红杉资本投决会内部机制拆解：合伙人 Julien Bek 深度复盘顶级交易与项目判断

这期的含金量非常高。

因为它表面是在讲“红杉内部怎么投项目”，真正讲的是四件更大的事：

第一，顶级 VC 为什么必须允许少数人强烈不同意多数人。

第二，风险投资真正的 Alpha 为什么来自“非共识 + 高 ownership + 长期持有”，而不是集体投票正确率。

第三，AI Agent 正在把互联网的“客户”从人扩展到机器。

第四，AI 最大的商业机会可能不再是卖软件，而是直接吞掉全球服务业和劳动预算。

如果上一期 Lobster Capital 是“微型 VC 怎么抢 YC”，这一期其实是在看另一端：

一家顶级机构如何防止自己因为太成功、太多人、太有历史而变得平庸。

这才是 Sequoia 最值得研究的地方。

一、先校准几处非常关键的事实

1. Julien Bek 确实是红杉早期投资合伙人，但他的主战场在欧洲

Julien Bek 目前是 Sequoia Capital 的 Seed/Early Partner，主要在伦敦团队；加入 Sequoia 前在 Accel 工作约五年，也曾在 Global Founders Capital 任职。他参与过 Revolut、Miro、Melio、BeReal，加入红杉后与 Rillet、Tacto、Auctor、Dust 等公司合作。

所以这期不能理解成：

“一个红杉合伙人泄露投委会秘密。”

更准确是：

一个已经在多家顶级 VC 工作多年的早期投资人，对 Sequoia 决策文化、识人方法和 AI 投资框架的内部复盘。

二、“有人打 1 分仍然可以投”，方向对，但不要写成“Sponsor 拥有绝对独裁权”

访谈中 Julien 明确说，Sequoia 会给项目打分，Shaun Maguire 推动 SpaceX 投资时，至少有人给出了 1/10 的极低分。The Information 此前也报道过，SpaceX 在 Sequoia 内部极具争议，两名合伙人给 2 分，另一名给 1 分。

但是我建议正式课程不要写：

“Sponsor 不管其他人怎么投票，都拥有最终拍板权。”

公开资料支持的是：

极低评分并不会自动否决投资；Sponsor 的极高 conviction 在 Sequoia 决策文化中权重很大。

至于法律意义、基金 governance 意义上的“某个 Sponsor 是否拥有无条件单方投资权”，公开信息不足，不宜写死。

这是一个很重要的区别。

三、这反而揭示了 Sequoia 投资制度里最聪明的一点：IC 不是为了制造共识

普通公司开会：

目标是：

大家最后 agree。

但 Venture Capital 如果追求：

所有人都同意，

很可能反而错。

为什么？

因为：

真正伟大的早期投资，本来就应该存在分歧。

如果一家 Startup：

人人看得懂。

人人看好。

收入漂亮。

市场明确。

Founder 无懈可击。

风险已经下降。

价格也通常已经上来了。

于是：

Consensus 越高，Alpha 往往越低。

四、风险投资真正要优化的不是“判断正确率”

假设 VC A：

100 个项目判断正确 80 次。

听起来非常强。

但：

80 个都只是：

2×。

VC B：

100 个只判断正确：

20 次。

其中：

1 个 500×。

B 可能远胜 A。

所以 VC 的目标函数并不是：

Accuracy。

而更接近：

Expected Value。

即：

成功概率 × 成功时的收益。

这就是幂次法则。

五、因此“一票反对不能杀掉 Deal”在 Venture 里非常合理

假设：

SpaceX 成功概率：

20%。

如果成功：

100×。

Expected Multiple：

20×。

哪怕：

80% 概率损失钱，

仍然可能是一笔极佳投资。

这和银行贷款完全不同。

银行希望：

降低 Default。

VC 可以容忍：

大量 Default，

只要右尾足够大。

所以：

VC 最大的错误不是投错，而是错过极端赢家。

六、这就是 Sequoia 为什么如此强调 Sponsor Conviction

Julien 在访谈里明确说：

Sequoia 回看最优秀的基金投资时，一个共同模式就是：

真正最好的项目，往往有一位 Sponsor 拥有异常高的 conviction。

这不是偶然。

因为异常收益本来就来自：

异常认知。

如果 Sponsor 自己只是：

“7/10，还不错。”

很难成为：

100× bet。

七、但高 conviction 不是“我感觉很强”

