紅杉資本投決會內部機制拆解：合夥人 Julien Bek 深度覆盤頂級交易與項目判斷

這期的含金量非常高。

因爲它表面是在講“紅杉內部怎麼投項目”，真正講的是四件更大的事：

第一，頂級 VC 爲什麼必須允許少數人強烈不同意多數人。

第二，風險投資真正的 Alpha 爲什麼來自“非共識 + 高 ownership + 長期持有”，而不是集體投票正確率。

第三，AI Agent 正在把互聯網的“客戶”從人擴展到機器。

第四，AI 最大的商業機會可能不再是賣軟件，而是直接吞掉全球服務業和勞動預算。

如果上一期 Lobster Capital 是“微型 VC 怎麼搶 YC”，這一期其實是在看另一端：

一家頂級機構如何防止自己因爲太成功、太多人、太有歷史而變得平庸。

這纔是 Sequoia 最值得研究的地方。

一、先校準幾處非常關鍵的事實

1. Julien Bek 確實是紅杉早期投資合夥人，但他的主戰場在歐洲

Julien Bek 目前是 Sequoia Capital 的 Seed/Early Partner，主要在倫敦團隊；加入 Sequoia 前在 Accel 工作約五年，也曾在 Global Founders Capital 任職。他參與過 Revolut、Miro、Melio、BeReal，加入紅杉後與 Rillet、Tacto、Auctor、Dust 等公司合作。

所以這期不能理解成：

“一個紅杉合夥人泄露投委會祕密。”

更準確是：

一個已經在多家頂級 VC 工作多年的早期投資人，對 Sequoia 決策文化、識人方法和 AI 投資框架的內部覆盤。

二、“有人打 1 分仍然可以投”，方向對，但不要寫成“Sponsor 擁有絕對獨裁權”

訪談中 Julien 明確說，Sequoia 會給項目打分，Shaun Maguire 推動 SpaceX 投資時，至少有人給出了 1/10 的極低分。The Information 此前也報道過，SpaceX 在 Sequoia 內部極具爭議，兩名合夥人給 2 分，另一名給 1 分。

但是我建議正式課程不要寫：

“Sponsor 不管其他人怎麼投票，都擁有最終拍板權。”

公開資料支持的是：

極低評分並不會自動否決投資；Sponsor 的極高 conviction 在 Sequoia 決策文化中權重很大。

至於法律意義、基金 governance 意義上的“某個 Sponsor 是否擁有無條件單方投資權”，公開信息不足，不宜寫死。

這是一個很重要的區別。

三、這反而揭示了 Sequoia 投資制度裏最聰明的一點：IC 不是爲了製造共識

普通公司開會：

目標是：

大家最後 agree。

但 Venture Capital 如果追求：

所有人都同意，

很可能反而錯。

爲什麼？

因爲：

真正偉大的早期投資，本來就應該存在分歧。

如果一家 Startup：

人人看得懂。

人人看好。

收入漂亮。

市場明確。

Founder 無懈可擊。

風險已經下降。

價格也通常已經上來了。

於是：

Consensus 越高，Alpha 往往越低。

四、風險投資真正要優化的不是“判斷正確率”

假設 VC A：

100 個項目判斷正確 80 次。

聽起來非常強。

但：

80 個都只是：

2×。

VC B：

100 個只判斷正確：

20 次。

其中：

1 個 500×。

B 可能遠勝 A。

所以 VC 的目標函數並不是：

Accuracy。

而更接近：

Expected Value。

即：

成功概率 × 成功時的收益。

這就是冪次法則。

五、因此“一票反對不能殺掉 Deal”在 Venture 裏非常合理

假設：

SpaceX 成功概率：

20%。

如果成功：

100×。

Expected Multiple：

20×。

哪怕：

80% 概率損失錢，

仍然可能是一筆極佳投資。

這和銀行貸款完全不同。

銀行希望：

降低 Default。

VC 可以容忍：

大量 Default，

只要右尾足夠大。

所以：

VC 最大的錯誤不是投錯，而是錯過極端贏家。

六、這就是 Sequoia 爲什麼如此強調 Sponsor Conviction

Julien 在訪談裏明確說：

Sequoia 回看最優秀的基金投資時，一個共同模式就是：

真正最好的項目，往往有一位 Sponsor 擁有異常高的 conviction。

這不是偶然。

因爲異常收益本來就來自：

異常認知。

如果 Sponsor 自己只是：

“7/10，還不錯。”

很難成爲：

100× bet。

七、但高 conviction 不是“我感覺很強”

