Pat Grady

摘要

Pat Grady 是 Sequoia Capital 成长期与 AI 投资的核心合伙人，2026 年 Forbes Midas List 排名第 25。他 24 岁加入 Sequoia（当时该公司史上最年轻的雇员），从 2015 年起领导成长期投资业务，2025 年 11 月与 Alfred Lin 一同接任 Sequoia 的 co-steward（接替 Roelof Botha）。他的代表投资横跨企业软件的两个时代：上一代的 Snowflake、ServiceNow、Zoom、HubSpot、Okta、Qualtrics，以及 AI 时代的 OpenAI、Harvey、OpenEvidence、Hugging Face、Notion。

作为投资人，他的判断框架高度可提炼："市场决定一家公司能做到多大，创始人决定一家公司将会做到多大"；在成长期只投有"疯狂非对称上行"（10X 起步）的机会；用"向量"（magnitude 量级 + direction 方向）刻画创始人；坚信信念（conviction）而非共识（consensus）才是回报的来源。作为 AI 思想者，他与 Sonya Huang 合著了 Sequoia 关于生成式 AI 的两篇 canonical 檄文——《Generative AI: A Creative New World》(2022) 与《Generative AI's Act o1: The Reasoning Era Begins》(2024)，并合著《2026: This is AGI》，共同主持 Sequoia 的 Training Data 播客。他对 AI 周期的核心判断是：价值会沉淀在应用层而非模型层，护城河来自"处理真实世界的混乱"，以及单位价值正从 "$ / seat" 迁移到 "$ / outcome"。

本档案以 VC 读者为对象，重点放在他的 AI 投资 thesis、市场量级框架、对"什么造就持久软件公司"的判断，以及他如何形成与更新 thesis。

一、生平时间线

早年与教育（1982?–2004）

Pat Grady 是 Wyoming（怀俄明州）人。他人生的第一份工作是在高中期间给房子盖屋顶——做建筑零工，时薪约 9 美元。这种蓝领起点在他后来反复强调的"desperation（紧迫感）"、"earn it today（今天就去挣来）"的语言里留下了印记。

• 2000 年，他被评为 U.S. Presidential Scholar（怀俄明州代表），这是美国对高中毕业生的最高荣誉之一。
• 2000–2004 年就读于 Boston College，以 summa cum laude（最高荣誉）毕业，获经济学与金融学士学位，辅修数学。
• 他提到 BC 的部分学费与 Sequoia 的投资收益相关（通过校方的捐赠/奖学金渠道）——他把这件事当作一种动机来源：一家风投机构的回报，间接资助了他的教育。
• 大学期间曾在 Citigroup 的 Healthcare 团队实习。

事实与推断之分：上述"蓝领起点—紧迫感"的因果链，是基于他自述材料（盖屋顶、时薪 9 美元）与他在播客中反复使用的语言所做的推断；他本人未必明确地将二者串成因果。

销售学徒期：Summit Partners（2004–2007）

大学毕业后，Grady 没有走传统投行/咨询的精英路径，而是以 inside salesman / associate 的身份加入了 Summit Partners（2004 年 7 月 – 2007 年 2 月）。这是一段冷启动式的销售学徒训练：

• "50 dials a day"（每天打 50 通电话），一个月约 200 次对话。
• 他把 sourcing（找项目）框定为一个"数量 + 手艺"的游戏——既是统计学，也是一门工艺。

这段经历对他的方法论是 formative（塑造性）的，但也留下了一个反面教材，他多年后仍在引用：Summit 当时用 call-tracking（通话量考核）来量化个人产出，结果导致人们去给那些自己根本不会投资的创始人打电话，只为了刷数字。这成为他后来在 Sequoia 反对"个人化产出指标"的直接经验来源。

"Most companies actually run out of money in the real world, not in a foie gras-ing venture world... speed is everything, and finding product market fit is everything."

"现实世界里，大多数公司是真的把钱烧光了，而不是活在被风投硬塞钱（foie gras 式）的温室里……速度就是一切，找到 product-market fit 就是一切。"

20VC with Harry Stebbings, E1174 (2024)

加入 Sequoia（2007）：史上最年轻雇员

2007 年 3 月，Grady 加入 Sequoia Capital，时年 24 岁——是当时 Sequoia 史上最年轻的雇员。

领导成长期投资（2015– ）

从 2015 年起，Grady 领导 Sequoia 的成长期投资 practice。这一阶段对应了企业 SaaS 的黄金十年，他的名字与一批 category-defining 的软件公司绑定：

• ServiceNow（创始人 Fred Luddy，54 岁创业——Grady 称其为"100x developer"）
• HubSpot、Okta、Snowflake、Zoom、Amplitude、Qualtrics、Medallia、Drift 等（陆续 IPO 或被收购）

到 2025 年底，他参与的组合公司合计市值超过 2500 亿美元，其中 OpenAI（~3000 亿+）、ServiceNow（~1770 亿）、Snowflake（~860 亿）、Zoom（~250 亿）。

thesis 谱系：早在 2017 年就埋下"飞轮护城河"的种子

一个值得 VC 读者注意的连续性：Grady 在 2022 年 AI essay 里的"用户数据↔模型性能飞轮"，并非凭空而来——它是他 2017 年就已公开阐述的"下一代软件"thesis 的直系后代。在 2017 年 3 月的 20VC 访谈里，他把下一个十年的软件跃迁定义为从 business-model transition（on-prem → SaaS） 到 user-experience transition，并给出了那条后来反复出现的良性循环：

"The companies that define the next generation will create a virtuous cycle between design and data. Design produces usage, which produces data, which informs better design."

