来自红杉资本的Julien Bek 今年3月份发表的《Services: The New Software》中提出了一个重要判断：下一家万亿美元级公司，可能不是一家传统意义上的软件公司，而是一家“看起来像服务公司、实质上由软件和 AI 驱动”的公司。

其核心逻辑是：如果创业公司只是出售 AI 工具，就会不断面对基础大模型升级带来的替代风险；但如果出售的是具体工作结果，每一次模型进步都会让服务交付更快、更便宜，也更难被传统竞争者追赶。

红杉用一句话概括这种变化：Copilot sells the tool. An autopilot sells the work。

这个判断对 我们AI+IP 赛道具有很强的启发意义。

知识产权行业长期以来既是专业服务市场，也是软件工具市场。客户购买专利检索、专利撰写、FTO 分析、商标监测、IP 估值、专利布局、许可交易支持等服务时，真正想要的往往不是一个“更好用的软件界面”，而是一个可交付、可验证、可负责的专业结果。

因此，AI+IP 的真正机会，可能不只是“把 AI 加到 IP 软件里”，而是用 AI 重构知识产权专业服务的交付方式。

一、红杉文章的主要观点：从软件工具走向服务结果

1、两种 AI 公司：一种是 Copilot，另一种是 Autopilot。

Copilot 卖的是工具。它把 AI 交给专业人士，由专业人士决定如何使用，并对最终结果负责。例如，AI 法律工具卖给律所，AI 投研工具卖给投行，AI 编程工具卖给工程师。客户购买的是提升效率的工具。

Autopilot 卖的是工作。客户购买的不是一个 AI 工具，而是一个完成后的结果。例如，客户不再只是购买会计软件，而是购买“账已经关好”；不再只是购买合同起草工具，而是购买“合规文件已经完成”。红杉举了一个非常直观的例子：一家企业可能每年花 1 万美元购买 QuickBooks，却花 12 万美元请会计完成关账；未来的新一代公司，可能不是卖会计软件，而是直接完成“关账”这件事。

这个例子背后反映的是一个更大的市场结构：软件预算只是冰山一角，服务预算才是更大的市场。每 1 美元软件支出背后，对应约 6 美元服务支出。Autopilot 的目标市场不是工具预算，而是某个专业领域中的劳动支出和服务支出。

2、专业工作拆分为“智能型工作”和“判断型工作”。

智能型工作，是规则复杂但可以被结构化、验证和重复执行的智力劳动。例如资料整理、规则匹配、文本生成、代码编写、表格填写、报告初稿、流程推进等。

判断型工作，则依赖经验、责任、品味、直觉和复杂取舍，例如战略选择、风险承担、法律判断、商业谈判和最终决策。

AI 最先自动化的是智能型工作，而不是判断型工作。软件工程之所以率先受到 AI 深度影响，是因为大量编码、测试、调试工作都属于智能型工作；而决定做什么产品、何时发布、是否承担技术债，则属于判断型工作。

3、 Outsourcing 是 AI 原生服务公司的最佳楔子。

已经外包的任务，说明客户本来就接受外部交付；预算已经存在，采购对象本来就是结果。此时 AI 原生服务商替代传统服务商，本质上是“换供应商”。但如果一开始就试图替代企业内部岗位，就会变成组织重构，阻力会大得多。

因此，AI 原生服务公司最好的切入点，是那些“已经被外包、智能型工作占比较高、结果可验证”的任务。

4、今天的判断，会成为明天的智能。

随着 AI 系统在具体领域中积累越来越多专有数据，原本需要专家判断的部分，也会逐步被规则化、模型化和自动化。

Copilot 与 Autopilot 最终会趋于融合，但起点非常重要，因为起点决定了谁能够先获得客户、先积累数据、先形成服务飞轮。

二、对 AI+IP 的启示：从 AI 工具走向 AI 原生 IP 服务

启示一：AI+IP 的机会不只是卖工具，而是交付 IP 服务结果

把红杉的逻辑放到 AI+IP 赛道，最重要的启示是：AI+IP 的机会不只是开发一个专利检索工具、专利撰写工具、商标监测工具或 IP 管理系统，而是把这些能力包装成可交付、可验证、可负责的专业服务结果。

