本文來自微信公眾號： 劃重點KeyPoints ，作者：林易，編輯：重點君

近日，紅杉資本2026 AI峰會在硅谷低調召開。全球頂尖大廠核心骨干、硅谷風投風向標與頂尖科學家齊聚一堂，深度探討了AI的最前沿動向。

在過去的兩三年里，整個硅谷絕大部分的精力都在干一件事：卷大模型參數(shù)，拼跑分基準。但到了2026年，這套邏輯徹底翻篇了。

現(xiàn)如今，AI帶來的最大震撼，不再來源于某個新模型的發(fā)布，而是底層技術紅利正以前所未有的速度，向人們的日常生活與真實工作瘋狂溢出。

Andrej Karpathy與各大廠核心負責人在現(xiàn)場達成了一個核心共識：大模型正在越過軟件層面，瘋狂搶奪物理世界的執(zhí)行權。

在這場大洗牌中，市場正在發(fā)生三大維度的劇變：

1.Coding被基本解決：代碼邊際成本趨向于零，AI生成代碼從輔助補全轉向自動化全盤接管。

2.AI開始探索物理規(guī)律：AI不再局限于屏幕內的文本與像素，具身智能開始學會物理邏輯，以世界模型為底座的機器人和自動駕駛技術迎來了破局點。

3.算力已被大廠壟斷：大廠可以利用算力規(guī)模不斷套利，并用未發(fā)布的最新模型驅動新一輪創(chuàng)新。

隨著市場的改變，舊有的商業(yè)模式與組織形態(tài)也正在被重構。創(chuàng)業(yè)者需要把握服務即軟件的新商業(yè)模式，在巨頭壟斷邁向一人獨角獸時代。同時，當執(zhí)行工作被機器以極低成本代勞時，人類真正的核心護城河也更加清晰，不可外包的理解力、頂級的審美品位以及真實的人際連接，將成為AI時代最稀缺、最不可替代的特質。

Coding被基本解決

代碼通脹時代：別自己寫代碼了，去當調度AI的包工頭

如今，AI輔助編程已經越過了你寫一半它補一半的舊時代，智能體現(xiàn)在能直接接管一整個開發(fā)工作流。

在峰會上，Claude Code之父Boris Cherny表示，他在2026年至今沒有親手寫過一行代碼。他所負責的代碼庫中，100%的代碼由模型生成。在產能的極值測試中，他曾創(chuàng)下一個人一天內合并150個代碼合并請求的紀錄。

這種效率的躍升來源于工作方式的徹底顛覆，Cherny詳細拆解了他目前的開發(fā)流：

他的大部分工作是在手機上完成的，Claude后臺常駐著數(shù)百個并行運行的Agent，并大量使用循環(huán)（Loops）機制，通過設定定時任務（Cron），來調度一個可重復運行的工作。

這些數(shù)字勞工不僅能編寫功能代碼，還在后臺自動修復CI的報錯、自動處理分支的代碼沖突，甚至每30分鐘抓取Twitter上的用戶反饋進行聚類分析。

Cherny將這種工作模式比作1400年代歐洲印刷術的誕生：過去，軟件開發(fā)就像中世紀只有少數(shù)人掌握的讀寫特權，而現(xiàn)在，代碼生成的邊際成本趨近于零。在這個范式下，傳統(tǒng)程序員手寫代碼的核心身份被解構了。未來的工程師不再是砌磚的工人，而是成為了調度數(shù)字勞工系統(tǒng)的包工頭。

在Anthropic內部，工程經理、產品經理、設計師甚至財務人員，都在通過指揮智能體直接產出代碼。而當寫代碼不再是門檻，跨學科的人才便可以直接越過技術鴻溝，掌控業(yè)務層面最高的產品定義權。

中間層正在消失：Software 3.0的降維打擊

既然寫代碼的門檻沒了，那么軟件本身的形態(tài)也要被重新定義。Andrej Karpathy在峰會上提出了Software 3.0理念，指出大模型正在以端到端的方式，吃掉過去20年科技界積累的軟件中間層。

Karpathy用一個生動的個人項目“菜單生成器”解釋了這種底層架構的坍塌。如果用傳統(tǒng)的開發(fā)模式，做一個識別外語菜單并生成菜品圖片的App，你需要走一套極度冗長的流程：搭建Vercel部署環(huán)境、構建前端UI、接入OCR字符識別接口、編寫中間層業(yè)務邏輯、調用圖像生成API、存入數(shù)據(jù)庫、最后返回前端渲染。

