AI服务就是新软件?红杉抛出10万亿超级赛道,但我有不同看法

> 2026年3月，红杉资本合伙人Julien Bek发表了一篇震撼硅谷的重磅文章《Services: The New Software》。这篇报告的核心论断极其大胆：**下一个万亿美金公司，将是一家伪装成服务公司的软件公司。**

> 这篇文章在创投圈引发了巨大争议——有人奉为圣经，有人斥为伪叙事。今天，我们把这场争论说清楚。

---

一、红杉抛出了什么？

先说红杉报告究竟讲了什么。

过去几十年，企业每在软件工具上花 **1美元**，就要在围绕该软件的专业服务（数据分析师、IT实施、外部咨询、外包托管）上花 **6美元**。

传统SaaS公司一直在那"1美元"的红海里内卷，眼睁睁看着利润更丰厚的"6美元"服务市场被麦肯锡、埃森哲、四大会计师事务所瓜分。

红杉说：**AI来了，软件公司终于可以越过那道鸿沟，去抢那6美元了。**

怎么抢？从"卖工具"变成"卖结果"。

红杉提出了一个范式跃迁：

| | Copilot（副驾驶）| Autopilot（自动驾驶）|

|---|---|---|

| **卖给谁** | 专业人士 | 企业决策者 |

| **卖什么** | 效率工具 | 最终结果 |

| **预算来源** | 工具采购预算（1美元）| 人力服务预算（6美元）|

| **人类角色** | 主导者 | 监督者/兜底者 |

逻辑听起来很美：**AI不再只是辅助人类写代码、审合同，而是直接把"代码写完"、"合同审完"这个结果交付给企业。**

软件公司变成了"服务公司"——但它是用AI驱动的、可规模化的、边际成本趋近于零的服务公司。这才是真正的护城河。

---

二、红杉指明的"黄金赛道"

红杉报告里，最值钱的部分是它给出的落地路径。

**第一刀：切外包市场。**

为什么是外包？因为外包客户的心智已经成熟——他们已经接受了"工作可以由外部完成"这件事。用AI服务商替代传统BPO（业务流程外包），对客户来说只是一次"供应商替换"，而不是伤筋动骨的"组织重组"。

红杉点名的黄金赛道：

法律外包：360亿美元的市场，基础合同审阅、法律流程外包
IT外包：数千亿美元的IT基础设施管理、应用现代化
财税服务：会计审计、税务申报
医疗编码：病历编码、医保结算
管理咨询：分析报告、战略建议

**第二刀：智力 vs 判断力。**

红杉把所有白领工作拆成两个维度：

- **智力（Intelligence）**：基于规则、模式化的任务——代码编写、数据对账、合同比对。AI已经能做得比人好。

- **判断力（Judgment）**：依赖经验、直觉、风险权衡的决策——商业谈判、危机定调。目前仍需人类主导。

红杉的预判是：**今天的判断力，就是明天的智力。** 随着AI在真实场景中运行，人类每一次对AI结果的修正，都在把"判断力"转化为机器可学习的"数据模式"。

这个飞轮如果转起来，护城河将深不可测。

---

三、一个完美叙事，但行得通吗？

红杉的报告出来后，业界反应两极分化。

**支持派说**：这就是AI的终极形态。工具型AI没有壁垒，大模型一升级，你的产品就被吞了。只有直接交付结果、掌握专有数据的AI服务公司，才有真正的护城河。Crosby（红杉投资的AI律所）已经在实践中——他们直接注册为律师事务所，抛弃"计费小时"，按文件收费，把几周的合同谈判压缩到1小时。

**质疑派说**：这一叙事存在根本性缺陷，跑不通。

其中最尖锐的批评来自ToBeSaaS作者戴珂。他的核心论点是：

> **"能写死规则的场景，早就被传统SaaS+RPA吃透了，AI没有增量；写不死规则的场景，AI必错，只能人工兜底。Autopilot模式要求AI处理非标任务，必然出错，需要人力兜底——这等于把轻资产的软件公司，降级为重人力的服务公司，根本不具备规模化基因。"**