真正有價值的 Conviction 至少需要三個層次。

第一：

Thesis Conviction

我爲什麼認爲世界會這樣變化？

第二：

Founder Conviction

爲什麼是這個人？

第三：

Price Conviction

即使在這個估值，我爲什麼仍然認爲 Expected Return 足夠高？

三者少一個，

都容易變成：

信仰投資。

八、SpaceX 案例真正高級的地方，不是 Shaun 比別人更勇敢

真正的問題是：

他看到了什麼，而反對者沒有看到？

The Information 的報道顯示，當時爭議核心之一是 Starlink 尚未證明能夠成功，SpaceX 也已經融資很多、估值並不低。

反對者可能看到：

資本密集。

火箭風險。

Starlink 未驗證。

估值高。

Shaun 看到的可能是：

可複用火箭。

Starlink。

全球通信。

Launch Cost Collapse。

垂直整合。

Elon 的執行能力。

所以雙方並不是：

“聰明 vs 笨”。

而是：

使用不同 World Model 對未來定價。

九、這纔是頂級投資人的真正工作：不是預測數字，而是構建世界模型

傳統金融模型：

Revenue。

EBITDA。

Multiple。

DCF。

早期 Venture：

公司可能還沒有 Revenue。

真正要判斷的是：

如果這個技術成立，產業結構會變成什麼？

如果 Founder 連續成功十年，這家公司能控制哪一層價值鏈？

這叫：

State-of-the-World Investing。

十、Sequoia 的 IC 新變化也非常值得學：異步寫作 + 現場爭論

訪談總結顯示，Sequoia 正在把傳統週一 IC 與更多異步 memo 閱讀、書面評論結合起來，以同時獲得：

慢思考

和：

快速現場碰撞。

這其實在解決一個經典認知問題：

Groupthink。

十一、爲什麼投資人應該先獨立寫觀點，再開會？

如果大家先坐一起。

最資深 Partner 說：

“我非常喜歡。”

後面的人很容易：

無意識調整判斷。

這叫：

Anchoring。

如果每個人開會之前先寫：

Bull Case。

Bear Case。

Score。

再現場討論，

能夠降低：

Authority Bias。

Social Conformity。

Reputation Pressure。

十二、這就是投資版的“先投票，再辯論”

真正好的組織應該：

Independent Thinking First

然後：

Collective Intelligence Second。

而不是：

集體思考取代個人思考。

這和預測市場、情報分析甚至軍方 Red Team 都是同一邏輯。

十三、“We are only as good as our next investment”爲什麼是一個非常厲害的組織設計

Sequoia 新辦公室確實把這句話放到了非常醒目的位置，而且 2025 年推出新基金時再次強調。

表面：

謙虛。

實際上是在攻擊一個非常危險的東西：

Institutional Arrogance。

十四、紅杉最大的敵人其實不是 a16z，而是紅杉自己的歷史

Apple。

Google。

YouTube。

Airbnb。

Stripe。

Nvidia。

WhatsApp。

大量傳奇項目。

一家機構如果每天都在想：

“我們是 Sequoia。”

很容易開始：

等待 Founder 上門。

降低 hustle。

依賴品牌。

這就是：

Success Trap。

十五、所以“每個人都是 Hunter”比牆上的口號更重要

Julien 說他加入以後才真正發現：

外界以爲紅杉：

電話響了，

下一個 Anthropic 自動找過來。

實際上：

每一個 Partner 都必須主動獵項目。

這個邏輯非常現實：

最好的 Founder 不缺錢。

所以頂級 VC 真正競爭的不是：

資本供應。

而是：

Founder Selection by Founders。

十六、這就是爲什麼 VC 行業越成功，銷售屬性反而越強

普通創業者以爲：

VC 在挑 Founder。

頂級項目裏往往相反：

Founder 在挑：

Sequoia？

Benchmark？

a16z？

Thrive？

Founders Fund？

Capital 本身高度 Commodity。

於是 Partner 的工作變成：

Sell Yourself。

十七、Citadel Securities 是這個邏輯最漂亮的案例之一

2022 年 Citadel Securities 首次接受外部資本：

Sequoia + Paradigm 投入 11.5 億美元，

估值約 220 億美元。

Ken Griffin 根本不缺錢。

所以問題不是：

Sequoia 能不能給他資本？

而是：

爲什麼 Ken Griffin 願意讓 Sequoia 進入 Cap Table？

十八、答案是：資本不是唯一產品，Signal 也是產品

訪談披露，Konstantine Buhler 從學生時期就與 Ken Griffin 建立關係，持續多年保持聯繫、請求投資機會，最終拿下 Citadel Securities 第一輪外部機構資本。

對 Citadel 而言，

Sequoia 帶來的可能包括：

科技品牌。

人才 Signal。

硅谷 Network。

Recruiting credibility。

所以：

VC Brand itself has economic value。

十九、這件事情揭示一個非常高級的融資原則

最好的融資不是：

Founder 缺錢，

Investor 有錢。

而是：

Both sides own scarce assets。

Founder：

公司 Equity 稀缺。

Investor：

品牌、網絡、資本和聲譽稀缺。

雙方互換。

這時候融資纔是：

Partnership。

二十、這也解釋爲什麼最優秀的 VC 會提前幾年甚至十幾年鋪關係

你不知道：

今天那個：

PhD。

工程師。

產品經理。

年輕 Founder。

十年以後會不會建立：

$100B 公司。

所以 VC 的 Relationship Pipeline 和 Sales Pipeline 一樣：

需要長期建立。

真正頂級 Deal：

很多不是在 Fundraise 那兩週才產生。

而是：

Years Before the Round。

二十一、Anthropic 則是另一種能力：承認自己過去看錯了

你材料裏“Sequoia 曾拒絕 Anthropic，後來 25 億美元重金進入”這個方向可以保留，但數字需要更新。

2026 年 2 月，Anthropic 完成 300 億美元融資，估值 3800 億美元，Sequoia 已參與。到 5 月 Anthropic 又融資 650 億美元，投後估值 9650 億美元，Sequoia成爲聯合領投方之一；Bloomberg 報道各主要 Lead 投資額都超過約 20 億美元。

