红杉看Agent经济：当软件入口从人转向机器，价值将向“结果”与“信任”迁移

信源：[20VC｜Harry Stebbings 对话 Sequoia Capital 合伙人 Julien Bek｜2026-08-24]

这场88分钟的访谈，前半段谈红杉如何找项目、判断创始人和召开投资委员会，后半段才抛出最值得讨论的技术命题：Agent正在成为新的客户。

把两部分放在一起看，会发现红杉真正展示的是一套在高速变化中保留非共识判断的决策系统。每位合伙人先异步阅读备忘录并独立给出意见，再通过投资委员会进行现场辩论；如果所有人都给出接近满分的评价，还要指定一位“反方”写出项目失败的预演。最终，主导项目的合伙人依然可以顶着反对票下注，但也必须承担由此带来的职业信誉风险。据Bek回忆，SpaceX最初在内部遭遇过极低评分，主导合伙人没有放弃，而是推动团队亲自验证，先做小额投资，再逐步加码。

这套机制在AI周期尤其重要。项目数量、增长速度和估值都被压缩到更短时间内，集体讨论很容易奖励表达流畅、叙事完整的创始人，却惩罚那些尚未被共识理解的异类。红杉把“慢思考”的书面判断与“快思考”的现场交锋结合起来，本质上是在解决一个矛盾：既要更新旧有认知，又不能让集体共识抹掉个人确信。后半段关于Agent的判断，也应该按同一标准审视——方向是否足够重要，事实是否已经跟上。

所谓Agent成为客户，并不是“网上机器人越来越多”这么简单。它指的是Agent不再只替人总结信息，而是开始代表个人或企业表达意图、发现产品、选择工具、调用接口，甚至执行购买和业务流程。一旦用户意图不再直接抵达网页和App，而是先经过Agent这一层，软件业过去二十年围绕人类点击建立起来的产品、分发和收费体系，都要重新设计。

不过，视频中的数据需要先校正。Julien Bek援引Cloudflare称，Agent流量已经与人类流量相当，未来五年甚至可能达到后者的1000倍。Cloudflare的[正式表述]其实是：2026年非人类流量首次超过互联网流量的50%；这并不等于AI Agent已经占据半数。其[2025年回顾]还显示，AI Bot平均只占HTML请求的4.2%。爬虫、安全扫描、传统自动化脚本和代表用户执行任务的Agent，是完全不同的东西。前者制造请求，后者才可能形成交易。

这个口径差异没有推翻Bek的方向判断，反而说明行业还处在基础设施早期。Cloudflare把Agent所需的互联网概括为四个能力：可读取、可发现、可调用、可支付。它在[Agent Readiness调查]中扫描20万个高访问量网站后发现，支持Markdown内容协商的网站只有3.9%，MCP Server Card与API Catalog合计甚至不到15个。今天的网页擅长向人展示图片、按钮和广告，却还不擅长向机器说明“我是谁、能做什么、怎样授权、如何收费”。

因此，Agent接管软件入口带来的第一层变化，是分发逻辑从“吸引人的注意力”转向“进入机器的候选集”。UI不会消失，但它不再是唯一入口。过去企业争夺SEO排名和转化率，接下来还要争夺Agent能否稳定读取、理解、调用并信任自己。品牌也不会简单归零，只是会从视觉记忆迁移为模型推荐中的先验、接口可靠性、历史履约记录和权限信誉。

第二层变化更大：软件开始从卖工具，转向交付结果。Bek把两者区分为Copilot与Autopilot——前者卖给专业人员一件提效工具，后者直接向企业出售已经完成的工作。公司不再只为财务软件的席位付费，而是为“按时关账”付费；不再按客服坐席或Token计价，而是为“问题确实解决”付费。Sierra已经[采用这种结果定价]：解决一次对话、挽回一次取消或完成一次追加销售才收费，未解决的情况通常不收费。

这一步把AI公司的收入上限，从软件预算推向了更大的服务与人力预算，但也把风险一起搬到了供应商一侧。模型调用成本、异常处理、人类复核和错误责任，过去由客户在使用工具时承担，结果定价后要由Agent公司消化。收入池扩大，并不自动意味着利润率提高；只有结果足够清晰、自动化成功率足够高，单位经济模型才成立。

这也解释了为什么Agent最先穿透的不会是所有白领工作，而是三类任务：结果可验证、流程已经外包、规则性工作多于判断性工作。客服工单、标准合同、对账、理赔资料处理，比战略咨询、复杂招聘和重大采购更容易走向Autopilot。企业替换一家外包供应商只是一次供应商切换，直接用AI替换内部团队却意味着组织重构，阻力完全不同。

视频最重要、但没有充分展开的一点，是当软件开始替客户行动，下一道瓶颈会从模型智力迁移到信任系统。一个Agent要访问数据库、代码库和支付接口，企业必须知道它代表谁、为了什么任务、可以做哪些动作、权限何时失效，以及出错后如何追责。Cloudflare提出的[Agent Access Model]因此强调短期、任务级凭证，并对每个动作单独授权；权限约束必须落在Harness和网络层，而不能只写在Prompt里。

由此看，Agent经济的价值不会只流向模型和应用。身份、授权、审计、可观测性、支付、结果验证以及企业System of Record，都会成为新的控制点。Agent可以在几秒钟内更换一家机票供应商，却无法轻易搬走企业多年积累的财务数据、审批规则和合规关系。AI降低了操作成本，却可能抬高可信执行环境的价值。

Bek提出“今天的判断会成为明天的智能”，同样值得重视。Copilot阶段，人类的修改、拒绝、升级处理和例外决策，实际上是在为系统标注什么叫“正确结果”。能持续记录这些判断，并解释为何接受或拒绝某个结果的公司，积累的不是泛化的企业数据，而是可用于自动化下一层工作的“判断数据”。这可能比单纯拥有更多文档更难复制，也更接近Agent应用真正的护城河。

当然，这条路径仍有一个很强的反方情景：如果Agent长期只能读网页和生成建议，无法获得稳定的身份、权限与责任边界，那么所谓“新客户”只是一个更自动化的流量渠道；如果结果定价始终局限在客服等少数任务，软件价值也不会大规模迁移到服务预算。

接下来最值得观察的，不是笼统的Bot流量，而是三项更硬的变量：有多少生产任务开始使用任务级身份与授权，有多少AI收入按结果而不是席位或Token结算，以及可调用、可支付的Agent协议在真实企业中的采用率。

Agent是否会成为互联网流量的绝对主体，今天还无法证明。但一旦软件开始为人作出选择并承担行动，竞争的核心就已经发生变化：谁能把模型能力封装成可验证的结果，谁又能让企业放心地把权限交给它。前者决定产品有没有价值，后者决定这门生意能不能真正进入生产系统。