"定义下一代的公司，会在 design 与 data 之间创造一条良性循环：design 带来 usage，usage 产生 data，data 又反过来打磨出更好的 design。"

20VC (2017-03)

把这句话与 2022 essay 里的"在'用户参与/数据'与'模型性能'之间的飞轮"并置，可以清楚看到：AI flywheel 只是把 2017 的 design→data 循环，换上了 model performance 这个新的反馈变量。换言之，他对"什么造就持久软件公司"的底层 mental model 五年来是连贯的，AI 只是给了它一个更锋利的载体。

他对"数据即护城河"也有一个比口号更克制的版本——数据本身不是护城河，被提炼后的智能才是：

"Data at rest is no better than oil in the ground. It has to be refined into actionable intelligence."

"静止的数据并不比埋在地下的石油更有价值。它必须被提炼成可付诸行动的智能。"

20VC (2017-03)

这条"last-mile（最后一公里）"洞见——瓶颈不在算力或分析框架，而在"把数据在对的时刻送到有真实问题要解决的人手里"——正是他七年后"在真实世界的混乱之上建护城河"那句话的前身（详见第二部分）。

成为 Sequoia 的 Co-Steward（2025 年 11 月）

2025 年 11 月，Pat Grady 与 Alfred Lin 一同被任命为 Sequoia 的 co-stewards，接替执掌约十年的 Roelof Botha。

• Sequoia 管理超过 500 亿美元 AUM；在其 53 年历史中经历了 5 次代际领导交接，且多数情况下采用 co-steward（共同掌舵）模式。
• Grady 是两人中较年轻的一位。媒体将这次交接框定为"自然的传承"，强调两人"长期被验证的优秀投资人声誉"。
• 一个值得 VC 读者注意的事实：Grady 与 Lin 共同主导了 Sequoia 对 OpenAI 的投资——这次任命某种程度上是对那笔决策与更广泛 AI 押注的背书。
• Grady 把 stewardship 描述为"一个梦想而非一个目标（a dream rather than an objective）"，其核心是把行政负担降到最低，让 Sequoia 回到投资的本源。
• 来源: Fortune (2025-11-05)；Uncapped with Jack Altman Ep.36 (2025-12)

"We feel like we've been given this wonderful gift that is Sequoia. The only thing that's been asked of us in return is to make sure that we leave it in a better place than we found it."

"我们觉得自己被赐予了 Sequoia 这份美好的礼物。作为回报，唯一被要求的，就是确保我们离开时，把它留在一个比接手时更好的位置。"

Invest Like the Best, EP.378 (2024)

二、深度洞察

本节按 VC 读者关心的主题组织：先是 AI 投资 thesis 与市场量级框架（权重最高），再是创始人评估、投资组合数学与信念哲学，最后是组织文化与个人原则。

关于 AI 投资：价值在哪一层沉淀

Grady 与 Sonya Huang 在 2022 年 9 月的《Generative AI: A Creative New World》里，给出了至今仍被引用的两层市场地图：模型层（基础/foundational） 与 应用层（价值沉淀处）。他的核心判断是：长期的、可防御的价值，归属于应用层中那些建立起"用户数据 ↔ 模型性能"飞轮的公司。

"We can think of Generative AI apps as a UI layer and 'little brain' that sits on top of the 'big brain' that is the large general-purpose models."

"我们可以把生成式 AI 应用理解为一个 UI 层加一个'小脑'，坐在'大脑'——即大型通用模型——之上。"

Generative AI: A Creative New World (Sequoia, 2022)

"The best Generative AI companies can generate a sustainable competitive advantage by executing relentlessly on the flywheel between user engagement/data and model performance."

"最好的生成式 AI 公司，能够通过在'用户参与/数据'与'模型性能'之间的飞轮上不懈执行，来建立可持续的竞争优势。"

Generative AI: A Creative New World (Sequoia, 2022)

这里的飞轮机制是明确的三步循环：1）做到卓越的用户参与 → 2）把更多用户参与转化为更好的模型性能（通过 fine-tuning + 标注数据）→ 3）用更好的模型性能驱动更多用户增长。换句话说，应用层公司不是被动地"套壳"大模型，而是把使用本身变成数据资产，反哺一个专属于自己的小模型。

"Every industry that requires humans to create original work—from social media to gaming, advertising to architecture, coding to graphic design...is up for reinvention."

"每一个需要人类进行原创工作的行业——从社交媒体到游戏，从广告到建筑，从写代码到平面设计……都将被重新发明。"

Generative AI: A Creative New World (Sequoia, 2022)

对 VC 的提炼：早在 2022 年，Grady 就把"应用层 vs 模型层"的争论结构化了，并明确站队应用层。他对模型层的态度在后续访谈里愈发直白——他对基础模型公司的价值捕获持怀疑，认为模型本身可能更像是一种会被商品化的能力，而真正的经济价值会沉淀到建立在其上的应用/消费层。

"You can build a hell of a moat on top of a foundation model by dealing with all the messiness of the real world."