所以更準確的表述不是：

“Sequoia 投了一個 25 億美元輪次。”

而是：

它在極高估值下重新判斷 Anthropic，並最終成爲近萬億美元估值融資的 Lead Investor。

二十二、這對投資人來說其實非常難

假設：

$5B 時你說：

“不投。”

後來：

$30B。

$100B。

$380B。

你很容易產生：

Ego Lock-in。

因爲一旦投資：

彷彿承認：

“當初錯了。”

人類心理會本能維護過去的判斷。

這叫：

Commitment Bias。

二十三、頂級投資人必須擁有一個罕見能力：Kill Your Prior

昨天：

不投。

今天：

新證據出現。

那就：

重新算。

過去判斷：

不重要。

這其實和優秀 Trader 完全一樣。

不能說：

“我去年做空這個股票，所以今年必須繼續空。”

市場不欠你：

一致性。

二十四、真正優秀的投資紀律是：

Strong Opinions, Loosely Held。

觀點要強。

否則無法行動。

但證據變化以後：

必須可以推倒。

這看起來矛盾。

其實正是：

Conviction without Ego。

二十五、下面進入這期非常精彩的“Founder 識人學”

Julien 提到多個 Sequoia 內部框架。

其中最值得學的不是：

“看微表情。”

而是：

不要把 Founder Evaluation 做成 Pattern Matching。

因爲偉大 Founder 很少長得一樣。

二十六、Pat Grady 的 Vector 模型特別漂亮

人可以理解成一個：

Vector。

擁有兩個變量：

Direction

往哪裏走。

Magnitude

走得有多猛。

Pat Grady 自己此前也公開解釋過這個框架：Magnitude 是人身上的異常能力或持續優異表現；Direction 則是動機——爲什麼他願意承受創業這種痛苦。

二十七、爲什麼 Direction 比“Founder 很聰明”重要？

假設兩個人：

一樣聰明。

一樣努力。

A 做公司爲了：

兩年後賣掉。

B 認爲：

這是自己一生必須解決的問題。

遇到：

融資失敗。

員工離開。

競爭對手融資。

市場崩盤。

兩人的反應可能完全不同。

所以：

Motivation determines durability。

二十八、Magnitude 則決定“這個人到底能把事情做到多離譜”

普通優秀 Founder：

執行很好。

真正 Outlier：

可能某一個維度強到：

不正常。

銷售。

技術。

產品 Taste。

Recruiting。

速度。

戰略。

耐力。

Julien 自己就在 Sequoia 官方簡介中強調，他喜歡尋找 spiky entrepreneurs。

二十九、這就是爲什麼頂級 VC 不一定喜歡“六邊形戰士”

所有能力：

8/10。

看起來：

很穩。

但超級公司 Founder 往往可能：

產品：

12/10。

Recruiting：

11/10。

社交：

5/10。

管理：

6/10。

某些人格：

甚至很難相處。

VC 真正要問：

那個 Spike 是否足以改變世界？

三十、Don Valentine 的 2×2 更殘酷

視頻總結的核心是：

“我喜歡這個 Founder 嗎？”

和：

“這個 Founder 能不能創造巨大價值？”

必須分開。

因爲：

Likability is not an investment factor。

一個特別討人喜歡的人，

可能創造不了偉大公司。

一個傲慢、偏執、難搞的人，

可能擁有異常產品能力。

三十一、但這裏必須防止學歪：Spiky 不等於 Toxic

Elon 很極端。

Jobs 很極端。

於是很多普通 Founder 開始想：

“我脾氣差，是因爲我是天才。”

這是錯誤的。

真正有價值的是：

Spike Creates Enterprise Value。

如果：

傲慢沒有對應能力，

只是：

傲慢。

三十二、Alfred Lin 的一句話特別值得所有公司招聘時記住

Outlier Operator ≠ Outlier Founder。

一個人在 Google：

管理 3000 人。

收入做大 10 倍。

不代表：

可以從 0 建公司。

因爲在大公司：

已經擁有：

品牌。

員工。

客戶。

資本。

流程。

基礎設施。

Startup Founder：

什麼都沒有。

三十三、Operator 最擅長的可能是“優化已有系統”

Founder 需要：

Create the System。

這是完全不同的神經迴路。

Operator：

怎麼把增長從：

20% → 30%。

Founder：

用戶是誰？

產品是什麼？

爲什麼有人買？

公司爲什麼存在？

這就是：

0→1

和：

1→100

的區別。

三十四、這也是爲什麼“大廠 VP 創業”並不自動是好信號

你不能只問：

他在 Google 做多大業務？

要繼續問：

他本人創造了什麼？

沒有 Google Brand，他還能招到這批人嗎？

沒有現成客戶，他會賣嗎？

沒有預算，他能活嗎？

這纔是：

Founder Test。

三十五、Doug Leone 的“最好背調 + 最差背調”方法非常聰明

首先問：

誰會給你最好的 Reference？

創始人已經準備好了。

然後突然問：

誰會給你最差 Reference？爲什麼？

這個問題真正測試的不是：

那個人是誰。

而是：

Self-Awareness。

三十六、一個真正成熟的人通常知道別人爲什麼不喜歡自己

例如：

“上一任 CTO 會說我決策太快。”

