2026紅杉美國年度分享：AGI已經到來，重新定義AI革命

你有沒有想過，我們可能已經生活在AGI時代了？不是科幻小說里的場景，不是遙不可及的未來，而是現在，此刻。紅杉資本在2026年AI Ascent大會上，三位合伙人Pat Grady、Sonya Huang和Konstantine Buhler直接宣布：這就是AGI。這個宣言震撼了我。不是因為他們用了這個詞，而是因為他們給出了一個極其務實的定義：如果你能派遣一個AI agent去完成一項工作，它能從失敗中恢復，并堅持直到工作完成，那這就是AGI。從商業角度、實用角度、功能角度來看，這已經足夠了。

我聽完整場演講后，有一種醍醐灌頂的感覺。過去幾年我們一直在討論AI會如何改變世界，但大多數人可能還停留在"讓我們效率提升10%到40%"的層面。而紅杉的觀點是：車已經到了。不是更快的馬，而是真正的汽車。這意味著不是漸進式的改進，而是工作方式的根本性變革。駕駛汽車的方式和騎馬的方式完全不同，制造汽車的方式和養馬的方式也完全不同。我們正在經歷的，是一場不同性質的比賽。

PS：我的出海新書已經上架了，我特意申請了公眾號讀者專屬的優惠鏈接，可以享受半價折扣，歡迎感興趣的朋友購買。

同時我還特地建立了實名制的讀者群，我會在群里定期解答一些問題和開展線上線下活動，歡迎購書的朋友實名制入群，大家一塊交流，共同出海！

這不是通信革命，而是計算革命

Pat Grady在演講中提出了一個我認為極其重要的觀點：AI革命和我們過去經歷的所有技術革命都不一樣?；ヂ摼W、云計算、移動互聯網，這些都是通信革命（revolutions in communication），關于信息如何分發。但AI是計算革命（revolution in computation），關于信息如何被處理。這聽起來可能像是語義上的區別，但實際上這是兩種形狀完全不同的浪潮。

我深刻理解這種差異的含義。通信革命的特點是基礎設施相對穩定，你在上面構建應用時，底層不會每天都在變化。但計算革命不同，你腳下的地板一直在移動。每當新能力出現時，構建的技術基礎每天都在變化。過去幾年我們經歷了三個重大轉折點：2022年11月的ChatGPT讓世界看到了預訓練（pre-training）的力量；幾年后O1模型的推理能力讓第二條scaling law（擴展定律）在推理時計算（inference time compute）上出現；最近Claude Code、Opus 4.5和4.7讓世界看到了長時程agents（long horizon agents）的力量。

我覺得Pat說得對，第二和第三個轉折點之間存在一個硬斷裂，這是一個不連續的變化。前兩個轉折點還是在讓AI變得更聰明，但第三個轉折點是讓AI能夠真正完成工作。這就是為什么紅杉敢于宣稱"這就是AGI"。即使你不同意這是AGI，但我認為我們都能看到，車已經到了。過去幾年我們有很多"更快的馬"——那些讓你效率提升10%或40%的應用，但沒有從根本上改變你的工作方式?，F在我們開始看到"汽車"——那些讓你效率提升10倍或40倍，并徹底改變你工作方式、工作性質甚至組織性質的應用。

這個轉變對我個人的影響是巨大的。我意識到我們不能再用過去的思維方式來思考AI。這不是一個可以慢慢適應的漸進式變化，而是一個需要立即重新思考一切的范式轉變。從產品設計、商業模式到組織架構，所有東西都需要重新審視。

長時程agents的真正突破

Sonya Huang在演講中講述了agents的演變歷程，這段歷史我覺得特別能說明問題。2022年的時候，GitHub上有AutoGPT和Baby AGI這些項目一夜爆紅。它們的做法是把GPT-3給它一些工具，包裝在一個循環中，讓它朝著目標運行。聽起來很有前景，直到你看著這些agents一遍又一遍地失敗。有點可愛，有點討人喜歡，但完全沒用。

