2026：这就是 AGI——红杉资本的历史性定性与创业者的时间窗口

Source: Sequoia Capital Perspectives 作者 / Author: Pat Grady & Sonya Huang（红杉美国合伙人） 发布日期: 2026-01-14　|　抓取日期: 2026-06-19 主题: ai-native-investment

一句话

红杉正式宣告「2026 年是 AGI 元年」——这是顶级 VC 罕见的历史定性，图灵子需要用量化宏观框架把「能力翻倍曲线 × 历史 S 曲线」叠加，告诉中国 AI 创业者：窗口比你想的短，但也比你怕的厚。

核心论点（英中对照）

1. EN: AGI is best defined functionally as "the ability to figure things out" — requiring baseline knowledge (pre-training), reasoning (inference-time compute), and iteration (long-horizon agents). - 中: AGI 不是哲学概念，而是工程事实：预训练（知识基底）+ 推理时算力（o1 范式）+ 长周期 agent（能持续自主执行数小时任务）三者合一，2026 年初这三个要件首次同时就绪。

2. EN: The rate of AI progress is exponential — per METR's tracking, agent task-horizon capability doubles every ~7 months. - 中: METR 基准数据显示，agent 能独立完成的任务时长每 7 个月翻一倍。按此速度外推：2028 年 = 专家级「一整天」工作量；2034 年 = 「一整年」；2037 年 = 「一百年」的工作量。

3. EN: AI has crossed from "talkers" (2023–2024) to "doers" (2026–2027) — from occasional conversationalists to all-day autonomous colleagues. - 中: 2023–2024 年的 AI 是「会说话的检索工具」；2026 年起是「会做事的异步同事」——使用模式从偶发性对话变成多实例并行、全天候运转。

4. EN: The shift changes the human role from individual contributor to manager of parallel agent teams. - 中: 人的工作角色从「执行者」变「指挥者」：一个人管理多个并行 agent 实例，成为新的生产力单元。

5. EN: Real-world domain agents are already deployed: OpenEvidence (medicine), Harvey (law), XBOW (cybersecurity), Traversal (DevOps), Day AI (sales/GTM), Juicebox (recruiting). - 中: 医疗、法律、网络安全、DevOps、销售、招聘——这六个垂直赛道已有真实商业 agent 在跑，不是 demo，是客户付费产品。

6. EN: "It's time to ride the long-horizon agent exponential." - 中: 红杉的押注信号：此刻进入「长周期 agent」赛道，就是在乘指数级浪头。

7. EN: The critical question for founders is no longer "what can you say?" but "what work can you accomplish?" — and pricing should shift to value/outcomes, not features. - 中: 创业者的产品问题从「你的 AI 能聊什么」变成「你的 AI 能干什么、干到什么程度」；定价逻辑也应从功能订阅迁移到结果分成（outcome-based pricing）。

8. EN: Domains where persistent, sustained attention is the bottleneck are the highest-value targets for long-horizon agents. - 中: 最值得押注的赛道特征：「持续注意力」是核心瓶颈的领域——人类因疲劳、注意力分散而频繁出错，但 agent 可以 24×7 高精度执行。

精译（高信息量段落）

段落一：AGI 的功能性定义

"We believe AGI is best defined as 'the ability to figure things out.' This requires three things: baseline knowledge (what has already been figured out), the ability to reason (the capacity to figure new things out), and the ability to iterate (to figure things out over time). For the first time in history, all three ingredients are now present."

图灵子译： 我们认为 AGI 最准确的定义是「搞清楚事情的能力」。这需要三个要素：基础知识（已知的答案库）、推理能力（面对新问题时的推导力）、以及迭代能力（能在时间轴上持续修正的能力）。2026 年，历史上第一次，这三个要素同时就绪。

段落二：METR 能力翻倍曲线与里程碑外推

"METR tracks AI agent performance on long-horizon tasks. The rate of progress is exponential, doubling every ~7 months. Extrapolating: agents reliably completing one human expert-day of work by 2028, one expert-year by 2034, and one expert-century by 2037."

