夜雨聆风
红杉资本在2026年AI Ascent大会上抛出：我们已身处AGI时代。
当AI agent能够从失败中恢复并坚持完成任务时，这已构成商业意义上的通用人工智能。本文深度解析这场认知革命的三大特征：万亿级服务市场、超指数级发展速度，以及从通信革命到计算革命的质变。
一、六大核心观察
AI的本质是“计算革命”而非“通信革命”：这是整场演讲的基石。与互联网、移动技术等加速信息传输的通信革命不同，AI是一场关于信息处理方式的根本性变革。这意味着它不是在原有赛道上提速，而是彻底重构了工作流程和商业逻辑。正如红杉所言，我们不是在制造“更快的马”，而是在制造“汽车”。
“长周期智能体”成为AGI的实用化标志：从2022年不实用的AutoGPT到2026年初的Claude Code，智能体能力发生了质变。其核心在于模型能稳定执行数小时的长周期任务，并具备自主排障和迭代能力。红杉给出的定义非常务实：如果你能派遣一个智能体去执行任务，它能从失败中恢复并持续推进直到完成，这在实际意义上已经非常接近AGI。
“MAD策略”是应用层企业的生存法则：在基础模型能力快速迭代的“暴雨”中，构建长期壁垒的关键不再是追逐最新技术，而是遵循MAD策略——模式上以客户需求反向构建，可及性上为客户打造最低阻力的使用路径，普及度上抓住技术能力与市场应用之间的缺口。红杉的忠告是：客户需求的变化速度，远慢于技术能力的迭代速度。
“服务即新软件”，市场从软件预算转向劳动力预算：AI的商业战场正从价值约6500亿美元的软件市场，转向价值约10万亿美元的服务市场。企业付费的逻辑从“购买工具”变为“购买结果”（如合同审查、招聘完成），SaaS的人头收费模式正被Token成本模式取代。仅美国法律服务这一个垂直领域，市场规模就足以比肩整个全球软件行业。
认知领域的“工业革命”正在发生，技能价值面临“铝变易拉罐”式贬值：如同19世纪比黄金还贵的铝，因电解法普及而沦为包装材料，博士级的稀缺专业技能也将因AI变得瞬间可得。红杉预测，未来地球上99.9%的认知工作将由机器完成，人类的核心护城河转向精准定义问题、判断优先级和建立深度情感连接。
人类不可替代的价值在于“联结”与“定义”：尽管AI能完成工作，但价值最终源于人类的体验与联结。红杉用“人是万物的尺度”作为结语，强调人类需要坚守的并非技术能力，而是作为“万物尺度”的定位——理解什么结果才是对的，以及建立有意义的、基于共同生物基质的人际关系。
二、主题演讲全文
第一部分：基调校准——从晶体管到人工智能
发言人A：
让我们把视野拉远，回到为这片地区命名的“硅基晶体管”。它们被集成到系统中，通过网络连接，以互联网的形式走向公众，支撑起社交媒体、云计算等应用，最终进入我们的口袋与移动设备。如今，这些设备所能做到的事情，几乎与魔法无异——这就是人工智能。
我们之所以展示这页幻灯片，是想提醒大家：所有这些技术浪潮都是叠加递进的。我们需要过去几十年的持续演进，才能拥有足够的算力、带宽、数据与人才，去充分把握当下这个时刻。
当下这波人工智能浪潮，在三个方面与众不同：
第一，规模空前。 这是第一次同时覆盖软件与服务的浪潮。上半部分展示了云计算转型的前15年，软件市场规模从约3500亿美元增长到6500亿美元，其中云服务规模达到约4000亿美元。下半部分是全新的增量——服务收入，如今这个市场规模可达10万亿美元。这是一个便于记忆的整数，我们不确定具体是10万亿、5万亿还是50万亿，但仅美国法律服务这一个垂直领域、一个地区，市场规模就达到4000亿美元，与整个软件市场相当。这个机遇无比巨大。
