Loading...
Loading...
红杉资本：下一个万亿公司不卖软件，直接卖结果撰文：Julien Bek，Sequoia Capital
编译：深潮 TechFlow
下一个万亿美元公司，会是一家伪装成服务公司的软件公司。
深潮导读： 红杉资本合伙人 Julien Bek 写了一篇框架清晰的文章，核心论点是：下一个万亿美元公司不会卖软件工具，而是直接卖工作成果。每花 1 美元买软件，企业就要花 6 美元买服务。当 AI 让「做事」的成本趋近于零，真正的机会不在 Copilot（辅助工具），而在 Autopilot（自动完成工作）。
他逐个拆解了保险、会计、医疗、法律、IT、采购、招聘、咨询等服务行业的自动化机会，附了一张按「智力 vs 判断」和「外包 vs 内部」两个维度画的机会矩阵图。对 AI 创业者和投资人都有参考价值。
全文如下：
下一个万亿美元公司，会是一家伪装成服务公司的软件公司。
每个做 AI 工具的创始人都在问同一个问题：下一版 Claude 把我的产品变成一个功能怎么办？这种担心没错。如果你卖的是工具，你就在跟模型赛跑。但如果你卖的是工作本身，模型每一次进步都让你的服务更快、更便宜、更难被竞争。一家公司可能每年花 1 万美元买 QuickBooks，再花 12 万美元请会计来结账。下一个传奇公司会直接帮你把账结了。
智力 vs 判断
写代码主要是「智力」（intelligence）。知道接下来该做什么是「判断」（judgement）。
把一份需求文档翻译成代码、测试、调试：规则很复杂，但终归是规则。判断不一样。它需要经验和品味，需要多年实践积累出来的直觉。决定下一个该做什么功能、要不要欠技术债、什么时候在没准备好之前就发布。
一年前，大多数 Cursor 用户把 AI 当自动补全用。今天，由 Agent 发起的任务比人类发起的更多。软件工程在所有职业的 AI 工具使用中占比超过一半，其他所有品类还停在个位数。原因是软件工程主要是智力工作。AI 已经跨过了那条线——它能自主完成大部分智力工作，把判断留给人类。软件工程最先到达这里，但它会蔓延到每一个职业。
图注：各职业 AI 工具使用占比，软件工程远超其他品类
Copilot 和 Autopilot
Copilot 卖的是工具。Autopilot 卖的是工作。
直到最近，AI 模型在智力和判断方面都还在发展中，所以正确的路径是先做 Copilot：把 AI 放到专业人士手中，让他们决定怎么用。Harvey 卖给律所，Rogo 卖给投行。专业人士是客户，工具让他们更高效，他们对产出负责。
今天，模型已经足够聪明，在某些品类里最好的起点是直接做 Autopilot。Crosby 卖给需要起草 NDA 的公司，而不是卖给外部法律顾问。WithCoverage 卖给需要保险的 CFO，而不是卖给保险经纪。客户直接购买的是结果。任何职业中，工作预算都远大于工具预算，而 Autopilot 从第一天就能捕获工作预算。
一个领域里智力占比越高，Autopilot 就越快赢。
融合
今天的判断会变成明天的智力。随着 AI 系统在各自领域积累了「好判断长什么样」的专有数据，前沿会移动。Copilot 和 Autopilot 会趋同。Copilot 到 Autopilot 的转型在好几个品类已经开始了。但起始位置很重要，因为它决定了 Autopilot 现在能在哪里赢得客户，并开始积累那些最终让它也能处理判断类工作的数据。
Autopilot 打法：外包是切入点
每花 1 美元买软件，就有 6 美元花在服务上。
Autopilot 的 TAM 是一个品类中所有的劳动力支出，内部和外包加在一起。但正确的起步点是外包已经存在的地方。
如果一项任务已经被外包了，它告诉你三件事。第一，公司已经接受这项工作可以由外部完成。第二，有一个现成的预算科目可以被干净地替换。第三，买方已经在购买结果。用 AI 原生的服务提供商替换一份外包合同，是换供应商。替换内部员工，是组织重组。
打法是：从外包的、智力密集型的任务切入。搞定分发。随着 AI 积累数据，再向内部的、判断密集型的工作扩展。外包任务是楔子，内部工作是长期 TAM。
Crosby 从 NDA 切入：一个定义明确的任务，主要是智力工作，大多数公司本来就外包给外部律师。预算现成，范围清晰，ROI 即时，替换无摩擦。
机会地图
把每个服务垂直领域按「智力到判断」的光谱和「外包到内包」的比例画出来，就能得到一张优先级地图，括号里是劳动力 TAM。以下列举并非穷尽。
图注：各服务垂直领域的 Autopilot 机会矩阵（按智力/判断比与外包/内包比分布）
保险经纪（1400-2000 亿美元）。
这份清单上最大的市场。标准商业险高度标准化：经纪人的附加值本质上就是在不同承保人之间比价和填表，纯智力工作。分销层极度碎片化，成千上万的小经纪各自跑着同一套流程，没有任何一家控制着客户关系。WithCoverage 和 Harper 是有意思的新入场者。