图灵子译： METR 持续追踪 AI agent 在长周期任务中的表现。进展曲线是指数型的，每 7 个月翻一倍。按此外推：2028 年，agent 可以可靠完成「一个专家工作日」的任务量；2034 年达到「一个专家工作年」；2037 年达到「一个专家工作世纪」——这是人类历史上从未有过的智力杠杆密度。

段落三：从「会说话」到「会做事」

"In 2023 and 2024, AI applications were sophisticated conversationalists — able to answer questions, draft documents, and assist with discrete tasks. In 2026, AI applications are becoming doers — persistent, autonomous colleagues who work alongside humans all day, every day, running as multiple parallel instances."

图灵子译： 2023–2024 年的 AI 应用是精巧的对话机器——能回答问题、起草文件、辅助离散任务。2026 年，AI 正在变成「做事者」——持续在线、自主运转的异步同事，可以以多个并行实例的形式全天候工作。这不是功能升级，是工作形态的范式切换。

金句（可直接做短视频字幕/标题）

• "AGI is the ability to figure things out." —— AGI 就是「搞清楚事情」的能力——比任何哲学定义都更可操作
• "It's time to ride the long-horizon agent exponential." —— 现在是搭上长周期 agent 指数曲线的时候了
• "The shift from talkers to doers changes everything." —— 从「会说话」到「会做事」，一切都变了
• "Your role shifts from individual contributor to manager of a team of agents." —— 你的角色从执行者变成了一支 agent 团队的指挥官
• "Doubling every ~7 months." —— 每 7 个月翻一倍——这是能力曲线，也是留给创业者的计时器

剑桥图灵子的加工角度

反共识 / 框架：量化宏观透镜

红杉给了定性判断（「这就是 AGI」），但没给创业者一个可操作的时间坐标。图灵子的补充框架：

叠加历史 S 曲线：

S 曲线在加速。每一轮技术革命的「主流替代」周期比上一轮缩短约 30–40%。AI agent 从「功能可用」到「行业标配」的窗口，历史基准给出的区间是 4–6 年，最大 beta 就集中在头 2–3 年。

叠加 METR 翻倍曲线：

METR 数据显示 agent 能力每 7 个月翻倍。以 2026-01 为基准（当前能力 = 1 个「专家小时」量级）：

结论（图灵子判断）： 中国 AI 创业者完成赛道押注的最晚窗口是 2026 年底至 2027 年 Q2——此后头部效应叠加数据飞轮，后进者的边际成本会跳跃式上升。在这个窗口内，能做到「垂直赛道 top-3 产品」的团队，将捕捉到该赛道最大的 beta 系数。

我的判断（图灵子独家视角）

红杉的框架是美国语境的——他们列举的 Harvey、XBOW、OpenEvidence 都在英语市场的「监管友好」赛道里跑。中国创业者的真实 alpha 不在复制这些赛道，而在以下两个错位：

1. 监管套利窗口：中国法律/医疗 agent 面临比美国更严格的监管壁垒，短期内「半自动化」（human-in-the-loop）产品反而有更长的护城河期——监管本身是防御性 moat，不是障碍。

2. 数据密度赛道：中国在以下领域有美国没有的原始数据密度优势——中医诊断、八字/玄学决策记录、高考/考研题库、工厂制造质检。这些是美国 agent 公司无法触达的垂直壁垒。押注这类赛道的中国 agent 创业者，面对的是一个「无直接竞争对手」的局，而不是「追赶美国版本」的局。