"通过处理真实世界里所有的混乱，你可以在一个基础模型之上建起一条相当可观的护城河。"

Peak XV (2025)

这是他 AI 应用层 thesis 的浓缩：模型给你的是通用智能，但真实世界是脏的、是充满边界情况和工作流摩擦的——谁愿意去处理这些"messiness"，谁就在大模型之上挖出了护城河。Harvey（法律）、OpenEvidence（医疗）都是这个论点的活体例证。

而真正让他笃定"为什么值得在应用层下重注"的护城河直觉，是一条关于持久性藏在最后 20% 里的经验律：大多数 AI 产品能很快做到 80% 的功能，但最后那 20% 要花 5–10 倍的时间——而恰恰是这 20% 在累积 trust（信任），也就是真正的护城河。这与他 2017 年的 last-mile 洞见、2024 年的 messiness 论点是同一条线的不同切片：通用智能会越来越便宜，但把它变得可信、可靠、嵌进真实工作流的那段苦活，才是经济价值沉淀的地方。

AI 的"为什么现在"与创业者-在位者动态（2023 早期第一人称）

2022 essay 之后仅数月，Grady 与 Sonya Huang 在 2023 年 1 月的 NVIDIA The AI Podcast（主持人 Noah Kravitz）上第一次以第一人称口语展开那张市场地图。这是一档双嘉宾访谈，但 Podwise 的 QA 逐条标注了发言人，故本节只折入明确归属到 Grady 的答案（Sonya Huang 关于 encoder/decoder、flywheel、生物/游戏等的段落不计入）。这批材料的价值不在于新结论，而在于把 essay 里的抽象论断还原成他当时的思考语言，并补上了两个此前档案缺失的角度：一个更底层的"为什么现在"，以及一个关于创业者能否打赢在位者的判断。

"为什么现在"的底层驱动是数据，不是模型本身。 他把半个多世纪的技术浪潮（60 年代的半导体 → 互联网 → 移动云）读成一条"算力可及性每次提升一个数量级"的曲线；而到了 70 多亿人已在线的今天，靠"让更多人接入"来推动行业的空间已经见顶——下一跃迁的变量因此从"接入"切换到了"数据"。（这与他 2017 年"data is the new oil"是同一条线，此处不重复展开。）他给出的一句浓缩：

"We are moving from 'dumb' software that just captures information to 'smart' software that produces information."

"我们正在从只会'捕获'信息的'笨'软件，走向能够'生产'信息的'聪明'软件。"

The AI Podcast (NVIDIA), 2023-01-18 [00:08:14]

这是一次计算革命，而非通信革命。 面对"AI 究竟有多不同"，他给出的第一条区分——也是他三年后在 2026 keynote 里反复出现、但那里无法逐句归属的框架——在这里是清清楚楚归属到他本人的：

"The internet was a revolution in communication that connected people, but this is a revolution in computation. The shape of the impact will be fundamentally different."

"互联网是一场把人连接起来的'通信'革命，而这一次是一场'计算'革命。它冲击的形状会从根本上不同。"

The AI Podcast (NVIDIA), 2023-01-18 [Q6]

他把它接到一个朴素但有力的推论上：人类劳动的基本技能是读、写、算三样；计算机一向擅长"算"，而现在它把"读"和"写"也一并掌握了——三根支柱一旦全被覆盖，"未来能做的事很可能会以相当剧烈的方式向上超出我们的预期"。

创业者-在位者动态：在位者的数据护城河被高估，真正的优势属于敏捷者。 这是本集贡献的、此前档案完全缺失的一个角度——它是对"大公司靠数据必胜"这一流行直觉的直接反驳，也与他"conviction / outlier / knife fight"的整体气质自洽。

"The war in technology is always between small companies with good products and big companies with good distribution... that data is often less accessible and provides less of an edge than people suspect. The real advantage belongs to the agile."

"技术领域的战争，永远是'拥有好产品的小公司'与'拥有好分发的大公司'之间的战争……（大公司的）那些数据，往往比人们以为的更难调用、带来的优势也更小。真正的优势属于敏捷者。"

The AI Podcast (NVIDIA), 2023-01-18 [00:19:48]

他的经验证据是 cycle time（迭代周期）：Notion、Neva 这类公司里最成功的 AI 尝试，往往是创始人亲自在几天内搭出可用原型；而上市公司则常常卡在"提议组一个 100 人的团队、明年再做"，一家初创却可以"今天就给一个人拨钱、马上开做"。

对 VC 的提炼：把这条"agility > incumbent data"与档案已有的"founder DNA 是终极护城河""数据本身不是护城河、被提炼后的智能才是"并置，可以看到 Grady 对"AI 时代谁会赢"的判断始终落在执行速度与人上，而非落在"谁囤了更多数据"上——这也正是他敢于在应用层、而非在数据/模型层下重注的又一条理由。

Act Two（2023-09）：customer-back 的成文起源，与 data-moat 怀疑论的转折点

归属说明：《Generative AI's Act Two》（2023-09-20）与 2022 年的《A Creative New World》同为 Grady 与 Sonya Huang 合著 essay（署名还包括 GPT-4），无法把单句拆分归属到 Grady 个人；本节按档案既有惯例，将其作为"Grady 参与自署的 thesis 文本"引用，并只取与他此后单独访谈中反复出现的论点相衔接的部分。

这篇 essay 是档案此前缺失的系列中章（2022《Creative New World》→ 2023《Act Two》 → 2024《Act o1》→ 2026《This is AGI》）。补上它之后，两条此前被记晚了的思想线索的起点都要前移：

第一，"from the customer back"不是 2025 keynote 的发明，而是 2023 年就已成文的转向宣言。

"Generative AI's first year out the gate—'Act 1'—came from the technology-out." "We now believe the market is entering 'Act 2'—which will be from the customer-back."