会计和审计（仅美国外包部分就有 500-800 亿美元）。
美国过去五年流失了大约 34 万名会计师，同期需求却在增长。75% 的 CPA 接近退休，执照路径很长，起薪落后于科技和金融行业。这种结构性短缺正在推动会计事务所比几乎所有其他职业更快地接受 AI。Rillet 在构建 AI 原生的 ERP 来直接结账。Basis 从会计的 Copilot 起步。
医疗收入周期管理（美国外包部分 500-800 亿美元）。
听到「医疗」大家会觉得判断密集，但账单层几乎是纯智力工作。医疗编码就是把临床笔记翻译成大约 7 万个标准化 ICD-10 代码。规则复杂但终归是规则。外包已经很成熟，且按结果计费。Autopilot 只需要用更低的成本做同样的事。Anterior 走得最远。
理赔定损（包括 TPA 在内 500-800 亿美元）。
在保险保单的另一侧，理赔定损是另一个独立的 Autopilot 场景。标准险种的理赔是根据保单语言对照损害清单来裁定，用精算表设定准备金。定损员队伍正在老化，没人补上来。市场大量外包给独立定损师和 Crawford、Sedgwick 这样的 TPA。一个行业，至少两个不同的 Autopilot 机会。Pace 在做理赔处理的 Autopilot，Strala 在做 AI 原生的 TPA。
税务咨询（300-350 亿美元）。
CPA 执照制度制造了监管护城河，但底层 80%-90% 的工作是智力工作。税务 Autopilot 每多覆盖一个司法管辖区，数据护城河就更深一层。多司法管辖区的复杂度恰恰是中小企业外包出去的原因，因为没有哪个内部会计能全部覆盖。TaxGPT 是早期入局者，欧洲有 Skalar 和 Ravical。
法律事务性工作（200-250 亿美元）。
合同起草、NDA、监管申报：高智力占比，常规外包。工作产出足够标准化，质量可验证，所以买方可以信任 AI 产出而不需要深厚的法律专业知识。Harvey 是正在崛起的领导者，正快速转向 Autopilot；Crosby 和 Lawhive 是 Autopilot 原生的新入场者。
IT 托管服务（1000 亿美元以上）。
每家中小企业都外包 IT。补丁、监控、用户配置、告警分流：智力工作在成千上万个相同环境中反复运行。现有的软件层（ConnectWise、Datto）把工具卖给 MSP。还没有人直接把「你的 IT 跑起来了」作为结果卖给公司。Edra 在自动化 IT 流程，Serval 在自动化 IT 支持。
供应链和采购（2000 亿美元以上）。
大多数企业只认真谈判排名前 20% 的供应商。长尾供应商完全没人管，因为让人来做这事不划算。合同泄漏占采购总支出的 2%-5%。切入点是被放弃的工作：没有预算科目需要论证，没有在位者需要取代，只有白捡的钱。Magentic 在做直接采购的 AI，AskLio 做间接采购。Tacto 在为中型市场同时构建记录系统和 Copilot。
招聘和人力派遣（2000 亿美元以上）。
这份清单上最大的服务市场。招聘漏斗顶端（筛选、匹配、触达）是纯智力工作，但关单和评估文化适配是靠多年模式识别积累出来的判断。Autopilot 的切入点在高量、低判断的岗位，那里的匹配是标准化的。Juicebox、Mercor、Jack & Jill 是正在全谱系构建的新兴领导者。
管理咨询（3000-4000 亿美元）。
巨大的市场，但工作主要是判断。有意思的问题是 AI 能否把咨询拆解为智力组件（数据收集、对标分析）和判断组件（战略建议），智力层被自动化，判断层留给人类。最佳候选者待定。
2025 年增长最快的 AI 公司是 Copilot。2026 年，很多会尝试变成 Autopilot。它们有产品和客户认知。但它们也面临创新者的窘境：卖工作意味着把自己的客户从工作中踢出去。这就是纯 Autopilot 公司的机会窗口。VC版图仍未改变……安德森·霍洛维茨、红杉资本，2025年仍是“投资皇帝”2025年风险投资（VC）生态中，主导权由熟悉的强者而非新名字延续。根据Crunchbase发布的资料，去年最活跃的投资机构榜单上，依然是此前位居前列的主要VC机构，且它们中的大部分参与的交易数量较2024年有所增加。
在种子轮之后阶段表现突出的主要投资机构是Y Combinator、Andreessen Horowitz（A16Z）、Accel、General Catalyst以及Sequoia Capital。它们均在去年完成了超过100笔投资，其中Andreessen Horowitz和Sequoia Capital凭借以北美为中心的活跃表现，在全球范围内尤为突出。
即使以2025年第四季度单独及联合领投的标准来看，这些投资机构也依然稳居榜首。不过，按阶段划分也捕捉到了一些不同的趋势。例如，在种子阶段表现最为积极的投资机构是传统上在早期投资具有优势的Y Combinator，紧随其后的是Antler和500 Global，它们也录得了较高的交易数量。
