为什么我们对2025年AI极度乐观？

我对当下的 AI 市场和2025年的发展都极度乐观，2025年肯定是个 AI 大年，我发现市场太悲观了，所以我决定做这期内容。

来，我们直入主题，先来看这两年 AI 发生了什么。

2023 年，AI 来了，很多互联网人和美元基金就直接冲了，因为不管从什么角度看，AI 这波都和大家熟悉的互联网那波机会太像了，而且天下其实已经苦互联网人久矣，从 2015 年以后大机会其实就不多了，2018 年以后更是几乎没有，我记得过去两年涨起来的到千万日活的产品可能也就是番茄小说等极少数的几个。

当互联网人发现我练成一身武功绝学，江湖却没了，这怎么能忍？

然后市场做了个判断，AI 是不是大机会？肯定是，是什么量级先不说，是对标电、互联网还是云也先不管，但这里又有个判断，就是 AI 肯定还处在早期，所以很多人有个结论，说 AI 要先投技术背景的人，所以像清华的教授都被撸了一遍，然后到 2023 年，最多的钱就都流向了大模型公司，很少量的钱流向了做中间层和应用的公司。2023 年的时候，但凡你是从 OpenAI 出来的，都像是神坛上的人，大家到美国去学习，也是千方百计拼谁能约到个 OpenAI 的人聊聊。

那冲的结果怎么样呢？我们就再来看 2024 年。

2024 年要分成两个部分来看，一个是 9 月前，一个是 9 月后，为什么呢，因为 9 月前的市场就如一潭死水，我现在几乎敢断言，2024 年的上半年就是过去 10 年，及未来几年一级市场的最底部，市场交易非常差，尤其是新创业公司的融资几乎归零。

在这期间，几个大模型公司渐渐地从热点顶端退温，如果一个人在 2023 年从 OpenAI 出来，可能刚开始估值能到几千万刀，到 2024 年也许都不会有人投，再一直到最近，大家得到一个结论，说 Pre Training 没用了，都不做了，都去搞 Post Training 就行，那价值就更小了，可能要在国内跳槽找工作都性价比极低。

这个时候，仍然要出手的机构就去了两个方向，其中最主要的就是具身智能。如果说 2023 年 AI 创业投资的关键词是大模型，那 2024 年的关键词就是具身智能，在这个过程中，也有些不那么相信具身智能的机构同时兼顾了一些 AI 硬件或消费电子的投资。

那同期来看，2023 年走出来的这些人怎么样了？大模型的这几家公司大家讨论很多了，我就不再多说了，总之，现在模型的发展趋势非常符合我们 2023 年初的判断，即：

（1）大模型是 Commodity，逐渐会成为基础设施；

（2）大模型开源的进展速度仍然超过闭源；

（3）实际应用落地时市场偏向于多模型混合方案，而不是单一模型通吃；

（4）技术永远是为了解决问题而存在的，所以好的产品大于一切。

那从 2023 年开始出来的产品和应用的创业公司的状态如何呢？

我们计算了下，当下市场中大概有 20~30 家应用类公司的估值超过了 5000w 美金，而所有应用类公司的 ARR 年收入大多数为 0，因为还在打磨，并未上线，或者上线了但还在找 PMF，少数找到了 PMF 的公司达到了 100w 美金的 ARR，极少数头部项目达到了 1000w 美金的 ARR。

所以，我可以说，我们所有人在 2023 年都对 AI 过于乐观，以至于 2024 年市场给出的反馈又让大家都过于悲观，包括最近，我看到很多人在讨论和总结当下市场的时候都是悲观的基调。

但对于当下和未来的 AI 市场，我们现在是“极度乐观”的状态。

这就要从 2024 年 9 月后说起。

在 9 月后我们发现，市场出现了几个核心的变化：

（1）融资市场明显复苏，出现了很多高估值的初创企业，这可能来自一些机构年底冲 KPI，或明年的募资规划等。

（2）各种模态模型的能力都在默默加强，其中，图片生成就超过了人类、语音和歌曲的生成我认为也超过了人类、视频和 3D 模型的进展速度远超大家预期，基本达到了 GPT 3 左右的水平，而大语言模型本身的进展速度反而是最弱于预期的，但也已经降本到可用，且出现了以 o1 为首的推理模型，这让 Agent 的落地变得更能实现。

