法学院毕业生刚学会用AI起草合同，Notion团队却在六周内重写了800万行代码。你以为AI只是把速度提升10%——而结果是，有人在100天里完成了以前100年才能实现的事。而最令人意外的数据是，仅美国法律服务的市场容量就已达4000亿美元，比肩全球所有软件。
你还以为这波AI潮和互联网、移动端、云计算类似吗？没想到，这不是信息分发的革新，而是人类认知本身的一场重建。红杉资本三位合伙人在AI Ascent 2026主题演讲中，用一组让人颇感突兀的判断给出了答案：「这就是AGI」——哪怕你还不信。
技术浪潮历史：从信息分发到认知革命
细数过去的技术浪潮，我们看到一条延展半个多世纪的加法路线。从硅基晶体管，用于硬件系统、再到网络互联，催生出互联网，云计算形成新一代的软件服务体系，移动设备把一切装进口袋——信息分发的速度、范围和密度被一再突破。AI的魔法，正是前面所有浪潮的成果叠加（「我们需要所有这些演进才有当下的计算、带宽、数据、人才来创造AI」）。
但这波AI浪潮，不只是「比前面更大」「变化更快」那么简单。红杉合伙人眼中的不同，体现在三个层面：
第一，市场体量全面升级。之前云端软件产业能做到的市场天花板，大致在6500亿美元，云产业本身后来又拓展到4000亿美元。现在，AI驱动的新型服务的想象空间，已经扩展到「1-10万亿美元级别」。不仅是软件，而是真正进入法律、会计、设计、金融等高专业门槛服务业。「仅美国法律服务市场规模就是4000亿美金——仅一个行业一个地区，就等于全球全部软件。」
第二，浪潮速度前所未有。AI相关公司突破年营收10亿美元的数量爆发增长。你昨天刚刚看到的技术突破，今天就已经有人基于此在市场完成过亿规模试水。没有谁能站稳脚跟，因为新能力的涌现实在太快——「技术地基每天都在移动」。
第三，信息处理范式的根本转向。互联网、移动、云是「信息如何分发」的大革命。AI是将这递进变成「信息如何被加工和理解」的新基础。这从「通信革命」切换到「计算革命」——表面上只是语义转变，实则底层逻辑已变。某种程度上，这一轮不是演进，而是断点。
这是不是AGI？争议与门槛之辩
每当AGI这个词被喊出来，整个技术社区都陷入一场争议。究竟什么才是AGI？有多少依然停留在炒作与幻象，有多少已经落地到工作流与生产力变革？红杉的合伙人给出一个现实维度的判断：「你能派出一个agent完成任务，能够自我纠错、持续推进直到做完这件事——那，这就已经很接近AGI了。」
「即便你不认同这个AGI判断，但很明显，马车时代已经过去，汽车已经开到了眼前。过去几年AI提升的是10%到40%的效率，却没有让工作本身改变；而这两年，你看到的是10倍、40倍效率提升，连组织结构都跟着动摇。」
没想到的是，这不仅仅是更快马车和更好的照相机。就像摄影颠覆了现实主义绘画的意义——过去追求极致真实的画作一下子变得无关紧要，人类开始追问：「艺术的意义是在于复制世界，还是表达世界之于心灵？」同样地，AI的到来让我们不得不重新定义「通用智能」的内核。
红杉不做技术定义，他们关心的是实在世界的商业与组织变革。但在功能层面，能自主感知环境、制定计划、选择行动路径并具备持续自我修正与目标达成能力的系统，就已经在商业上具备AGI属性。而且这个门槛，正被大量落地案例不断降低。
三大核心视角：变局细节全面拆解
1. MAD框架：模式、易用性、扩散速度
红杉给所有在AI基础之上创业的团队，列出了新世界的生存法则：模式（Mode）、易用性（Affordance）、扩散（Diffusion）。
首先是模式。在过去的通信革命中，护城河在于「产品领跑」「资本积累」和「生态搭建」等。但这一次，你的护城河不一定是技术或渠道，而是能不断贴合并包裹你的客户。因为AI能力每天都在飞速进化，「你今天做出的功能，明天就会被淘汰。唯一能沉淀的，是你和客户的深度耦合关系。」
其次是易用性。技术强大是基础，但绝大多数企业用户不会打开terminal来用AI。他们理解的是路径最短、门槛最低的方案。红杉借用设计界的概念——「Affordance」，就像锤子一看就知道怎么用，云端代码编写虽然极强，但操作门槛却极高。这正是应用创业者可以撬动的突破口：让AI变成触手可及、无需解释、天然顺手的工具。