然而，依据大型投资标准排出的榜单则略有不同。仅分析在2025年第四季度领投或联合领投了10亿美元（约合1.44万亿韩元）以上融资轮次的投资机构，结果显示，Fidelity、Insight Partners、JP Morgan Asset Management等机构表现突出。它们共同参与了Databricks 40亿美元（约合5.76万亿韩元）规模的融资，主导了年度最大规模的资金流动。
总体来看，2025年风险投资生态中，美国背景的VC机构依然活跃，尤其在种子轮之后阶段，其影响力更为显著。相比之下，种子阶段的地理多样性稍高一些，亚洲和欧洲背景的加速器的动向也引人注目。
最关键的一点在于，市场强者在今年进一步巩固了其领地。原有的顶级投资机构在交易数量和资本规模上均保持领先，证明了风险市场的中心依然围绕它们运转。新晋玩家的崛起仍然有限，资金持续向那些具备参与大型融资轮次核心地位所需的资金实力和品牌影响力的投资机构集中。生成式AI平台初创公司"fal"获2000亿韩元投资……英伟达、红杉资本亦押注多模态人工智能(AI)平台初创公司fal凭借其迅猛的业务增长势头，成功获得了1.4亿美元（约合2.016万亿韩元）规模的新一轮投资。这是该公司今年以来引领的第三次系列融资，本轮融资由硅谷代表性投资公司红杉资本领投，英伟达(NVDA)、赛富时(CRM)、Shopify(SHOP)等公司的风险投资子公司也共同参与。
fal已成为面向企业生成式媒体制作的云端AI平台，计划通过此次融资，加强其全球扩张所需的基础设施并扩大产品线。据公司方面称，继2025年上半年营收增长4倍之后，自7月以来至今又实现了近300%的增长，持续保持着爆炸性的客户需求。目前，公司正基于数百家企业客户，快速扩大市场份额。
fal的云平台提供超过600个图像、音频、视频生成AI模型，不仅包括OpenAI的Sora 2、谷歌(GOOGL)近期发布的Nano Banana Pro等代表性模型，还包含众多开源算法。所有这些功能均可通过单一API访问，外界评价认为这极大地降低了开发者的入门门槛。
此外，fal还运营着能够实时运行用户自定义模型的fal Serverless服务。该服务支持可近乎即时启动数千个GPU集群的扩展性，并提供对英伟达H200、H100等最新GPU的高速访问和监控工具。对于拥有更专业需求的企业，fal还准备了提供专用GPU资源的fal Compute服务。
fal也专注于自身模型的开发，其近期公布的图像生成模型AuraFlow v0.3采用了速度导向的"流匹配"架构，实现了更快的推理性能。因其相比基于传统扩散模型的生成式AI提高了效率，而受到开发者和研究人员的关注。
首席执行官布尔凯·古尔强调："开发者和企业正围绕实时个性化内容构建新的应用生态系统"，"fal是支撑这一环境在全球范围内运行的基础设施"。古尔CEO接着表示，本轮融资将用于下一代AI产品开发、云基础设施的全球扩张以及为市场拓展招募人才。
fal的举措超越了单纯的AI工具提供，是其构建完整生成式媒体生态系统战略的延伸。此次大规模融资进一步提升了fal未来在企业生成式AI市场中成长为关键基础设施的可能性。
对话红杉资本 Roelof Botha：AI 发展过热，快速增长并不等于成功来源：《Lessons from 20 Years of Venture Capital: Roelof Botha (Managing Partner at Sequoia Capital)》
整理&编译：Daisy，ChainCatcher
编者按：
在人工智能技术迅速发展的背景下，AI 投资持续升温，风险资本的决策逻辑也在不断变化。Sequoia Capital 管理合伙人 Roelof Botha 在接受《The Generalist》播客专访时，分享了他对当前市场阶段的判断、AI 投资风险的看法，以及 Sequoia 内部如何应对决策偏误的方法。
他回顾了自己在 PayPal 经历危机管理的经历，指出在资本充裕的环境中，企业容易出现战略松动。同时，他也探讨了如何评估早期高增长公司的长期潜力和市场上限，以及在特定情境下坚持投资纪律的重要性。
这次对话提供了一个从风险投资视角审视 AI 创业周期的切入口，涵盖了风险控制、心理偏差与投资策略的实操经验。
以下内容为访谈的整理与编译。
TL;DR:（too long,didn't read）
1.从整体市场来看，并没有出现系统性泡沫。当然，局部领域，比如人工智能领域，确实存在过热现象。
2.公司成长加速是大趋势的一部分，不是偶发现象。
3.初创项目在早期阶段的快速增长，并不意味着其具备长期成功的基础，需关注市场上限和可持续性。
4.投资时，如果只看早期的增长曲线，很容易误判未来的上限。早期投资者必须思考：这个模式能不能真正成为大众行为？
5.快速增长并不等于成功。
6.资本过剩容易导致企业战略松懈，而资源受限时，反而能激发最大程度的创新和执行力。