（3）这一点是被很多人忽略，但我们感知尤为明显的，就是创始人的画像发生了明显的变化，在 2024 年中以前，AI 创始人基本都是从传统互联网行业转型过来的，但最近几个月，有大量的我们称之为 AI 创二代的人出现，比如从大模型公司出来的、大厂 AI 业务负责人出身的，甚至有一些中小型 AI 创业公司的联创等出来创业，这些人对 AI 的理解、认知，要做的方向和讲的故事，都给人耳目一新的感觉。

所以，我们切身体会到了整个 AI 市场的进步，而这个进步毫无疑问会延续到 2025 年，这就是我们乐观的核心原因。

当然，我知道有很多人担心美元基金的问题、担心宏观经济的问题、担心中美关系的问题等，但我一直坚信，最终决定市场的是资产本身的价值，只要资产好了，其他问题总有办法解决。

那么我们怎么看 2025 年，AI 会往什么方向走呢？

（1）首先，大的市场环境会进一步变好，但变好的表现形式不是万众创业或者火热市场的回归，而是更加两极分化。

从资本方向来说，美元基金仍然在和人民币基金分化，目前国内一级市场有明确的两条路，一条是出海，一条是国产替代硬科技等，前者偏美元，后者偏 rmb。

从创业融资来看，机构会更倾向于把钱投给背景非常好的人，并且愿意给更高的估值，而不是低估值撒很多小项目，从 2023 年开始的很长一段时间里，创业公司第一轮的平均估值就是在 5000w 到 7000w 人民币左右，而这两个月有很多 3000w 甚至 5000w 美金的初创公司融资成功案例。

所以如果你还没进入 AI 这个圈子，又对自己的能力和积累有一定信心，当下最好的选择可能仍然不是创业，而是加入其他 AI 创业公司，或者去大厂内部负责 AI 业务来进行积累和学习。

（2）像我们之前说的，2023 年的市场关键词是大模型，2024 年的关键词是具身智能，那 2025 年的关键词就是应用落地，而且现在这似乎成为了中美市场以及一二级市场对于 2025 年资产标的预期的共识。

从具体落地角度，过去两年，大家探索出了一个最有共识的方向，也是目前最能落地的方向，就是生产力工具类产品。

这是过去一年火起来的一个概念，即 Prosumer 或 Pro C 人群，或者也可以说是小 B 大 C 的这么一群人，比如专业的视频创作者、歌曲创作者、保险经纪人、券商从业者等（甚至也包括 AI Coding 的工程师群体），这里的核心原因是：

（1）过去五到十年，国内市场似乎验证得到了一条结论，即国内 to 大 B 的市场就是不行，做不出来，这个问题的原因有很多，核心的几条就是人均 GDP 低、人的成本低，以及产业结构和美国不同，美国头部企业都是私企，而国内都是国企，最后利润都被渠道赚走了。

（2）大 B 不行，纯 C 好像暂时也不行，其中最核心的一个原因是国内 C 端的付费意愿和能力都非常低，而 AI 又是一个一上来就有 token 成本的事情。

所以大家卡出来一个小 B 大 C 的概念，就是生产力工具，这个人群兼具了 C 的用户和传播属性和 B 的付费能力。

而这个概念在 2025 年仍然会是最主流的方向，我相信，到 2025 年我们会看到一批千万美金 ARR 的这类创业公司出现。

除此之外，2025 年我们最看好的两个方向是 Agent 和多模态，这里 Agent 大家提得最多，但我个人觉得多模态的潜力其实更大，我们来分别讲下。

Agent 其实是从去年就开始火的概念，但直到最近推理模型能力提升才真正解锁了它的可能性。未来各种专业人群、垂直领域都会有 Agent 的机会。

现在很多人认为，Agent 会是对传统 SaaS 的一次迭代更新，并且市场价值会是 SaaS 的十倍，因为本质上是 SaaS 提供了软件服务，而 Agent 是软件服务+人力的打包替代方案。

那这里有一个核心问题，即 Agent 到底是大厂和现存玩家的机会，还是新创业公司的机会呢？如果 Agent 是对 SaaS 的更新迭代，会不会是现有的 SaaS 公司直接加上 Agent 能力即可？

