昨日，有「製藥界Space X」之稱的$劑泰科技-P (07666.HK)$正式在港交所掛牌上市，成爲「全球AI藥物遞送第一股」，也是「港股AI大分子生物製藥第一股」。今日，劑泰科技再漲近15%，最新市值達313億港元。 至此，$晶泰控股 (02228.HK)$、$英矽智能 (03696.HK)$與劑泰科技組成的「AI製藥三小龍」全部集結港交所，前兩家公司已分別於2024年6月和2025年12月在港股上市。 據劑泰科技披露的資料顯示，此次IPO共計全球發行2.01億股，每股最終發售價爲10.5港元，募資總額爲21.12億港元，創下2026年迄今港股醫療健康IPO募資之最。 本次IPO募集所得淨額的五成將投向 AI 基礎設施及 AI 奈米材料平台核心技術研發，兩成用於推進自研管線臨床試驗；剩餘部分分別佈局動物健康與抗衰老賽道、搭建全球 AI 奈米材料產業生態，其餘資金補充日常運營及一般企業用途。

編者按：本文內容整理自紅杉資本（Sequoia Capital）AI Ascent 2026 大會的主旨開場演講（Keynote）。這場大會只對全美最頂級的 AI 創業者、技術 leader、投資人開放，OpenAI 總裁 Greg Brockman 、AI 大神 Karpathy 等矽谷大佬也在同一場大會上做了分享。 發表這場主旨演講的是紅杉資本三位重量級合夥人： Pat Grady——紅杉合夥人，他主導投資了 Snowflake、ServiceNow、Zoom、HubSpot、Notion 等公司，被認為是當今矽谷「最懂軟體商業模式」的人之一。 Sonya Huang（黃宋儀）——紅杉 AI 投資主管合夥人，她在 2022 年寫出的《生成式 AI 第一幕》系列文章，是全球 AI 投資人公認的「這個時代最重要的認知地圖」。

在科技發展的宏大敘事中，我們正站在一個足以媲美工業革命的十字路口。近日，在備受矚目的紅杉資本“人工智慧巔峰”行業峰會上，紅杉資本的核心合夥人們與矽谷的頂尖創業者和技術專家齊聚一堂，共同探討這場正在重塑世界秩序的變革。本次會議揭示了一個核心共識：我們正從單純的“軟體時代”邁向全方位的“智能體時代”。會議深入探討了 AI 浪潮的獨特性，指出它是一場計算革命而非單純的通訊革命。核心議題圍繞“智能體（Agents）”作為新一代服務的崛起展開，提出了 MADS 戰略框架（護城河、可供性、擴散），並展望了未來機器將完成 99.9% 認知工作的圖景。儘管技術將重塑勞動力和生產力，但會議強調，人與人之間的聯結仍是價值的終極來源。核心觀點計算革命與 AGI：AI 是關於資訊處理的計算革命，不同於以往的通訊革命。長周期智能體的出現標誌著商業意義上 AGI 的降臨。MADS 框架：在模型之上建構競爭力的三要素——以客戶為中心的護城河（Moats）、降低使用門檻的可供性（Affordance）以及填補能力落差的擴散（Diffusion）。智能體即服務：軟體正在向服務演進，智能體將以極低的邊際成本實現無限規模化的專業服務（醫療、法律、開發等）。認知工業革命：認知工作將重演工業革命的歷程，未來絕大部分認知勞動將由機器完成，世界將進入“異類設計”和新科學發現的時代。人工智慧是一場關於資訊處理的計算革命，而非單純改變分發方式的通訊革命。軟體正在向服務演化，智能體將以極低的邊際成本，實現規模化的法律、醫療等專業服務。長期非同步智能體的成熟，標誌著商業意義上的通用人工智慧（AGI）已經降臨。護城河不再僅僅源於技術能力，而在於與客戶需求的深度繫結及阻力最小的使用路徑。未來99.9%的認知勞動將由機器完成，世界將進入“異類設計”與新科學發現的爆發期。當機器承攬了所有工作，人與人之間的聯結與情感體驗將成為價值的終極來源。不僅僅是更快的馬：計算革命的本質回顧科技史，從矽基電晶體到移動網際網路，每一波浪潮都在為今日的爆發積蓄動能。然而，當前的人工智慧浪潮與以往有著本質的差異。“這波浪潮是首個兼具軟體與服務屬性的變革，” 紅杉資本的合夥人在開場中指出，雲轉型的前十五年將軟體市場推向了數千億美元的規模，但人工智慧所觸及的是價值十兆美元的服務市場。僅在美國，法律服務的市場規模就足以等同於整個軟體行業。更深刻的差異在於技術本質。網際網路、雲技術和移動端本質上是“通訊革命”，旨在改變資訊的傳播與分發。而人工智慧則是一場“計算革命”，它關乎資訊是如何被處理和重塑的。這種底層邏輯的轉變意味著，我們不僅是在製造“更快的馬”——即提升10%或40%效率的生產力工具，而是在製造“汽車”——那些能徹底改變工作本質、組織形態乃至社會運行規則的顛覆性應用。商業通用人工智慧的降臨：從自動化到自主化在過去兩年中，技術轉折點接踵而至。從預訓練模型的震撼問世，到推理能力的大幅躍升，再到如今能夠處理長周期任務的智能體崛起。雖然學術界對通用人工智慧（AGI）的定義仍有爭論，但從商業和實踐的角度看，變革已經發生。“如果你能指派一個智能體去完成一項工作，並且它能在遇到故障後自我修復並持續工作直到任務完成，這就是商業意義上的通用人工智慧。”智能體不再是簡單的程式碼行間輔助，它們正演變為能夠感知環境、選擇行動並自主達成目標的複雜系統。從程式碼編寫到建築服務銷售，從內部辦公流程到複雜的科研任務，智能體的表現已經從“分鐘級”的持續性跨越到了“小時級”甚至更長。這種“把事情辦成的能力”，正在將人類從繁瑣的流程中解放出來，轉向更高層級的戰略管理。策略框架：在基礎模型之上建構護城河對於在基礎模型之上進行創新的初創企業而言，如何在技術快速演進的洪流中站穩腳跟？峰會提出了一個關鍵的戰略框架，即由護城河、可供性與擴散組成的競爭力支柱。首先是護城河。在計算革命中，底層技術的變化日新月異，但客戶的需求往往保持穩定。“為了建構護城河，你實際上應該關注客戶需求，因為你所建構的技術在明天可能就會變得無關緊要，而你以客戶為核心的緊密程度則會更加持久。” 其次是可供性，即為客戶創造阻力最小的路徑。優秀的智能體產品應該像錘子一樣，無需解釋，使用者一看便知如何使用。最後是利用技術能力與市場落地之間的“擴散鴻溝”，這正是應用層公司的巨大機遇所在。服務即軟體：重塑十兆美元的產業版圖“服務即新一代軟體。” 這一判斷預示著傳統軟體行業的終結與服務業的智能化重生。在醫學領域，智能體可以根據個體的基因組提供個性化建議；在法律領域，它們能代表客戶進行合同談判甚至法律訴訟。相比於人類員工，智能體具備無限的規模化潛力與極低的邊際成本。“人類難以實現規模化，且成本高昂；而智能體可以通過算力實現無限擴張，且你只需要支付令牌成本，而非薪水。” 儘管人類目前在適應力上仍具優勢，但隨著“苦澀的教訓”——即算力終將戰勝人類經驗的規律持續發生作用，智能體在專業領域的表現將很快超越普通人類。一個由非同步智能體自主運行、甚至機器製造機器的“黑燈工廠”時代正在加速到來。認知的工業革命：走向機器主導的創造力時代如果我們把工作分為體力與認知兩類，那麼人類已經完成了體力的工業革命。今天，全球超過99%的體力勞動由機器完成。而現在，認知領域正在重演這一處理程序。“我們相信，在不久的將來，地球上99.9%的認知工作將由機器完成。”這一轉變將帶來三個深刻的影響：第一，智能將成為像鋁一樣的廉價商品。曾經珍貴如珠寶的鋁，在電解法發明後變成了隨手可丟的包裝材料；曾經需要數十年磨練的博士級技能，未來可能只需呼叫一次令牌即可獲得，用完即棄。第二，世界將進入“異類設計”階段。機器的邏輯不同於人類直覺，當人工智慧設計晶片或建築時，會產生效率極高但外觀怪異的作品，我們必須保持開放心態。第三，人工智慧將催生出如熱力學般基礎的新科學，將神經元與令牌的運作系統化、公式化，幫助人類最終掌握意識的奧秘。人是萬物的尺度：在技術洪流中守望人性價值當機器可以處理所有認知任務，甚至能比人類更好地進行藝術創作時，人類的價值何在？峰會引述了古希臘哲學家普羅泰戈拉的名言：“人是萬物的尺度。” 任何脫離了人類體驗的事物，其價值都將不復存在。就像攝影技術的出現並沒有終結繪畫，反而催生了印象派與表現主義一樣，人工智慧的普及將逼問我們藝術與工作的本質。“人工智慧可以完成工作，但唯有人與人之間的聯結，才能讓你找到在乎的理由。” 在這個技術指數級增長的時代，那些讓我們之所以為人的特質——情感、關係與共同的體驗，反而成為了最稀缺、最珍貴的資產。十年之後，工作方式或許會翻天覆地，但那些在變革中建立的人際紐帶，將是我們在人工智慧巔峰之上最持久的收穫。天空之城全文整理圖解宏觀校準：AI 浪潮的獨特性Pat Grady： 大家早上好，你們過得怎麼樣？很好，很好，感覺好多了。嘿，感謝大家來到這裡。我們對此深表感謝。我們這樣做是為了回饋社區，因為我們正處在一個重要的時代，能夠為大家提供一個相聚的場所，這對我們來說是一種榮幸。這是我們迄今為止制定的最棒的議程，也是我們見過最優秀的參會者陣容。所以，我們首先想說的是，謝謝大家。我們知道你們都忙得不可開交。感謝你們今天能出席。像往常一樣，我們準備了一份非常特別的議程，索尼婭，穿著無可挑剔的服裝，康斯坦丁和我將先講幾句開場白。我們有幸參與了許多與各界有趣人士的對話，因此每年我們都希望嘗試將其進行一定程度的整合，並將我們所聽到的內容分享給你們。所以，我會先做幾句整體性的校準說明，然後由索尼婭談談我們當下的所見，接著由康斯坦丁談談我們對未來的展望。在校準部分，我們先從宏觀視角切入，回到矽基電晶體的時代，正是它賦予了該領域名稱，隨後這些電晶體被建構成由網路連線的系統，並以網際網路的形式走向大眾，支援了諸如雲端社交媒體等應用，最終以移動裝置的形式出現在我們的口袋裡，而這些裝置在今天所能實現的功能與魔法無異，那就是 AI。我們喜歡展示這張幻燈片，以前來過這裡的人應該都見過，是因為它提醒我們，所有這些浪潮都是相輔相成、不斷疊加的。我們似乎經歷了數十年的演進，才積攢了足夠的算力、頻寬、資料和人才，從而把握住當下的這個時刻。現在，這股 AI 浪潮有些不同。體現在三個方面。Sonya Huang： 首先，這是迄今為止規模最大的一波浪潮。Pat Grady： 這通常是事實，但這波浪潮有著更具體的獨特性，即它是首個兼具軟體與服務屬性的浪潮。第一行展示了雲轉型的前15年，期間軟體的市場規模（TAM）從約3500億增長到6500億，而云服務在其中佔據了約4000億的市場份額。第二行所展示的是全新的內容。這指的是目前似乎同樣可獲取的服務收入。10兆是一個相當整齊的整數。我們無法確定最終規模是10兆、5兆還是50兆。但我們確實知道，僅在美國，法律服務就是一個4000億美元的市場。這僅僅是一個垂直領域和一個地理區域。其規模就已等同於整個軟體行業。