從紅杉26年33筆AI投資，看懂智能體時代的下注邏輯
今年，紅杉出手更多了。
據不完全統計，2026年以來紅杉全球在AI領域已經累計出手33次。而據烏鴉君此前統計，2023至2025年間，紅杉只出手了45次。
如果你仔細拆解這33筆投資，會發現一個驚人的事實：紅杉對“智能體時代”的布局已經開始了。
基礎設施層，是2026年紅杉出手最密集的賽道。今年以來，紅杉在智能體基建賽道累計出手10次，占總出手數的比重接近三分之一。
在紅杉看來，智能體將成為下一代軟件運行的主體。紅杉判斷，長時程智能體想要在生產環境規模化穩定運行，必須配一整套工具棧——推理性能優化、多步驟工作流編排、實時外部數據檢索、輸入輸出校驗與系統安全，缺一不可。
今天，我們就透過這33筆投資，看看頂級VC眼里的“智能體時代”到底長什么樣。
/ 01 /
模型層：重倉巨頭+前沿押注
紅杉在模型層的策略一直非常克制。2023年，紅杉合伙人Roelof Botha曾直言：“我們的錢不是用來付天價訓練成本的。”
實際動作也印證了這點，除早期投資的OpenAI和xAI外，紅杉對通用大模型賽道始終保持著財務投資人的距離感。
但進入 2026 年，智能體落地讓模型可靠性從“加分項”變成了生死線——一個亂編、會死循環的智能體，企業不敢用。
于是紅杉的策略來了個180度轉彎，從“選擇性參與”變成了“重倉巨頭 + 前沿押注”的雙線打法。
在頭部通用大模型賽道，紅杉半年內兩度追投Anthropic（G輪參投，H輪聯合領投），對其H輪投后估值達到了驚人的9650億美元；對OpenAI的8520億美元新一輪融資也持續跟進。
對紅杉而言，追投頭部模型的真正意圖，是卡住“確定性”。無論未來AI怎么發展，模型層的贏家大概率繞不開這兩家。
而在下一代技術路線上，紅杉把籌碼押給了Ineffable Intelligence。
這家由AlphaGo之父David Silver創立的英國AI實驗室，主打純強化學習路線的下一代基礎模型，不依賴人類標注數據訓練。紅杉在其種子輪就聯合領投，投后估值達51億美元。
紅杉在模型層的打法其實很清晰：兩頭下注，用確定性保底，用黑馬博超額收益。
/ 02 /
出手最多，押注智能體“賣鏟人”
基礎設施層，是2026年紅杉出手最密集的賽道。今年以來，紅杉在智能體基建賽道累計出手10次，占總出手數的比重接近三分之一。
紅杉判斷，長時程智能體想要在生產環境規模化穩定運行，必須配一整套工具棧——推理性能優化、多步驟工作流編排、實時外部數據檢索、輸入輸出校驗與系統安全，缺一不可。
在推理性能優化方面，紅杉領投了估值40億美元的Fireworks AI（高性能AI推理云平臺），并參投了由vLLM核心團隊創立的Inferact（主打底層推理優化）。
其中，Fireworks AI是一家高性能 AI 推理云平臺，把市面上主流的開源、閉源大模型都部署在自己的算力集群上，開發者和AI公司通過API一鍵調用，省去自建GPU的成本與運維，推理更便宜、更快。
Inferact則由知名開源推理框架 vLLM 的核心團隊創立，主打底層推理優化技術，通過技術優化讓一塊 GPU 能同時處理更多請求、單條推理成本更低。
在多步驟工作流編排方面，紅杉連續加注了開源工作流編排引擎Temporal，投后估值50億美元。在紅杉看來，沒有成熟的編排工具，智能體永遠只能是演示級的“玩具”。
Temporal 是目前行業主流的開源工作流編排引擎，相當于智能體系統的 “任務調度總管”，負責管理復雜任務的步驟順序、故障恢復，保障多智能體能穩定地運行。
在實時外部數據檢索領域，紅杉領投了前Twitter CEO創立的Parallel Web Systems（估值20億美元）。
Parallel由前 Twitter CEO Parag Agrawal 創立，專為 AI 智能體提供網頁訪問與檢索基礎設施。智能體需要實時從互聯網獲取信息，但直接訪問網頁會遇到反爬、宕機、解析混亂等問題。Parallel把這些問題封裝成一套高可用API，相當于給智能體配了一個“專屬瀏覽器”，解決智能體實時獲取外部公開數據的痛點。
除了上述領域外，AI安全的基礎設施也是紅杉布局的重點。
比如，紅杉投資了Pydantic。Pydantic 是 Python AI 生態最核心的數據驗證與數據建模庫，已經成為 FastAPI、LangChain 等眾多 AI 框架的重要基礎設施。
大模型輸出的內容往往是自由文本，無法直接對接企業系統，Pydantic 可以嚴格校驗輸出數據的格式、結構、類型，確保智能體的輸出是規范、可用的，堪稱智能體的 “格式質檢員”
此外，紅杉的布局還覆蓋了漏洞挖掘、模型防護、數據安全、隱私計算、安全數據基建五大環節。