真正有价值的 Conviction 至少需要三个层次。

第一：

Thesis Conviction

我为什么认为世界会这样变化？

第二：

Founder Conviction

为什么是这个人？

第三：

Price Conviction

即使在这个估值，我为什么仍然认为 Expected Return 足够高？

三者少一个，

都容易变成：

信仰投资。

八、SpaceX 案例真正高级的地方，不是 Shaun 比别人更勇敢

真正的问题是：

他看到了什么，而反对者没有看到？

The Information 的报道显示，当时争议核心之一是 Starlink 尚未证明能够成功，SpaceX 也已经融资很多、估值并不低。

反对者可能看到：

资本密集。

火箭风险。

Starlink 未验证。

估值高。

Shaun 看到的可能是：

可复用火箭。

Starlink。

全球通信。

Launch Cost Collapse。

垂直整合。

Elon 的执行能力。

所以双方并不是：

“聪明 vs 笨”。

而是：

使用不同 World Model 对未来定价。

九、这才是顶级投资人的真正工作：不是预测数字，而是构建世界模型

传统金融模型：

Revenue。

EBITDA。

Multiple。

DCF。

早期 Venture：

公司可能还没有 Revenue。

真正要判断的是：

如果这个技术成立，产业结构会变成什么？

如果 Founder 连续成功十年，这家公司能控制哪一层价值链？

这叫：

State-of-the-World Investing。

十、Sequoia 的 IC 新变化也非常值得学：异步写作 + 现场争论

访谈总结显示，Sequoia 正在把传统周一 IC 与更多异步 memo 阅读、书面评论结合起来，以同时获得：

慢思考

和：

快速现场碰撞。

这其实在解决一个经典认知问题：

Groupthink。

十一、为什么投资人应该先独立写观点，再开会？

如果大家先坐一起。

最资深 Partner 说：

“我非常喜欢。”

后面的人很容易：

无意识调整判断。

这叫：

Anchoring。

如果每个人开会之前先写：

Bull Case。

Bear Case。

Score。

再现场讨论，

能够降低：

Authority Bias。

Social Conformity。

Reputation Pressure。

十二、这就是投资版的“先投票，再辩论”

真正好的组织应该：

Independent Thinking First

然后：

Collective Intelligence Second。

而不是：

集体思考取代个人思考。

这和预测市场、情报分析甚至军方 Red Team 都是同一逻辑。

十三、“We are only as good as our next investment”为什么是一个非常厉害的组织设计

Sequoia 新办公室确实把这句话放到了非常醒目的位置，而且 2025 年推出新基金时再次强调。

表面：

谦虚。

实际上是在攻击一个非常危险的东西：

Institutional Arrogance。

十四、红杉最大的敌人其实不是 a16z，而是红杉自己的历史

Apple。

Google。

YouTube。

Airbnb。

Stripe。

Nvidia。

WhatsApp。

大量传奇项目。

一家机构如果每天都在想：

“我们是 Sequoia。”

很容易开始：

等待 Founder 上门。

降低 hustle。

依赖品牌。

这就是：

Success Trap。

十五、所以“每个人都是 Hunter”比墙上的口号更重要

Julien 说他加入以后才真正发现：

外界以为红杉：

电话响了，

下一个 Anthropic 自动找过来。

实际上：

每一个 Partner 都必须主动猎项目。

这个逻辑非常现实：

最好的 Founder 不缺钱。

所以顶级 VC 真正竞争的不是：

资本供应。

而是：

Founder Selection by Founders。

十六、这就是为什么 VC 行业越成功，销售属性反而越强

普通创业者以为：

VC 在挑 Founder。

顶级项目里往往相反：

Founder 在挑：

Sequoia？

Benchmark？

a16z？

Thrive？

Founders Fund？

Capital 本身高度 Commodity。

于是 Partner 的工作变成：

Sell Yourself。

十七、Citadel Securities 是这个逻辑最漂亮的案例之一

2022 年 Citadel Securities 首次接受外部资本：

Sequoia + Paradigm 投入 11.5 亿美元，

估值约 220 亿美元。

Ken Griffin 根本不缺钱。

所以问题不是：

Sequoia 能不能给他资本？

而是：

为什么 Ken Griffin 愿意让 Sequoia 进入 Cap Table？

十八、答案是：资本不是唯一产品，Signal 也是产品

访谈披露，Konstantine Buhler 从学生时期就与 Ken Griffin 建立关系，持续多年保持联系、请求投资机会，最终拿下 Citadel Securities 第一轮外部机构资本。

对 Citadel 而言，

Sequoia 带来的可能包括：

科技品牌。

人才 Signal。

硅谷 Network。

Recruiting credibility。

所以：

VC Brand itself has economic value。

十九、这件事情揭示一个非常高级的融资原则

最好的融资不是：

Founder 缺钱，

Investor 有钱。

而是：

Both sides own scarce assets。

Founder：

公司 Equity 稀缺。

Investor：

品牌、网络、资本和声誉稀缺。

双方互换。

这时候融资才是：

Partnership。

二十、这也解释为什么最优秀的 VC 会提前几年甚至十几年铺关系

你不知道：

今天那个：

PhD。

工程师。

产品经理。

年轻 Founder。

十年以后会不会建立：

$100B 公司。

所以 VC 的 Relationship Pipeline 和 Sales Pipeline 一样：

需要长期建立。

真正顶级 Deal：

很多不是在 Fundraise 那两周才产生。

而是：

Years Before the Round。

二十一、Anthropic 则是另一种能力：承认自己过去看错了

你材料里“Sequoia 曾拒绝 Anthropic，后来 25 亿美元重金进入”这个方向可以保留，但数字需要更新。

2026 年 2 月，Anthropic 完成 300 亿美元融资，估值 3800 亿美元，Sequoia 已参与。到 5 月 Anthropic 又融资 650 亿美元，投后估值 9650 亿美元，Sequoia成为联合领投方之一；Bloomberg 报道各主要 Lead 投资额都超过约 20 亿美元。