7.人很容易被最初接触到的信息所影响。
8.Sequoia通过制度化流程（如投资项目横向对比、公开识别心理偏误等）来减少认知偏差对决策的干扰。
9.长期主义和集体判断是Sequoia在波动市场中保持理性的核心原则。
当前市场与投资理性
Mario：你认为当前市场存在泡沫吗？
Roelof：以我的标准来看，我不认为现在是一个泡沫期。对我而言，泡沫意味着各类资产价格在各领域普遍膨胀，而现在并非如此。举例来说，美国房地产市场，不论是住宅还是商业地产，目前整体仍然疲软。我们在Sequoia有一个内部追踪器，每周一更新，追踪大约690家上市科技公司的企业价值与收入的倍数。从这个统计来看，目前整体水平大概处于过去二十年中第60个百分位。换句话说，从整体市场来看，并没有出现系统性泡沫。当然，局部领域，比如人工智能领域，确实存在过热现象，但整体并非如此。
Mario：除了每周的追踪报告，你们还有哪些方式在评估投资时保持理性？
Roelof：除了市场倍数追踪，我们还有一个工具，就是记录当前基金所有已完成投资的案例。这让我们可以不断审视我们最近投资的项目，与过往投资的项目进行比较。因为人类在决策上，天然倾向于做相对比较。如果你今天只看过去一个月内遇到的项目，标准很容易被当前环境拉低或者拉高。但如果你把视野放宽到整个基金投资周期，乃至更长期，就能更准确地判断一个项目的绝对质量——这家公司是否有潜力成为「传奇公司」。Sequoia成立五十多年，支持的公司在今天的纳斯达克市值中占比超过30%，这一事实也要求我们始终以最高标准要求自己。
Mario：在人工智能快速发展下，脱颖而出的企业是不是越来越多了？
Roelof：确实，今天公司成长到可观规模所需的时间，比以往任何时候都短。但这并不是一个突然出现的新现象，而是过去几十年持续演进的结果。从半导体到计算机系统，到互联网，到移动互联网，再到今天的人工智能，每一次技术跃迁，都在降低企业触达用户的门槛、加快产品推广速度。尤其是今天，全球超过50亿人连接互联网，大部分拥有智能手机，这意味着新的服务几乎可以即时触达到全球市场。再加上海量的数据积累，为AI的发展提供了丰富的燃料。因此，公司成长加速是大趋势的一部分，不是偶发现象。
Mario：在当前高速发展背景下，投资人最大的挑战是否在于判断机会的天花板？
Roelof：确实如此。首先是判断市场规模的上限。举个例子，十五年前曾经非常流行的闪购电商（如Gilt、Rue La La），当时增长曲线极为陡峭，令人印象深刻。但事实证明，闪购模式并没有成为主流消费方式，而是局限于小众市场。投资时，如果只看早期的增长曲线，很容易误判未来的上限。因此，早期投资者必须思考一个问题：这个模式能不能真正成为大众行为？其次是竞争壁垒问题。领先者未必最终胜出。比如谷歌并不是第一个搜索引擎，Facebook也不是第一个社交网络。在很多技术领域，往往是第二、第三个进入者，总结了前人的经验教训，最终实现了超越。因此，我们在投资时不仅要判断市场规模，还要评估公司的护城河是否足够深厚，是否能够持续领先。
Mario：你提到AI领域出现了SPV（特殊目的实体）投资、少量自投、大量外募等现象，这是否是泡沫的信号？
Roelof：这种现象主要集中在AI领域。我的观点是：即使整体市场不是泡沫，但局部领域可能过热。此外，我担心这种轻率投资方式会破坏市场健康，尤其是对创业公司本身。回顾我的亲身经历，PayPal在2000年曾面临巨大的资金压力，正是因为「烧钱」受到限制，才促成了团队集中精力创新、优化商业模式、压缩成本。过度融资反而会让公司失去这种危机感，变得松懈，不利于打造健康的长期业务。
高增长背后的风险与误判
Mario：现实中，创始人在获得巨额融资后还能保持自律和理性吗？
Roelof：非常少见。真正能做到的，往往是那些经历过重大危机、亲历生死时刻的创始人。例如，Airbnb的Brian Chesky在2020年疫情期间经历了公司几近崩溃的危机。这种经历让他对资本和风险有了深刻认知。我相信像他这样的人，即使将来再拿到充裕资金，也能保持谨慎和纪律。但对于绝大多数没有经历过类似苦难的创始人来说，仅凭理性自律，是很难抵抗充裕资本带来的松懈诱惑的。
Mario：似乎只有亲历过痛苦，才能真正领会教训。
Roelof：没错，我自己也是如此。2000年，我在PayPal时，我们的月度亏损高达1400万美元，公司仅剩七个月的现金。最初我们在扩张上花钱如流水，但当市场崩盘、融资渠道关闭后，我们被迫迅速行动。那段时间我们压缩了开支，解决了在线支付欺诈问题，调整了收入模式。从那以后，我们的收入连续三年快速增长。这段经历教会了我：资源受限时，反而能激发最大程度的创新和执行力。因此，我经常建议创业者自问，如果只剩12个月的现金流，你今天会做出什么决策？这样的假设能极大地澄清真正重要的事情，避免资源浪费。
决策中的心理偏误与应对机制
Mario：你对决策心理学的兴趣是从何时开始的？