第二，速度最快。 人工智能领域的空白正在被快速填补。台上这些标识，是凭借云、移动以及如今的人工智能技术变革，实现年收入超10亿美元的公司。按照当前趋势，很快还会有更多企业加入。
第三，本质不同。 这个观点来自我的合伙人康斯坦丁：技术革命分为两类。一类是通信革命，核心是信息的分发方式。在座绝大多数人只经历过通信革命，互联网、云、移动都属于此类。而人工智能不同，它是计算革命，核心是信息的处理方式。这听起来像是文字表述的差别，但两者的底层逻辑完全不同。最直观的感受是，技术基础每天都在变化，新能力持续涌现。
第二部分：关键拐点——通往AGI之路
发言人A：
过去几年，我们经历了三次重要拐点：第一次是2022年的“ChatGPT时刻”，全球最强大模型完成预训练；第二次是2024年的“o1模型”，推理能力出现，第二条缩放定律随之诞生；第三次就在近期，2026年初的“Claude Code”出现，具备全球最强的长周期智能体能力。这三点看似是连续演进的节点，但第二点与第三点之间是明显的非连续突变。
我们冒昧地说，这就是通用人工智能（AGI）。我是经济学家、风险投资人，不会给出AGI的技术定义，我们研究的是创业者、市场以及二者碰撞形成的商业。但从商业、实用、功能层面看，如果你能派遣一个智能体去执行任务，它能从失败中恢复并持续推进直到完成，我认为这在实际意义上已经非常接近AGI。就算你不认同也没关系。
过去几年，我们有很多“更快的马”式应用，只能让效率提升10%到40%，没有从根本上改变工作方式。现在我们开始看到“汽车”式应用，能让效率提升10倍甚至40倍，彻底改变工作方式与组织形态，真正的变革已经到来。
第三部分：全新竞赛——MAD策略
发言人A：
这一切为何重要？因为就在过去几个月，一场全新的竞赛已经开启，它和我们以往熟悉的竞赛完全不同。我们开车的方式不同于骑马，制造汽车的方式也不同于饲养马匹，这是截然不同的竞赛。我们今天把大家聚在一起，原因在于没有人掌握全部答案，我们越多交流学习，就越能理清方向。尽早做出判断至关重要，这里面牵涉数万亿美元的市场规模。
我们看到有实验室从技术视角出发做研发，也有初创公司从客户需求反向构建产品。今天现场有各类实验室的代表，但在座多数人是在大模型基础上做上层应用开发。给大家一个免费建议：记住 MAD策略。
MAD是一个缩写，分别代表模式（Model）、可及性（Accessibility） 与普及度（Diffusion），是基于大模型构建上层应用的三大战略支柱。
第一，模式。 从技术视角出发，价值链的每个环节会以不同方式推进；从客户需求反向出发，每个环节的推进方式也会不同。反直觉的是，在这场以信息处理为核心的计算革命中，大家总关注不断出现的新技术，但要构建长期壁垒，真正应该关注的是客户。客户需求的变化速度，远慢于技术能力的迭代速度。你今天做的产品可能明天就失去意义，但你围绕客户建立的绑定会更持久。这并不是说产品技术不重要，它极其重要，通常最好的产品会胜出。但在技术能力快速迭代的环境中思考壁垒，我们建议你尽可能以客户为中心反向构建，全方位贴近客户。
第二，可及性。 这个概念借鉴自设计领域。锤子是具备可及性的物品，我有两个年幼的儿子，给他们一把锤子，他们不用教就知道怎么用。代码功能极其强大，但让普通世界500强员工打开终端操作，几乎无法推进。代码虽强，但可及性很低。这并不是否定代码，而是给所有上层应用开发者的机会：为你的特定客户与特定问题打造最低阻力路径，让他们能极其简单地获得业务所需的结果，这就是可及性的核心。
第三，普及度。 普及缺口是应用层企业的机会。技术能力的市场普及速度，远远落后于能力创造速度。基础模型每天都在快速迭代，而普通企业的应用速度跟不上，这个缺口每天都在扩大，机会也随之变大。
