从100年到100天：长周期智能体，正在重构10万亿认知劳动的底层逻辑
2026年的硅谷，AI圈依旧内卷：大模型厂商在疯狂卷参数、卷推理速度、卷百万级上下文窗口，应用层创业者在扎堆做Copilot、卷多模态交互、拼prompt工程技巧，所有人都在拼命追赶每天更新的技术迭代，生怕一睁眼就被时代甩在身后。
而在红杉资本一年一度的AI Ascent大会上，三位顶级合伙人帕特·格雷迪、索尼娅·黄与康斯坦丁·布勒，用一场40分钟的开场演讲，给沸腾到近乎失智的行业浇了一盆清醒的冷水，也一刀划开了AI时代真正的分水岭：我们已经彻底告别了“更快的马”的时代，AI的“汽车”，已经正式驶入了现实。
这场演讲之所以能在硅谷引发核爆级的讨论，核心从来不是对AI趋势的老生常谈，而是它戳破了当下整个行业最大的集体幻觉：绝大多数人还在用通信革命的逻辑，看待这场前所未有的计算革命；依然在用驯马的思路，应对已经到来的汽车时代。
在红杉的判断里，过去半个世纪，我们经历的PC互联网、移动互联网、云计算浪潮，本质上都属于同一类革命——通信革命。
从第一枚硅基晶体管诞生，到系统搭建、网络连接，再到互联网向公众开放，社交媒体、云计算、移动终端相继落地，这条长达数十年的技术演进线，核心只解决了一个问题：**如何让信息更快、更广、更便捷地分发**。互联网让信息从线下走到线上，打破了地域壁垒；移动互联网让信息随时随地可触达，打破了场景壁垒；云计算让算力与软件能力远程分发，打破了设备壁垒。
但无论这些技术如何迭代，有一个底层逻辑从未改变：信息的最终处理者、决策者、执行者，永远是人。软件是给人用的工具，网络是给人用的管道，它们能让你更快拿到信息，却不能替你消化信息、完成工作。
而人工智能，从诞生的第一天起，就不属于这个赛道。它是一场彻头彻尾的**计算革命**，它要颠覆的，从来不是信息分发的效率，而是**信息处理的主体与规则**。
这个看似咬文嚼字的区分，恰恰是理解当下AI浪潮的核心钥匙。通信革命的时代，技术底座是相对稳定的，你只需要在固定的地基上盖房子；而计算革命的时代，你脚下的基石每天都在重构，每一次模型能力的突破，都会彻底改写产品构建的底层逻辑。
红杉把这场计算革命的演进，划分为三个决定性的拐点：
第一个是2022年11月的ChatGPT时刻，全世界第一次看到了预训练的恐怖力量，AI从实验室的小众玩具，变成了所有人都能触摸到的通用能力；
第二个是OpenAI o1系列模型的问世，它带来了真正的深度推理能力，让行业看到了「推理时计算」的第二条规模法则，AI从「能说会道」变成了「能想会算」；
第三个就是当下，Claude 3.5/3.7、OpenClaw等产品的爆发，让全世界第一次看到了长周期智能体无穷潜力。
在红杉的判断里，第二个拐点到第三个拐点之间，不是线性的升级，而是一次断层式的跃变——从商业的、实践的、功能的角度来看，这就是通用人工智能（AGI）的正式落地。
很多人对AGI的执念，是一个全知全能、拥有自我意识的超级智能，是一个技术层面的完美定义。但红杉作为顶级风投，给出了一个更残酷、也更现实的商业定义：如果你能派出一个智能体去完成一项完整的工作，它能从失败中自我恢复，能自主调整路径，能坚持不懈直到任务完成，那它就是商业意义上的AGI。
过去几年，我们见过太多AI应用，本质上都是「更快的马」：它们能让你的工作效率提升10%到40%，能帮你省点力气，但从来没有改变你工作的底层逻辑——你依然要主导整个工作流，依然要为每一个环节兜底，AI只是你的辅助工具。
