近日，红杉资本合伙人 Konstantine Buhler 在彭博的采访中深入剖析了 AI 作为国家战略资产的四大核心支柱：算力、电力、数据、算法，并强调“记忆（AI Memory）”正迅速成为支柱之外的新关键能力。随着生成式 AI 的演进，智能体不再只是执行命令的工具，而是具备持续自我认知与协作能力的“合作者”。

他还首次公开介绍了红杉内部高度关注的协议——Model Context Protocol（MCP），一个旨在让 AI 与 AI、AI 与软件之间实现语言互通与任务协同的基础框架。通过 MCP，多个专长不同的 AI Agent 能像跨学科团队一样协作，打通调研、决策、生成等流程，真正开启“AI 生态系统”时代。

面对中国 AI 研究力量的快速崛起，Buhler 表示虽然中国在人才密度上已具备规模优势，但美国依然凭借开放协作的技术文化、顶尖工程师生态，在算法和应用落地层面保持领先。

做了8年产品经理后，我是这么看产品经理的

我个人是从非常初级的产品经理做起，再到负责一个大产品的项目管理，现在有幸跳出了日常基础的工作更多的去看产品的PMF，product strategy...

查看详情 >

主持人：

你对过去 24 小时内基础设施协议的反应，美国的技术进入海湾国家，在那里的国家设立数据中心和开发项目，你怎么看？

Konstantine Buhler：

这些新协议证明了一个事实： AI 不仅仅是企业成功的问题，它更是一个国家层面的战略需求。这充分说明了这个行业的重要性。我回想十年前，我们还在担心美国能否在 AI 领域保持领先地位。

AI 的实力实际上有四大支柱：算力、电力、数据和算法。回顾上一波 AI 的发展，美国之所以能遥遥领先，靠的就是第四个支柱——算法。

所以，当我们在全球范围内发展新的技术盟友——无论是算力、电力还是数据——我们必须确保在算法进步方面始终处于最前沿。我们拥有世界上最优秀的研究人员，最顶尖的工程师。

主持人：

我们这边刚刚收到来自白宫的突发消息：川普总统已经在卡塔尔争取到了一项总额高达1.2万亿美元的经济承诺。据白宫方面表示，这项承诺中包括了价值2435亿美元的具体经济协议。

这项声明是总统在多哈亲自宣布的。我们刚刚连线了彭博社的记者 Annmarie Horden，她目前正在卡塔尔多哈。她提到，这些协议目前还处于酝酿阶段，具体涉及哪些行业和公司尚未公布。一旦有更多细节，我们会第一时间为大家带来更新。

现在，我们回到刚才的对话主题——美国在基础设施领域的领导地位。你刚才提到了四个关键类别，其中有一个最近频繁出现在我桌面上的话题，那就是在生成式 AI 语境下的“AI 内存（AI memory）”。

很多人说我们必须在这个领域加大投入，找到解决方案。但就我个人而言，我对这方面缺乏专业背景，也没有学术理解。你们行业为什么现在频繁在讨论这个问题？

Konstantine Buhler：

除了算力、数据、电力和算法之外，还有一个非常关键但经常被忽视的组成部分，那就是“记忆”（memory）。因为当你和一个智能 Agent 互动时，你当然希望它能够记住你——但更重要的是，它也必须记住它自己。

举个例子，比如医生在与病人交流时，一个智能 Agent 应该能够帮助医生回顾以往的沟通记录。不仅仅是病人说了什么、不仅是他们的生命体征或病历数据，而是要具备一种随时间推移不断学习和进化的能力。这正是像 Open Evidence 这样的公司正在努力的方向。

所以说，“记忆”正在成为一个全新的关键技术领域，尤其是在你提到的“生成式AI”（genetic AI）语境下。如果我们想要构建一种不仅能回应人类、还能进行自我反思的AI，那么它就必须具备记忆能力。这不仅仅是记住几次对话，而是建立起一种持续性、自我认知的长期记忆体系。