总结MAD策略： 模式上以客户需求反向构建，可及性上为客户打造最低阻力路径，普及缺口就是你的机会。
前面提到市场空白正在被快速填补，这可能让人感到压力。但有一句赛车界的话：晴天里你无法超越十五辆车，但雨天可以。当下基础模型正迎来海量新能力的“暴雨”，这意味着没有人绝对安全，但也意味着任何人都有机会。能身处这个时代，何其幸运。以上是我的分享。
第四部分：智能体时代——从AutoGPT到“黑暗工厂”
发言人B：
谢谢帕特。很高兴在现场看到很多熟悉的面孔，今天到场的都是非常优秀的人，我由衷开心。
回到2022年，有人还记得AutoGPT或者Baby AGI吗？这些项目在GitHub上一夜爆红，它们给GPT-3加上工具，封装成循环逻辑，让模型朝着目标自主运行。当时看起来很有前景，但你会看到这些智能体不断失败，有点可爱，却完全不实用。我放这页幻灯片是想提醒大家，我们早就知道智能体会到来，几年前就可以预见，但在2022年，模型能力还远远不够。
时间快进到现在，从2026年年初开始，情况彻底改变。突然间，智能体无处不在，而且真的能用。有两个智能体产品格外成功：面向技术人群的Claude Code，以及OpenClaw及其同类产品，让普通手机用户也能使用智能体。无论你是资深工程师还是普通用户，现在任何人都能创建智能体。我们看到有人为各种场景开发智能体，有搞笑的应用，比如举报邻居税务欺诈的智能体；也有创新应用，比如用智能体跑生成式媒体营销方案来销售建筑服务。在专业层面，我们公司内部也在激烈比拼，谁能做出最好的智能体来提升工作效率。
那么，什么是智能体？一个可行的定义是：智能体是能够感知环境、选择行动、持续向目标推进的系统。具体来说，我认为智能体包含三大功能组件：第一是推理与规划能力，这是基础直觉与临场思考能力；第二是执行操作能力，包括调用工具、搜索、编写、编译等；第三是向目标迭代推进的能力，这种持续性让智能体能完成长周期任务。智能体就是这三者的结合，简单说，就是能把事情做成的能力。
把智能体拆解为模型、工具、框架三大组件，过去一年每一部分都在快速进步：
- 模型是大脑
这是最重要的变化。衡量模型在复杂任务中保持稳定推进、不偏离轨道的时长，从一年前的几十分钟提升到现在的几小时，模型终于具备支撑长周期任务的稳定能力。 - 工具是四肢
让模型能使用电脑上提升效率的各类工具，如终端、文件系统、开发工具、即时通讯、网页搜索、计算机操作等。过去二十年我们为人类打造的工具，对智能体同样极具价值。而且随着使用智能体的数量增加，这些工具的价值会爆发式增长。 - 框架赋予持续性
让智能体能坚守任务、自适应调整、持续推进。如今这个反馈循环正在加速运转。借助强化学习，我们像开办驾校一样训练智能体，在强化学习环境中提升它在机械工程、设计、金融等场景的表现。我们还看到了智能体自我改进的早期迹象，比如有研究项目能在两小时内自主优化达到GPT-2水平的模型。
第五部分：智能体的未来图景——服务即新软件
发言人B：
遍地都是智能体的世界会是什么样子？智能体能力存在梯度等级。以编程为例，2023年是代码补全，AI辅助人类逐行编写，只有增量价值，不算颠覆性改变。现在是智能体开发，一个人指挥智能体，甚至管理一组智能体。这个范式还在向前推进，我们开始看到后台智能体、主智能体管理子智能体。我们认为，这种智能体协同范式的价值，很可能会超越当前模式，因为系统内的杠杆效应极强。再往前推进到前沿领域，我称之为“黑暗工厂”——完全移除人类审核环节。这听起来很疯狂，但我已经在实际生产中看到落地案例，包括网络安全公司。只要有足够好的流程与工程能力，这完全可行。我们正在向更高的智能体化程度迈进，智能体从身边的小助手，变成需要管理的实习生，再到能自我管理的实习生，最终成为可以放心授权、无需监督就能执行关键操作的角色。这种演进不只发生在编程领域，而是全行业的趋势。
