这就是 AGI：Sequoia AI Ascent 2026 主题演讲
摘要
Sequoia Capital 在 2026 年 AI Ascent 大会上发表了重磅主题演讲，由三位合伙人 Pat Grady、Sonia Huang 和 Constantine Buhler 联袂呈现。Pat 从宏观层面校准了对 AI 浪潮的认知：这不仅是迄今为止最大、最快的一波技术变革，更是一次根本性的范式转换——从"通信革命"到"计算革命"。他大胆宣称，从商业和功能角度来看，能够被派遣执行任务、从失败中恢复并持续工作直到完成的智能体（Agent），就是 AGI。Pat 提出了著名的 MAD 框架：护城河（Modes）应面向客户而非技术；可供性（Affordance）意味着创造最小阻力路径；扩散差距（Diffusion Gap）代表了应用层公司的巨大机会。Sonia 则深入到智能体的现状：模型从维持几分钟的性能跃升到数小时，智能体正在无处不在——从 Claude Code 到 OpenClaw，从"标签页自动补全"到"暗工厂"（Dark Factories）。她指出服务即新软件，雇佣智能体比雇佣人类更便宜、更可扩展。Constantine 以四个深刻的故事收尾，阐述了这场认知革命的本质：铝的故事（智能将从稀缺变为日用）、外星设计（机器思维不同于人类）、新兴科学（AI 将有自己的"热力学"），以及非理性艺术（就像摄影解放了绘画而非杀死绘画，AI 将解放人类的创造力）。
正文
Pat Grady：校准——这就是 AGI
Pat Grady 以一个标志性的幻灯片开场，追溯了从硅基晶体管到互联网、云计算、移动设备再到 AI 的技术浪潮。他强调，所有这些浪潮都是叠加的——我们需要数十年的演变来积累计算能力、带宽、数据和人才，才能充分把握当下。
然而，这一波 AI 浪潮有三个不同之处。
第一，这是最大的一波。 云转型的头 15 年，软件总可寻址市场（TAM）从 3500 亿美元增长到 6500 亿美元。但现在出现了全新的东西：服务收入。仅美国法律服务市场就是 4000 亿美元——一个垂直领域、一个地理区域，就等同于整个软件市场的规模。AI 服务的机会是 10 万亿美元级别的。
第二，这是最快的一波。 白空间正在被迅速填满。在云计算、移动互联网和 AI 这三波技术变革中，达到 10 亿美元以上收入的公司数量正在加速增长。
第三，也是最重要的——这是一场计算革命，而非通信革命。 Pat 借用了合伙人 Constantine 的洞见：互联网、云、移动都是关于信息如何分发的革命；AI 则是关于信息如何处理的革命。这听起来像是语义差异，但实际上是根本不同形态的浪潮。最直观的感受是：脚下的地面在不断移动。技术基础每天都在变化。
过去几年出现了三个重大拐点：2022 年 11 月的 ChatGPT 时刻——世界看到了预训练的力量；O1 模型——推理，第二条缩放定律围绕推理时间计算（Inference Time Compute）出现；以及最近的 Claude Code、Opus 4.5/4.7——世界看到了长程智能体（Long Horizon Agents）的力量。Pat 尖锐地指出，第二和第三个拐点之间存在着不连续性。
然后他说出了当天最大胆的宣言："这就是 AGI。" 他坦承自己不是技术人员，而是经济学出身的风险投资人，不打算提出 AGI 的技术定义。但从商业角度、实用角度、功能角度来看：如果你可以派遣一个智能体去做一项工作，它能够从失败中恢复并坚持到工作完成——这感觉就是 AGI。 即使你不认为这是 AGI，也至少能看到"汽车已经到来"——过去几年我们看到的是"更快的马"（让你生产力提高 10-40% 的应用），而现在我们开始看到"汽车"（让你生产力提高 10-40 倍、从根本上改变工作方式的应用）。
MAD 框架：为应用层建设者的建议
Pat 对基于基础模型构建应用的公司给出了 MAD 框架建议：
M——护城河（Modes）：面向客户，而非技术。 在一个计算革命中，你本能地会关注底层涌现的新能力。但为了建立护城河，你应该关注上层——你的客户变化的速度远远慢于能力变化的速度。你今天构建的东西可能明天就过时了，但你围绕客户建立的深度关系会更加持久。
A——可供性（Affordance）：创造最小阻力路径。 Pat 借用了设计领域的术语。一把锤子具有可供性——一个两岁的孩子拿到它就知道怎么用。Claude Code 非常强大，但如果你把一个普通财富 500 强公司的员工放到终端前，他们能走多远？强大的工具不一定具有可供性。对于应用层建设者来说，机会在于为特定客户的特定问题创造"脑死亡般简单"的使用路径。
