---
title: 100 年压缩到 100 天！红杉资本：这就是 AGI
source_url: https://mp.weixin.qq.com/s/umG3dBKjsPZByhn-APBsfg
publish_date: 2026-05-10
tags: [wechat, article, claude, openai, gpt, agent, harness, openclaw]
review_value: 7
review_confidence: 7
review_recommendation: neutral
sha256: 00891d746fb17800669fb40b0842d1f35f68dbada94bda568e842a34d426cb95
---
# 100 年压缩到 100 天！红杉资本：这就是 AGI
红杉资本的年度 AI 峰会 AI Ascent 上，三位合伙人站在台上，给出了一个判断：** 这，就是 AGI。 **
AI Ascent 2026 主题演讲 
需要注意的是，他们说的不是实验室里的 AGI，也不是跑分意义上的 AGI。他们指的是：从商业角度、从实际功能角度看，你派一个 Agent 去干活，它能从失败中恢复，能坚持到任务完成。
Pat Grady 的原话是：
> " 如果你能派一个 Agent 去执行一项工作，它能从失败中恢复，并坚持到任务完成，我不知道……这感觉就是 AGI 了。
他紧接着补了一句：「 我是学经济的，我们是风险投资人，不会去给 AGI 下技术定义。但我们研究创始人和市场，从商业角度来看，车已经到了。 」
01 
##  谁在说 
先介绍一下这三位合伙人。
AI Ascent 2026 演讲现场 
** Pat Grady  ** ，红杉资本联合掌门人，2025 年 11 月刚接替 Roelof Botha 成为红杉美国新一代领导人。2007 年加入红杉，主导了对 Snowflake、Zoom、HubSpot、Notion 的投资，后来又押注了 OpenAI、Harvey、Hugging Face 等 AI 公司。在他带领下，红杉募集了 70 亿美元的后期基金，重仓 AI。
** Sonya Huang  ** ，红杉资本合伙人，Princeton 经济学最优等毕业，辅修计算机和统计/机器学习。本科论文就在用神经网络做脑部扫描和天体物理数据的计算机视觉模型。2018 年加入红杉，主导了 OpenAI、Hugging Face、LangChain、Glean 等投资。她也是红杉 AI 播客 Training Data 的主持人。
** Konstantine Buhler  ** ，红杉资本合伙人，斯坦福三个学位（管理科学与工程学士、计算机科学硕士、MBA）。提出过「良性数据飞轮」和「随机性思维」等投资框架。他认为 AI Agent 经济体量将是云计算的十倍以上，达到数万亿美元规模。
这三人共同撰写了红杉那篇被广泛传播的「Generative AI 市场地图」，也是每年 AI Ascent 的核心策划人。
他们的判断和发言，不用多说，值得所有人一读。
02 
##  不是更快的马 
Pat Grady 开场先做了一轮「  校准  」。
AI 三大拐点  Sequoia AI Ascent 2026  BEGIN  三条 Scaling Law  三次范式跃迁  一个终局宣言  2022.11  01  预训练的力量  Scaling Law  #1  2024  02  o1  推理能力涌现  Scaling Law  #2  2026  03  $ claude  长时程 Agent  Scaling Law  #3  ERROR  RETRY OK  THIS IS AGI  THIS IS AGI  Sequoia AI Ascent宣言  按住 · 穿越 AI 时间线 → 
他拉出了一张科技浪潮叠加图：晶体管 → 系统 → 网络 → 互联网 → 社交媒体/云 → 移动设备 → AI。每一波浪潮都是叠加的，前面几十年的积累，为今天提供了算力、带宽、数据和人才。
但 AI 这波浪潮，和之前的都不一样。他给出了三个理由。
** 第一，这是有史以来最大的浪潮。 **
原因在于，AI 是第一个同时覆盖软件和服务的浪潮。云计算花了 15 年，把软件市场从 3500 亿美元撑到 6500 亿，其中云占了 4000 亿。
