紅杉 Pat Grady：AI 不是通訊革命、是運算革命，給創業者的 MAD 三招

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 >}}

---

紅杉資本（Sequoia Capital）每年都會在 AI Ascent 大會上做一場開幕主題演講。三位主導 AI 投資的合夥人 Pat Grady、Sonya Huang、Konstantine Buhler 一起站上台，把過去一整年觀察到的東西整理給創業者聽。2026 年這一場，他們開場就直接把話講白：AGI 已經到了。

當然不是技術定義上的 AGI，他們不打算介入那場學術辯論。是商業定義上的 AGI：你可以指派一個代理人去做一件複雜的事，它能從失敗中恢復、能堅持到任務真的完成。對在做生意的人來說，這跟 AGI 沒什麼差別。Pat Grady 在台上自嘲：「我是經濟學系畢業的，我們是創投，沒打算要提出 AGI 的技術定義。我們研究的是創辦人、市場，以及這兩件事撞在一起會發生什麼，也就是生意。從生意的角度看，這就是 AGI。」

Pat Grady 是這場演講的開場者，講了大約 11 分鐘。他鋪陳的論點可以濃縮成一句話：AI 是一場性質完全不一樣的科技革命，創業者該抓緊的不是模型，是客戶。

AI 是「運算革命」，不是「通訊革命」

Pat 一開場就把過去幾十年的科技浪潮分成兩類，這個分類是整段演講的論證基礎，也是他從合夥人 Konstantine 那裡借來的觀念。

第一類叫做通訊革命，它改變的是「資訊怎麼分發」。網際網路、雲端、行動裝置都屬於這一類。資訊還是那些資訊，只是流通的方式變了。第二類叫做運算革命，它改變的是「資訊怎麼被處理」。AI 就是這一類。Pat 在台上強調：「這聽起來像在玩文字遊戲，但這兩種浪潮的形狀根本不一樣。」

他想表達的東西很具體：過去的雲端、行動裝置革命，技術底層相對穩定。你決定上 AWS、決定做 iOS App，這個決策有效期可以是好幾年，產品架構不用每季重來。但 AI 不是這樣，基礎模型每幾個月就跳一次階，能力的天花板每天都在抬。「最直觀的感覺就是，地板每天都在腳下移動。」

Pat 點了過去幾年的三個關鍵節點來證明這條曲線的不連續。第一個是 2022 年 11 月的 ChatGPT moment，世界第一次看到預訓練的威力。第二個是兩年後 o1 模型出現，推理（reasoning）成為第二條 scaling 法則，推論時運算（inference-time compute）登場。第三個是最近 Claude Code 配上 Opus 4.5、4.7，長視野代理人（long-horizon agents）終於成熟。「前面兩個還像是同一條曲線上的點，」他說，「但從第二個跳到第三個之間，是一個比較硬的斷裂。」這個斷裂，就是他口中的 AGI 時刻。

從「更快的馬」到「真正的汽車」

在這一段，Pat 用了一個很老但很好用的比喻。他想解釋的是「為什麼這次跟以前不一樣」這件事，需要一個能讓非工程背景的聽眾立刻理解的對照組。

過去幾年市面上的 AI 應用，他歸納為「更快的馬」。這類應用可以讓你的工作效率提升 10% 或 40%，但你還是用一樣的方式工作。你開更快的會、寫更快的信、整理更快的報表，但你的工作流程、你的組織結構、你的角色分工都沒有變。市場上絕大多數所謂「AI 賦能」的 SaaS 改版，本質上都是這個層級。

「但現在汽車到了。」Pat 說。汽車的意思是生產力提升 10 倍、40 倍，而且它根本性地改變你的工作方式、改變組織的結構。你不會用養馬的方法去保養汽車，你也不會用同樣的賽道去比賽。Sonya Huang 在後面那段演講會具體展示這些「100 年的工作 100 天做完」的例子，但 Pat 在這裡先把分類學立起來。他想說的是，這不是程度差異，是類型差異。

這就是為什麼紅杉這場演講要把「AGI 已到」這件事講得這麼明白。他們認為這不是技術人的學術問題，是創業者必須馬上面對的商業現實。台下坐的是過去十年最會抓技術浪頭的那批人，紅杉的訊號很清楚：別再爭辯定義，動作。

MAD 三支柱：客戶、好用、落差

「我們對在基礎模型上做應用的創業者，建議是『要 MAD』。」Pat 在台上開了一個玩笑。MAD 既是英文「瘋狂」的意思，也是三個策略支柱的縮寫，分別是 Moats（護城河）、Affordance（直覺好用）、Diffusion（擴散落差）。這套框架是他講給「在 OpenAI、Anthropic、Google DeepMind 這些基礎模型公司上面做應用」的創業者聽的。