所以更准确的表述不是：

“Sequoia 投了一个 25 亿美元轮次。”

而是：

它在极高估值下重新判断 Anthropic，并最终成为近万亿美元估值融资的 Lead Investor。

二十二、这对投资人来说其实非常难

假设：

$5B 时你说：

“不投。”

后来：

$30B。

$100B。

$380B。

你很容易产生：

Ego Lock-in。

因为一旦投资：

仿佛承认：

“当初错了。”

人类心理会本能维护过去的判断。

这叫：

Commitment Bias。

二十三、顶级投资人必须拥有一个罕见能力：Kill Your Prior

昨天：

不投。

今天：

新证据出现。

那就：

重新算。

过去判断：

不重要。

这其实和优秀 Trader 完全一样。

不能说：

“我去年做空这个股票，所以今年必须继续空。”

市场不欠你：

一致性。

二十四、真正优秀的投资纪律是：

Strong Opinions, Loosely Held。

观点要强。

否则无法行动。

但证据变化以后：

必须可以推倒。

这看起来矛盾。

其实正是：

Conviction without Ego。

二十五、下面进入这期非常精彩的“Founder 识人学”

Julien 提到多个 Sequoia 内部框架。

其中最值得学的不是：

“看微表情。”

而是：

不要把 Founder Evaluation 做成 Pattern Matching。

因为伟大 Founder 很少长得一样。

二十六、Pat Grady 的 Vector 模型特别漂亮

人可以理解成一个：

Vector。

拥有两个变量：

Direction

往哪里走。

Magnitude

走得有多猛。

Pat Grady 自己此前也公开解释过这个框架：Magnitude 是人身上的异常能力或持续优异表现；Direction 则是动机——为什么他愿意承受创业这种痛苦。

二十七、为什么 Direction 比“Founder 很聪明”重要？

假设两个人：

一样聪明。

一样努力。

A 做公司为了：

两年后卖掉。

B 认为：

这是自己一生必须解决的问题。

遇到：

融资失败。

员工离开。

竞争对手融资。

市场崩盘。

两人的反应可能完全不同。

所以：

Motivation determines durability。

二十八、Magnitude 则决定“这个人到底能把事情做到多离谱”

普通优秀 Founder：

执行很好。

真正 Outlier：

可能某一个维度强到：

不正常。

销售。

技术。

产品 Taste。

Recruiting。

速度。

战略。

耐力。

Julien 自己就在 Sequoia 官方简介中强调，他喜欢寻找 spiky entrepreneurs。

二十九、这就是为什么顶级 VC 不一定喜欢“六边形战士”

所有能力：

8/10。

看起来：

很稳。

但超级公司 Founder 往往可能：

产品：

12/10。

Recruiting：

11/10。

社交：

5/10。

管理：

6/10。

某些人格：

甚至很难相处。

VC 真正要问：

那个 Spike 是否足以改变世界？

三十、Don Valentine 的 2×2 更残酷

视频总结的核心是：

“我喜欢这个 Founder 吗？”

和：

“这个 Founder 能不能创造巨大价值？”

必须分开。

因为：

Likability is not an investment factor。

一个特别讨人喜欢的人，

可能创造不了伟大公司。

一个傲慢、偏执、难搞的人，

可能拥有异常产品能力。

三十一、但这里必须防止学歪：Spiky 不等于 Toxic

Elon 很极端。

Jobs 很极端。

于是很多普通 Founder 开始想：

“我脾气差，是因为我是天才。”

这是错误的。

真正有价值的是：

Spike Creates Enterprise Value。

如果：

傲慢没有对应能力，

只是：

傲慢。

三十二、Alfred Lin 的一句话特别值得所有公司招聘时记住

Outlier Operator ≠ Outlier Founder。

一个人在 Google：

管理 3000 人。

收入做大 10 倍。

不代表：

可以从 0 建公司。

因为在大公司：

已经拥有：

品牌。

员工。

客户。

资本。

流程。

基础设施。

Startup Founder：

什么都没有。

三十三、Operator 最擅长的可能是“优化已有系统”

Founder 需要：

Create the System。

这是完全不同的神经回路。

Operator：

怎么把增长从：

20% → 30%。

Founder：

用户是谁？

产品是什么？

为什么有人买？

公司为什么存在？

这就是：

0→1

和：

1→100

的区别。

三十四、这也是为什么“大厂 VP 创业”并不自动是好信号

你不能只问：

他在 Google 做多大业务？

要继续问：

他本人创造了什么？

没有 Google Brand，他还能招到这批人吗？

没有现成客户，他会卖吗？

没有预算，他能活吗？

这才是：

Founder Test。

三十五、Doug Leone 的“最好背调 + 最差背调”方法非常聪明

首先问：

谁会给你最好的 Reference？

创始人已经准备好了。

然后突然问：

谁会给你最差 Reference？为什么？

这个问题真正测试的不是：

那个人是谁。

而是：

Self-Awareness。

三十六、一个真正成熟的人通常知道别人为什么不喜欢自己

例如：

“上一任 CTO 会说我决策太快。”

“前老板会说我很难管理。”

“联合创始人会说我控制欲强。”

这可能不一定是坏事。

危险答案反而是：

“没人会给我差评。”

