紅杉資本 (Sequoia Capital) 邀集 9 位全球最頂尖的 AI 領袖閉門開會 4 月 29 日，現場 150 位創辦人。這篇是給董事會、創業者與領導人的策略速讀 — 用最白話的語言整理出：他們在賭什麼、為什麼這次跟以前不一樣、以及你的事業要在 12 個月內做出什麼決定。
下面 4 個數字 + 3 個觀念翻轉，是這場大會留給領導階層最濃縮的版本。
後面所有內容都圍繞這 7 個重點展開。
這是 Sequoia AI Ascent 2026 的全名單。每位的核心論點都對應到一個你今年要做的決策。
頭像為各人公開官方照片（紅杉合夥人取自 sequoiacap.com、其他取自 Wikipedia 或本人 X 帳號）。
把去年的 AI Ascent 跟今年放一起看，會發現紅杉整個論點從「預測」升級成「指令」。
不是「應該會發生」、是「正在發生、現在就做」。
這六個觀念會在接下來 12 個月反覆出現在所有產業策略對話、董事會議、投資人簡報。
先理解就先佔位。
什麼是 AGI？投資人不糾結哲學定義 — 直接給出實用版：「能自己把事情想清楚並做完」。三個成分都到位了：① 預訓練 (給 AI 知識) ② 推理算力 (給 AI 思考時間) ③ 長時序代理 (讓 AI 能持續迭代修正)。
AI 評估獨立機構 METR 追蹤代理人能完成的任務時長：每 7 個月翻倍。照這個速度推：2028 年能做專家一整天的事、2034 年一整年、2037 年一個世紀。
每 $1 軟體支出對應 $6 服務支出。下一家千億美元公司不會賣 SaaS（軟體即服務），而會「直接幫客戶把帳結完」。副駕駛 (賣工具給律師事務所用) 對比自動駕駛 (直接幫公司起草 NDA 合約)。
切入策略：從外包工作切入。如果一件工作客戶已經外包，這代表三件事：① 預算線存在 ② 客戶已接受外部執行 ③ 買的是結果而非人頭。「換掉外包廠商是供應商替換、換掉內部員工是組織改造，前者容易很多」。
1.0 = 人寫程式 → 2.0 = 神經網路訓練 → 3.0 = 用「情境」對 AI 編程。「Vibe coding (氛圍式寫程式：用一句話跟 AI 描述想法) 拉高地板，每個人都能寫 app；agentic engineering (代理人工程：嚴肅地用 AI 代理打造產品級系統) 抬高天花板，10 倍工程師出現」。
選題公式：找一個有價值、可以驗證的工作流。AI 強的領域 = 有獎勵迴圈、可驗證對錯的（程式碼、數學、合規檢查、稅務、資安）。Hire 工程師應該測「代理人工程能力」，不是傳統解題 (leetcode)。
諾貝爾獎得主 Demis 罕見表態「我們走完了 3/4」，AGI 落在 2030 前後（從原本的 5–10 年區間收斂到 5 年）。剩下三個關鍵 gap：
① 持續學習 — 不要再「學新的就忘舊的」② 長期推理 + 記憶 — 不能只用「越大越好」的 context window 撐 ③ 一致性 + 自主能力 — AI 在數學奧林匹亞贏，但簡單的推理變化還是會掉。
同時發生兩件事：① 資料中心 / AGI 進度延遲（台積電產能瓶頸開始咬人、產業鏈疲乏、AGI 共識從 2027 移到 2030）② 但企業採用速度創歷史新高（$0 到 $1B 俱樂部誕生、最佳新創每名員工年產出 $1M 美元營收）。
對創業者啟示：不要等「奇蹟降臨那一刻」；自己做的「自我進化公司」（自己先用 AI 跑法務、徵才、銷售）會跑得最快。
NVIDIA 押注的是「物理 AGI」三層架構：GR00T 基礎模型（機器人的大腦）+ Cosmos（生成模擬訓練資料）+ Newton 物理引擎（讓 AI 學物理約束）。模擬訓練 → 真實世界（sim-to-real）流程把機器人訓練成本壓低 10 倍。
2026 全球人形機器人預估出貨 28,000 台。Waymo 用幾年時間驗證了「物理世界長時序代理」商業可行 — 一台車一天跑 24 小時，永不疲勞。
這是 2026 整場大會最被反覆引用的框架。
Sequoia 用兩個飛行專業術語，把所有 AI 公司分成兩個陣營 — 你的事業屬於哪一邊，決定了未來 5 年的命運。
產品定位：讓專業人士做得更快、更好。客戶是律師、會計師、銀行家、行銷人。預算來自「軟體 / 工具 / SaaS」科目。
典型代表：Harvey 早期版本（賣給律師事務所）、Rogo（賣給投資銀行）、Cursor（賣給工程師）。客戶是「先用工具，再去做工作」。
結構性風險：模型每升級一次，你就被壓一次。每年訂閱費上限被「客戶能接受的工具預算」綁住，多數 SaaS 工具個別公司每年 $10K - $100K 是天花板。
產品定位：客戶買的是「結果」，不是「工具」。客戶是企業 CFO、營運長、執行長 — 他們不想看 dashboard，想要「事情完成」。
典型代表：Crosby（直接幫公司起草 NDA、按件計費）、WithCoverage（直接賣商業保險給 CFO，跳過經紀人）、Anterior（直接做醫療帳單編碼）、Rillet（直接幫公司關帳）。
結構性優勢：每筆工作都餵養 AI 學該領域的判斷力，越做越強的飛輪。預算可達同類軟體的 12 倍以上 — 比方法務 SaaS 一年 $20K，但企業外包律師費可達 $250K。