未来 AI+IP 公司大致会有三种定位。

第一种是工具型公司，卖的是 AI 检索、AI 撰写、AI 监测等功能。

第二种是工作流型公司，把 AI 嵌入专利申请、审查意见答复、FTO 分析、商标监测、组合管理、年费优化等业务流程。

第三种是结果交付型公司，不再只卖软件账号，而是直接交付现有技术检索报告、专利申请初稿、FTO 初筛报告、商标监测处置结果、IP 组合优化建议、专利价值评估报告、许可交易线索清单等成果。

真正值得关注的是第三种。因为客户愿意为“完成一项 IP 工作”付的钱，通常远高于为“使用一个工具”付的钱。

AI+IP 的大机会，可能不是占领 IP 软件预算，而是进入 IP 专业服务预算。

启示二：从“智能型工作”切入，优先选择边界清晰、结果可复核的 IP 场景

按照红杉的框架，AI 最先自动化的不是高度依赖经验和责任判断的工作，而是规则复杂但可以被结构化、验证和重复执行的智能型工作。对应到知识产权行业，AI+IP 应优先选择任务边界清晰、数据和规则密集、已有外包预算、结果可以由专家复核的场景切入。

典型方向包括：专利检索分析或专利导航分析，可从工具使用升级为“可复核的检索报告”或“专利导航分析报告”；商标检索、监测与品牌保护，可从软件订阅升级为持续发现风险、组织证据、提出处置建议并跟踪结果的托管式 AI 服务；IP 组合管理与年费优化，可从单纯的 IPMS 管理系统升级为年度组合体检、续费优化清单、高价值专利识别和低价值资产处置建议；IP 估值、许可与交易线索发现，可从“估值模型”升级为面向融资、许可、转让和并购尽调的价值判断与交易机会发现。

也就是说，AI+IP 的早期突破口不应是最复杂、最高风险的法律判断，而应是那些可以被流程化、证据化、报告化交付的专业服务环节。

启示三：优先攻击已外包环节，而不是一开始替代企业内部 IP 部门

按红杉的楔子理论，AI+IP 应优先切入已经外包的 IP 服务，而不是一开始就替代企业内部 IP 部门。

我国专利商标代理行业高度分散，部分服务单价透明，交付物相对标准化，例如一份申请文件、一份 OA 答复、一份检索报告、一项商标注册、一份年费管理清单。这与红杉提到的保险经纪、税务咨询、交易型法律等行业结构高度相似。

对客户来说，替换一家代理所或检索服务商，是换供应商；但替代企业内部 IP 总监或法务负责人，则是组织重构，阻力完全不同。

因此，AI+IP 的早期客户不一定是大型企业的 IP 部门，而可能是直接采购代理服务的中小企业 CTO、创始人、法务负责人、研发管理者、跨境电商企业和出海企业。这些客户的核心诉求往往很明确：更低成本、更快交付、更透明流程、更可验证结果。

启示四：每一个法域都可能成为 AI+IP 的数据护城河

红杉在税务场景中的判断，对 IP 行业很有借鉴意义：每多覆盖一个法域，数据壁垒就更深一层。

知识产权天然具有强地域性。美国 USPTO、欧洲 EPO、中国 CNIPA、日本 JPO、韩国 KIPO、WIPO PCT、马德里商标体系、海牙外观设计体系，都有各自的规则、表格、期限、费用、审查口径、语言习惯和实务惯例。

一个只覆盖单一国家的 AI+IP 工具，价值有限；一个能够同时处理 30 个甚至更多法域的 AI Autopilot，数据复利效应会远超单一国家的从业者。

这恰恰是中小企业最痛、也最愿意外包的部分。出海企业常常不知道该在哪些国家申请、如何衔接期限、如何准备文件、如何估算费用、如何跟踪法律状态、如何管理海外代理。AI+IP 公司如果能把多法域规则、流程、表格、期限和审查习惯沉淀为系统能力，就可能形成长期壁垒。

