当全世界还在争论 " 什么是通用人工智能（AGI）" 时，硅谷最老牌的风投机构红杉资本，已经不耐烦了。

2026 年伊始，红杉合伙人帕特 · 格雷迪 ( Pat Grady ) 与索尼娅 · 黄（Sonya Huang）联合发文：《2026：这就是 AGI》。他们直接断言：别等了，它已经来了。

不是天网觉醒，也不是机器人统治人类，而是悄无声息地藏在那些能连续工作几十分钟、甚至几个小时的 " 长周期智能体 " 里。

" 准备好，" 他们写道，" 你们对 2030 年的畅想，已经提前在 2026 年实现了。"

这话可不是随便说说。他们举了一个扎扎实实的例子：一个智能体在 31 分钟内，就帮创始人精准锁定了一位几乎完美匹配的招聘目标。

从 " 聊个天 " 到 " 办成事 "，AI 的能力边界，正在被重新划定。

01 定义 AGI？能 " 把事情想明白 " 就行

关于 AGI 的定义，学术界和产业界吵了很多年。

格雷迪和索尼娅 · 黄回忆，早年他们问顶尖研究员怎么定义 AGI，对方往往面面相觑，最后憋出一句：" 我们各自有定义，但我们看见它时，就会知道。"

听起来很玄乎。但现在，这两位投资人决定抛开哲学辩论，给出一个极度务实、甚至有点 " 简单粗暴 " 的定义：

"AGI 就是把事情想明白的能力。仅此而已。"

他们解释道，一个能 " 把事情想明白 " 的人，需要知识、推理能力和迭代试错的本事。AI 也一样：知识靠预训练（如 ChatGPT）、推理靠更强的计算（如 o1 模型）、迭代试错则靠 " 长周期智能体 "（如最近冒头的 Claude Code）。

三者凑齐，一个能自主工作、自我修正、不靠指令就知道下一步该做什么的 " 智能体 "，就出现了。

说白了，他们不关心 AI 内部有多复杂，只关心一件事：" 这玩意儿到底能干嘛？"

对他们来说，能真实解决问题、影响现实世界的 AI，就是 " 通用 " 的。

02 31 分钟实战：从模糊指令到精准人选，AI 猎头已上岗

定义很虚，但应用场景已经开始落地。

格雷迪和索尼娅 · 黄描述了一个具体任务：一位创始人需要找一个开发者关系负责人，要求 " 技术好、受工程师尊敬、还得真爱玩推特 "。

指令很模糊，但 AI 智能体接活了。它没按简单关键词搜索，而是像资深猎头一样，展开了一套复杂操作：

不只看简历：先在 LinkedIn 上搜竞争对手公司（Datadog、Temporal、Langchain）的相关职位，但马上意识到头衔不靠谱。

转向看实力：跑去 YouTube 扒行业会议演讲，专挑那些观众互动高的演讲者——能讲，才有真本事。

挖掘真实性格：把找到的演讲者名单，拉到推特上 " 人肉 " 一遍。筛掉只会转发公司稿子的 " 工具人 "，锁定那些有真实粉丝、敢发表观点、帖子有 " 网感 " 的活生生的人。

捕捉跳槽信号：检查哪些人最近三个月发帖频率下降了，这可能意味着他们对现职不满。

交叉验证排除法：锁定几个目标后，再排除刚升职的、自己创业的，最终聚焦到一个人身上——一位刚经历公司裁员、技术领域高度匹配、且两个月没更新领英的资深人士。

智能体连方案都给了：不仅找到人，还起草了一封语气诚恳、切入点精准的招募邮件。

整个过程，只用了 31 分钟。创始人拿到的不再是几百份简历，而是一个极可能成功的具体目标和行动草案。

格雷迪和索尼娅 · 黄总结，这就是 " 把事情想明白 "，在模糊目标里自主探索、试错、转向，直到打通路径。

" 智能体有着一位优秀招聘人员的技能，只是它不知疲倦，且无需被告知具体方法。"

当然，AI 依然会犯错，会有 " 幻觉 "。但趋势已不可逆：它正从一个需要手把手教的 " 实习生 "，变成能独立负责一摊事的 " 准同事 "。

03 核心突破：让 AI" 想得更久 " 的长周期智能体

为什么现在的 AI 能一口气 " 跑 "31 分钟的任务了？

关键在于 " 长周期智能体 " ，可以理解为给 AI 大脑装上了 " 持久专注 " 和 " 任务管理 " 的外挂。

以前的 AI 模型，一次推理也就几秒，现在主要通过两种方式让它 " 续航 " 更久：

强化学习：在训练中反复 " 捶打 " 模型，让它学会在长任务中保持专注。这是顶尖 AI 实验室的主战场。

智能体框架：给 AI 设计外部辅助工具，帮它管理记忆、规划步骤。这是应用层公司（如做出 Claude Code、Manus 的团队）的发力点。

进步速度是指数级的。独立非盈利评估机构 METR 追踪的数据显示，AI 完成长周期任务的能力，大约每 7 个月翻一番。

照这个速度推算：

到 2028 年，AI 能可靠完成人类专家一整天的工作

到 2034 年，它能干完人类专家一年的活儿

到 2037 年，它能处理人类需要 100 年才能完成的任务

100 年的工作量是什么概念？可能是分析完历史上所有的临床实验数据，可能是从海量客服记录里挖出规律，也可能是把庞杂的税法彻底重写。

04 " 雇佣 "AI 同事的时代，已拉开序幕

一个最直接的 AGI 试金石是：你能不能 " 雇佣 " 它？

格雷迪和索尼娅 · 黄认为，很快你就可以像招人一样，" 雇佣 " 专业 AI 智能体为你工作。现在，你已经可以 " 雇佣 "GPT-5.2、Claude 这些模型，而专业化的 "AI 员工 " 正在涌现：

你的 "AI 专科医生 "（OpenEvidence 的 Deep Consult）

你的 "AI 律师助理 "（Harvey 智能体）

你的 "AI 网络安全员 "（XBOW 智能体）

你的 "AI 芯片设计师 "（Ricursive 智能体）

甚至你的 "AI 研究员 "（GPT-5.2）

这意味着，2023-2024 年的 AI 主要是 " 谈论者 "，即聪明的聊天对象。而 2026-2027 年的 AI 将成为 " 执行者 "，就像真正的同事一样。

我们的工作模式会被颠覆：从每天问几次，变成每天有好几个 AI 同时在替你干活。

我们的角色也会转变：从一个亲力亲为的 " 执行者 "，变成一个管理 AI 团队的 " 经理 "。

" 所有关于‘售卖工作’的讨论，现在成为可能了。"

结语：别光顾聊天了，给它派活吧

长周期智能体的指数级增长已经启动。今天，它能可靠运行 30 分钟；不久，它就能承包你一天的工作；未来，它的视野将以 " 世纪 " 为单位。

当 AI 不仅能回答 " 是什么 "，更能持续探索 " 怎么办 " 时，我们面对的已不仅是工具升级，而是一次生产力关系的重构。

格雷迪和索尼娅 · 黄最后表示：别再只把 AI 当聊天机器人或搜索引擎了，是时候给它派活儿了。

2026 年，AGI 或许不会以惊天动地的方式降临，但它已经化身为无数个在数字世界里，默默 " 把事情想明白 "、并动手去做的智能体。

这场静默的变革，已经开始。