最后是扩散。AI能力研发的扩张速度，已经远超这种能力在真实市场落地的速度。普通人还没反应过来，技术边界又扩张了数倍。所以，「扩散带来的时间差，就是新创业机会」。赛道拥挤吗？没关系，「你不能在晴天超越15辆车，但暴雨时人人都有机会」。现在的AI创业，就是一场暴雨中的竞速，没有绝对领先者，但每个人都有可能领跑。
2. Agents进化：从呆萌尝试到狂飙落地
时间倒回2022年，AutoGPT和Baby AGI在Github的热度一度爆表。人们尝试用GPT-3配合工具封装成loop，想让它跑完一个完整任务。然而，现实场景下，这些AI agents可爱但废柴，经常低级失败停摆，根本无法代替真实工作。
而今年，「什么变了」？最核心的技术分水岭，在于Long Horizon Agents：Claude Code、Opus 4.5、OpenClaw等大模型，让agent变成可以真正在技术、设计乃至金融等领域持久执行复杂任务的系统——甚至平民用手机就能调度agent。红杉用三个技术门槛描述AI agent：
- 感知环境、自动规划；
- 调用工具落地行动；
- 持续自纠、坚持到底。
关键数据在于，过去一年里，agent在复杂任务上的持续稳定工作时间，从「十几分钟」飙升到「数小时」级别。背后主要得益于两层能力支撑：一方面，大模型和高效工具把能力天花板推高；另一方面，Agent系统的「管理Harness」让目标推进变得更持久，能够自我调整、稳住任务流程。
具体场景看，代码开发、产品设计、金融建模到高维数据分析都已实现从0到1的质变。「Zed团队的Nathan用Claude Code在圣诞假期独自完成3年才能完成的Moonshot项目；Notion团队用了6周重写800万行代码；Brett Taylor周末重做了Sierra上线。」原本只能用百年累积完成的任务，百天内就能完成。
感知、规划、行动、迭代自进化——AI agent已完成从实验室玩具到现实生产力革命者的跃迁。
3. 认知革命：比工业革命更快速彻底
红杉用一组极具冲击力的数据，将AI的认知革命和工业革命作对比——「2026年，99%以上的人类体力劳动已经由机器完成；红杉预判，‘不久的将来，地球上99.9%的认知劳动也将交给机器’。」
这不是危言耸听。在上一个工业革命，最宝贵的资产是动力与机械。AI的这轮认知浪潮意味着思想、规划、决策、创新甚至自我学习的能力跑步进入机器的领域。
红杉指出了三种路径切换：
- 完成体力解放后，人类主力转向认知劳动，现在机器正以百倍速度接管这部分；
- 工业革命催生近百年工程实验与理论建设，直到萨迪·卡诺阐释热力学原理；认知革命将催生全新理论，几十年间成为初高中教材；
- 设计创新从「对称美学」向「异形效果」跳跃——NASA2006年用AI算法进化天线，形态虽异类却效率颠覆传统。
理论升华：铝的故事与异形设计
红杉用四个故事叙述AI崛起的哲学意涵。最经典的是铝的逸事：19世纪，美国要用最贵的金属铝来装饰华盛顿纪念碑顶端。但随着电解法问世，铝便宜到可以做三明治包装纸。智能也是这样：曾经需要博士训练的认知技能，如今将被AI随时唤起，并在用完后一抛即弃。
接下来是异形设计的故事。过去高级结构、精密设备都追求几何对称与审美和谐，当NASA用「进化算法」生成天线后，形制怪异但功能远超人类设计。AI推导的芯片、车辆、楼宇，都将摆脱人脑的美学惯性。
还有科学范式的进化。前工业革命时代，上百年经验化工程才孕育出热力学原理。现在AI正不断试错和自动改进，「未来的认知科学可能就是今天在场某个人建立的。」
最后一则是关于艺术与异化的辩证。过去数千年，艺术追求真实描摹，直到照相机出现，「技法之精」突然被机器压倒。但人类的诉求永不会消失——表达情感的艺术爆发出印象派、表现主义、立体主义。不再是「真实的还原」，而是「灵魂的投射」。Protagoras两千五百年前说：「‘人’是一切的尺度。」AI能完成所有工作，但只有人类赋予意义。
留白结尾
也许此刻的大模型还会崩溃，也许新技术的冲击还让你迷惑。但汽车已经驶入马车赛道，竞逐的已不是路线更短的快马，而是路径全异的加速器。你如果还试图用对旧世界的理解判断这轮AI会走到哪里，可能已经跟不上了。
红杉没有告诉我们答案，只是用一连串突兀的数据、案例和反常识的类比，把「这就是AGI」的未来场景摆在每个人面前。
也许，真正的冲突，还没开始。