AI 领导者正扩展其优势
AI 正成为当今定义性的颠覆者，其影响范围比任何近期技术浪潮都要广泛，重塑着商业战略、政治、贸易、国防甚至社会正义。AI 时代的领导者正在利用 AI 提高利润，而落后者则进一步落后。如今，这些领导者正在扩大他们的收益，并拥抱自主 AI。如果你还在进行试点，你就处于危险之中。
价值演变
- AI 时代的早期赢家：最值钱的科技公司已成为 AI 时代的早期赢家，进一步集中在顶层。前五家公司占前 20 家公司总市值的 70% 以上。Nvidia 的市值自 2023 年 1 月以来增长了 800% 以上，微软、亚马逊、谷歌、苹果和 Meta 的估值都在 2 万亿美元以上。
- 更多层次的竞争：科技领导者可以通过多种方式将其投资货币化，因为他们正在每个层面竞争——拥有基础设施、构建自己的模型（例如，谷歌的 Gemini 或亚马逊的 Nova）、定义平台，并在应用层面获得不成比例的价值。但在 AI 的时代，这种动态可能会发生变化，因为新的参与者正在侵入领导者所在的每个 AI 层级。
- 基础设施：像 Coreweave 这样的初创公司提供专门的高性能 GPU 即服务基础设施，针对 AI 和 GPU 密集型工作负载进行了优化，通常比传统的云计算服务具有更低的延迟和成本。像 Nvidia 这样的硬件巨头正在建设 AI 工厂，以加强他们的地位。
- 模型：像 OpenAI、Anthropic 和 Mistral 这样的新参与者已经迅速取得了进展，在许多情况下，它们都得到了超大规模计算公司的早期投资。
- 应用：例如，Anysphere，一家 2022 年成立的公司，目前估值 90 亿美元，已经迅速在开发者中获得了认可，凭借其 AI 驱动的代码编辑器 Cursor——这表明即使是大科技公司也能赢得比赛。
- 新领域的竞争：除了这些层次之外，颠覆者还在新的领域与科技领导者竞争：
- 设备：AI 手机可能会扰乱既有的智能手机格局。
- 搜索：像 ChatGPT、Claude 或 Perplexity AI 这样的聊天机器人已经开始取代搜索作为进入互联网的入口。
- 浏览器：像 Perplexity 和 OpenAI 开发的 AI 浏览器可能会重燃 20 世纪 90 年代的浏览器战争。
不确定性的塑造
- 自主 AI：这些系统可以执行复杂的流程，在不进行人类提示的情况下做出决策，并动态适应，这可能会颠覆传统的软件范例。
- 中美关系：地缘政治紧张局势正在分裂全球技术供应链，特别是在半导体和 AI 硬件方面。出口管制、投资限制和制裁正在迫使科技公司调整全球战略，并应对进入关键市场的不可确定性。随着中国公司加速国内替代品，美国公司转向制造业，由此产生的脱钩可能会导致区域冠军取代全球巨头。
- 监管压力：各国正在加大对其在大型科技公司中违反数据隐私和 AI 安全的审查力度。许多人都在推动他们自己的主权 AI，以限制对美国领导者的依赖，有些人希望发展他们自己的国家冠军。
- 量子计算：量子计算代表着计算的基础性转变，威胁要使经典加密过时，并重新定义材料科学、物流和 AI 中的问题解决。政府和公司正在竞相发展量子优势，最早的行动者可能会在云到网络安全等各个领域超越当前的技术巨头。
对科技领导者的意义
- 现有科技领导者：继续做你一直在做的事情：颠覆、创新、吸引人才，以及收购和合作以获得新的能力。
- 传统科技：拥抱和扩展。行动迅速——从削减成本开始。监控前景，并准备好颠覆你的业务。投资创新，同时通过收购和合作伙伴关系增强能力。了解你的客户的需求，并充分利用那些有价值的关系。
- 颠覆者和初创公司：了解与超大规模计算竞争所需的投资规模。人才稀缺，因此制定一个策略来获取和留住正确的人才。找出更好地满足客户需求的新方法。颠覆带来了机会，重塑了竞争的基础。
主权科技，分裂的世界
- 脱钩的核心：半导体和电子供应链：半导体是当今地缘政治紧张局势的核心压力点。美国一直在对中国的高性能芯片、芯片制造工具、电子设计自动化软件和用于中国的高带宽内存芯片实施出口管制。
