Sequoia Capital Membagikan: Dari "Pengiriman Perangkat Lunak" ke "Pengiriman Hasil", Logika Baru Komersialisasi AI dan Penetapan Harga Modal

Sumber: Video berbagi Pat Grady "AI for BC IC"

Disusun oleh: AGI 2050

【Catatan Editor】

Pada titik peralihan siklus teknologi, penilaian internal dari lembaga modal ventura terkemuka sering kali menjadi kunci untuk mengamati arah industri.

Konten ini disusun dari presentasi tertutup yang dilakukan oleh Pat Grady, mitra global Sequoia Capital, kepada Komite Investasi Boston College baru-baru ini. Dalam presentasi ini, Grady menetapkan sudut pandangnya pada musim gugur 2026, secara sistematis mereview evolusi teknologi dasar global, ritme penerapan industri, dan perubahan struktural dalam logika penetapan harga modal sejak ledakan model besar.

Berbeda dengan diskusi umum yang ditujukan kepada publik, laporan ini yang ditujukan kepada perwakilan investor inti (LP) berfokus pada serangkaian masalah substantif bisnis yang konkret dan tajam:

• Perubahan logika dasar: Esensi dari gelombang ini bukanlah revolusi distribusi informasi, melainkan rekonstruksi arsitektur komputasi dasar, di mana ruang pasar potensial (TAM) secara substansial meresap ke dalam pasar layanan profesional yang lebih besar satu hingga dua tingkat ukuran dibandingkan dengan bidang perangkat lunak murni yang bernilai triliunan dolar;

• Lompatan paradigma R&D: Dengan kematangan teknologi logika penalaran dan agen tugas panjang (Long-horizon Agents), fokus penelitian laboratorium terdepan telah beralih dari kecerdasan buatan umum (AGI) ke kecerdasan buatan super (ASI) dan perbaikan diri rekursif (RSI);

• Diferensiasi bisnis dan kesenjangan difusi: Ada kesenjangan difusi teknologi yang jelas antara kemampuan asli model dan aplikasi praktis perusahaan, pekerjaan pengetahuan bernilai tinggi (pemrograman, medis, kepatuhan pajak, dll.) sedang mendorong generasi baru perusahaan tingkat sistem, tetapi guncangan frekuensi tinggi dari dasar teknologi juga memaksa perusahaan di lapisan aplikasi untuk membangun kembali bentuk organisasi;

• Bentuk baru gelembung modal: Dalam suasana pasar yang antusias, pasar primer telah mengembangkan model pembiayaan dua langkah "memisahkan mitra pembangunan bersama dan mitra modal", di mana rasio valuasi dan premi antara pasar primer dan sekunder sedang mengalami ujian yang belum pernah terjadi sebelumnya.

Berikut adalah keseluruhan isi presentasi yang kami susun:

I. Ini Bukan Revolusi Distribusi Informasi, Melainkan Rekonstruksi Komputasi

Materi hari ini terutama digunakan untuk menjawab sebuah proposisi yang diajukan oleh Komite Investasi Boston College: "Apa status industri AI saat ini?"

Di sini, saya akan mencatat pengamatan ini sebagai potongan waktu yang bersifat sementara pada titik 9 September 2026.

Industri modal ventura sering menggunakan grafik untuk menunjukkan evolusi tumpang tindih gelombang teknologi selama beberapa dekade: dari evolusi chip paling dasar ke sistem komputasi, terhubung melalui jaringan menuju publik menjadi internet; kemudian memasuki perangkat bergerak, melahirkan ekosistem aplikasi yang kompleks; hingga saat ini, AI mulai memberikan kemampuan pemrosesan yang belum pernah terjadi sebelumnya kepada aplikasi-aplikasi ini.

Pola dasar evolusi teknologi selalu seperti itu. Namun, gelombang yang berpusat pada AI ini memiliki tiga karakteristik yang sama sekali berbeda dari siklus sebelumnya:

Pertama, ruang pasar potensial (TAM) yang sangat besar.

Dalam siklus beberapa dekade terakhir, target utama yang diperebutkan industri adalah "skala pasar perangkat lunak" (Software TAM); sementara AI sedang secara langsung memasuki "skala pasar layanan profesional" (Services TAM) ------ yang memiliki ukuran satu hingga dua tingkat lebih besar dibandingkan perangkat lunak murni.

Kedua, kecepatan difusi teknologi jauh melampaui sebelumnya.