但在Software 3.0時代，Karpathy發(fā)現(xiàn)，這個App根本就不該存在。他只需要把菜單照片直接扔給最新版的大模型，附帶一句指令調用工具，大模型就能直接在原圖基礎上，把外語翻譯好并渲染出實物圖。

整個過程里：沒有前端、沒有后端接口、沒有數(shù)據(jù)庫，也沒有傳統(tǒng)意義上的應用程序。

過去二十年，硅谷建立了一整套圍繞API、狀態(tài)管理和UI框架的龐大生態(tài)。這些中間層的存在，僅僅是為了讓人類開發(fā)者能分工理解復雜信息。但大模型不需要這些人類可讀分散信息，它直接消化龐大的上下文并輸出最終結果。

這意味著，大量僅僅是在拼湊工作流、縫合API的傳統(tǒng)軟件公司，他們的技術護城河正面臨被大模型端到端直接抹平的降維打擊。

不能只依賴Vibe Coding，專業(yè)團隊需要轉向智能體工程

盡管代碼生成的下限被無限拉高，Karpathy仍發(fā)出警示：在真正的商業(yè)運轉中，完全靠隨意的Vibe Coding是行不通的。專業(yè)的開發(fā)團隊必須轉向智能體工程（Agentic Engineering）來保證產品質量和安全的上限。

Karpathy指出，大模型目前最危險的特質是參差不齊的智能。AI能在幾分鐘內重構十萬行的企業(yè)級代碼，精準找出其中潛伏的安全漏洞。但如果你問它“去50米外的洗車店是該開車還是走路”，它可能會基于字面邏輯一本正經地回答：“距離很近，建議走路去洗車。”

大模型在擁有明確規(guī)則的領域（如代碼語法、數(shù)學計算）像個神通，但在缺乏數(shù)據(jù)覆蓋的日常物理常識上卻又像個巨嬰。

因此，專業(yè)工程師絕對不能完全放權，而是要把智能體當成一個不知疲倦、記憶力超群但偶爾會犯蠢的超級實習生。人類工程師的職責，必須死死把控住三條底線：

• 系統(tǒng)的總體架構設計絕對不能亂。

  
  

• 產品的終極審美品位必須由人來定。

  
  

• 絕對不可逾越的安全與權限邊界必須由人來鎖死。

  
  

當所有人都能輕易生成代碼時，代碼本身就不值錢了。真正稀缺的，是能夠在一個充滿不確定性的AI系統(tǒng)中，能構建出極具穩(wěn)定性與商業(yè)價值軟件的系統(tǒng)包工頭。

AI開始探索物理規(guī)律

VLA模型落幕，世界動作模型（WAMs）成新標配

過去三年，機器人領域的主流路線被視覺-語言-動作模型（VLA，Visual-Language-Action）所統(tǒng)治。

但在峰會上，NVIDIA具身智能負責人Jim Fan尖銳地指出了VLA架構的致命缺陷：VLA本質上是“語言偏科生”，大量參數(shù)被傾斜給了語言，導致它們極其擅長理解名詞（知識），卻對物理世界的動詞（物理屬性與運動軌跡）一竅不通。

一個典型的尷尬場景是：機器人在聽到指令后，能準確識別出目標物，卻因為不懂得空間與重力關系，一伸手就把物品碰翻了。

基于這一問題，NVIDIA推出了全新的世界動作模型（World Action Models,WAMs）。

以Dream Zero策略模型為例，執(zhí)行動作前，Dream Zero會先像做夢一樣，在神經網(wǎng)絡中推演未來幾秒鐘的畫面，預測未來畫面的同時，模型會聯(lián)合解碼出下一步的物理動作。

這就好比機器人在行動前，已經在腦海中完美想象出了杯子被平穩(wěn)放下的整個物理過程，而身體則根據(jù)這個想象同步輸出對應的機械指令。Jim Fan總結道：“只要視頻預測不翻車，動作就不會翻車?！?/p>

正是這種將對未來的視覺預測與物理動作輸出深度綁定的機制，讓機器人首次展現(xiàn)出在從未見過的陌生環(huán)境中，無需預先訓練就能直接干活的能力。將物理模擬器內嵌于神經網(wǎng)絡的世界動作模型，宣告了VLA時代的落幕，成為具身智能真正的新底座。