- 主权 AI：主权 AI 系统是在国内或文化合适的数据上训练的，由国家或地区控制的数据中心托管（如果可能的话），并且越来越多地依赖于在国内开发的开源基础模型，这允许政府和机构审计系统是否存在偏差、透明度和滥用。
- 战略影响：重新思考如何以及在哪里竞争
- 以运营模式而不是产品线为思想：一些国家将建立他们自己的 AI 能力，或者将其视为一种战略杠杆。其他国家将简单地从最便宜的可用来源购买。这创造了一个拼凑的环境，公司必须调整他们构建、部署和货币化技术的方式。
- 不要假设全球科技竞赛已经结束：它仍然在进行中，还有很长的路要走，因为关税和出口管制并没有像预期的那样减缓中国的步伐。
- 不要将搬迁误认为是弹性：对于跨国科技公司来说，将生产移出中国只是一个开始，现在还不够。供应链必须是区域化的、灵活的，并能够适应持续的政治动荡。在最重要的终端市场建立更强的存在感变得更加重要，特别是对于半导体和其他战略性、资本密集型行业。
- 做出具有选择性的决策：高管不会每一笔赌注都正确。在信心充足的领域，要果断行动。在前景不明朗的领域，要优先考虑灵活性。
交易量上升，但容易获胜的时代可能已经结束
- 技术交易量上升：尽管面临关税相关的不确定性和地缘政治紧张局势，2025 年上半年技术交易量仍然有所增长，占所有交易的 22%。
- 软件投资格局的转变：随着软件市场的成熟，下一阶段的增长和回报将来自哪里？许多指标表明，软件投资的性质正在经历根本性的转变。选择一个有希望的 SaaS 公司并看着收入（以及倍数）爆炸的“轻松赚钱”时代正在结束。未来的回报将越来越多地取决于寻找新的收入增长来源和通过运营卓越来扩大利润率。
- 新的增长来源：
- 取代竞争对手：在任何成熟的行业，取代竞争对手都是一种必然。保持增长率的公司是那些精通从较弱竞争对手和现有企业手中夺取市场份额的公司。
- 利用 AI：人工智能正在改变许多产品类别，为用新功能改造传统产品和开发新产品和用例提供了机会。
- 部署现代定价模型：等待产品固定然后进行增量、基于座位的提价越来越没有效果。具有结果导向或基于价值的定价模型的创新性商业组织正获得traction。
- 扩大地域范围：即使曾经热门的行业在美国正在放缓，在另一个地区也可能有充足的机会。
- 构建支付能力以及/或货币化数据：特别是在垂直软件中，或针对特定行业的产品，客户越来越多地寻找具有集成支付功能——内置系统可以简化交易并经常捕获标准 POS 系统无法捕获的宝贵数据的解决方案。
战略战场
将自主 AI 与 SaaS 竞争？
- AI 正在颠覆 SaaS：生成式和自主 AI 通过自动化任务和复制工作流程正在颠覆软件即服务 (SaaS)。
- SaaS 领导者的应对策略：
- 将 AI 作为路线图的核心：寻找你的软件帮助用户完成的关键工作，并部署 AI 来自动化和加速它们。
- 将独特数据转化为你的优势：你的数据是你的护城河。
- 跨四个战略场景塑造投资和竞争计划。
- 决定你解决行业语义差距的策略。
- 重新思考针对 AI 首要世界的定价。
- 在整个业务中建立 AI 熟练度。
我们如何满足 AI 无法满足的算力需求？
- AI 算力需求增长：AI 的计算需求增长速度是摩尔定律的两倍多，到 2030 年，美国将需要 100 吉瓦的新需求。
- 满足需求的影响：满足这一需求可能需要每年 500 亿美元对数据中心的新投资。
- 可能改变轨迹的因素：
- 经济上无法负担：建造满足预期需求的数据中心所需的资本投资约为每年 500 亿美元，这一数字远远超过了任何预期或想象的政府补贴。
- 更好的图形：当数学问题变得过于复杂或成本过高时，步骤式进步往往不是来自渐进式的调整，而是来自全新的算法方法。
- 技术突破：量子计算可能会成为解决方案的一部分，与经典计算协同工作，以解决大问题。
- 供应链短缺：鉴于在电力供应、建筑服务、计算使能器（例如 GPU）和数据中心设备（包括电气开关设备和先进冷却）方面的限制，很难快速建造数据中心以满足不断增长的需求。