几乎不可能。

三十七、但 Blind Reference 为什么还必须继续做？

因为 Founder 给你的 Reference：

天然经过 Selection。

真正 Due Diligence 需要：

前老板。

前员工。

前同事。

前竞争者。

客户。

真正共事过的卓越人物。

不同角度拼起来，

才能得到：

Behavioral Mosaic。

三十八、Julien 所说“只有高手才能识别高手”，本质类似 ELO 思维

一个普通棋手：

可能看不出：

2400 分和 2700 分之间到底差什么。

顶级棋手：

几步就知道。

所以 Reference 也有质量差异。

如果：

一个极普通 Manager 说：

“这个 Engineer 特别强。”

Signal 有限。

如果：

世界级 Engineer 说：

“他是我遇过最强的三个人之一。”

Signal 强很多。

这叫：

Calibrated Reference。

三十九、但是千万不要把“童年创伤”当 Founder Screen

Julien 会研究：

Distance Traveled。

Family Background。

早期经历。

这可以帮助理解：

动力和韧性。

但不能变成：

苦难越多 = Founder 越好。

这是危险的 Pattern Matching。

真正有价值的是：

事件 → 这个人形成了什么能力？

不是事件本身。

四十、同样，“5 Whys 看微表情抓造假”也不是测谎仪

连续追问的真正价值在于：

Narrative Consistency。

一个真实经历：

细节通常丰富。

决策链条自然。

时间顺序稳定。

编出来的故事：

越深入，

越容易出现：

逻辑断裂。

所以 5 Whys 本质上不是：

“看眼神判断骗人。”

而是：

Increasing Resolution。

四十一、跨文化校准这点也非常重要

德国 Founder：

说：

“产品还不错。”

可能已经非常满意。

美国 Founder：

说：

“这是历史上最伟大的技术革命。”

可能只是正常融资语气。

所以投资人必须区分：

Signal

和：

Cultural Encoding。

四十二、否则全球 VC 极容易奖励“最像硅谷 Founder 的人”

英语流利。

高能量。

超级自信。

会讲 Narrative。

但这些只是：

Presentation Layer。

真正的产品能力、商业判断和韧性：

可能完全不同。

这就是为什么全球投资不能用：

American Charisma Benchmark

衡量所有人。

四十三、下面进入本期最重要的 AI 判断：Agent 正在成为“客户”

这个观点绝不是纯科幻。

Cloudflare 2026 年数据显示，自动化 Agent/Bot 请求已经超过半数互联网请求；Cloudflare CEO Matthew Prince 更预测，如果当前趋势延续，五年后非人类流量可能达到人类流量的 1000 倍。他同时明确提醒，这只是趋势外推、并非确定事实。

所以视频中的：

“Agent 流量可能千倍于人类”

应该写成：

Cloudflare CEO 的前瞻预测，不是今天已经发生。

四十四、这会产生互联网历史上的一次巨大转变

过去网站优化：

Human Customer。

按钮。

颜色。

页面加载。

Checkout。

广告。

SEO。

未来：

大量访问者可能是：

Machine Customer。

Agent 不在乎：

按钮好不好看。

Logo 漂不漂亮。

Animation 流不流畅。

它在乎：

API。

Structured Data。

Permissions。

Latency。

Reliability。

Pricing。

Authentication。

Machine-readable Terms。

四十五、所以 Julien 所说 Pixel-Perfect → Bits-Perfect，非常有价值

过去产品经理：

这个按钮：

向左 4 pixel。

未来 Agent 用户：

根本看不到按钮。

它想直接：

Call the Capability。

例如：

“找纽约下周三最便宜的商务舱。”

Agent 不需要打开：

20 个漂亮网站。

只需要：

调用：

Availability。

Price。

Book。

Pay。

四十六、这会改变什么叫“产品”

未来一个网站可能同时拥有两套 Product Surface：

Human Surface

GUI。

Agent Surface

API / MCP / Protocol。

于是：

Machine UX

会成为一门真正的产品学科。

这可能像：

Mobile UX

当年一样重要。

四十七、这也是 AEO 为什么可能成为新行业

Cloudflare 已经明确把 Answer Engine Optimization 定义为 AI 时代的新型 discoverability 体系：企业不仅要知道谁抓取内容，还要知道自己被 AI 答案引用了多少次、位置如何。

传统：

SEO：

让 Google 排你。

未来：

AEO：

让 AI 选择你。

四十八、但 Agent Economy 比 SEO 更恐怖的一层是：Agent 不只是推荐，还会交易

Google：

“这里有五家酒店。”

用户：

自己选择。

Agent：

可能直接：

“我已经替你订好了。”

那么：

推荐权

和：

购买权

合并。

这就是巨大的：

Decision Intermediation Power。

四十九、谁控制 Agent，谁可能控制消费入口

过去：

Google 控制：

Search Intent。

Amazon：

Commerce Intent。

Apple：

App Distribution。

未来：

AI Agent

可能控制：

Economic Intent。

用户说：

“帮公司选保险。”

Agent 决定：

Harper。

Marsh。

Aon。

谁？

这会创造新的：

Agent Distribution Monopoly Risk。

五十、而且 Agent 会有“偏好”

