红杉最新判断：下一个万亿公司，可能根本不卖软件

2026年3月5日，红杉资本合伙人Julien Bek发布了一份题为《Services:The New Software》的报告。文中最出圈的一句话是：下一个1万亿美元公司，可能会是一家“伪装成服务公司”的软件公司。

它不卖工具，不卖席位，不卖控制面板。它直接把工作做完，把结果交给客户。

如果把这份报告压缩成一句话：当模型能力继续上升，企业真正会花大钱买的，到底是软件，还是已经完成的工作结果？

答案很明确：软件预算只是前菜，真正的大头是服务预算——也就是劳动支出本身。

卖工具，不如直接卖结果

报告开头就把矛盾挑明了：几乎每个AI创业者都在担心，下一代模型出来之后，自己的产品会不会被压缩成一个feature。

红杉的回答是：如果你卖的是工具，你确实在和模型进步赛跑；但如果你卖的是“工作已经完成”的结果，那么模型越强，你的服务只会更快、更便宜，也更难被替代。

很多人把这篇报告理解成一句热闹口号——“服务就是新的软件”。但真正值得注意的，不是口号本身，而是背后那场很大的视角切换：AI正在把软件行业的竞争单位，从“工具订阅”改成“结果交付”。

这不是一次产品形态的小升级，而是一次价值捕获方式的重排。

Copilot卖工具，Autopilot卖工作

红杉在报告中做了一个非常关键的区分：copilot和autopilot。

Copilot的典型路径，是把AI放到专业人士手里，由专业人士决定怎么用、对结果负责。它卖的是工具。

Autopilot则直接面向最终买家，让客户买一个确定的交付结果。它卖的是工作。

为什么这个区分重要？因为服务预算远大于工具预算。企业每花1美元买软件，就会花6美元买服务。Autopilot从一开始就能抓住更大的预算池。

很多看上去仍然健康的SaaS公司，将会突然面临一类过去不常见的竞争对手：它们不卖seats，不卖workflow，不卖dashboard，而是直接说，“你的账，我来结；你的NDA，我来起草；你的理赔，我来跑完。”

这类公司的定价依据不是软件价值，而是替客户省掉的人力成本、外包费用和流程延迟。

为什么软件工程最先爆发？

红杉把专业工作拆成两部分：intelligence和judgement。

Intelligence是可以被规则、流程、知识推理覆盖的大量执行性工作，比如把需求翻译成代码、测试、调试。Judgement则是经验、取舍、时机感和责任承担，比如该做什么产品、什么时候发布、是否接受技术债。

过去二十年，SaaS的伟大之处在于，它把原本松散、低效、依赖人工协调的流程做成了标准化软件。客户买的是一个系统、一套工作台、一块控制面板。

AI把这件事往前推了一步：如果系统不只是管理流程，而是真的能完成流程，那客户还有多大必要继续为“工具本身”买单？

答案非常明确：一旦AI能够可靠地完成大部分intelligence work，客户就会越来越倾向于直接购买结果，而不是购买一个还需要自己操作的界面。

软件工程之所以成为AI最先大规模切入的职业，不是偶然，而是因为它本身就有很高比例的intelligence work。一年前很多Cursor用户还把AI当自动补全，如今更多任务已经是由agent发起而不是人类发起。在所有职业里，软件工程占据了AI工具使用量的一半以上，其他职业仍是个位数。

从“已被外包的任务”切入

红杉在报告中给出了一套非常明确的autopilot playbook。

它提到，企业每花1美元买软件，就会花6美元买服务。但autopilot不该一开始就去替代公司内部完整团队，而是应该先从那些已经外包出去、而且intelligence比例高的任务开始切。

为什么？因为如果一项工作已经外包，通常意味着三件事：第一，企业已经接受这件事可以由外部完成；第二，预算科目已经存在；第三，买方本来就在为“结果”付费。

报告用了一个很形象的说法：替换外包合同是vendor swap，替换内部人力则更像reorg。前者摩擦小得多。

红杉并不认为AI的第一步是组织革命，而更像一次预算替换：先替掉供应商，再逐步逼近内部岗位。

机会地图：万亿级服务市场

报告把多个服务行业放在“intelligence与judgement比例”“外包与内包比例”的二维坐标里，做出了一张优先级地图。

以下是红杉给出的典型行业及其大致劳动力市场规模：

保险经纪被列为1400亿到2000亿美元的市场。标准商业险种高度标准化，核心价值就是跨保险公司比价、填表、匹配承保条件，属于典型intelligence work，而且渠道层极度分散。

