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。简报题为「现在 AI 世界到底发生了什么？」，集中整理了红杉对当前 AI 周期的判断，涉及 AGI、前沿模型实验室、AI 应用、新创估值、数据中心资本开支，以及相关社会风险。
Grady 在简报中表示，红杉认为 AGI 已经出现，而真正的转折点不是 ChatGPT，也不是 reasoning model，而是 2025 年出现的长时间 Agent。按他的说法，红杉在今年 1 月曾公开预测「2026 会是 AGI 之年」，当时这一判断仍属相当逆风的观点；到了 9 月，这一看法已经迅速从高度反共识，转向接近市场共识。
Grady：这轮 AI 不是又一次网络革命，而是一次运算革命
在 Grady 的框架里，AI 被放回过去数十年的技术浪潮中观察：从芯片、计算机系统、网络、Internet、移动设备，到今天的 AI，每一轮技术都建立在上一层基础设施之上。但他认为，这次 AI 浪潮与此前几轮相比有三个根本差异。
第一，市场规模更大。Grady 认为，AI 不只是在争夺传统软件市场，而是在进入规模更大的服务产业，后者的体量可能比软件高出约两个数量级。
第二，传播速度前所未有。Cloud 刚开始时，全球真正联网的人还不到 1 亿；智能手机革命则要求消费者先购买新硬件。现在几乎所有人都已经接入网络，也拥有手机，AI 不需要重新搭建 distribution channel，产品一旦跨过临界点，就可以迅速向全球扩散。
第三，也是他最看重的一点，AI 不是另一场信息传播革命，而是一场运算革命。PC、Internet、Cloud 和 Mobile 主要改变的是信息如何传递；AI 改变的是信息如何被处理。Grady 认为，人类上一次经历这种级别的运算革命，要回到 1960、1970 年代的硅芯片革命。
三次能力跃升：ChatGPT、o1 与 Claude Code
Grady 将过去五年的 AI 进展概括为三次真正重要的能力跃升。第一阶段是 2022 年 11 月 ChatGPT 的出现，它证明了大规模 pre-training 的能力。第二阶段是 2024 年底 OpenAI o1，让市场看到 reasoning 的潜力。
他把前两个阶段类比为心理学中的 System 1 和 System 2 thinking：前者是快速、直觉式反应，后者则能进行长时间推理。
在他看来，真正关键的是第三阶段，也就是 2025 年由 Claude Code、Opus 4.5 等产品代表的 long-horizon agents。Grady 说，这是 AI 第一次在更长时间尺度上展现出自主完成工作的能力。表面看这像只是模型能力曲线上的第三个点，但实际属于一种「不连续的变化」。他说，红杉的判断是，「最后那一次，就是我们终于抵达 AGI 的时刻。」
他还用「更快的马」和「汽车」来比喻这种变化。过去几年的 AI 更像是在做「更快的马」：本质仍是软件，只是能力更强。Agent 出现后，AI 更像是「汽车」，不再只是把原有工作做得更快，而是以完全不同的方式完成工作。
从 App 到 Assistant：Agent 开始直接把工作做完
Grady 认为，这个转折已经开始向 Main Street 扩散。他在简报中举了 Instinct、Muse 等新型 AI 产品为例，称这些产品已经从单纯的 App 进化为 Assistant。「它不只是处理任务，而是真的把工作做完。」
他将这一变化类比为 Zoom。视频会议在 Zoom 出现之前早已存在，但用户并不信任；Zoom 的真正突破，是跨过了可靠性门槛，让用户首次愿意默认直接使用视频会议。
Grady 认为，AI Agent 现在也在跨过相似的门槛。AI 很早以前在理论上就可以替人执行工作，但直到现在，人们才开始真正愿意把事情交给 AI。
在行业落地上，他提到医疗会是明显受益的领域之一，因为偏远地区医生未来可以把整套医学专业知识装进口袋。教育则因为公立教育体系导入速度较慢，尚未迎来真正爆发，但像 Alpha School 这样的案例已能显示未来雏形。
AI 的负面信号：Hyperscaler 开始借债建设数据中心
这份简报并未只讨论 AI 的正面变化。Grady 认为，2026 年已经出现一个值得注意的资本市场信号：Hyperscaler 的 AI 资本开支，开始超过其自由现金流所能支撑的水平。
换句话说，大型科技公司不再完全依赖内部现金流建设 AI 基础设施，而是开始使用债务融资来支持 CapEx。