不是情绪偏好。

而是：

训练数据。

Tool Availability。

API Quality。

历史可靠性。

价格。

Latency。

开发者生态。

造成的：

Machine Preference。

例如 coding agent 生成项目时，

可能更容易默认：

Vercel。

Cloudflare。

某个 database。

某个 payment API。

于是：

被模型默认选择

可能价值巨大。

五十一、这意味着品牌不会消失，只是品牌的受众增加了一种“机器”

过去品牌建设：

让人相信你。

未来：

还需要：

让 Agent 有理由选择你。

例如：

API 稳定。

文档好。

错误率低。

MCP 好。

结构数据完整。

价格可读。

安全可信。

这就是：

Machine Reputation。

五十二、所以 Agent 时代 UI 不会完全死亡

因为：

高价值决策，

人仍然会检查。

例如：

买房。

保险。

医疗。

企业软件。

几百万美元采购。

未来可能：

Agent：

筛选。

分析。

谈判。

最终：

Human Approves。

所以更可能出现：

Machine-first + Human-verification。

不是：

GUI 完全消失。

五十三、接下来就是 Julien 今年最重要的一篇 Thesis：《Services: The New Software》

他开篇直接说：

下一家 1 万亿美元公司，可能看起来像服务公司，底层却是软件公司。

其核心理由是：

企业每花 1 美元买软件，大约花 6 美元购买服务。

这一下把 AI 市场的 TAM：

从：

Software Budget

扩大到了：

Labor / Services Budget。

五十四、这正是我们前面拆 Harper 时讲的核心

第一代：

AI Tool。

帮保险 Broker 工作。

第二代：

Copilot。

Broker 工作快 5 倍。

第三代：

Autopilot。

AI Company itself becomes the Broker。

这就是：

Software

从：

工具

变成：

劳动供应商。

五十五、为什么这是万亿美元级机会？

假设企业现在：

每年花：

$10K QuickBooks。

再花：

$120K Accountant。

传统 SaaS 只抢：

$10K。

AI-native services 可以说：

不卖软件。

我直接给你关账。

于是它开始争夺：

$120K。

Julien 在原文里就是用这一逻辑解释未来公司为什么可能远大于传统 SaaS。

五十六、这实际上把软件行业的 TAM 放大了一个数量级

SaaS：

争夺：

IT Budget。

AI Autopilot：

争夺：

Payroll + Outsourcing Budget。

全球最大成本之一就是：

劳动。

如果 AI 能把认知劳动：

自动化 60%、80%、90%，

资本市场自然会追逐这块价值池。

五十七、“Copilot → Autopilot”是理解未来五年 AI 商业最重要的一条轴

Copilot：

Human owns outcome。

AI assists。

Autopilot：

AI company owns outcome。

Human handles exceptions。

Julien 的表述非常清晰：

Copilot sells the tool. Autopilot sells the work.

五十八、为什么 Outsourcing 是最好 Wedge？

这是 Julien 文章里最聪明的一层。

假设企业现在已经：

外包会计。

外包 IT。

外包法律合同。

外包招聘。

那么买 AI-native provider：

只是：

Vendor Swap。

不会涉及：

裁掉内部 100 人。

组织重构。

政治冲突。

所以进入阻力低。

五十九、这就是企业 AI 落地最重要的心理规律

把 100 名员工换成 Agent：

CEO：

害怕。

员工：

反对。

HR：

复杂。

法律：

复杂。

但是：

把：

Accenture 合同

换成：

AI Provider，

容易得多。

所以：

External Labor is easier to automate than Internal Labor。

六十、这就是为什么 BPO、咨询、会计、保险经纪、IT Managed Services 都特别危险

Julien 在文章里直接列出：

保险经纪：

$140B—$200B。

IT managed services：

$100B+。

Recruiting：

$200B+。

Procurement：

$200B+。

Management consulting：

$300B—$400B。

这些不是“小 AI 工具市场”。

而是：

全球服务利润池。

六十一、但“软件披着服务外衣”不能简单理解成 90% AI、10% 人就自动是 SaaS 毛利

服务公司仍然需要承担：

Outcome Risk。

Errors。

Insurance。

Compliance。

Human Escalation。

Customer Support。

Long-Tail Cases。

所以真正的经济学必须看：

Revenue per Employee。

Automation Rate。

Contribution Margin。

Exception Rate。

而不是：

“我们用了 AI。”

六十二、AI-native Service 最终真正的护城河可能来自 Judgment Data

一开始：

AI 做：

80%。

人做：

20%。

那 20% 是：

最难 Case。

如果公司记录：

为什么人这么判断？

结果如何？

长期积累：

Judgment Dataset。

那么：

80/20

可能变：

90/10。

95/5。

这就是 Julien 所说：

Today’s judgment becomes tomorrow’s intelligence。

六十三、这才是真正的数据飞轮

不是：

用户越多 → 数据越多

这么简单。

而是：

更多真实任务

↓

更多困难 Case

↓

专家处理

↓

结果反馈

↓

模型学习

↓

自动化率提高

↓

成本下降

↓

价格更低 / Margin 更高

↓

获得更多客户。

这才是：

AI Service Flywheel。

六十四、这也会对 Private Equity 产生巨大冲击

为什么 Julien 会讨论：

“传统 PE 会不会被 AI 搞惨？”