D——扩散（Diffusion）：差距就是机会。 能力被创造出来的速度远远快于它们向市场扩散的速度。每天，基础模型都在把普通财富 500 强企业甩得更远——这个差距越大，应用层公司的机会就越大。
Pat 以赛车比喻作结：在阳光下你超不过 15 辆车，但在雨中你可以。 而现在，正下着倾盆大雨般的新能力——没有哪个领先地位是安全的，但这也意味着任何人都能赢。
Sonia Huang：无处不在的智能体
从 AutoGPT 到今天
Sonia 邀请听众回忆 2022 年。AutoGPT 和 Baby AGI 项目在 GitHub 上一夜爆红——它们给 GPT-3 一些工具，包装在一个循环中，让它朝着目标运行。看起来很有希望，直到你看到这些智能体一次又一次地失败——有点可爱，有点讨人喜欢，但完全没用。
快进到今天。年末年初之间，某些东西真正改变了。 突然间，智能体无处不在，而且似乎真的有效了。两个爆款：Claude Code（技术人群）和 OpenClaw 及其龙虾兄弟们（让任何有手机的人都能创建智能体）。无论你是硬核工程师还是普通用户，任何人都可以创建智能体。
人们正在为一切构建智能体——从搞笑的（举报邻居税务欺诈的 OpenClaw 智能体），到创业的（用于销售建筑服务的生成式媒体营销智能体），再到专业的（Sequoia 内部正在疯狂竞争谁能构建最好的智能体来完成自己的工作）。
智能体的三个功能组件
Sonia 给出了一个优雅的定义：智能体是其感知环境、选择行动并自主朝着目标前进的系统。它有三大功能组件：
第一，推理和规划（Reason and Plan）——大脑。 衡量模型在复杂任务上持续进展而不偏离轨道的时间长度的"Meter 图表"显示：我们从一年前的数十分钟级别，走到了今天的数小时级别。这是最重要的事情——模型终于足够有能力维持长程任务的性能。
第二，采取行动（Take Actions）——手臂和腿。 工具赋予模型访问那些让人类在计算机上富有生产力的事物的能力：终端（文件系统和开发工具）、iMessage、Slack、网页搜索、计算机使用（Computer Use）。过去二十年为人类构建的工具，最终被证明可以移植给智能体使用。关于"SaaS 已死"的论调，Sonia 持相反观点：随着使用它们的智能体数量增加，这些工具的价值将会爆炸。
第三，迭代（Iterate）——持久性。 束缚（Harness）赋予智能体保持任务专注、适应并持续前进的能力。反馈循环正在真正开始运转，特别是在强化学习的加持下——他们正在把智能体送到"驾校"，在 RL 健身房里训练它们，在从机械工程到设计再到金融的不同场景中推动性能提升。还出现了自我改进的早期曙光——机器在建造机器。
智能体的滑动尺度（Sliding Scale of Agentness）
Sonia 用编程作为例子生动展示了智能体的演进：
- 2023 年：标签页自动补全。 一个 AI 助手逐行协助人类——渐进式有用，但不具有变革性。
- 现在：智能体开发。 一个人与一个智能体对话，指示它做什么，也许管理一个智能体团队。
- 正在来临：后台异步智能体。 智能体派生子智能体，在后台运行。异步智能体在数量上可能会超过当前范式。
- 前沿：暗工厂（Dark Factories）。 完全取消人工审查。听起来疯狂，但 Sonia 已经在生产环境中看到了——包括在网络安全公司中。只要有足够好的护栏和工程能力，这是可能的。
智能体正在从"在你身边做一点点小事的小帮手"进化到"需要被管理的实习生"，再到"管理自己的实习生"，最终到"可以被信任直接推送到生产环境而无需监督的实习生"。
服务即新软件
对于在场的创业者，Sonia 最重要的信息是：服务即新软件（Services is the new Software）。
在医疗领域，你可以雇佣一个智能体检查你的基因组，提供个性化建议，开具药物处方，推荐临床试验。在法律领域，智能体可以代表你谈判合同，甚至执行诉讼和和解。在数学和科学领域，智能体可以解决 Erdős 问题或发现新的超导体。在消费领域，个人智能体可以管理你的收件箱、日历、财务和报税。
雇佣智能体比雇佣人类容易得多。 人类难以规模化——智能体可以用计算无限扩展。人类难以保持快乐——智能体维护成本低。你支付人类薪水，你支付智能体 tokens（代币）。通常用代币完成任务比用等值薪水更便宜。虽然今天人类总体更聪明，但"苦涩的教训"（Bitter Lesson）不会停止——很快智能体将在许多事情上超越人类。
