作为立志要成为AI圈最懂专利，专利圈最懂AI的跨界选手，简小爱这周要给大家介绍下最近刷爆科技圈的红杉2025年AI峰会，帮咱们专利行业的伙伴们，了解下AI圈的最新技术和商业趋势，同时一起探讨：当AI大佬们说起“情绪收入”“智能体经济”“随机思维”这些新词时，专利行业会怎么变？
首先，给大家简单介绍下背景。这是红杉资本举办的第三届年度AI Ascent峰会，汇聚OpenAI、谷歌、DeepMind等全球150余位AI领域的顶尖创始人与研究者，共同探讨AI颠覆性机遇的闭门会议。
简小爱从已公开的视频资料中，提炼红杉资本三位合伙人Packer Radio，Sonia Huang，Konstantine的主题发言，看看这些硅谷的顶级投资人，如何分析AI行业的现状和未来。
红杉合伙人Packer开场提出，AI是万亿级美金的市场。分析逻辑是云转型开始时，云服务收入达到4千亿美金，比传统软件市场大得多。通过类比推理，AI服务领域的初始市场规模，应该比云服务市场还要大N个数量级。展望未来10~20年，很可能会达到数万亿市场规模（去年全球AI市场是30亿美金）
根据Packer的判断，AI颠覆的将不仅是服务市场，还会同时影响软件领域，这意味着这两个领域的主要盈利点都将面临冲击。AI一开始卖软件工具，走软件预算；后来变成交付业务成果，走项目预算；最后直接替代人力，走人力成本预算。
💬 简小爱认为，专利行业就是属于科技服务业，根据国知局出具的全国知识产权服务业统计调查报告，2023年，我国专利代理机构总营收约为462.6亿元。按照红杉合伙人的预测，如果AI最终影响整个行业的服务和软件领域，包括专利撰写/翻译/咨询/诉讼/信息化等，那么国内市场未来将有数十亿美金。
Packer通过一张横跨 1980 年代至今的技术演进图谱，生动呈现了几十年技术浪潮的叠加效应。红杉判断，
第一，人工智能爆发不仅是必然趋势，更是正在发生的现实。所有先决条件都已到位，算力基建，网络设施，数据资源，分发渠道，还有用户储备。
第二，技术的累积效应使AI机遇超越以往任何时代，且发展速率呈指数级跃升。
谈及AI产品的传播逻辑，Packer指出其本质仍遵循“知道 - 感兴趣 - 买得到”三法则，但AI时代的传播效率已发生颠覆性变革。移动互联网时期的平台产品，如Reddit和Twitter，经过近20年的发展，如今的月活用户数合计约12亿人。
但AI的情况截然不同。2022年11月30日，ChatGPT横空出世时，全球都在为人工智能沸腾。仅2个月时间，就达到了1亿月活用户。
前后差别的重要原因之一是，20年前全球网民才2亿人，现在这个数字已经达到56亿，几乎覆盖了全球每个家庭和每家企业。这正是技术代差与用户基数红利共同催生的现象级变革。
Packer指出，市场仍存在大量空白领域，虽然目前已经有企业开始突围，但整体市场机会仍然非常广阔。上图Logo代表在过往技术革命中营收突破十亿美元的企业，这些公司基本集中在应用层顶部。红杉资本如今更关注企业的真实营收与现金流健康度，而非单纯的估值泡沫。他们坚信，AI时代的价值锚点终将回归应用层。
应用层突围的核心关键，要从客户真实需求出发，深耕垂直赛道，重点解决那些传统上需要人工介入的复杂问题，才是真正的竞争壁垒所在。客户其实并不清楚他们想要什么样的AI产品，应用层的企业要有自己的独到见解，给客户提供问题解决的端到端一站式服务，而不是随便甩个工具就撒手不管。
Packer举例法律领域的Harvey.AI，就直接派律师，跟重点律所对接，搞驻场工程师，虽然日子苦了点，但用“贴身服务”跑通垂直场景，这种深度绑定能力是通用大模型难以复制的。
💬 “反 SaaS 化”对专利行业的启示：当前多数专利AI产品仍停留在“卖工具”阶段，对客户使用效果缺乏持续跟进。专利业务作为高度依赖人工介入的复杂场景，需要应用层企业摒弃软件售卖思维。
Packer强调，他们筛选AI企业投资，95%的标准和其他领域投资没区别，剩下的5%是AI行业特有的。
首先是收入质量，那种情绪收入（Vibe Revenue）会让人感觉很好，但其实是一种虚假繁荣。真正需要关注的，是用户采纳率（Adoption），参与度（Engagement）和留存率（Retention）这些硬指标。这些指标能够反映用户粘性。“先跟客户处好关系，让他们产生信任感，产品可以慢慢改进。只要客户相信，你就能越做越好”，Packer补充。
其次是利润，AI产品的成本会持续下降，因为大模型的推理和计算成本正在以惊人的速度下降。Packer指出“过去12到18个月，每token的成本下降了99%”。因此，AI产品的定价，取决于能在多大程度上解决用户的核心问题。AI产品应往价值链上游走，解决复杂的端到端问题，提供的价值直接体现在业务结果或人力替代上，定价自然可以提高。
成功的垂直领域AI大模型公司，正是实现了这种价值链的攀升，才能收获溢价。他们不是只提供通用的AI能力，而是能深入特定行业，理解其复杂的业务流程、非结构化数据和严格的合规要求。Packer以法律领域的Harvey AI和医疗领域的Open Evidence为例，介绍他们通过深度整合行业知识、提供能够辅助甚至部分替代律师或医生复杂工作的解决方案。