跑通具身智能的縮放定律，告別極其笨重的遙操

模型架構的突破只是第一步，機器人商業(yè)化最大的門檻是數(shù)據(jù)饑渴。

語言模型可以通過爬取全互聯(lián)網(wǎng)的文本完成千億級參數(shù)的訓練，但機器人數(shù)據(jù)的獲取成本極其高昂。傳統(tǒng)的遙操（人類穿戴設備控制機器人）不僅笨重，而且受限于物理極限。一臺機器人一天最多只能收集24小時的數(shù)據(jù)，還要搭上操作員的精力和硬件的損耗。

為了解決這個問題，NVIDIA的Project Ego Scale開啟了一個新的數(shù)據(jù)工廠模式。Project Ego Scale直接跳過了真實的機器人硬件，利用超過2.1萬小時的、人類第一視角在野外場景活動的視頻進行大規(guī)模預訓練。在微調階段，僅僅混入不到0.1%的高精度機器人遙操作數(shù)據(jù)，就能讓機器人掌握極其復雜的靈巧手操作，例如折疊襯衫和使用注射器。

這一路徑的成功，標志著具身智能領域首次跑通了靈巧度的神經縮放定律（Neural Scaling Law for Dexterity）。投入預訓練的視頻數(shù)據(jù)越多，機器人的操作損失就呈現(xiàn)越明顯的對數(shù)線性下降，機器人產業(yè)找到了屬于自己的數(shù)據(jù)飛輪。

Jim Fan在峰會上預測：在未來一兩年內，傳統(tǒng)遙操作的比例將斷崖式下跌至幾乎可以忽略不計。具身智能的未來，將建立在由海量傳感器捕捉的人類真實生活之上。

工程底線決定生死，企業(yè)應構建結構化端到端的防線

技術上限決定了機器人能做什么，但工程底線決定了企業(yè)能活多久。

在自動駕駛和機器人領域，純粹的端到端被很多人神化了。面對這種狂熱，Waymo聯(lián)合首席執(zhí)行官Dmitri Dolgov在峰會上潑了一盆冷水。他認為，如果目標是打造一個部署規(guī)模過億且具備超人類安全性的商業(yè)系統(tǒng)，基礎的端到端遠遠不夠。因為純粹的黑盒無法提供極端場景下的可解釋性，更無法進行細粒度的安全約束。

Waymo的策略是結構化的端到端（Structured End-to-End），它由三大核心支柱支撐：

司機（Driver）：負責理解物理動態(tài)與人類社會的行為邏輯，輸出行駛策略。

模擬器（Simulator）：負責在虛擬空間中構建無窮盡的對抗場景進行壓力測試。

評估家（Critic）：不可逾越的最后防線，負責對司機的每一個潛在動作進行嚴苛的安全評估。

Waymo目前每周的純無人駕駛里程已突破400萬英里，嚴重工傷事故率降至人類駕駛員的十三分之一。Dolgov向整個AI行業(yè)強調：在關乎生命和高價值資產的場景中，永遠不要將系統(tǒng)控制權完全交給一個不可解釋的黑盒。

算力已被大廠壟斷

算力成了大廠的印鈔機

在談及OpenAI如今的核心商業(yè)模式時，OpenAI聯(lián)合創(chuàng)始人兼總裁Greg Brockman給出了一個直白的答案：

“在很大程度上，我們有一個非常簡單的業(yè)務：我們購買、租賃、建造算力，然后以一定的利潤率轉售它。就是這樣?！?/p>

只要這個利潤率為正，OpenAI就會無限期地擴大規(guī)模，因為人類對解決問題的需求是無限的。

然而，現(xiàn)在的供應鏈無法滿足這樣無限的需求。Brockman在峰會上透露，到了2026年，全球GPU算力的有效閑置獲取率“四舍五入等于零”。這不僅是因為參數(shù)規(guī)模的擴張，更是因為現(xiàn)代模型在推理端消耗的算力正在呈指數(shù)級暴漲。

對于基礎大模型廠商而言，算力就是維持其競爭力的堅固護城河。根據(jù)規(guī)模定律（Scaling Law），大廠不需要精妙的模型架構創(chuàng)新，僅靠算力暴力擴張，就能讓神經網(wǎng)絡算法展現(xiàn)出性能飆升。

紅杉指出，自從具備復雜推理能力的模型（如OpenAI的o1及后續(xù)迭代）面世后，模型在回答問題時思考得越久、消耗的推理算力越多，輸出的答案就越精準、越具突破性。當這種暴力計算被運用到科研領域，AI甚至已經推導出了讓頂尖物理學家都驚嘆的全新理論公式。