Roelof：兴趣源自多个方面。首先，我父亲是经济学教授，从小耳濡目染。大学时，我主修精算学，这个学科要求做几十年周期的预测，训练了我用极长时间尺度去思考问题。而大多数人，比如会计，习惯只看过去一年的数据。到了斯坦福商学院，我选修了组织行为学课程，系统学习了认知偏误（heuristics and biases）。从那以后，我开始大量阅读这方面的书籍。后来在Sequoia，我们不仅在团队讨论中引入了对偏见的识别，甚至要求每份投资备忘录中，都主动列出可能存在的心理偏误，比如：「我是否因为太久未投资而过于焦虑？我是否因为认识创始人而过于亲近？」这样一来，把偏误显性化，可以极大地减少它们对决策的隐性影响。
Mario：这种主动识别偏差的方法，相当于为决策加了一层保护。
Roelof：正是如此。如果你能在团队中公开讨论偏误，比如有人承认：「我觉得自己在这个案子上可能有点倾向性。」那么团队其他人也能更理性地参与判断，从而集体降低偏误的影响。我们始终相信，团队胜过个人，群体理性能够补救个人情绪带来的盲点。
Mario：你认为最常见且需警惕的决策偏误有哪些？
Roelof：有两个特别重要。第一个是锚定效应。人很容易被最初接触到的信息所影响。比如，六个月前你看过一家公司，当时估值便宜，现在它翻了三倍，于是你本能地抗拒投资。但正确的问题应该是：以今天的条件，这是不是一个好的进入时机？而不是纠结过去的价格。第二个是损失厌恶。人们往往在已有收益时过早退出，害怕失去已有的利润，而不是继续持有有潜力继续增长的资产。这种心理会让人错失真正长期复利的机会。为了对抗这种倾向，我们专门成立了Sequoia Capital Fund，允许我们长期持有优秀公司上市后的股份，而不是在IPO时立即分发给LP。
Mario：Sequoia设立长期基金，在一定程度上是用制度修正人性的短板。
Roelof：没错。设立机制，是我们对抗本能弱点的一种方式。依靠个体意志是不够的，必须通过结构化设计来提高集体决策的理性水平。
投资复盘与长期心态
Mario：在你的投资经历中，有哪些让你印象深刻的认知偏差或错误决策？
Roelof：有的。比如我们曾经有机会投资Twitter的早期轮次，但最终选择了放弃。原因之一就是对公司当时的增长数据感到质疑，而没有足够前瞻性地理解其网络效应潜力。事后复盘，这其实是过度依赖短期可量化指标，而忽略了长期非线性增长可能性的错误。这也是为什么后来我们在内部教育中，非常强调要同时看重定量数据和定性趋势。
Mario：真正改变世界的企业，早期往往数据并不亮眼。
Roelof：正是如此。传奇公司往往在早期充满不确定性，它们的成长路径并不线性，甚至显得有些混乱。如果只用传统财务指标去套，往往会错过它们。因此，识别早期潜力，需要结合数据、趋势、创始人特质和更宏观的市场洞察。
Mario：在当前AI投资热潮下，你如何看待初创公司的快速增长？背后存在哪些风险？
Roelof：今天的公司成长速度确实令人惊叹。有些公司在短短几个月内就获得了数亿美元的收入。但问题在于，这种爆发式增长是否可持续。首先，要评估市场容量。有些领域本身天花板就不高，增长到一定规模后便会迅速放缓。如果在估值已经极高的情况下进入，风险巨大。其次，是竞争格局。初期领先并不意味着可以长期保持领先。竞争者不断涌现，用户黏性和网络效应才是真正能够抵御冲击的护城河。
Mario：也就是说，快速增长并不等于成功。
Roelof：完全正确。增长速度快是一种信号，但必须结合市场规模、护城河、盈利模型、团队执行力等多重因素来综合评估。否则，就容易陷入盲目追逐高增长的陷阱。
Mario：在这样的环境下，Sequoia如何保持决策的冷静与理性？
Roelof：我们有几项内部原则。首先，始终坚持「折扣未来价值而非追溯过去价格」。即使某个项目过去便宜，现在涨了三倍，如果按照长期价值来看仍然合理，我们就不会因为心理障碍错失机会。其次，广泛比较。每次新投资决策时，不只跟当期案子比较，还要横向对比整个基金周期内所有投资，确保标准不下滑。再者，公开讨论潜在偏误。每个投资备忘录都会要求负责人列出自己可能存在的心理偏差，比如是否因为太久未出手而过于急切。通过集体讨论，可以把这些偏差显性化，从而降低它们对决策的隐性影响。
Mario：Sequoia内部似乎非常重视自我反思。
Roelof：没错。我们相信，只有不断检视自己，才能在长期维持优秀的决策水平。市场环境变化极快，任何时候掉以轻心，都会导致灾难性的后果。五十年来，Sequoia之所以能够持续成功，靠的正是这种持续自我迭代的文化。
Mario：你会给年轻投资人或创业者什么建议？