這個例子提醒我們，其實幾年前我們就知道agents會到來，但那時候模型還沒準備好?？爝M到今天，在年初前后真的發生了一些變化。突然間我們周圍到處都是agents，而且它們似乎真的能工作了。Claude Code對技術人群來說是本壘打，OpenClaw（還有它所有的龍蝦兄弟們）則讓任何有手機的人都能使用agents。不管你是硬核工程師還是普通人，重點是現在任何人都可以創建agents了。

Sonya給出了一個agents的定義，我覺得很精準：agent是一個感知環境、選擇行動并自主朝著目標前進的系統。更具體地說，agents有三個功能組件。第一是推理和規劃（reason and plan）的能力，這是基準級別的直覺和即時思考的能力。第二是采取行動（take actions）的能力，這包括工具、搜索、寫作、編譯等。第三是朝著目標迭代（iterate towards a goal）的能力，這種持久性讓agents能夠在長時間跨度內完成任務。Agency（代理能力）結合了這三點，簡單來說就是把事情做成的能力。

我特別關注Sonya展示的一個圖表，叫做"Meter chart"（米表圖），它衡量模型在復雜任務上能持續多長時間而不偏離軌道。一年前是幾十分鐘的量級，今天是幾小時的量級。這是最重要的進展。模型終于變得足夠強大，能夠在長時程任務上保持表現。這不是一個小的改進，而是從"不可用"到"可用"的質變。

現在我們看到的agents存在于一個"agentness"（代理性）的滑動尺度上。以編程為例，2023年我們有tab自動補全，一個AI在一行中輔助一個人類。這是漸進式有用的，但根本不是變革性的。現在我們有agentic development（代理式開發），一個人類和一個agent對話，指示它做什么，可能管理一個agents團隊。但這個范式還在被進一步推動。我們現在看到后臺agents、異步agents、agents生成子agents。Sonya認為異步agents這整個范式在數量上可能會超過當前范式，因為系統中的杠桿作用太大了。最前沿的是她稱之為"dark factories"（黑暗工廠）的東西，完全把人類審查從系統中移除。這聽起來很瘋狂，但她說已經在生產環境中看到了，包括網絡安全公司。只要有足夠好的護欄和足夠好的工程，這是可能的。

我對"黑暗工廠"這個概念感到既興奮又有些不安。興奮是因為這代表了生產力的終極飛躍，不安是因為這意味著我們真的要把關鍵決策交給AI了。但我也意識到，這可能是不可避免的趨勢。agents正在從你身邊做一點小事的小助手，進化為需要被管理的實習生，再到能自我管理的實習生，最終成為可以信任到無需監督就能推送到生產環境的實習生。這種演變不僅發生在編程領域，而是在所有agents應用中。

為什么這次機會如此巨大

Pat在演講中強調了這次AI浪潮在三個方面的特殊性，我認為每一點都值得深入思考。第一，這是迄今為止最大的浪潮。云計算轉型的前15年，軟件的TAM（總可尋址市場）從大約3500億美元增長到6500億美元，云計算占了其中約4000億美元。但現在全新的是服務收入，這個數字可能是10萬億美元。Pat說他們不知道確切是10萬億、5萬億還是50萬億，但他們知道僅美國的法律服務就是一個4000億美元的市場，那只是一個垂直領域和一個地理位置，卻已經相當于所有軟件的市場規模了。

我對這個數字的理解是：過去我們只是在優化軟件本身，現在我們在替代服務。軟件市場雖然大，但服務市場要大得多。當AI能夠真正完成律師、醫生、分析師、顧問的工作時，我們打開的是一個完全不同量級的市場。這不是軟件吃掉世界，而是AI吃掉服務業。這個轉變的深遠意義在于，我們不再受限于軟件授權和訂閱的商業模式，而是可以直接按結果收費，就像雇傭服務提供商一樣。

這個數字讓我震撼。我們過去總是把軟件看作一個巨大的市場，但現在AI打開的是服務市場，那是一個數量級更大的機會。Sonya在演講中也強調了這一點：服務即新軟件（services is the new software）。這不是一個口號，而是正在發生的現實。在醫療領域，你可以雇傭一個agent檢查你的基因組，給你個性化建議，甚至可以開處方藥、推薦臨床試驗。在法律領域，你可以雇傭agents代表你談判合同，甚至進行訴訟并為你和解。在數學和科學領域，我們看到agents可以解決Erd?s問題或發現新的超導體。在消費者領域，個人agents可以為你管理收件箱、日歷、財務，幫你報稅。

