红杉资本：为何 AI 实验室开始像运动队一样运作

去年夏天，我围绕人工智能撰写了系列文章，开篇是 《AI 的 6000 亿美元命题》，随后是 《AI 资本支出的博弈论》、《AI 已准备就绪》、《钢铁、服务器与电力》，最终以 《AI 供应链的拉锯战》 收尾。

时隔一年回望，有趣的是格局变化甚微：若按英伟达 2025 年底数据中心业务年化收入达 2100 亿美元估算，当初的”6000 亿美元命题”如今已升级为”8400 亿美元命题”。据路透社报道，OpenAI 仍占据 AI 行业总收入的绝大部分份额，近期已突破百亿美元。但整个 AI 生态系统的总收入与已投入的巨额资金相比仍相形见绌——如果说有什么变化的话，我去年关于科技巨头 AI 业务收入的预估可能还偏高了。

过去一年，人工智能领域出现了三大显著进步：首先，编程 AI 实现了真正腾飞。一年前，这些产品的演示效果令人惊叹，而如今编程 AI 领域已创造约 30 亿美元的年化收入 。第二个变化是推理能力找到了产品市场契合点，整个 AI 生态圈对围绕推理阶段计算的第二增长曲线充满热情。通过反复查询这些模型并运用强化学习，我们能获得更优质、更稳定的结果。最后，ChatGPT 的使用似乎呈现出 “微笑曲线” 态势，这种新型行为模式正深度融入日常生活。

人工智能应用层生态持续完善，依托廉价算力与集成化工作流构建起可持续的业务模式。更充沛的算力为初创企业生态注入活力，Harvey、Sierra、Abridge、SmarterDx、Perplexity、OpenEvidence、Clay、Sesame 等公司围绕客户需求封装这些能力取得重大突破。一年前我们立志尽可能多地投资这类企业，这一愿景至今未改。

然而，自去年以来有一个趋势确实发生了改变。一年前，所有人都在讨论集群规模和预训练扩展，如今这些话题似乎已悄然从公众讨论中消失。或许是因为新集群上线耗时更久，亦或如伊利亚·苏茨克维在十二月所言：”我们所知的预训练将走向终结”。同样值得注意的是，一年前由于构建基础模型实验室的惊人成本，我们见证了研究机构的整合潮。微软/OpenAI、亚马逊/Anthropic、谷歌、Meta 和 xAI 在 AI 竞赛中成为五家”决赛选手”，而其他参与者纷纷退出——因为这些企业已实现 GPT-4 级别模型，并拥有持续扩展的充足资本。与之形成鲜明对比的是，如今一批新锐力量如 SSI、Thinking Machines 和深度求索（DeepSeek）异军突起，它们宣称人才优势而非原始算力规模才是其核心竞争力。

一年前，人们还在讨论预训练算力需求推动行业整合，如今的话题已转变为在算力日益充裕的世界中，人才优势才是决胜关键。这对谷歌和 Meta 尤为明显。谷歌正面临产品定位的围剿，正竭尽全力扭转这一局面。而 Meta 大胆收购 Scale 公司 49%股份并引入 CEO 亚历克斯·王领导其新设立的”创始人模式”AI 实验室，更是这一趋势的鲜明注脚。对这两家公司乃至整个生态圈而言，2025 年的启示很明确：仅靠大规模计算集群远远不够。所有人都明白，要在 AI 竞赛中实现跃升——无论是强化学习还是其他领域——都需要新的突破，而人才正是开启突破之门的钥匙。

人工智能实验室对人才的执着追求，正使它们越来越像职业运动队：背后都有财力雄厚的科技巨头或个人支持。明星级研究员能获得数千万乃至上亿美元的薪酬待遇，顶尖奇才的价码甚至可能突破十亿量级。但与运动员通常签长期合约不同，AI 人才的雇佣协议短期且灵活，意味着随时可能被挖角。颇具讽刺的是，虽然”AI 竞赛”这个概念最初是由 AI 安全界作为警示提出的，但如今却在两个领域成为现实：先是算力竞赛，现在又上演人才争夺战。

我认为这是人性使然。人类何时见过美好事物后会说”现在足够了，该冷静了”？一旦突破关键临界点，我们就会把事情推向极致——这是人类与生俱来的特性。我们无法克制自己。当奖赏如同人们眼中 AI 带来的机遇这般巨大时，任何阻碍成功的瓶颈——尤其是像人才这种非流动性瓶颈——都会被推到令人咋舌的程度。

然而，即便在这场激烈竞争中，整个 AI 生态圈如今却比过去三年任何时候都显得更为平静。这是因为对大多数人而言，竞赛本身已成为常态，市场格局趋于稳定。人们正逐渐适应现状 。这种不稳定的竞争平衡本身——至少目前来看——是稳定的。