2
0核心摘要：
Q1: 为什么 AI 与之前的云、移动浪潮不同？
A (Pat): AI 是三个维度上的不同。① 最大：不仅是软件（3500亿→6500亿 TAM），还包含服务市场（美国法律服务 alone 就是 4000 亿美元）；② 最快：从 ChatGPT 到 o1 到 Claude Code，能力涌现速度前所未有；③ 类型不同：之前的互联网/云/移动都是 "通信革命"（信息分发），而 AI 是 "计算革命"（信息处理）。
Q2: 这是不是 AGI？
A (Pat): Sequoia 不打算给 AGI 下技术定义——他们是经济专业的风险投资家。但从商业/功能角度，如果你能派遣一个智能体去完成任务，它能从失败中恢复并坚持到底，"那感觉就挺像 AGI 的"。Pat 的比喻：过去几年我们看到的都是 "更快的马"（效率提升 10-40%），现在我们看到了 "汽车"（效率提升 10-40 倍，根本改变工作方式）。
Q3: 在 AI 应用层创业，该怎么做？
A (Pat): 三个关键词缩写为 MAD——Modes（护城河）、Affordance（可用性）、Diffusion（扩散差距）。① Modes：在计算革命中，产品能力变化太快，围绕客户构建的护城河比技术护城河更持久；② Affordance：模型再强，如果普通财富 500 强员工打开终端束手无策，就需要有人为它做 "路径最小阻力" 的包装；③ Diffusion：能力扩散到市场的速度远慢于能力被创造的速度，这个差距就是应用层的机会。
Q4: 什么是 Agent？
A (Sonya): Agent 是感知环境、选择行动、自主朝着目标推进的系统。具体有三个功能组件：① 推理和规划（baseline 直觉 + 临场思考）；② 行动（工具：搜索、编写、编译、终端、Slack、网页浏览等）；③ 迭代朝向目标（持久性）。Agency 的本质就是 "把事情做完的能力"。
Q5: AutoGPT 为什么当年失败了，现在却能成功？
A (Sonya): 2022 年的 AutoGPT/babyAGI 是把 GPT-3 包上工具塞进循环，然后看着它反复失败——可爱但没用。转折点在 2025-2026 年：模型终于能持续数小时在复杂任务上不脱轨。从几十分钟到几小时的 "meter chart" 跨越，是 Agent 时代到来的关键信号。
Q6: 两个最成功的产品是什么？它们说明了什么？
A (Sonya): Cloud Code（工程师）和 OpenClaw（普通用户）。这说明无论你是硬核工程师还是普通人，任何人现在都能创建 Agent。Agent 的民主化意味着 "服务就是新软件" 正在真正发生。
Q7: 人类会被取代吗？
A (Sonya): 不是取代，是分工重构。人类的优势是适应性。Agent 更容易雇佣（无限可扩展）、更便宜（付 tokens 而不是薪水）、更低维护。但 "人类连接" 才能赋予事物意义。她的结语：" hiring agents is so much easier than hiring employees."
Q8: 工业革命和认知革命有什么相似性？
A (Constantine): 人类历史上几乎所有服务性劳动曾由肌肉完成。1700 年以来，机器逐步替代物理劳动，到今天地球上 99% 以上的物理劳动由机器完成。认知劳动遵循同样的模式——只是更早期。他预测在不久的将来，地球上 99.9% 的认知劳动将由机器完成。
Q9: AI 会让我们失业吗？（用艺术史回答）
A (Constantine): 用摄影术对绘画的冲击来类比。19 世纪摄影术出现后，人们以为绘画完了——机器比人类画得更像。但人类没有死磕写实，而是转向了印象派、表现主义、立体主义——追求 "眼睛看到的" 之外的 "心灵看到的"。AI 能做工作，但只有人类连接能赋予意义。
原视频：www.youtube.com