我認為agents部署之所以會如此迅速和大規模，是因為經濟學太清晰了。Sonya展示的對比很有說服力：人類難以擴展，agents可以用計算無限擴展；人類難以保持快樂（她開玩笑說除了她自己總是快樂），agents低維護；人類很貴，你付給他們工資，你付給agents的是tokens（代幣），通常用tokens完成任務的成本低于等價的工資成本。今天人類通常還更聰明，但bitter lesson（苦澀的教訓）在繼續推進，很快agents在很多事情上會比人類更聰明。

第二個特點是這是最快的浪潮。我們都能感受到這一點。Pat展示的幻燈片上，AI那一側的空白正在被非?？斓靥顫M。這些logo是那些因云計算、移動互聯網和現在的AI構造轉變而達到10億美元以上收入的公司。按照當前的速度，更多的公司即將到來。這種速度意味著我們沒有太多時間去慢慢適應，必須快速行動。但Pat也提醒我們一個重要的事實：沒有任何領先是安全的。他用賽車的比喻說："你不能在陽光下超越15輛車，但你可以在雨中超越15輛車。"現在foundation models正在傾盆大雨般地推出新能力，這意味著沒有任何領先是安全的，但也意味著任何人都可以贏。

我對這個觀點的理解是：在穩定的技術環境中（陽光天），先發優勢很重要，后來者很難追趕。但在快速變化的技術環境中（雨天），一切都變得不確定，新的機會不斷涌現。今天的領先者明天可能就落后了，因為新的能力改變了游戲規則。這對創業者來說既是挑戰也是機遇。挑戰在于你必須不斷適應和進化，機遇在于你永遠有機會超越競爭對手，只要你能更好地利用新能力。

第三個特點我前面已經提到了，就是這是計算革命而非通信革命。Pat特別強調這一點的重要性。過去的互聯網、云計算、移動互聯網都是關于信息如何分發的革命，是通信革命。這些革命的特點是基礎設施相對穩定，你可以在一個相對穩定的平臺上構建應用。但AI不同，AI是關于信息如何被處理的革命，是計算革命。這意味著你腳下的地板一直在移動，構建的技術基礎每天都在變化。

Pat說，在他這一代人的職業生涯中，他們只經歷過通信革命。這是第一次真正的計算革命。這種差異的影響是深遠的。在通信革命中，你可以制定一個五年計劃并執行它。但在計算革命中，五年計劃毫無意義，因為底層能力可能每個月都在發生根本性變化。這要求我們采用完全不同的戰略思維，更加敏捷，更加適應性強。

給創業者的MAD策略框架

Pat給那些在模型之上構建應用的創業者提供了一個建議框架，他稱之為MAD。他開玩笑說這是免費建議，所以值你們付的每一分錢。但我覺得這個框架非常有價值，因為它直接指向了在這個快速變化的時代如何建立持久的競爭優勢。MAD代表Modes（護城河）、Affordance（可供性）和Diffusion（擴散）。

在講MAD之前，Pat先展示了一個merchandising cycle（商品化周期）的概念，這是從想法到滿意客戶所需的價值鏈中的各個環節。他的核心觀點是：如果你從tech-out（技術導向）的角度來看，你會以某種方式處理價值鏈中的每個環節。但如果你從customer-back（客戶導向）的角度來看，你會以完全不同的方式處理每個環節。

這里有一個反直覺的部分讓我印象深刻。在計算革命中，也就是關于信息處理的革命，你會想要往下看那些不斷涌現的酷炫新東西。但為了建立護城河，你實際上應該往上看，因為你的客戶變化的速度遠不如能力變化的速度快。你構建的產品可能明天就無關緊要了，但你圍繞客戶建立的深度程度會更持久。