三、应避免的误区与 AI+IP 的演进路径

红杉文章对 AI+IP 的另一个提醒是：不要把自己困在“工具公司”的定位里。

如果一个 AI+IP 产品只是做翻译、文本改写、简单检索或报告生成，很容易被大模型、办公软件、IP 数据库厂商或大型法律科技平台吸收。基础模型每升级一次，单点功能的差异化就会被压缩一次。

AI+IP 创业公司如果想建立长期壁垒，需要避免三个误区。

第一个误区，是把功能当成产品。AI 摘要、AI 翻译、AI 检索、AI 写权利要求，本身都只是功能，不一定能构成独立商业模式。真正的产品，应该围绕客户要完成的 IP 任务来设计，而不是围绕某个模型能力来设计。

第二个误区，是只服务专业人士，不服务业务结果。如果产品只让专利代理人效率提升 20%，客户愿意付的钱有限；但如果产品能把一个检索项目、撰写项目、监测项目或组合优化项目直接交付出来，价值空间会更大。AI+IP 的定价逻辑，应从“账号订阅”逐步走向“任务交付”“报告交付”“托管交付”和“结果交付”。

第三个误区，是忽视责任和验证。IP 行业不是普通内容生成场景，错误可能导致权利范围缩小、专利无效、侵权风险、商业秘密泄露或交易误判。因此，AI+IP 的结果交付必须带有证据链、复核机制和责任边界。没有可验证依据和专家复核的 Autopilot，在 IP 行业很难获得长期信任。

从演进路径看，AI+IP 可能经历三个阶段。

第一阶段是 Copilot 阶段。AI 辅助专利代理人、律师、IP 经理完成检索、摘要、翻译、撰写和分析。在这个阶段，AI 的主要价值是提高专业人士效率，客户仍然是专业人员或专业机构。

第二阶段是 Workflow 阶段。AI 嵌入完整 IP 流程，连接数据、任务、人员、审核和交付。例如，从技术交底到专利检索、从审查意见解析到答复草稿、从商标监测到侵权处置、从专利清单到组合优化。这个阶段的核心不是单点功能，而是流程协同。

第三阶段是 Autopilot 阶段。AI 原生服务商直接交付标准化程度较高的 IP 工作结果，并由专家进行关键节点把关。客户购买的不再是工具账号，而是检索报告、撰写初稿、OA 答复方案、FTO 初筛、商标监测处置、组合优化建议、IP 估值和交易线索。

真正有价值的 AI+IP 公司，未必只是一个更好的专利检索工具，或一个更会写专利的插件，而可能是能够直接交付 IP 工作结果的 AI 原生服务商。

红杉提出的“收敛趋势”也值得 AI+IP 赛道特别重视：今天的判断，会成为明天的智能。

在知识产权行业，今天很多判断仍然依赖资深代理人或律师，例如如何设计权利要求、如何答复审查意见、如何判断 FTO 风险、如何估计专利价值、如何选择许可对象。但如果 AI 原生服务商长期积累真实业务交付中的数据，包括审查意见与答复结果、权利要求修改记录、授权与驳回案例、无效证据、商标异议结果、FTO 风险反馈、许可交易案例和年费优化结果，那么原本依赖经验的判断，会逐渐沉淀为可训练、可复用、可优化的数据资产。

这意味着 AI+IP 的关键不是等待模型完全成熟，而是尽快找到智能型、外包型、结果可验证的入口，让数据飞轮先转起来。谁先完成真实业务交付，谁就先积累专业反馈；谁先积累专业反馈，谁就更早把“判断”转化为“智能”。

总之，红杉《Services: The New Software》给我们 AI+IP赛道 的最大启发是：AI+IP 不应只理解为“AI 工具进入知识产权行业”，而应理解为“AI 正在改变知识产权专业服务的交付方式”。

参考资料

Julien Bek, Services: The New Software, Sequoia Capital, March 5, 2026. 原文网址：https://sequoiacap.com/article/services-the-new-software/?utm_source=tldrnewsletter