而 AI 正在打开的，是一个全新的服务市场。光美国法律服务就是 4000 亿美元的市场，一个垂直行业、一个国家，就和整个软件市场一样大。
软件vs服务市场 
** Agent 可触达的服务市场总量，大约在 10 万亿美元。 **
5 万亿也好，50 万亿也好，总之这个数字，和此前的软件市场完全不在一个量级。
** 第二，这是最快的浪潮。 **
达到 10 亿美元以上收入的公司，AI 时代的诞生速度远超云和移动时代。空白区域正在被迅速填满。
** 第三，也是最关键的：AI 是一场计算革命，而不是通信革命。 **
互联网、云、移动，都是关于信息如何分发的，本质上是通信革命。
AI 是关于信息如何被处理的，是计算革命。
这听起来像是在咬文嚼字，但 Pat 说，这两种革命的形态完全不同。最直观的感受是：** 脚下的地板每天都在动。 **
基础模型的能力每天都在变，你今天搭建的东西，明天可能就过时了。
过去几年有三个关键拐点：
2022 年 11 月，ChatGPT 让世界看到了预训练的力量。
几年后，o1 模型，推理能力涌现，推理时计算成为第二条 scaling law。
然后是最近的 Claude Code 和 Opus 4.5/4.7，** 世界看到了长时程 Agent 的力量。 **
** Pat 说，前两个拐点像是连续的进化，但第二和第三之间，有一个断裂式的跳变。 **
从快马到汽车 
而这个跳变的另一面，就是：** 过去几年我们拥有的是「更快的马」，让你提升 10% 到 40% 的效率，但不改变工作方式。 **
** 现在我们有了「车」，让你提升 10 倍到 40 倍，彻底改变你的工作方式和组织结构。 **
03 
##  MAD 
对于在基础模型之上做应用的创业者，Pat 给了一个框架，叫 MAD：Modes（护城河）、Affordance（可用性）、Diffusion（扩散）。
MAD框架 
** Modes（护城河） ** ：在计算革命中，有一个反直觉的点。你的本能是往下看，因为底层每天都有酷炫的新能力出来。但你应该往上看，看你的客户。
因为技术变化的速度远超客户变化的速度。你今天做的产品可能明天就过时了，但你和客户建立的关系，要持久得多。
** Affordance（可用性） ** ：这个词借自设计领域。锤子就是一个有 affordance 的东西，你给一个两岁小孩锤子，他知道该拿它干嘛（所以你不能给他锤子）。
Claude Code 的水平摆在那儿，但你让一个普通的世界 500 强员工打开终端……看看他能走多远吧。
这就是应用层创业者的机会：为特定客户、特定问题创造「最省力路径」，让他们不用思考就能得到结果。
** Diffusion（扩散差） ** ：基础模型的能力创造速度，远超这些能力扩散到市场的速度。每天模型跑得比企业快一步，这个差距就大一点，而这个差距就是你的机会。
最后，  Pat 引用了一句赛车界的话：
> " 晴天你超不了 15 辆车，但雨天可以。
现在，新能力正在下一场倾盆大雨。 **  **
** 没有任何领先优势是安全的，但这也意味着，任何人都有机会赢。 **
04 
##  Agent 终于能用了 
Sonya Huang 接棒，聊的是当下正在发生的事：Agent。
她先拉回 2022 年。还记得 AutoGPT 和 BabyAGI 吗？拿 GPT-3 配上工具，套个循环，让它朝目标跑。看着挺有希望的，直到你看着这些 Agent 一遍又一遍地失败。
> " 有点可爱，有点让人心疼，但完全没用。
问题在于，模型当时还没准备好。
到了今年年初，情况突然变了。Agent 到处都是，而且……它们居然真的能用了。
2022失败vs2026成功 
于是诞生了两个爆款产品：Claude Code 面向技术人群，OpenClaw（和它的「龙虾🦞」兄弟们）面向所有人。不管你是硬核工程师还是普通人，现在任何人都能创建 Agent。
Sonya 举了几个例子：有人做了一个 OpenClaw Agent，专门帮你举报邻居偷税（「请不要这么做……或者也请这么做」）。有人做了 Agent 来跑生成式营销活动卖建筑服务。
红杉内部也在比赛，看谁能做出最好的 Agent 来辅助自己的工作。
05 
##  Agent 三件套 
Sonya 给出了一个 Agent 的定义：** 感知环境、选择行动、自主地朝目标推进的系统。 **
拆开来看，Agent 有三个功能组件：