關于Modes，Pat特別強調：這不是說產品和技術不重要，它們極其重要，通常最好的產品會贏。但在產品變化如此之快的世界里，因為能力變化如此之快，在思考護城河時，他鼓勵我們盡可能以客戶為中心，思考所有能圍繞客戶建立的方式。我理解這意味著深入理解客戶的工作流程、痛點、決策過程，建立信任關系，成為他們業務中不可或缺的一部分。當技術變化時，這種客戶關系會讓你有機會繼續為他們服務，即使是用不同的技術。

Affordance這個概念Pat是從設計界借來的，我覺得這個詞選得特別好。一個錘子是一個有affordance的物體。如果他給他兩歲的兒子一個錘子，兒子會知道該怎么做——抓住它，開始敲東西。這就是為什么他們不給兒子錘子。一個有affordance的物體是不需要解釋的，人們就知道怎么用。

Pat舉了一個很好的例子。Claude Code極其強大，但對一般的世界500強員工來說，打開一個終端看他們能走多遠。雖然它很強大，但并沒有提供那么多affordance。這不是在批評Anthropic，而是為任何想在上面構建的人提供了機會。你的工作是為你的特定客戶和他們的特定問題創建阻力最小的路徑，讓他們能夠非常簡單地找到他們業務所需的結果。

我對affordance的理解是：技術能力和用戶能夠實際使用的能力之間存在巨大差距。即使是最強大的工具，如果用戶不知道如何使用或者使用起來太復雜，它就沒有價值。應用層公司的機會就是填補這個差距，把強大但復雜的技術轉化為簡單直觀的用戶體驗。這需要深入理解用戶的心智模型、他們的技能水平、他們的工作環境。你不是在教育用戶如何使用復雜的技術，而是讓技術適應用戶已有的工作方式。

Diffusion gap（擴散差距）是應用層公司機會的第三個維度。Pat指出，能力擴散到市場的速度遠遠落后于這些能力被創造的速度。每當foundation models的進步速度超過你的平均世界500強企業時，這個差距就會變大，這個機會也會變大。

我對這個觀點的理解是：創新總是在實驗室和前沿公司中首先發生，但大多數企業采用這些創新需要時間。他們需要評估、測試、整合、培訓。在AI時代，這個差距特別大，因為技術進步如此之快。每天都有新的模型、新的能力發布，但大多數企業還在試圖弄清楚如何使用六個月前的技術。這個差距就是應用層公司的機會——幫助企業跨越這個鴻溝，讓他們能夠實際使用最新的能力。

Pat總結說：對于護城河，盡量以客戶為中心思考；對于affordance，盡量思考為你的客戶創造阻力最小的路徑；那個擴散差距代表了你的機會。這三個維度結合起來，就構成了在AI時代建立持久競爭優勢的完整框架。

但Pat沒有就此停下。他還特別提醒我們，雖然那張顯示空白正在被填滿的幻燈片可能讓一些人感到沮喪，覺得已經沒有機會了，但要記?。簺]有任何領先是安全的。現在foundation models正在傾盆大雨般地推出新能力，這意味著那些看起來已經占據市場的公司，他們的領先地位也可能在一夜之間被顛覆。同時，這也意味著任何人都可以贏，只要你能更好地利用新能力，更快地適應變化。

我特別認同這個觀點。在穩定的技術環境中，先發優勢很重要，網絡效應和規模優勢會形成強大的壁壘。但在快速變化的技術環境中，這些壁壘可能一夜之間就變得無關緊要。新的能力可能讓老的產品架構過時，新的交互方式可能讓用戶習慣改變。這就是為什么Pat說"活在這個時代真是太好了"——對于那些敢于創新、快速行動的人來說，機會無處不在。

agents無處不在的世界

Sonya在演講中描繪了一個agents無處不在的世界，我覺得這個愿景既令人興奮又值得深思。她說人們正在為所有事情構建agents。有些是愚蠢的東西，比如一個OpenClaw agent會向稅務機關告發你鄰居的逃稅行為（她說"請不要這樣做，或者也許請這樣做"）。有些是創業性質的，agents運行生成式媒體活動來銷售建筑服務。還有專業層面的，她說紅杉內部有一場巨大的競賽，看誰能構建最好的agents來更好地完成工作。

agents部署的速度和規模將是前所未有的，因為經濟效益太明顯了，而且agents具有內在的可擴展性。這不是說我們人類會失業，Sonya認為人類獨特的特質是適應性。但我們確實要預期agents在應用層的部署會非常迅速和大規模。