当智能体之间的数量呈指数甚至超指数增长时，事情会变得真正奇怪：智能体之间会发生商业交易吗？它们能相互支付吗？智能体能相互协商交易条款吗？会有智能体群体来监控我们、防止网络安全威胁或巨型数据泄露吗？世界正在极速变得奇怪。
Sonia 以令人振奋的例子结束：Zed 的 Nathan 利用 Claude Code 在假期期间独自完成了一个三年的登月项目；Brett Taylor 在一个周末重建了 Sierra；Notion 团队在六周内重写了 800 万行代码。当把这些被压缩的时间线叠加在一起时——无论你能想象在未来一百年内建造什么，现在都可能在 100 天内实现。
Constantine Buhler：接下来会发生什么？
Constantine 开启了下半场，提出了一个更深层次的问题：我们已经身处 AI 时代。它会是什么样子？它会给人什么感觉？
物理工作 vs 认知工作：同一个模式
他首先将工作分为两类：物理工作（力乘以距离——包裹、卫星发射）和认知工作（有意识的思考——毕达哥拉斯定理、DeepMind 的蛋白质折叠）。虽然它们截然不同，但变革的模式将惊人地相似。
回顾工业革命：在人类历史的绝大多数时间里，几乎所有的物理工作都由人或动物的肌肉完成。从 1700 年代开始，水力和风力、蒸汽机、内燃机、电动机相继出现。到今天 2026 年，地球上超过 99% 的为人类服务的物理工作由机器完成。 把你带到这里的飞机、这个房间里所有物品的制造、所有维持这场人类巅峰体验的运输——全是机器做的。
Constantine 认为，同样的模式将在认知领域发生。 在人类历史的大多数时间里，地球上所有的思考主要由人类完成。过去几百年间进展不大，直到电子计算（Electronic Computation）出现。而在过去一百年间，任何时刻都有数万亿次计算在为你服务。
他断言：神经网络是下一个大浪。在不久的将来，地球上 99.9% 的认知将由机器完成。
四个故事
为了帮助听众感受这个未来，Constantine 讲述了四个故事：
故事一：铝与智能。 19 世纪中期，美国建造华盛顿国家纪念碑，决定用世界上最珍贵的金属（100 盎司）镀顶——如此珍贵以至于在 Tiffany 展出。那金属是铝。几十年内，电解法（Electrolysis）被发明，铝变成了包装糖果和三明治、然后扔进垃圾桶的东西。铝就是智能。电解法就是人工智能。 我们即将进入一个世界，在那里，一些最珍贵的技能——需要数十年才能获得的博士级技能——可以被瞬间调用，然后用完即弃。
故事二：外星设计（Alien Design）。 2006 年，NASA 为一个太空任务优化天线。传统天线是美丽、几何对称的图案。这一次，他们把问题交给了计算机上的进化算法。结果是这个奇形怪状的天线——性能远高于传统设计，但对人类思维而言完全不直观。在 AI 时代，当 AI 设计芯片、汽车、建筑时，它们可能看起来截然不同。AI 不会像我们一样思考——它将带来外星设计。
故事三：新兴科学（Emerging Sciences）。 早期工业革命中，纽科门和瓦特等伟大工程师完善了内燃机，但近百年来，这一切都是"修修补补"——工程师说"嗯，这样好一点"。直到 120 多年后，萨迪·卡诺（Sadi Carnot）将其形式化为热力学（Thermodynamics）。同样，今天有数十亿个神经元、数万亿个 tokens——我们正处于 AI 的修修补补阶段。在未来几十年内，将出现一门像热力学一样基础的新科学，帮助人类掌握 AI——甚至掌握意识。
故事四：非理性艺术（The Art of Unreason）。 数万年来，艺术一直在朝现实主义演进——从洞穴壁画到埃及象形文字、希腊陶器、文艺复兴绘画。然后摄影术出现了。世界以为绘画已经终结——机器能做得比任何人好。然而，人类的回应是印象派、表现主义、立体主义、新表现主义。AI 可以完成工作，AI 将会完成工作。但只有人类的连接才能给你一个在乎的理由。
Constantine 以古希腊哲学家普罗泰戈拉（Protagoras）的名言作结："人是万物的尺度。"十年后，工作将截然不同。但唯一不变的是你今天与身边人建立的关系——那些关系将持久存在。那才是真正有价值的东西。所以他鼓励所有人：珍惜在 AI Ascent 相聚的时光，拥抱那些使我们最有人性的东西。