“前老闆會說我很難管理。”

“聯合創始人會說我控制慾強。”

這可能不一定是壞事。

危險答案反而是：

“沒人會給我差評。”

幾乎不可能。

三十七、但 Blind Reference 爲什麼還必須繼續做？

因爲 Founder 給你的 Reference：

天然經過 Selection。

真正 Due Diligence 需要：

前老闆。

前員工。

前同事。

前競爭者。

客戶。

真正共事過的卓越人物。

不同角度拼起來，

才能得到：

Behavioral Mosaic。

三十八、Julien 所說“只有高手才能識別高手”，本質類似 ELO 思維

一個普通棋手：

可能看不出：

2400 分和 2700 分之間到底差什麼。

頂級棋手：

幾步就知道。

所以 Reference 也有質量差異。

如果：

一個極普通 Manager 說：

“這個 Engineer 特別強。”

Signal 有限。

如果：

世界級 Engineer 說：

“他是我遇過最強的三個人之一。”

Signal 強很多。

這叫：

Calibrated Reference。

三十九、但是千萬不要把“童年創傷”當 Founder Screen

Julien 會研究：

Distance Traveled。

Family Background。

早期經歷。

這可以幫助理解：

動力和韌性。

但不能變成：

苦難越多 = Founder 越好。

這是危險的 Pattern Matching。

真正有價值的是：

事件 → 這個人形成了什麼能力？

不是事件本身。

四十、同樣，“5 Whys 看微表情抓造假”也不是測謊儀

連續追問的真正價值在於：

Narrative Consistency。

一個真實經歷：

細節通常豐富。

決策鏈條自然。

時間順序穩定。

編出來的故事：

越深入，

越容易出現：

邏輯斷裂。

所以 5 Whys 本質上不是：

“看眼神判斷騙人。”

而是：

Increasing Resolution。

四十一、跨文化校準這點也非常重要

德國 Founder：

說：

“產品還不錯。”

可能已經非常滿意。

美國 Founder：

說：

“這是歷史上最偉大的技術革命。”

可能只是正常融資語氣。

所以投資人必須區分：

Signal

和：

Cultural Encoding。

四十二、否則全球 VC 極容易獎勵“最像硅谷 Founder 的人”

英語流利。

高能量。

超級自信。

會講 Narrative。

但這些只是：

Presentation Layer。

真正的產品能力、商業判斷和韌性：

可能完全不同。

這就是爲什麼全球投資不能用：

American Charisma Benchmark

衡量所有人。

四十三、下面進入本期最重要的 AI 判斷：Agent 正在成爲“客戶”

這個觀點絕不是純科幻。

Cloudflare 2026 年數據顯示，自動化 Agent/Bot 請求已經超過半數互聯網請求；Cloudflare CEO Matthew Prince 更預測，如果當前趨勢延續，五年後非人類流量可能達到人類流量的 1000 倍。他同時明確提醒，這只是趨勢外推、並非確定事實。

所以視頻中的：

“Agent 流量可能千倍於人類”

應該寫成：

Cloudflare CEO 的前瞻預測，不是今天已經發生。

四十四、這會產生互聯網歷史上的一次巨大轉變

過去網站優化：

Human Customer。

按鈕。

顏色。

頁面加載。

Checkout。

廣告。

SEO。

未來：

大量訪問者可能是：

Machine Customer。

Agent 不在乎：

按鈕好不好看。

Logo 漂不漂亮。

Animation 流不流暢。

它在乎：

API。

Structured Data。

Permissions。

Latency。

Reliability。

Pricing。

Authentication。

Machine-readable Terms。

四十五、所以 Julien 所說 Pixel-Perfect → Bits-Perfect，非常有價值

過去產品經理：

這個按鈕：

向左 4 pixel。

未來 Agent 用戶：

根本看不到按鈕。

它想直接：

Call the Capability。

例如：

“找紐約下週三最便宜的商務艙。”

Agent 不需要打開：

20 個漂亮網站。

只需要：

調用：

Availability。

Price。

Book。

Pay。

四十六、這會改變什麼叫“產品”

未來一個網站可能同時擁有兩套 Product Surface：

Human Surface

GUI。

Agent Surface

API / MCP / Protocol。

於是：

Machine UX

會成爲一門真正的產品學科。

這可能像：

Mobile UX

當年一樣重要。

四十七、這也是 AEO 爲什麼可能成爲新行業

Cloudflare 已經明確把 Answer Engine Optimization 定義爲 AI 時代的新型 discoverability 體系：企業不僅要知道誰抓取內容，還要知道自己被 AI 答案引用了多少次、位置如何。

傳統：

SEO：

讓 Google 排你。

未來：

AEO：

讓 AI 選擇你。

四十八、但 Agent Economy 比 SEO 更恐怖的一層是：Agent 不只是推薦，還會交易

Google：

“這裏有五家酒店。”

用戶：

自己選擇。

Agent：

可能直接：

“我已經替你訂好了。”

那麼：

推薦權

和：

購買權

合併。

這就是巨大的：

Decision Intermediation Power。

四十九、誰控制 Agent，誰可能控制消費入口

過去：

Google 控制：

Search Intent。

Amazon：

Commerce Intent。

Apple：

App Distribution。

未來：

AI Agent

可能控制：

Economic Intent。

用戶說：

“幫公司選保險。”