當你把所有這些加起來，agents的數量正在以某種指數級，也許是超指數級的方式膨脹。Sonya認為我們即將達到事情變得真正奇怪的點。當商業發生在agents之間會怎樣？它們能互相付款嗎？當agents實際上可以彼此協商交易條款時會發生什么？我們會有一大群agents在監管我們，防止網絡安全問題或大規模破壞嗎？我們只知道世界正在以極快的速度變得奇怪。

我對這個未來既興奮又有些擔憂。興奮是因為這代表了人類生產力的巨大飛躍。我們終于可以把那些重復性的、枯燥的任務交給AI，專注于更有創造性和戰略性的工作。但擔憂是因為這種轉變會帶來很多未知的社會和倫理問題。當agents之間可以自主交易時，我們如何監管？當agents做出錯誤決策時，誰來負責？這些都是我們需要認真思考的問題。

Sonya最后引用了她內心的Eliezer Yudkowsky（一位AI安全研究者）說：長時程agents已經到來，它們的發展曲線非常清晰。對于創業者來說，每個人都有因為AI而完成瘋狂困難時間表的例子。Zed的Nathan在假期里用Claude Code獨自完成了一個三年的登月項目。Brett Taylor在一個周末重建了Sierra。Notion團隊在僅僅六周內重寫了800萬行代碼。

每個人都有這些壓縮時間線的例子，但Sonya認為很少有AGI實驗室之外的人看到當你把這些壓縮的時間線疊加在一起時會發生什么。這就是現在可能的事情。所以無論你能想象在未來100年內構建什么，現在都可以在100天內實現，這要感謝agents。這個觀點讓我深感震撼。我們不是在談論漸進式的改進，而是在談論時間維度上的壓縮。這意味著創新的速度將會呈指數級增長。

認知革命：下一場工業革命

Konstantine Buhler的演講部分可能是整場最具哲學深度的。他把工作分為兩種：物理工作和認知工作。物理工作是Pony Express上的包裹，是Falcon 9上的衛星，功等于力乘以距離，是物理運動。認知工作是畢達哥拉斯提出定理，是DeepMind解決蛋白質折疊問題，是有意識的思考。這是非常不同的兩種工作，但Konstantine認為它們將遵循非常相似的革命模式。

他談到物理工作革命，也就是工業革命。在人類歷史的絕大部分時間里，幾乎所有為人類服務的工作都是由某種肌肉完成的，人或動物。人移動東西或動物拉著人。這從1700年開始，但可以追溯到幾千年前。然后事情開始改變。水力和風力，蒸汽機，然后事情加速了。蒸汽機、內燃機、電動機。到2026年的今天，你可以估計地球上為人類完成的所有物理工作的99%以上是由機器完成的。帶你來這里的飛機，這個房間里所有商品的制造，所有為你現在正在經歷的人類體驗巔峰而設置的運輸。

Konstantine認為認知領域會發生類似的模式，只是我們還處于更早期。在人類歷史的大部分時間里，地球上為人類進行的所有思考主要由人類完成，也許動物有一點點貢獻，牧羊犬追趕羊群之類的。歷史上有一小部分機械工作，星盤或時鐘。在過去幾百年里，直到電子計算出現之前，進展不大。在過去一百年里，想想在任何給定時刻正在發生的數萬億次計算來為你這個人類服務。所有這些正在發生的認知工作，在任何給定時刻為我們服務的數萬億次計算。

Konstantine相信神經網絡是下一個大浪潮，在不久的將來，地球上99.9%的認知將由機器完成。這個平行關系非常明顯。好消息是我們經歷過這樣的革命。認知革命將很像工業革命，只是會大得多、快得多。