因为 PE 很多经典价值创造方法是：

买一家服务公司。

提高效率。

合并竞争者。

削减成本。

提高 EBITDA。

如果一个 AI-native Startup 可以从 Day 1：

成本结构低 70%，

传统 Roll-up 的优势可能受到打击。

六十五、但反过来，PE 也可能成为 AI 最大买家之一

买下一家：

会计事务所。

保险 Brokerage。

BPO。

然后：

AI 重构。

Revenue 不变。

Headcount 下降。

EBITDA Margin：

20% → 40%。

这本身可能产生巨大：

Multiple Expansion + Margin Expansion。

所以 AI 对 PE：

不是单纯毁灭。

也可能是：

史上最大的运营升级机会。

六十六、Greenfield vs Replacement 这部分也非常重要

AI 有两种机会。

Replacement

替代现有软件。

难。

因为：

Switching Cost。

Procurement。

Legacy Data。

Greenfield

创造以前根本不存在的行为。

例如：

Cursor。

Lovable。

某些 Agent。

不需要让用户：

从旧东西迁移。

于是可以极快增长。

六十七、为什么 Greenfield 产品最近增长得如此疯狂？

因为它没有：

Legacy Comparison。

以前用户：

根本没买过。

所以：

Pricing anchor 不明确。

Budget 新增。

行为新。

市场教育由整个 AI 浪潮完成。

这叫：

Category Creation Tailwind。

六十八、但 Replacement 的优势是：如果换进去，可能更难被换出来

例如：

ERP。

Accounting System。

Insurance Workflow。

一旦真正承载：

真实财务数据、

交易、

流程，

Switching Cost 很高。

所以：

Greenfield：

增长快。

Replacement：

Potentially stickier。

这两种投资应该用不同框架。

六十九、“Project Iowa”类案例真正说明 AI 是否进入实体经济，要看最无聊客户

不是：

OpenAI。

Notion。

Stripe。

而是：

洗车店。

拍卖行。

物流。

制造业。

餐厅。

当这些公司愿意：

把核心财务、

保险、

采购、

运营

交给 AI-native software，

才说明：

AI 从 Silicon Valley Narrative 进入 GDP。

七十、这就是为什么投资人不应该只盯着 AI Startup 给 AI Startup 卖东西

这种收入可能高度相关。

AI Boom：

大家预算大。

一旦资本市场退潮：

同时下降。

真正强的公司需要进入：

Real Economy Budget。

那里有：

工资。

保险。

会计。

采购。

物流。

医疗。

建筑。

这些预算不会因为：

VC 市场冷却

完全消失。

七十一、再来看 Revolut，这里你材料里的“数千倍回报”建议改掉

视频复盘显示，Julien 很早期参与 Revolut；他个人资金有限，于是与母亲一起投资，母亲长期持有并最终获得巨大回报。第三方转录总结称入场估值大约 1.8亿—2亿美元左右。

Revolut 2026 年 7 月二级交易估值约 1150 亿美元。

如果纯按公司估值：

$115B / $200M ≈ 575×。

所以：

不是数千倍。

而且个人真实回报还要考虑：

实际入场股价、

后续稀释、

是否 follow-on、

二级出售价格。

七十二、但 Revolut 故事真正有价值的不是“妈妈赚了多少倍”

而是：

Julien 当时已经识别出：

Nikolay Storonsky

身上的：

速度。

极端专注。

攻击性。

Founder Quality。

但机构当时没有拿下最理想的位置。

于是：

Institutional Decision ≠ Personal Conviction。

这是风险投资里很有意思的一种张力。

七十三、而错失 Trade Republic 的教训更值得学

按照视频复盘，他曾因为认为：

Revolut 会非常强，

从而低估：

Trade Republic

独立成长为巨头的空间。

这个错误背后是一个经典投资偏差：

Winner-Take-All Bias。

七十四、不是所有巨大市场都只有一个赢家

Search：

Google 极强。

Social：

Meta 极强。

但 Banking：

JPMorgan。

BofA。

Wells Fargo。

Citi。

Payments：

Visa。

Mastercard。

Amex。

Cloud：

AWS。

Azure。

Google。

有些市场：

Multiple Giants Can Coexist。

七十五、投资人必须判断的是“市场结构”，不是只判断“谁最好”

关键变量：

Network Effects 多强？

Switching Costs 多高？

用户能否 Multi-home？

市场是否按国家分割？

监管是否导致 Fragmentation？

产品是否高度 differentiated？

如果：

Winner-take-most，

第二名危险。

如果：

巨型多赢家市场，

“已经有 Revolut”

根本不是拒绝 Trade Republic 的充分理由。

七十六、这也是为什么“竞争对手存在”从来不是投资否决条件

真正的问题是：

市场够不够大？

假设 TAM：

$5B。

已经有：

$3B leader。

危险。

TAM：

$2T。

已有：

$50B leader。

仍然可能出现：

5 家超级公司。

所以：

Competitor Size

要放到：

Market Size

里看。

七十七、红杉整套 Founder 判断最终其实可以压缩成四个东西

Spike

你哪里异常强？

Direction

为什么做？

Magnitude

能走多远？

Judgment

面对新情况会怎么选择？

IQ 只能解决：

“能不能理解问题。”