"生成式 AI 出闸的第一年——'第一幕'——是从技术往外推的。我们现在相信，市场正在进入'第二幕'——它将从客户往回推。"

Generative AI's Act Two (Sequoia, 2023-09，合著)

谱系由此修正为：2023 essay 成文 → 2025 AI Ascent keynote 作为 GTM 处方重述 → 2026 MAD 框架（Moats/customer-backed）框架化。这个转向在当时是有代价的自我修正——第一幕的市场地图正是他们自己画的。essay 里也直白承认了预测偏差："the future has arrived at warp speed"（未来以曲速抵达），而瓶颈出在他们未曾预料的供给侧（终端需求超过 GPU 供给）。

第二，价值证明危机：'vibes revenue' 的 2023 祖先。 他们当时给出的判断与数据：

"Generative AI's biggest problem is not finding use cases or demand or distribution, it is proving value."

"生成式 AI 最大的问题不是找到用例、需求或分发，而是证明价值。"

Generative AI's Act Two (Sequoia, 2023-09，合著)

配套的证据是留存：当时生成式 AI 应用的 DAU/MAU 中位数仅约 14%，"用户还没有在生成式 AI 产品里找到足够的价值，让他们每天都用"。两年后 Grady 在 Get Paid 访谈里的 "vibes revenue"（增长快但 engagement/retention 差）正是这条判断的口语化续篇——先有 2023 年的留存数据戳穿采用叙事，后有 2025 年的命名。

第三，data-moat 怀疑论的转折点在 2023，比档案此前记录的早两年。

"The 'data moats' are on shaky ground... Rather, workflows and user networks seem to be creating more durable sources of competitive advantage."

"数据护城河'根基不稳……相反，workflows 与用户网络似乎正在创造更持久的竞争优势来源。"

Generative AI's Act Two (Sequoia, 2023-09，合著)

至此这条弧线完整了：2017 "data is the new oil"（乐观）→ 2022 flywheel 护城河（essay 级站队）→ 2023 "shaky ground"（公开转向怀疑，且质疑的正是自己一年前提出的飞轮）→ 2025 "flywheel guilty until proven innocent"（Noom 教练比例曲线作为举证标准）。 [推断] 对 VC 读者，这条弧线的价值不在结论本身，而在展示了 Grady 面对自己 thesis 被证伪时的处理方式：不辩护、公开修正、并把修正升级为更严的举证标准——与他"conviction 必须可讲清"的决策纪律同构。

关于 AI 市场量级：软件 + 服务两个池子，从软件预算迁入劳动力预算

2025 年 5 月的 Sequoia AI Ascent keynote（与 Sonya Huang、Konstantine Buhler 同台）上，Grady 给出了他对 AI 市场量级最 macro 的一次框定——也是对"frozen frontier"思想实验的规模侧补充。核心论点：与云时代只攻击软件市场不同，AI 同时攻击软件与服务两个市场，因此其利润池"比以往任何一次技术迁移至少大一个数量级"。

溯源：这条"软件 + 服务两个池子"的框定，早在 2024 年 3 月的 AI Ascent 开幕 remarks 就已成型。（⚠️ 归属说明：该开幕是 Grady 与 Sonya Huang、Konstantine Buhler 三人同台，Podwise 转写未逐句 speaker-attributed；此处只折入与 Grady 已被本档案确认的 voice 一致的那一条 TAM 论断——软件+服务两池、量级从千亿级跃到万亿级——其余更偏宏观经济的段落，如"$50B 投进去只换回 $3B / math isn't mathing"（属 David Cahn 一脉的 capex-vs-revenue 论证，本档案已注明非 Grady 自署）、deflation in education/healthcare/housing、one-person company 等，无法可靠归属，不作为 Grady 观点折入。）他当时的开场对仗，是整条 thesis 最干净的一次表述：

"Cloud replaced software with software. The opportunity for AI is to replace services with software."

"云做的是'用软件替换软件'。AI 的机会，是'用软件替换服务'。"

Sequoia AI Ascent 2024 opening remarks, 2024-03-27（多人 keynote，未逐句 speaker-attributed）[00:02:34]

由此他把可寻址市场从"软件的数千亿"直接推到"服务的数万亿"，称之为"perhaps the greatest value creation opportunity in history（也许是史上最大的价值创造机会）"。把这个 2024 原点与后文 2025（软件+服务两池、利润池大一个数量级）、2026（服务即新软件 / 雇 agents、~$10T 服务 TAM）连起来，就是同一条 TAM 论证从萌芽 → 量级化 → 机制化的三年轨迹。

驱动这个量级跃迁的机制，是他那条"工具 → 副驾 → 自动驾驶"的产品演进——它对应的不是软件预算的争夺，而是向劳动力预算的迁移：

"AI products are evolving from tools into copilots and ultimately autopilots, shifting from software budgets into labor budgets."

