红杉资本作为全球最具影响力的风险投资机构之一，长期深耕科技领域，以“长期陪伴型投资”著称。其投资版图横跨多个技术周期，曾参与投资Apple、Google、NVIDIA等一系列全球标志性公司，被视为推动科技产业演进的重要资本力量。近年来，红杉持续加码人工智能方向，在AGI、Agent以及基础模型生态中不断深化布局，成为本轮AI浪潮中最核心的机构参与者之一。

不久前，红衫资本召开了一年一度的AI主题大会：AI Ascent 2026。本届大会给出的核心判断非常直接：AGI已经进入“可商业化阶段”，人工智能正在从通用工具，演进为能够独立执行任务的智能体系统。

在这一判断之下，红杉对本轮AI浪潮的定义也进一步清晰——这是一场同时覆盖软件与服务、规模空前且迭代速度前所未有的“计算革命”。与过去以信息分发为核心的技术周期不同，AI正在重塑信息的处理方式，使底层技术持续快速演进，并在短时间内完成从预训练、推理扩展到长周期智能体的连续跃迁，逐步呈现出接近AGI的系统能力形态。

随后，应用层竞争的核心也发生了变化：围绕客户构建更稳固的护城河，降低使用门槛、提升产品可用性，并抓住技术扩散与市场采纳之间的时间差，从而在高速变化的生态中建立持续性的产品优势与增长机会。

对于正在研究AI的游戏从业者们来说，这场分享具备一定参考价值。

这场交流是这样开始的：

让我们追溯到源头，最初，只是基础的硅基晶体管，很多人把它们组合起来，做成了能执行任务的系统，再把这些系统用网络连在一起，成为了覆盖全球的互联网，互联网从公共领域普及开来，催生了社交媒体和云计算，并最终进入我们口袋里的移动设备，而这些设备如今已经具备了某种近乎“魔法”的能力——也就是AI。

下面这张幻灯片之所以每年都要拿出来讲一遍，正是因为它在提醒我们一个事实：技术是叠加的。我们花了十几年演进，才积累出了足够的算力、带宽、数据和人才。正是这几十年的层层演进，才让我们终于站在了“当下”这个节点——一个能把所有积累转化为魔法的时刻。

首先，这是迄今为止最大的一次技术浪潮。从更具体的角度看，这也是第一次同时横跨“软件+服务”两个维度的浪潮。

我们可以看到，在云计算转型的前15年，软件市场从约3500亿美元增长到了6500亿美元，其中云计算约占4000亿美元。

而如今，AI正在打开一个全新的“服务营收空间”。当然，1万亿美元只是一个便于表达的数字，我们不知道最终规模是1万亿、5万亿还是50万亿美元。但可以确定的是，仅美国法律服务行业就有约4000亿美元规模——这只是一个行业、一个地区，就已经接近整个软件市场。

因此，这个机会的体量非常巨大。

第二点，这是迄今为止速度最快的一次浪潮。

我们也因此可以看到一个明显现象：市场空白正在快速被填补。图中这些公司，是在云计算和移动时代达到10亿美元收入规模的企业，而在AI时代，这一进程明显更快，并且仍有大量新公司正在涌现。

第三点，也是最重要的一点：AI本质上是一场“计算革命”。

这里借用Constantine的观点，技术革命主要分两类：第一种是通信革命，改变信息的传播方式；第二种是计算革命，改变信息的处理方式。过去我们经历的基本都是通信革命，比如互联网、云计算、移动互联网。

而AI属于计算革命，这意味着从根本上发生了变化：技术底座在持续移动，每天都在被新的能力重新定义。

第一个是2022年的ChatGPT时刻，展示了大规模预训练模型的能力；第二个是推理模型（如o1）的出现，推理阶段的计算扩展成为第二条Scaling Law；第三个是Claude Code等Agent工具的出现，展示了长周期任务智能体能力。

表面上这是连续演进，但在第二和第三点之间，发生了一次明显的“断层式跃迁”。如果稍微大胆一点说：这就是AGI。

当然，我们并不会给AGI下严格技术定义，我们是投资人，更关注商业现实。

但从功能角度来看，如果你可以派一个智能体去执行任务，它能在失败后自我修复，并持续执行直到完成任务，那么它已经非常接近AGI的表现。

同时，我们能清晰感知到的是：“汽车时代已经到来。

过去几年，我们看到的很多应用只是“更快的马”——效率提升10%或40%，但没有改变工作方式本身。而现在，我们开始看到“汽车级应用”：它们可以让你的效率提升10倍甚至40倍，直接改变工作方式，改变组织结构，甚至改变工作的本质。骑马和开车是不同的体系，而养马和造车也是完全不同的逻辑。

在这样的背景下，我们需要更多交流，才能更清楚地理解未来的走向，更重要的是，这里面存在巨大的商业机会——约10万亿美元级别的市场空间。

一边是基础模型公司自上而下推动能力边界，另一边是创业公司从客户需求出发构建产品。而在座的大多数人，都是在模型之上构建应用的一方，因此我们会花一点时间讨论这种“从客户出发”的方法。

“MAD”在这里不是字面意义上的“愤怒”，而是一个缩写：Moat（护城河）、Affordance（可供性）、Diffusion（扩散）。这是在模型之上构建产品的三大支柱策略。

首先，关于M：护城河（Moat）。这张图展示了从想法到客户的完整价值链。

如果从技术推动角度看，每一环都会被技术变化重塑；但如果从客户回溯角度看，每一环的构建方式也完全不同。

这里有一个关键的反直觉点是：在一场以信息处理为核心的计算革命中，最重要的不是向下看技术，而是向上看客户。

因为你的客户变化速度远慢于技术能力的迭代速度，你今天构建的产品可能明天就过时，但你与客户的关系可以更持久。因此护城河的核心是：尽可能围绕客户构建深度绑定，而不是追逐底层能力变化。

其次，A代表Affordance（可供性），这个词来自设计领域，意思是：一个东西不需要解释，人就知道怎么用。

比如锤子，小孩子拿到就知道是用来敲东西的。但像Cloud Code这样的工具，虽然强大，可及性却十分有限，普通用户并不知道如何使用。

这不是对Anthropic的批评，而是一个机会：为目标用户创造“最小阻力路径”，针对他们的具体问题，使他们可以极其简单地完成目标。

最后，D代表Diffusion（扩散）。扩散差是机会所在。AI能力的产生速度，远远快于市场吸收速度。只要这个差存在，那么每一天，机会都在扩大。

如果之前那张“市场空白正在被填满”的幻灯片让你感到沮丧，那我们想提醒一句：没有任何领先优势是安全的。

赛车界有一句话：晴天你超越不了15辆车，但雨天你可以。

而现在，基础模型正在如“倾盆大雨”般涌出新能力，这意味着虽然没有任何领先优势是安全的，但同时，任何人都有机会赢。

显然，这是一个非常好的时代。