因此，這一機遇是巨大的。第二點。這是迄今為止最快的一波浪潮。我想我們都能感受到這一點。這意味著這片空白區域——請大家關注頁面上 AI 這一側——正在被迅速填補。這些圖示所代表的公司，正是得益於雲端運算、移動端以及現在的 AI 技術變革，才實現了超過 10 億美元的營收。Konstantine Buhler： 按照目前的處理程序和速度，未來還會有更多公司加入其中。計算革命與商業 AGIPat Grady： 第三點。這可能是最有趣的一點，我借用了我的合夥人康斯坦丁的觀點，即技術革命基本分為兩種類型。一種是通訊革命，旨在改變資訊的傳播方式。在座的大多數人所經歷的，僅僅是通訊革命。網際網路、雲技術、移動裝置，這些本質上都屬於資訊分發。這些是通訊領域的革命。AI 則有所不同。AI 屬於這一類。AI 是一場計算革命。它關乎資訊是如何被處理的。這聽起來可能只是語義上的區別，但它們在波形本質上截然不同。或許最直觀的感受方式是意識到：腳下的地基一直在移動。隨著新功能的不斷湧現，每個人所建構的底層技術基礎也在日新月異地變化。在過去的幾年裡，我們經歷了三個主要的轉折點。第一個是 ChatGPT 時刻。2022 年 11 月，世界見證了預訓練的強大能力。第二個是幾年後的 o1 模型，即推理能力。突然之間，圍繞推理時間計算的第二條縮放定律出現了。第三個是最近出現的 Claude Code Opus 4.5 ，現在是 4.7。世界見證了長周期智能體的強大能力。雖然這看起來像是連續體上的三個點，但第二和第三個轉折點之間存在某種程度上的斷層。這是一種非連續性的變化。如果不揣冒昧地說，我們認為這就是 AGI。而且，我可是學經濟學專業的。我們是風險投資人，不會去提出關於 AGI 的技術定義。好嗎？我們研究創始人、市場以及兩者的碰撞，也就是商業。但我們確實在研究商業。因此，從商業角度、實踐角度以及功能角度來看，如果你能指派一個智能體去完成一項工作，並且它能在遇到故障後自我修復並持續工作直到任務完成，這就是商業意義上的通用人工智慧。即使你認為那不是 AGI，也沒關係，順便說一下，索尼婭會在她的部分詳細討論這一點。即使你認為那不是 AGI，我也不認為那是 AGI，但我認為我們都能看出汽車已經到來了。過去幾年裡，我們見過了很多更快的馬。那些讓你生產力提升 10% 或 40%，卻並沒有從根本上改變你工作方式的應用程式。現在我們開始看到汽車了。那些讓你生產力提升 10 倍或 40 倍，並徹底改變你工作方式、工作本質以及組織本質的應用程式。汽車時代已經來臨。這是 Sequoia 的創始人 Don Valentine，他以愛問一個問題而聞名：那又怎樣？為什麼這一切如此重要？之所以重要，是因為就在過去幾個月裡，這場競賽已經開始了。而且這與我們習慣的競賽截然不同。駕駛汽車的方式與騎馬的方式是不同的。製造汽車的方式與照料馬匹的方式也是不同的。所以，這是一種非常不同的競賽。我們今天想把大家召集到這裡的原因之一，是因為沒有人擁有所有的答案。我們在一起交流的時間越多，就能學到越多，並有望弄清楚這一切將走向何方。建構策略：MADS 框架Pat Grady： 我們務必盡快採取行動，因為僅從商業角度來看，這關乎巨大的利益。市場規模高達 10 兆美元。我們有實驗室正從技術驅動的角度開展研究。我們也有初創公司正在以客戶需求為導向進行開發。雖然在座各位代表了所有相關實驗室，但你們大多數人是在現有基礎上進行建構。所以我們花一點時間，來討論那種以客戶需求為導向的方法。對於那些在現有實驗室基礎上進行建構的人，我們有些建議——既然是免費建議，那它就值你們付出的每一分錢——我們的建議是去參考 MADS。其實我們並不需要你們感到憤怒（Mad）。如果你們願意，當然也可以感到憤怒。如果那是驅動你們的動力，那也挺好的。儘管生氣吧。但這只是一個方便的縮寫，指代可供性（Affordance）、護城河（Moats）與擴散（Diffusion），這是在模型之上建構策略的三個特徵或三大支柱。首先談談護城河，純粹為了好玩。有人記得去年的這張幻燈片嗎？有一位，他還是我的合夥人。好的，那很酷。提醒一下，這張幻燈片展示了商品化周期，即從創意到實現客戶滿意所需經歷的價值鏈環節。我們實際上不會逐一去過這些價值鏈環節。我想在這裡指出的是，如果你從技術的角度出發，價值鏈中的每一個環節都會以略有不同的方式被處理。如果你從客戶的角度出發，那麼你在鏈條中所接觸的每一個環節都會略有不同。現在，這裡有一個違反直覺的部分。在這一場關於資訊處理的計算革命中，你往往會想要關注下方這些領域，因為那裡不斷湧現出各種酷炫的新事物。但為了建構護城河，你實際上應該關注上方這些領域。因為你的客戶需求變化速度遠不及技術能力演進的速度。你所建構的東西在明天可能就會變得無關緊要。而你以客戶為核心的緊密程度，則會更加持久。這並不是說產品和技術不重要。它們極其重要。且通常情況下，最好的產品會勝出。但在一個產品迭代極快、能力演進也極快的世界裡，當思考商業護城河時，我們建議你儘可能從客戶的角度出發，思考所有能夠圍繞這些客戶建立緊密聯絡的方式。好的，MADS 中的 A 代表的是 Affordance（可供性）。這是一個我們從設計領域借用的術語。錘子就是一個具有可供性的物體。我有一個兩歲的兒子。如果我給他一把錘子，他就會知道該怎麼用。他會抓起錘子開始敲打東西。這就是我們不給他錘子的原因。具有可供性的物體是不需要解釋的。人們一看就知道該怎麼用它。Claude code 極其強大。去讓一名普通的財富 500 強企業員工打開終端試試，看看他們能走多遠。雖然它很強大，但提供的功能可供性並不多。這並非是對 Anthropic 的批評，但對於任何希望在現有基礎上進行建構的人來說，這是一個機會。你可以為特定客戶及其具體問題創造阻力最小的路徑，讓他們能極其簡單地達成業務所需的結果。這就是可供性的概念。最後，MADS 中的 D 指的是擴散（Diffusion）。擴散鴻溝正是那些在應用層進行開發的公司所面臨的機會。技術能力向市場擴散的速度，遠低於這些能力被創造出來的速度。基礎模型的演進速度每天都在超越普通的財富 500 強企業，這一鴻溝正在不斷擴大，機會也隨之增長。因此，對於護城河（Moats）而言，請嘗試以客戶需求為導向進行思考。關於可供性（Affordance），試著思考如何為你的客戶創造阻力最小的路徑。而那個擴散鴻溝，正是你所擁有的機遇。除非早先那張空白區域逐漸被填滿的幻燈片讓在座的各位感到沮喪，那麼我們需要提醒你們的是，沒有任何領先是絕對穩固的。賽車界有這樣一句話：你無法在晴天超越15輛車，但你可以在雨天超越15輛車。而現在，基礎模型正湧現出如傾盆大雨般的新功能，這意味著沒有任何領先是絕對穩固的，但也意味著任何人都有機會勝出。這是一個多麼偉大的時代。接下來，我將把它交給索尼婭。智能體時代：服務即新一代軟體Sonya Huang： 我可以再說一句嗎？在觀眾席中看到這麼多友好的面孔真是太好了。今天在場的各位都是卓越非凡的人。能與大家共同置身於這個生態系統中，我感到非常高興。我這一部分的內容旨在探討人工智慧當下的發展，對於2026年而言，核心就是智能體。好，讓我們回溯到2022年。請舉手示意。這裡有人記得 Auto GPT 或 Baby AGI 嗎？好的。好的，明白了。這些項目在 GitHub 上一夜爆紅。它們的操作方式是呼叫 GPT3，為其配置一些工具，封裝在循環中，並讓它朝著目標運行。起初看起來很有前景，直到你看到那些智能體一次又一次地失敗。雖然看著挺可愛、挺招人喜歡的，但實際上完全沒用。Pat Grady： 我放這張幻燈片是為了提醒大家，我們其實早就預見到智能體時代的到來。Sonya Huang： 我們本可以在幾年前就預見這一切。但回到2022年，當時的模型確實還沒準備好。Pat Grady： 時間快進到今天，從年初開始，情況確實發生了質的變化。Sonya Huang： 突然之間，智能體遍地開花，而且它們似乎真的能夠投入實際運作了。其中有兩個智能體表現尤為突出：面向技術人群的 Claude Code，以及讓任何擁有手機的人都能使用智能體的 OpenClaw 及其所有龍蝦系列衍生產品。所以，無論你是硬核工程師還是普通使用者，現在的重點在於，人人皆可建立智能體。我們現在看到人們正在為各種用途建構智能體。甚至還有一些荒唐的例子，比如有的 open-call 智能體會專門去舉報鄰居的稅務欺詐行為。請不要這樣做。或者實際上，也許請這樣做。還有創業相關的事情。運行生成式媒體活動來銷售建築服務的 Agent。然後還有一個專業層面。我可以告訴你，在 Sequoia 內部存在一場巨大的競賽，看誰能建構出最好的 Agent 來更好地完成我們的工作。那麼，成為一個 Agent 意味著什麼？這裡有一個可能的定義。Agent 是一個系統。它感知其環境，選擇行動，並自主地朝著一個目標前進。順便說一下，我想這是我自己用 C-dance 製作的。我對此感到非常自豪。視訊模型已經取得了長足的進步。更具體地說，我認為智能體具有三個功能元件。首先是推理和規劃的能力。這是直覺的基準水平以及即時思考的能力。其次是採取行動的能力。這包括使用工具、搜尋、編寫和編譯。最後是朝著目標不斷迭代的能力。這正是賦予智能體在長周期內完成任務能力的持久性。因此，代理（agency）結合了這三樣東西。簡而言之，就是把事情辦成的能力。如果我們把代理拆解為模型、工具和協作框架（harnesses）這些組成部分，過去一年裡每個部分都在飛速進步。首先，模型即大腦。這是目前發生的最重要的事情。衡量指標圖表測量的是模型在執行複雜任務時，能夠持續推進而不偏離軌道的時間長度。我們已經從一年前的十分鐘量級發展到了今天的數小時量級。所以，這是目前發生的最重要的事情。模型終於變得足夠強大，能夠維持長周期任務的性能表現。其次，工具即手腳。這些賦予了模型訪問各種能提升我們電腦生產力工具的能力，例如用於檔案系統和開發工具的終端、iMessage、Slack、網頁搜尋、電腦使用等等，應有盡有。過去二十年間我們為人類打造的各種工具，最終也能夠轉化為對智能體而言極其有用的資源。有一種普遍的論調認為 SaaS 已死。但我認為恰恰相反，隨著使用這些工具的智能體數量增加，其價值將會爆發式增長。增加。模型和工具賦予了智能體執行能力。而控制框架（harness）則賦予了它們持久性。即保持任務專注、進行調整併持續運行的能力。這一反饋回路現在確實開始加速運轉了。特別是在有了強化學習之後，我們正在對這些智能體進行“駕駛學校”式的訓練，也就是在 RL gyms 中訓練它們。Pat Grady： 我們正在不同領域推動性能的提升，從機械工程到設計，旨在尋找突破。