与此同时，模型能力持续增强，也意味着安全风险会更快上升。Grady 还把心理健康列为 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，可能陷入所谓的「AI psychosis」。白领工作则已经全面受到冲击。
他给出的分界并不是「AI 是否取代白领」，而是会使用 AI 的白领仍可能继续繁荣，不学习 AI 的人则会面临巨大问题。
前沿实验室目标转向 ASI，alignment 讨论升温
从 OpenAI、Anthropic 等前沿 AI Lab 的视角看，Grady 认为另一个重大变化在于：AGI 已不再是终点。前沿实验室的内部讨论，正在快速从 AGI（Artificial General Intelligence）转向 ASI（Artificial Superintelligence）。
其中一个核心概念是 RSI（Recursive Self-Improvement，递归自我改进）。Grady 表示，前沿模型在过去一年里其实已经大量参与到「打造下一代模型」的工作中。当 AI 开始能够帮助改进 AI，实验室担心的就是能力提升速度出现 takeoff，人类不再能够跟上。
这也直接连接到 p(doom)，也就是 AI 最终失控、甚至威胁人类存续的概率。
按他的说法，各家实验室在最近几个月都开始意识到，alignment 是一个真实存在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、自研芯片与持续学习
在技术路径上，Grady 认为，模型正在快速离开纯语言领域。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）。
所谓持续学习，意味着未来的 AI 不再是训练完成后便固定不变的 one-size-fits-all 模型，而是能够持续从自身环境和用户交互中学习。
另一方面，OpenAI、Anthropic 等模型公司也在进行激烈的 token 战争。各家通过持续压低 API 价格，争夺少数真正大量消耗 token 的企业客户；同时组建 Grady 所称的「DeployCo」，把大量顾问派进《财富》500 强企业，直接替这些公司打造定制 AI 应用，让更多企业工作负载开始消耗自己的 token。
即使资本投入巨大，Grady 仍表示，当前 Lab 与 AI 新创普遍「严重受限于算力」，整体需求依旧超过供给。
红杉眼中的最大机会：模型能力与企业采用之间的“扩散落差”
Grady 指出，模型世界虽然在高速前进，但企业的采用速度并没有同步跟上。他把这种差距称为 Diffusion Gap（扩散落差）：模型已经能做到的事情，远多于企业实际在生产中用 AI 做到的事情。
在红杉看来，这正是当前应用层最大的创业机会。
红杉最看好的方向，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。
另一个方向是 System of Record。Cloud 时代最重要的应用层公司之一，是 Salesforce、ServiceNow、Workday 这样掌控企业核心数据和工作流的系统。红杉认为，在 AI 时代，全新的 System of Record 也正在形成。
AI 开始重写 Frontier Tech：药物设计可从数年压缩到数天
Grady 在简报中还特别提到 AI 与科学研究结合带来的变化。他表示，现在已经开始出现公司可以近似「one-shot」地产生候选药物。过去科学家可能需要数年时间进行 molecule design，现在借助模型，可能只需要几天。简报提到 Chi Labs 作为其中一个例子。
他也提到另一个值得关注的方向：domain-specific AI lab，而不是再去复制一家通用型 Frontier Lab。简报中举到一款名为 Jev 的 classifier。Grady 说，很多企业目前使用 LLM 处理的任务，本质上其实只是「multiple-choice decision」，也就是在有限选项里做判断。如果换成专用 classifier，成本可以降低约 100 倍，速度也更快。
他还表示，Jev 背后的公司在产品爆红后，过去 7 天内从零增长到 1 亿美元 revenue。不过他同时强调，这属于「outlier among outliers」，是极端案例中的极端案例。
AI 新创增长曲线脱离 SaaS 时代尺度
