红杉资本洞察：千亿Agent赛道开启，工具时代已成过去

大转向已经开始，做工具的时代结束了。

红杉资本今年3月发了篇文章，核心观点就一句： 下一家万亿美元公司，将是一家披着服务公司外衣的软件公司 。

这里面存在上百亿甚至千亿级别的细分市场机会。

为什么有这个判断，因为AI的能力目前跨过了临界点。

这篇文章我们详细来算一笔账，然后用" 智能 "和" 判断力 "这个二分框架来看梳理下整个AI替代的商业地图里面的细分机会。

首先，在过去一家公司每年花1万买软件，再花12万年薪雇个会计来结账。这是过去的模式。

你做一个更好的软件，最多抢那1万块。但如果你直接帮它把账结了呢？ 你抢的是12万这个人力资源的支出。

这就是一个关键的变化，从交付工具，到直接替代人力资源交付结果。

这两个数字你对比一下。

软件1万 ， 人工12万 。这是完全不是一个数量级的市场空间。

红杉资本这篇文章叫 《Services: The New Software》 ——服务是新型软件，就是讲这个范式转变。

为什么红杉现在说这个？因为有个东西变了。

工作分为" 智能 "和" 判断力 "两种类型。

这里的智能，是把需求转化成代码、测试、调试——规则虽然复杂，但终究是规则。

这里的判断力，是决定下一个该做哪个功能、是否该接受技术债、何时发布一个还不完善的产品——这些需要经验、品味和多年磨出来的直觉。

一年前，大多数Cursor用户还把AI当自动补全来用。

现在呢？Cursor上由AI智能体主动发起的任务已经多于人类了。

在所有职业里，软件工程一个领域就吃掉了AI工具使用量的一半以上，其他每个领域还在个位数。

为什么软件工程跑得最快？

因为写代码这件事，智能的成分占绝对大头。AI已经可以独立完成大部分智能型工作，把判断力留给人类。

软件工程是第一个到达这个阶段的行业。但红杉做了一个重要判断—— 它即将发生在每一个职业中。

这个"智能vs判断力"的框架一旦建立起来，一个更大的商业逻辑就清楚了。

我们可以把AI产品分成两种模式： 副驾驶和自动驾驶 。

副驾驶卖工具

Harvey卖给律师，Rogo卖给投资银行家。专业人士是客户，AI让他们效率更高，但最终的产出他们自己负责。

自动驾驶卖结果

Crosby不卖工具给外部律师，它直接卖给需要起草保密协议的公司——你不需要懂法律，我帮你把协议搞定。

WithCoverage也不卖给保险经纪人，它直接卖给需要保险的CFO——你不需要懂保险，我帮你搞定保障方案。

这两种类似的关键区别在哪？

在任何行业里，工作预算都远远大于工具预算。副驾驶从第一天起抢的是工具预算，自动驾驶从第一天起抢的是工作预算。

比如国外的记账软件QuickBooks抢的是1万块的工具预算。

而一个AI原生的记账服务，抢的是12万块的工作预算。12倍的差距。

红杉给了一个他们根据过去历史数据的结论： 每花1美元在软件上，就有6美元花在对应的服务上。

这就是为什么他们认为下一个万亿美元公司不是做更好的软件，而是用AI直接交付服务。

但自动驾驶不是什么活都能干，需要有很顺畅的切入点，核心方法是：

从外包切入 。

为什么从外包开始？一项任务如果已经被外包了，它告诉你三件事。

• 第一，公司已经接受这件事可以由外部来做。

• 第二，已经有一笔现成的预算可以直接替代。

• 第三，买方本来就在购买结果，而不是购买工具。

用AI服务替换一份外包合同，本质上是换一个供应商。

但用AI去替换内部员工？那是一次组织重组。前者几乎零摩擦，后者阻力巨大。

所以战术路线是：先吃外包的、智能密集型的工作。建立客户关系和数据飞轮之后，再向内部的、判断力密集型工作扩展。

外包是切入点，内部工作是长期市场。

红杉根据这个分析思路画了一张" 机会地图 "，把各个服务行业按"智能vs判断力"和"外包vs内包"两个维度标注出来。

我挑几个最有意思的说。

1、保险经纪，1400到2000亿美元的市场。

这是榜单上最大的之一。

标准商业保险高度标准化，经纪人干的活本质上就是在各家保险公司之间比价、填表—— 纯智能型工作 。

而且分销层极度碎片化，成千上万的小经纪人跑着同样的流程。这种市场结构，几乎是为AI自动驾驶量身定做的。

2、会计与审计，仅美国就有500到800亿美元的外包市场。

美国过去五年少了34万名会计师，75%的注册会计师即将退休，考证周期又长，起薪还追不上科技和金融。

结构性的人才缺口 ，逼得事务所比任何行业都更快地拥抱AI。

3、医疗收入循环，500到800亿美元。

很多人一听"医疗"就觉得需要大量判断力，但计费层几乎是 纯智能型的 。

医学编码就是把临床记录翻译成大约7万个标准化代码。规则复杂，但终究是规则。外包已经成熟、按结果付费。

4、供应链与采购，2000亿美元以上。

这个最有意思。大多数企业只认真跟前20%的供应商谈判。长尾的80%完全没人管，因为让人来做不划算。

合同泄漏占总采购支出的2%到5%。AI切进去的方式不是替代谁，而是去做那些原本根本没人做的工作—— 找到被白白浪费的钱 。

5、管理咨询，3000到4000亿美元。

市场巨大，但判断力占比太高。

不过，如果AI能把咨询拆成" 数据收集和基准对比 "（智能型）和" 战略建议 "（判断力型）两块，智能那块就能被自动化，判断力那块保持人工，这样市场就会就切出来了。

我们回望刚刚过去的2025年，增长最快的AI公司是副驾驶类型的公司。

而2026年，很多会尝试转型为自动驾驶。它们有产品，有客户认知，但也面临一个经典困境—— 卖工作成果意味着砍掉自己客户的活路。

一个做律师工具的AI公司，要转型成直接帮企业写合同的AI服务商，它需要的不是技术升级，而是胆量。

因为它的现有客户就是律师，而要转型的方向则是 替代律师 。这种转型毫无疑问是艰难的决策。

但这也正是纯粹的"自动驾驶原生"公司的窗口期。

它们没有历史包袱，不需要顾及现有客户的感受，从第一天就直接卖结果。

对于想在AI时代的创业者或者企业管理层来说，底层信号其实很简单：

不要想着做更好的工具。

去找那些每年花大钱已经在外包行业，然后直接用AI提供结果。