我們同時也看到了自我改進的初步曙光，即機器製造機器。Sonya Huang： 例如，Andrej 的另一個研究項目在短短兩小時內自主提升研究能力，達到了 GPT2 等級模型的水平。那麼，一個到處都是智能體的世界會是什麼樣子？智能體的存在處於一個智能程度的滑動量表上，讓我們以程式設計為例。在 2023 年，我們擁有了標籤頁自動補全功能。這是一種 AI 在行間輔助人類的方式。Pat Grady： 這種方式雖然在增量上有所助益，但從根本上說並不具備變革性。Sonya Huang： 我們現在擁有了智能體開發，即一個人與一個智能體對話，指導它做什麼，或許還能管理一個智能體團隊。但這種範式正在被進一步推進。我們現在看到了後台智能體、非同步智能體以及能夠衍生出子智能體的智能體。我們認為，在這種整體範式下，非同步智能體極有可能在規模上超越當前範式，這僅僅是因為該系統所能提供的槓桿效應。Pat Grady： 最後，在推進前沿尖端領域方面，即我所說的“黑燈工廠”，將人類審查徹底從系統中剝離。Sonya Huang： 這聽起來很瘋狂，但我已經在生產環境中見過這種情況，包括在網路安全公司中。只要具備足夠可靠的護欄機制和足夠優秀的工程能力，這是完全可能的。因此，我們正在智能體化的處理程序中不斷攀升。智能體正從在你身邊提供微小協助的助手，進化為需要管理的實習生，進而轉變為能夠自我管理的實習生，最終演變為值得信賴、無需監督即可部署到生產環境的實習生。這就是正在發生的演進，不僅是在程式碼編寫領域，而是覆蓋了所有智能體應用。對於在座的創始人而言，最重要的啟示是：服務即新一代軟體。帕特在我認識他以來一直強調這一點，我們的合夥人 Julian（他今天也在觀眾席中）也發表過一篇關於此話題的優秀文章。我們對此早已知曉，但我認為這一趨勢正在真正地成為現實。在醫學領域，你可以聘請一個尊重你的基因組、為你提供個性化建議、能夠為你開具處方藥物並推薦臨床試驗的智能體。在法律領域，你將能夠聘請能夠代表你協商合同，甚至進行訴訟並為你達成和解的智能體。在數學和科學領域，我們正看到能夠解決這些問題或發現新型超導體的智能體。這難道不令人振奮嗎？或者在消費領域，那些可以為你管理收件箱、日程表、財務狀況以及申報稅務的個人智能體。我們預計未來智能體將無處不在。這在一定程度上是因為聘請智能體比僱傭員工要容易得多。人類難以實現規模化。而智能體可以通過算力實現無限規模化。讓員工保持滿意度是一件困難的事。除了我以外，我總是很快樂。Agents 的維護成本很低。人類的成本很高。你需要支付他們薪水。你需要支付 Agents tokens。通常情況下，用 tokens 完成任務的成本要低於支付等值的薪水。現階段，人類通常仍然更聰明。但 bitter lesson 的影響持續存在，很快 Agents 在許多方面就會變得更聰明。因此，這張幻燈片的重點並不是說我們人類要失業了。我認為適應力是人類獨有的特質。但我們預計智能體在應用層的部署將會迅速進行，且規模增長速度前所未有，因為其經濟效益顯而易見，且具備固有的可擴展性。綜上所述，智能體的數量正以某種指數級，或許是超指數級的速度激增。當商業活動在智能體之間展開時會發生什麼？它們可以互相支付嗎？當智能體能夠自行協商交易條款時，會發生什麼？未來是否會出現成群結隊的智能體來監管我們，以防範網路安全威脅或 Megadon 之類的事件？我們只知道這個世界正在極速變得詭異。最後，我想借用 Bene Gesserit 的心境來結束此次發言。Long Horizon 智能體已經到來。它們所處的曲線，非常清晰。對於創始人而言，我想每個人都有看到人們借助 AI 在極短時間內完成艱巨任務的案例。例如，來自 Z'd 的 Nathan 在假期期間獨自一人利用 Claude 完成了一個原本需要三年的登月級項目。Brett Taylor 用一個周末的時間重建了 Sierra。Notion 團隊僅用了六周時間就重寫了 800 萬行程式碼。因此，每個人都有這些時間線被壓縮的例子。但我認為，在 AGI 實驗室之外，很少有人真正見識過會發生什麼。當你將這些被壓縮的時間線進行疊加時。而這正是現在所能實現的。所以，無論你想像中未來一百年能建構出什麼，我們認為借助智能體，現在一百天內就能實現。接下來我將交給康斯坦丁。未來展望：認知的工業革命Konstantine Buhler： 謝謝你，索尼婭。好的，非常感謝索尼婭和帕特帶來的精彩概述與分析。在這一部分，我們將簡要探討接下來的發展方向。我們的目標是，因為我們都知道自己正處於 AI 時代。它將會是什麼樣子？它將會帶來怎樣的體驗？它的特徵是什麼？在演示的前半部分，帕特將技術革命分為計算和通訊兩個維度。我們在這裡將工作類型再進行一次劃分。一種是體力工作。這可以是 Pony Express 上的包裹，也可以是 Falcon 9 運載的衛星。工作等於力乘以位移，即物理位移。接下來是認知工作。例如 Pythagoras 提出該定理。例如 DeepMind 解決蛋白質折疊問題。有意識的思考。這些是非常不同類型的工作。但我們相信它們將遵循非常相似的變革模式。那麼讓我們談談體力工作，因為我們已經經歷過工業革命帶來的變革。Pat Grady： 在人類歷史的絕大部分時間裡，世界上所有的工作，或者說幾乎所有服務於人類的工作，都是由某種肌肉力量完成的。Konstantine Buhler： 依靠人或動物。靠人去搬運東西，或者靠動物牽引人類前行。這一切始於1700年，但其淵源可追溯至幾千年前。隨後，局面開始發生轉變。水力和風力。蒸汽機。此後，處理程序開始加速。蒸汽機。內燃機、電動機。時至2026年，可以估算得出，地球上超過99%的人類體力勞動已由機器完成。將你帶到此處的飛機、房間內所有物品的製造，以及支撐你此刻所體驗的人類巔峰生活的各項運輸保障。我們認為認知的演進也將經歷類似的歷程。我們只是處於一個較早的階段。在人類歷史的大部分時間裡，地球上所有的人類思考主要都是由人類完成的，或許還有一點來自動物，比如牧羊犬驅趕羊群。在機械勞動之上，曾存在過一小部分輔助工具，例如星盤或時鐘。Pat Grady： 現在，在過去幾百年裡，進展其實並不大。直到電子計算出現。Konstantine Buhler： 而在過去一百年裡，試想一下，此時此刻為了服務你這樣的人類，正在進行著數以兆計的計算。所有這些工作，所有這些正在發生的認知工作，都是為了在任何時刻服務於我們。數以兆計的計算。我們相信 neural network 是下一個大浪潮，並且在不久的將來，地球上 99.9% 的認知工作將由機器完成。這種類比非常鮮明，好消息是我們已經經歷過這樣一場革命。認知革命將與工業革命非常相似，只是規模要大得多，速度也快得多。那麼，生活在這樣的未來會是什麼樣子？我想以四個短篇故事的形式，分享對這個未來的一些思考動因。四個故事：智能、設計、科學與藝術Konstantine Buhler： 第一個故事。19世紀中葉，美國想要為首任總統及最偉大的戰爭英雄 George Washington 建造一座宏偉的紀念碑。因此，我們設計了當時世界上最高的建築——Washington National Monument，並且我們想要用世界上最珍貴的金屬來裝飾其頂端。當時 100 盎司的這種金屬是世界上最珍貴的，珍貴到我們甚至將其放在 Manhattan 的 Tiffany's 進行展覽。那種金屬就是鋁。在 Washington National Monument 竣工後的幾十年裡，一位年輕的發明家發明了電解法，即從泥土中分離出鋁的工藝。此後不久，鋁便被用來包裝糖果和三明治，然後被扔進垃圾桶。Pat Grady： 鋁就是智能。電解法就是人工智慧。Konstantine Buhler： 我們即將進入這樣一個世界：一些耗費數十年光陰練就的、達到博士水平的寶貴技能，在呼叫後轉瞬即逝，用完即可將其揉作一團直接扔進垃圾桶。第二個故事，我們正在進入一個異類設計的世界。我們今天所見的世界，其核心邏輯皆是為了人類而設計。眾所周知，這種設計經過了最佳化，使之符合我們的大腦邏輯，因為世界上幾乎所有的認知活動都是由我們完成的。然而，當認知活動由機器來完成時，情況將會大不相同。2006年，NASA 正在為一項大型航天任務，即衛星太空任務最佳化天線。傳統上，他們的天線看起來是這樣的。那是一種優美的幾何對稱圖案，在一定的功率限制下最佳化了表面積。這一次，他們決定將任務交給電腦，並使用一種類似於強化學習的進化演算法。Pat Grady： 結果就是眼前的這個天線。生產力顯著提高，且不符合人類的直覺思維。Konstantine Buhler： 在這個 AI 時代，當我們把認知任務交給機器時，我們將得到的結果是不符合我們直覺的。Pat Grady： 當 AI 設計晶片、汽車和建築物時，它們看起來可能會大相逕庭。Konstantine Buhler： 對於我們即將進入的世界，必須保持開放的心態，因為 AI 的思維方式與我們不同。它將具備異類的設計風格。第三個動力學故事關於新興科學。並非新興科學。我們都知道存在新興科學。我所說的是新興科學領域。在工業革命初期，湧現了像 Newcomen 和 Watt 這樣偉大的工程師，他們完善了內燃機。簡單來說，就是把石油化工產品注入活塞，點火燃燒，數百萬乃至數十億計的粒子發生爆炸。Pat Grady： 爆炸推動活塞，從而做功。Konstantine Buhler： 在近100年的時間裡，這一切都處於修修補補的階段。當時工程師只是在說，那樣效果稍微好一點。或許你可以將其視為一種規模法則，但那實際上是工程師們在擺弄產品，看如何能進行微小的改進。在120多年後，Sadi Carnot 出現了，並將這一切總結為一門新的科學——熱力學。Pat Grady： 他說，等一下，這裡有數百萬或數十億的粒子。Konstantine Buhler： 我們實際上可以將這一切系統化、公式化。而在當前的情況下，這裡有數十億個神經元，數兆個 Token。此刻，我們正處於 AI 的修補階段。即使我們認為這是一門已被認知的科學，事實並非如此。未來，我們將在接下來的幾十年內迎來一門如熱力學般基礎的科學。在座的各位或許就有人能開創這門科學。而這門科學將被納入高中的教學課程中。它將具有如此基礎的地位。它將幫助我們掌握 AI，甚至幫助我們掌握意識。第四個故事。非理性的藝術。在人類歷史的絕大部分時間裡，即數萬年間，藝術一直朝著寫實主義的方向演進。這是一幅大約 25000 年前的洞穴壁畫。從埃及象形文字、希臘陶器到文藝復興時期的畫作，這是一場向寫實藝術邁進的宏大變革。