Agent 決定：

Harper。

Marsh。

Aon。

誰？

這會創造新的：

Agent Distribution Monopoly Risk。

五十、而且 Agent 會有“偏好”

不是情緒偏好。

而是：

訓練數據。

Tool Availability。

API Quality。

歷史可靠性。

價格。

Latency。

開發者生態。

造成的：

Machine Preference。

例如 coding agent 生成項目時，

可能更容易默認：

Vercel。

Cloudflare。

某個 database。

某個 payment API。

於是：

被模型默認選擇

可能價值巨大。

五十一、這意味着品牌不會消失，只是品牌的受衆增加了一種“機器”

過去品牌建設：

讓人相信你。

未來：

還需要：

讓 Agent 有理由選擇你。

例如：

API 穩定。

文檔好。

錯誤率低。

MCP 好。

結構數據完整。

價格可讀。

安全可信。

這就是：

Machine Reputation。

五十二、所以 Agent 時代 UI 不會完全死亡

因爲：

高價值決策，

人仍然會檢查。

例如：

買房。

保險。

醫療。

企業軟件。

幾百萬美元採購。

未來可能：

Agent：

篩選。

分析。

談判。

最終：

Human Approves。

所以更可能出現：

Machine-first + Human-verification。

不是：

GUI 完全消失。

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

他開篇直接說：

下一家 1 萬億美元公司，可能看起來像服務公司，底層卻是軟件公司。

其核心理由是：

企業每花 1 美元買軟件，大約花 6 美元購買服務。

這一下把 AI 市場的 TAM：

從：

Software Budget

擴大到了：

Labor / Services Budget。

五十四、這正是我們前面拆 Harper 時講的核心

第一代：

AI Tool。

幫保險 Broker 工作。

第二代：

Copilot。

Broker 工作快 5 倍。

第三代：

Autopilot。

AI Company itself becomes the Broker。

這就是：

Software

從：

工具

變成：

勞動供應商。

五十五、爲什麼這是萬億美元級機會？

假設企業現在：

每年花：

$10K QuickBooks。

再花：

$120K Accountant。

傳統 SaaS 只搶：

$10K。

AI-native services 可以說：

不賣軟件。

我直接給你關賬。

於是它開始爭奪：

$120K。

Julien 在原文裏就是用這一邏輯解釋未來公司爲什麼可能遠大於傳統 SaaS。

五十六、這實際上把軟件行業的 TAM 放大了一個數量級

SaaS：

爭奪：

IT Budget。

AI Autopilot：

爭奪：

Payroll + Outsourcing Budget。

全球最大成本之一就是：

勞動。

如果 AI 能把認知勞動：

自動化 60%、80%、90%，

資本市場自然會追逐這塊價值池。

五十七、“Copilot → Autopilot”是理解未來五年 AI 商業最重要的一條軸

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、爲什麼 Outsourcing 是最好 Wedge？

這是 Julien 文章裏最聰明的一層。

假設企業現在已經：

外包會計。

外包 IT。

外包法律合同。

外包招聘。

那麼買 AI-native provider：

只是：

Vendor Swap。

不會涉及：

裁掉內部 100 人。

組織重構。

政治衝突。

所以進入阻力低。

五十九、這就是企業 AI 落地最重要的心理規律

把 100 名員工換成 Agent：

CEO：

害怕。

員工：

反對。

HR：

複雜。

法律：

複雜。

但是：

把：

Accenture 合同

換成：

AI Provider，

容易得多。

所以：

External Labor is easier to automate than Internal Labor。

六十、這就是爲什麼 BPO、諮詢、會計、保險經紀、IT Managed Services 都特別危險

Julien 在文章裏直接列出：

保險經紀：

$140B—$200B。

IT managed services：

$100B+。

Recruiting：

$200B+。

Procurement：

$200B+。

Management consulting：

$300B—$400B。

這些不是“小 AI 工具市場”。

而是：

全球服務利潤池。

六十一、但“軟件披着服務外衣”不能簡單理解成 90% AI、10% 人就自動是 SaaS 毛利

服務公司仍然需要承擔：

Outcome Risk。

Errors。

Insurance。

Compliance。

Human Escalation。

Customer Support。

Long-Tail Cases。

所以真正的經濟學必須看：

Revenue per Employee。

Automation Rate。

Contribution Margin。

Exception Rate。

而不是：

“我們用了 AI。”

六十二、AI-native Service 最終真正的護城河可能來自 Judgment Data

一開始：

AI 做：

80%。

人做：

20%。

那 20% 是：

最難 Case。

如果公司記錄：

爲什麼人這麼判斷？

結果如何？

長期積累：

Judgment Dataset。

那麼：

80/20

可能變：

90/10。

95/5。

這就是 Julien 所說：

Today’s judgment becomes tomorrow’s intelligence。

六十三、這纔是真正的數據飛輪

不是：

用戶越多 → 數據越多

這麼簡單。

而是：

更多真實任務

↓

更多困難 Case

↓

專家處理

↓

結果反饋

↓

模型學習

↓

自動化率提高

↓

成本下降

↓

價格更低 / Margin 更高

↓

獲得更多客戶。

這纔是：

AI Service Flywheel。

六十四、這也會對 Private Equity 產生巨大沖擊

爲什麼 Julien 會討論：

“傳統 PE 會不會被 AI 搞慘？”

