红杉资本:AGI 已经到了,10 万亿美元的服务生意正在被 Agent 疯抢
原文链接: https://www.theaiopportunities.com/p/sequoia-ai-ascent-2026-the-future 来源: www.theaiopportunities.com 发现于: 小互 · AI 解读站 · 2026/11/4 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)
Sequoia AI Ascent 2026:AI 的未来
未来是什么样子
https://substack.com/@guillermoflorGuillermo Flor2026年5月15日
大家好,我叫 Guillermo Flor,是一名创业者兼风险投资人。
红杉资本最近举办了他们的年度 AI 峰会:AI Ascent,这可能是今年最重要的 AI 盛会之一。
他们召集了 150 多位 AI 领域的顶尖创始人和研究者,包括 Demis Hassabis、Andrej Karpathy、Greg Brockman、Anthropic 的 Boris Cherny、Waymo 的 Dmitri Dolgov、Nvidia 的 Jim Fan,以及其他众多嘉宾。
我上周已经拆解了 Andrej Karpathy 的分享内容。
今天,我想分享 我对红杉资本关于 AI 未来分析的拆解。
👋 在你继续阅读之前,先说个简短提示!
构建优秀的 AI 系统和 Agent 正迅速成为一家公司所能拥有的最重要优势之一。所以我们一直在不间断地构建,这今后将成为 AIMF 和 PMF 更为重要的组成部分。
从现在起,作为 PMF + AI 订阅者,你不仅能获取关于融资与增长的最佳资源(160+ Playbook、65+ 成功案例、30+ Pitch Deck 合集、25+ 投资人资源),还将获得:
- 🤖 每周 3+ 个全新 AI Agent 模板
- 📚 不断扩充的 20+ AI Agent 库
以下是几个示例:
https://www.productmarketfit.tech/
- 面向 Claude 的麦肯锡幻灯片 Playbook
- Claude x Clay Playbook
- 为 Claude 构建 Skills 的终极指南
- Claude 金融应用:完整指南
- Reddit 客户挖掘的 Claude Playbook
- Claude 用于 AI SDR:完整指南
- Linkedin X Claude Agent Playbook
- Claude Code 创始人指南
我们已拥有 70,000+ 创始人和运营者。
AI MARKET FIT 是一份由读者支持的出版物。若想接收新文章并支持我的工作,欢迎成为免费或付费订阅者。
第一部分 — PAT GRADY:校准
1. 技术浪潮
现代技术以层层叠加的浪潮形式演进,每一波都建立在前一波的基础之上。
- 基于硅的晶体管为硅谷带来了它的名字。
- 晶体管被组装成系统。
- 系统通过网络连接起来。
- 网络以互联网的形式走向公众。
- 互联网在云端支撑起社交媒体等应用。
- 云通过移动设备进入我们的口袋。
今天,所有这些层级共同驱动着某种与魔法无异的东西:人工智能。
所有这些浪潮都是叠加式的。
这一波 AI 浪潮在 3 个方面有所不同:
1. 它是迄今为止最大的一波
在云计算的头 15 年里,软件的总可寻址市场从大约 3500 亿美元增长到 6500 亿美元,其中云占据了约 4000 亿美元。
AI 则在其下增加了一个全新的层级:Sequoia 估计,一个规模约 10 万亿美元的服务市场如今可能被机器所触及。
具体数字尚不确定——可能是 5 万亿美元,也可能是 50 万亿美元——但量级是明确的。仅美国一个国家的法律服务市场就达 4000 亿美元:一个垂直领域、一个国家,规模等同于整个全球软件产业。
2. 它是迄今为止最快的一波
在云计算、移动和 AI 这些板块级变迁中,营收突破 10 亿美元的公司,一波比一波来得更快。按照 Sequoia 当前的轨迹测算,更多的十亿美元级 AI 企业可能在远短于以往平台转型所需的时间内涌现。
AI MARKET FIT 是一份由读者支持的刊物。若想接收新文章并支持我的工作,欢迎考虑成为免费或付费订阅者。
3. 为什么这一波有所不同
革命有两种类型:
- 通信:信息的分发
- 计算:信息如何被处理
Grady 指出了三个定义 AI 当前轨迹的不连续时刻。第一个是 2022 年 11 月,ChatGPT 向主流受众揭示了 pre-training 的力量。
第二个转折点大约在两年后随 o1 而来,它揭示了第二条 scaling law,即围绕 inference-time compute 展开的 reasoning models。
第三个转折点正在发生,以 Claude Code 和 Opus 4.5 / 4.7 这一代为代表,它们展示了长时程 Agent 的力量。
前两个转折点感觉像是同一连续体上的点。而在第二个与第三个转折点之间存在一次硬性断裂,是软件所能做到的事情上的一次非连续跃迁。
Grady 对 AGI 给出了一个刻意商业化而非技术性的定义:如果一个系统能够被派去执行一项任务,在此过程中从失败中恢复,并坚持到任务完成,那么它在功能上就够格了。
从 Sequoia 作为投资者的视角来看,真正重要的是实际能力,而不是标签。过去几年,AI 产出的是更快的马——那些让知识工作者生产力提升 10–40%、却没有改变其工作形态的应用。
而当前这一代产出的是汽车——那些带来 10–40 倍提升、从根本上重构工作本身、工作流程和组织架构的应用。
AI 改变我们工作的方式、工作的本质以及组织的本质。
这为什么重要?