如果你只能記得這場大會的一張圖，請記這張。
AI 代理人能獨立完成的任務時長走的是指數曲線，跟摩爾定律一樣穩定。
紅杉合夥人 Julien Bek 把每個服務業按「外包比例」與「智能 vs 判斷力比重」打分。
智能高 + 外包高 = 先被自動駕駛 AI 吃掉。下面是他親手點名的 12 條賽道（依市場規模排序）。
寫程式的方式換了三次。每換一次，「什麼是工程師」這個職業就被重寫一次。
今年我們正站在第三次轉折點上。
Karpathy 給創業者的選題框架：「不要問 AI 能讓你『更快做出』什麼、要問 AI 讓什麼『不需要存在』」。他舉自己的 MenuGen（菜單生成 app）為例：傳統做法是「拍菜單 → 文字辨識 → 抽取菜名 → 生成菜色圖片 → 重組介面」5 個步驟，但 Software 3.0 版本只剩下「拍照、丟給 Gemini、請它直接在菜單上覆蓋菜色圖片」一句話。整個 app 消失了。
很多 AI 工具都是繞著模型限制做的暫時包裝紙。模型升級一次、整個產品類別就崩塌成一個 prompt。
講者再厲害也不會替你做決定。
下面是把紅杉 2026 五張底牌轉成「下次董事會、Leadership Team 會議或一對一你該丟出的問題」 — 用來逼出組織內最重要的策略對話。
檢驗點：客戶買單的時候，預算來自「軟體 / 工具」科目，還是「外包 / 服務 / 顧問」科目？如果是前者，你正面對紅杉警告的「副駕駛陷阱」 — 模型升級一次你的競爭力就被壓一次。
進階思考：如果我們把同樣的能力包裝成「按結果計費的服務」（而非按帳號月費），單一客戶生命週期價值能放大幾倍？
Karpathy 的判斷：AI 能自動化的，是有驗證迴路的工作 — 程式碼測試、稅務申報、合規檢查、保險理賠、醫療編碼、財報關帳。這些工作有明確的「對 / 錯」答案，AI 可以自我修正。
進階思考：把我們公司每個職能的工作流拆成「可驗證」與「需判斷」兩部分。可驗證的部分用 AI 自動化、判斷的部分留給人。比例會是多少？
紅杉重複強調 — AI 應用的長期防禦力，來自「每處理一個案子、模型就學一次該領域的隱藏知識」。這就是為什麼 Bek 鼓勵新創從外包工作切入：每一筆外包案子都能餵養 AI、形成競爭對手難以複製的領域資料。
進階思考：我們公司處理客戶案件時，產出的資料有沒有結構化儲存？有沒有「該領域的判斷力」可以被 AI 拿去學？如果現在沒做、明年就晚了。
David Cahn 的觀察：跑得最快的新創都是「自我進化公司」 — 自己內部就用 AI 跑法務、徵才、銷售、客服。每名員工年產出超過 100 萬美元的公司，都是這個樣態。
進階思考：如果今天我們公司把 30% 內部例行工作（會議記錄、合約審閱、財報整理、競爭情報）讓 AI 接手，每年釋放出多少人時？這些人時拿去做什麼會 ROI 最高？
Demis 直接表態 AGI 在 2030 前後成熟。如果這個時間表是對的、所有「白領服務業自動化」會在 2027–2030 集中發生。如果你的策略假設是「AGI 還很遠」、整個競爭環境會跑在你前面。
進階思考：把公司的 3 年計畫攤開、問三個問題：① 哪些假設依賴「AI 能力維持現狀」 ② 如果 AI 任務時長真的每 7 個月翻倍、哪些假設會崩 ③ 誰會在 2027 開始吃我們市場？
紅杉這場會的視角是矽谷 + 美國服務業市場。
但有三個議題，台灣領導人特別應該帶回辦公室深入思考 — 因為涉及台灣產業結構的核心。
David Cahn 在演講中明確點出「TSMC brake」(台積電瓶頸) 是 2026 整個 AI 進度延遲的關鍵。所有頂尖 AI 晶片（NVIDIA、Google TPU、AMD MI 系列）都依賴台積電 3nm/2nm 製程。
但他也指出產業鏈疲乏訊號 — 這對台積電供應鏈的中游設備、封裝、檢測廠意味著「2026 是訂單能見度極高的一年，2027 開始要看 AGI 倒數時程是否兌現」。
Bek 的「服務即新軟體」框架對台灣有兩個影響面：① 台灣本土服務業（律師、會計、保險經紀）面臨美國同業已被 AI 自動駕駛切入的競爭壓力，2-3 年內傳到台灣。
② 台灣的軟體外包能量（過去 20 年支撐很多中型 SI 公司）會被 AI autopilot 直接吃掉 — 不是台灣 SI 公司不夠強，而是客戶端的「外包」這個動作本身被 AI 取代了。
Karpathy 的選題框架（找有驗證迴路的工作流）+ Bek 的市場地圖（外包高 + 智能為主）對應到台灣有幾個獨特機會：謄本 / 不動產調查、稅務申報、健保申報、政府補助申請、商工登記。
這些都是「智能為主、結果可驗證、台灣特有規則」的本土化賽道，美國 AI 公司不會做、台灣 AI 公司有 2-3 年領先窗口建立資料飛輪。台灣中小企業每年外包這些事的預算 ≈ $10 億美元規模。
紅杉 YouTube 官方頻道有完整 11 部影片。
下面挑出 5 部最精華的，按優先順序排列。每部 20–30 分鐘、英文發音含字幕，YouTube 可開自動翻譯字幕到繁體中文。
原文與中譯並列。
這些句子未來 12 個月會在投資人簡報、產品策略文件、媒體採訪不斷出現。
所有結論都來自下面這些公開來源。
如果你想第一手材料、自己讀原文，下面是優先順序清單。