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(qiáng)調(diào)“記憶（AI Memory）”正迅速成為新的關(guān)鍵能力。隨著生成式 AI 的演進(jìn)，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(rèn)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(shí)現(xiàn)語言互通與任務(wù)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(xué)科團(tuán)隊(duì)一樣協(xié)作，打通調(diào)研、決策、生成等流程，真正開啟“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(yīng)用落地層面保持領(lǐng)先。

這些新協(xié)議證明了一個事實(shí)：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?；仡櫴昵?，人們還在擔(dān)心美國能否在 AI 領(lǐng)域保持領(lǐng)先地位。

AI 的實(shí)力實(shí)際上有四大支柱：算力、電力、數(shù)據(jù)和算法。美國之所以能遙遙領(lǐng)先，靠的就是第四個支柱——算法。因此在全球范圍內(nèi)發(fā)展新的技術(shù)盟友時，必須確保在算法進(jìn)步方面始終處于最前沿。美國擁有世界上最優(yōu)秀的研究人員和最頂尖的工程師。

川普總統(tǒng)已經(jīng)在卡塔爾爭取到了一項(xiàng)總額高達(dá)1.2萬億美元的經(jīng)濟(jì)承諾，其中包含價值2435億美元的具體經(jīng)濟(jì)協(xié)議。這項(xiàng)聲明是總統(tǒng)在多哈親自宣布的。目前這些協(xié)議還處于醞釀階段，具體涉及哪些行業(yè)和公司尚未公布。

回到基礎(chǔ)設(shè)施領(lǐng)域的領(lǐng)導(dǎo)地位話題，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”。當(dāng)你和一個智能 Agent 互動時，你希望它能夠記住你——更重要的是，它也必須記住它自己。例如，醫(yī)生在與病人交流時，一個智能 Agent 應(yīng)該能夠幫助醫(yī)生回顧以往的溝通記錄，不僅僅是病人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(xué)習(xí)和進(jìn)化的能力。這正是像 Open Evidence 這樣的公司正在努力的方向。

“記憶”正在成為一個全新的關(guān)鍵技術(shù)領(lǐng)域，尤其是在生成式 AI 語境下。如果我們想要構(gòu)建不僅能回應(yīng)人類還能進(jìn)行自我反思的 AI，那么它就必須具備記憶能力。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 從工具轉(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(zhǔn)回憶起每一次與病人的互動細(xì)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。

關(guān)于基礎(chǔ)設(shè)施部署的問題，彭博《Big Take》提出了一個觀點(diǎn)：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。超過 50% 的 AI 研究人員都在中國。結(jié)合這些情況，中國的 AI 產(chǎn)業(yè)確實(shí)發(fā)展迅速，而且他們也在研究類似的問題。

中國確實(shí)擁有非常優(yōu)秀的研究人員，但美國同樣擁有最具創(chuàng)造力、最聰明的研究人才。就在最近，紅杉年度峰會邀請了業(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。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。目前，我們已經(jīng)有了一個全新的協(xié)議，叫做“MCP（Model Context Protocol）”，它可以讓所有這些 Agent 和軟件互相溝通、共享信息。

MCP 的真實(shí)應(yīng)用案例之一是一家投資組合公司 Rocks，它能夠幫助頂尖銷售人員完成非常深入、精準(zhǔn)的背景調(diào)研，并通過 MCP 協(xié)議將所有信息整合，自動生成一套量身定制的提案演示文稿。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。

接下來，我們將看到 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(xué)科的專家團(tuán)隊(duì)一樣完成任務(wù)。這種模式的最大價值在于擴(kuò)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，也是決定哪個國家、哪家公司領(lǐng)先的關(guān)鍵因素。