** 推理和规划能力 ** ，这是基线直觉和即时思考的能力。
** 执行行动的能力 ** ，工具、搜索、写代码、编译。
** 朝目标迭代的能力 ** ，这是持久性，让 Agent 能在长时间范围内完成任务。
这三样东西组合在一起，就是 agency，就是「把事情搞定」的能力。
Agent三件套 
而支撑这三个组件的，各自都在快速进步：
** 模型是大脑。 ** 衡量模型在复杂任务上能持续推进多久的指标，一年前是几十分钟，现在是几个小时。这是过去一年发生的最重要的事。
** 工具是手脚。 ** 终端、文件系统、iMessage、Slack、网页搜索、计算机操控……过去二十年为人类构建的工具，正在被 Agent 复用。有人说 SaaS 已死，Sonya 的看法恰恰相反：随着使用这些工具的 Agent 数量增加， ** 这些工具的价值会爆炸式增长。 **
** Harness 是韧性。 ** 保持在轨、适应变化、持续推进的能力。强化学习正在加速这个反馈循环，把 Agent 送进「驾校」训练。甚至已经出现了 self-improvement 的早期信号，Andre 的一个研究项目能在两小时内自主进化出 GPT-2 级别的模型。
06 
##  暗工厂 
Agent 的能力正在一个滑动光谱上，Sonya 以编程举例：
2023 年，Tab 自动补全。一个 AI 在你旁边逐行辅助，有一点用，但根本谈不上变革。
现在，Agentic 开发。你和一个 Agent 对话，指挥它干活，管理一个 Agent 团队。
再往前，后台 Agent、异步 Agent、Agent 生成子 Agent。Sonya 认为异步 Agent 的工作量很可能会超过当前的同步范式。
而最前沿的，她叫它 ** 「暗工厂」（Dark Factories） ** 。
从Tab补全到暗工厂 
完全去掉人类审查，全由 AI 自己来跑。听起来很是疯狂，但 Sonya 说她已经在生产环境中见过了，包括在网络安全公司。只要工程和防护做得够好，这是可行的。
07 
##  10 万亿美元 
对创业者来说，最重要的一句话是：** 服务就是新的软件。 **
在医疗领域，你可以雇一个 Agent 检查你的基因组，给你个性化的建议，开处方药，推荐临床试验。
在法律领域，Agent 可以代你谈判合同，甚至进行诉讼和调解。
在数学和科学领域，Agent 正在解决 Erdős 问题、发现新的超导体。
在消费领域，个人 Agent 管理你的邮箱、日历、财务、报税。
Agent服务四大领域 
为什么 Agent 会如此迅速地铺开呢？
因为经济账太清楚了：人类难以扩展，Agent 用算力就能无限扩展。人类需要薪水，Agent 消耗的是 token。人类需要管理、激励、留存，Agent 只需要维护。
目前人类在大多数事情上还是更聪明的，但 bitter lesson 不会停下来。
而当 Agent 数量呈指数甚至超指数增长时，世界会变得……有些超出想象了。Agent 之间的商业交易、互相谈判交易条款、Agent 群体巡逻网络安全。
Sonya 的原话是：
> " 我们唯一确定的是，世界正在以极快的速度变得古怪。
08 
##  100 天 = 100 年 
Sonya 的结尾部分给了几个压缩时间线的案例：
Zed 的 Nathan 用 Claude Code，一个人在假期里完成了一个三年的 moonshot 项目。
Brett Taylor 用一个周末重写了 Sierra。
Notion 团队在六周内重写了 800 万行代码。
时间压缩 
每个人都有类似的例子。
但 Sonya 说，大多数人还没见过的是：** 当你把这些被压缩的时间线一层层叠加起来，会发生什么。 **
> " 你能想象未来 100 年建造的东西，现在 100 天就能完成。
09 
##  认知革命 
Konstantine Buhler 接过来，讲的是更远的未来。
他先做了一个类比。人类的工作分两种： 体力劳动和脑力劳动。
体力劳动这边，我们已经经历过一次革命了。
几千年来，地球上几乎所有为人类服务的体力工作，都靠肌肉完成，人或者动物。然后水力、风力出现了，蒸汽机出现了，内燃机、电动机……
到 2026 年，** 地球上 99% 以上的体力劳动由机器完成。 ** 带你来这里的飞机，这个房间里所有物品的制造，所有的运输，都是机器在干。
