大家好，这里是最佳拍档，我是大飞。

今天我们迎来主办方红杉资本（Sequoia Capital）核心合伙人帕特·格雷迪（Pat Grady）、索尼娅·黄（Sonya Huang）以及康斯坦丁·布勒（Konstantine Buhler）在红杉AI峰会上的Keynote演讲。他们将AI定义为一场计算革命，而非过去的通信革命，并为AI创业者提出了MAD原则。演讲明确指出**长周期智能体（Agents）**已到来，服务正在变成新的软件，并预测未来99.9%的认知工作将由机器代劳。

AI 革命的定位

帕特·格雷迪首先回顾了科技行业的演进路径，从硅基晶体管作为起点，发展到互联网、社交媒体、云计算，最终汇聚到如今智能手机中近乎魔法的AI能力。他强调，所有技术浪潮都是叠加的，前几十年的算力、带宽、数据和人才积累是今天AI爆发的基石。

然而，AI浪潮与过往所有浪潮有着本质区别，体现在三个方面：

1. 规模空前：这是迄今为止规模最大的一次浪潮，且是第一个同时覆盖软件与服务的技术浪潮。软件市场TAM（Total Addressable Market，总潜在市场）已达数千亿美元，而AI可能颠覆的服务业市场空间更是难以估量，仅在美国，法律服务一个细分领域就达4000亿美元，相当于整个软件产业的规模。
2. 速度极快：技术迭代、产品落地和公司成长的速度以指数级加快。过去云计算和移动互联网时代，成长一家10亿美元营收的公司需要很长时间，但在AI浪潮中，这一时间被急剧压缩，未来将有更多巨头以更快速度涌现。
3. 计算革命，非通信革命：过去的大多数革命（如互联网、云计算、移动通信）本质上是通信革命，解决了信息如何分发、流转和触达的问题。而人工智能解决的是信息如何被处理。这是两种完全不同的革命形态：通信革命改变连接效率，而计算革命改变思考本身。在计算革命中，技术底座日新月异，基础能力随时可能被刷新。

过去几年，AI行业经历了三次明确的拐点：

• 2022年11月的ChatGPT时刻，展现了预训练的力量。
• 随后的o1模型带来了强大的推理能力，出现了围绕推理的第二规模法则。
• 近期Claude Code、Claude Opus 4.5等模型的推出，展示了长周期智能体的巨大潜力。

红杉资本从商业和用户价值角度判断，这已经非常接近通用人工智能（AGI）的落地。当一个智能体能独立完成工作，从失败中恢复并坚持到任务完成，这在商业意义上便是AGI的体现。他们用汽车取代“更快的马”的比喻，说明AI正在彻底改变工作方式、效率和组织，带来10倍、40倍乃至更高的工作效率提升。

AI 创业的MAD原则

面对技术底座日新月异的时代，模型之上的应用公司如何构建壁垒？红杉提出了MAD原则：

• M - Moats（护城河）：创业者应避免陷入“技术外推（Tech-out）”的陷阱，即仅盯紧底层技术。相反，应采用“客户倒推（Customer-back）”的策略。因为技术迭代极快，临时的技术优势容易被抹平。而客户需求变化缓慢，与客户的深度绑定、对行业痛点的理解、围绕客户的全流程服务、场景数据积累以及不可替代的交付能力，才是能穿越周期的持久护城河。正如红杉资本创始人唐·瓦伦丁（Don Valentine）所质问的“那又怎样？（So what?）”，关键在于技术对客户意味着什么，解决了什么真问题，带来了什么不可替代的价值。
• A - Affordance（示能）：这个概念源于设计领域，意指一个事物本身就清晰地告诉使用者它能做什么、该怎么用，使用路径极简，阻力几乎为零（如锤子）。AI技术能力虽强（如Claude Code），但若用户界面复杂，普通员工无从下手，就无法发挥价值。AI产品的机会在于为特定用户和场景打造阻力最小的路径，将强大能力包裹成极简示能，让用户自然感知、使用并获取价值。示能决定了AI技术能否真正普及。
• D - Diffusion Gap（扩散鸿沟）：红杉认为这是应用层公司最大的机会。基础模型的演进速度远超企业、市场和普通用户的采用速度。每天模型能力都在飞速提升，但大量传统企业和个人仍停留在旧认知和工具中，这个落差每天都在拉大，即是创业者的机会。应用层创业者负责将前沿技术填平到具体场景、产业和用户工作流中。扩散鸿沟越大，应用层的价值就越大。

