红杉AI峰会定调2026：算力垄断下，人类退守审美与理解力高地

【科技纵览】当硅谷的风向标从参数竞赛转向物理世界的执行权争夺，一场关于生产力本质的重构正在悄然发生。近日，红杉资本在硅谷低调举办的2026 AI峰会，汇聚了全球顶尖大厂核心骨干、风投巨头及科学家。不同于过去两三年对大模型跑分的狂热追逐，今年的共识指向了一个更残酷的现实：底层技术红利正以前所未有的速度溢出，而旧有的商业逻辑已彻底翻篇。Andrej Karpathy与多位行业领袖达成的一致看法是，大模型正越过软件层，疯狂抢夺物理世界的控制权。在这场洗牌中，市场呈现出三大剧变：代码边际成本趋零、具身智能突破物理规律认知、以及算力被大厂绝对垄断。

代码通胀时代已经到来，程序员的角色正经历历史性解构。Claude Code之父Boris Cherny透露，自2026年以来他未亲手写过一行代码，其负责的项目100%由模型生成。在一次产能测试中，他单人一天合并了150个代码请求。这种效率跃升源于工作流的颠覆：他在手机上调度数百个并行运行的Agent，利用循环机制和定时任务，让数字劳工自动修复CI报错、处理分支冲突，甚至每30分钟抓取Twitter反馈进行聚类分析。Cherny将此比作1400年代印刷术的诞生，曾经少数人掌握的读写特权如今变得廉价。传统工程师不再是砌砖工，而是调度数字劳工系统的“包工头”。在Anthropic内部，工程经理、产品经理乃至财务人员都在通过指挥智能体直接产出代码。这意味着，跨学科人才可直接越过技术鸿沟，掌控产品定义的最高权力。

随着写代码门槛消失，软件形态本身也在被重新定义。Karpathy提出的Software 3.0理念指出，大模型正以端到端方式吞噬过去20年积累的软件中间层。他以个人项目“菜单生成器”为例：传统开发需搭建Vercel环境、构建前端UI、接入OCR接口、编写业务逻辑、调用图像API并存入数据库；而在Software 3.0时代，只需将菜单照片扔给大模型并附带指令，模型即可在原图上翻译外语并渲染实物图。整个过程无需前端、后端、数据库或传统应用程序。过去硅谷建立的围绕API、状态管理和UI框架的庞大生态，仅是为了让人类开发者分工理解复杂信息，但大模型能直接消化上下文并输出结果。那些仅靠拼凑工作流、缝合API的传统软件公司，其技术护城河正面临被降维打击的风险。

然而，专业团队不能仅依赖随意的Vibe Coding。Karpathy警示，大模型最危险的特质是参差不齐的智能：它能在几分钟内重构十万行企业级代码并找出安全漏洞，却可能在回答“去50米外洗车店该开车还是走路”时，基于字面逻辑建议“走路”。因此，专业工程师必须转向智能体工程（Agentic Engineering），死死把控三条底线：系统总体架构设计不乱、产品终极审美品位由人定、安全与权限边界不可逾越。真正稀缺的，是在充满不确定性的AI系统中构建稳定性与商业价值的系统包工头。

在物理世界探索方面，视觉-语言-动作模型（VLA）的时代宣告落幕。NVIDIA具身智能负责人Jim Fan尖锐指出，VLA本质是“语言偏科生”，擅长理解名词却不懂物理动词，导致机器人常因不懂空间重力关系碰翻物品。NVIDIA推出的世界动作模型（WAMs）成为新标配。以Dream Zero策略模型为例，它在执行动作前会像做梦一样推演未来几秒画面，联合解码下一步物理动作。Jim Fan总结：“只要视频预测不翻车，动作就不会翻车。”这种将视觉预测与物理动作深度绑定的机制，让机器人在陌生环境中无需预训练即可干活。

数据饥渴曾是机器人商业化的最大门槛。传统遥操受限于物理极限，一台机器人一天最多收集24小时数据。NVIDIA的Project Ego Scale开启了新数据工厂模式，跳过真实硬件，利用超2.1万小时人类第一视角野外活动视频进行预训练，微调阶段仅混入不到0.1%的高精度遥操数据，便能让机器人掌握折叠衬衫等复杂操作。这标志着具身智能首次跑通灵巧度的神经缩放定律。Jim Fan预测，未来一两年内传统遥操作比例将断崖式下跌，具身智能未来将建立在海量传感器捕捉的人类真实生活之上。