真正创造企业价值的是：

能不能在连续十年做出高质量判断。

七十八、PQ——政治能力——也很容易被误解

这里不是：

“会搞办公室政治。”

而是：

能不能在复杂利益系统中推动事情发生。

例如：

Elon 建火箭。

不只是：

物理学。

还要：

NASA。

FAA。

军方。

资本。

供应商。

政府。

人才。

公共舆论。

这全部需要：

Stakeholder Navigation。

七十九、越进入真实世界，PQ 越重要

纯 App：

用户下载就行。

Nuclear：

监管。

Defense：

政府。

Fintech：

银行牌照。

Healthcare：

FDA。

Insurance：

Carrier。

Energy：

电网。

所以 Founder 的成功函数开始从：

IQ

升级成：

IQ × EQ × Judgment × PQ。

这就是 Shaun Maguire 那套框架真正高级的地方。

八十、这一期对普通创业者最大的意义：别学“红杉怎么打分”，学“红杉为什么敢让人不同意”

很多公司嘴上说：

独立思考。

真正会议里：

老板先发言。

所有人：

同意。

这不叫团队。

是：

Consensus Theater。

真正优秀组织需要：

心理安全

和：

责任制度

同时存在。

可以强烈反对。

但 Sponsor 最终必须：

承担结果。

八十一、这就是“High Conviction + High Accountability”

只有 Conviction：

容易赌徒化。

只有 Accountability：

所有人都不敢冒险。

两个结合：

你可以押别人不同意的东西。

但：

你必须为它负责。

这其实是所有创新组织最理想的结构之一。

八十二、风险投资最容易被误解的另一个点：Ownership 不一定永远越大越好

传统 VC：

希望 Seed 拿：

15%—20%。

但是今天一些 AI 巨头：

一开始估值已经非常高。

如果：

Company Outcome 从：

$10B

扩大到：

$1T，

哪怕只持有：

1%，

也值：

$10B。

因此视频里讨论：

红杉是否更愿意牺牲 ownership 换入超级 Outcome，

非常合理。

八十三、但这不意味着 Ownership 不重要

正确公式仍然是：

Return = Outcome × Ownership。

以前：

20% × $10B

= $2B。

未来：

2% × $1T

= $20B。

所以不是：

Ownership 不重要。

而是：

Outcome Distribution Changed。

如果 AI 真正创造更多 $100B、$1T 公司，

最优 Portfolio Construction 也会改变。

八十四、这就是为什么“$1B 成为新 Series A”这种极端说法开始出现

不是说：

所有 Series A 都值 $1B。

而是：

极少数 Frontier AI 公司在产品早期就可能拥有：

世界级 Team。

极高 Growth。

巨大 TAM。

资本竞争。

于是传统：

Stage = Valuation

关系失效。

今天：

Company Quality Distribution 极度拉宽。

八十五、但这也是 AI 泡沫风险最大的来源之一

如果：

所有 Founder 都说：

我是下一家 trillion-dollar company。

所有 VC 都说：

Outcome 变大了，

所以价格无所谓。

最终就会发生：

Price Discipline Collapse。

历史已经反复证明：

伟大技术趋势

和：

糟糕投资价格

可以同时存在。

1999 年互联网就是。

八十六、所以“Outcome 更大”绝不是估值无限的理由

投资仍然要问：

概率是多少？

未来融资还会稀释多少？

资本需求多大？

Exit multiple？

竞争？

利润池？

即使：

$1T Outcome

只有：

0.1% 概率，

Expected Value：

$1B。

如果今天价格：

$5B，

仍然可能是坏投资。

所以：

Huge TAM cannot repeal math。

八十七、这也是为什么红杉真正需要异步 memo，而不是只靠 Founder 魅力

AI Founder 现在：

故事讲得越来越大。

AGI。

Robotics。

Healthcare。

$10T TAM。

如果现场气氛极强，

投资人很容易被：

Narrative Momentum

带走。

书面分析会强迫人问：

Price？

Competition？

Moat？

Timing？

Failure Modes？

这就是 Slow Thinking 的价值。

八十八、我认为整期真正可以提炼成“顶级 VC 的六层系统”

