红杉资本

RSS: https://sequoiacap.com/feed/
Sequoia Capital（红杉资本）官方博客，全球顶级风投机构。

Box 创始人 Aaron Levie：AI 时代企业自我革新与应用层扩散

Box 联合创始人兼 CEO Aaron Levie 在红杉资本播客中分享 AI 转型经验。核心观点：价值不在模型本身，而在应用层——从模型原始能力到企业实际工作流之间的“桥梁”。 Box 构建了一个深度适配自身文件系统、权限和搜索的 agent harness，在准确率和延迟上优于直接把 API 交给 Claude 或 ChatGPT。他判断：实验室的 token 补贴不可持续；企业应选择模型中立的 token 路由公司而非模型销售方；编码之所以快速普及是因为 GitHub 可验证，但销售、法律等知识工作缺乏等价验证机制，因此扩散更慢。 预测 5 年内 90% 的企业 token 将由无人用户发起的工作流消耗。内容涵盖 open-weight 模型在企业中的采用、agent 记忆与持续学习、chat 是否为企业 AI 主导 UI、以及如何让公司 AI-first 等话题。
评论点赞收藏14 天前

让城市更出色：Peregrine联合创始人Nick Noone与Ben Rudolph访谈

Peregrine不采集新数据，而是连接城市已有的信息，服务全球400多个城市。联合创始人Nick Noone和Ben Rudolph在2018年拿到第一个客户前被拒绝了24次。 公司主打数据主权和隐私优先，AI agent已用于冷案重查、嫌疑人定位、威胁识别等场景。
评论点赞收藏28 天前

Parag Agrawal：为AI Agent构建全新Web

<p>帕拉格·阿格拉瓦尔正在押注一个与过去二十年的网络搜索范式背道而驰的观点：智能体对网络的查询次数将远远超过人类，而围绕人类点击行为构建的基础设施并不适用于它们。<br><br>这位前推特首席执行官、现任 Parallel Web Systems 创始人兼首席执行官，阐释了为何 Parallel 将人类点击数据视为“瑕疵”，转而以智能体的反馈进行训练。<br><br>他还剖析了先推出搜索智能体而非传统搜索引擎这一反直觉的决策、如何逐步构建索引，以及全新 Turbo 产品如何将智能体搜索的响应时间压缩至200毫秒。<br><br>然而，帕拉格始终关注的核心问题在于经济层面：当智能体取代人类访问时，依赖广告收入的互联网生态将难以为继。为此，他借鉴夏普利值，按各页面为智能体创造的价值向内容创作者支付报酬，并预计在12至24个月内让出版商真正获得这笔收益。</p><p>由红杉资本的黄索尼娅与安德鲁·里德主持</p>
评论点赞收藏35 天前

Rich Sutton与Khurram Javed：AI模型为何停止学习，以及如何重新启动

Rich Sutton创立Oak Lab，主张AI应持续从自身经验中学习。 他们提出"大世界假说"：世界远比任何智能体或模拟器复杂，模型需持续更新而非部署时冻结。合成数据是"重大错误"，LLM仅占智能约四分之一。 灾难性遗忘可通过持续反向传播算法解决。目标是在5-10年内实现万亿参数、20瓦功耗的持续学习智能体。
评论点赞收藏42 天前

红杉投资 Preview：打造 AI 原生视频创作平台

红杉资本领投 AI 视频创作平台 Preview 的种子轮融资。Stefan Fejes 和 Veljko Tornjanski 联合创立，将视频时间线与无限画布整合为协作工作空间，支持多模型生成与资产溯源，已服务超 100 家工作室。
评论点赞收藏48 天前

联手Corma：填补网络安全防御缺口

红杉资本领投防御性网络安全AI公司Corma的种子轮。Corma创始人Alon Pluda团队用强化学习和自我对弈在模拟企业网络环境中训练防御模型，声称在红蓝对抗测试中比通用大模型表现更好——通用模型在查找隐藏后门时失败率高达78%。 其产品以智能体形式部署在财富500强企业中，有案例称智能体在首小时内发现并处置了客户网络中潜伏52天的攻击者。
评论点赞收藏50 天前