为了回答这个问题，我去研究了 SaaS 当年是如何取代传统软件公司的，也就是为什么传统软件公司没有成功转型成为 SaaS 公司？

我发现答案有几个：

（1）将现有的本地化软件迁移到云端有技术门槛且成本高；

（2）SaaS 公司更用户导向，需要持续交付，而传统软件公司更多是强销售、一次性销售；

（3）最核心的原因是商业模式有本质的区别，传统软件是开发完成后一次性软件付费，比如一年数百万的费用，而 SaaS 公司是少量多次的订阅制收费。

所以你可以想象，传统软件公司可能是重渠道、重线下、长周期，不知道要开多少次会、吃多少次饭，最后敲定一个几百万上千万的大单，而与此同时，SaaS 公司的一个刚毕业的学生，坐在办公室里跟客户开了个视频会，说你看，我们这个线上可以直接开通，一个月每个人只要 500 块，功能跟你们几百万买来的一样。

所以 SaaS 公司和传统软件公司从开发模式、销售模式，到组织结构、人员管理等都有本质的区别，这个区别就决定了传统公司要转型还不如重来或者收购。

那我们再来看 AI 公司和 SaaS 公司在这几个点上相比如何。

从技术门槛来说，AI 的技术门槛和改变可能没有之前变化那么剧烈，但开发模式是一定需要根据 AI 时代来重新变化的。

从销售模式和商业化来说，这里可能会有一个核心的变化，如果未来 AI 真的能做到按结果付费，而不是按订阅付费，那可能就会是一个对现有 SaaS 公司和模式的颠覆式变化。

即我现在可以卖一个 SaaS 软件给你，说这个能帮 100 个营销人员提效，然后你买了试了，最后到底结果怎么样并不好归因，但 AI 公司会说，你就拿去用，最后帮你省多少钱，你给我其中一部分就行。

如果最后 AI 和 Agent 真的能实现这个效果，那我会倾向于认为 Agent 仍然是新公司的机会，因为 SaaS 企业要彻底变革成这样实在是太难了。

随之而来的，销售人员的管理和组织模式等也会产生剧烈的变化。

在 SaaS 时代，销售的作用已经弱化，比如我们会听到有上千人电销团队的例子，所以后来 SaaS 中会有 PLG 的说法，即通过产品本身的功能和口碑来吸引用户，再做商业转化。

那如果 Agent 成为按结果付费，似乎甚至大多公司都不再需要销售，只要做好 SEO 等就足够了。

除此之外，还有两个问题是当下所有 SaaS 公司都会遇到的，一个是客户觉得 SaaS 软件的定制化太差了，都是通用功能，另外是 SaaS 软件太多，而数据又无法打通，而这两个问题都非常适合用 AI、bot、Agent 的方式来解决。

所以未来可能一个公司就使用一个打通的 bot 平台，上面有 N 个 Agent 互相协同工作就足够了。

最后，虽然我们分析了这么多商业逻辑，但我始终认为最终最重要的就是人和组织的问题。

比如你可以想象到，大多传统软件开发者可能是背个公文包的中年人形象，你不觉得他们懂互联网，也不觉得他们能转型成功，那 SaaS 创始人呢，其中有大量的有很深的行业 knowhow 的人，但他们能很快转到 AI 吗，他们可能会犹豫一年、自己试验一年、再招人做一年，中间如果发现人不行还要再换，最后发现现有组织形式无法在内部产出，这些时间成本可能已经足够一家新公司跑起来了。

所以最终，我认为市场上创业者的平均基准线能力，决定了新玩家的机会有多大，在 20 年前，这个基准线肯定是不及格的，10 年前可能刚及格，而现在在 2C 领域这个基准线已经极高（比如你不会觉得今年的张一鸣和十年前有本质区别，也不会觉得他就落伍了，实际上他可能更强了），而 2B 领域中可能仍然还有大量机会。

所以作为结论，我们觉得 2025 年的 Agent：

（1）主要在 2B 领域落地；

（2）一些存量的 SaaS 公司会基于已有的渠道快速利用 AI 概念攻占一些市场，先见到收入；

（3）更多主打新商业模式的 Agent 创业公司会开始冒头，并在未来反攻现存 SaaS 企业。

然后再给大家留一个问题，或者说是一个思路，如果说未来好的产品经理可能来自 Post Training 背景，那好的 SaaS 创始人会不会是来自客户成功团队？

讨论完 2B Agent，这里再提一个很容易被大家忽视的问题，比如我们以 Perplexity 这家公司为例，大家提到 AI，就会想到几个最大的场景和代表公司，比如陪聊的 Character.ai 和搜索的 Perplexity。