XBOW：AI 驅動的自動化滲透測試平臺，可自主發現并驗證軟件漏洞。
Oasis Security：專注AI模型本身的安全，包括 prompt注入、數據泄露、惡意工具調用等 AI 特有安全問題。
Cyera：AI 數據安全平臺，企業在用大模型處理數據時，哪些數據能喂給模型、哪些不能，全生命周期需要管控。Cyera解決的就是大模型落地中的數據合規問題。
Evervault：AI 隱私計算基礎設施，它能讓企業在加密數據上直接運行AI推理——比如醫院要把病歷數據傳給AI分析，但全程數據都是加密的，滿足金融、醫療等強監管行業合規需求。
Scanner：面向安全場景的高性能數據基礎設施，相當于 AI 安全智能體的日志檢索引擎，讓企業安全團隊能以極低成本保存海量歷史日志，并隨時查到任何時間段的記錄，快速調查攻擊來源。
紅杉在基礎設施層的打法，本質上是在為智能體經濟的爆發提前“鋪路”。搶占智能體經濟基礎設施與關鍵場景的先發位置。
/ 03 /
應用層：別做“助手”了，要做就做“勞動力替身”
應用層始終是紅杉 AI 投資的主戰場，這和它 “重應用、輕模型” 的一貫策略一脈相承。
不過前幾年不同，紅杉今年的應用投資邏輯發生了升級：從“AI提效工具”全面轉向“自主智能體服務”。
紅杉在《Services: The New Software》中提出了一個核心判斷：單點工具隨時可能被大模型內置為功能。真正的壁壘，是把AI能力串聯成自主工作流，直接交付完整的業務結果，搶占企業的人力服務外包預算。
數據也支撐了這個判斷：企業每花1美元買SaaS軟件，就會配套花6美元在人力服務上。AI應用的最大增量市場，不是替代軟件，而是替代人。
在法律AI賽道，Harvey是絕對核心標的，2026年兩個月內連融兩輪，紅杉均擔任領投，估值達110億美元。
從早期的合同工具到如今的全流程 AI 平臺，Harvey 已經從 “律師的輔助工具” 進化為 “AI律師”。Crosby 則代表了 “AI + 持牌律所” 的創新模式，把數天的合同審查壓縮到 1 小時。
醫療 AI 是另一大重倉賽道，邏輯與法律高度一致：大量標準化流程存在優化空間。2026 年紅杉的投資已經從行政提效延伸到醫保、診療等核心環節。
其中，Commure 是醫療賽道標桿，主打醫療收入周期管理，用 AI 自動化處理醫保理賠、賬單核算等行政流程，ARR 已突破 2 億美元，本質是直接替代醫院行政人力。
此外，Anterior 專注醫療事先授權審批自動化，幫助醫院快速獲取手術、檢查等項目的保險批復；Grow Therapy 提供AI驅動的心理健康服務平臺，通過智能匹配引擎為患者精準推薦持牌治療師。
在金融AI賽道，紅杉布局了Pace、Rogo和Rowspace，主打一級市場投研、企業財務和保險理賠的全流程自動化。
除了垂直領域外，紅杉對于AIGC也頗為看好。對于AIGC賽道，紅杉的態度非常明確：純生成工具沒有長期壁壘，只有打通內容生產全工作流的公司，才能形成持續價值。
于是，紅杉加注了ElevenLabs（AI語音）、Decart（實時視頻生成）和Astrocade（AI游戲內容生成）。
ElevenLabs：全球頭部 AI 語音生成公司，提供多語言語音合成、聲音克隆、音頻生成等服務，覆蓋內容創作、游戲、客服、影視等場景。
Decart：專注實時生成式視頻技術與 GPU 優化，推出全球首個無限長視頻生成模型 MirageLSD，實現超低延遲實時視頻轉換。
Astrocade：AI 游戲內容生成平臺，用 AI 自動化生成游戲場景、角色、劇情、關卡等內容，賦能游戲開發全流程，提升內容生產效率。
縱觀紅杉的應用層布局，所有標的都遵循同一個標準：不是給員工做提效工具，而是直接交付完整的業務結果。AI創業的競爭維度，已經從“誰的模型能力強”，變成了“誰能吃掉更多的人力服務預算”。
/ 04/
總結
復盤紅杉33筆投資，風格與前幾年一脈相承：重倉早期、注重商業化兌現、驗證即加倉。
2026年紅杉的AI投資中，早期項目占比超55%，近60%由紅杉領投。所有被加注的項目，幾乎都有亮眼的商業化表現（如Harvey ARR破3億美元，Commure ARR超2億美元）。
紅杉合伙人今年在AI Ascent峰會上定調：2026年是“功能性AGI元年”，智能體正式從演示跨進商用門檻。
而紅杉所有的布局，都指向一個終極判斷：AI對腦力勞動的顛覆，將等同于工業革命對體力勞動的顛覆。
原文標題 : 從紅杉26年33筆AI投資，看懂智能體時代的下注邏輯
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