但长周期智能体的到来，直接带来了「汽车」的诞生。它能让你的工作效率提升10倍甚至40倍，更重要的是，它彻底重构了工作的方式、工作的性质，甚至整个组织的架构。你不用再亲自骑马赶路，你只需要坐在驾驶位上设定目的地，汽车会自己带你抵达终点。
而这场革命最恐怖的地方，在于它的市场规模，是过往所有技术浪潮都无法比拟的。
云转型的前15年，整个软件行业的潜在市场规模，从3500亿美元增长到6500亿美元，其中云市场撑起了4000亿美元的体量。但仅在美国，单一的法律服务市场，就有4000亿美元的规模，和整个软件行业旗鼓相当。而放眼全球，所有可被AI颠覆的服务业营收，是一个10万亿美元级别的广阔市场。
这是人类历史上，第一次有技术浪潮同时席卷软件与服务业两大板块。过往的技术革命，颠覆的只是某个行业的生产工具；而这场AI计算革命，要颠覆的是所有脑力劳动的交付方式。
长周期智能体：从100年到100天，重构工作的底层逻辑如果说这场演讲有一个绝对的核心关键词，那一定是智能体（Agents）。
索尼娅·黄在演讲中，用一个极具反差感的细节，拉开了智能体时代的序幕：2022年，AutoGPT和BabyAGI在GitHub上一夜爆红，所有人都惊呼智能体时代来了。但当时的智能体，本质上就是个玩具——给它一个目标，跑几步就会出错崩溃，除了看起来新奇，没有任何实用价值。
当时我们都知道智能体时代终将到来，但所有人都清楚，模型本身还没准备好。
而2026年的今天，一切都发生了本质性的改变。智能体不仅无处不在，而且真正实现了商用落地：面向技术人群的Claude Code，让一个工程师能顶一个团队；面向普通用户的OpenClaw及其衍生项目，让任何一个拿着手机的人，都能搭建属于自己的智能体。
从玩具到生产力工具，智能体的核心突破，在于它终于凑齐了三个完整的功能组件，形成了真正的闭环：
第一是推理与规划能力，模型终于拥有了长周期的临场思考与任务拆解能力，不会跑几步就偏离正轨；
第二是行动能力，它能无缝调用终端、搜索、代码编译、各类SaaS工具，就像人类操作电脑一样，完成所有执行环节；
第三是迭代与闭环能力，它能向着目标持续推进，从失败中自我纠错、自我优化，直到把事情彻底搞定。
红杉用一个非常直白的定义，戳破了智能体的本质：它就是“把事情搞定”的能力。
而这种能力，正在彻底改写工作的底层范式。我们能清晰地看到，智能体正在一条「自主性光谱」上飞速进化：
2023年，AI的终极形态是「Tab自动补全」，它是人类的副手，在你写代码的时候帮你补一行，在你写文案的时候帮你接一句，带来的是渐进式的效率提升，本质上依然是「更快的马」；
2026年的今天，我们已经进入了「自主性开发」时代，人类不再是执行者，而是管理者——你只需要和智能体对话，下达目标指令，甚至管理一个智能体团队，就能完成一整个项目的全流程；
而更前沿的探索里，已经出现了后台异步智能体、能自主生成子智能体的母智能体，甚至是「黑灯工厂」模式——彻底把人类审核移出系统，智能体完全自主完成全流程工作。这听起来疯狂，但已经在网络安全、自动化开发等领域的生产环境中落地。
智能体的进化，本质上是一场「身份跃迁」：它从你身边打下手的助理，变成了需要你管理的实习生，再变成能自我管理的资深员工，最终进化成足够可靠、无需人类监督就能直接交付结果的顶级执行者。
而这场进化，直接催生了红杉口中那个颠覆性的判断：服务就是新的软件（Services are the new software）。