MAD原则总结：用客户倒推构建护城河，用极简路径实现示能，用扩散鸿沟抓取机会。

智能体时代：服务即新软件

索尼娅·黄指出，2026年的核心是智能体（Agents）。她回顾了2022年AutoGPT、BabyAGI的实验性阶段，当时模型尚未成熟，智能体多有错误和崩溃。而如今，智能体已是真正能用、能生产、能产生商业价值的工具，如面向技术人群的Claude Code和面向普通用户的OpenClaw。

红杉对智能体的定义是：一个能够感知环境、选择行动并自主朝着目标推进的系统。它包含三个核心功能组件：

1. 推理和规划能力：这是智能体的基础直觉，能思考、拆解任务、制定步骤。
2. 采取行动的能力：调用工具、搜索、编写代码、操作软件、访问系统等。人类过去的工具（终端、文件系统、Slack、网络搜索等）几乎都能被智能体复用。
3. 向着目标持续迭代的能力：智能体能在长时间跨度里试错、纠错、调整和恢复，直至完成任务，从而处理复杂、长周期、多步骤的任务。

智能体由模型（大脑）、工具（手脚）和支撑框架（Harnesses）组成。模型处理复杂任务的时长已从几十分钟提升到几小时，支撑了长周期任务；人类海量工具成为智能体的能力外延；支撑框架提供持久性，让智能体保持专注和适应。在强化学习加持下，智能体的性能不断提升，甚至出现机器自我进化的迹象（如两小时自主训练出GPT-2级别模型）。

智能体的自主性是一个连续光谱，从辅助人类渐进式提升，到如今的自主开发时代，人类与智能体对话、管理智能体团队。未来将出现后台智能体、异步智能体、能生成子智能体的智能体，甚至达到黑灯工厂模式，完全移除人类审核，智能体自主完成全流程任务（已在网络安全等领域应用）。智能体正从助手进化为可靠员工。

红杉的终极判断是：服务即新的软件（Service as the new Software）。与人类相比，智能体优势明显：可无限扩展、无需情绪维护、雇佣成本仅为Token成本。智能体的部署速度将空前，因为其经济账清晰且比特可扩展性极强。当智能体间可进行商业交易、互相支付谈判时，世界将发生巨变。长周期智能体已到来，指数级增长曲线清晰，曾经需百年实现的未来，如今依靠智能体或只需百天。

认知工作的范式转移

康斯坦丁·布勒提出了认知工作的范式转移和人类价值的回归。他将工作分为物理劳动和认知劳动。工业革命后，99%以上的物理劳动由机器承担。而历史上，认知劳动几乎完全由人类完成。

他判断，认知领域将重演物理劳动的历史：未来99.9%的认知工作将由机器代劳。

他通过四个故事来阐述这一未来：

1. 铝的隐喻：19世纪稀有的铝，因电解法普及后成为廉价锡纸。这隐喻着人类的智能，未来博士级技能将像铝一样唾手可得，智力能力将成为普惠基础设施。
2. 异类设计（Alien Design）：当机器接管认知工作，设计逻辑将不再以人类直觉为中心。NASA用进化算法优化的卫星天线，其外形不符合人类审美，但性能远超传统设计。未来AI设计将在芯片、汽车、建筑等领域出现大量异类设计。
3. 新兴科学的诞生：工业革命早期工程师摸索百年才形成热力学。AI领域也正处于摸索阶段，未来几十年必将诞生一门像热力学一样基础的智能科学，帮助人类驾驭AI，甚至参透意识本质。
4. 非理性的艺术：摄影出现后，写实技艺被机器替代，艺术转向表达内心、情感和灵魂（印象派、表现主义）。AI时代，艺术将再次重构，人类回归到最本质的情感体验、内心表达和灵魂连接。

当AI接管99.9%的认知工作，人类的价值在于“人是万物的尺度”（出自古希腊哲学家普罗泰戈拉（Protagoras））。脱离人的体验、情感、连接和价值判断，任何事物都无意义。AI提供效率和结果，但人与人之间深度连接、情感交互、信任、热爱、价值定义，才是技术洪流中最持久、最核心的价值。

AI让效率极致化，而人类让意义永恒化。红杉的演讲旨在指导如何面对和构建未来，以及如何在未来守住人的价值。对创业者，要回到客户、场景和价值；对职场人，要转向情感、连接、创造和意义。对普通人，未来或许是机器承担劳作，人类回归生活本身。如果百年愿景能在百天内实现，那是因为找到了用技术解放劳动、用人类定义价值的正确方向。