💬 简小爱观察到专利行业的AI破局样本，PatX专利大模型数智应用系统，通过三重创新重构行业服务模式：
1. 数据基建：基于专利行业专属数据预训练，通过监督微调和强化学习，嵌入中美欧等多国专利法律规则及技术领域的撰写模型；
2. 定价模型：摒弃「按功能收费」，采用「按成果付费」—— 客户不为工具买单，只为高质量专利撰写结果付费，如AI撰写内容的采纳、答复OA周期缩短；
3. 贴身服务：从需求调研阶段就派出「算法 + 产品 + 专利专家」铁三角驻场，最终交付的是「企业专属定制模型」，而不是标准化SaaS工具
合伙人Sonia Huang在峰会上预测，2025年的垂直智能体会崛起。当前AI公司在开发端到端训练的专业智能体，从之前的拼拼凑凑逐步变得成熟稳定。这些智能体借助强化学习技术，结合合成数据和真实的用户数据，在特定工作流上表现优于人类现有成果。行业实践中，主要依赖两条技术路径：
第一，建立系统化测试评估体系，实现知识精准调度
第二，聚焦开发特定任务的端到端智能体
合伙人Konstantine进一步预测，未来会形成智能体集群（Agent Swarm）。目前，在很多AI产品中，这些智能体之间会相互协作，相互推理。未来几年，这种模式会进化成智能体经济体系（Agent Economy）。
在这个体系里，智能体之间不仅会协作交流，还能自主调配资源，完成交易，互相追踪。随着对信任机制与可靠性评估的植入，最终将形成独立运行的经济体系。当然，这个体系不会把人类排除在外，核心始终是人。
💬 简小爱以PatX系统为例，展示其构建的专利智能体矩阵。
在专利撰写场景中，规划智能体（类似项目经理角色）先拆解撰写任务，明确每项任务的目标，核心内容及适配工具；
执行层则配置多个工具智能体（类似工程师）有的擅长短文本生成（如专利标题/技术领域/背景技术等），有的精于生成长文本（说明书实施例），有的专注审核提建议，有的是基于反馈，动态调整内容的智能体。
内部测试数据显示，这些聚焦垂直场景的智能体，在权利要求架构设计、说明书实施例等特定任务中，已相当于3年经验专利代理人的作业水平。
合伙人Konstantine提出AI应用普及过程中，面临的三个核心挑战。
1，AI身份连续性。两个层面，一是AI智能体本身要保持稳定，不能每天变脸；二是对用户的理解，就像做生意时连名字都记不住的合伙伙伴，要想建立信任是很困难的；
2，AI之间无障碍的通信标准。AI智能体经济体系，意味着企业将成为“互通的智能体网络”。组织的竞争力将来自：不同智能体的数据是否可共享；不同智能体的意图是否能准确表达；能否高效协作；
3，AI安全问题。AI就像人类，会犯错，会虚构不存在的信息，可能带有偏见。这些原生问题，会带来商业合作时，安全和信任的重要性成倍增加。
💬 简小爱以 PatX系统为例，展示针对性解决方案：
应对稳定性挑战：通过 RAG 增强检索、内外知识库融合、业务数据定向微调等技术，在内部测试中实现专利撰写一致性较通用大模型（Deepseek/Qwen等）提升40%；
破解安全困境：采用 "企业私域大模型一体机" 交付模式，支持▶ 内网本地化部署，保障数据主权▶ 业务场景专属模型，定制开发▶ 自有数据闭环调优，确保输出可控
Konstantine 强调，在AI驱动的高效能时代，管理者必须同时具备 "捕捉效率红利" 与 "管控不确定性" 的双重能力，AI的随机思维特点，会催生更多可能性，组织需要建立敏捷容错机制，在风险可控范围内拥抱AI，这将成为智能体经济时代的核心管理范式。
合伙人Sonia Huang最后一个预测很有意思：世界正在进入供给过剩的新阶段。
代码AI生成领域作为首个被市场认可的范例，已率先显现出这一趋势的逻辑：当AI劳动力变得“无限供给且成本趋零”，粗制滥造的同质化AI产物可能会泛滥，最终导致审美能力成为新的行业稀缺品。
💬 专利行业也在面临类似的挑战，当质量参差不齐的专利文件泛滥之时，专利垂直模型能否从根本上解决专利文件的质量问题？
简小爱认为，只要从业者能意识到这些问题，我们就有解决问题的方法。因为技术进化的方向，是解放生产力，进化式重构行业，而非破坏行业。
红杉这场峰会，给了专利人一把推开AI经济大门的钥匙：重构”任务-信任-协同“三角。
当我们放下”人机对立“的旧思维，开始思考这三个问题时，才算真正入局：
💬任务定义重构：哪些工作该拆解给AI做，如专利说明书基础撰写？哪些必须保留人类判断，如权利要求布局策略？
💬信任机制重建：如何通过数据闭环训练，如PatX的企业专属模型，让AI输出稳定到足以替代人工初级工作？
💬协同流程再造：怎样设计”人机交接节点“，如AI生成初稿→代理师审核→智能体根据反馈优化，让协作效率翻倍提升？
第三讲的内容先到这里，是不是感觉意犹未尽？
你还想听简小爱聊些AI+专利的哪些话题，评论区互动一下吧~
