近日，紅杉資本合伙人 Konstantine Buhler 在彭博的采訪中深入剖析了 AI 作為國家戰(zhàn)略資產(chǎn)的四大核心支柱：算力、電力、數(shù)據(jù)、算法，并強調(diào)“記憶（AI Memory）”正迅速成為支柱之外的新關(guān)鍵能力。隨著生成式 AI 的演進，智能體不再只是執(zhí)行命令的工具，而是具備持續(xù)自我認知與協(xié)作能力的“合作者”。
他還首次公開介紹了紅杉內(nèi)部高度關(guān)注的協(xié)議——Model Context Protocol（MCP），一個旨在讓 AI 與 AI、AI 與軟件之間實現(xiàn)語言互通與任務協(xié)同的基礎(chǔ)框架。通過 MCP，多個專長不同的 AI Agent 能像跨學科團隊一樣協(xié)作，打通調(diào)研、決策、生成等流程，真正PG電子官網(wǎng)開啟“AI 生態(tài)系統(tǒng)”時代。
面對中國 AI 研究力量的快速崛起，Buhler 表示雖然中國在人才密度上已具備規(guī)模優(yōu)勢，但美國依然憑借開放協(xié)作的技術(shù)文化、頂尖工程師生態(tài)，在算法和應用落地層面保持領(lǐng)先。
你對過去 24 小時內(nèi)基礎(chǔ)設(shè)施協(xié)議的反應，美國的技術(shù)進入海灣國家，在那里的國家設(shè)立數(shù)據(jù)中心和開發(fā)項目，你怎么看？
這些新協(xié)議證明了一個事實： AI 不僅僅是企業(yè)成功的問題，它更是一個國家層面的戰(zhàn)略需求。這充分說明了這個行業(yè)的重要性。我回想十年前，我們還在擔心美國能否在 AI 領(lǐng)域保持領(lǐng)先地位。
AI 的實力實際上有四大支柱：算力、電力、數(shù)據(jù)和算法?；仡櫳弦徊?AI 的發(fā)展，美國之所以能遙遙領(lǐng)先，靠的就是第四個支柱——算法。
所以，當我們在全球范圍內(nèi)發(fā)展新的技術(shù)盟友——無論是算力、電力還是數(shù)據(jù)——我們必須確保在算法進步方面始終處于最前沿。我們擁有世界上最優(yōu)秀的研究人員，最頂尖的工程師。
我們這邊剛剛收到來自白宮的突發(fā)消息：川普總統(tǒng)已經(jīng)在卡塔爾爭取到了一項總額高達1.2萬億美元的經(jīng)濟承諾。據(jù)白宮方面表示，這項承諾中包括了價值2435億美元的具體經(jīng)濟協(xié)議。
這項聲明是總統(tǒng)在多哈親自宣布的。我們剛剛連線了彭博社的記者 Annmarie Horden，她目前正在卡塔爾多哈。她提到，這些協(xié)議目前還處于醞釀階段，具體涉及哪些行業(yè)和公司尚未公布。一旦有更多細節(jié)，我們會第一時間為大家?guī)砀隆?/p>
現(xiàn)在，我們回到剛才的對話主題——美國在基礎(chǔ)設(shè)施領(lǐng)域的領(lǐng)導地位。你剛才提到了四個關(guān)鍵類別，其中有一個最近頻繁出現(xiàn)在我桌面上的話題，那就是在生成式 AI 語境下的“AI 內(nèi)存（AI memory）”。
很多人說我們必須在這個領(lǐng)域加大投入，找到解決方案。但就我個人而言，我對這方面缺乏專業(yè)背景，也沒有學術(shù)理解。你們行業(yè)為什么現(xiàn)在頻繁在討論這個問題？
除了算力、數(shù)據(jù)、電力和算法之外，還有一個非常關(guān)鍵但經(jīng)常被忽視的組成部分，那就是“記憶”（memory）。因為當你和一個智能 Agent 互動時，你當然希望它能夠記住你——但更重要的是，它也必須記住它自己。
舉個例子，比如醫(yī)生在與病人交流時，一個智能 Agent 應該能夠幫助醫(yī)生回顧以往的溝通記錄。不僅僅是病人說了什么、不僅是他們的生命體征或病歷數(shù)據(jù)，而是要具備一種隨時間推移不斷學習和進化的能力。這正是像 Open Evidence 這樣的公司正在努力的方向。
所以說，“記憶”正在成為一個全新的關(guān)鍵技術(shù)領(lǐng)域，尤其是在你提到的“生成式AI”（genetic AI）語境下。如果我們想要構(gòu)建一種不僅能回應人類、還能進行自我反思的AI，那么它就必須具備記憶能力。這不僅僅是記住幾次對話，而是建立起一種持續(xù)性、自我認知的長期記憶體系。