Chai Discovery的苦涩教训：药物设计是另一个规模化问题

<p>大多数人将生物学视为一门量身定制、杂乱无章的科学。Chai Discovery 的联合创始人乔什·迈尔和马特·麦克帕特伦则将其视作一项工程问题。<br><br>他们指出，药物设计必须牢记一个深刻的教训：要以规模化的方式处理数据、构建模型并进行计算，而模型能够学习到那些手工打造的流程体系根本无法捕捉到的知识。<br><br>其成果十分显著：Chai-2 将抗体德诺新设计的命中率从低于 0.1% 提升至 16%，让“大海捞针”式的搜索过程，转变为更像为锁设计一把合适钥匙的过程。<br><br>乔什反直觉地认为，生物学比代码更具可验证性，并详细阐述了为何我们的目标应该是更多的实验室实验，而非更少的实验。他们的赌注在于：打造一套设计套件，将药物发现的时间从九个月缩短至九天，从而赋能制药行业，而非与之竞争。</p><p>由帕特·格雷迪和索纳莉·辛格主持，思科资本出品</p><p>00:00 引言 01:52 从发现到设计 03:25 蛋白质人工智能突破时间线 06:04 为何选择在 2024 年起步 10:13 扩散模型：直觉与洞察 11:41 构建复仇者联盟团队 15:22 命中率与规模化规律 25:01 分子 CAD 愿景 25:24 更快的设计循环 26:32 未来药物发现 28:37 平台商业模式 31:14 合作伙伴：现实检验 33:44 数据飞轮详解 37:16 在规模化进程中保持领先 39:44 文化与未来的方向</p>
评论点赞收藏56 天前

构建全自动 AGI 实验室：Core Automation 的 Jerry Tworek 与 Rohan Anil

<p>杰里·特沃雷克曾担任OpenAI的首席推理专家，坚信通过扩大强化学习的规模，才能迈向通用人工智能。罗汉·阿尼尔共同领导了Gemini的预训练工作，并打造了Shampoo优化器。<br><br>如今，他们携手在Core Automation展开合作，基于一个逆向思维：Transformer已经将我们带到了它所能达到的极限，而推动更智能系统发展的瓶颈已不再是规模——而是架构本身。<br><br>缺失的能力在于持续学习：能够在测试时进行自适应调整的模型，而Transformer却无法做到这一点。在情境中学习的速度往往很慢（Codex在运行约20分钟后就需要进行压缩），而微调则容易导致灾难性的遗忘。<br><br>罗汉认为，预训练与强化学习应当实现端到端的优化，而且Transformer在计算上往往效率低下。他们详细阐述了为何各大实验室在深陷编码代理竞赛、不愿追逐替代方案的原因，以及为何打造全球最自动化实验室的起点，正是从自动化内核生成开始——这一领域正是前沿模型仍难以超越高水准人类的唯一地方。</p><p>由索尼娅·黄和帕特·格雷迪主持，红杉资本</p>
评论点赞收藏62 天前

Cyera 与 Oasis 强强联手：打造更完整的 AI 安全平台

红杉资本宣布安全公司 Cyera 与 Oasis 合并，构建完整的 AI 时代安全平台。Oasis 专注非人类身份管理（如 API 密钥、服务账号），Cyera 聚焦敏感数据定位与访问控制，两者互补覆盖 AI 代理从数据到身份的完整路径。 合并后借助 Cyera 企业级 GTM 团队加速落地，抢占 AI 安全默认层先机。
评论点赞收藏63 天前

