Address
304 North Cardinal St.
Dorchester Center, MA 02124
Work Hours
Monday to Friday: 7AM - 7PM
Weekend: 10AM - 5PM
最近学习Sequoia AI Ascent。其中这几张图很值得分享：最重要的判断不是 AI 又进步了，而是工作的生产函数正在被改写！
过去的软件公司卖的是工具。用户买 seat，员工用软件，企业希望每个人的效率高一点。AI agent 之后，这套语言开始不够用了。企业买的可能不再是工具，而是一段可以被交付、被验收、被计价的工作。
AI 的变化不是把软件变聪明，而是把一部分劳动变成可调用的计算。
这也是为什么 Sequoia 在 AI Ascent 里反复讲 application layer。模型能力曲线已经很陡，但企业采用曲线还在另一边慢慢爬。两条曲线之间的空白，就是这一代 AI 应用公司的机会。
能力曲线和采用曲线之间的空白，是 AI 应用层真正要穿过的区域。
能力已经跑在采用前面
第一张图很直观：AI capabilities 是一条近乎垂直的曲线，AI adoption 仍然是一条缓慢上升、还没完全陡起来的曲线。
这个差距经常被误读成“AI 还没有用”。其实不是。
更准确的说法是：能力已经超过了很多组织的吸收速度。
模型能写代码、读合同、做客服、生成研究、处理工单、调用工具。但真实企业不会因为模型能做，就立刻把工作交出去。它们还要解决数据权限、责任归属、流程重构、异常处理、客户体验、预算归口和安全审计。
这就是扩散缺口。
技术扩散从来不是一条单纯的能力曲线。电力出现以后，工厂也没有立刻变成现代工厂。很多企业一开始只是把蒸汽时代的传动轴换成电机，真正的生产率释放，要等到工厂重新围绕电力改造空间、流程和组织。
AI 也类似。把 ChatGPT 接进系统，只是把旧流程上了一层新接口。真正的变化要发生在更深的地方：任务怎样被拆解，谁来验收，出错时谁兜底，数据怎样回流，价值怎样计价。
所以 application layer 的机会不是“包一层模型”。那种东西很快会被模型公司、云厂商或既有软件公司吞掉。
机会在于把模型嵌进真实工作，让输出从 demo 变成可复用、可验收、可付费的生产力。
工业革命换掉体力，认知革命换掉执行
Sequoia 另一组图把 AI 放进更长的历史周期里看：工业革命做的事情，是让水轮、风车、蒸汽机、电机、内燃机逐步接管体力劳动；认知革命要做的，是让机械设备、电子计算、神经网络逐步接管认知劳动里的执行部分。
同一种历史模式重复出现：服务人类的工作，被更强的技术载体接走。
这里有一个很容易被忽略的细节：图里的纵轴不是“人是否有价值”，而是“Work Serving Humans”。也就是说，每一次技术革命的核心都不是机器替代人类这个戏剧化叙事，而是服务人类的工作由谁来完成。
工业革命让人从动力来源，转向设计、操作、管理和消费。
工业革命以前，体力工作主要由人和动物完成。后来，机器承担越来越多的力量输出，人类没有消失，但工作位置变了。人从动力来源，变成设计者、操作者、管理者和消费者。
认知革命接走的不是人的全部判断，而是越来越多可描述、可验证、可重复的执行。
认知革命也会走类似路径。
AI 不会一次性接管所有认知活动。它会先接管那些可以被描述、被验证、被重复、被标准化的执行任务。代码补全、客服回复、销售线索整理、合同初审、医学记录、财务对账、测试用例生成，这些都是更早被卷进去的区域。
留下来的不是“纯人类工作”，而是更高密度的人类判断：目标设定、价值排序、责任承担、信任建立、审美、组织动员，以及对复杂现实的取舍。
人不是从工作里消失，而是从执行层上移到判断层。
这也是为什么 AI 对不同岗位的冲击并不均匀。越像标准化流程，越容易被 agent 化；越依赖信任、语境、责任和不可逆决策，越需要人来重新定义工作边界。
Agent 的本质：把雇佣转换成调用
“Hiring Employees vs. Agents” 那张图讲得很直接。
员工难以无限扩张，维护成本高，成本项是 salary，能力来自 human intelligence。Agent 理论上可无限扩张，维护成本低，成本项是 token，能力来自 machine intelligence。
agent 改变的不是一个工具界面，而是组织扩张工作能力的方式。
这张图当然有简化。真实世界里，agent 并不会自动可靠，也不会免费管理自己。模型会犯错，工具会断，权限会冲突，流程会卡住，客户会不满意。企业最终买的不是“一个聪明 agent”，而是一套能持续交付结果的系统。
但这张图抓住了真正的变量变化：很多工作第一次可以从“招人”变成“调用”。
过去企业要扩张服务能力，常见路径是招人、培训、管理、排班、质检。AI agent 之后，一部分能力扩张会变成复制 workflow、增加 token、接入工具、提高自动化率。
这会改变商业模式。
SaaS 时代卖 seat，本质上仍然假设人是工作主体，软件是辅助工具。AI 应用如果真的能完成工作，它的价格锚点就不该只是 seat，而会更接近 outcome、resolution、case、task、transaction。
客服不再只是“每个坐席多少钱”，而是“每次成功解决多少钱”。安全测试不再只是“买一套工具”，而是“持续发现多少漏洞”。法务、医疗、财务、招聘、销售运营，都可能出现类似变化。