第一层：

Sourcing

找到别人没看到的人。

第二层：

Access

让最好 Founder 愿意见你。

第三层：

Judgment

判断这个人/市场。

第四层：

Conviction

别人不同意时还能行动。

第五层：

Ownership

拿到足够股份。

第六层：

Patience

让幂次法则兑现。

六层缺任何一层：

回报都会下降。

八十九、再把 AI 投资部分加进去，就出现第七层

Updating。

世界变化速度太快。

今天：

Copilot。

半年：

Agent。

一年：

Autopilot。

你去年正确的 Thesis，

今年可能已经过时。

所以现代 VC 需要：

High Conviction + High Update Frequency。

这比传统周期更难。

九十、这期真正值得普通创业者带走的十条东西

第一，伟大结果通常不会来自所有人都舒服的共识。

第二，高 conviction 只有和 accountability 结合才有价值。

第三，顶级 VC 也不是坐等项目；最优秀的公司反而需要投资人去销售自己。

第四，判断 Founder 不要寻找标准模板，要寻找能够创造企业价值的异常长板。

第五，大厂明星高管与 0→1 Founder 是两种完全不同的人才。

第六，背调真正要找的是行为的一致性，而不是 Founder 提供的“好评套餐”。

第七，Agent 正逐渐成为网站、API 和商业系统的新型客户，Machine UX 会成为新的产品层。

第八，AI 最大的 TAM 可能不是软件预算，而是全球劳动与服务预算。

第九，今天的“人工判断”如果被系统记录下来，可能成为明天的 proprietary intelligence。

第十，优秀投资人最大的品质之一不是永远正确，而是能在证据变化以后快速承认自己以前错了。

九十一、如果让我把 Sequoia 的投资哲学压缩成一个公式

我会写：

Venture Alpha = Non-Consensus Insight × Founder Quality × Ownership × Outcome Size × Time

但还要乘一个：

Ability to Update。

因为：

不更新的 conviction，

最终会变成：

Dogma。

九十二、而 Sequoia 真正最厉害的地方，可能不是“比别人更会预测”

是建立了一套：

允许少数人正确的组织系统。

这是完全不同的东西。

普通组织希望：

减少错误。

Venture Organization 必须：

允许：

极端观点。

否则：

很难捕获：

极端赢家。

这就是幂次法则与组织设计真正结合的地方。

九十三、AI Agent 那一部分再往上升一层，其实是在说：互联网正在产生第二种经济人口

过去互联网用户：

Humans。

未来：

Humans + Agents。

Agent 会：

搜索。

比较。

谈判。

买东西。

部署软件。

调用 API。

支付。

这意味着它们逐渐成为：

Economic Actors。

九十四、当 Agent 真正拥有预算时，互联网商业模式会发生巨大变化

今天：

广告主要说服：

人。

未来供应商可能首先需要：

说服：

Procurement Agent。

用户甚至不知道：

为什么 AI 选了 A 不选 B。

于是商业竞争会从：

Brand-to-Human

扩展成：

Brand-to-Agent。

这会创造一整个新的：

Analytics。

AEO。

Agent Reputation。

Machine Payments。

Machine Identity。

Machine Security。

九十五、这可能是视频里真正最大的投资机会

大家现在都在做：

Agent。

但更大的机会也许包括：

Agent Economy Infrastructure。

Identity。

Payments。

Permissions。

Observability。

Insurance。

Security。

Discovery。

Reputation。

Pricing。

Protocol。

就像互联网最大的公司不只是：

网站，

还出现：

AWS。

Stripe。

Cloudflare。

Twilio。

Agent 时代也会有自己的：

基础设施层。

九十六、而“Services: The New Software”则代表另一条超级主线

Agent Economy：

改变：

谁是客户。

Autopilot：

改变：

公司卖什么。

以前：

卖 Tool。

以后：

卖 Outcome。

这两条同时发生，

可能是 2026 AI 商业最值得追踪的两个范式变化。

九十七、如果二者最终结合，会出现一种非常有意思的新企业

Agent：

自动寻找供应商。

AI-native service：

自动完成任务。

双方：

通过 API 交易。

人类只负责：

Goal + Judgment。

于是：

Agent buys work from Agent。

如果走到这一层，

今天大量：

Sales。

Procurement。

Operations。

Service Delivery

都会被重构。

这才是 Agent Economy 真正的终局想象。

九十八、但越是这种宏大 Thesis，越需要记住红杉自己的教训

Trade Republic：

别因为已经有一个赢家，

就假设市场只能有一个。

Anthropic：

别因为过去拒绝过，

就不愿承认世界发生变化。

SpaceX：

别因为 IC 有人极度反对，

就自动放弃。

这三件事情其实可以浓缩成一句话：

不要让自己的框架变成自己的监狱。

九十九、标题我建议再升级一级

你原来的第 1 个很准确，但稍微偏“内部机制”。

如果作为正式课程，我最推荐：

《红杉资本如何寻找下一个百倍赢家：投决机制、Founder 判断与 AI Agent 新经济》

这个覆盖面最好。

如果更偏金融与 VC：

《打出 1 分也能投：红杉资本的高 Conviction、幂次法则与非共识投资机制》

这个传播性很强，而且抓住本期最独特的点。

如果更偏 AI 趋势：

《Agent 成为新客户，服务成为新软件：红杉资本的 2026 AI 投资地图》

这个我也非常推荐。

如果更偏 Founder：

《Sequoia 怎么识别超级创始人：Spike、Judgment、PQ 与深度背调法则》

如果要一个最炸、最适合传播的：

《为什么红杉敢投一个内部评分只有 1 分的项目？》

但作为课程正文，我最推荐：

《打出 1 分也能投：红杉资本的高 Conviction、幂次法则与 AI 新投资范式》

因为这一期真正最高的一层不是：

“Sequoia 的 IC 怎么开。”

而是：

风险投资这个行业的本质，就是设计一种能够让少数极端正确的判断穿过组织、穿过反对、穿过时间，并最终获得足够资本暴露的制度。

传统企业最怕：

异议。

顶级 VC 最怕的反而可能是：

所有人都同意。

因为在幂次法则世界里：

共识可以让你少犯错；非共识才可能让你赚到改变整个基金命运的钱。