Kecepatan penetrasi yang tinggi ini bukanlah hal yang unik bagi teknologi AI, melainkan hasil yang tak terhindarkan setelah infrastruktur siap. Pada tahap awal komputasi awan, jumlah orang yang terhubung ke internet di seluruh dunia kurang dari seratus juta; saat internet bergerak dimulai, pengguna harus membeli perangkat keras pintar satu per satu. Saat ini, infrastruktur jaringan global dan perangkat keras pintar sangat umum, dan begitu teknologi melewati titik kelayakan, hambatan untuk difusi skala besar telah turun ke tingkat terendah dalam sejarah.

Ketiga, dan yang paling penting: bentuk transformasi teknologi kali ini secara logis berbeda dari sebelumnya.

Revolusi teknologi selama beberapa dekade terakhir ------ termasuk komputer pribadi, jaringan lokal, internet, dan komputasi awan ------ pada dasarnya adalah "revolusi distribusi informasi", dengan inti optimasi efisiensi transmisi informasi di ruang.

Sedangkan saat ini kita mengalami "revolusi komputasi itu sendiri". Ini tidak lagi menyelesaikan bagaimana informasi ditransmisikan, tetapi bagaimana informasi diproses dan direorganisasi. Rekonstruksi dasar pada skala ini belum pernah terjadi di industri sejak lahirnya sirkuit terpadu semikonduktor pada tahun 1960-an dan 1970-an.

Perbedaan ini memiliki dampak bisnis yang substansial: ini berarti bahwa dasar teknologi yang diandalkan oleh para pengusaha di lapisan aplikasi saat ini masih berada dalam evolusi dinamis dengan pergeseran frekuensi tinggi.

Menelusuri jalur perkembangan selama beberapa tahun terakhir, industri telah mengalami tiga titik belok kunci:

1. Momen ChatGPT di akhir 2022, yang menetapkan kelayakan teknis dan potensi ekspansi dari pelatihan tanpa pengawasan (Pre-training);

2. Peluncuran OpenAI o1 di akhir 2024, yang memverifikasi jalur penalaran (Reasoning), menandai bahwa model besar secara awal telah memiliki kemampuan untuk melintasi dari pemikiran cepat intuitif (sistem 1) ke pemikiran lambat logis (sistem 2);

3. Peluncuran Claude Code dan Opus 4.5, yang membuktikan ketersediaan "agen cerdas mandiri proses panjang (Long-horizon Agents)" dalam lingkungan tugas yang kompleks.

Ketiga tahap ini tampaknya berada dalam satu kontinuitas teknologi yang sama, tetapi pada saat tahap ketiga selesai, industri sebenarnya telah melampaui titik kritis kunci ------ kecerdasan buatan umum (AGI) telah beralih dari hipotesis teknis menjadi kenyataan industri.

Awal tahun ini, Sequoia pernah memprediksi dalam artikel kolomnya bahwa "2026 akan menjadi tahun AGI". Pada saat itu, pernyataan ini masih diperdebatkan di industri; namun saat ini, ini telah secara bertahap menjadi konsensus umum di kalangan komunitas teknologi dan investasi.

II. Dari "Kereta Kuda" ke "Mobil": Realitas dan Efek Samping dari Komersialisasi

Jika kita meminjam pertanyaan klasik dari pendiri Sequoia, Don Valentine ------ "Lalu bagaimana? Apa nilai substantif yang diciptakan?" ------ kemajuan teknologi saat ini sebenarnya berarti bahwa alat transportasi telah melampaui dari "kereta kuda yang ditingkatkan" ke tahap "mobil".

Selama beberapa tahun terakhir, banyak produk yang disebut AI pada dasarnya masih merupakan perbaikan bertahap dari perangkat lunak tradisional, hanya alat digital dengan pengalaman yang lebih baik; sementara saat ini, teknologi sedang mengubah secara fundamental proses dan bentuk pengiriman produktivitas.

Dalam praktik bisnis, migrasi ini sedang terlihat di berbagai skenario:

• Bentuk perangkat lunak beralih dari "kotak alat" ke "kolaborator": Produk seperti Instinct atau Muse telah beralih dari alat pemrosesan tugas sederhana menjadi kolaborator bisnis yang mengantarkan hasil dari awal hingga akhir. Logika perkembangannya mirip dengan industri konferensi video: Sebelum Zoom melampaui titik kelayakan dan kepercayaan, teknologi konferensi video telah ada selama bertahun-tahun tetapi belum diterima secara serius oleh bisnis arus utama; dan ketika stabilitas teknologi melewati ambang tertentu, rapat online dengan cepat menjadi alur kerja default. Saat ini, AI berada dalam fase peralihan kepercayaan yang serupa.

