ARTICLE · 1122614
AI新创估值暴涨31倍!红杉资本:AGI已到来,真正的战争才刚开始
AI真正的革命不只是模型能力变强，而是正在同时重构资本、企业和劳动。模型能力持续提升、成本不断下降，推动 AI 从“工具”进入企业真实工作流，Agent 开始承担越来越多知识劳动。资本则加速涌入算力、数据中心和 AI 新创，推动估值与基础设施投资快速扩张。
未来 AI 竞争的核心，也将从“谁拥有最强模型”转向谁能把 AI 转化为实际生产力、控制数据与工作流。这意味着企业组织、岗位结构和劳动生产率都将发生变化。AI正在从技术革命，升级为一场生产率、资本配置和企业组织方式的系统性重构。
红杉资本合伙人 Pat Grady 指出 AGI 时代已由 AI 代理引爆，并预期运算革命将加速重塑全球企业与科学研究。
红杉资本（Sequoia Capital）合伙人 Pat Grady 公开了自己于 9 月 24 日向 Boston College Investment Committee 所做的一场内部简报。Grady 以"现在 AI 世界到底发生了什么？"为题，整理红杉对当前 AI 周期的判断，内容横跨 AGI、前沿模型实验室、AI 应用、新创估值，以及数据中心与社会风险。
红杉认为 AGI 已经出现，而且真正的转折点不是 ChatGPT，也不是 reasoning model，而是 2025 年出现的长时间 Agent。Grady 表示，红杉今年 1 月曾公开预测"2026 会是 AGI 之年"，当时这还是一个颇具逆风的观点，但到了 9 月，这个看法已经迅速从"高度反共识"变成接近市场共识。
Pat Grady：这波 AI 不只是网络革命，而是 60 年来第一次"运算革命"
Grady 先把 AI 放回过去数十年的科技浪潮中比较。从芯片、计算机系统、网络、Internet、移动设备，再到今天的 AI，每一波技术都建立在上一层基础之上。但他认为这次 AI 浪潮有三个根本不同之处。
第一，它的市场规模远大于过去。Grady 认为，AI 不只是在抢传统软件市场，而是开始进入更庞大的服务产业，后者的市场规模可能比软件高出约两个数量级。
第二，这是史上传播最快的一波技术革命。过去 Cloud 刚开始时，全球真正连上网络的人还不到 1 亿；智能手机革命则要求消费者先购买新硬件。但今天几乎所有人都已经联网，也都有手机，AI 不需要重新建立 distribution channel，一旦产品跨过临界点，就可以快速向全球扩散。
第三，也是 Grady 认为最重要的一点：AI 不是另一场信息传播革命，而是一场运算革命。PC、Internet、Cloud 与 Mobile 主要改变"信息如何被传递"，但 AI 改变的是"信息如何被处理"。Grady 认为，人类上一次经历如此根本性的运算革命，已经要回到 1960、1970 年代的硅芯片革命。
三个转折：ChatGPT、o1、Claude Code
在 Grady 的框架中，过去五年 AI 发生过三次真正重要的能力跃升。第一个是 2022 年 11 月 ChatGPT，证明大规模 pre-training 的威力。第二个是 2024 年底 OpenAI o1，让市场看到 reasoning 的能力。Grady 将两个阶段类比为心理学中的 System 1 与 System 2 thinking：前者快速直觉，后者则能长时间推理。
真正重要的是第三个阶段。Grady 指出，2025 年以 Claude Code、Opus 4.5 等产品为代表的 long-horizon agents，第一次展现 AI 可以在较长时间尺度上自主完成工作的能力。他认为，虽然表面上看起来只是模型能力曲线上的第三个点，但这实际上是一个"不连续的变化"。我们认为最后那一次，就是我们终于抵达 AGI 的时刻。
Grady 用"更快的马与汽车"来形容这个变化：过去几年的 AI 都只是"更快的马"：本质还是软件，只是原本的软件能力变得更强。但 Agent 出现后，AI 已经像"汽车"，不是把原有工作做快一点，而是开始以完全不同的方式完成工作。
从 App 变成 Assistant：真正的 Agent 不处理 task，而是完成 job