过去三十年的软件时代，商业逻辑的核心是「卖工具」。无论是SaaS软件、本地部署软件，本质上都是把一套标准化的工具卖给客户，最终还是要靠人来操作、来交付结果。你买了最好的CRM系统，依然需要销售来跟进客户；你买了最顶级的法律检索软件，依然需要律师来写合同、打官司；你买了最全的财务软件，依然需要会计来记账、报税。
但智能体时代，商业逻辑的核心变成了「卖结果」。客户不需要再为工具付费，只需要为最终的服务结果付费。你不需要买法律软件，直接雇佣一个法律智能体，它能替你完成合同谈判、合规审核，甚至出庭诉讼达成和解；你不需要买医疗管理系统，直接雇佣一个医疗智能体，它能为你解读基因组数据、给出个性化诊疗方案、匹配最合适的临床试验；你不需要买营销工具，直接雇佣一个营销智能体，它能自主完成全流程的媒体投放、内容生成、效果优化，给你交付最终的获客结果。
这就是为什么红杉说，AI浪潮的市场规模是10万亿美元级别的。它颠覆的从来不是软件行业，而是所有靠脑力劳动交付的服务业——而这个市场，比整个软件行业大了不止一个量级。
更恐怖的是，智能体带来了前所未有的“时间压缩效应”。
演讲中提到的几个案例，已经在硅谷成为了新的行业常识：Zed公司的创始人Nathan，仅凭一己之力和Claude Code，在一个假期里完成了原本需要三年时间的「登月级」项目；Brett Taylor只用了一个周末，就完成了Sierra系统的完整重构；Notion团队在短短六周内，重写了800万行代码。
这不是某个人的能力突然开挂，而是智能体把人类的时间杠杆，放大到了前所未有的量级。原本需要一个团队、几年时间才能完成的事情，现在一个人加几个智能体，几十天就能落地。红杉用一句极具冲击力的话，总结了这个时代的本质：**无论你畅想未来100年能构建出怎样的伟大杰作，得益于智能体的力量，现在这一切在100天内就能实现**。
MAD生存法则：在AI的雨天，创业者如何实现弯道超车对于在场的绝大多数创业者来说，这场演讲最有价值的部分，从来不是宏大的趋势判断，而是红杉给出的、在AI计算革命中生存下来的核心策略——MAD法则。
当下AI应用层创业者最大的集体焦虑，莫过于「护城河焦虑」：底层大模型每天都在更新，我辛辛苦苦做的功能，明天大模型就自带了；我花了半年打磨的场景，转眼就被基础模型降维打击了。在技术底座飞速迭代的时代，AI应用到底有没有护城河？
红杉给出的答案，恰恰是反直觉的：在计算革命中，你的护城河从来不在底层技术里，而在客户那里。而MAD法则，就是构建护城河的三大核心支柱。
M：Moats（护城河）——放弃技术外推，坚持客户反推
在技术每天都在剧变的时代，很多创业者的本能反应，是死死盯着底层的新技术，生怕错过任何一个风口，拿着新出来的模型能力到处找场景，这就是「技术外推」的思路。
但红杉提醒所有创业者：**客户的需求变化速度，远远慢于技术能力的迭代速度**。你今天基于最新技术开发的产品，明天可能就会变得无人问津；但你与客户深度绑定的程度、对客户场景的深度理解，却能历久弥坚。
这不是说产品和技术不重要，恰恰相反，最好的产品永远会胜出。但在一个技术迭代快到让人眼花缭乱的世界里，真正能穿越周期的护城河，从来不是某一个临时领先的技术功能，而是你围绕客户构建的全维度壁垒——你比任何人都懂这个行业的痛点，你和客户的业务深度绑定，你能持续为客户交付可量化的结果，这些东西，永远不会被大模型的一次更新冲垮。
A：Affordance（示能）——为客户创造阻力最小的路径