人类型机器人：从演示到部署
- 人类型机器人正在吸引资金和关注：虽然演示令人惊叹，但大多数部署仍然处于早期阶段，严重依赖人工监督。
- 现实检查：人类型机器人还没有准备好参加主要演出：今天的大多数人类型机器人仍然处于试点阶段，严重依赖人工输入来进行导航、灵巧性或任务切换。
- 决定性因素：智能和感知正在迅速发展，可能会在两到三年内达到人类水平的表现。
- 实际部署：在受控环境中，例如工业、零售的部分区域和特定的服务环境，人类型机器人可能会首先部署——这些地方的环境是众所周知的，并且是密切控制的，而任务可能会落在有限的子集中。
- 商业成功的先决条件：明确的监管途径、严格的安全和认证制度、劳动力接受度，以及最重要的是，公众对看起来和移动起来像我们一样的机器人的信任。
量子计算从理论走向不可避免
- 量子计算正在进步：量子计算正在取得进展，可能对行业产生 250 亿美元的影响。
- 潜在的巨大市场：量子计算有可能解锁高达 250 亿美元的行业价值，例如制药、金融、物流和材料科学。
- 主要障碍：
- 硬件成熟度
- 算法成熟度
- 量子机器学习 (QML)
- 实际 ROI
- 网络安全：量子计算有可能克服今天最好的加密方法。尽管今天的量子计算还不能破解最先进的加密方法，但一些恶意组织已经开始采取“现在收割，以后解密”的策略，打算存储敏感数据五年或更长时间，直到量子的发展使他们能够破解加密。
- 混合解决方案的未来：量子计算不会取代经典计算——它将补充它，成为广泛解决方案组合的重要组成部分。量子计算将发挥有针对性的作用，解决经典系统不足的地方。
运营转型
自主 AI 转型的现状
- AI 领导者已经从试点转向利润：通过在核心工作流程中扩展 AI，他们实现了 10% 到 25% 的 EBITDA 增长。
- 自主 AI 提供了第二轮收益：但需要更多的技术来让代理跨隔阂进行交互和操作。
- 架构的演变：随着 AI 向更高级别的自主性发展，企业面临着新的挑战：这些代理将如何安全地运行，如何找到并连接到彼此，如何收集它们需要的信息和上下文，以及如何协作产品ively，同时考虑到供应商的利润动机、数据隔阂、非正式上下文、企业数据和知识产权等现实问题。
AI 正在改变生产力，但销售仍然是一个新的前沿
- 销售团队落后于其他职能：销售团队在采用和从 AI 中受益方面落后于其他职能，但潜力太大而忽略了。
- AI 可以处理的任务：AI 可以处理许多任务，让销售人员有更多时间与客户相处，并且早期的成功表明，获胜率提高了 30% 或更好。
- 重新想象销售流程：与自动化现有流程相比，重新想象销售流程是获得重大收益的关键。
- 确定高潜力领域并决定在哪里开始：这是重要的第一步，以及获得 C 级赞助。
从试点到回报：生成式 AI 在软件开发中的应用
- 生成式 AI 的结果：软件编码是部署生成式 AI 的一个领域，但节省的成本并不引人注目。
- 真正的收益来自应用 AI 跨整个软件生命周期：从早期发现和需求阶段，通过计划和设计，到测试、部署和维护，几乎每个阶段都可以受益。
- 领导者的扩展策略：他们把生成式 AI 当作软件开发生命周期的一个基本转变，而不是一个一次性项目。他们采取了一种面向未来的方法，重新构建他们的端到端软件开发生命周期，使其围绕生成式 AI 进行嵌入，并在整个企业中扩展它。
为自主 AI 建立基础
- 自主 AI 是企业技术的结构性转变：它正在重塑公司，让代理能够推理、协调和执行复杂的工作流程。
- 大多数公司还没有准备好：要获得全部价值，需要重新思考系统、数据和治理以支持可扩展、安全的代理部署。
- 架构的适应：自主 AI 应该补充而不是取代现有的架构。技术团队需要谨慎地部署它，并制定明确的范围和控制措施。
- 实施要求：在未来三年到五年内，5% 到 10% 的技术支出可能将用于构建基础能力，包括代理平台、通信协议、代理的实时数据访问和发现，以及现代化的安全和可观察性框架。