这就是 service-as-a-software 的含义：软件不再只提高服务业效率，而是开始吞进服务本身。
不过这里也有分水岭。
真正强的 AI 应用公司，不会只展示模型能力，而会控制端到端工作结果。它们需要有 domain workflow、专有数据、工具调用、权限系统、异常升级、质量评估和客户信任。模型是底座，工作系统才是产品。
只要结果还不能被客户放心验收，agent 就仍然只是一个更会说话的功能。
稀缺项从产出变成信任
第三张图把问题拉回人本身。
“人是万物的尺度。”AI 可以完成工作，但只有人与人之间的连接，才让结果值得被关心。
当产出变得便宜，稀缺项会迁移到目标、信任和责任。
这句话放在 AI Ascent 里并不矫情，反而很关键。
当产出变得便宜，稀缺的东西就会迁移。
过去，写一份报告、做一张图、写一段代码、回复一封邮件，本身就是劳动。以后，这些产出会越来越便宜，甚至接近无限。真正稀缺的会变成：谁定义了问题，谁对结果负责，谁知道什么值得做，谁能让另一个人相信这件事重要。
AI 可以生成十个方案，但客户为什么要相信其中一个？AI 可以写出一封销售邮件，但对方为什么愿意回复？AI 可以做医疗记录，但医生和病人之间的信任从哪里来？AI 可以写代码，但产品方向、用户理解和系统责任仍然要有人承担。
当 output 变得过剩，care 会变得更贵。
这不是说人类只剩下情绪劳动。更准确地说，人类的价值会从“完成任务”迁移到“赋予任务意义、约束任务方向、承担任务后果”。
很多公司会低估这一点。
它们会以为部署 agent 就等于减少员工。短期看，确实会有自动化红利。但长期看，更重要的变化不是少几个人，而是组织结构会被改写：管理者要管理一组 agent，员工要学会拆任务和验收结果，客户成功要处理 agent 失败后的信任修复，产品要把 human-in-the-loop 设计成系统的一部分。
AI 越强，人类连接越不能被当成装饰。
BEDROCK 的判断：机会在扩散，不在演示
到这里，AI 的快世界已经很清楚。模型能力在陡峭上升，agent 让工作第一次可以被机器规模化，token 正在成为新的生产成本项。
真正的问题转到了另一边：现实世界能不能接住这条曲线。
BEDROCK 更关心三个问题。
第一，AI 应用有没有进入真实 workflow。
用户愿意试用不够。员工觉得新鲜不够。真正的信号是，某个任务是否已经被重新分配给 AI，预算是否随之迁移，人工是否从执行变成监督，结果是否能稳定验收。
第二，AI 应用有没有形成客户侧壁垒。
模型能力会继续扩散，单纯的 prompt、UI 和浅层自动化很难长期防守。更重要的是工作流数据、行业语境、系统集成、合规责任、交付经验，以及客户一旦迁移后不愿再回去的运行习惯。
第三，AI 应用的计价方式有没有从工具走向工作。
如果一个产品仍然只能按 seat 收费，它可能仍然是传统软件。如果它能按结果收费，客户愿意把原本付给人或外包服务商的钱付给它，性质就变了。
这一轮 AI 的大机会，不是替每个软件加一个聊天框，而是重写一段工作的生产方式。
这也是扩散缺口真正有价值的地方。
能力曲线越陡，采用曲线越慢，中间的机会越大。但这个机会不会平均分给所有创业公司。它会流向那些能把模型能力翻译成真实业务结果的人。
模型公司解决“能不能”。应用公司解决“怎么用”。客户最终只为第三件事付钱：结果是否稳定发生。
工业革命以后，人类不再主要用肌肉服务自己。认知革命以后，人类也不会主要用重复性脑力服务自己。
但这不等于人变得不重要。
正相反，机器越能做事，人越要决定什么事值得做。机器越能生成答案，人越要判断什么答案值得相信。机器越能规模化执行，人越要承担方向、信任和后果。
AI 可以做工作。人仍然是尺度。
No single singularity, all diffusion.
真正的革命不会只发生在模型发布会上。它会发生在每一段工作被重新设计、重新计价、重新交付的时候。
参考：Sequoia AI Ascent 2026；Generative AI’s Act o1；The Always-On Economy
BEDROCK播客E21-新年特辑：《私募创业4年，来谈谈脆弱、投资、生存与艺术》
如您对本拾产品感兴趣，可在后台留言与我们联系。
▲请仔细阅览【免责声明】本材料由上海本拾私募基金管理合伙企业（有限合伙）（简称“本拾投资”）原创并编辑发布，仅限于提供信息和投资者教育的目的。本材料所依据信息和资料来源于公开渠道（例如：万得、彭博）和内部研究成果，相关信息被认为是可靠的，但本拾投资不对其完整性或准确性作出任何明示或默示的陈述或保证。相关信息仅供参考，不构成广告、销售要约，或交易任何证券、基金或投资产品的建议。本材料中引用的任何实体、品牌、商品等仅作为研究分析对象使用，不代表本拾投资的实际操作。因基金产品投资限制、投资组合调整和交易成本等多种因素，本拾投资的实际操作有可能与本材料中得出的结论不同。本材料并不考虑任何阅读者的特定投资需求、投资目标或风险承受能力。阅读者在投资之前，应当仔细阅读产品法律文件和风险揭示书，充分认识产品的风险收益特征和产品特性，并充分考虑自身的风险承受能力，理性判断并谨慎做出投资决策。本材料版权属于本拾投资，未经本拾投资授权，任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本材料内容。