Roelof：保持好奇心，保持谦逊。好奇心驱使你不断学习新事物，谦逊则提醒你始终意识到自己的认知有限。不要因为短期成功而自满，也不要因为短期挫折而气馁。真正伟大的事业，都是在不断试错与修正中走出来的。AI 会计初创公司 Rillet 48 小时内融资 1 亿美元晋升独角兽Techub News 消息，AI 会计初创公司 Rillet 在 48 小时内完成了 1 亿美元的融资，并由此晋升为独角兽公司。该公司 CEO Nicholas Koop 在一次董事会会议上分享了增长数据后，引发了 Iconiq Capital、红杉资本等投资机构的融资热潮。（TechCrunch）拉美稳定币金融应用 ARQ 完成 7000 万美元融资，红杉资本与 Founders Fund 领投Techub News 消息，据彭博社报道，专注于稳定币的拉丁美洲金融应用 ARQ 完成 7000 万美元融资，红杉资本和 Founders Fund 领投。该轮资金将用于品牌重塑、团队扩充，并扩展服务范围，从美元计价转账扩展至财富管理、本币高收益账户及信贷业务。ARQ 原名 DolarApp，提供多币种账户、数字钱包、外汇兑换及借记卡服务，帮助用户跨境存储和转移资金。目前已在拉丁美洲拥有超过 200 万客户，年化交易额突破 100 亿美元。公司表示，已构建连接传统银行网络与稳定币支付系统的基础设施，支持用户持有外币并进行交易。加密货币支付协议 Tempo 以 50 亿美元估值完成 5 亿美元 A 轮融资，红杉资本等参投Techub News 消息，据财富援引知情人士报道，由金融科技巨头 Stripe 和区块链风险投资公司 Paradigm 开发的专注于支付的区块链项目 Tempo 以 50 亿美元估值完成 5 亿美元 A 轮融资， Greenoaks 和 Joshua Kushner 的 Thrive Capital 领投。据两位知情人士透露，红杉资本、Ribbit Capital 和 Ron Conway 的 SV Angel 也参与了此轮融资。Paradigm 和 Stripe 并未参与此轮融资。AI 代理浏览器开发商 Donut Labs 完成 700 万美元种子轮融资，红杉资本、HackVC 等领投Techub News 消息，AI 代理浏览器开发商 Donut Labs 完成 700 万美元种子轮融资，红杉资本、Bitkraft 和 HackVC 领投，参投方包括 Solana 等天使投资人以及其他生态系统领导者（如 Matrix Partners、Sky9 Ventures、Makers Fund 和 SonicSVM）
Donut 是一款由人工智能代理驱动的可执行加密浏览器，具有原生加密货币钱包和去中心化交易所集成、去中心化网络访问和链上执行。与传统的网络浏览器不同，Donut 的 AI 算法可以理解页面上下文和用户意图，帮助它自主执行基于区块链的操作。TON 基金会完成 4 亿美元代币融资，红杉资本等参投Techub News 消息，据 The Block 报道，TON 基金会宣布完成 4 亿美元代币融资，参投方包括红杉资本、Ribbit、Benchmark、Kingsway 、Vy Capital、Draper Associates、Libertus Capital、CoinFund、Hypersphere、SkyBridge 和 Karatage 等。加密货币钱包基础设施 Privy 完成 1500 万美元融资，红杉资本、Paradigm 和 Coinbase 参投Techub News 消息，加密货币钱包基础设施 Privy 宣布完成 1500 万美元融资，Ribbit Capital 领投，参投方包括红杉资本、Paradigm 和 Coinbase。本轮融资将用于在未来 18 个月内将团队规模扩大一倍。
Privy 在 2023 年宣布其上一轮融资时，该公司为大约 100 万个加密钱包账户提供服务，并与 40 家不同的企业合作。从那时起，Privy 已发展到为大约 5000 万个账户提供服务，并与 1000 家企业合作，从餐厅忠诚度公司 Blackbird 到 NFT 市场 OpenSea。钱包软件 Phantom 以 30 亿美元估值完成 1.5 亿美元 C 轮融资，红杉资本与 Paradigm 领投Techub News 消息，加密钱包 Phantom 宣布以 30 亿美元估值完成 1.5 亿美元 C 轮融资，红杉资本（Sequoia Capital）与 Paradigm 共同领投，参投方包括 a16z 和 Variant。知情人士：Robinhood CEO 旗下 AI 初创公司 Harmonic 正在与红杉资本等投资者洽谈融资事宜Techub News 消息，据 The Information 援引知情人士报道，由 Robinhood 首席执行官 Vlad Tenev 和自动驾驶汽车企业家 Tudor Achim 于去年共同创立的 AI 初创公司 Harmonic 正在与红杉资本和 Index Ventures 等投资者洽谈融资事宜。
