「100 年的事，現在 100 天做完」：紅杉 Sonya Huang 解構代理人經濟的五個階段

本文整理自紅杉資本（Sequoia Capital）AI Ascent 2026 開幕 Keynote「This is AGI」，2026 年 4 月 30 日公開。

{{< youtube LRo33rnv6rQ >}}

---

如果你跟我一樣，2022 年看過 AutoGPT、BabyAGI 那波瘋狂的話，你大概記得那種感覺。這些 demo 一夜之間在 GitHub 上爆紅，然後你開始實際跑，看著它一遍又一遍地失敗，可愛但完全沒用。三年過去了，那批早期專案幾乎都已經被遺忘，只剩 GitHub 上的 star 數提醒大家曾經有那麼一段集體幻想期。

紅杉資本合夥人 Sonya Huang 在 AI Ascent 2026 演講的開場就放了那張幻燈片，問現場聽眾：「還記得 AutoGPT 嗎？」她接著說：「我們其實幾年前就看得到代理人會來，但 2022 年的模型還沒準備好。」然後她跳到現在：「一些東西在年初突然變了。代理人到處都是，而且它們真的在工作。」

Sonya 在紅杉內部主導 AI 應用層投資，OpenAI、Hugging Face、LangChain、Glean、Mercury 都是她參與或領投的案子。如果說 Pat Grady 講的是「為什麼這次不一樣」的策略框架，Sonya 這段就是「現在到底發生了什麼」的現場報告。她講了 9 分鐘，把過去半年代理人領域的進展，整理成一個非常清楚的座標系。

代理人是什麼：三個功能組件

Sonya 給代理人下了一個定義：一個能感知環境、選擇行動、並且自主朝目標推進的系統。這個定義刻意做得寬，因為現在「代理人」一詞已經被市場用爛了，從聊天機器人到自動化工作流都自稱 agent。但她強調，真正能稱為代理人的東西，必須同時具備三個功能組件，缺一不可。

第一個組件是模型，它是大腦。這是過去一年最關鍵的進展。Sonya 引用了 METR 的「任務持續時間」圖表，這張圖衡量的是模型在一個複雜任務上能夠持續推進多久而不脫軌。一年前的水準大約是十幾分鐘等級，今天已經是好幾個小時等級。「這是過去一年發生最重要的一件事。模型終於變得夠強，可以撐住長視野的任務。」沒有這個基礎，後面所有的工具和 harness 都沒意義。

第二個組件是工具，它是手腳。終端機、檔案系統、開發工具、iMessage、Slack、網頁搜尋、computer use 這些東西全都是工具。Sonya 在這裡丟出一個反共識的判斷：「過去二十年人類為了自己生產力打造的所有工具，現在反過來變成餵養代理人的養分。市場上有人說 SaaS 已死，我認為剛好相反。當代理人數量爆炸時，這些工具的價值會跟著爆炸。」這個觀察很重要，它直接反駁了過去半年「Agent will eat SaaS」的論述。SaaS 不是被吃掉，是被代理人重新賦能。

第三個組件是 harness，它給代理人持續性。Harness 這個英文詞很難翻成中文，它指的是讓代理人在任務中堅持下去、從失敗中恢復、迭代調整的「外掛骨架」。「特別是強化學習（RL）開始發揮作用，我們把代理人送進駕訓班，在 RL 環境裡訓練它在不同情境下的表現。」她特別舉了一個讓我安靜下來的例子：最近有一個公開的研究專案（根據演講脈絡很可能是 Andrej Karpathy 釋出的訓練專案），能在兩小時內自主訓練出一個 GPT-2 等級的模型。機器在訓練機器，這個閉環真的開始運轉了。

代理人光譜：從 Tab 補全到「黑工廠」

「代理人不是一個非黑即白的概念，它是一個光譜。」這是 Sonya 整段演講最有教學價值的觀念。市場上把「是不是代理人」當成一個 yes/no 問題在爭論，但她認為應該用「代理人化程度」這把尺來丈量。她用 coding 領域為例，畫出了五個階段。

第一階段是 2023 年的 Tab 自動補全，一個 AI 在旁邊行內提示，幫一點點，但不改變遊戲規則。GitHub Copilot 的早期版本、各種編輯器外掛都屬於這個層級。它對工程師有用，但本質上還是「人寫程式、AI 提示」。第二階段是代理人輔助開發，一個人類對著代理人下指令，可能還在管理一個小代理人團隊。這是 Claude Code、Cursor、Devin 現在的形態，工程師變成代理人的指揮官，自己不再敲每一行字。

第三階段是背景代理人、非同步代理人、代理人生子代理人。「我們現在看到的是 async agents 開始發展，這套裡的槓桿太大了。我判斷它在量級上會超過目前的『人類管理代理人』模式。」這個階段的關鍵字是「不在前台」，工程師可以同時派出十個任務，每個任務有自己的子代理人團隊在後台跑，工程師偶爾回來看結果。這已經不是「使用工具」，而是「經營一個微型工程組織」。