正因如此，越来越多的公司开始在“记忆能力”上投入大量资源，尤其是像 Open Evidence 这样专注于长期智能交互的公司。这也是AI从一个工具，真正转变为“合作者”的关键一步。

以医疗为例，有了记忆能力，医生可以精准回忆起每一次与病人的互动细节，甚至是沟通方式的演变——而这些，在今后的AI辅助医疗中将变得尤为重要。

问题来了：这一切活动的基础设施应该部署在哪里？今天彭博《Big Take》提出了这样一个观点：一家企业的突然崛起，说明中国的相关产业正在迅速发展，几乎没有受到美国政策或政治不确定性的影响。

主持人：

Chance Amont 曾在三月份告诉我，现在有超过 50% 的 AI 研究人员都在中国。结合你刚才提到的这些情况，你是否认同这样的观点？也就是说，中国的 AI 产业确实发展迅速，而且他们也在研究与你所在行业类似的问题？

Konstantine Buhler：

他们确实拥有非常优秀的研究人员，这一点毫无疑问。但同样真实的是，我们也拥有这个星球上最具创造力、最聪明的研究人才。

举个例子，就在最近，我们刚刚举办了红杉年度峰会，我们邀请了业界最顶尖的 150 位专家参加。从黄仁勋、Sam Altman 到一些非常有潜力的年轻新星，全部到场。

在这次大会上，最受关注的技术议题是一个名为 “Tool Use” 的概念，也就是让 AI 能够相互协作。我们正在教会计算机如何使用计算机。幸运的是，在过去几个月，我们在这个领域取得了重大进展。

目前，我们已经有了一个全新的协议，叫做“MCP（Model Context Protocol）”。你可以把每一个 AI Agent 理解为一个“专家”，同样，每一款软件也可以被视为某种专业能力的体现。比如说，你的 CRM 系统可能非常擅长记录和理解你与客户之间的历史互动。但问题在于，这些“专家”之间并不一定使用相同的语言。而 MCP 就像是一个通用的“翻译协议”，让所有这些 Agent 和软件可以互相沟通、共享信息。对我们美国来说，这种能力正是保持技术领先的关键所在。我们必须加深协作，推动开放创新。

我来分享一个这个协议的真实应用案例：我们有一家投资组合公司，叫 Rocks。它能够帮助顶尖的销售人员，在与潜在客户会面前，完成非常深入、精准的背景调研。

而现在，他们不仅可以完成调研，还能通过 MCP 协议将所有信息整合，并自动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，自动生成一个完整的产品演示 demo。

这就是我们在 AI 协作层面保持领先的方式——依靠研究人员和工程师之间的深度协作。我们必须继续投资这种合作机制。我们知道，中国在多个领域都在加速发展，但在美国，我们拥有一种独特的“开放式创新文化”，它让来自不同公司、不同背景的人才可以自由聚集、自由实验、自由分享成果。

主持人：

你刚才提到了 Tool Use 和 MCP ——听起来这些都是让 AI 系统彼此协作的方式。那么接下来你觉得行业里还会有什么突破？你是否已经看到某些早期信号？

Konstantine Buhler：

是的，接下来我们将会看到的是 AI Agent 生态系统的兴起。想象一下，多个 AI Agent 彼此配合，就像一个跨学科的专家团队一样完成任务。例如，一个 Agent 可能擅长财务分析，另一个擅长写代码，还有一个擅长市场策略——它们可以通过 MCP 无缝协作。

这种模式的最大价值在于扩展能力：你不再局限于一个模型的能力，而是可以调用整个生态系统的集体智慧。这也意味着，AI 将变得越来越像一个合作伙伴，而不是一个工具。它将能够与人类一起构建知识、提出问题、修正错误。这是 AI 发展的下一个阶段，也会是决定哪个国家、哪家公司领先的关键因素。