這個觀點讓我深思。如果認知工作真的像物理工作一樣被機器接管，那意味著什么？我們人類的角色將是什么？Konstantine給出了他的答案，通過四個短故事。

四個關于未來的故事

Konstantine講述的四個故事深深觸動了我，每個故事都揭示了AI時代的一個重要真理。第一個故事關于鋁。19世紀中期，美國想為第一任總統和最偉大的戰爭英雄喬治華盛頓建造一座宏偉的紀念碑。他們設計了當時世界上最高的建筑，華盛頓國家紀念碑。他們想用世界上最珍貴的金屬給它加頂，100盎司最珍貴的金屬。這種金屬如此珍貴，以至于他們把它放在曼哈頓的蒂芙尼展出。那種金屬就是鋁。

在華盛頓國家紀念碑完工后的幾十年內，一位年輕的發明家提出了電解法，從泥土中分離鋁的過程。幾十年內，鋁就被用來包裹糖果和三明治，然后扔進垃圾桶。鋁就是智能，電解法就是人工智能。我們即將進入一個世界，一些需要幾十年才能獲得的最珍貴的技能，博士級別的技能，可以如此即時地調用，以至于在使用后，你可以把它們揉成一團扔進垃圾桶。

這個比喻太精準了。我們習慣于將某些認知能力視為珍貴和稀缺的，但AI正在使這些能力變得廉價和豐富。這不是在貶低人類智能，而是在說明技術進步如何重新定義價值。當專業知識變得像鋁一樣普遍時，真正有價值的將是什么？

第二個故事關于外星設計（alien design）。我們今天看到的世界都是為人類設計的。它以一種對我們大腦有意義的方式優化，因為我們在做世界上幾乎所有的認知工作。當機器做認知工作時，會有點不同。2006年，NASA正在為一個大型太空任務優化天線。傳統上，他們的天線看起來像一個美麗的幾何對稱圖案，在某些功率約束下優化了表面積。這次他們說要把它交給計算機，讓進化算法（很像強化學習）來處理。結果是這個天線，生產力大幅提高，但對人類思維來說不直觀。

在這個AI時代，當我們把認知交給機器時，我們會得到對我們來說不直觀的結果。當AI設計芯片、汽車、建筑物時，它們可能看起來會非常不同。我們進入的世界，我們必須保持開放的心態，因為AI不會像我們一樣思考。它會有外星設計。

這個故事提醒我不要用人類的直覺來評判AI的輸出。AI可能會找到我們永遠想不到的解決方案，這些解決方案可能看起來奇怪或不優雅，但卻更有效。我們需要學會欣賞這種"外星美學"。

第三個故事關于新興科學（emerging sciences）。在工業革命早期，有像Newcomen和Watt這樣的偉大工程師完善了內燃機?；旧习咽突瘜W物質放進活塞，點燃，數百萬、數十億的粒子爆炸，推動活塞工作。將近一百年來，所有這些都是修修補補。工程師說："啊，這樣效果好一點。"也許是你能看到的像scaling law那樣的東西，但都是工程師在玩產品，看如何改進一點。

120多年后Sadi Carnot出現了，在一門新科學中正式化了這一切：熱力學。他說："等一下，有數百萬或數十億的粒子，我們實際上可以正式化所有這些看起來是什么樣子。"在這種情況下，有數十億個神經元，數萬億個tokens。現在，我們處于AI的修修補補階段。即使我們認為這是一門被理解的科學，其實不是。在未來，我們將在未來幾十年內引入一門像熱力學一樣基礎的科學。這個房間里的某個人可能會提出這門科學。這門科學將在高中教授，它將是那么基礎。它將幫助我們掌握AI，甚至幫助我們掌握意識。

這個觀點讓我意識到，我們對AI的理解還非常膚淺。我們現在做的很多事情都是經驗性的，就像早期的蒸汽機工程師。但總有一天會有人提出一套完整的理論框架來解釋AI是如何工作的，那將是一個革命性的時刻。