我在现场最重要的一个结论是：服务就是新的软件。 这个观点我一直都在说，我的合伙人朱莉也在现场，她就此发表过很棒的文章。我们早就认同这一点，而现在它真的在发生。在医疗领域，你会雇佣智能体检测基因、给出个性化建议、开具药物、推荐临床试验；在法律领域，智能体能代表你谈判合同，甚至参与诉讼；在数学与科研领域，智能体能解决难题、发现新的超导体，令人振奋；在消费领域，个人智能体能帮你管理收件箱、日程、财务、报税。
我们如此关注智能体的普及，部分原因在于雇佣智能体远比雇佣员工容易：人类难以规模化，而智能体可以通过计算机无限扩展；人类很难持续保持满意，而智能体几乎不需要维护；人类成本高昂，需要支付薪资，而智能体只需要消耗令牌，用令牌完成任务的成本远低于人力薪资。目前人类整体上依然更聪明，但被智能体超越只是时间问题。这并不意味着人类会失业，人类独有的能力是适应性，但我们预计智能体将以空前的速度与规模在应用层部署，因为经济逻辑极其清晰，且天生具备可扩展性。
除此之外，智能体的数量正在呈指数级甚至超指数级增长，我们即将进入一个非常奇特的阶段。当智能体之间发生交易，它们能否互相支付？当智能体彼此协商交易条款会发生什么？当大量智能体集群协同，进行网络安全防护或防范混乱？我们只知道，世界正在以极快的速度变得不一样。
最后做个总结：长周期智能体已经到来，它的发展曲线非常清晰。 对创业者来说，大家身边都有借助人工智能极大压缩项目周期的案例：有人借助Claude Code，在假期独自完成了耗时三年的宏大项目；有人周末就做出产品；团队用六周重写了大量代码。每个人都有这样周期大幅压缩的案例，但我认为，很少有人在实验室之外见过，把这些压缩后的周期层层叠加会发生什么，而现在这已经成为可能。借助智能体，你想象中未来一百年才能做成的事情，我们认为现在一百天就有可能实现。接下来交给瓦西里。
第六部分：展望未来——认知领域的工业革命
发言人C：
好的，非常感谢索尼娅和帕特，刚才的分享与分析非常精彩。这一部分我们来谈谈未来。我们都知道身处人工智能时代，未来会是什么样子、有什么特征？前面帕特把技术革命分为计算革命与通信革命，我们这里再做一个划分，把工作分为两类：一类是体力工作，比如快递运输、阿波罗九号卫星，工作等于力量乘以距离，核心是物理移动；另一类是认知工作，比如毕达哥拉斯提出定理、深度思考解决蛋白质折叠问题，核心是思考与推理。这是两类完全不同的工作，但我们认为它们的变革路径会高度相似。
我们先谈体力工作，因为我们已经经历过工业革命这场变革。在人类历史绝大多数时间里，服务于人类的体力工作几乎全部由肌肉完成——人或动物，人搬运东西、动物拉着人前行，这种状态始于17世纪，甚至可以追溯到几千年前。后来情况开始改变，水能、风能、蒸汽机出现，接着加速发展，蒸汽机、内燃机、电动机普及。到今天，地球上服务于人类的体力工作，99%以上由机器完成。载你到来的飞机、现场所有物品的制造、为这场活动提供的所有运输服务，都支撑着我们此刻的体验。我们认为，认知领域将发生一模一样的变革，只是我们还处在更早的阶段。
在人类历史绝大多数时间里，地球上服务于人类的思考工作主要由人类完成，或许有少量动物辅助，比如牧羊犬赶羊。在机械计算之上只有很小的一部分，比如星盘、时钟。过去几百年里进展不大，直到电子计算机出现。过去一百年，每时每刻都在进行数以万亿计的计算服务于人类。所有这些认知工作，我们相信神经网络将是下一波大浪潮，在不远的未来，地球上99.9%的认知工作将由机器完成。这个对比非常鲜明，好消息是我们已经经历过类似的革命，认知革命会很像工业革命，只是规模更大、速度更快。