尽管端到端技术备受推崇，Waymo联合首席执行官Dmitri Dolgov泼了一盆冷水。他认为，打造部署规模过亿且具备超人类安全性的商业系统，纯粹黑盒远远不够。Waymo采用结构化端到端策略，由三大支柱支撑：负责理解物理动态与社会行为逻辑的“司机”、在虚拟空间构建对抗场景的“模拟器”、以及对潜在动作进行严苛安全评估的“评估家”。目前Waymo每周纯无人驾驶里程突破400万英里，严重工伤事故率降至人类驾驶员的十三分之一。Dolgov强调，在关乎生命和高价值资产场景中，永远不要将控制权完全交给不可解释的黑盒。

算力已成为大厂的印钞机。OpenAI联合创始人兼总裁Greg Brockman直言，其核心业务简单粗暴：购买、租赁、建造算力，再以一定利润率转售。只要利润率为正，OpenAI就会无限期扩大规模。然而，2026年全球GPU算力的有效闲置获取率“四舍五入等于零”。这不仅因参数扩张，更因现代模型推理端算力消耗呈指数级暴涨。根据规模定律，大厂无需精妙架构创新，仅靠算力暴力扩张就能提升性能。自o1等具备复杂推理能力的模型面世后，思考越久、消耗推理算力越多，答案越精准。AI甚至在科研领域推导出让顶尖物理学家惊叹的新理论公式。此外，大厂拥有前沿创新生态，Brockman坦言，OpenAI内部团队使用比外界领先一到两代的未发布模型，这种技术时间差建立了绝对的生态碾压优势。

面对算力垄断和模型快速迭代，创业者如何突围？红杉合伙人Pat Grady提出MAD法则构建逆向护城河：M（Moats）指放弃底层技术幻想，深挖垂直行业繁杂的业务细节、合规流程和数据孤岛；A（Affordance）指将复杂智能体任务流封装成傻瓜式操作界面，降低认知门槛；D（Diffusion）指在技术落差中套利，利用基础模型变强速度快于传统企业吸收速度的扩散缺口。

商业模式也在重塑。红杉合伙人Sonya Huang指出，AI时代的新模式是“服务即软件”。过去SaaS卖的是提升效率的工具，未来AI卖的是直接交付的最终结果。在美国本土高达4000亿美元的法律服务市场中，Agent可直接代表客户谈判合同、处理诉讼。在医疗领域，Agent可分析基因组、提供个性化建议甚至匹配临床试验。经济学规律推动这一模式颠覆传统行业：付给人类的是高昂薪水，付给Agent的仅是代币。许多情况下，用Tokens完成任务的成本远低于人类薪水。率先将重人力专业服务打包成Agent接口的初创公司，将迎来指数级财富爆发。

组织形态也随之变革。Boris Cherny认为，大公司背负沉重历史包袱，重构业务流程需数年；而微型初创团队以AI原生姿态上阵，无沟通损耗和技术债务。跨学科通才享受最大红利，如Anthropic内部无部门壁垒，所有人可用AI写代码。未来最优秀的财务软件开发者将是深刻理解商业逻辑的财务人员。Greg Brockman指出，未来每个人都可成为统帅十万Agent大军的超级CEO，只需调度云端按Token计费的数字员工，就能支撑起估值上亿的独角兽实体。

最终，人类的核心护城河退守至何处？红杉认为，剥离机械劳作后，人类真正的价值显现：一是无法外包的理解力，机器不知为何做事，只有人类能把握初衷并指引方向；二是顶级审美品位，功能齐全沦为廉价标配，品味成为最高级别生产力；三是不可替代的人际连接，机器无法交付同理心、信任感及共同承担责任的能力。今年的红杉AI峰会释放清晰信号：当算力被垄断、代码成本趋零，纯技术不再是牢不可破的护城河，未来的商业竞争正向直接交付商业结果转移，十万亿级服务市场的机会刚刚敞开。