“示能”是一个来自设计领域的概念，简单来说，一个具有示能特性的物体，不需要说明书，人们天生就知道怎么用。比如给孩子一把锤子，他拿到手就知道要敲敲打打；看到一个杯子，你天生就知道要握住把手喝水。
当下的大模型，能力已经强大到近乎「魔法」，但它有一个致命的缺陷：没有足够的示能。Claude Code的能力再强，你让一个普通的财富500强员工打开终端窗口，他也根本不知道该怎么操作；GPT-4的推理能力再厉害，绝大多数普通用户，依然只会用它来写几句文案、做个表格。
而这，恰恰是应用层创业者最大的机会。你不需要做出一个比大模型更强大的东西，你只需要为你的特定客户、针对他们的特定问题，创造一条「阻力最小的路径」。把强大的模型能力，包装成用户天生就会用的产品，让他们不用懂prompt、不用懂代码、不用懂AI的底层逻辑，闭眼就能拿到自己想要的业务结果。
给建筑公司做一个能自主完成全流程营销的智能体，给律所做一个能一键完成合同全生命周期管理的智能体，给连锁门店做一个能自主运营私域的智能体——这些产品，本质上就是把AI的强大能力，转化成了用户能直接感知、直接使用的「示能」，而这，就是大模型永远无法替代的核心竞争力。
D：Diffusion（扩散）——技术扩散鸿沟，就是创业者的最大机会
红杉提醒所有创业者：当下AI领域最大的机遇，就来自于「扩散鸿沟」——基础模型技术能力的创造速度，远远超过了它向市场扩散的速度。
今天，大模型厂商已经卷到了Claude 3.7、GPT-5，推理能力、智能体能力、长上下文能力已经拉到了满格；但现实是，绝大多数财富500强企业，甚至还没把GPT-4落地到核心业务里，绝大多数中小企业，依然停留在「用AI写几句文案」的初级阶段，更别说用长周期智能体重构核心业务流程了。
基础模型每往前迭代一步，普通企业的采用速度就落后一步，这个扩散鸿沟就会拉大一分，而创业者的机会，也就随之增加一分。你的核心价值，就是填平这个鸿沟——把最前沿的AI技术，转化成企业敢用、能用、会用的解决方案，把实验室里的先进能力，落地到真实的商业场景里，帮客户拿到实实在在的结果。
在演讲的最后，帕特·格雷迪用一句赛车界的名言，给了所有创业者最大的信心：「在晴天你无法连续超越15辆车，但在雨天你可以。」
眼下，基础模型带来的新能力，正在下一场倾盆大雨。在这场大雨里，没有谁的领先优势是稳如泰山的，无论是科技巨头，还是已经跑出来的头部AI公司，都有可能被颠覆；而每一个创业者，都拥有了前所未有的弯道超车的机会。
认知工业革命的终局：当99%的脑力劳动被机器接管，人类的价值在哪里？如果说前两部分是对当下的判断，那康斯坦丁·布勒的分享，就是对AI终局的推演。他用四个小故事，讲透了这场认知工业革命的本质，也回答了所有人都关心的问题：当AI接管了绝大多数脑力劳动，人类的价值到底在哪里？
第一个故事，是铝的隐喻。
19世纪中叶，美国为华盛顿纪念碑封顶，选用了当时世界上最珍贵的金属——100盎司纯铝。当时的铝，稀有程度远超黄金，被放在蒂芙尼的精品店里公开展出。但短短几十年后，电解法的发明，让铝的提炼成本断崖式下跌，这个曾经的顶级贵金属，变成了包装糖果、三明治的锡纸，用完就可以随手扔掉。
而AI，就是认知领域的「电解法」。那些曾经需要耗费十几年寒窗、数十年实战才能练就的博士级稀缺技能，未来会变得像铝一样，随手就能调用，用完就可以扔掉。未来的世界，技能的稀缺性会被彻底重构，人类的核心竞争力，不再是你掌握了多少知识、多少技能，而是你能不能提出正确的问题，能不能给智能体设定清晰的目标，能不能驾驭这些能力，创造出全新的价值。