Grady 认为，这个转折现在已经开始进入 Main Street。他以 Instinct、Muse 等新型 AI 产品为例，称这些产品已经从单纯的 App 进化成 Assistant："它不只是处理任务，而是真的把工作做完。"
Grady 将这个变化类比 Zoom。视频会议在 Zoom 出现前早已存在，但用户不信任它；Zoom 真正的突破是跨过可靠性门槛，让人第一次愿意默认直接使用视频会议。
AI Agent 也正在跨过类似门槛，AI 很早就理论上可以替人执行工作，但直到现在，人们才开始真正愿意把事情交给 AI。他也认为，医疗将是明显受益产业之一，因为偏乡医师未来可以把整个医学专业知识带在口袋里；教育则因公立教育体系导入速度较慢，尚未真正爆发，但像 Alpha School 已经可以看到未来雏形。
AI 的坏消息：Hyperscaler 已开始借钱盖数据中心
不过 Grady 并未只谈 AI 的正面发展。他认为，2026 年出现了一个值得注意的资本市场信号：Hyperscaler 的 AI 资本支出已经开始超过自身自由现金流能支撑的程度。
换句话说，大型科技公司不再完全依靠内部现金流建置 AI 基础设施，而是开始使用债务融资 CapEx。
同时，模型能力越来越强，也意味着信息安全风险将快速提高。Grady 甚至把心理健康列为 AI 的另一项负面外部性。他提到部分用户在长时间与 AI 对话后，可能陷入所谓"AI psychosis"；白领工作则已经全面受到冲击。
真正的分界不是"AI 是否取代白领"，而是会使用 AI 的白领仍然可以繁荣；不学习 AI 的人则会遇到巨大问题。
前沿实验室已不再谈 AGI，而是直接瞄准 ASI
从 OpenAI、Anthropic 等前沿 AI Lab 的角度，Grady 认为另一个重大变化是：AGI 已经不再是终点。模型实验室的内部思考已经快速从 AGI（Artificial General Intelligence）转向 ASI（Artificial Superintelligence），也就是超级人工智能。
其中一个核心概念是 RSI（Recursive Self-Improvement，递归自我改进）。Grady 表示，前沿模型其实在过去一年已经大量参与"打造下一代模型"的工作。当 AI 开始能自己改进 AI，实验室担心的就是能力进步速度出现所谓 takeoff，人类再也无法跟上。这也直接连接到 p(doom)，即 AI 最终失控甚至威胁人类存续的概率。
Grady 认为，各家实验室在最近几个月都开始意识到 alignment 是真实而且此前被低估的问题，这也是近期 AI 放缓、前沿模型安全讨论快速升温的背景之一。
下一阶段：科学模型、自研芯片与 Continual Learning
技术面上Grady 认为模型正在迅速离开纯语言领域。下一阶段的重要方向包括：科学与数学能力、新模型架构、自研 AI 芯片，以及 continual learning（持续学习）。后者意味着未来 AI 不再是一个训练完成后便固定不变的"one-size-fits-all"模型，而是能持续从自身环境与用户互动中学习。
另一方面，OpenAI、Anthropic 等模型公司也正在进行激烈的 token 战争。各家持续压低 API 价格以争夺少数真正大量消耗 token 的企业客户，同时成立 Grady 所称的"DeployCo"，把大量顾问派进 Fortune 500，直接替企业打造定制 AI 应用。让更多企业工作负载开始消耗自己的 token。
即使投入巨额资本，Grady 表示目前 Lab 与 AI 新创依然普遍"严重受限于算力"，整体需求仍然超过供给。
最大的创业机会：模型能力与企业采用之间的"Diffusion Gap"
然而模型世界正在高速狂奔，不代表企业真的跟得上。Grady 将两者之间的差距称为：Diffusion Gap（扩散落差），也就是：模型已经能做到的事情，远比企业真正使用 AI 做到的事情多。而这正是红杉眼中目前 Application Layer 最大的创业机会。
其中红杉目前最看好的方向是高价值知识工作（High-value Knowledge Work）。包括 Coding、Cybersecurity、Healthcare、Financial Services、Accounting 等。Grady 认为，每一个大型知识工作领域，最终都可能诞生一家甚至数家巨型 AI 公司。