因爲 PE 很多經典價值創造方法是：

買一家服務公司。

提高效率。

合併競爭者。

削減成本。

提高 EBITDA。

如果一個 AI-native Startup 可以從 Day 1：

成本結構低 70%，

傳統 Roll-up 的優勢可能受到打擊。

六十五、但反過來，PE 也可能成爲 AI 最大買家之一

買下一家：

會計事務所。

保險 Brokerage。

BPO。

然後：

AI 重構。

Revenue 不變。

Headcount 下降。

EBITDA Margin：

20% → 40%。

這本身可能產生巨大：

Multiple Expansion + Margin Expansion。

所以 AI 對 PE：

不是單純毀滅。

也可能是：

史上最大的運營升級機會。

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

AI 有兩種機會。

Replacement

替代現有軟件。

難。

因爲：

Switching Cost。

Procurement。

Legacy Data。

Greenfield

創造以前根本不存在的行爲。

例如：

Cursor。

Lovable。

某些 Agent。

不需要讓用戶：

從舊東西遷移。

於是可以極快增長。

六十七、爲什麼 Greenfield 產品最近增長得如此瘋狂？

因爲它沒有：

Legacy Comparison。

以前用戶：

根本沒買過。

所以：

Pricing anchor 不明確。

Budget 新增。

行爲新。

市場教育由整個 AI 浪潮完成。

這叫：

Category Creation Tailwind。

六十八、但 Replacement 的優勢是：如果換進去，可能更難被換出來

例如：

ERP。

Accounting System。

Insurance Workflow。

一旦真正承載：

真實財務數據、

交易、

流程，

Switching Cost 很高。

所以：

Greenfield：

增長快。

Replacement：

Potentially stickier。

這兩種投資應該用不同框架。

六十九、“Project Iowa”類案例真正說明 AI 是否進入實體經濟，要看最無聊客戶

不是：

OpenAI。

Notion。

Stripe。

而是：

洗車店。

拍賣行。

物流。

製造業。

餐廳。

當這些公司願意：

把核心財務、

保險、

採購、

運營

交給 AI-native software，

才說明：

AI 從 Silicon Valley Narrative 進入 GDP。

七十、這就是爲什麼投資人不應該只盯着 AI Startup 給 AI Startup 賣東西

這種收入可能高度相關。

AI Boom：

大家預算大。

一旦資本市場退潮：

同時下降。

真正強的公司需要進入：

Real Economy Budget。

那裏有：

工資。

保險。

會計。

採購。

物流。

醫療。

建築。

這些預算不會因爲：

VC 市場冷卻

完全消失。

七十一、再來看 Revolut，這裏你材料裏的“數千倍回報”建議改掉

視頻覆盤顯示，Julien 很早期參與 Revolut；他個人資金有限，於是與母親一起投資，母親長期持有並最終獲得巨大回報。第三方轉錄總結稱入場估值大約 1.8億—2億美元左右。

Revolut 2026 年 7 月二級交易估值約 1150 億美元。

如果純按公司估值：

$115B / $200M ≈ 575×。

所以：

不是數千倍。

而且個人真實回報還要考慮：

實際入場股價、

後續稀釋、

是否 follow-on、

二級出售價格。

七十二、但 Revolut 故事真正有價值的不是“媽媽賺了多少倍”

而是：

Julien 當時已經識別出：

Nikolay Storonsky

身上的：

速度。

極端專注。

攻擊性。

Founder Quality。

但機構當時沒有拿下最理想的位置。

於是：

Institutional Decision ≠ Personal Conviction。

這是風險投資裏很有意思的一種張力。

七十三、而錯失 Trade Republic 的教訓更值得學

按照視頻覆盤，他曾因爲認爲：

Revolut 會非常強，

從而低估：

Trade Republic

獨立成長爲巨頭的空間。

這個錯誤背後是一個經典投資偏差：

Winner-Take-All Bias。

七十四、不是所有巨大市場都只有一個贏家

Search：

Google 極強。

Social：

Meta 極強。

但 Banking：

JPMorgan。

BofA。

Wells Fargo。

Citi。

Payments：

Visa。

Mastercard。

Amex。

Cloud：

AWS。

Azure。

Google。

有些市場：

Multiple Giants Can Coexist。

七十五、投資人必須判斷的是“市場結構”，不是隻判斷“誰最好”

關鍵變量：

Network Effects 多強？

Switching Costs 多高？

用戶能否 Multi-home？

市場是否按國家分割？

監管是否導致 Fragmentation？

產品是否高度 differentiated？

如果：

Winner-take-most，

第二名危險。

如果：

巨型多贏家市場，

“已經有 Revolut”

根本不是拒絕 Trade Republic 的充分理由。

七十六、這也是爲什麼“競爭對手存在”從來不是投資否決條件

真正的問題是：

市場夠不夠大？

假設 TAM：

$5B。

已經有：

$3B leader。

危險。

TAM：

$2T。

已有：

$50B leader。

仍然可能出現：

5 家超級公司。

所以：

Competitor Size

要放到：

Market Size

裏看。

七十七、紅杉整套 Founder 判斷最終其實可以壓縮成四個東西

Spike

你哪裏異常強？

Direction

爲什麼做？

Magnitude

能走多遠？

Judgment

面對新情況會怎麼選擇？

IQ 只能解決：

“能不能理解問題。”