看看這其中的差異。歷經數萬年。人類的偉大勝利。Pat Grady： 隨後工程技術應運而生。銀版攝影法，早期攝影技術。Konstantine Buhler： 突然之間，我們花費數十年人生去磨練、力求每一筆觸都完美的技藝，瞬間消失了。那麼世界對此作何反應？他們認為繪畫藝術已經終結。噢，就這樣結束了。機器能比任何人類做得更好。藝術即是藝術，藝術已終結。那麼，發生了什麼？人類是如何回應的？人類的回應是提出疑問：這種藝術的目的是什麼？是為了以眼睛所見的方式捕捉那一刻嗎？還是為了以內心和靈魂所感的方式捕捉那一刻？Pat Grady： 印象派、表現主義、立體主義、新表現主義，所有這些新的藝術形式都是人類對科學領域這一巨大變革所作出的回應。Konstantine Buhler： 兩千五百年前，希臘哲學家 Protagoras 寫道：人是萬物的尺度。他的意思是，任何事物若脫離了人類，便不存在價值。無論是鋁材、藝術，還是智能，皆是如此。Pat Grady： 它之所以有價值，僅僅是因為那份體驗。AI 可以完成工作，AI 也終將完成工作，但唯有人與人之間的聯結，才能讓你找到在乎的理由。Konstantine Buhler： 這就是我們今天齊聚一堂的原因。十年之後，工作方式將發生巨大的變化。一切都將迎來翻天覆地的改變。但唯一不變的，是你們今天與身邊人建立起的關係。它們將長久延續。那將是你們回首往事時最珍視的部分。那也將是今天最有價值的收穫。因此，我鼓勵大家與身邊的人建立聯絡，盡情享受這次 AI Ascent 的時光，並真正地擁抱那些讓我們之所以為人的特質。 (Web3天空之城)

最近在用 OpenClaw 的時候，我在想一個問題：AGI 已經來了嗎？如果需要回答這個問題，可能還是要定義下什麼是 AGI。然而關於什麼是 AGI，眾說紛紜。比如最近，Google DeepMind 創始人提出了一個很有趣的 AGI 的定義：訓練一個 AI 模型，將它的知識庫截斷到只到 1911 年，如果它能夠像愛因斯坦獨立發現廣義相對論，那麼它就是 AGI。然而，專門訓練一個大模型來驗證一個人的觀點，即便對於Google來說，也未免太奢侈了。直到昨天，我在紅杉社區看到了一篇文章，我突然有個感受：也許 2026，AGI 已經來到了。原文：https://sequoiacap.com/article/2026-this-is-agi/幾年前，一些頂尖 AI 研究者告訴我們，他們的目標是通用人工智慧（AGI）。當時我們迫切想知道一個清晰的定義，便天真地問：“你們怎麼定義 AGI？”，他們頓了頓，猶豫地對視一眼，然後給出了後來在 AI 領域廣為流傳的一句話：“嗯，我們每個人都有自己的定義，但看到它時我們就會知道。”這一小插曲，正是我們探尋 AGI 具體定義時的典型縮影。這一目標一直沒有結果。雖然 AGI 的定義至今模糊不清，但現實已經毫無懸念：它就在這裡，此刻已然降臨。程式設計智能體是第一個例子。還有更多正在路上。Long-horizon agents，在功能意義上就是 AGI，2026 年將是它們的爆發之年。在繼續討論之前，我們得先明確一點：我們沒有足夠的道德權威來為 AGI 提出技術定義。我們是投資者，研究的是市場、創始人，以及這兩者碰撞孕育出的產物：企業。鑑於此，我們的定義是功能性的，而非技術性的。新的技術能力引出了唐·瓦倫丁的問題：那又怎樣？答案的關鍵在於其現實世界的影響力。通用人工智慧的功能定義AGI，就是能把事情搞明白的能力。就這樣。我們明白，這種模糊的定義解決不了任何哲學爭論。但從實用角度看，當你想做成一件事時，你到底需要什麼？不過是一個能自主解決問題的 AI 而已。至於它是怎麼做到的，遠不如“它能做到”這件事本身重要。一個能解決問題的人，通常具備三個核心能力：紮實的基礎知識儲備；基於這些知識進行推理的能力；以及通過反覆試錯找到答案的能力。能解決問題的 AI 具備三方面核心能力：一是基礎知識（預訓練），二是基於該知識進行推理的能力（推理計算），三是通過逐步迭代得出答案的能力（長程智能體）。第一個關鍵要素（知識/預訓練）正是 2022 年那個「ChatGPT 時刻」背後的驅動力。第二個要素（推理/推理時計算）隨 2024 年底 O1 模型的發佈登場。第三個要素（迭代/長程智能體）則在最近幾周浮出水面：Claude Code 等程式碼智能體已突破能力閾值。具有通用智能的人可以連續幾小時自主工作：他們會犯錯，也會自己修正，不用別人吩咐就能知道下一步該做什麼。現在，通用智能體也能做到這一點。這是前所未有的。什麼叫把事情想明白？一位創始人給他的 Agent 發消息：“我需要一個開發者關係負責人。一個技術能力足夠高、能贏得資深工程師尊重的人，但又真正喜歡用 Twitter 的人。我們向平台團隊銷售產品。去吧。”智能體的第一步操作很直接：在 LinkedIn 上搜尋 Datadog、Temporal、Langchain 等競爭對手公司的“開發者布道師”和“開發者關係”崗位。結果出來好幾百份簡歷，但光看職位頭銜根本分不清誰真的能勝任這份工作。它轉換了思路，開始關注真實表現而非資質：它會在 YouTube 上搜尋各類會議演講，找到 50 多位演講者後，再從中篩選出那些演講互動性強的人。智能體將這些演講者與 Twitter 帳號進行了交叉比對。其中一半人的帳號要麼長期不活躍，要麼只是轉發公司的部落格文章，顯然這些不是我們想要的類型。但有十幾個人擁有真正的粉絲群體：他們會發表真實觀點、回覆網友，還能吸引開發者互動，而且內容很有格調。智能體進一步縮小了篩選範圍，開始排查過去三個月發帖頻率下降的使用者。活躍度降低往往意味著員工對當前崗位的投入度在下降。最終，三個名字浮出了水面。智能體對這三位候選人做了背調：第一位剛官宣新職位，已經來不及了；第二位是一家剛融到資的公司創始人，顯然不會離開當前崗位；第三位是 D 輪公司的高級開發者關係負責人，他們公司剛裁了市場部。她最近分享的主題正好是這家初創公司瞄準的平台工程領域，推特上有 1.4 萬粉絲，發的梗圖還能吸引工程師互動，不過領英已經兩個月沒更新了。Agent 寫了一封郵件，內容提及了對方最近的演講，以及這家初創公司理想客戶畫像的契合點，還特別提到小團隊能帶來的創作自由。郵件提議進行一次輕鬆的交流，而非正式的推銷。總時長：31 分鐘。創始人並未在招聘網站發佈職位描述，而是已經鎖定了唯一的最終候選人。這才是解決問題的真諦，在模糊中摸索著達成目標：提出假設、驗證假設、碰壁、調整方向，直到找到突破口。智能體沒有按既定指令碼行事，它像頂尖招聘者那樣在腦海裡反覆推演，卻只用了 31 分鐘就不知疲倦地完成了全過程，而且沒人教過它該怎麼做。值得注意的是：智能體智能體仍然會犯錯，它們會產生幻覺、丟失上下文，有時甚至自信滿滿地走錯方向。但發展趨勢清晰可見，這些問題也越來越容易解決。走到今天，我們經歷了什麼？去年的文章裡，我們曾指出推理模型是 AI 領域最重要的新前沿。而長程智能體則通過讓模型採取行動並隨時間迭代，將這一範式向前推進了一步。想讓 AI 模型「思考」更久，可不是件簡單的事。基礎推理模型的「思考」時長通常只有幾秒到幾分鐘。目前有兩種技術路徑，看起來都表現出良好的效果和可擴展性：強化學習（reinforcement learning）和智能體框架（agent harnesses）。強化學習的思路是，在訓練過程中通過引導和督促，讓模型從根本上學會長時間保持專注、不偏離目標。而智能體框架則針對模型的已知短板：比如記憶交接、資訊壓縮等問題，搭建專門的支撐架構。強化學習的規模化研究，目前仍是各大實驗室的主攻方向。他們在這一領域成果斐然：從多智能體系統的突破，到 AI 工具的可靠應用，都取得了顯著進展。設計優秀的智能體應用框架是應用層的核心任務。如今市場上一些廣受歡迎的產品，正是憑藉其精心設計的智能體應用框架脫穎而出：比如 Manus、Claude Code、Factory 的 Droids 等。如果要押注一條指數增長曲線，長程智能體的性能曲線絕對是首選。METR 一直在持續密切跟蹤 AI 完成長程任務的能力：其進步速度呈指數級，每 7 個月就翻一倍。按照這個指數趨勢推算：到 2028 年，智能體將能可靠完成人類專家耗時一整天的任務；2034 年可完成耗時一年的任務；到 2037 年，甚至能完成耗時百年的任務。所以呢？很快你就能僱傭一個 AI 智能體了。這正是通用人工智慧的試金石之一。你現在就能「僱傭」 GPT-5.2、Claude、Grok 或 Gemini 了：醫療領域：OpenEvidence 的 Deep Consult 智能體可充當專科醫生法律領域：Harvey 的智能體能作為初級律師開展工作網路安全領域：XBOW 智能體扮演滲透測試員角色DevOps 領域：Traversal 的智能體充當站點可靠性工程師（SRE）GTM 領域：Day AI 智能體可同時擔任業務開發代表（BDR）、解決方案工程師（SE）及營收營運負責人招聘領域：Juicebox 智能體作為招聘專員數學領域：Harmonic 的 Aristotle 智能體充當數學家半導體設計領域：Ricursive 的智能體扮演晶片設計師角色AI 研究領域：GPT-5.2 和 Claude 可作為 AI 研究員從空談者到行動派：對創始人的啟示這對創始人來說意義深遠。2023 到 2024 年的 AI 應用都很會聊天，有些甚至是老練的對話高手！但它們的實際影響卻很有限。2026 和 2027 年的 AI 應用將不再是工具，而是實幹夥伴。它們會像同事一樣，和你並肩工作。使用頻率也會從一天幾次，變成全天無間斷，甚至多個 AI 實例同時運行。使用者不再是偶爾省幾個小時，而是徹底轉變角色：從獨立貢獻者變成 AI Agent 團隊的管理者。還記得之前大家熱議的“賣成果”嗎？現在這真的能實現了。長程智能體究竟能完成那些工作？它的能力與模型的單次前向傳播有天壤之別。在你的領域裡，這類智能體能夠解鎖那些新能力？那些任務需要持續投入，且瓶頸在於持久注意力？如何將這項工作產品化？隨著工作場景的使用者介面（UI）正從聊天機器人向智能體委託模式演進，你們領域內的應用介面又會發生怎樣的變化？你能否穩定完成這項工作？有沒有在「近乎偏執地」持續最佳化智能體框架？反饋閉環是否完善？這項服務該怎麼推廣出去？能不能圍繞價值和成果來定價和打包？準備出發！是時候把握長程智能體的指數級增長浪潮了。如今，你的 AI 智能體大概能穩定工作 30 分鐘左右。但用不了多久，它們就能完成一整天的工作量，最終甚至能承擔相當於一個世紀的工作任務。如果你的規劃能以百年為尺度，會帶來怎樣的改變？一百年，可以把那 20 萬份從未交叉驗證過的臨床試驗資料徹底打通；一百年，能把歷史上所有的客服工單都翻一遍，從中找出真正有價值的資訊；再用一百年，美國的稅法體系也能被梳理得邏輯清晰、條理分明。你之前那個看似遙不可及的路線圖，現在竟然變得切實可行了。 (特工宇宙)