• Penyebaran pengetahuan profesional tingkat tinggi: Di bidang medis, lembaga kesehatan primer dan praktisi di daerah terpencil dapat memanggil pengetahuan diagnosis dan perawatan dari seluruh industri melalui perangkat bergerak; di bidang pendidikan, sistem pengajaran inovatif yang diwakili oleh Alpha School sedang menunjukkan kemungkinan model pendidikan asli AI untuk merombak pengajaran yang dipersonalisasi.

• Melimpahnya infrastruktur ke industri nyata: Gelombang pembangunan pusat data berskala besar sedang menciptakan permintaan industri tingkat berkelanjutan di bidang rekayasa fisik, peralatan mekanik, dan infrastruktur energi.

Sementara itu, lompatan cepat teknologi juga memicu serangkaian reaksi berantai di tingkat industri dan sosial:

• Tekanan pengeluaran modal dari penyedia infrastruktur awan: Penyedia layanan cloud berskala besar (Hyperscalers) terus meningkatkan investasi mereka di infrastruktur komputasi, dan hanya mengandalkan arus kas bebas tidak lagi cukup untuk menutupi Capex, industri mulai umum menggunakan pembiayaan utang untuk mempertahankan kompetisi dalam kapasitas komputasi.

• Penyebaran ancaman keamanan siber baru: Peningkatan kemampuan model dasar secara objektif menurunkan ambang pengembangan alat serangan otomatis yang canggih, keseimbangan serangan dan pertahanan infrastruktur digital sedang mengalami guncangan yang berkelanjutan.

• Perombakan nilai pekerjaan berbasis pengetahuan: Pekerjaan kantoran yang berfokus pada pemrosesan teks dan informasi dasar sedang mengalami dampak substansial. Pekerja yang dapat secara aktif memanfaatkan model untuk memperbesar kapasitas produksi memiliki keunggulan signifikan dalam efisiensi produksi, sementara kelompok tenaga kerja yang tidak dapat membangun batas kolaborasi alat menghadapi tekanan penggantian marginal yang berkelanjutan.

• Gesekan dalam distribusi sosial dan pemerintahan: Masalah konsumsi daya komputasi secara bertahap berubah menjadi isu permainan geografi dan pemerintahan regional; perbedaan dalam pengembalian modal dan pengembalian tenaga kerja yang dihasilkan oleh AI juga dalam beberapa hal memperburuk ketidaksetaraan distribusi kekayaan yang ada.

III. Peralihan Fokus R&D Laboratorium Terdepan: Eksplorasi Awal dan Realitas Teknik

Mendalami garis depan penelitian laboratorium terdepan, kita dapat menemukan bahwa penilaian peneliti tentang jalur evolusi teknologi sering kali sangat terfokus dan langsung.

Saat ini, laboratorium inti telah mengalihkan fokus R&D dari implementasi teknik AGI, sepenuhnya beralih ke bidang kecerdasan buatan super (ASI) dan perbaikan diri rekursif (RSI, Recursive Self-Improvement).

【Ringkasan (teks biasa, mungkin kosong)】：

Di mana, RSI menunjukkan kemampuan model untuk secara mandiri berpartisipasi bahkan memimpin dalam penulisan kode model generasi berikutnya, pengujian, dan optimasi arsitektur dalam siklus penguatan diri. Munculnya teknologi siklik ini memicu tim pengembangan untuk melakukan evaluasi hati-hati terhadap "lonjakan teknologi eksponensial (Takeoff)" dan potensi risiko ketidakselarasan (p(doom)). Ini membentuk latar belakang teknis inti dari seruan publik baru-baru ini oleh tokoh-tokoh terkemuka seperti Dario Amodei, salah satu pendiri Anthropic, untuk menyelaraskan ritme pengembangan terdepan di seluruh industri.