"AI 产品正从工具演化为副驾（copilots），并最终成为自动驾驶（autopilots）——从软件预算迁入劳动力预算。"

Sequoia AI Ascent 2025 keynote

对 VC 的提炼：这把他 2024 年"$ / seat → $ / outcome"的单位价值迁移，接到了一个更大的 TAM 论证上——一旦定价锚定到"完成了多少工作（outcome）"，可寻址的就不再是软件许可这条小预算线，而是企业的整条人力/服务支出线。这也是他敢于"在应用层比基础层多投一个数量级"（尽管应用层当下收入相对更少）的底层经济学。

他还解释了为什么这一轮 AI 的采用速度史无前例——因为分发的三件套在发令枪响时已经就位：awareness（ChatGPT 瞬间抓住全球注意力）、distribution（社交平台上已有 12–18 亿人）、connectivity（56 亿互联网用户）。"当发令枪响起时，采用没有任何障碍。"对应用层创业者，他给出的 GTM 处方是：做 vertical / 按职能切分的应用、攻需要 human-in-the-loop 的复杂问题，并且"从客户往回推（from the customer back），而不是从技术往外推"（该处方最早成文于 2023-09 的《Act Two》essay，见上一节）。

这场 keynote 的收尾，是他罕见地直白的一句行动号召，也是他"desperation / 紧迫感"性格在 AI 周期上的投射：

"Nature hates a vacuum... you are in a run like heck business right now. Now is the time to go at maximum velocity."

"自然厌恶真空……你现在身处一门'拼命狂奔'的生意里。此刻就是以最大速度全力冲刺的时候。"

Sequoia AI Ascent 2025 keynote

AI Ascent 2026 keynote：MAD 框架与"服务即新软件"（2025 Trillion-Dollar thesis 的直系后代）

归属说明 ⚠️：2026 年的 AI Ascent keynote（《This is AGI》）是一场多人同台的 keynote（Grady 与 Sonya Huang 等共同呈现）。Podwise 的 summary/QA 是综合转写，未逐句标注发言人。因此本节只折入与 Grady 已知 voice 一致、且是他 2025 keynote 论点直系延续的部分——即面向应用层创业者的 MAD 框架、"服务即新软件"的 TAM 论证；对本集里更偏哲学收尾的材料（"alien design"、摄影→印象派、铝的商品化、"human connection 是残余价值"），因无法可靠归属到 Grady 本人（更可能是共同呈现者的段落），本档案不将其作为 Grady 的观点折入。以下引用出自 keynote 综合转写，未逐句 speaker-attributed，据此对待。

这场 keynote 是档案里 2025 "AI's Trillion-Dollar Opportunity" 的直系后代：2025 年论证了 TAM 的量级（软件 + 服务两池），2026 年则给了应用层创业者一套在"基础模型每天都在变"的环境里如何建立可防御业务的操作框架——MAD：

• M — Moats（护城河）：靠 "customer-backed"（以客户为背）而非 "tech-out"（以技术为出发点）来建立 durability。把自己裹在客户的具体需求上——因为客户不会像技术那样一天一变，即便底层模型天天迭代，绕着客户 workflow 建的护城河仍然稳固。这是"from the customer back（从客户往回推）"这条线的框架化终点（2023《Act Two》成文 → 2025 keynote GTM 处方 → 2026 MAD）。
• A — Affordance（可用性/易用性）：制造阻力最小的路径，让复杂的 AI 能力对一个非技术用户也"傻瓜到不能再傻瓜（brain-dead simple）"。
• D — Diffusion gap（扩散落差）：基础模型能力的创造速度与 Fortune 500 企业实际采用速度之间存在巨大落差；模型每跑快一天，落差就更大一分——而这条落差正是应用层公司最大的机会（做那座把新能力桥接进大企业的桥）。

对 VC 的提炼：MAD 把 Grady 一贯的"价值在应用层 / 从客户往回推"从一句直觉，做成了一个可教、可检验的三点清单。其中 Diffusion gap 是对档案里"frozen frontier"思想实验的一个 GTM 侧镜像——frozen frontier 说的是"即便模型停滞，优化本身已足够大"；diffusion gap 说的是"即便模型狂奔，企业采用永远追不上，落差就是应用层的生意"。两者从相反方向得出同一个结论：押注不必依赖模型时间线，应用层的机会都成立。

第二条与档案高度衔接的新线，是把 2025 "软件 + 服务两个池子"推进成 "服务即新软件（services as the new software）"：不再只是买软件，而是雇 agents 来完成服务。与人类员工不同，agents 随算力无限 scale、低维护、成本是 token 而非工资——由此"原本要 100 年的事，现在 100 天就能做完"。

"We have had a lot of faster horses—applications that made you 10 or 40% more productive but didn't change the way you work. Now we are seeing cars—applications that make you 10 or 40x more productive and fundamentally change the nature of your work."

"我们已经见过很多'更快的马'——那些让你生产力提高 10% 或 40%、却没改变你工作方式的应用。现在我们看到的是'汽车'——那些让你生产力提高 10 倍或 40 倍、并从根本上改变你工作性质的应用。"

Sequoia AI Ascent 2026 keynote《This is AGI》（多人 keynote，未逐句 speaker-attributed）[00:06:02]

对 VC 的提炼：从"$/seat → $/outcome"（2024）到"软件预算 → 劳动力预算"（2025）再到"服务即新软件 / 雇 agents"（2026），这是同一条 unit-of-value 迁移线走到终点的三次刻度——可寻址的最终不是软件许可，而是整条服务支出（Grady 在别处把它锚定到约 $10T 级服务 TAM）。这与前一节 Get Paid 里"capacity human unit（人力容量单位）"定价机制是同一枚硬币的两面：需求侧是"雇 agents 做服务"，供给侧是"按人力容量单位计费"。

关于 AI 市场量级：冻结前沿（Frozen Frontier）思想实验

这是 Grady 最具辨识度、对 VC 最有用的一个 mental model。当面对"AI 应用层会不会被下一代模型碾平"的恐惧时，他反过来提出一个 counterfactual（反事实）量级测试：

"How big do you think this would be if I froze the current frontier model capabilities? If you froze capabilities today, and the only thing that you invested in was optimization... you would revolutionize almost every industry on earth."