另一个重要机会则是 System of Record。Cloud 时代最大的应用层公司之一，就是 Salesforce、ServiceNow、Workday 这类控制企业核心数据与工作流的系统。红杉认为 AI 时代也正在形成全新的 System of Record。
"几天完成几年的药物设计"：Frontier Tech 开始被 AI 重写
Grady 还特别点出 AI 与科学研究结合。他表示，目前已开始看到公司可以近似"one-shot"产生候选药物：以前科学家可能必须花数年进行 molecule design，现在通过模型可能只需要几天。简报中提到 Chi Labs 作为其中一个例子。
另一个他认为值得注意的方向是 domain-specific AI lab，而不是再创一家通用型 Frontier Lab。例如简报提到一款名为"Jev"的 classifier。Grady 表示，许多企业拿 LLM 做的工作，本质上其实只是 multiple-choice decision；如果改用专门的 classifier，可以将成本降低约 100 倍，速度也更快。
他甚至表示，该公司在产品爆红后，过去七天从零跑到 1 亿美元 revenue 的规模。不过 Grady 也强调，这属于"outlier among outliers"，也就是极端案例中的极端案例。
AI 新创成长速度失控，有公司一年从 2 亿美元跑到 7 亿美元
他表示，一些 AI 公司目前能维持每天超过 10% 的成长率。另一家高价值知识工作 AI 公司，2025 年底收入约为 2 亿美元，预计 2026 年底将达到 7 亿美元。简报刻意没有公开这些公司的完整名称，但 Grady 想表达的是：AI native 公司目前的成长曲线，已经开始脱离传统 SaaS 时代的尺度。
AI 公司正在把工作负载从 OpenAI、Anthropic 搬回自己的模型
另一个相当值得注意的趋势是 Grady 称为：Own Your Intelligence，也就是"拥有自己的智慧"。这并不是因为企业不信任 Foundation Model，也不主要是 GDPR、数据隐私或安全问题。真正原因是经济效率。
Grady 认为，OpenAI、Anthropic 等大型模型只占据"价格／性能 Pareto Frontier"上的少数几个点。但企业内部其实存在大量不同工作负载。对很多任务而言，最有效率的方案并不是每次都调用最高阶 Foundation Model，而是使用 open-source model，再依照自己的数据与任务进行 post-training。
因此，他观察到一股"把 workloads 从 foundation models 搬到自己的 open-source model"的巨大趋势。这可能意味着，即使 OpenAI、Anthropic 的模型能力持续领先，Application Layer 公司仍会逐渐降低对单一模型供应商的依赖。
Jev：一周成长到一亿美元营收
Grady 在简报中还特别提到一款名为 Jev 的产品，将它视为"新模型架构"正在出现的例子之一。他形容 Jev 是一种 classifier（分类器），而许多企业目前交给大型语言模型处理的工作，本质上其实只是"multiple-choice decisions"，也就是在有限选项中做判断。
Grady 认为，这些任务未必需要昂贵的通用型 LLM。若改用 Jev 这类专门化模型，部分工作可以做到：成本降低约 100 倍，同时速度更快。未来未必所有工作都会由越来越大的通用模型处理，反而可能出现大量针对特定任务优化、更便宜、更快的小型或专用模型。
更惊人的是 Jev 的商业成长速度。Grady 表示，Jev 在前一周突然爆红，而背后公司在短短 7 天内，从零成长到 1 亿美元 revenue。他随即补充，这即使放在目前高速成长的 AI 公司中，也属于"outlier among outliers"，也就是极端案例中的极端案例。
每四个月就要重做一次公司
但这种环境也让 AI 新创变得异常难经营。Grady 表示，目前真正跑出来的 Application Layer 公司，几乎都必须：每四个月重新发明自己一次。原因在于底层模型能力进步太快。今天可以成为一家公司的核心产品，四个月后可能直接被新的 Foundation Model 变成免费功能。