美国的开源模型悖论：为何我们依赖中国模型来训练自己的AI

<p>美国的开放模型悖论</p><p>是否进行蒸馏，还是不进行蒸馏？</p><p>作者： 和 </p><p>发表于2026年7月24日</p><p>是否进行蒸馏，还是不进行蒸馏？</p><p>如今，中国正日益成为西方企业用于服务、训练和构建人工智能模型的重要来源。</p><p>根据ATOM的数据， Qwen在新近开展的开放模型微调与适配项目中所占份额，已从2024年1月的1%攀升至2026年2月的69%。 据数据显示，大多数美国的AI初创公司似乎都在其AI架构中，以某种形式使用着中国的开放权重。</p><p>这种依赖性如今甚至延伸到了上游领域：西方的应用开发公司正在基于中国的开源模型进行研发与创新。 此外，西方的实验室也在激烈的“缩小前沿差距”竞赛中，将中国模型用作教师， 并将其作为合成训练数据的来源。</p><p>例如，Thinking Machines曾独立预训练了Inkling模型，但其在进行监督微调时， 却采用了Moonshot的Kimi K2.5生成的合成数据作为启动基础。</p><p>关键在于：Inkling的大部分权重并非源自Kimi。 真正重要的是：西方的一家实验室得以合法地从中国开放模型中汲取知识，而相比之下， 若要对GPT或Claude的输出进行同等程度的使用，则则面临诸多限制。</p><p>如今，这一流程大致如下：</p><p>西方前沿模型 → 被指控的未经授权的海外数据提取 → 中国开放权重 → 合法的西方后训练阶段</p><p>而缺失的直接路径则是：</p><p>美国前沿模型 → 合法的西方后训练阶段</p><p>这又为何重要…</p>
评论点赞收藏67 天前

携手 Etched：构建推理机器

<p>与Etched合作：构建推理机器</p><p>加文、罗布、克里斯和Etched团队正在构建前沿集群进行推理，最大化人类每翻牌能消耗的智能。</p><p>作者以及 发表于2026年7月23日</p><p>推理正走在成为全球最大市场的道路上。</p><p>如果这个人工智能梦想如我们所愿——到目前为止，迹象表明能力的加速将不断提升——那么推理将驱动每一个商店、 每部电影、每一次医疗经历、每一款电子游戏、每一场诉讼、每一行代码。</p><p>如今，推理市场如此庞大，构建专门针对推理的系统已成为共识。 回到2022年，当加文、克里斯和罗布还在哈佛的宿舍时，这个赌注完全相反。 结果是：Etched 成为唯一一家在 ChatGPT 时代后拥有可量产定制硅片的硬件初创公司，预计于 2026 年出货。</p><p>近年来，Etched 开创了多项研究突破——低压推断和集群级内存——每一项都是来之不易的架构选择， 推动了吞吐量和延迟的阶级变更。随着计算单元从芯片到机架再到集群，Etched为此设计了这一现实， 不仅构建芯片，还构建集群级的推理系统。 受这些基础创新驱动，Etched 的推理系统在全范围前沿模型中表现出色——从大型稀疏的 MoE，到密集的变换器，再到完全替代的架构，如 Mamba。</p><p>相信这一点是一回事。建造它又是另一回事。 新型计算硬件是世界上最难做到的事情之一，而地下的地面也在不断移动。 模型每隔几周就变一次，上下文长度拉长，注意力被重新塑造，密集…</p>
评论点赞收藏68 天前

Factory创始人Grinberg：软件自我构建的“黑暗工厂”时代来临

<p>工厂于2023年4月开始打造完全自主的编码代理，比企业真正做好准备早了两年。<br>如今，马坦·格林伯格表示，这与“犯错”无异。<br>这位工厂的联合创始人兼首席执行官详细阐述了公司如何在“沙漠之旅”中幸存下来，<br>其中包括在产品未能让开发者着迷时，果断将几乎全部收入返还给客户的决定。<br>马坦提出了一个逆向思维的技术论点：采用模型无关的框架，胜过像OpenAI和Anthropic这样的实验室所推崇的“模型与框架协同设计”，<br>因为将框架暴露于多种模型之下，能有效避免其过度拟合某一特定模型。<br>他指出，像GLM这样的开放权重模型只需落后前沿一代，就能以极低的成本捕获大部分令牌；<br>而CIO们很快就会像为人员编制辩护一样，为每一笔增量令牌找到合理的理由。<br>展望未来，他预测，90%的编码令牌都将以异步方式运行——也就是那座“黑暗工厂”，<br>在那里，软件会自行构建。</p><p>由索尼娅·黄和帕特·格雷迪主持，红杉资本</p>
评论点赞收藏70 天前