这个质疑击中了要害。

红杉叙事里有一个隐含假设：**AI可以无限逼近100%准确率，从而不需要人工兜底。** 但现实是，在高价值、高风险的核心业务场景里，AI出错的成本极高，没有任何企业敢让AI"全权负责"。法律、财税、医疗，哪一行敢让AI自己拍板？

**权责归属问题，不是技术问题，是商业风控的刚性约束。**

---

四、中国市场的特殊处境

把红杉的叙事放到中国市场，问题更复杂。

**第一，标准化程度不同。**

美国的外包市场高度标准化，法律流程外包（LPO）、IT外包都有成熟的SOP。中国的企业服务市场，标准化程度低得多，每家客户的流程都不一样。AI要"直接交付结果"，面临的定制化成本极高。

**第二，付费意愿不同。**

美国企业习惯了为专业服务付高价（律师每小时500-1000美元是常态）。中国企业为"工具"付费还算接受，为"服务结果"付高价，习惯还没养成。

**第三，竞争格局不同。**

美国是SaaS公司往服务走，中国是——本来就有大量人力密集型的服务公司，正试图往AI走。方向完全相反。

这是否意味着红杉叙事在中国完全不适用？**不是。**

恰恰相反，中国可能有一些美国没有的机会——

**用AI重塑外包型服务业，在中国比在美国更有空间。** 中国有庞大的软件外包、设计外包、内容外包、客服外包产业，这些行业的利润率极低、人员管理极难。AI介入的边际收益，比美国更高。

---

五、我的判断：叙事一半对，一半错

说红杉叙事完全错了，是傲慢。说它完全对了，是天真。

**对的部分**：AI确实正在从"工具"走向"结果交付"。"按结果付费"的模式，长期来看一定会取代"按时间/座位数付费"。这个大方向没有问题。

**错的部分**：红杉低估了从Copilot到Autopilot的跨越难度。这不只是技术问题，更是组织问题、合规问题、信任问题。这条路能走通，但会比红杉描述的慢得多、难得多。

**我认为最可能的终局是混合模式**：

前端：Autopilot形态，客户感知为"结果交付"
后端：Copilot实质，AI做80%，人类兜底20%
对外：按结果/用量计费
对内：严格的质量控制和人工审核流程

这不性感，但这是能跑通的模式。

---

六、给AI创业者的三点建议

一场热闹的叙事争论之后，创业者该做什么？

**1. 别被"Autopilot or nothing"绑住手脚**

红杉报告容易让人产生一种错觉：不做Autopilot就是没看懂。不是的。Copilot模式照样有价值，照样能做大。Github Copilot、Cursor、Notion AI——它们都是Copilot，但都跑得很好。先做深Copilot，再逐步向Autopilot过渡，是更稳妥的路径。

**2. 找那些"人工兜底成本可接受"的场景**

不是所有场景都适合Autopilot。写营销文案，AI错了重来就是了，成本低。做税务申报，AI错了可能要吃罚单，成本高。优先选"AI出错成本可控"的场景，这是Autopilot能落地的必要条件。

**3. 中国创业者：先看外包，再看内包**

红杉说outsourced task is the wedge（外包是楔子），这话在中国尤其成立。中国有全世界最庞大的外包服务业，这些都是AI改造的现成靶子。先在外包场景跑通，再向企业内部渗透，这个路径在中国比在美国更可行。

---

结语

红杉的《Services: The New Software》是一篇值得反复读的好文章。它提出了一个极其重要的方向性判断，但它不是圣经，更不是路线图。

**AI时代真正的机会，不在于追某一个叙事，而在于找到那些"AI能真正解决问题、客户愿意付钱、且你能建立壁垒"的交叉点。**

叙事会过时，问题不会。

---

*参考资料：红杉资本《Services: The New Software》（Julien Bek，2026年3月）；ToBeSaaS《红杉万亿AI叙事："服务即新软件"，看似完美，实则走不通》（戴珂，2026年5月）；多家媒体对红杉报告的解读报道。*