第二个故事，是异类设计的世界。
2006年，NASA用进化算法设计卫星天线，最终得到的成品，完全打破了人类设计的对称美学，歪歪扭扭像个乱码，却实现了性能的跨越式提升。它完全不符合人类的直觉，却是最优解。
我们当下所处的世界，所有的东西都是为人类的大脑设计的，符合人类的认知逻辑与直觉。但当AI接管了认知工作，一切都会被颠覆。未来AI设计的芯片，架构会完全跳出人类的设计框架；AI研发的新药，分子结构是人类根本无法想象的；AI规划的城市，运行效率是人类设计的几十倍。我们必须学会接受，未来的世界，不再是围绕人类的认知逻辑构建的，只有跳出人类的思维框架，才能接住AI带来的颠覆性突破。
第三个故事，是AI的基础科学，终将诞生。
瓦特发明蒸汽机之后，人类用了120多年的时间，才由萨迪·卡诺建立了热力学，把蒸汽机「摸着石头过河」的工程实践，变成了一门可计算、可预测的基础科学。在热力学诞生之前，人类只能靠试错优化蒸汽机；而热力学诞生之后，人类才真正驾驭了热能，开启了工业革命的黄金时代。
现在的AI，恰恰处在「瓦特时代」。我们知道堆参数、堆算力能让模型变好，我们总结出了规模法则，但我们根本不知道大模型为什么能工作，不知道它的底层逻辑，不知道智能到底是如何诞生的。我们依然处在「修补摸索」的阶段，靠试错推进技术迭代。
但红杉判断，未来几十年里，一定会诞生一门像热力学一样的、具有奠基意义的新科学。它会彻底解释大模型的运行原理，把AI从一门工程手艺，变成一门严谨的基础科学，甚至会帮我们参透「意识」的本质。而这门科学，未来会被写进高中课本，成为人类文明最基础的知识之一。
第四个故事，是非理性的艺术，是人类永恒的护城河。
摄影术诞生的时候，全世界都在惊呼「绘画已死」。机器能比任何画师都更精准、更快速地复刻现实，那些画师耗费数十年练就的写实技艺，瞬间失去了意义。但最终的结果是什么？绘画不仅没有死，反而迎来了前所未有的爆发——印象派、表现主义、立体主义、新表现主义喷涌而出，人类终于意识到，艺术的本质从来不是复刻现实，而是表达人类的灵魂与情感。
AI的到来，也是一样的。它会接管99.9%的认知劳动，会比人类更会写代码、更会算账、更会审合同、甚至更会写标准化的文案，但它永远替代不了人类的情感连接，替代不了人与人之间的羁绊，替代不了那些「非理性」的、独属于人的东西。
就像2500年前普罗泰戈拉说的：「人是万物的尺度。」脱离了人的存在，任何置于真空中的事物都毫无价值。无论是铝、艺术，还是智能，都是如此。万物之所以有价值，全仰赖于人类的切身体验。AI可以代劳工作，也必将接管工作，但唯有人与人之间真挚的情感连接，才是我们去在乎、去热爱的终极理由。
结语200多年前，蒸汽机刚刚发明的时候，绝大多数人都在嘲笑这个冒着黑烟的铁疙瘩，觉得它永远跑不过最快的马。他们想尽办法驯出更快的马，却拒绝坐上汽车，最终被时代远远甩在了身后。而那些率先拥抱汽车的人，开启了一个全新的工业时代，改写了整个人类文明的走向。
今天，历史又一次站在了同样的十字路口。
AI的汽车已经驶入了现实，长周期智能体已经打开了10万亿级别的市场，原本需要100年才能实现的未来，正在被压缩到100天内落地。整个行业依然有无数人在执着于驯出一匹更快的马，在卷参数、卷功能、卷临时的技术领先，却没有意识到，游戏的规则已经彻底改变了。
你是继续执着于驯出更快的马，还是愿意坐进驾驶位，驶向那个全新的世界？
答案，就在自己手里。