真正創造企業價值的是：

能不能在連續十年做出高質量判斷。

七十八、PQ——政治能力——也很容易被誤解

這裏不是：

“會搞辦公室政治。”

而是：

能不能在複雜利益系統中推動事情發生。

例如：

Elon 建火箭。

不只是：

物理學。

還要：

NASA。

FAA。

軍方。

資本。

供應商。

政府。

人才。

公共輿論。

這全部需要：

Stakeholder Navigation。

七十九、越進入真實世界，PQ 越重要

純 App：

用戶下載就行。

Nuclear：

監管。

Defense：

政府。

Fintech：

銀行牌照。

Healthcare：

FDA。

Insurance：

Carrier。

Energy：

電網。

所以 Founder 的成功函數開始從：

IQ

升級成：

IQ × EQ × Judgment × PQ。

這就是 Shaun Maguire 那套框架真正高級的地方。

八十、這一期對普通創業者最大的意義：別學“紅杉怎麼打分”，學“紅杉爲什麼敢讓人不同意”

很多公司嘴上說：

獨立思考。

真正會議裏：

老闆先發言。

所有人：

同意。

這不叫團隊。

是：

Consensus Theater。

真正優秀組織需要：

心理安全

和：

責任制度

同時存在。

可以強烈反對。

但 Sponsor 最終必須：

承擔結果。

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

只有 Conviction：

容易賭徒化。

只有 Accountability：

所有人都不敢冒險。

兩個結合：

你可以押別人不同意的東西。

但：

你必須爲它負責。

這其實是所有創新組織最理想的結構之一。

八十二、風險投資最容易被誤解的另一個點：Ownership 不一定永遠越大越好

傳統 VC：

希望 Seed 拿：

15%—20%。

但是今天一些 AI 巨頭：

一開始估值已經非常高。

如果：

Company Outcome 從：

$10B

擴大到：

$1T，

哪怕只持有：

1%，

也值：

$10B。

因此視頻裏討論：

紅杉是否更願意犧牲 ownership 換入超級 Outcome，

非常合理。

八十三、但這不意味着 Ownership 不重要

正確公式仍然是：

Return = Outcome × Ownership。

以前：

20% × $10B

= $2B。

未來：

2% × $1T

= $20B。

所以不是：

Ownership 不重要。

而是：

Outcome Distribution Changed。

如果 AI 真正創造更多 $100B、$1T 公司，

最優 Portfolio Construction 也會改變。

八十四、這就是爲什麼“$1B 成爲新 Series A”這種極端說法開始出現

不是說：

所有 Series A 都值 $1B。

而是：

極少數 Frontier AI 公司在產品早期就可能擁有：

世界級 Team。

極高 Growth。

巨大 TAM。

資本競爭。

於是傳統：

Stage = Valuation

關係失效。

今天：

Company Quality Distribution 極度拉寬。

八十五、但這也是 AI 泡沫風險最大的來源之一

如果：

所有 Founder 都說：

我是下一家 trillion-dollar company。

所有 VC 都說：

Outcome 變大了，

所以價格無所謂。

最終就會發生：

Price Discipline Collapse。

歷史已經反覆證明：

偉大技術趨勢

和：

糟糕投資價格

可以同時存在。

1999 年互聯網就是。

八十六、所以“Outcome 更大”絕不是估值無限的理由

投資仍然要問：

概率是多少？

未來融資還會稀釋多少？

資本需求多大？

Exit multiple？

競爭？

利潤池？

即使：

$1T Outcome

只有：

0.1% 概率，

Expected Value：

$1B。

如果今天價格：

$5B，

仍然可能是壞投資。

所以：

Huge TAM cannot repeal math。

八十七、這也是爲什麼紅杉真正需要異步 memo，而不是隻靠 Founder 魅力

AI Founder 現在：

故事講得越來越大。

AGI。

Robotics。

Healthcare。

$10T TAM。

如果現場氣氛極強，

投資人很容易被：

Narrative Momentum

帶走。

書面分析會強迫人問：

Price？

Competition？

Moat？

Timing？

Failure Modes？

這就是 Slow Thinking 的價值。

八十八、我認爲整期真正可以提煉成“頂級 VC 的六層系統”