Anthropic本輪融資目標高達250億美元甚至更多，GIC和Coatue各領投15億美元，微軟和輝達承諾合計投資150億美元，其餘超過100億美元的資金缺口將由包括紅杉資本在內的風險投資機構和其他投資者填補。紅杉資本首次大舉投資這家OpenAI競對，標誌其AI賽道戰略轉向"全覆蓋"。 在人工智慧領域的資本競賽中，紅杉資本（Sequoia Capital）正打破常規，首次大舉注資OpenAI的主要競爭對手Anthropic。此舉不僅標誌著這家老牌風投策略的重大轉變，更助推Anthropic的新一輪融資規模邁向歷史性高點。1月18日，據英國金融時報消息，知情人士透露，Anthropic本輪融資目標高達250億美元甚至更多，由新加坡主權財富基金GIC和美國投資機構Coatue領投，雙方各出資15億美元。科技巨頭微軟和輝達承諾合計投資高達150億美元，而其餘超過100億美元的資金缺口將由包括紅杉資本在內的風險投資機構和其他投資者填補。這一巨額注資將使Anthropic的估值達到3500億美元，較四個月前的1700億美元實現翻倍增長。這一交易凸顯了頂級投資機構在人工智慧賽道上的“全覆蓋”策略，不再侷限於押注單一贏家。紅杉資本此前已投資OpenAI及Elon Musk旗下的xAI，如今加入Anthropic的投資者行列，顯示出市場對頭部AI模型廠商持續增長潛力的強烈信心。報導稱，儘管融資談判仍在進行中，最終數字可能發生變化，但預計交易將在未來幾周內完成。與此同時，Anthropic正積極籌備首次公開募股（IPO），可能最早於今年啟動。紅杉資本的策略轉向報導指出，知情人士稱，Anthropic尚未最終決定接納那些投資者進入本輪融資，具體的融資總額仍有變數，但交易預計將在未來幾周內敲定。據報導，紅杉資本此次擬議的投資，緊隨其去年底的高層人事變動之後。此前負責紅杉資本的Roelof Botha曾對向少數高估值初創企業集中投資持謹慎態度，並因錯過了Anthropic此前的幾輪融資而受到關注。Roelof Botha曾在去年的一次採訪中表示，風險投資並非一種資產類別，“向矽谷投入更多資金並不能產生更多偉大的公司”。然而，隨著Roelof Botha在去年11月離職，合夥人Pat Grady和Alfred Lin被推選為共同領導人，紅杉的投資風向顯然發生了變化。作為Google、蘋果、Airbnb和Stripe的早期投資者，紅杉此前已參投了OpenAI去年的融資輪次以及馬斯克旗下的xAI。報導指出，熟悉紅杉思路的人士表示，儘管風投公司通常避免在同一領域支援互為競爭對手的初創企業，但人工智慧帶來的巨大金融機遇改變了這一傳統邏輯。該人士稱：“這（Anthropic的交易）是一輪規模如此之大的融資，以至於它已經從風投投資轉變為股票投資。”紅杉方面持有大量OpenAI和xAI的股份，並堅信這並非一場贏者通吃的比賽，各家公司將擁有各自獨特的能力。業績爆發與IPO籌備Anthropic旗下擁有Claude聊天機器人，並因建構面向軟體工程師的AI工具而在市場中佔據了利潤豐厚的細分領域。該公司的收入增長迅猛，年化收入已從一年前的10億美元增長至如今的約100億美元，實現了10倍的增長。據彭博此前報導，隨著業務規模的快速擴張，Anthropic已開始為公開上市做準備，IPO可能最早於今年到來。公司已聘請律所Wilson Sonsini啟動籌備工作，並與銀行就公開上市進行了初步對話。不僅僅是Anthropic，包括OpenAI以及馬斯克旗下的SpaceX在內的科技獨角獸，也都在為公開募股奠定基礎。這些潛在的IPO項目一旦落地，有望躋身史上規模最大的公開募股行列。 (invest wallstreet)

這周，全球投資圈經歷了一場重大變動。紅杉資本的最高領導人發生變動。Roelof Botha 將卸任全球領導人（Senior Steward）一職，由合夥人 Alfred Lin、Pat Grady 接替，成為新一任聯合領導人。Botha 將繼續擔任該公司的普通合夥人，擔任合夥企業的顧問角色。Alfred Lin、Pat Grady，分別為紅杉資本早期投資和成長期投資團隊的負責人。Alfred Lin 因為 Airbnb、DoorDash 等消費者領域的早期投資被熟知，Pat Grady 則是專注企業服務和 AI 領域，投資了 Snowflake、OpenAI 等公司。Roelof Botha 於 2017 年在 Jim Goetz 手中接管了紅杉的美國業務，並在 2022 年升任至紅杉最高領導人位置。算起來，Botha 的任期很短，僅有三年多時間。01 Botha：上任僅三年，將領導權交給「新一代」據統計，自 Botha 接任以來，紅杉已經向其投資者返還了超過 500 億美元的利潤。Botha 在紅杉工作的二十多年裡，主導了對 YouTube、Instagram 被收購前的早期投資，同時投資了支付公司 Square（現為 Block）。在此之前，Botha 曾作為 PayPal 的首席財務官，幫助其成功上市。圖：Roelof BothaBotha 此次在上任僅三年多的時間，就匆匆將領導權交給「新一代」，引發了外界的諸多猜測。據 The Information 引用知情人士資訊稱，紅杉資本的部分合夥人曾對 Botha 的管理風格表示擔憂，但具體情況尚不清楚。在 Botha 負責公司美國業務期間，紅杉資本錯失了一些重大的 AI 領域投資機會，包括：沒能在 OpenAI 的早期階段進行投資、放棄了對 Anysphere（Cursor 的母公司）的投資、在種子輪跳過了對 Mercor 的投資等等。據兩位熟悉 Botha 想法的知情人士透露，在最初的幾年裡，Botha 並沒有非常重視對 AI 領域的投資。圖源自 The Information紅杉此次任命的公告信：唐·瓦倫丁（Don Valentine）在創立紅杉時就著眼於未來。他為公司注入了一種獨特的文化核心——「守護精神」。我們將「守護」理解為：讓公司在我們手中變得比我們接手時更好。這一信念促成了紅杉在代際間的平穩傳承，也確保我們始終聘請那些願意建立超越個人生命周期的夥伴關係的人。守護精神讓我們的文化建立在高績效、卓越、團隊協作和持續創新的理念之上。這種精神也延伸至我們投資的公司。儘管我們被稱為投資公司，但我們認為自己是真正的「公司建設者」。自 1972 年以來，紅杉的「守護者」們一直在團隊準備就緒時，將合作夥伴關係從一代傳遞到下一代。每一次交接，都讓新一代能夠站在前輩的肩膀上，繼續建設並強化紅杉的合作體系。現在，這一刻也來臨了。今天我宣佈，Alfred Lin 和 Pat Grady 將成為紅杉資本的新一代守護者。Alfred 和 Pat 體現了紅杉過去 53 年所定義的文化特質。他們在業績上卓越非凡，合作過的公司包括 DoorDash、ServiceNow、Airbnb、Snowflake、Citadel Securities、Zoom、Kalshi、OpenAI、OpenEvidence 和 Harvey。他們是領袖：自 2017 年起，Alfred 一直共同領導紅杉的早期投資業務；自 2015 年起，Pat 負責成長階段投資。他們堅守紅杉的「學徒制」傳統，具備贏得事業所需的勇氣與韌性。他們不迴避艱難的對話，總是親力親為地建設公司——無論是在創業者身邊，還是在紅杉內部。他們二人是真正的團隊夥伴——對創業者、對同事、也對彼此。他們是最合適的一對人選，來接過紅杉守護的重任。像之前的守護者一樣，我將過渡到新的角色，為合夥關係提供諮詢，並繼續代表紅杉出任多家董事會成員。我堅信，在 Pat 和 Alfred 的領導下，紅杉的精神將得以延續，而紅杉深厚的人才陣容也會繼續蓬勃發展。致意，Roelof Botha02 Alfred Lin：投資 OpenAIAlfred Lin，2010 年加入紅杉，期間主導了多個重大的投資項目，包括 Airbnb、DoorDash、Uber Technologies、Instacart、Reddit 等。在成為聯合領導人之前，Lin 與 Luciana Lixandru 一起擔任紅杉早期投資業務的負責人。在加入紅杉前，Lin 有過多段創業經歷，且公司營運能力非常強。Lin 與其哈佛時期的好友 Tony Hsieh 共同創辦的線上零售公司 Zappos，Lin 擔任首席營運官和首席財務官，全面負責了 Zappos 的財務、行政和倉儲營運。2009 年，公司被亞馬遜收購。圖：左 Tony Hsieh，右 Alfred LinLin 與紅杉結緣，也是在 Zappos 時期。矽谷知名投資人、前紅杉合夥人 Michael Moritz 是 Zappos 的投資人和董事會成員。Lin 的投資理念非常有意思，他認為，商業和人生都不是一場有終點的「有限遊戲」，而是一場規則不斷變化、目標是持續玩下去的「無限遊戲」。關注「一家公司的持久影響力」。Lin 認為，投資的最終目標是尋找擁有清晰價值觀、致力於創造持久影響力、並且能在漫長賽程中不斷進化的公司和創始人。Lin 更傾向投資能夠實現複利的公司，並儘可能長時間地持有，實現持續增長。過往投資案例：投資觀點創始人-市場契合度（FMF）：對傳統「產品-市場契合度」的獨特演繹。Lin 更專注於創始人的特殊品質、他們新穎獨特的見解、他們創立故事中的「尤里卡時刻」（eureka moment），以及他們為所服務的客戶創造同理心的親身經歷。在創始人篩選上，「剝離所有這些之後，對我來說只有一個標準：我是否願意為這些創始人工作（would I love to work for the founders），幫助他們發揮自己和公司的全部潛力？」技術周期早期「3 個月一變」，今天熱的論題三個月後可能不相關，但創業必須立在能在十年後仍成立的命題之上，用高頻試驗擁抱不確定、用願景穩住方向。03 Pat Grady：專注 B2B 和雲設施Pat Grady，2007 年 3 月加入紅杉資本，在紅杉工作了近 19 年的時間。在此之前，他是紅杉成長型投資團隊的負責人，專注投資處於「成長期」的 B2B 企業，同時也是紅杉在 AI 領域的主要投資人。Pat GradyGrady 可以說是一位非常「高產」的投資人。