呼应 Sequoia 创始人 Don Valentine 那个著名的问题——so what?——Grady 认为,关键在于:争夺 10 万亿美元服务市场机遇的竞赛现在已经打响。
可以看到两种策略。
- Foundation model 实验室正在推进 tech-out 策略,扩展模型能力,并从模型层向下推进至应用层。
- 创业公司(在很大程度上呈现为 Sequoia 的投资组合形态)正在推进 customer-back 策略,在实验室的模型之上构建专业化应用,并将自己包裹进真实的客户工作流程之中。
开车与骑马截然不同,造车与养马也截然不同——这场竞赛的战略 playbook 与以往的平台转移有着根本性的不同。
AI MARKET FIT 是一份由读者支持的出版物。若想接收新文章并支持我的工作,欢迎成为免费或付费订阅者。
2. 构建在模型之上的支柱:Moats、Affordance 与 Diffusion
1. 护城河
Grady 最反直觉的建议是:在计算革命中,能力的变化速度比客户的变化速度快得多。
大多数技术创始人的直觉是追逐技术——针对最新的模型发布无休止地进行优化。
但那恰恰是最不稳定的地方。Sequoia 的建议是紧密围绕特定客户及其特定问题。
产品依然重要;最好的产品通常仍然会胜出。但客户亲密度、工作流集成以及赢得的信任,才是即使在底层技术不断变化的情况下仍能随时间复利积累的护城河。
在计算革命中,你今天构建的东西明天可能就变得无关紧要。
你围绕客户的紧密程度将具有更大的价值。
2. 可供性
可供性是从设计领域借来的概念,指的是物体无需解释就能表明其应如何使用的特性。
锤子具有高可供性,它的形状能瞬间暗示其功能。Grady 指出,原始的 foundation model 访问方式的可供性很低:通过终端界面使用 Claude Code 功能强大,但普通企业员工完全不知道如何使用它。
应用层的机会在于,将巨大的底层能力封装到直观的界面中,让客户以最小的努力达成预期结果。
3. 扩散
Grady 强调,实验室中新的 AI 能力被创造出来的速度,与这些能力扩散到真实企业中的速度之间存在日益扩大的差距。Foundation models 每天都在进步;而普通的世界 500 强企业需要数月甚至数年才能吸收这些变化。
这个差距每扩大一天,应用层的机会就会增长一分。
在 Sequoia 看来,弥合这一扩散差距——将前沿能力转化为已部署的业务价值——是应用层的核心使命。
第二部分 — SONYA HUANG:AGENT,2026 年的故事
1. Agent 之年
Sonya Huang 以一个清晰的主题开启第二部分:如果 2022–2024 年由聊天界面定义,2024–2025 年由 reasoning models 定义,那么 2026 年将由 Agent 定义。 用她的表述来说,这一转变是从响应 prompt 的系统,转向追求目标的系统。
2. 回到 2022 年 —— AutoGPT 与 BabyAGI
Huang 提醒观众,自主 AI Agent 的概念并不新鲜。2022 年,AutoGPT 和 BabyAGI 等项目将 GPT-3 包进一个规划循环并指向一个目标,一夜之间成为 GitHub 上的现象级项目。
概念是对的,但执行不行。这些 Agent 陷入循环、产生幻觉,屡屡失败。
她回顾时总结出的教训是:早在 Agent 可行之前多年,人们就已经知道这个目的地,只是模型当时还不具备维持表现的能力。
3. 三大功能组件
Huang 将 Agent 拆解为三种功能能力。
- **推理与规划(Reasoning and planning)**提供思考一个任务所需的基础直觉。
- **采取行动(Action-taking)**提供在现实世界中实际做事的手段——调用 API、运行代码、搜索网页、写入文件。
