什么编程会成为AI替代的第一个大规模战场，但它一定不会是最后一个。
AI正在从“副驾驶”变成“飞行员”
红杉指出，AI正从副驾驶走向自动驾驶，从卖工具转向卖结果。而在更宏观的层面，AI正在同时冲击服务和软件两大市场。
这一转变的意义远超商业模式的范畴。它意味着整个劳动力市场正在被结构性重塑。
正如红杉在AI Ascent 2025上所说，基础模型竞争日益激烈，但价值汇聚点仍在应用层——谁更贴近客户真实问题、更高效交付可衡量成果、更扎实构建数据与信任壁垒，谁就将在万亿美元级新经济格局中占据枢纽地位。
所以，回到开头那句话：下一个万亿美元公司，会是一家伪装成服务公司的软件公司。
这并不是一个投资圈的俏皮话，而是一个对AI商业本质的深刻洞察。穿上服务业的马甲，是为了拿到原本属于人工的预算；保留软件的引擎，是为了用大模型的力量把效率拉到极致。
如果你现在还在做AI工具，也许应该问自己一个问题：有没有可能，你的竞争对手不是另一家工具公司，而是一家披着“服务外包商”外衣的软件公司？
它卖的不是软件，而是结果。它的报价比你的低，交付比你的快，扩张比你的猛。而且每一次大模型升级，都会让它变得更强。
这才是真正值得焦虑的事，也是真正值得兴奋的事。
历史发布：