另一方面，AI巨頭們還擁有最前沿的創(chuàng)新生態(tài)。Brockman坦言，OpenAI內部的團隊之所以能保持極高的創(chuàng)新效率，是因為他們使用的是比外界能接觸到的版本領先一到兩代的未發(fā)布模型。

這種巨大的技術時間差，讓基礎模型廠商建立起了絕對的生態(tài)碾壓優(yōu)勢。當創(chuàng)業(yè)者還在為一個模型缺陷苦苦開發(fā)外圍的補丁時，大廠可能已經大版本更新中，從底層直接修復了這個問題，順手抹平了創(chuàng)業(yè)者辛苦建立的功能壁壘。

給創(chuàng)業(yè)者的破局指南

在算力被巨頭壟斷，模型大廠以月為單位迭代模型能力的情況下，創(chuàng)業(yè)者該如何突圍？對此，紅杉給出了三點建議：

1.用MAD法則構建逆向護城河

紅杉合伙人Pat Grady為全場創(chuàng)業(yè)者劃定了一條生存紅線：不要試圖去補齊大模型現(xiàn)存的能力短板，因為下一代模型會用更暴力的算力將其直接覆蓋。

他給出了一套名為MAD的方案：

M（Moats；護城河）：放棄在底層技術上建立護城河的幻想，深挖垂直行業(yè)。真正的護城河是逆向從業(yè)務出發(fā)的。創(chuàng)業(yè)者需要深入客戶最繁雜的業(yè)務細節(jié)、合規(guī)流程和數(shù)據(jù)孤島。這些業(yè)務內容的演進速度極慢，是大廠的通用API無法輕易覆蓋。

A（Affordance；直覺化供給）：盡管目前的終端控制臺和API極其強大，但對企業(yè)的普通業(yè)務員來說，這些界面存在認知門檻。創(chuàng)業(yè)者的核心任務在于，將復雜的智能體任務流，封裝成無需解釋、一看就懂的傻瓜式操作界面。用戶不需要理解后臺有多少個Agent在協(xié)作，他們只需要看到一個能跑完完整流程且結果可歸因的交付成果。

D（Diffusion；擴散紅利）：創(chuàng)業(yè)者要學會在技術落差中套利?；A模型變強的速度，遠快于傳統(tǒng)企業(yè)吸收這些能力的速度。這個巨大的擴散缺口就是初創(chuàng)公司的巨大套利空間。

2.探索服務即軟件的新商業(yè)模式

如果說上一代云計算浪潮的成功之處，是將全球軟件市場的盤子做到了6500億美元，那么如今的AI浪潮正在塑造一個規(guī)模高達十萬億美元的專業(yè)服務市場。

Pat Grady在峰會上算了一筆驚人的賬：單單是美國本土的法律服務市場，規(guī)模就高達4000億美元，這一個垂直賽道的體量就已經與全球軟件市場的總和相當?；谶@一巨大的想象空間，紅杉合伙人Sonya Huang指出了AI時代的新商業(yè)模式：服務即軟件（Services is the new software）。

過去的SaaS（軟件即服務）賣的是提升人類工作效率的工具，而未來的AI賣的是直接交付的最終結果。

Sonya Huang描繪了一幅智能體全面接管各類專業(yè)服務的圖景：

• 在醫(yī)療領域，用戶可以直接雇用醫(yī)療Agent來分析個人的基因組、提供個性化醫(yī)療建議、開具處方，甚至精準匹配和推薦臨床試驗。

  
  

• 在法律界，Agent可以直接代表客戶去進行合同條款的談判、處理法律訴訟，甚至達成最終和解。

  
  

• 在基礎科學領域，Agent不僅能解決極其復雜的數(shù)學難題，甚至已經開始自主發(fā)現(xiàn)全新的超導體材料。

  
  

• 在個人消費端，超級私人助理將無縫接管用戶的收件箱、日程表、個人財務管理，乃至全自動完成報稅。

  
  

而經濟學規(guī)律將推動這一模式顛覆傳統(tǒng)行業(yè)。Sonya Huang指出，人類員工極難規(guī)模化擴張，并且成本極其昂貴?！澳愀督o人類的是高昂的薪水，而付給Agent的僅僅是代幣（Tokens）?！?/p>

許多情況下，用Tokens完成一項專業(yè)任務的成本，已經遠遠低于同等工作量下的人類薪水成本。隨著智能體在越來越多領域的智力表現(xiàn)即將超越人類，那些能夠率先將傳統(tǒng)重人力、高壁壘的專業(yè)服務，打包成Agent接口的初創(chuàng)公司，將迎來指數(shù)級的財富爆發(fā)。

