红杉资本已经连续第三年关注AI应用的盈利前景。前两年，企业融到的钱或者资本支出，都被英伟达赚走了，从2023年的2000亿美元问题上升到去年的6000亿美元问题。在最近的AI峰会（AI Ascent）上，该风投机构合伙人Pat Grady开玩笑说，自己投的一个创业者，今年还是冲着黄仁勋的演讲来的。
AI可以赚钱，也必须赚钱了。算力、数据、网络等都已经在那了。Pat Grady在PPT上画了一个巨大的圈，称AI目前可以服务的市场（TAM）规模已经达到了万亿美元，而且还留有大量空白，等待年收入（而不是估值）10亿美元初创企业去填补。大模型厂商向产品布局，消费端成熟企业整合AI，都在挤压初创企业的生存空间。
尽管红杉资本喊着，交付结果正在取代交付工具，成为真正通往这个万亿美元市场的商业模式。但这首先是为什么、最终是怎么做的问题。
红杉资本的另一位合伙人Konstantine Buhler在接下来的演讲中，部分解释了智能体时代的商业模式有别于SaaS时代的原因。构建智能体，仍然存在持久身份问题（persistent identity），要复刻真正的记忆，让智能体在关键内容上保持一致，而在必要的地方有所差异，仍然困难重重；它不断融合与压缩原来的业务流程，甚至不同职能之间可以通过智能体间协同互动打通，但随机计算伴随着不确定性，仍然需要人类规划流程和给予反馈。
智能体在融合与压缩业务流程后，用硅基员工替代了碳基员工，效率更高，成本更低，这成为了AI时代的业务杠杆。但由于最终仍然需要人类介入，使得期望中的效率提升，目前仍然无法完整传递到最终的业务收入上。智能体经济学撞到了Amdahl定律之墙，即使大量并行任务效率大幅提升，只要串行任务仍然存在，且效率无法同尺度提升，整个工作流程的效率最终就会降低。
也正因为如此，Anthropic联合创始人Jack Clark最近声称，他对所谓的AGI对美国经济增长的预期，从行业极度乐观的“20%~30%”，谨慎地下调到“3%~5%”这样更现实的区间。有些流程中的错误相当致命，有些则会积累起来造成重大损失。他打了个比方，“每次人工智能社区试图跨越从数字世界到现实世界的鸿沟时，他们都会遇到一万个问题，他们认为这些问题只是被纸划破的伤口，但这些问题加起来，会让你失去体内所有的血液。”
显然，部分行业存在更多必须串行的任务“堵点”。这也使得当前AI在不同行业的渗透率相当异质化。金融科技独角兽企业Ramp采集了3万多家企业的数十亿次聚合匿名交易，根据收据和账单中的商家名称和项目详细信息，分析发现，美国商业体系中的整体AI渗透率已经达到了40%，远超政府预计8%的水平，但实际从行业来看，真正超越平均水平的只有科技行业与金融行业。
而且，渗透速度也不能代表渗透率的深度与天花板。这家企业这次也受邀来到红杉资本的AI峰会，揭秘为何大量智能体的实际体验令人沮丧。