短视频脚本骨架（60–90s）

• Hook（3s）： 「红杉说，2026 年就是 AGI 元年。但他们没告诉你，留给你的窗口只有 18 个月。」

• 冲突/反共识（15s）： 「大多数人听到 AGI 的反应是焦虑，或者觉得和自己没关系。但如果你把 METR 的能力翻倍数据叠上历史上每一次技术 S 曲线——电气化、互联网、移动——你会发现：最大 beta 永远集中在浪头刚起来的头 2 到 3 年。我们现在就在那个时间点里。」

• 论证（30s）： 「红杉给出了一个关键数字：agent 能力每 7 个月翻一倍。2026 年初，agent 能做「一个专家小时」的工作。2028 年，会做「一个专家工作日」。历史告诉我们：从「实验室可用」到「行业标配」，AI agent 的窗口大概是 4 到 6 年。头部格局通常在前 2 到 3 年锁定。对中国创业者来说，最晚的押注窗口是 2026 年底到 2027 年中。过了这个点，数据飞轮和头部效应会让进入成本跳跃式上升。」

• 图灵子落点（15s）： 「但我要补一句红杉没说的：中国创业者的真实 alpha，不是复制 Harvey 或 OpenEvidence，而是那些有中国独有数据密度的垂直——中医、玄学决策、工厂质检。这些赛道，美国人根本进不来。」

• CTA： 「我在做的事情之一就是押注这个窗口。关注图灵子，我们一起把这条 S 曲线走完。」

长文大纲

• H2：为什么 2026 年是真正的 AGI 元年，而不是又一次炒作
• 三要素框架：知识 + 推理 + 迭代，2026 年首次同时就绪
• 与 2023 年「ChatGPT 时刻」的本质差异：从工具到同事

• METR 数据解读：指数曲线的真实含义

• H2：把 METR 曲线叠上历史 S 曲线：窗口有多长？

• 电气化 / 互联网 / 移动互联网的 S 曲线对比表
• AI agent 窗口期估算：4–6 年主流替代，头 2–3 年最大 beta

• 能力里程碑时间表：2026 → 2028 → 2034 → 2037

• H2：中国 AI 创业者的时间坐标：最晚在哪个节点押注

• 能力翻倍 × 头部效应 × 数据飞轮：为何 2027 年中是临界点
• 押注后会发生什么：护城河形成机制

• 错过窗口的代价：后进者的边际成本曲线

• H2：中国特有的 alpha——不是复制美国，是进美国人进不来的地方

• 监管壁垒作为护城河：法律/医疗 human-in-the-loop 的中国特例
• 数据密度优势：中医、玄学、高考、工厂质检

• 赛道筛选标准：「持续注意力瓶颈」+ 「中国独有数据」的交集

• H2：对个人的启示——你的角色从执行者变成指挥官

• 红杉的「IC to manager」框架在中国语境的翻译
• 如何现在开始建立 agent 管理能力
• 图灵子的实践：安心舍 / DaoDestiny 的 agent 化路径

待核实 / 风险

1. METR 数据精确性：文章引用「每 7 个月翻倍」，但 WebFetch 未能取到原始 METR 图表数据点。需核对 METR 官网（metr.org）的最新基准报告，确认该曲线的 R² 拟合质量和置信区间。

2. 「2028 年 = 专家工作日」外推的假设：这是线性外推指数曲线的结果，实际曲线可能在某个能力阈值处出现 S 型减速（技术瓶颈）或跳跃式加速（突破性架构）。需标注此为「基准情景」，非确定性预测。

3. 文章发布日期确认：WebFetch 返回的发布日期为 2026-01-14，待在原文页面二次核认（部分 Sequoia 文章会在 staging 日期和公开日期间存在差异）。

4. Harvey / XBOW 等公司的真实营收/ARR：文章列举这些公司作为「真实商业 agent」案例，但未给出具体数字。如需在长文中引用，需另行查证各公司最新公开数据。

5. 中国监管环境动态：「监管壁垒作为护城河」这一判断基于 2026-06-19 的中国 AI 监管现状；该领域政策变化快，文章发布前需更新。