红杉投资 Bunkerhill Health：利用 AI Agent 改善患者预后

<p>与邦克希尔健康合作：提升患者预后的AI代理——尼什·坎德瓦拉和戴维·恩格正在打造AI代理平台， 以服务于整个医疗体系中的各项职能：临床、运营和行政。 到…… 发布日期：2026年7月16日 大卫与尼什。长期以来，医疗保健行业并不以快速或率先采用新技术而闻名。 研究人员难以获取外部数据、与研究机构开展合作，并应对复杂的监管要求。 医院和医疗系统往往尝试自行开发工具，或从供应商处采购单一的解决方案，但它们在试验过程中常常陷入停滞， 始终无法真正落地应用于患者护理。医疗系统亟需一个合适的平台，以便快速引入人工智能， 从而将更多时间重新聚焦于改善患者预后、提供更优质的医疗服务上。 这就是这一平台。他们的核心产品Carebricks，能够帮助医疗系统在任何临床或运营场景中创建并部署人工智能代理——将医院本已生成的数据转化为及时有效的行动方案， 为亟需治疗的患者提供支持。我们最早在种子轮融资中投资了尼什·坎德瓦拉和戴维·恩格， 如今我们深感自豪，继续坚定地加大投入力度。 尼什并没有从书本上了解过这个问题，而是亲身经历了它。 在斯坦福大学攻读研究生期间，他参与开发了一种算法，能够通过常规胸部CT扫描估算患者的冠状动脉钙化积分——这一指标是心血管风险的早期信号， 而通常需要进行专门且更具侵入性的检测来加以确认。 该算法的性能足以发表在《自然·数字医学》上。 然而，此后却始…</p>
评论点赞收藏75 天前

与Sable合作：弥合扩散差距

<p>与Sable携手共创：弥合扩散鸿沟——莱恩、尼姆、琳达与伊塔马共同打造一款以实时计算机应用与视觉技术为核心的人工智能员工。 由发布， 2026年7月16日，莱恩、尼姆、琳达与伊塔马共同见证。 人工智能的前沿发展正以一种大多数经济体难以企及的速度不断推进。 各大实验室每月都会推出全新功能，而《财富》500强企业则争相抢滩去年新近问世的各项成果。 眼见这一差距日益扩大，我们愈发清楚：瓶颈不仅在于人工智能的“智慧”本身， 更在于如何帮助客户真正理解人工智能能为他们带来什么价值。 这也正是我们欣然与携手合作的原因。 试想一下：如果您的企业希望每一位买家都能全面、深入地了解您的产品或服务， 而不受时间与规模等现实条件的限制，您会怎么做？ 您一定会在每一次对话中，派出最顶尖的产品专家。 他们将深入了解每一位客户的独特目标，并设身处地、感同身受； 他们不会只是简单地描述产品，而是亲自演示产品的实际使用场景； 他们会耐心解答每一个问题，根据客户的不同体验层次灵活调整沟通方式，直至客户真正明白： 您的产品究竟是什么，以及它究竟能为他们带来怎样的价值。 而且，这些专家绝不会只专注于服务您那些最大的客户，他们还会为每一位潜在客户倾力奉献。 Sable正是为此而生。它打造了“艾丹”，这位首位人工智能员工，能够凭借清晰的愿景、 自然语言、视频通话以及实时浏览器交互能力，自主主导客户电话沟通。…</p>
评论点赞收藏75 天前