在 B2B 企業軟體、雲服務領域，Grady 投出了 Snowflake、Zoom、Okta、HubSpot 等知名公司。其中，Snowflake、Zoom 兩家，均是在其「成長期」投資，最後成功實現 IPO。與此同時，Grady 在 AI 領域的投資成績也格外突出。2021 年，Grady 與 Alfred Lin、Sonya Huang 一起主導了紅杉對 OpenAI 的投資。Grady 在 AI 領域的投資佈局，幾乎覆蓋了全端：基模層，投資了 OpenAI；平台/社區層，投資了 Hugging Face；垂直應用層，投資了 AI 法律公司 Harvey 和 AI 醫療 OpenEvidence；水平應用層，投資了 Notion。在 Grady 個人的投資風格中，有三點特別鮮明：專注投人，評估創始人的「增長斜率」；注重文化。「文化就是一切，是一家公司所能擁有的最具有可擴展性的系統」；在 AI 領域，更關注能夠建立起真正信任的垂直領域應用（這點在紅杉去年發佈的文章《Generative AI』s Act Two》有詳細介紹，Grady 是文章作者之一。)過往投資企業：04 動盪期的新一代紅杉資本作為矽谷最具實力的風險投資公司之一，管理資產規模達到 560 億美元，投資的初創公司包括 OpenAI、SpaceX、Stripe、Ramp 和 Chainguard 等。上周，紅杉宣佈推出了兩隻新基金，分別為專注於 A 輪初創企業的早期基金，規模為 7.5 億美元，和 2 億美元的種子基金。近兩年來，紅杉資本「動盪不安」，包括 FTX 投資失敗、合夥人 Shaun Maguire 的不當言論，中國業務拆分以及多位知名投資人離職等等。或許，這次的調整，能讓紅杉提起氣來。紅杉最近翻新了辦公室，並設定了一面牆，每位投資者都在上面手寫一句話：「我們的優秀程度取決於我們的下一筆投資。」 (Founder Park)

矽谷投資巨頭紅杉，近期宣佈了換帥聲明。幾個月前，關於“誰來接棒”“誰退居幕後”“誰被邊緣化”“下一代掌門究竟是誰”的低語，早已在紅杉資本的合夥人圈層內悄然流轉。如今，以一紙宣告告別了那位曾在全球投資版圖上揮斥千里的掌門人博塔，迎來兩位新任接棒者：林君睿和帕特·格雷迪。作為矽谷最具實力的風險投資公司之一，紅杉目前管理規模約為560億美元（約合人民幣4000億），如今隨著一紙公告，掌門人正式更換。儘管外界看到的是“平穩交接”，但在這家管理數千億美元資產、見證矽谷風雲變換的老牌風投機構內，這卻更像是一場“宮斗”。“宮斗”的導火索來自一條社交媒體上的衝突。夏季，一位合夥人在公開平台對紐約市長候選人Zohran Mamdani發表攻擊性言論，引發了內部牴觸與外界信任的雙重危機。作為當時的全球營運掌舵人，博塔選擇站在言論自由的一方，而非代表公司鄭重道歉。他的選擇讓高管團隊震怒，首席營運官因此辭職，機構聲譽也開始動搖。有人說：他的智商或許無人能及，但情商卻被認為遠低於預期。與此同時，在科技邏輯高速重構的當下，博塔在人工智慧投資的謹慎姿態也逐漸成為“機會流失”的代名詞。Open AI估值飆升之時，曾擁有先機的紅杉卻因出手的謹慎僅獲微弱份額。從紅杉資本治理結構來看，合夥人擁有隨時對領導層發起投票的權力。而當帕特·格雷迪和林君睿與另一位高級合夥人聯合起來，並得到上一任管理合夥人Doug Leone的支援，紅杉的這場“政變”亦由此落下帷幕。由於“情商不足”導致的一場宮斗事情的序幕，其實遠早於公開公告那一刻。關於“誰來接棒”“誰退居幕後”“誰被邊緣化”“下一代掌門人究竟是誰”的討論，早已在紅杉合夥人圈內低聲流。2025年11月初，紅杉正式宣佈：自2003年加入、曾擔任全球管理合夥人的Roelof Botha將卸任日常管理職務，轉任顧問；由長期合夥人Alfred Lin 與 Pat Grady共同接任，負責全球營運與戰略方向。表面上，這是一次平穩交接；但在這家管理著上千億美元、見證矽谷五十年榮枯的老牌機構內部，這場換帥更像是一場關於方向與治理的“靜默宮斗”。導火索是今年夏天，紅杉資本合夥人肖恩·馬圭爾在社交媒體平台X上，對紐約市長候選人佐蘭·馬姆達尼（Zohran Mamdani）發表了攻擊性言論。作為紅杉資本的全球領導人，羅洛夫·博塔選擇捍衛馬圭爾的“言論自由”，而沒有代表公司進行正式道歉。博塔的處理方式引發了內部強烈不滿。其中，首席營運官蘇邁婭·巴爾巴萊因此憤而辭職。這一事件迅速動搖了外部投資者對紅杉資本的信心。甚至，海灣地區的投資者也開始質疑紅杉資本的價值觀和企業文化。他們認為，能夠容忍“如此偏見”的公司，違背了他們遵循的道德的投資框架。於是把羅洛夫·博塔推到了風口浪尖。博塔的智商的確高得離譜，但他的情商與智力並不匹配。這是外界對於這位紅杉掌門人的最多評價。同時，博塔在AI領域的出手過於謹慎，這讓紅杉錯失了不少機會。最典型的例子是，紅杉資本曾在2021年向當時估值約200億美元的OpenAI僅投資了約2000萬美元，導致在後來OpenAI估值達2600億美元的融資中，紅杉資本僅獲得了不及預期的股份。雖然在後續又在多輪融資中增加了一些股權。不過在今年早些時候，OpenAI那一輪估值2600億美元的融資中，紅杉曾提出出資10億美元，最終只獲得“遠小於”該數額的股份。根據紅杉資本獨特的治理結構，合夥人可以在任何時候對領導層發起投票。這次，林君叡、帕特·格雷迪與安德魯·裡德三位高級合夥人聯手，得到了更廣泛內部成員以及上一任管理合夥人道格·萊昂內的支援。在這場接力中，最受矚目的，是新任掌門人之一林君叡（Alfred Lin）——一位擁有華人背景的矽谷投資人。林君叡出生於台灣，少年隨家人移民美國，本科畢業於哈佛大學應用數學專業，後獲史丹佛大學統計學碩士學位。他曾在LinkExchange任職，後加入Tellme Networks，再到Zappos擔任首席營運官、首席財務官與董事長。2009年，他協助Zappos以12億美元被Amazon收購，完成矽谷史上經典併購之一。2010年，林君叡加入紅杉，專注早期投資。他主導或深度參與了Airbnb、DoorDash、Stitch Fix、Open AI等一系列明星項目，從天使輪一路陪伴到上市，成為紅杉內部極具代表性的“從營運走向投資”的人物。他的風格低調但極為系統，強調“從現金流到組織節奏的可持續成長”，常被創業者形容為“最懂創始人”的投資人之一。2017年後，林君叡開始主導紅杉的早期投資類股，並與帕特·格雷迪分別負責早期與成長業務。二人“合掌”紅杉，既是平衡權力的選擇，也意味著紅杉未來將更加結構化與分層化運作。值得一提的是，2021年，林君睿參與OpenAI融資時推動紅杉資本增加投資額，最終在該企業估值達2600億美元的融資中獲得股份。相較之下，帕特·格雷迪更專注中後期成長投資。他在2015年加入紅杉後，代表公司押中了Snowflake、Zoom、Okta等企業級科技明星項目，是紅杉在SaaS與B2B領域的中堅力量。二人的組合，被外界解讀為“紅杉的下一代答卷”——在激烈變化的科技周期中，用雙引擎維繫機構韌性。此前，10月底，紅杉資本宣佈募集完成了一支7.5億美元的早期基金和一支2億美元的種子基金，並明確表示將加注人工智慧賽道。這一舉動被視為新領導層的就任宣言。其實，從側面來看，紅杉資本的政變，也反映了全球資本對AI時代的焦慮與渴望。新接棒，新故事矽谷風投之王，全球最具影響力的投資機構之一，被查理·芒格稱讚是最佳投資公司，這就是紅杉資本。它的故事始於1972年的加州，英特爾剛成立不久，蘋果、Google都還不存在。Don Valentine——一位出身晶片行業的前市場經理人——在門洛帕克的一間小辦公室裡成立了一家風險投資公司，取名“Sequoia Capital”，意為“紅杉樹”，象徵穩健與長青。Valentine的理念很簡單：“去尋找那些能改變產業結構的企業。”他相信真正的創新往往從實驗室或車庫裡萌芽，於是決定為這些創業者提供第一筆資金。1975年，紅杉投了電子遊戲公司Atari；三年後，又押中了Apple。那是紅杉第一次真正意義上的成功——不僅獲得投資回報，更重要的是，它與矽谷創業浪潮緊緊綁在一起。從此，“早期押注、長期陪伴”的投資風格成為紅杉的底色。1980年代到1990年代，紅杉迎來了第二階段的擴張。它投資了Cisco Systems、Oracle和Yahoo!，幾乎參與了資訊技術基礎設施的每一次浪潮。那時候的紅杉仍然規模不大，卻已建立了一套內部準則：基金規模適度、合夥人直接參與決策、不依賴明星個人。Don Valentine後來回憶說：“我們不是找聰明的財務工程師，而是找能識別創業者的人。”這種文化也影響了之後所有的接班人。進入21世紀，矽谷迎來了網際網路與移動網際網路的黃金十年。紅杉在此期間完成了幾筆足以載入投資史的項目：Google、YouTube、LinkedIn、WhatsApp——幾乎每一個都代表著網際網路生態的關鍵節點。2006年，紅杉以約800萬美元投資YouTube，僅一年後Google以16.5億美元收購，回報數十倍。2014年，Facebook以190億美元收購WhatsApp，紅杉是唯一機構投資方。這兩筆交易讓紅杉聲名大噪，也在全球LP圈確立了“矽谷最成功風險投資機構之一”的地位。2000年後，紅杉開始從一家美國本土基金轉向全球佈局。2005年在中國設立團隊，2006年進入印度市場，隨後延伸至東南亞、以色列與歐洲。紅杉中國的模式與總部保持相對獨立，本地團隊擁有投資決策權，這在當時是罕見的做法。事實證明，這一選擇幫助紅杉捕捉到了新興市場的增長紅利，也成為其後“多中心化治理”的雛形。從投資邏輯看，紅杉並不拘泥於“科技”這一標籤。它早期押注半導體與網路裝置，中期押注網際網路與消費平台，後來又涉足醫療科技、企業軟體與金融科技。以Stripe、Snowflake、DoorDash為代表的一批公司，正是紅杉在“雲端運算＋SaaS”時代的代表作。如果說2000年代是紅杉的擴張期，那麼2010年代以後，它則進入了體系化階段。機構開始設計更複雜的基金架構，覆蓋從種子輪、早期到成長期的全鏈條投資；同時設立Scout計畫，通過創業者與前員工網路挖掘新項目。這種“生態式佈局”讓紅杉形成了一個自循環系統：老公司退出後貢獻資本，新公司獲得支援，再培養新一代創業者。2023年，紅杉宣佈將美國/歐洲、中國、印度/東南亞三大業務實體完全獨立營運——這一分拆決定，被視為其全球化戰略的重新定位。它承認了“紅杉”這一品牌在不同市場環境中需要不同的節奏和語言，也意味著總部不再是唯一的指揮中心。紅杉的故事，也因此進入一個新的階段。