知情人士称，这笔融资总额可能达到 5000 万美元，估值为 2.5 亿美元。根据与潜在投资者分享的文件，在此之前，Quora 创始人 Adam D'Angelo、DST Global 的 Yuri Milner 和 Ribbit Capital 创始人 Micky Malka 也曾对该公司进行过投资。Vessel 完成 1000 万美元种子轮融资，红杉资本等参投Techub News 消息，ZK 订单簿交易平台 Vessel 宣布完成 1000 万美元种子轮融资，参投方包括红杉资本、Avalanche 基金会、Algorand 基金会、IMO Ventures、Folius Ventures、Incuba Alpha，天使投资人包括 Scroll 联合创始人 Sandy Peng 和 Ye Zhang 等。所筹资金将用于开发 ZKP 解决方案，旨在将 CEX 的效率与 DEX 的透明度相结合。人工智能初创公司 Fireworks AI 完成 5200 万美元融资，红杉资本领投Techub News 消息，据彭博社报道，人工智能初创公司 Fireworks AI 以 5.52 亿美元估值完成 5200 万美元融资，红杉资本领投，参投方包括英伟达、Advanced Micro Devices 和 MongoDB 等。目前该公司融资总额已达 7700 万美元，所筹资金将用于扩大员工队伍（目前有 27 名员工），并计划扩大与 AI 公司的合作伙伴关系。撰文：Julien Bek，Sequoia Capital 编译：深潮 TechFlow 下一个万亿美元公司，会是一家伪装成服务公司的软件公司。 深潮导读： 红杉资本合伙人 Julien Bek 写了一篇框架清晰的文章，核心论点是：下一个万亿美元公司不会卖软件工具，而是直接卖工作成果。每花 1 美元买软件，企业就要花 6 美元买服务。当 AI 让「做事」的成本趋近于零，真正的机会不在 Copilot（辅助工具），而在 Autopilot（自动完成工作）。 他逐个拆解了保险、会计、医疗、法律、IT、采购、招聘、咨询等服务行业的自动化机会，附了一张按「智力 vs 判断」和「外包 vs 内部」两个维度画的机会矩阵图。对 AI 创业者和投资人都有参考价值。 全文如下： 下一个万亿美元公司，会是一家伪装成服务公司的软件公司。 每个做 AI 工具的创始人都在问同一个问题：下一版 Claude 把我的产品变成一个功能怎么办？这种担心没错。如果你卖的是工具，你就在跟模型赛跑。但如果你卖的是工作本身，模型每一次进步都让你的服务更快、更便宜、更难被竞争。一家公司可能每年花 1 万美元买 QuickBooks，再花 12 万美元请会计来结账。下一个传奇公司会直接帮你把账结了。 智力 vs 判断 写代码主要是「智力」（intelligence）。知道接下来该做什么是「判断」（judgement）。 把一份需求文档翻译成代码、测试、调试：规则很复杂，但终归是规则。判断不一样。它需要经验和品味，需要多年实践积累出来的直觉。决定下一个该做什么功能、要不要欠技术债、什么时候在没准备好之前就发布。 一年前，大多数 Cursor 用户把 AI 当自动补全用。今天，由 Agent 发起的任务比人类发起的更多。软件工程在所有职业的 AI 工具使用中占比超过一半，其他所有品类还停在个位数。原因是软件工程主要是智力工作。AI 已经跨过了那条线——它能自主完成大部分智力工作，把判断留给人类。软件工程最先到达这里，但它会蔓延到每一个职业。 图注：各职业 AI 工具使用占比，软件工程远超其他品类 Copilot 和 Autopilot Copilot 卖的是工具。Autopilot 卖的是工作。 直到最近，AI 模型在智力和判断方面都还在发展中，所以正确的路径是先做 Copilot：把 AI 放到专业人士手中，让他们决定怎么用。Harvey 卖给律所，Rogo 卖给投行。专业人士是客户，工具让他们更高效，他们对产出负责。 今天，模型已经足够聪明，在某些品类里最好的起点是直接做 Autopilot。Crosby 卖给需要起草 NDA 的公司，而不是卖给外部法律顾问。WithCoverage 卖给需要保险的 CFO，而不是卖给保险经纪。客户直接购买的是结果。任何职业中，工作预算都远大于工具预算，而 Autopilot 从第一天就能捕获工作预算。 一个领域里智力占比越高，Autopilot 就越快赢。 融合 今天的判断会变成明天的智力。随着 AI 系统在各自领域积累了「好判断长什么样」的专有数据，前沿会移动。Copilot 和 Autopilot 会趋同。Copilot 到 Autopilot 的转型在好几个品类已经开始了。但起始位置很重要，因为它决定了 Autopilot 现在能在哪里赢得客户，并开始积累那些最终让它也能处理判断类工作的数据。 Autopilot 打法：外包是切入点 每花 1 美元买软件，就有 6 美元花在服务上。 Autopilot 的 TAM 是一个品类中所有的劳动力支出，内部和外包加在一起。但正确的起步点是外包已经存在的地方。 如果一项任务已经被外包了，它告诉你三件事。第一，公司已经接受这项工作可以由外部完成。第二，有一个现成的预算科目可以被干净地替换。第三，买方已经在购买结果。