第四和第五階段更激進。第四階段是代理人本身值得信任到可以直接 push 到 production，從「需要管理的實習生」變成「可以自主出貨的同事」。第五階段是 Sonya 稱之為「黑工廠」（Dark Factories）的形態，完全不需要人類審核，代理人自己做完所有事。「聽起來很瘋，但我已經在 production 看過，而且就在資安公司。只要 guardrail 和工程夠好，這是可行的。」這個說法值得特別注意，因為資安是傳統上對「無人值守」最敏感的產業，連他們都開始接受了。

服務即軟體：你用代幣換薪水

整場演講最大的命題是這一句：「Services is the new software.」服務是新的軟體。Sonya 強調這不是新觀念，她的合夥人 Pat 講了好幾年，但「現在它真的在發生」。

她舉了一連串具體例子。在醫療領域，你可以僱用一個代理人檢查你的基因組、給個人化建議、開處方、推薦你參加哪一場臨床試驗。在法律領域，代理人會代你談判合約，甚至代你出庭打官司、和對方和解。在數學和科學領域，代理人解開未證明的猜想、發現新的超導體。在消費端，個人代理人管你的收件夾、行事曆、財務，幫你報稅。她甚至提了一個半開玩笑的例子：有人做了一個 OpenClaw agent，會自動向稅務局舉報你的鄰居逃稅。「拜託不要這樣做。或者……也許可以？」

「為什麼會這麼快？因為僱用代理人比僱用員工容易太多了。」她列了一張對比表，但用敘述展開：人類難規模化，代理人有算力就無限可規模化；人類需要管理、需要心情照顧，代理人低維護到不行；人類成本高，你付薪水，代理人成本低，你付的是代幣。「一般而言，用代幣完成一個任務的成本，低於用薪水完成同一件事。」當經濟學帳算到這個程度時，部署速度會快到讓人措手不及。

她特別澄清這不是「人類要失業」的論點。「人類最獨特的特質就是適應力，這一點短期內不會改變。」但她認為應用層的代理人部署速度會前所未有地快，因為經濟學太清楚了。市場不是不知道代理人會來，市場是還沒準備好它來得這麼快、便宜得這麼徹底。

100 年的事，100 天做完

演講的收尾，Sonya 半開玩笑地說她要用《沙丘》貝尼．潔瑟睿德（Bene Gesserit）的口吻講這句話：長視野代理人來了。它在的曲線非常清楚。然後她端出三個具體案例，每一個都讓現場創業者倒抽一口氣。

第一個案例是 Zed 編輯器的 Nathan。Zed 是一個高效能程式碼編輯器，整個專案龐大且複雜。Nathan 在假期之間，靠 Claude Code 一個人完成了原本要花三年的登月專案。第二個案例是 Brett Taylor，前 Salesforce 共同執行長、OpenAI 董事長、Google Maps 共同創造者，現在創辦 Sierra（一家 AI 客服代理人公司）。Brett 用一個週末重建了整個 Sierra 系統。第三個案例是 Notion 團隊，他們在六週內重寫了八百萬行程式碼。

「但這些只是個別案例。」Sonya 接著說，「真正可怕的是當你把這些被壓縮的時間軸疊在一起。所以，未來 100 年你能想像建造的東西，我們認為現在 100 天就可以做完，因為有代理人。」這句話是整場 AI Ascent 2026 演講最被引用的金句，它不是浪漫修辭，是 Sonya 在台上具體展示三個壓縮時間軸案例之後的結論。

我的觀察：個人槓桿與組織槓桿是兩條路

Sonya 講的三個案例，其實藏著一個對臺灣開發者很重要的差異，我覺得值得分開來看。

Zed 的 Nathan 走的是個人槓桿路線，一個人加上 Claude Code，等於三年專案。這條路線在臺灣已經有人在跑，獨立開發者圈最近半年的爆發跟這個直接相關。對自由工作者、單兵小型團隊來說，這是一個全新的機會結構。過去你要做一個有規模的軟體產品，必須先募資、組工程團隊、燒掉至少 18 個月的 runway，現在你可以一個人加幾百美元的 API 額度撐起一個原本需要 30 人團隊的產品。臺灣有很強的個人開發者文化（PTT 鄉民版、Facebook 工程師社群、各種獨立開發者聚會），這條路線特別適合。

Notion 八百萬行程式碼六週重寫走的是組織槓桿路線。它不是「一個天才工程師」的故事，是整個工程組織重新校準工作流的故事。這條路線對臺灣的中大型軟體商更有借鑑意義，但難度也更高。它要求 PM、Eng、QA、Security、DevRel 全部重新對齊，要求對 code review、release pipeline、incident response 的整套流程重新設計。臺灣很多 50 人到 500 人規模的軟體公司現在卡在這裡，老闆看到 Brett Taylor 的週末重建很興奮，但不知道組織要怎麼動。這比技術導入難十倍。

最後一個提醒，跟 Sonya 在演講中隨口提到的 OpenClaw 例子有關。當代理人之間開始彼此交易、互相監控、形成自己的小型市場時，規則本身會被重寫。代理人之間誰負責、誰收稅、誰仲裁、誰能用誰的 API、誰背協議違反的責任，這些問題目前還沒有人有清楚答案。臺灣的監管思維還停在「AI 要負什麼責任」這個層次，但矽谷的現實已經跑到「代理人之間的契約怎麼執行」這個層次了。這個落差，比 Pat Grady 講的 diffusion gap 更大、更隱形，也更危險。