正因如此，越來越多的公司開始在“記憶能力”上投入大量資源，尤其是像 Open Evidence 這樣專注于長期智能交互的公司。這也是AI從一個工具，真正轉(zhuǎn)變?yōu)椤昂献髡摺钡年P(guān)鍵一步。
以醫(yī)療為例，有了記憶能力，醫(yī)生可以精準回憶起每一次與病人的互動細節(jié)，甚至是溝通方式的演變——而這些，在今后的AI輔助醫(yī)療中將變得尤為重要。
問題來了：這一切活動的基礎(chǔ)設(shè)施應該部署在哪里？今天彭博《Big Take》提出了這樣一個觀點：一家企業(yè)的突然崛起，說明中國的相關(guān)產(chǎn)業(yè)正在迅速發(fā)展，幾乎沒有受到美國政策或政治不確定性的影響。
Chance Amont 曾在三月份告訴我，現(xiàn)在有超過 50% 的 AI 研究人員都在中國。結(jié)合你剛才提到的這些情況，你是否認同這樣的觀點？也就是說，中國的 AI 產(chǎn)業(yè)確實發(fā)展迅速，而且他們也在研究與你所在行業(yè)類似的問題？
他們確實擁有非常優(yōu)秀的研究人員，這一點毫無疑問。但同樣真實的是，我們也擁有這個星球上最具創(chuàng)造力、最聰明的研究人才。
舉個例子，就在最近，我們剛剛舉辦了紅杉年度峰會，我們邀請了業(yè)界最頂尖的 150 位專家參加。從黃仁勛、Sam Altman 到一些非常有潛力的年輕新星，全部到場。
在這次大會上，最受關(guān)注的技術(shù)議題是一個名為 “Tool Use” 的概念，也就是讓 AI 能夠相互協(xié)作。我們正在教會計算機如何使用計算機。幸運的是，在過去幾個月，我們在這個領(lǐng)域取得了重大進展。
目前，我們已經(jīng)有了一個全新的協(xié)議，叫做“MCP（Model Context Protocol）”。你可以把每一個 AI Agent 理解為一個“專家”，同樣，每一款軟件也可以被視為某種專業(yè)能力的體現(xiàn)。比如說，你的 CRM 系統(tǒng)可能非常擅長記錄和理解你與客戶之間的歷史互動。但問題在于，這些“專家”之間并不一定使用相同的語言。而 MCP 就像是一個通用的“翻譯協(xié)議”，讓所有這些 Agent 和軟件可以互相溝通、共享信息。對我們美國來說，這種能力正是保持技術(shù)領(lǐng)先的關(guān)鍵所在。我們必須加深協(xié)作，推動開放創(chuàng)新。
我來分享一個這個協(xié)議的真實應用案例：我們有一家投資組合公司，叫 Rocks。它能夠幫助頂尖的銷售人員，在與潛在客戶會面前，完成非常深入、精準的背景調(diào)研。
而現(xiàn)在，他們不僅可以完成調(diào)研，還能通過 MCP 協(xié)議將所有信息整合，并自動生成一套量身定制的 pitch deck（提案演示文稿）。甚至可以接入 Cognition 或 Cloud Code，自動生成一個完整的產(chǎn)品演示 demo。
這就是我們在 AI 協(xié)作層面保持領(lǐng)先的方式——依靠研究人員和工程師之間的深度協(xié)作。我們必須繼續(xù)投資這種合作機制。我們知道，中國在多個領(lǐng)域都在加速發(fā)展，但在美國，我們擁有一種獨特的“開放式創(chuàng)新文化”，它讓來自不同公司、不同背景的人才可以自由聚集、自由實驗、自由分享成果。
你剛才提到了 Tool Use 和 MCP ——聽起來這些都是讓 AI 系統(tǒng)彼此協(xié)作的方式。那么接下來你覺得行業(yè)里還會有什么突破？你是否已經(jīng)看到某些早期信號？
是的，接下來我們將會看到的是 AI Agent 生態(tài)系統(tǒng)的興起。想象一下，多個 AI Agent 彼此配合，就像一個跨學科的專家團隊一樣完成任務。例如，一個 Agent 可能擅長財務分析，另一個擅長寫代碼，還有一個擅長市場策略——它們可以通過 MCP 無縫協(xié)作。
這種模式的最大價值在于擴展能力：你不再局限于一個模型的能力，而是可以調(diào)用整個生態(tài)系統(tǒng)的集體智慧。這也意味著，AI 將變得越來越像一個合作伙伴，而不是一個工具。它將能夠與人類一起構(gòu)建知識、提出問題、修正錯誤。這是 AI 發(fā)展的下一個階段，也會是決定哪個國家、哪家公司領(lǐng)先的關(guān)鍵因素。