因此成功的 AI 公司开始采用更像研究实验室的组织方法：不再让整个组织按照"最弱的人"速度移动，而是保护最强的少数人才，让最优秀的人拥有极高自主权，快速把产品往前推。
公司本身的架构也正在从传统阶层式管理转向"network of agents"。AI 被用来传播信息、让员工理解组织内正在发生什么，而人则以更高度自治方式工作。
最后，红杉分析过去 12 个月参与的七家公司，发现市场开始出现一种"two-step"融资模式。第一阶段是：Company-building partner，也就是由红杉这类真正协助创业者组建公司的早期投资人先进场。
七笔交易中，红杉平均投资时的 post-money valuation 约为 1.1 亿美元。接下来第二阶段则是 Capital partner，也就是纯粹提供大量资本的后期投资者。Grady 表示，平均只过了不到一个月，这七家公司下一轮的平均估值就来到 34 亿美元。换句话说，平均估值在一个月内从 1.1 亿美元跳到 34 亿美元，接近 31 倍。
Grady 表示，这是过去从未看过的现象，也最能体现目前 AI 市场的"froth"。但即使估值已经疯狂，红杉并没有因此对 AI 长期趋势转为悲观。Grady 最后表示，没有人知道这扇门另一边究竟是什么，但有两件事情可以确定：成本会继续下降，能力会继续上升。而当两者同时发生，人类将进入一个变化速度持续加快的世界。他用一句话结束简报："Hold on to your hats."
【总结观点】
1. "AGI 已到来"是定义之争，不是事实宣告。Grady 把 AGI 的标志定为"长时间 Agent 能自主完成工作"，这是一个偏工作导向的实用定义。按这个标准，说"已到来"并不夸张；但若按"跨领域泛化、具备稳定可靠性"等更严格的标准，学界仍有很大争议。读者应区分"红杉的判断框架"和"普遍接受的科学结论"。
2. 红杉是利益相关方，叙事需要打折阅读。红杉是 AI 的重仓投资人，"AGI 已到来""运算革命""每个知识工作领域都会诞生巨头"这类说法，客观上有助于支撑其投资组合的估值与募资。这不代表判断错误，但"从反共识到共识"的自我描述，也可能只是在为已持有的仓位造势。
3. 31 倍估值跳升更像"泡沫信号"而非"成长证明"。样本只有七家公司，且是红杉自己参与的案例，存在明显的选择偏差。更值得注意的是 Grady 自己也用了"froth"（泡沫）一词。一个月内估值涨 31 倍，反映的是后期资金的抢筹与资本过剩，而不是基本面在一个月内变好 31 倍。标题强调"翻 31 倍"，容易让读者误以为这是常态。
4. "每四个月重做一次公司"是应用层最真实的风险。这句话揭示了应用层的核心困境：护城河被基础模型厂商的功能更新不断侵蚀。能活下来的，往往是掌握独家数据、深度嵌入工作流（System of Record）或拥有专用模型的公司，而不是单纯"包一层 API"的产品。这也解释了为什么 Grady 同时看好 Diffusion Gap 与 Own Your Intelligence：前者靠贴近客户落地，后者靠成本与自主性。
5. "回归自有模型"与"模型公司成立 DeployCo"形成双向夹击。应用层公司一方面想摆脱对 OpenAI、Anthropic 的依赖，另一方面这些模型公司又直接派顾问进入大企业，往下游抢客户。应用层新创夹在"上游降价 + 上游下场"的中间，利润空间会被持续压缩，这是"超难做"的结构性原因。
6. 财务与社会风险被放在了"配角"位置，但可能是决定性变量。Hyperscaler 开始举债盖数据中心、算力持续短缺、AI psychosis、白领就业冲击、alignment 问题，这些都不是小议题。若 AI 变现速度跟不上资本支出，债务融资会放大下行风险，类似过去基础设施投资周期的教训。成长故事再亮眼，也需要现金流来验证。
7. 对个人与企业的实际启示。对个人的关键不是"会不会被取代"，而是"会不会用 AI 把整份工作做完"；对企业的差距不在于模型够不够强，而在于流程、数据与组织能否承接 Agent；对投资人，应警惕把极端案例（如 7 天 1 亿美元）当作常态外推。