第一層：

Sourcing

找到別人沒看到的人。

第二層：

Access

讓最好 Founder 願意見你。

第三層：

Judgment

判斷這個人/市場。

第四層：

Conviction

別人不同意時還能行動。

第五層：

Ownership

拿到足夠股份。

第六層：

Patience

讓冪次法則兌現。

六層缺任何一層：

回報都會下降。

八十九、再把 AI 投資部分加進去，就出現第七層

Updating。

世界變化速度太快。

今天：

Copilot。

半年：

Agent。

一年：

Autopilot。

你去年正確的 Thesis，

今年可能已經過時。

所以現代 VC 需要：

High Conviction + High Update Frequency。

這比傳統週期更難。

九十、這期真正值得普通創業者帶走的十條東西

第一，偉大結果通常不會來自所有人都舒服的共識。

第二，高 conviction 只有和 accountability 結合纔有價值。

第三，頂級 VC 也不是坐等項目；最優秀的公司反而需要投資人去銷售自己。

第四，判斷 Founder 不要尋找標準模板，要尋找能夠創造企業價值的異常長板。

第五，大廠明星高管與 0→1 Founder 是兩種完全不同的人才。

第六，背調真正要找的是行爲的一致性，而不是 Founder 提供的“好評套餐”。

第七，Agent 正逐漸成爲網站、API 和商業系統的新型客戶，Machine UX 會成爲新的產品層。

第八，AI 最大的 TAM 可能不是軟件預算，而是全球勞動與服務預算。

第九，今天的“人工判斷”如果被系統記錄下來，可能成爲明天的 proprietary intelligence。

第十，優秀投資人最大的品質之一不是永遠正確，而是能在證據變化以後快速承認自己以前錯了。

九十一、如果讓我把 Sequoia 的投資哲學壓縮成一個公式

我會寫：

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

但還要乘一個：

Ability to Update。

因爲：

不更新的 conviction，

最終會變成：

Dogma。

九十二、而 Sequoia 真正最厲害的地方，可能不是“比別人更會預測”

是建立了一套：

允許少數人正確的組織系統。

這是完全不同的東西。

普通組織希望：

減少錯誤。

Venture Organization 必須：

允許：

極端觀點。

否則：

很難捕獲：

極端贏家。

這就是冪次法則與組織設計真正結合的地方。

九十三、AI Agent 那一部分再往上升一層，其實是在說：互聯網正在產生第二種經濟人口

過去互聯網用戶：

Humans。

未來：

Humans + Agents。

Agent 會：

搜索。

比較。

談判。

買東西。

部署軟件。

調用 API。

支付。

這意味着它們逐漸成爲：

Economic Actors。

九十四、當 Agent 真正擁有預算時，互聯網商業模式會發生巨大變化

今天：

廣告主要說服：

人。

未來供應商可能首先需要：

說服：

Procurement Agent。

用戶甚至不知道：

爲什麼 AI 選了 A 不選 B。

於是商業競爭會從：

Brand-to-Human

擴展成：

Brand-to-Agent。

這會創造一整個新的：

Analytics。

AEO。

Agent Reputation。

Machine Payments。

Machine Identity。

Machine Security。

九十五、這可能是視頻裏真正最大的投資機會

大家現在都在做：

Agent。

但更大的機會也許包括：

Agent Economy Infrastructure。

Identity。

Payments。

Permissions。

Observability。

Insurance。

Security。

Discovery。

Reputation。

Pricing。

Protocol。

就像互聯網最大的公司不只是：

網站，

還出現：

AWS。

Stripe。

Cloudflare。

Twilio。

Agent 時代也會有自己的：

基礎設施層。

九十六、而“Services: The New Software”則代表另一條超級主線

Agent Economy：

改變：

誰是客戶。

Autopilot：

改變：

公司賣什麼。

以前：

賣 Tool。

以後：

賣 Outcome。

這兩條同時發生，

可能是 2026 AI 商業最值得追蹤的兩個範式變化。

九十七、如果二者最終結合，會出現一種非常有意思的新企業

Agent：

自動尋找供應商。

AI-native service：

自動完成任務。

雙方：

通過 API 交易。

人類只負責：

Goal + Judgment。

於是：

Agent buys work from Agent。

如果走到這一層，

今天大量：

Sales。

Procurement。

Operations。

Service Delivery

都會被重構。

這纔是 Agent Economy 真正的終局想象。

九十八、但越是這種宏大 Thesis，越需要記住紅杉自己的教訓

Trade Republic：

別因爲已經有一個贏家，

就假設市場只能有一個。

Anthropic：

別因爲過去拒絕過，

就不願承認世界發生變化。

SpaceX：

別因爲 IC 有人極度反對，

就自動放棄。

這三件事情其實可以濃縮成一句話：

不要讓自己的框架變成自己的監獄。

九十九、標題我建議再升級一級

你原來的第 1 個很準確，但稍微偏“內部機制”。

如果作爲正式課程，我最推薦：

《紅杉資本如何尋找下一個百倍贏家：投決機制、Founder 判斷與 AI Agent 新經濟》

這個覆蓋面最好。

如果更偏金融與 VC：

《打出 1 分也能投：紅杉資本的高 Conviction、冪次法則與非共識投資機制》

這個傳播性很強，而且抓住本期最獨特的點。

如果更偏 AI 趨勢：

《Agent 成爲新客戶，服務成爲新軟件：紅杉資本的 2026 AI 投資地圖》

這個我也非常推薦。

如果更偏 Founder：

《Sequoia 怎麼識別超級創始人：Spike、Judgment、PQ 與深度背調法則》

如果要一個最炸、最適合傳播的：

《爲什麼紅杉敢投一個內部評分只有 1 分的項目？》

但作爲課程正文，我最推薦：

《打出 1 分也能投：紅杉資本的高 Conviction、冪次法則與 AI 新投資範式》

因爲這一期真正最高的一層不是：

“Sequoia 的 IC 怎麼開。”

而是：

風險投資這個行業的本質，就是設計一種能夠讓少數極端正確的判斷穿過組織、穿過反對、穿過時間，並最終獲得足夠資本暴露的制度。

傳統企業最怕：

異議。

頂級 VC 最怕的反而可能是：

所有人都同意。

因爲在冪次法則世界裏：

共識可以讓你少犯錯；非共識才可能讓你賺到改變整個基金命運的錢。