Konstantine 说，** 脑力劳动正在走同一条路，只是我们还在更早的阶段。 **
体力革命vs脑力革命 
几千年来，地球上所有的思考都由人类完成，也许动物贡献了一点（牧羊犬赶羊算不算？），还有一小层机械计算（星盘、时钟）。
然后电子计算出现了。过去一百年，每时每刻都有数万亿次计算在为人类服务。
而神经网络，是下一个大浪。
** 在不远的将来，地球上 99.9% 的认知工作将由机器完成。 **
认知革命和工业革命走的是同一条路，只是规模更大，速度更快。
体力革命  脑力革命  =  远古时代  千年来靠肌肉  思考  千年来靠人脑  早期发明  水力 · 风力  机械计算  转折点  蒸汽机！  ……进展缓慢  加速时代  电机时代  电子计算  今天  99%+  体力劳动由机器完成  99.9%  认知工作将由AI完成  同一条路  只是更大，更快  按住 · 看两场革命 →  10 
##  铝的故事 
Konstantine 讲了四个故事来描绘这个未来的轮廓。
第一个，关于铝。
19 世纪中叶，美国要为华盛顿建一座纪念碑，设计了当时世界上最高的建筑。碑顶要用当时世界上最珍贵的金属来封顶，100 盎司，还在纽约蒂芙尼珠宝店展出过。
那个金属，是铝。
几十年后，一个年轻发明家搞出了电解法，能从泥土里分离铝。又过了几十年，铝被拿来包糖果、裹三明治，然后扔进垃圾桶。
Konstantine 说，** 智能，就是这个时代的铝。 ** 它现在还很珍贵，一个人要花几十年才能锻造出博士级的专业能力。 **  **
** 而 AI，就是电解法。 **
铝：从珍宝到垃圾 
一旦它跑起来，那些曾经稀缺的认知能力，就会像铝一样被大量生产、随取随用，用完揉成一团，丢进垃圾桶。
11 
##  外星设计 
第二个故事，关于外星设计。
2006 年，NASA 在为一个大型卫星任务优化天线。传统天线长这样：  漂亮、对称、几何感十足，人类直觉能理解的设计  。
这次他们把设计交给了计算机，用了一种类似强化学习的进化算法。
结果出来的天线，完全不像人类会设计的东西。性能大幅提升，但对人类直觉来说……
完全看不懂。
人类设计vs AI设计 
Konstantine 说，当 AI 来设计芯片、汽车、建筑的时候，它们可能长得和我们习惯的完全不一样。
** 我们需要保持开放心态，因为，AI 不会像我们一样思考。 **
12 
##  新科学诞生 
第三个故事，关于新科学。
工业革命早期，Newcomen、Watt 这些伟大的工程师完善了蒸汽机。往活塞里灌石化燃料，点火，亿万粒子爆炸，推动活塞，做功。将近一百年的时间里，这一切都是靠工匠式的反复调试。
120 年后，Sadi Carnot 出现了，把这些经验形式化为一门新的科学：** 热力学。 **
从调试到科学 
现在 AI 的状态，就是那个「调试期」。数十亿个神经元，数万亿个 token，就算我们觉得已经理解了，其实并没有。
Konstantine 的判断是：在未来几十年内，会有一门和热力学一样基础的新科学被创立出来。这门科学会被写进高中教科书，帮助我们真正掌握 AI，甚至帮助我们理解意识。
** 创建这门科学的人，也许就在这个房间里，也许正在读这篇文章。 **
13 
##  非理性的艺术 
第四个故事，关于艺术。
两万五千年的人类艺术史，是一部朝着写实方向进化的历史。从洞穴壁画，到埃及象形文字，到希腊陶器，到文艺复兴油画。几万年的努力，只为把现实画得更像。
从写实到抽象 
然后摄影术来了。机器能比任何人类画得更「真」。所有人都以为绘画完了。
** 结果呢？ **
人类的回应是：绘画的目的，是用眼睛看到的方式捕捉瞬间，还是用心灵和灵魂看到的方式？
于是有了印象派、表现主义、立体主义、新表现主义。
Konstantine 引用了 2500 年前古希腊哲学家普罗泰戈拉的话：「 人是万物的尺度。 」
铝也好，艺术也好，智能也好，在真空中都没有价值。
** AI 可以做工作，AI 会做工作。但只有人与人的连接，才能给你一个在乎的理由。 **
十年后，工作会变得面目全非。
但今天你和身边的人建立的关系，则会一直留下来。
◇ ◆ ◇ 
相关链接：
•  视频原链接：https://www.youtube.com/watch?v=LRo33rnv6rQ 
•  Sequoia Capital YouTube 频道：https://www.youtube.com/@sequoiacapital