第四個故事關于藝術的非理性（art of unreason）。在人類歷史的絕大部分時間，數萬年來，藝術一直是朝著現實主義的進步。從25000年前的洞穴畫，埃及象形文字，希臘陶器，文藝復興繪畫，朝向寫實藝術的宏大轉變?？纯床町?。經過數萬年，人類的勝利。然后工程來了，達蓋爾照相法，早期攝影，突然間，花費幾十年生命來完善每一筆畫的技能消失了。

世界如何反應？人們認為繪畫結束了。哦，就這樣了，機器可以做得比任何人類都好，藝術結束了。那么發生了什么？人類如何回應？人類回應說，這種藝術的目的是捕捉眼睛所見的瞬間，還是捕捉心靈和靈魂所見的瞬間？印象派、表現主義、立體主義、新表現主義。所有這些新藝術形式都是人類對科學這種巨大變化的回應。

2500年前，希臘哲學家普羅塔哥拉寫道："人是萬物的尺度。"他的意思是，在真空中沒有任何東西對人類有價值。不是鋁，不是藝術，不是智能。它只有價值是因為體驗。AI可以做工作，AI將會做工作。但只有人類連接才能給你關心的理由。這就是為什么我們今天都在這個房間里。十年后，工作將會大不相同，事情將會改變很多。但有一件事是恒定的，那就是你今天與旁邊的人建立的關系將會持續。這是你會回顧的，這是今天有價值的東西。

這個結尾深深打動了我。在所有關于AI能力、效率和生產力的討論之后，Konstantine提醒我們真正重要的是什么：人類連接。AI可以完成工作，但它不能給工作賦予意義。只有人類才能做到這一點。

我對這場革命的深度思考

聽完整場演講，我有幾個深刻的感悟。第一，我們確實處在一個歷史性的轉折點。紅杉宣稱"這就是AGI"不是炒作，而是基于實際能力的務實判斷。當agents可以從失敗中恢復并堅持完成任務時，從商業角度看這已經足夠了。我們不需要等待科幻電影里的超級智能，我們已經擁有了可以改變游戲規則的工具。

第二，速度是這次革命最顯著的特征。100年的工作可以在100天內完成，這不是夸張。我看到身邊越來越多這樣的例子，一個人用AI完成過去需要一個團隊幾個月才能完成的工作。這種時間壓縮將會產生復合效應，創新速度將呈指數級增長。這意味著我們必須快速行動，因為窗口期非常短。

第三，以客戶為中心比以往任何時候都重要。在技術快速變化的時代，唯一的錨點是客戶需求。技術能力每天都在變，但客戶想要解決的問題相對穩定。那些能夠深入理解客戶并圍繞他們建立解決方案的公司將會建立真正的護城河。

第四，我們需要為一個agents無處不在的世界做準備。這不是科幻，而是即將到來的現實。當agents的數量呈指數級增長時，社會、經濟、法律等各個層面都需要適應。我們需要建立新的框架來管理agents之間的交互，確保它們的行為符合人類價值觀。

第五，也是最重要的一點，在所有技術變革中，人類連接始終是核心。AI可以讓我們更高效，但它不能替代人與人之間的關系和情感連接。在一個認知工作被機器接管的世界里，真正有價值的將是那些獨特的人類品質：創造力、同理心、好奇心、適應力。

我相信我們正在見證歷史。認知革命將像工業革命一樣深刻地改變世界，只是會更大、更快。這既令人興奮又令人敬畏。我們有責任確保這場革命造福全人類，而不是只讓少數人受益。這需要我們所有人的共同努力，需要技術專家、政策制定者、企業家和普通公民一起參與。

紅杉的這場演講給了我很多啟發，但也提出了更多問題。我們準備好迎接這個未來了嗎？我們的教育系統、法律框架、社會結構能跟上這種變化的速度嗎？我們如何確保在追求效率的同時不失去人性？這些都是我們需要認真思考和討論的問題。

無論答案是什么，有一點是清楚的：車已經到了，這不是更快的馬。我們需要學習如何駕駛這輛車，如何制造更好的車，以及最重要的，如何確保這輛車把我們帶到一個更美好的未來。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產品創業方向，你知道嗎

速度將成為AI時代唯一的護城河

a16z重磅預測：Vibe coding贏者通吃？錯了，垂直專業化才是未來