Dalam aspek teknik dan komersialisasi, laboratorium terdepan menunjukkan beberapa tren pasti berikut:

1. Melampaui batasan bahasa alami: Pelatihan model dan skenario inferensi semakin cepat berpindah ke bidang eksplorasi ilmiah yang kompleks, verifikasi dugaan matematika terdepan, dan bidang deduksi yang ketat, dengan kebutuhan optimasi efisiensi baru pada arsitektur komputasi dasar;

2. Ketidaksesuaian pasokan dan permintaan daya komputasi yang berlangsung lama: Kekurangan daya komputasi tetap menjadi kendala teknik inti yang melintasi laboratorium terkemuka dan perusahaan di lapisan aplikasi, tren pengembangan ASIC dan chip silikon khusus lainnya di seluruh industri masih menguat;

3. Persaingan API inferensi semakin memanas: Perebutan komersial untuk konsumsi Token model dasar sangat sengit, dengan penawaran API terus menurun. Untuk secara efektif mengunci penggunaan perusahaan besar seperti Fortune 500, laboratorium terkemuka mulai membangun tim layanan perusahaan mereka sendiri secara umum, dengan konsultasi yang sangat disesuaikan untuk mendorong penetrasi skenario;

4. Akuisisi eksternal menjadi hal biasa: Dengan pola persaingan lintas bidang yang semakin stabil, laboratorium terdepan secara bertahap membangun mekanisme akuisisi talenta, tim, dan aset yang teratur, dengan peta bisnis menunjukkan karakteristik ekspansi entitas perusahaan besar.

IV. Jurang Penyebaran Teknologi dan Daya Ledak Bisnis di Tingkat Aplikasi

Ledakan kemampuan model dasar dan tingkat adopsi aktual di industri memiliki jarak tertinggal yang jelas, yang disebut "jurang penyebaran teknologi". Bagi perusahaan rintisan di tingkat aplikasi, jurang ini justru menjadi peluang komersial utama.

Dalam siklus ini, titik masuk yang paling pasti secara komersial terfokus pada bidang pekerjaan pengetahuan bernilai tinggi (High-value Knowledge Work): rekayasa perangkat lunak, keamanan siber, layanan profesional medis, bisnis keuangan dan investasi, serta audit dan kepatuhan. Setiap segmen vertikal yang memiliki batasan pengenalan profesional yang tinggi memiliki ruang untuk melahirkan perusahaan platform generasi baru dengan valuasi miliaran dolar.

Merujuk pada posisi sistem catatan inti (Systems of Record) yang ditetapkan oleh ServiceNow, Workday, dan Salesforce dalam siklus komputasi awan, saat ini di berbagai skenario vertikal profesional, generasi baru sistem catatan yang berinteraksi dan berfungsi sebagai pusat logika berbasis AI sedang terbentuk.

Dalam eksplorasi aplikasi dasar, beberapa arsitektur vertikal menunjukkan rasio efisiensi yang jauh melampaui model besar yang umum:

• Desain molekul kandidat di bidang biomedis: Model yang disesuaikan untuk perhitungan ilmiah tertentu kini mampu menghasilkan molekul obat kandidat dalam siklus yang sangat singkat, secara signifikan mengurangi waktu yang dibutuhkan untuk desain molekul di tahap awal pengembangan obat tradisional;

• Ledakan titik tunggal dengan arsitektur yang sangat sederhana: Permintaan untuk basis umum yang homogen di industri terbatas, tetapi model vertikal yang dapat membangun kembali tugas titik tunggal dengan arsitektur baru tumbuh dengan cepat. Mengambil contoh kasus tipikal baru-baru ini, Jev, yang pada dasarnya adalah "pengklasifikasi keputusan" dengan throughput tinggi. Dalam produksi nyata, banyak permintaan panggilan LLM yang kompleks pada dasarnya adalah tugas klasifikasi pilihan diskrit. Produk ini, melalui pemotongan komputasi yang ekstrem, telah mengurangi biaya inferensi untuk tugas semacam itu sekitar 100 kali, dan dalam waktu singkat telah mencapai lompatan luar biasa dalam pendapatan berulang tahunan (ARR).

Daya ledak bisnis ini menunjukkan bahwa, dalam skenario yang memiliki margin tinggi dan ambang pengenalan yang berat, produk perangkat lunak yang diberdayakan oleh AI menunjukkan kemiringan pertumbuhan yang tidak biasa.

Perusahaan yang dapat terus membangun penghalang di tingkat aplikasi umumnya menunjukkan karakteristik organisasi dan bisnis berikut:

Pertama, mengendalikan basis cerdas secara mandiri.