一方面，它仍是矽谷乃至全球創投生態的核心參與者，旗下基金管理規模超過850億美元，遍佈上千家被投企業；另一方面，它也在不斷應對周期切換、市場波動、地緣政治等多重考驗。半個世紀，紅杉經歷過幾代人的接力：從Don Valentine到Mike Moritz，再到Roelof Botha，如今交棒給現在的林君叡、帕特·格雷迪。新掌門人接過權杖，紅杉這棵半世紀的“紅杉樹”，也在重新生長出新的枝丫。站在矽谷投資圈的華人們事實上，除了林君睿，在矽谷這片創投土壤中，華人投資者的身影逐漸清晰。既有在全球頂級美元基金掌舵的“頭部合夥人”，也有自建早期基金的專業型投資者。例如許良傑從矽谷技術主管轉型為創投機構聯合創始人，其所在基金聚焦早期美國初創公司。另一位蘭雪昭則由華人移民背景起步，擁有美國密歇根大學統計學碩士及心理學博士學位，曾在Dropbox擔任戰略併購負責人，2017年創立位於舊金山的“Basis Set Ventures”，專注人工智慧和自動化早期投資。還有如張露，出身中國內蒙古，赴美讀書，曾創辦醫療裝置公司並被收購，後在矽谷建立專注AI／健康／工業自動化的早期基金。以上這些人，均為華人背景，在矽谷及全球科技投資生態中的動作值得梳理。講到許良傑，早年他在矽谷擔任技術高管，於2015年與人共同發起Seven Seas Venture Partners（七海創投）在美國投資早期初創企業。他從工程師、研究員身份切換至投資人，這種“技術轉資本”的路徑，在華人投資者中並不少見。蘭雪昭則走出另一條路徑：學術出身、技術創業經歷、再轉為投資人，其基金早在2017年就宣佈籌集1.36億美元用於機器智能賽道。華人投資者不是僅在後期跟投或被動參與，而是主動進入美國早期科技生態。如許良傑的機構在他切入後便迅速佈局；蘭雪昭自創基金即瞄準AI/自動化賽道，並利用自身技術背景深耕之。資源連結能力方面，他們往往既具備中國背景、跨境資本視角，又紮根美國創新體系：他們不僅出資，更加入決策、創始-基金人對話、建構跨國通道。生態話語權方面，華人投資者由“資金提供者”漸向“平台搭建者”“技術洞察者”角色邁進，在矽谷初創圈中開始具有識別度。當然，這條路徑亦非一路平坦。對於許良傑所在的跨境資本平台而言，美國對外資、關鍵科技領域（如AI、自動化、晶片）投資的監管日益收緊。公開資料顯示，中國背景資本在美國科技風險投資中的審查機制增強。在這一背景下，華人投資者雖在矽谷具備優勢，但也要應對制度環境、合規流程、地緣政治風險的挑戰。截至2025年，在矽谷聚焦AI/自動化的早期投資基金中，由華人創辦或主導的機構正在增加。對比之下在中國本土科技實力迅速提升的背景下，矽谷華人投資人還處於一個“連結全球”“資源雙向流動”的位置。根據聯合國工業發展組織中國投資促進辦事處與深圳資料合作報告，在全球百大AI頂尖科學家中，65人具有中國背景，其中約50人在中國機構，15人在美國研究中心。這反映華人在全球科技生態中的“雙重角色”。從賽道上看，當下矽谷熱度最高的包括人工智慧、大模型、工業自動化、醫療健康、邊緣計算等。而華人投資者在上述賽道中活躍，這意味著，他們不僅是資本的供給端，更具“技術起點”與“創始人視角”——這正是矽谷生態中被視為“C位”的一項關鍵能力。即便如此，他們仍處於轉型中。未來若想穩固“C位”地位，華人投資者可能需要進一步：在制度環境中規避潛在風險；在賽道佈局中實現差異化、避免盲目跟風；在資源連結上建構跨文化、跨國界的橋樑，而不僅停留在“資本輸入”層面。資本全球化、技術創新國際化的趨勢為華人投資者提供機遇，但制度、政策、估值環境等也在重塑格局。當下，華人投資者在矽谷的角色已不再侷限於“資本趕來”，而更多體現為“技術連結者”“資源橋樑”“早期決策者”。他們的出現，使矽谷生態中“全球化”與“中美資本科技連結”這一話題更具實質含義。無論是許良傑、蘭雪昭，還是張露，他們正在以不同路徑進入矽谷投資圈的中樞位置。未來，在科技賽道不斷重構、資本流動不斷演變的大背景下，華人投資者的角色或將更加多元化、挑戰也更高。如果他們能夠在技術起點、資本視角、跨境網路之間保持平衡，那麼在矽谷這片極度競爭的土壤中真正站穩“C位”，就不僅是可能，而將成為趨勢。 (融中財經)

紅杉資本合夥人 David Cahn 是當下矽谷最被關注的 AI 投資人之一，他的判斷總是比市場早半步。2023 年，他在《AI 的 2000 億美元問題》中首次提出：算力的真正價值不在製造，而在消費；到了 2024 年，又在《AI 的 6000 億美元問題》中計算出——要支撐 1500 億美元的 GPU 投資，全球必須額外創造 6000 億美元的新增收入。這組推演一度被視為危言聳聽，如今卻成為投資人衡量 AI 產業現實回報的基礎公式。一年後，Cahn 重新出現，帶著更宏觀的思考。他認為，AI 已不再是“虛擬技術”的故事，而是一場徹底的“物理化革命”：電力、算力、施工、土地和能源，成了這一輪技術周期最稀缺的資源。“AI 世界的貨幣，不再是美元，而是千兆瓦。”在最新的 20VC 播客對話中，他從資料中心談到資本泡沫，從防務科技講到年輕人的原生思維。他復盤過去一年全球 AI 產業的擴張節奏，也描繪泡沫之後的倖存法則。語氣克制、邏輯鋒利，依舊延續了他那種“把科技當作經濟學”來分析的冷靜方式。“AI 泡沫不可怕，可怕的是沒有人在泡沫中進化。”▍鋼鐵與電力：AI 的物理化現實David Cahn 認為，AI 產業的真正護城河，已經從演算法和模型，轉向了“鋼鐵、電力與施工隊”。2024 年他曾提出「AI 的物理化」這一概念，當時還被視為過於冷門的判斷，如今成了產業的主旋律。回顧那一年，資本市場的討論集中在模型與算力，他卻注意到一個更原始的問題——要讓這些模型運行，必須先把電接上。他在節目中回憶，2024 年夏天自己就在前線觀察到基礎設施緊缺的徵兆：資料中心的電工被空運到德州，發電機產能被預訂到 2030 年，整個行業都在搶佔物理資源。“大家當時都在比拚算力模型，卻忘了供電和建設才是第一性問題。” 於是他提出：投資人應該從“位元視角”切換到“原子視角”，理解 AI 背後真實的物理性。事實驗證了這一判斷。過去一年，AI 產業最大的贏家並非軟體公司，而是電力、能源與基建相關企業。Cahn 稱之為“AI 電力交易（AI Power Trade）”——2025 年華爾街最成功的套利，是押注電力成為算力瓶頸。他指出，Sam Altman 現在談論的不再是“美元”，而是“吉瓦（Gigawatt）”。這意味著資本的語言正在變化，“AI 世界的貨幣單位，不再是資金，而是功率。”這種變化也對應到宏觀經濟層面。GDP 原本衡量的是“有形的產出”，而 AI 的爆發恰好重新點燃了這一部分：建築工地、鋼結構、冷卻裝置和資料中心用地的投資，都被計入統計口徑。“AI 的物理化，讓美國 GDP 再次與現實世界掛鉤。” 這不是軟體層面的增長，而是鋼鐵、混凝土與電纜的增長。他進一步指出，去年提出的“6000 億美元問題”如今已升級為“8400 億美元問題”。當時他計算：如果輝達賣出 1500 億美元的 GPU，就會帶來約 3000 億美元的資料中心投資，要支撐這筆資本回報，至少需要 6000 億美元的營收來覆蓋成本。到 2025 年夏，這個模型已膨脹到 8400 億美元。Cahn 的關鍵問題是：“客戶的客戶是否健康？” 也就是說，真正的終端需求是否存在，是否有人為這場算力狂歡買單。他用一句話概括當前階段：“2024 年我們還在談規劃，2025 年鐵鍬已經下地。” 但他也提醒，這一輪建設存在巨大差異。“建得快，反而可能輸。” 因為當所有人同時開工、同時搶供貨商，延遲與成本會迅速上升。Cahn 將建設本身視作新周期的護城河——誰能在複雜供應鏈中搶到裝置、拿到許可、按時通電，誰就能在未來算力戰爭中佔得先機。他認為，投資人和創業者普遍低估了“建造能力”的難度，也低估了其長期價值。“我們以為演算法是核心，其實混凝土才是門檻。” 在他看來，未來幾年內，AI 行業的優勝者將不是寫程式碼最快的團隊，而是能最快建成並穩定運行資料中心的團隊。▍泡沫與循環：資本的錯配時刻在談及市場氛圍時，David Cahn 的語氣依舊冷靜：“是的，我們正處在一個 AI 泡沫中。” 他說，這並非危言聳聽，而是事實的延伸。過去一年裡，AI 已從前沿創新變成全民共識，連最激進的多頭——Sam Altman、Vinod Khosla、Jeff Bezos——都公開承認市場存在泡沫成分。Cahn 借用塔勒布的比喻：“沒人能預測建築那天會倒，但每個人都能看出它已經開始搖晃。”他認為，這種“搖晃”來自兩個方向：一是循環交易的擴散，二是資本時間錯配。2024 年底到 2025 年初，微軟和亞馬遜仍是 AI 生態的支柱，它們承擔資料中心租約、提前鎖定電力容量，相當於接住了“需求的燙手山芋”。但進入 2025 年後，這兩家巨頭開始收縮投資，轉而由 Oracle 和 CoreWeave 接盤——規模更小、風險承受能力更弱。與此同時，晶片公司為了刺激出貨量，也開始主動融資建廠，把資本支出反向記作收入。“這是一種精緻的循環，買方變賣方，賣方又成了融資方。”Cahn 指出，如今行業中常見的大項目——動輒以“吉瓦”計量的算力交易——很多其實並未完成融資。“現在沒人知道 1 個吉瓦到底值多少錢。” 他的估算是，每 1 個 gigawatt 的資料中心造價約 400 億到 600 億美元。按照目前全球規劃的 800 個 gigawatt 計算，這意味著約 8 兆美元的建設需求，而這些資金遠未真正落實。“我們正生活在一個所有資本機器都朝同一方向傾斜的時代——AI——但問題是它們都集中在一個過短的周期內。”他把這一階段稱為“股權型泡沫”，區別於 2008 年的債務危機。那次是信貸鏈斷裂，而這次更多是估值層面的膨脹。“AI 的資本循環不是借來的錢，而是股東的錢。” 當市場情緒反轉，受傷的將是持有股票的人，而不是銀行。Cahn 強調，大多數 AI 項目仍以現金和股權融資為主，因此崩盤形態不會像過去那樣劇烈，卻會更普遍、更緩慢地影響每一個投資組合。在他看來，這場泡沫的核心特徵並非虛假需求，而是時間錯位。投資人押注未來十年的收益，卻在兩年內把錢花完。“這是一個被壓縮的時代。” 產業的成長周期被資本的短期邏輯推到極致——模型還沒落地，伺服器已滿負荷，項目剛開工，下一輪融資又開始。Cahn 認為，這種錯配在長期並非災難，只是需要更長的周期去消化。“AI 最終會兌現全部潛力，只是不會在 2025 年。”他把這種現象稱作“物理性遲滯”——能源、裝置、工程都有摩擦成本，資本卻假裝沒有。投資人願意為“未來的算力”買單，卻很少為“正在施工的算力”付出時間。