用 AI 原生的服务提供商替换一份外包合同，是换供应商。替换内部员工，是组织重组。 打法是：从外包的、智力密集型的任务切入。搞定分发。随着 AI 积累数据，再向内部的、判断密集型的工作扩展。外包任务是楔子，内部工作是长期 TAM。 Crosby 从 NDA 切入：一个定义明确的任务，主要是智力工作，大多数公司本来就外包给外部律师。预算现成，范围清晰，ROI 即时，替换无摩擦。 机会地图 把每个服务垂直领域按「智力到判断」的光谱和「外包到内包」的比例画出来，就能得到一张优先级地图，括号里是劳动力 TAM。以下列举并非穷尽。 图注：各服务垂直领域的 Autopilot 机会矩阵（按智力/判断比与外包/内包比分布） 保险经纪（1400-2000 亿美元）。 这份清单上最大的市场。标准商业险高度标准化：经纪人的附加值本质上就是在不同承保人之间比价和填表，纯智力工作。分销层极度碎片化，成千上万的小经纪各自跑着同一套流程，没有任何一家控制着客户关系。WithCoverage 和 Harper 是有意思的新入场者。 会计和审计（仅美国外包部分就有 500-800 亿美元）。 美国过去五年流失了大约 34 万名会计师，同期需求却在增长。75% 的 CPA 接近退休，执照路径很长，起薪落后于科技和金融行业。这种结构性短缺正在推动会计事务所比几乎所有其他职业更快地接受 AI。Rillet 在构建 AI 原生的 ERP 来直接结账。Basis 从会计的 Copilot 起步。 医疗收入周期管理（美国外包部分 500-800 亿美元）。 听到「医疗」大家会觉得判断密集，但账单层几乎是纯智力工作。医疗编码就是把临床笔记翻译成大约 7 万个标准化 ICD-10 代码。规则复杂但终归是规则。外包已经很成熟，且按结果计费。Autopilot 只需要用更低的成本做同样的事。Anterior 走得最远。 理赔定损（包括 TPA 在内 500-800 亿美元）。 在保险保单的另一侧，理赔定损是另一个独立的 Autopilot 场景。标准险种的理赔是根据保单语言对照损害清单来裁定，用精算表设定准备金。定损员队伍正在老化，没人补上来。市场大量外包给独立定损师和 Crawford、Sedgwick 这样的 TPA。一个行业，至少两个不同的 Autopilot 机会。Pace 在做理赔处理的 Autopilot，Strala 在做 AI 原生的 TPA。 税务咨询（300-350 亿美元）。 CPA 执照制度制造了监管护城河，但底层 80%-90% 的工作是智力工作。税务 Autopilot 每多覆盖一个司法管辖区，数据护城河就更深一层。多司法管辖区的复杂度恰恰是中小企业外包出去的原因，因为没有哪个内部会计能全部覆盖。TaxGPT 是早期入局者，欧洲有 Skalar 和 Ravical。 法律事务性工作（200-250 亿美元）。 合同起草、NDA、监管申报：高智力占比，常规外包。工作产出足够标准化，质量可验证，所以买方可以信任 AI 产出而不需要深厚的法律专业知识。Harvey 是正在崛起的领导者，正快速转向 Autopilot；Crosby 和 Lawhive 是 Autopilot 原生的新入场者。 IT 托管服务（1000 亿美元以上）。 每家中小企业都外包 IT。补丁、监控、用户配置、告警分流：智力工作在成千上万个相同环境中反复运行。现有的软件层（ConnectWise、Datto）把工具卖给 MSP。还没有人直接把「你的 IT 跑起来了」作为结果卖给公司。Edra 在自动化 IT 流程，Serval 在自动化 IT 支持。 供应链和采购（2000 亿美元以上）。 大多数企业只认真谈判排名前 20% 的供应商。长尾供应商完全没人管，因为让人来做这事不划算。合同泄漏占采购总支出的 2%-5%。切入点是被放弃的工作：没有预算科目需要论证，没有在位者需要取代，只有白捡的钱。Magentic 在做直接采购的 AI，AskLio 做间接采购。Tacto 在为中型市场同时构建记录系统和 Copilot。 招聘和人力派遣（2000 亿美元以上）。 这份清单上最大的服务市场。招聘漏斗顶端（筛选、匹配、触达）是纯智力工作，但关单和评估文化适配是靠多年模式识别积累出来的判断。Autopilot 的切入点在高量、低判断的岗位，那里的匹配是标准化的。Juicebox、Mercor、Jack & Jill 是正在全谱系构建的新兴领导者。 管理咨询（3000-4000 亿美元）。 巨大的市场，但工作主要是判断。有意思的问题是 AI 能否把咨询拆解为智力组件（数据收集、对标分析）和判断组件（战略建议），智力层被自动化，判断层留给人类。最佳候选者待定。 2025 年增长最快的 AI 公司是 Copilot。2026 年，很多会尝试变成 Autopilot。它们有产品和客户认知。但它们也面临创新者的窘境：卖工作意味着把自己的客户从工作中踢出去。这就是纯 Autopilot 公司的机会窗口。