Anthropic 开发者团队负责人：构建开放生态，而非封闭花园

<p>凯特琳·莱斯和安吉拉·江共同领导着Anthropic开发者平台的构建工作——这一层是外部开发者以及Anthropic自有产品所运行的基础之上。<br><br>安吉拉将该平台构想为一个三层架构：知识层、执行层和协调层。她认为，真正的核心优势在于最顶端的部分：“策略”，也就是那些能够赋予每个令牌不同职责的元级赋能机制，从提供建议、执行任务、反思思考，到存储记忆，无所不包。<br><br>在“开放生态 vs. 围栏式花园”这一问题上，他们表示自己并不执着于独占整个架构体系。凯特琳指出，Anthropic与Modal、Vercel、Cloudflare等合作伙伴共同打造了自托管的沙盒环境。<br><br>无论这些工作是在Anthropic的基础设施上运行，还是在其他公司的基础设施上运行，对他们而言，真正重要的是架构本身是否扎实可靠。<br><br>更深层次的赌注在于标准：他们将技能和MCP交由整个行业共享，在MCP规范的基础上构建连接器，并助力各类代理（包括Claude和非Claude）实现协同工作。<br><br>他们唯一保持封闭的领域是模型路由：他们认为，赋能机制应当针对某一特定的模型家族进行优化，因此他们更倾向于以Claude为目标进行设计，而非在多个模型之间进行跨模型路由。<br><br>安吉拉对生态系统的布局则以“电力”作为核心理念：只有当每个人都能轻松接入时，这种变革才真正具有意义；而没有任何一家公司能够独自完成这一切的铺设。<br><br>由索尼娅·黄和劳伦·里德主持，红杉资本 00:…</p>
评论点赞收藏77 天前

Dylan Patel：软硬协同设计才是AI真正的百倍增长引擎

<p>SemiAnalysis 的创始人迪伦·帕特尔认为，人工智能领域最大的突破并不在于芯片速度的提升，而在于软硬件的协同设计。将模型、内核与硅片进行整体优化，往往能让原本每处2倍的性能提升，最终达到100倍的效率。<br><br>他深入剖析了 DeepSeek 专家为何天生就适合 NVIDIA 的 Hopper（以及为什么 TPU 在运行 Hopper 时显得力不从心），还解释了 OpenAI 的稀疏型模型与 Anthropic 的密集型模型为何会将他们引向不同的硬件平台，以及所谓“CUDA 沟壑”其实从来就不是真正意义上的 CUDA 之争。<br><br>迪伦详细阐述了 InferenceX——这一他亲自打造的“活生生基准测试”，每天都在超过 5000 万美元的捐赠硬件上运行最新模型，并且持续追踪着单位质量成本每年约 60 倍的下降趋势。<br><br>他指出，推理市场将远超石油行业；计算密集型任务之所以依然盛行，是因为模型能够以比计算能力增长更快的速度，拓展有用工作的价值；同时，他也阐明了为何黄仁勋正斥资打造新云服务，以推动构建一个多极化的世界。<br><br>本期节目由肖恩·马奎尔和索尼娅·黄主持，由红杉资本主办。</p>
评论点赞收藏91 天前

记忆与持续学习：恩格拉姆的丹·比德曼和杰西·林

<p>恩格拉姆的联合创始人丹·比德曼和杰西·林正打造一个以记忆与持续学习为核心的新型实验室，他们将此视为一枚硬币的两面。他们的反主流观点是：与其不断往上下文窗口中塞入越来越庞大的提示词，或强行引入RAG技术，不如直接将团队的知识嵌入模型的权重之中，让模型像一位拥有数年工作经验的员工一样，真正了解你的公司。<br><br>其带来的回报在于：在消耗少至100倍的token量的情况下，依然能够媲美甚至超越前沿模型。与微软、Notion和哈维等合作伙伴携手合作，该团队汲取计算神经科学和状态空间架构的深厚底蕴，致力于攻克他们所认为的人工智能领域真正的瓶颈——不是原始智能，而是记忆与持续学习。<br><br>与前沿实验室一味追求单一、越做越大模型、迈向通用人工智能的竞赛不同，丹和杰西畅想的是这样一个世界：每个人都能拥有一套属于自己的模型——由个人自主训练，始终处于学习状态，并且擅长你真正关心的事情。<br><br>他们认为，记忆领域的“真正ChatGPT时刻”，将发生在那一天：当你的模型仿佛一位实习生，一夜之间真的变得愈发聪慧。本期节目由索尼娅·黄和肖恩·马奎尔主持，由红杉资本出品。</p>
评论点赞收藏97 天前

登录芦苇

登录后关注作者、收藏内容和参与讨论。

热门话题

人工智能12,865 人关注AI 会怎样改变日常工作？产品思考8,243 人关注怎样判断一个产品值得长期做？独立开发5,917 人关注一个人如何持续完成作品？
关于芦苇 · 联系我们 · © 2026 芦苇