"如果我把当前前沿模型的能力冻结住，你觉得这件事能有多大？如果今天就冻结能力，而你唯一投入的只是优化（更便宜、更快、更易用）……你将会革新地球上几乎每一个行业。"

Invest Like the Best, EP.378 (2024)

为什么这个框架对 VC 重要：它把"AI 应用是否值得投"从一个"赌模型继续进步"的问题，降维成一个"即便模型停滞，仅靠工程化/优化是否已足够大"的问题。如果答案在 frozen-frontier 假设下依然是"足够大到重塑每个行业"，那么模型继续进步只是 upside，而非 thesis 的前提。这把 AI 应用投资的下行风险（"被下一代模型 obviate"）做了一个聪明的隔离——它让你不必把全部赌注押在 AGI 时间线上。

这个思想实验直接呼应了 2022 essay 的乐观：价值机会在应用层已经巨大，无需等待更强的模型。

关于 AI 周期的演进：从 talkers 到 doers，从 $/seat 到 $/outcome

Grady 把生成式 AI 的演进结构化为"两幕（Act 1 / Act 2）"，并在 2024 年的《Generative AI's Act o1: The Reasoning Era Begins》中刻画了 reasoning（推理）时代的到来。

• Act 1（基础模型）：LLM 层正在稳定为"一组规模化玩家与联盟"——Microsoft/OpenAI、AWS/Anthropic、Meta、Google/DeepMind。
• Act 2（推理与应用）：转向 inference-time compute（推理时算力）、"System 2"式的深思熟虑——模型可以"先停下来想一想"再回答，在内部运行模拟并对结果评分。Grady 称这是"一条新的 scaling law"：推理时投入更多算力，性能就更好（类比 AlphaGo 的搜索被应用到语言上）。
• 局限：推理在可验证领域（代码、数学、逻辑）效果最好；在评分模糊的开放式任务（如写文章）上仍然吃力。

对 VC 读者最关键的，是他指出的单位价值（unit of value）迁移：

"What began as 'wrappers' have evolved into 'cognitive architectures."

"最初被称作'套壳'的东西，已经演化成了'认知架构'。"

Generative AI's Act o1 (Sequoia, 2024)

agentic 应用正从"按席位收费（$ / seat）"转向"按结果收费（$ / outcome）"的服务化模式——Grady 举的例子是 Sierra 的客服解决方案：付费随结果（解决了多少工单）而非许可证数量来 scale。所谓"cognitive architectures（认知架构）"——把多个模型、数据库、领域逻辑编排成定制推理流——正是在应用层创造可防御价值的形态。

到 2026 年，他与 Sonya Huang 在《2026: This is AGI》中把这条线推到终点：AGI 已经到来，标志是能自主完成长程任务的 agents；2026 是 AI 从"对话工具"切换到"生产性 agents / 同事（colleagues）"的拐点。

"The AI applications of 2023 and 2024 were talkers...The AI applications of 2026 and 2027 will be doers."

"2023 和 2024 年的 AI 应用是'说话的'……2026 和 2027 年的 AI 应用将是'做事的'。"

2026: This is AGI (Sequoia)

"Generally intelligent people can work autonomously for hours at a time, making and fixing their mistakes...Generally intelligent agents can do the same thing. This is new."

"具备通用智能的人能够连续自主工作数小时，自己犯错、自己修正……具备通用智能的 agents 现在也能做到同样的事。这是新出现的。"

2026: This is AGI (Sequoia)

他对 AGI 给出的是一个功能性而非技术性的定义——"AGI is the ability to figure things out（AGI 就是把事情搞明白的能力）"——并拆成三个累积组件：基线知识（pre-training, 2022）、推理能力（inference-time compute, 2024 末）、迭代能力（long-horizon agents, 2026 初）。值得注意的是，他没有回避 agents 的脆弱性：

"Agents still fail. They hallucinate, lose context, and sometimes charge confidently down exactly the wrong path. But the trajectory is unmistakable."

"Agents 仍然会失败。它们会幻觉、会丢失上下文，有时还会自信满满地一头冲向完全错误的方向。但趋势是确定无疑的。"

2026: This is AGI (Sequoia)

对 VC 的提炼：Grady 形成与更新 thesis 的方式，是把一个快速变化的领域编年史化（Act 1 → Act 2 → AGI），每一幕对应一个可投资的结构变化（基础模型集中化 → 推理/认知架构 → 长程 agents/服务化）。这种"以连续 essay 迭代 thesis"的节奏，本身就是他 thesis-formation 的方法论。

AI-agent 创业者的操作手册：trust as design、vibes revenue、flywheel 举证责任、input/output pricing

前面几节是 Grady 对 AI 周期的 macro thesis；而在 2025 年 3 月一场面向 AI-agent 创业者的实操访谈里（2025-11 REPLAY 重播），他把同一套判断下沉到了产品与 diligence 的操作层——这批材料的价值在于把抽象的"护城河藏在最后 20%""$/outcome"变成了创业者当下就能执行的动作，以及投资人当下就能识破的 BS。

他先给出一个反直觉的比例：做一家 AI 公司，95% 的挑战与做任何一家公司无异（招人、把 mission 讲清、鼓舞士气），真正 AI-specific 的只有 5%——而这 5% 里，头号是 trust（信任）。

"People don't trust AI yet. They don't trust your agent. You got to build that trust."