Perusahaan mulai secara aktif memindahkan beban kerja inti dari API model besar yang tertutup ke pelatihan mendalam berbasis basis sumber terbuka (Post-training). Pendorong inti di balik ini adalah biaya dan efisiensi: model dasar umum terutama melayani titik keseimbangan terbatas di batas Pareto umum; untuk mencapai nilai terbaik dalam tugas komersial tertentu, perusahaan yang memiliki model sumber terbuka yang telah disesuaikan secara teknik adalah solusi optimal secara komersial.

Kedua, struktur organisasi beralih ke "terobosan papan panjang".

Karena tumpukan teknologi dasar dan kemampuan model mengalami iterasi setiap beberapa bulan, perusahaan di tingkat aplikasi yang bertahan harus mempertahankan siklus rekonstruksi produk yang sangat singkat. Organisasi semacam ini secara bertahap meninggalkan model kolaborasi tradisional yang dibatasi oleh kelemahan tim, dan beralih ke mengandalkan sejumlah kecil personel inti terkemuka untuk menangani tantangan teknis, mendorong keseluruhan bisnis maju dengan kecepatan tinggi.

Ketiga, tata kelola perusahaan berevolusi menjadi jaringan kolaborasi terdistribusi.

Sistem komando dan kontrol hierarkis tradisional mulai memberi jalan kepada struktur terdesentralisasi yang berpusat pada entitas cerdas AI, yang memelihara efisiensi operasional organisasi dengan proses otomatisasi yang padat dan kolaborasi mandiri, meskipun dengan skala personel yang sangat kecil.

V. Diferensiasi Sistem Penetapan Harga Modal dan Efek Leverage

Di sisi pasar modal, selama tahun lalu, penetapan harga aset di bidang AI menunjukkan karakteristik polarisasi yang signifikan dan sangat terstruktur.

Untuk menyeimbangkan risiko dan imbal hasil di lingkungan aset yang terlalu panas, beberapa proyek awal mulai mengadopsi mekanisme pendanaan "dua langkah": yaitu memisahkan modal industri yang akan mengambil tanggung jawab pembangunan strategis dan modal keuangan murni yang akan menyediakan amunisi ekspansi selanjutnya.

Dalam beberapa contoh transaksi tipikal di mana Sequoia terlibat secara mendalam selama setahun terakhir, tren berikut muncul:

• Pada tahap awal, sebagai pihak yang membangun bisnis, lembaga menyelesaikan putaran awal dengan dasar valuasi yang relatif wajar (misalnya, kisaran pasca-investasi 110 juta dolar);

• Setelah periode verifikasi bisnis yang sangat singkat, modal keuangan murni eksternal dengan cepat mengikuti, dengan putaran berikutnya dengan cepat mendorong valuasi target ke tingkat beberapa kali lipat atau bahkan lebih tinggi (rata-rata beberapa contoh mencapai lebih dari 3 miliar dolar).

Peralihan cepat ke valuasi tinggi ini secara objektif mencerminkan permintaan yang sangat besar dari pasar primer terhadap target yang memiliki batasan teknis dan bisnis yang nyata, tetapi juga secara terpusat mencerminkan premi likuiditas tinggi yang terakumulasi di pasar saat ini.

Menghadapi jalur evolusi industri di masa depan, tidak ada lembaga yang dapat memiliki peta jalan yang sepenuhnya pasti. Namun, hukum dasar yang melintasi siklus investasi teknologi tetap berlaku:

Ketika biaya marjinal dari faktor produksi kunci menunjukkan penurunan besar, sementara efisiensi pemrosesan komprehensif terus meningkat secara eksponensial, restrukturisasi struktural di tingkat industri akan menjadi kenyataan objektif yang tidak dapat diubah. Rekonstruksi teknologi dari sistem bisnis global saat ini baru berada di tahap awal.

Konten ini disediakan hanya untuk tujuan informasi umum dan bukan merupakan nasihat keuangan, investasi, hukum, atau pajak. Setiap acara, reward, promosi online, atau informasi terkait yang disebutkan di sini tidak boleh dianggap sebagai rekomendasi, ajakan, atau undangan untuk membeli, menjual, memperdagangkan, atau melakukan transaksi aset kripto apa pun. Aset kripto sangat fluktuatif dan dapat mengakibatkan kerugian. Ketersediaan layanan, produk, dan acara terkait WEEX dapat berbeda-beda di setiap wilayah. Anda bertanggung jawab untuk memastikan bahwa partisipasi Anda sesuai dengan hukum dan peraturan setempat yang berlaku.