第一支柱 Moats 是整段演講裡最出乎意料的一點。傳統創業教科書教你「技術領先就是護城河」，但 Pat 直接打掉這個觀念。「在運算革命裡，因為技術變化太快，你越是把產品架構綁在某個模型能力上，你越脆弱。你今天做的東西，明天可能就被基礎模型內建掉了。」他的建議很直接：護城河不要往下挖，要往上挖。往下挖是技術，但技術每天在變。往上挖是客戶，客戶的工作流、痛點、KPI，這些東西不會像模型能力那樣每月跳一次。「最好的產品還是會贏，技術依然非常重要。但在一個產品會因為能力變化而過時的世界裡，你能把自己 wrap 在客戶身上多少，就 wrap 多少。」

第二支柱 Affordance 是設計領域的詞，Pat 借用過來。他舉了一個生活化的例子：「我家有個兩歲的兒子，我給他一把鎚子，他立刻知道要拿來敲東西。所以我們家不給他鎚子。」鎚子是有 affordance 的物件，不需要解說，人看到就知道怎麼用。然後他話鋒一轉：「Claude Code 超強，但你打開終端機叫一個 Fortune 500 的普通員工試試，看他能走多遠。」基礎模型的能力是巨大的，但它的 affordance 很差。這不是 Anthropic 的鍋，這是應用層創業者的機會。你的任務是把那些強悍但難用的能力，包裝成「腦袋空空也能用」的東西，給特定客戶在特定情境下用，創造一條阻力最小的路徑。

第三支柱 Diffusion 則是擴散落差。Pat 的觀察是：基礎模型能力被創造出來的速度，遠遠快於這些能力被擴散到市場的速度。每一天，基礎模型跑得比 Fortune 500 企業快，這個落差就在擴大。換句話說，企業導入 AI 的速度是慢的，而模型進步的速度是快的，中間那片落差地帶就是應用層公司的機會。你不是在跟 OpenAI 競爭，你是在當企業導入 AI 的橋樑。這也呼應了他在演講開頭引用的數字：法律服務在美國本身就是一個 4,000 億美元的市場，等於整個全球軟體業的一個垂直、一個地理區，而紅杉判斷整個服務業 TAM 可能高達 10 兆美元。

「暴雨中才能超 15 台車」

演講的尾聲，Pat 用了一個賽車界的諺語：「晴天裡你超不了 15 台車，但下大雨的時候可以。」這句話是他想留給創業者的「給予」。

他的意思是：現在 AI 圈正在下「能力的暴雨」。基礎模型每幾個月就跳一次，新工具每週都在出，過去半年才訓練好的應用可能下一個季度就被 API 化、被原生功能吃掉，或者被一個更快的競爭者超車。「這意味著沒有領先是安全的，」他說，「但它也意味著任何人都可以贏。」

這句話的份量在於它同時對兩種人說話。對已經跑在前面的玩家來說，它是一個警告：你的領先不是護城河，過去半年累積的優勢可能被一場大雨沖掉。對還在賽道後段的玩家來說，它是一個邀請：在能見度極差的暴雨裡，賽車的物理規則被改寫，後段班反而有機會超車。紅杉這場 Keynote 沒有給「該做哪個垂直」、「該用哪個模型」這類戰術建議，它給的是一個賽道判斷，這場比賽的性質變了。

我的觀察：給臺灣軟體業的兩個提醒

我看完 Pat 這段演講有兩個感想，特別跟臺灣的軟體生態系相關。

第一個是 Pat 講的「客戶導向護城河」這件事，對臺灣中型 SaaS 業者反而是一個有利條件。我們很多 B 端業者賣的是日本企業、東南亞企業、傳統製造業客戶，這些客戶的數位化進度本來就比矽谷慢，「擴散落差」在這些市場更明顯。換句話說，臺灣團隊不一定要去打美國市場的拼殺型新創才能用 MAD 這套。把「客戶 wrap 得很緊」這件事做好，理解每一家工具機廠、每一家中型零售商怎麼運作，在亞洲市場一樣能成立。紅杉的這個框架不是矽谷專屬的，它的核心是「客戶不會像技術那樣每天變」，這個觀察在臺中、在大阪、在胡志明市都成立。

第二個提醒比較刺。「Affordance」對臺灣產業最有殺傷力。我們很多軟體商還停在「我做的東西很強」的階段，但他們的客戶，那些傳產老闆、中小企業財務、第一線員工，根本不會打開終端機。基礎模型已經夠強了，現在比的不是模型多猛，是你能不能把它包成 LINE 機器人、包成 Excel 外掛、包成「五十歲也會用」的介面。臺灣團隊在這方面的工藝感（craft）其實是有的，過去做硬體、做工業設計累積了大量這類經驗，但常常因為「想顯得 high-tech」而捨棄了這個優勢。Pat 這段話，應該打醒一些人。

最後一句金句送給你：no lead is safe, but anybody can win。沒有領先是安全的，但任何人都可以贏。這不是要你樂觀，是要你動作快。在 AI Ascent 2026 結束之後，這句話會被矽谷重複很久，它也應該被臺灣的科技決策者放在桌上，每天早上看一眼。