- **迭代(Iteration)**提供跨越长时间尺度的持续性。三者的结合才产生了 agency:切实把事情办成的能力。
4. Agentness 的滑动标尺
Huang 认为 Agentness 是一个光谱,而非二元属性,并以编程作为最典型的例子。最初是 2023 年的 tab 自动补全——编辑器中的 AI 建议,有用但谈不上颠覆。随后是 agentic 开发,由人类指挥一个 Agent 或协调一小队 Agent。现在涌现的是后台与异步 Agent(background and async agents)——无需人类持续监督即可长期运行的 worker,常常还会派生出自己的 sub-agent。位于前沿的则是暗工厂(dark factories):完全移除人工审核的流水线。Huang 指出,暗工厂听起来难以置信,直到它们真正出现在生产环境中——这已经在网络安全等狭窄领域成为现实。同样的轨迹——从助手,到受管理的实习生,再到自我管理的实习生,最终成为值得信赖的自主 worker——正在 Agent 得到应用的每一个领域重演。
5. 服务即新软件
Huang 将这一点标记为她这部分内容中最重要的结论,并将这一提法归于 Pat Grady 以及同为红杉(Sequoia)合伙人的 Julian,文中引用了 Julian 关于此主题的文章。
能力强大的 Agent 带来的最大商业启示是:可触达的市场机会在于 services(服务),而非软件。在医疗领域,Agent 可以分析基因组、推荐干预方案、开具药物处方并筛选临床试验。在法律领域,Agent 可以谈判合同、处理诉讼事务并解决纠纷。在科学领域,Agent 正在解决 Erdős 级别的数学问题,并提出新型超导体方案。在消费生活中,个人 Agent 正在接管收件箱、日历、财务账户和税务申报。曾经由专业服务公司所捕获的经济活动,如今正被吸纳进应用层。
第三部分 — Constantine Buhler:接下来是什么
1. 两种类型的工作
Constantine Buhler 从 Grady 结束的地方接着讲,提出了第二种二分法,以补充开篇关于计算 vs. 沟通的框架。世上有两种基本类型的工作。体力工作(Physical work)在空间中移动物质——Pony Express 运送的包裹,Falcon 9 上的卫星。认知工作(Cognitive work)在心智之间传递思想——毕达哥拉斯构建他的定理,DeepMind 破解蛋白质折叠难题。两者在本质上有天壤之别,但 Buhler 认为,它们的革命遵循着惊人相似的轨迹。
2. 作为先例的工业革命
Buhler 详细梳理了工业革命的先例。几千年来,几乎所有服务于人类的体力工作都由肌肉完成——无论人类还是动物。这一转变始于 1700 年前后的水力与风力,经由蒸汽和内燃机加速推进,最终以电动机的形式达到现代形态。到 2026 年,人类所完成的体力工作中有超过 99% 由机器承担:载运人员的飞机、生产商品的制造系统、配送商品的物流网络。肌肉几乎已被机器完全取代。
3. 认知革命
Buhler 的核心论点是:一场类似的转变目前正在认知领域发生。在历史的大部分时间里,地球上几乎所有的思考都由生物大脑完成,仅有动物以及星盘、时钟等机械辅助工具的少量帮助。电子计算在二十世纪开始改变这一平衡——今天,每一刻都有数以万亿计的计算在为人类需求运转。在他看来,神经网络(neural network)是下一波浪潮。这一轨迹表明,在一代人之内,地球上 99.9% 的认知将由机器完成。认知革命在形态上将类似于工业革命,但规模将大得多,节奏也将快得多。
4. 未来会是什么样子?四个故事
1. 铝与华盛顿纪念碑