但如果我说，Perplexity 实际上是一家 Agent 公司，你会如何反应？

Perplexity 创始人前阵子在斯坦福做了一个对谈，其中主持人问他，Perplexity 最终如何成为一家伟大的公司？

他的回答是：如果我们能够帮助人们找到所有问题的答案，并帮助他们完成所有任务，我们肯定能跻身于此行列。

这个回答看起来很普通，但却开启了我的一个认知升级，即原来 Perplexity 的目标不在搜索，而是在完成任务。

其实想来也是，用户搜索是为了得到一个问题的答案和解决方案，Google 已经把信息检索和推荐做到了极致，但用户仍然是跳转出去来寻找答案，那如果 Agent 可行，是否能在搜索的同时自动帮助用户提供解决方案呢？

比如 Perplexity 已经上线的电商搜索就是一个类似的尝试，与其我在各个平台搜索商品和评价，再跳转下单，为什么不能在一个平台上完成所有事呢？

所以从这个角度来说，是否也可以说，Perplexity 最终就是个 Agent 公司，那这就解释了为什么它能有这么高的估值，可以说，Perplexity 很可能是下一代 AI 的最大入口和平台。

我们再把这个逻辑推而广之。

前微软 CEO 纳德拉曾经讲过一点，他说比尔盖茨在他整个职业生涯中一直强调的一件事是，数字领域只有一个类别：信息管理。（我相信张一鸣可能也是同样的观点。）

那如果信息管理都最终指向一个行为 action，有没有可能 AI 时代最终就是信息管理+行动，而 Agent 就是一个完成体呢？

所以可能当下所有做信息类、辅助类的 AI 产品，尤其是 2B 或 2 Prosumer 的未来就都要往提供结果的角度去思考和发展了。

好了，终于讲完了 Agent，最后我想讲一个我觉得最重要，却很少人提的方向，就是多模态。

大家这两年一直在讨论 AI Native，讨论是不是所有的 APP 都值得被重做一遍，这个问题到目前为止似乎还没有答案，而我觉得这个答案就藏在多模态之中。

尤其在 2C 领域之中，如果 AI 只是产品的一个附属功能，比如在产品中加入 AI 总结、AI 提示、AI bot 等，产品的交互形态、界面都没有大的变化，那自然不可能出现 AI Native 的产品。

但在多模态视角之下，产品的组织形态和使用逻辑都是有可能发生彻底的变化的。

比如我们以 NotebookLM 为例，这个产品能够让用户把一篇文章变成一段两个 AI 的对话，并且用户还能随时插入对话之中进行互动或改变对话的走向。

这里用到了 AI 的理解能力、语言能力、也引入了多个 AI 人格，并且完成了跨模态的内容组织，还加入了用户的互动，可以想象这类产品的最终形态和使用行为肯定是现有产品无法承接的。

那如果我们把这个例子再泛化，用多模态中 Any to Any 的思路来推衍呢？即未来用户的输入可以是任何内容，不管是发一段话、拍一张图、还是上传一段视频，而 AI 可以把这类内容变成任何最适合的形式。比如我要讨论一个课题，AI 直接生成了一段辩论类视频综艺来帮我理解，我还可以作为其中一方的辩手随时加入，那这是否颠覆了现有的内容获取和人类接受教育的方式？

所以，我认为 Agent 的路径是相对有标准答案的，而 AI Native 的答案可能就藏在多模态之中。当然，我现在只能给个大概的方向和思路，并不能给出完美的 AI Native 的答案，这个也不该是我的工作，而是需要无数勇敢和天才的创业者和产品人来探索，在这里我只能给大家几个可以持续思考的建议。

（1）虽然是 Any to Any，但从历史经验来看，是否视频类型内容的输出才是多模态的最终归宿？

（2）人们未来的内容消费会不会都从被动接收信息，转变为被动接收与主动参与的结合？

（3）Any to Any 仍然是生产力的变革，如何通过新的 AI、bot 和人的组织形式，真正变革生产关系？可能这个答案出现的那一天，就是下一个抖音将要出现的时候。

我知道很多人这两年不好过，做不做 AI 的都差不多，但我明确看到早入场的人，和坚定乐观的人也获得了回报，比如今天有一批高估值的公司基本都是 23 年初就勇敢进场的创业者，比如去年聊得比较多的人，今天也都遇到了各种机会，成为了各个大厂的 AI 负责人。

所以，我们还是要：在巨大的不确定性面前保持乐观，在脚踏实地赚钱的同时保有梦想。

本文来自微信公众号：42章经，作者：曲凯