"人们还不信任 AI。他们不信任你的 agent。你必须去建立那份信任。"

Get Paid with Manny Medina, 2025-11-14 (REPLAY) [00:03:10]

而建立 trust 的核心设计模式，他用一个小学课堂的比喻点破——"把过程写出来（show your work）"：给出引用、暴露 agent 每一步在做什么、采用"人服务人"的姿态。这是把 2025 keynote 里"durability 藏在 trust"从一句结论，变成了一条可执行的产品设计原则。

"You got to show your work. It's like back to elementary school, it doesn't matter if you get the right answer, you got to show your work."

"你得把过程写出来。就像回到小学课堂——你答对了不算数，你必须把演算过程写出来。"

Get Paid with Manny Medina, 2025-11-14 (REPLAY) [00:06:52]

配合 trust 的是 persistence（坚持）：他观察到对 AI 唱衰的人，往往是"没试够、没试够狠"的人；而这里再次出现了那条"放大版 80/20"——五分钟能到 80%，但剩下的路可能要五周。（此点与档案已有的"durability 藏在最后 20%"是同一条经验律的创业者侧表述，此处仅作为 trust 论点的支撑，不重复展开。）

"Vibes revenue（氛围收入）"——这是本集贡献的一个全新的、可直接抄进 diligence checklist 的概念：增长很快、但用户参与与留存很差的收入。它是"magic moment（惊艳一刻）"与"解决端到端 workflow"之间落差的症状。

"The thing that you got to be wary of as a founder or as an investor is the vibes revenue."

"作为创始人或投资人，你必须警惕的是'氛围收入'（vibes revenue）。"

Get Paid with Manny Medina, 2025-11-14 (REPLAY) [00:13:01]

他给出的对策是回到 consumer-internet 的老三样——adoption、engagement、retention——哪怕只有五天数据也要看；负毛利可以接受，只要能看到一条随 token 价格下降走向健康毛利的路径。

对声称的 data flywheel 采取"有罪推定"——这是对档案里已有的"飞轮护城河"thesis 的一个重要的、此前缺失的怀疑主义补丁。Grady 明确：大多数声称自己有 data flywheel 的公司其实没有；举证责任在创始人。

"It's a guilty until proven innocent thing. Most people who claim they have a data flywheel do not."

"这是一件'有罪推定'的事。大多数声称自己有 data flywheel 的人，其实并没有。"

Get Paid with Manny Medina, 2025-11-14 (REPLAY) [Q7]

如何证明？他的标准很硬：flywheel 只有在驱动了一个业务结果时才算数。他举的例子是 Noom——随着模型训练改进、把人类教练自动化，每个人类教练能服务的病人数从 ~20 涨到 15,000–20,000，同时维持体验质量。这条"随模型改进而移动的业务曲线"才是可信的 flywheel 证据，而非手一挥的叙事。

关于 pricing：从 input 侧和 output 侧双向 codify。 这把档案已有的"$/seat → $/outcome"往前推了一步——不只是"按结果收费"这个方向，而是给了创始人一个具体的操作路径。Grady 预测行业会标准化到某种 outcome-based pricing，并给了一个精确的历史类比：正如 AWS/Snowflake 发明了"capacity unit（算力容量单位）"让习惯买服务器的人接受了新计量方式，AI agent 也会发明出一个 "capacity human unit（人力容量单位）"——人们习惯为一个人付薪，突然之间有了一个"人力容量单位"。操作上，他建议创始人把 agent 在做的、原本由人做的工作透明地暴露出来，据此定价。

"The input side is what is the work that you are doing that resembles the work that a human would otherwise be doing... Try to be transparent about all the different things that your agent is doing because you might be able to just charge based on those behaviors."

"input 侧，就是你在做的、原本会由一个人来做的那部分工作……尽量把你的 agent 在做的各种事情透明地暴露出来，因为你也许可以就按这些行为来收费。"

Get Paid with Manny Medina, 2025-11-14 (REPLAY) [Q12]

"基础模型更像数据库，而非公有云"——这是本集对档案里"对模型层价值捕获持怀疑"的一个更锋利、更具体的类比升级。此前档案只说他怀疑模型层会被商品化；这里他给出了为什么的结构性论据：

"When we look at foundation models, we don't analogize to AWS so much as we analogize to MongoDB. They are more like databases in terms of where they sit in the stack... The physics of those businesses, they're more like databases than they are like a public cloud."

"当我们看基础模型时，我们不太拿 AWS 来类比，而是拿 MongoDB 来类比。就它们在技术栈里的位置而言、就开发者怎么用它们而言……这些生意的物理规律，更像数据库，而不像公有云。"

Get Paid with Manny Medina, 2025-11-14 (REPLAY) [Q13]

对 VC 的提炼：这个类比比"模型会被商品化"这句结论有用得多——它把模型层的价值捕获问题锚定到一个有历史 comparable 的资产类别上。数据库/基础设施公司历来很难往上爬进应用层（他明确点出这一历史规律），这正是他"价值沉淀在应用层"押注的结构性理由，而非仅仅是一个 vibe。

founder DNA 作为终极护城河——两个新的活体例证。 本集重申了档案已有的"团队 DNA 是头号护城河"，但贡献了两个此前缺失的、极具说服力的 counterfactual 例子：Amazon 在结构上本该输给 eBay（更"劣势"），DoorDash 本不该存在（Uber 早已把车铺满街道）——但 Bezos 和 Tony Xu 分别以偏执的执行力"run through walls（把墙撞穿）"，把本不该赢的仗打赢了。

"The uncomfortable truth is the greatest moat by far is the founders. It's the people... The DNA of the founder and their willingness to just run through walls and just keep going is the most important moat."

