红杉合伙人谈AI机会:编程之后,下一门大生意在哪?

如果AI能把一项服务做得很便宜，最值得找的客户，可能是过去根本买不起这项服务的人。这会改变创业者的选题：除了帮大公司省工资，还能把什么生意卖给原来没有预算的人？

2026年9月2日，红杉合伙人 Konstantine Buhler 发表了《认知革命》（The Cognitive Revolution）。他在红杉个人主页上标的投资阶段是种子和早期，自述看好积累客户和数据、再用智能算法把客户服务得更好的公司，企业和消费两类都有。他把AI比作脑力劳动的工业革命，押注便宜的智能会催生更大的需求。这是一位投资人的判断，读它最有用的方式，是追问下一批公司靠什么赚钱。

Buhler把替人写代码的AI放在早期纺织机械的位置上：先把一项昂贵的专业劳动交给机器，但远不是应用的终点。他猜测，更大的机会可能在科研、个人助理，以及人与人连接、协作的新方式。

这不是一份已被市场验证的赛道排名。对中国创业者而言，它的价值在于换一个找项目的起点：如果脑力服务不再那么贵，哪些客户会第一次掏钱？

不妨假设一家出海小品牌，过去只在退货突然增加时，临时翻看消费者反馈。如果分析成本足够低，它可能愿意持续追踪不同国家、不同渠道的售后问题，再决定改商品还是改说明书。

省下原有分析团队的工资，和让从未雇过分析师的商家开始购买分析，是两种收入来源。后者才更贴近Buhler的押注。他在文中用小企业无力聘请财务分析师举例，说明还有需求被高成本挡在门外。

不过，知道方向还不够，得知道客户为什么买单。

科研工具要问：研究过程加快之后，客户能否更快淘汰不值得做的方案？个人助理要问：除了给建议，用户愿不愿意授权它办理事务？协作产品要问：能否减少反复确认，让不同的人更快达成决定？

科研仍要面对实验验证，助理要处理授权和出错后的补救，协作产品要让各方愿意采用同一套流程。模型变强，只解决其中一部分。

因此，出海团队选市场时，值得多找那些有需求、却一直缺少专业服务的小客户。语言适配当然要做，但更有价值的问题是：当地客户过去为什么没有买，今天又凭什么开始买？

Buhler判断，智能降价后，客户会购买远多于今天的智能。这套逻辑对卖算力、按用量卖大模型服务、卖应用的公司，意义并不相同。

对算力供应商，需求扩张可能带来更多订单。但能不能赚到钱，还要看机器是否用得起来、售价能否覆盖建设和运营成本。“大家会用更多AI”不能代替一张项目收益表。

对按用量卖大模型服务的公司，用量涨了也不等于收入同步增长。单价下降时，要靠更多使用量补回来；而营收增长之后，服务成本还得扣除。便宜能带来客户，能否留住客户和利润，要另算一笔账。

应用公司则要把便宜的智能做成客户愿意付费的服务。商家购买售后分析，是为了知道哪些商品需要修改。只生成一份长报告，未必足以让他续费。

Buhler的乐观判断，还得过交付这一关：客户从“想要”走到“付钱”，中间还有把客户资料接进来、人工核对、出错返工的成本。买大模型服务省了钱，交付如果更费人，生意未必更好。

更实用的检验办法是：智能继续降价时，这家公司能否服务更多原来不值得服务的客户，并且每做成一单还能留下利润？如果只能靠降价争夺同一笔预算，增长就更依赖从对手手里抢客户。

旧预算也能做出好生意。只是它需要证明替换现有服务的理由；新增需求则要证明客户真的愿意为过去没买过的东西付费。投资人不能把这两种增长故事混在一起。

这篇文章最值得管理者留意的，是Buhler对转型代价的承认：经济整体受益，不保证失去原有工作的人能赶上新机会。他的长期乐观，并没有消除个人在转型期的损失。

放到公司里，我的判断是，越容易明确要求、反复交付、逐项检查的任务，越可能先受到价格压力。例如按固定格式整理资料、生成常规初稿。这里被重新定价的首先是任务，不能直接推成某个职业将消失。

但“让人去审核”也不是现成答案。初稿多了，审核可能更忙；如果省掉制作时间，却把检查责任默默加到另一个人身上，公司只是把成本藏了起来。

Buhler认为，人的价值会更多留在决定想要什么、作出选择、承担后果和赢得信任上。对管理者，这意味着岗位设计要具体到谁能否决结果、谁决定取舍、谁处理客户的不满。

例如让AI准备海外客户的回复草稿，可以由负责人决定是否承诺退款、是否调整交付日期。系统负责准备材料，人的授权范围、复核时间和最终责任都要写清楚。否则，所谓提效可能只是更快地发出错误承诺。

下一次评估AI项目，先找潜在客户核实一件事：它是否让客户开始购买过去嫌贵、做不起的服务。下一次改岗位，再把审核需要的时间和拍板的人写进流程。新增的需求能不能收钱，新增的产出由谁负责，这两件事比跟进一个热门赛道更值得先弄清楚。

Ciao西奥，聊透科技和商业里有意思的人和事

关注不迷路，转发是鼓励，我们下篇见。」