3.創(chuàng)業(yè)者迎來一人獨角獸時代

隨著AI接管了代碼與執(zhí)行層，構建產品的邊際成本已近乎為零，過去需要整個團隊開發(fā)數(shù)周的功能，現(xiàn)在普通員工通過智能體幾個小時就能搞定。在這種情況下，初創(chuàng)企業(yè)的敏捷的組織形態(tài)反而更能幫助他們贏得市場勝利。

Boris Cherny認為，大公司雖然擁有資源，但它們背負著極其沉重的歷史包袱。巨頭們如果想擁抱新范式，需要耗費數(shù)年重構復雜的業(yè)務流程，重新培訓成千上萬的員工，還要解決內部巨大的組織慣性和利益部門的抵觸情緒。相反，微型初創(chuàng)團隊從成立的第一天起，就能以AI原生的姿態(tài)上陣，沒有溝通損耗，沒有技術債務，甚至可以直接向傳統(tǒng)巨頭發(fā)起同等量級的商業(yè)競爭。

而跨學科通才將享受到最大的時代紅利。如Anthropic內部所展現(xiàn)的那樣，公司內部沒有純粹的部門壁壘，所有人都可以自己用AI寫代碼，解決工作需求。對于初創(chuàng)企業(yè)來說，未來最優(yōu)秀的財務軟件開發(fā)者不再是懂代碼的程序員，而是深刻理解商業(yè)邏輯的頂尖財務人員。創(chuàng)業(yè)者在招募團隊時，應徹底拋棄螺絲釘思維，尋找那些具備能直接跨界調度AI產出結果的人才。

在峰會上Greg Brockman指出，未來每個人都可以成為統(tǒng)帥十萬Agent大軍的超級CEO，只需調度云端不知疲倦、按Token計費的數(shù)字員工，就能支撐起一家估值上億的獨角獸實體。在未來的競爭中，你的組織能多大程度地接納和指揮數(shù)字智能體，就是你擁有多少產品定價權的新起點。

AI時代人類的核心護城河

當技術在底層飛速迭代，最終轉化為商業(yè)模式的洗牌時，整場峰會也同步在討論一個終極命題：

在一個99.9%的認知與執(zhí)行都被機器代勞的世界里，人類的核心護城河究竟將退守何處？

面對技術盲盒的終結，很多從業(yè)者恐慌自己將失去執(zhí)行價值。但紅杉認為，剝離掉機械勞作后，人類真正的核心護城河才剛剛顯露：

第一，無法外包的理解力。

“你可以外包你的思考，但你絕不能外包你的理解?！盇ndrej Karpathy強調，盡管大模型在處理信息、生成代碼上非常強大，但人類依然是整個系統(tǒng)的理解中樞。機器不知道為什么要做這件事，只有人類才能把握構建產品的初衷，并為AI指引方向。當把事情做完變得無比廉價時，判斷“這是不是一件好事情”“這是否符合我們的價值觀”，就成了決定成敗的關鍵。

第二，頂級的審美品位。

當所有人都能用AI一秒生成結構完整的軟件時，功能齊全已經淪為廉價的標配，平庸將成為最大的敗筆。未來的品牌溢價和商業(yè)價值，屬于那些知道什么是卓越、什么是極致體驗的人。AI時代，品味就是最高級別的生產力。

第三，不可替代的人際連接。

當一切服務都可以由Agent以極低成本提供時，人類將更渴求同類參與感。紅杉合伙人Constantine指出，在真空的環(huán)境下，任何事物本身都是沒有價值的，無論是曾經比黃金還珍貴的鋁，還是如今算力龐大的超級智能，它們只有映射在人類的真實體驗中，才擁有意義。機器可以一秒鐘出具一份的法律判決，但它永遠無法交付同理心、信任感，以及擁有共同承擔責任的能力。

今年的紅杉AI峰會，沒有兜售廉價的烏托邦幻夢，也沒有販賣末日論恐慌，它向全行業(yè)釋放了一個清晰的商業(yè)信號：當算力被巨頭壟斷、生成代碼的邊際成本趨于零時，純技術已不再是牢不可破的護城河。未來的商業(yè)競爭，正在向直接交付商業(yè)結果轉移。在十萬億級的服務市場中，用跨界思維重塑交付體驗的商業(yè)機會，剛剛向每一位創(chuàng)業(yè)者敞開。