第七部分：四个故事，四种启示
发言人C：
生活在未来会是什么体验？我想用四个小故事分享对未来的思考：
故事一：铝的启示。 19世纪中叶，美国想为第一任总统、最伟大的战争英雄乔治·华盛顿建造一座宏伟纪念碑，也就是华盛顿纪念碑。当时设计成世界最高建筑，顶端要用世界上最珍贵的金属——100盎司当时最贵重的金属，珍贵到专门在曼哈顿展出。这种金属是铝。纪念碑建成后几十年，一位发明家发明了电解法，把铝从矿石中分离出来。几十年间，铝就被用来包装糖果、三明治，然后被扔进垃圾桶。铝对应的是智慧，电解法对应的是人工智能。我们即将进入一个时代，那些需要数十年学习才能掌握的博士级稀缺技能，会瞬间可得，用完之后就像用过的包装一样随手丢弃。
故事二：外星设计。 今天我们看到的世界，所有设计都是为人类量身优化，符合人类大脑的理解逻辑，因为世界上几乎所有认知都由人类完成。当机器承担认知工作，结果会截然不同。2006年，NASA为大型太空卫星任务优化天线设计。传统天线是美观的几何对称结构，在功率约束下优化表面积。这一次，他们交给计算机，用类似强化学习的进化算法计算，结果得到的天线效率大幅提升，却完全不符合人类直觉。在人工智能时代，把认知交给机器，我们会得到不符合人类直觉的结果。当人工智能设计芯片、汽车、建筑，外观可能会截然不同。我们必须保持开放心态，因为人工智能的思考方式与人类不同，会带来“外星般”的设计。
故事三：新兴科学。 我们都知道有新兴技术，但我要说的是全新的基础科学。工业革命早期，纽科门、瓦特等工程师不断改进蒸汽机，把石化燃料注入活塞、点火，亿万粒子流动推动活塞做功。在近一百年里，所有改进都是渐进式的，工程师一点点优化，能看到清晰的迭代规律。120年后，萨迪·卡诺提出热力学，把这一切系统化，形成了全新的基础科学。他指出，亿万粒子的运动可以被系统化定义。放到人工智能领域，现在我们有数十亿神经元、数万亿令牌，当前人工智能还处在摸索改良阶段，即便我们认为已经理解，其实远远不够。未来几十年，会出现像热力学一样基础的人工智能科学，可能就出自在座某个人。这门科学会进入高中课堂，基础到能帮助我们掌握人工智能，甚至理解意识。
故事四：推理的艺术。 在人类数万年历史中，艺术长期朝着写实方向演进。两万五千年的洞穴壁画、埃及象形文字、希腊陶器、文艺复兴绘画，都在向写实大步迈进，这是人类的巨大进步。后来技术出现，银版摄影术、早期摄影诞生。一瞬间，花费数十年打磨的写实绘画技巧被取代。世界作何反应？人们认为绘画终结了，机器能做得比人类更好，艺术死了。但人类如何回应？人们开始思考，艺术的目的是复刻眼睛看到的瞬间，还是捕捉心灵与灵魂感受到的瞬间？印象派、表现主义、立体主义、新表现主义——这些全新的艺术形式，是人类对技术巨变的回应。
结语：人是万物的尺度
发言人C：
两千五百年前，希腊哲学家普罗泰戈拉说：人是万物的尺度。 意思是，脱离人类，铝、艺术、智慧本身都没有价值，价值只来自人类的体验。人工智能能完成工作，人工智能会承担工作，但只有人类的联结，才能赋予事物意义。这也是我们今天相聚的原因。
十年之后，工作会彻底改变，世界会天翻地覆，但唯一不变的是，你今天与身边人建立的关系会一直延续。当你回望今天，最有价值的就是这些联结。所以我鼓励大家，和身边的人建立连接，享受这场人工智能峰会，坚守我们最本质的人性。
/END/
最近我们要组织一系列关于【AI、具身智能、半导体】闭门会议，有兴趣的同学，非常欢迎和我们多多交流，互相探讨，一起成长(华芯资本梁东健，VX：sinbaliang)。