Buhler 用铝的故事来阐述认知技能即将到来的贬值。19 世纪中期,华盛顿国家纪念碑——当时世界上最高的建筑——顶部覆盖着 100 盎司的铝。铝在当时是已知最珍贵的金属;在安装之前,它还曾在曼哈顿的 Tiffany's 展出。短短几十年内,电解技术的发明使铝能够被廉价地从矿石中分离出来,这种金属变得唾手可得——糖果包装纸、三明治锡箔纸、用完即弃的一次性包装。Buhler 的类比是:*铝就是智能,电解就是人工智能。*那些曾经需要数十年才能习得的能力——狭窄领域的博士级专业知识——正在变得可以即时调用,实际上沦为可丢弃之物。
2. 异形设计的时代
Buhler 的第二个故事探讨的是 AI 主导的设计将会是什么样子。当今的建成环境绝大多数是为人类认知而优化的,因为一直以来都是人类在进行认知活动。当机器接管设计过程时,产出的成果开始变得奇特。2006 年,NASA 使用一种进化算法——现代强化学习的前身——来为一项卫星任务优化天线。传统设计的天线是一个干净、对称的几何形状,而机器设计的天线则是一种扭曲的、不对称的形状,任何人类工程师都不会提出这样的方案——但它的性能却远超传统设计。Buhler 预测,随着 AI 接管芯片、载具、建筑和软件的设计,其产出在人类眼中将越来越显得怪异。数百年来主导人类设计的美学与结构直觉可能将不再适用。
3. 新兴科学
Buhler 的第三个故事是关于他所预期的那种继工程革命之后的科学革命。成熟的工程学科往往在其所描述的实用技术问世很久之后才出现。近一个世纪里,蒸汽机纯粹是通过反复试验不断完善的——像 Newcomen 和 Watt 这样的工程师在没有统一理论的情况下凭经验进行迭代。然后,在 19 世纪初,Sadi Carnot 将热力学形式化,为该领域奠定了严谨的基础,最终推动了几代人的进步。Buhler 认为,AI 目前正处于它的试验摸索阶段。这些系统能够运作,但关于它们为什么能运作的科学尚不完整。他的预测是:在未来二十年内,一门关于智能的全新基础科学——其广度与严谨程度堪比热力学——将会诞生。它将被纳入高中课程。它可能提供真正驾驭 AI 所需的概念工具,甚至可能帮助我们理解意识本身。
4. 无理的艺术
Buhler 的第四个故事探讨的是,人类的创造性活动往往如何回应机械化。数万年来,视觉艺术稳步朝着写实主义(realism)方向发展。从洞穴壁画到埃及象形文字,从希腊陶器到文艺复兴杰作,主流的追求始终是以眼睛所见的方式捕捉世界。银版摄影法(daguerreotype)和早期摄影的问世,骤然让这种追求变得过时:相机可以在几秒内捕捉一个场景,其保真度胜过大师数月的努力。许多人预言绘画的终结。然而,绘画通过提出一个不同的问题实现了自我重塑——不是眼睛如何看世界,而是心灵与灵魂如何看世界。
印象主义(Impressionism)、表现主义(Expressionism)、立体主义(Cubism)和新表现主义(Neo-Expressionism)相继兴起。Buhler 的预期是,随着机器接管认知工作的字面执行,类似的重定向也将发生。
人类的创造性活动与阐释活动将转向机器无法复制的维度
人是万物的尺度
Buhler 以古希腊哲学家 Protagoras 写于二十五个世纪之前的一句话作结:“人是万物的尺度。” 他的解读是:真空中没有任何事物本身具有价值。铝没有,艺术没有,智能也没有。
价值由人类的体验和人类赋予的意义所界定。AI 能够完成这项工作。AI 也终将完成这项工作。但唯有人的关系与人的关注,才为这一切提供了“重要”的理由。
在 Buhler 看来,十年之后,日常工作本身的样貌将令今天的我们难以辨认。
历久不衰的是人的一面,是这场转型过程中建立起来的关系——存在于建设者、协作者之间,也存在于那些聚集起来共同理解此类时刻的社群之中。
如今定义这一周期的有三股力量:一个以周为单位变化的技术底座(technology floor)、一个规模约为此前平台变革 10 倍的可触达机遇,以及一套有别于云计算和移动时代先例的打法(playbook)。
希望这篇文章对你有价值,
祝好,
Guillermo
关于这篇文章的讨论
暂无帖子