Cahn 的結論是：AI 產業不會崩潰，但它必須經歷一次“現實回歸”的再平衡。“市場現在買的是速度，未來買的會是耐心。”▍贏家與輸家：算力消費與壟斷幻覺在這場被資本推向極限的周期中，David Cahn 給出的判斷很直接：“贏家不會是生產算力的人，而是消費算力的人。” 他將 AI 的結構分成兩類：生產端與消費端。生產端像煉油廠，負責提供統一的基礎資源；消費端則像能源使用者，利用這些資源創造更高附加值的智能應用。他的邏輯是，算力是一種“商品化資產”，生產越多價格越低。“在過度供給的市場裡，你可能是最優秀的煉油工，但油價下跌仍會吞噬利潤。” 因此，從長期回報來看，生產算力的企業註定具有周期性，估值波動劇烈；相反，那些將算力轉化為智能、內容或服務的企業——也就是“算力消費者”——將享受更穩定、更高倍的複利增長。這套框架最早出現在他 2023 年發表的《AI 的 2 億美元問題》一文中。那時他提出：算力的最終受益者是使用方而非製造方。如今，這一判斷已成為行業共識，但他指出市場行為仍然背道而馳——“儘管大家嘴上都說要投消費端，80% 的資金仍流入生產端。” 因為生產端能消耗更多資本，融資規模龐大，投資機構更容易“部署資金”。這是一種結構性偏見：資本被“吸引到最燒錢的地方”，而非最有創造力的地方。Cahn 用雲端運算的例子解釋了為什麼這種偏見令人誤判。Google、AWS 和 Azure 這些雲巨頭被視為不可撼動的壟斷者，但它們的誕生背景和當下完全不同。“當 Google 創立時，沒有人知道它會成為壟斷；當 YouTube 以 10 億美元賣掉時，也沒人認為那筆交易低估了未來。” 壟斷之所以能形成，是因為它在“無人注視的角落”成長。而 AI 不具備這樣的隱蔽性——現在所有人都知道它的重要性。因此，Cahn 提出一個警告：AI 不會再複製“大廠壟斷時代”的利潤率。“今天的創業者都在公開的戰場上競爭，任何一個突破都立刻被看見、複製、追趕。” 他稱之為“透明市場”，在這種市場裡，壟斷利潤難以形成，行業利潤率會回歸常態。他認為，這種結構性變化反而是好事。AI 行業的開放競爭將更快地推動技術擴散和價格下降，消費者將以更低成本獲得更高品質的智能服務。“我們不該害怕競爭，真正該害怕的是 AI 的壟斷。”談到企業特徵時，他再次強調對“算力消費者”的偏好——那些用 AI 改變終端體驗的公司。他提到紅杉投資的 Clay 與 Juicebox，前者在建構全球化資料關聯層，後者在重塑招聘體驗。兩者共同點是：不依賴無限融資，而依靠真實的客戶愛與需求驅動增長。“最好的公司，是那些不需要資本也能活得很好的公司。”Cahn 把這種自我造血能力視作新周期中最寶貴的資產。他總結道：“資本不會決定誰能成功，客戶才會。” 在一個競爭完全公開、供給持續擴張的市場，算力消費者才是長期的複利機器，而算力生產者，只是周期的波峰與波谷。▍防務的轉折：從戰爭到威懾當對話轉向防務科技時，David Cahn 的語氣格外篤定：“防務是下一個 AI。” 他回憶，自己在 2018 年剛開始投資 AI 時的心情，與今日投資防務時如出一轍——那是一種被忽視但不可逆的趨勢。烏克蘭戰爭在他看來，就是防務領域的“Transformer 時刻”。這場衝突讓世界意識到一個殘酷現實：“技術已經走到 2025 年，但戰爭仍停留在 1970 年。”在他看來，防務領域的技術代差來自長期和平帶來的“制度慣性”。五十年來，世界經歷了罕見的和平周期，防務體系也隨之固化。直到俄烏戰爭爆發，才暴露出傳統裝備與現代計算之間的鴻溝——衛星圖像、無人機、遠端打擊和資料決策系統的結合，使戰爭的“資料化”成為現實。Cahn 說，正如 Transformer 論文開啟了 AI 的工業革命，烏克蘭戰場也成為全球防務數位化的起點。紅杉確實錯過了防務投資的最初窗口，他並不迴避這一點。“我們的確晚了，但我們正在趕上。” 他認為，這種“補課”是必要的。就像紅杉當年重新進入移動網際網路一樣，防務領域也正處於“再創業”周期。不同的是，這次的目標不是戰爭，而是威懾——“防務的意義，從來不是打仗，而是避免戰爭。”Cahn 將這一輪的防務創新視為“數位化防禦革命”：國家不再僅僅依靠傳統軍火廠和長期合同，而是向新型科技公司開放合作，讓演算法、智能體、衛星和感測器融入軍工體系。“這其實是防務行業的 SaaS 化，只不過客戶是國家。”他用“國家冠軍”來形容未來的格局：每個主要國家只會誕生一到兩家真正的主導公司。在美國，是 Anduril；在以色列，是 Kela；在歐洲，是 Stark——這三家都是他認為的“國家級公司”。紅杉在過去兩年中，分別投資了後兩家。Cahn 解釋，這種集中化是行業屬性決定的：防務不是開放市場，而是高度集中、單一買方的產業。“防務科技的目標是服務國家安全，而不是追求使用者數。”以色列的 Kela 擁有全球頂尖的工程與安全團隊，而歐洲的 Stark 則在兩輪融資中得到紅杉支援，正成為區域防務數位化的核心平台。Cahn 形容這兩家公司是“現代版的洛克希德與雷神”，但它們的武器是演算法和資料。對於防務投資過熱的擔憂，他態度明確。“這不是一個可以容納 30 家獨角獸的行業。” 他預期未來全球範圍內僅會出現個位數的巨頭，因為客戶有限、技術門檻極高、周期漫長。投資防務，不是計算回報率，而是長期信任建設。“防務公司不靠廣告增長，也不靠爆款產品，它們靠的是五十年不出錯。”Cahn 強調，這個領域的核心指標不是利潤，而是安全。“好的防務技術讓戰爭不發生，讓人不用死。” 在他看來，這種“威懾力紅利”才是真正的複利，而防務科技的使命，是用 AI 幫人類延長和平。▍年輕的力量：AI 原住民的一代談到創業團隊的構成，David Cahn 提出了一個幾乎顛覆矽谷招聘邏輯的觀點：“在 AI 領域，沒有人有超過 5 年的經驗。” 這句話聽上去像玩笑，但在他看來卻是最重要的現實判斷。ChatGPT 發佈至今不過五年，所有人都在同一個起跑線上。那些 23 到 25 歲的年輕人——大學剛畢業的工程師、科研社群的開發者——不僅是使用者，更是新範式的原住民。Cahn 說，他每年會見兩三百位剛畢業的年輕人，大多數來自頂尖學校，他甚至親自為投資組合中的公司“挖人”。他發現，那些在 18 歲就開始使用 ChatGPT、訓練模型、寫 Prompt 的年輕人，擁有一種完全不同的直覺——他們不是在學習 AI，而是在用 AI 思考。 在他眼中，這類人才的學習速度與迭代能力，是當代創業最寶貴的資產。傳統初創公司會優先聘請資深工程師，因為他們懂架構、能獨立交付；但在 AI 創業時代，Cahn 認為“通才年輕人”反而更有價值。“我們不該低估 23 歲的工程師，他們的腦回路是原生適配 AI 的。” 他承認僱用年輕人風險更顯性——情緒不穩定、工作經驗不足、對組織流程陌生——但他寧願承擔“看得見的風險”，也不要那些隱藏在效率和惰性中的“隱性風險”。他在紅杉內部稱這種思維為“可見風險偏好”：任何決策都帶來代價，但真正危險的是你沒看見風險就做出決定。“資深員工的風險藏得深，他們可能不再學習，也可能把創新變成例行公事。” 相比之下，年輕人那怕犯錯，也能在實驗中長成新一代核心力量。當被問到如何建議剛踏入職場的年輕人時，Cahn 的回答更像一位長期研究社會心理的投資人。“年輕人擇業時常用的是模仿演算法——他們參考前一屆最優秀的人去了那裡。” 他稱這種模式為“模因演算法”：看上去是獨立選擇，實則是跟隨社會慣性。他並不全盤否定這種機制，因為在穩定周期裡它確實有效——上世紀 2000 年去 Google、2010 年去 Palantir，都是聰明的選擇。但他強調，這個演算法在 2025 年“失效”了。原因在於，上一代人的資料集中沒有 AI。那些榜樣沒有經歷生成式智能的爆發，也沒有見過 LLM 改變工作的方式。“模因演算法在面對新資料時崩潰。” 他建議年輕人保留跟隨直覺，但必須在決策中加入一個新的權重——AI 變數。“加入 AI 變數意味著，你要重新定義未來的有趣工作在那裡。”在觀察這些年輕人時，Cahn 發現一個重要分層：90% 的人選擇工作時問“我能獲得什麼”，而只有不到 10% 的人問“我能貢獻什麼”。他稱後者為“建設者（Builders）”。這些人通常是創業公司的文化中樞，他們不以職位衡量價值，而以創造衡量意義。“當你貢獻得足夠多，你自然能獲得更多。”他說，AI 創業者最需要的正是這種“貢獻型人格”。在 Clay、Juicebox 等他投資的公司裡，核心團隊成員都極年輕，卻能承擔遠超年齡的責任。Cahn 形容他們是“生於演算法時代的一代人”，也是驅動下一個十年的原動力。“未來最重要的招聘，不是再找 40 歲的專家，而是找 23 歲的天才。”▍泡沫、進化與時間的尺度在節目最後，David Cahn 重新回到了那個最常被問的問題：AI 是否是一場泡沫？他沒有迴避，也沒有修辭——只是平靜地說：“是的，但這是值得經歷的泡沫。” 在他看來，泡沫並不意味著虛假，而是新技術與資本之間的時間錯位，是進化的自然現象。“任何足夠偉大的革命，都會以泡沫的形式出現。”他回憶 2000 年的網際網路浪潮：當時無數公司破產，市值蒸發九成，但留下的 Google、Amazon、Netflix 改變了整個社會。“泡沫不會摧毀技術，只會摧毀錯誤的節奏。” 他認為，AI 也在經歷同樣的階段——一部分人太早下注，一部分人太慢行動，而真正的贏家，是那些在混亂中依然能持續建構、沉下心解決問題的人。Cahn 強調，AI 並非虛擬的未來敘事，而是當下正在重塑物理世界的力量。從電網到資料中心，從防務到教育，從內容到勞動力市場，AI 的觸角已經深入每個社會層面。它所帶來的變化，既是經濟層面的，也是文明層面的。“AI 是人類歷史級的事件，它讓我們第一次有能力複製自己的思考。”他也反對那種把 AI 視作“技術末日”的論調。“AI 不會毀滅世界，它只會暴露世界。” 它揭示了人類組織的效率、制度的惰性、教育的滯後，也揭示了創新的潛能。Cahn 認為，這種揭示本身就是一種進步，因為唯有看見真相，社會才能修正方向。對於時間，他的視角依舊寬廣。很多投資人希望在兩年內看到結果，而他看的是五十年。“AI 的處理程序不會被財報定義，它是一種長期的文明曲線。” 在他看來，AI 的每一次迭代都在延長人類的“智力壽命”，讓知識與經驗不再以個人生命為限。他用一句帶有哲學意味的話收尾：“我們可能會燒掉一些資本，但最終會得到一個更聰明的世界。” 在 Cahn 的敘述中，AI 的故事從未是關於誰更快、誰更富，而是關於人類如何更好地理解自己——以及，如何讓技術成為我們繼續進化的證據。 (有新Newin)