会计与审计的美国仅外包部分就有500亿到800亿美元。机会来自供给端断层：过去五年流失了大约34万会计，需求却在增长，约75%的CPA正接近退休。

医疗收入周期约500亿到800亿美元。医疗编码并不像人们想象得那样高度依赖临床判断，更像是把临床记录映射到约7万个ICD-10标准编码上，本质是复杂但规则化的intelligence work。

理赔处理约500亿到800亿美元。很多标准线索赔，本质是用保单条款、损害表和精算数据做规则判断，市场长期由独立理赔机构和第三方管理人承接。

税务咨询约300亿到350亿美元。有监管壁垒，但其中80%到90%的底层工作仍然是intelligence。

法律交易类工作约200亿到250亿美元，如合同起草、NDA、监管申报，产品标准化程度较高。

IT托管服务超过1000亿美元，本身已经是标准化重复劳动。

供应链与采购超过2000亿美元。机会来自“被放弃的长尾”——大企业通常只认真谈前20%的供应商，剩余长尾无人管，造成2%到5%的采购支出泄漏。

招聘与staffing超过2000亿美元。前端筛选、匹配、触达高度智能化，后端成交和文化匹配仍偏judgement。

管理咨询高达3000亿到4000亿美元。总体上仍然更偏judgement，但其中的数据采集、对标分析等intelligence部分会最先被自动化。

今天的judgement，正在变成明天的intelligence

报告并没有说AI一开始就能吃下所有高判断工作。而是说，随着系统在特定垂直领域积累越来越多专有数据，知道“好判断长什么样”，过去依赖经验和直觉的部分，会不断被转译为可学习、可复制、可优化的intelligence。

正因为这样，今天的copilot和autopilot，未来会逐渐收敛。只是谁先占住场景、拿到数据、建立结果交付关系，谁就更有机会先跨过这个门槛。

一个autopilot长期站在交易和交付的一线，就会持续积累关于“什么叫好结果”的专有数据。起初它只能做规则驱动的部分，后来它会开始学会例外处理、优先级排序、风险偏好、客户风格，最终把一部分原本只有资深从业者才能完成的工作也吸纳进系统。

也就是说，autopilot最早的优势可能不是模型，而是站位。谁先坐到结果交付的位置上，谁就更早获得把judgement数据化的机会。

2026年，Copilot们正在变成Autopilot

报告指出，2025年增长最快的AI公司是copilots，但2026年很多公司会尝试变成autopilots。

这些公司拥有产品和客户知识，但同时也面临一个典型的创新者困境：一旦开始“卖工作”，就等于主动把原来的客户从流程里切出去。这恰恰给了原生autopilot创业公司一个窗口。

更深一层看，这篇文章其实还在回答一个更大的问题：为什么AI的商业化下一站，未必长得像SaaS 2.0？

因为SaaS本质上是在帮助企业“更好地使用人”，而autopilot的终局，是让越来越多的标准化专业服务，变成像API一样被调用、像系统任务一样被完成。

那时候，企业不再需要先采购工具、培训员工、重构流程，再慢慢兑现ROI。它只会越来越关心交付速度、准确率、合规性和单位成本。软件是否存在当然还重要，但它会越来越隐身。

《Services:The New Software》真正讲的，是一个更完整的产业迁移逻辑：先从高度外包、规则明确、结果可验证的intelligence work切进去；再在真实交付里不断积累数据、流程和信任；然后逐步把过去依赖经验的judgement吃进系统；最后，copilot和autopilot在很多行业里合流，软件公司和服务公司之间的边界也会一起变模糊。

这篇文章把AI商业化最关键的一次转向说透了：过去大家争的是谁能把专业人士武装得更强，接下来争的可能是谁能先把专业服务本身软件化。这一步一旦成立，AI吸走的就不只是软件预算，而是整个服务经济的一部分。

再说得更直白一点，红杉不是在说“软件行业没价值了”。它真正想说的是：软件仍然会赢，但赢家未必还会把自己包装成一家卖软件的公司。

它们更可能看起来像保险经纪、像会计外包、像法律服务商、像招聘代理、像IT托管公司。只是这些公司的交付核心，不再是人海，而是模型、工作流、专有数据和越来越自动化的执行系统。

这篇文章真正让人警醒的，也正在这里。AI对很多行业的冲击，未必会以“一个更强的助手”开始，更可能是以“一个更便宜、更快、更稳定的新服务商”开始。

文章信息来源：Services:The New Software，Julien Ber，sequoia