Grady 说，一些 AI 公司目前可以维持每天超过 10% 的增长率。另一家高价值知识工作 AI 公司在 2025 年底的收入约为 2 亿美元，预计到 2026 年底将达到 7 亿美元。
简报没有公开这些公司的完整名称，但他希望借此说明，AI native 公司的增长曲线，已经开始脱离传统 SaaS 时代的尺度。
“Own Your Intelligence”：应用层正把工作负载迁回自有模型
Grady 还谈到一个他称为 Own Your Intelligence 的趋势，也就是「拥有自己的智慧」。他认为，这并不是因为企业不信任 Foundation Model，也不主要出于 GDPR、数据隐私或安全考虑，核心原因是经济效率。
在他的判断里，OpenAI、Anthropic 等大型模型只占据了价格/性能 Pareto Frontier 上的少数几个点，而企业内部实际存在大量不同类型的工作负载。对于很多任务来说，最有效率的方案并不是每次都调用最高阶的 Foundation Model，而是采用 open-source model，再围绕自身数据和任务进行 post-training。
因此，他观察到一个明确趋势：企业正把 workloads 从 foundation models 搬到自己的 open-source model 上。
这意味着，即便 OpenAI、Anthropic 的模型能力继续领先，应用层公司仍可能逐步降低对单一模型供应商的依赖。
Jev 被列为新模型架构案例，一周做到 1 亿美元营收
在简报里，Grady 还单独提到 Jev，将其视作「新模型架构」开始出现的例子之一。他将 Jev 定义为 classifier（分类器），指出许多企业现在交给大型语言模型处理的工作，本质上只是「multiple-choice decisions」。
在这种场景下，并不一定需要昂贵的通用型 LLM。若改用 Jev 这类专门化模型，部分工作可以实现成本降低约 100 倍，同时速度更快。
他的结论是，未来并非所有任务都会交给越来越大的通用模型，市场也可能出现大量针对特定任务优化、成本更低、响应更快的小型或专用模型。
而 Jev 的商业化速度也被他列为一个极端样本。Grady 说，Jev 在前一周突然爆红，背后公司在 7 天内从零增长到 1 亿美元 revenue；即使放在当前高增长 AI 公司中，这也是「outlier among outliers」。
应用层创业更难：公司几乎每四个月就得重做一次
虽然机会巨大，但 Grady 认为，AI 应用层公司已经变得异常难做。按他的说法，当前真正跑出来的应用层公司，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提升太快。今天还能成为一家公司核心产品的能力，4 个月后就可能被新的 Foundation Model 直接变成免费功能。
因此，成功的 AI 公司开始采用更接近研究实验室的组织方式：不再让整个组织按「最弱的人」的速度前进，而是保护最强的少数人才，让最优秀的人拥有高度自主权，快速推进产品。
公司架构本身也在从传统层级管理，转向「network of agents」。AI 被用来传播信息，让员工理解组织内部正在发生什么；人则以更高自治度开展工作。
七笔交易平均一个月估值放大近 31 倍
Grady 还披露了红杉过去 12 个月参与的 7 家公司融资情况。按红杉的分析，市场开始出现一种「two-step」融资模式。
第一阶段是 Company-building partner，也就是像红杉这样会协助创业者搭建公司的早期投资人先进入。7 笔交易中，红杉平均投资时的 post-money valuation 约为 1.1 亿美元。
第二阶段则是 Capital partner，即纯粹提供大量资本的后期投资者。Grady 表示，平均不到一个月，这 7 家公司的下一轮平均估值就升至 34 亿美元。
按这组数据计算，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 说，这是过去从未见过的现象，也最能体现当前 AI 市场的「froth」。不过，即便估值已经非常激进，红杉并没有因此转向长期悲观。他在简报最后表示，没有人知道这扇门另一边究竟是什么，但有两件事可以确定：成本会继续下降，能力会继续上升；当这两件事同时发生，人类将进入一个变化速度不断加快的世界。
他最后用一句话结束这场简报：「Hold on to your hats.」