"那个令人不安的真相是：到目前为止最大的护城河，是创始人。是人……创始人的 DNA、以及他们愿意直接把墙撞穿、一直走下去的那股劲，才是最重要的护城河。"

Get Paid with Manny Medina, 2025-11-14 (REPLAY) [00:22:01 / 00:23:51]

关于持久软件公司：DNA、向量与 founder-market fit

如果说市场量级回答"能投不能投"，那么 Grady 真正下注的对象始终是人与团队 DNA。

"The number one sustainable competitive advantage that we see out of companies... It is the DNA of the team."

"我们在公司身上看到的头号可持续竞争优势……是团队的 DNA。"

Invest Like the Best, EP.378 (2024)

他评估创始人有两个核心维度——founder-market fit 和 向量（vector）：

• founder-market fit 被他进一步拆成两个常被混为一谈的变量：问题变量（创始人对这个问题是否有真实的洞察/权威）与解决方案变量（他们的打法是否正确）。
• 向量 = magnitude（量级：过往战绩、某个 exceptional 的"尖峰"）+ direction（方向：他们为什么做这件事，这股驱动力是否足以扛过所有困难）。reference check 的全部目的，就是去三角定位这个向量的量级与方向。

"There are kind of two things that I care most about when assessing founders. So one is founder market fit and two is the vector that describes them... for founder market fit, people tend to commingle two distinct variables in here. There's the problem variable and there's the solution variable."

"评估创始人时，我最在意的大概是两件事。一是 founder-market fit，二是刻画他们的那个向量……对于 founder-market fit，人们往往把两个不同的变量混在一起：一个是问题变量，一个是解决方案变量。"

20VC, E1174 (2024)

"The thing that I want to get out of a reference check is the magnitude and the direction... that defines the direction of the vector and the magnitude of the vector."

"我想从一次 reference check 里得到的，就是量级和方向……这定义了向量的方向，以及向量的量级。"

Invest Like the Best, EP.378 (2024)

他还有一个关于"slope（斜率）"的相关说法——在创始人和招聘对象身上，他看重的是内在驱动力 + killer instinct（杀手本能），即斜率，而不是当前的水平（level）。很多人有 drive，却在那个十二个月才出现一次的机会面前认不出来、扑不上去：

"There are plenty of people who have a ton of drive, but they don't recognize that when that one opportunity that you're going to get in the next 12 months shows up, you got to drop everything and pounce on it."

"有大把人有的是干劲，但他们认不出来——当未来十二个月里你唯一会等到的那个机会出现时，你必须放下一切、扑上去。"

Peak XV (2025)

ServiceNow 的 Fred Luddy 是他"以人为先、与年龄无关"信念的标志案例：

"You talk about 10x developers, Fred is a 100x developer. Like he started ServiceNow when he was 54."

"人们谈论 10x 工程师，而 Fred 是一个 100x 工程师。要知道他 54 岁才创办 ServiceNow。"

Peak XV (2025)

最后，关于市场与创始人的关系，他有一句被反复引用的箴言——它同时是市场量级框架与 founder-first 信念的交汇点：

"The market determines how big a company can get. The founder determines how big the company will get."

"市场决定一家公司能够做到多大，创始人决定一家公司将会做到多大。"

20VC, E1174 (2024)

市场设定的是天花板（order of magnitude），但实现这个天花板的，是创始人。这也解释了他在 scalingknowledge 整理中提到的取舍：他宁愿选"一个被卓越创始人攻击的中等规模市场"，也不要"一个被还行的创始人攻击的巨大市场"。

这一 founder-first 信念，他早在 2019 年就给出过最干净的极端表述——把它收缩成"唯一不可接受的风险"：

"Founder risk is not acceptable; great founders will figure it out. If we wanted to simplify our business, it would be nothing more than investing in great founders at the market price and doing everything you can to help make them successful."

"founder risk 是不可接受的；卓越的创始人会把事情搞定。如果要把我们的生意简化，那不过就是：以市场价投给卓越的创始人，然后竭尽一切帮他们成功。"

20VC (2019-07)

注意这里的风险分层逻辑：market risk、financial risk 都被他归为可管理的——因为足够特别的创始人能 pivot、能在市场或财务不明朗时找到路径；唯独 founder risk 不可对冲。这是"market vs founder"箴言的另一面：市场决定上限，但创始人是你唯一不能赌错的变量。

关于 picking 框架：单句 thesis + 三脚凳压力测试

如果说"向量"是他评估人的语言，那么他评估一笔交易的操作框架，在 2019 年就已成型，且高度可复用。方法的内核只有两步：先把投资理由结晶成一个单句的、陈述式的 thesis（"我们为什么应该投"的一句话），然后用一个"three-legged stool（三脚凳）"去压力测试它：

• inside the building（楼内）——认识团队，搞清楚决策是怎么做出来的；
• outside the building（楼外）——围绕客户、竞争、市场动态做深度功课；
• the evidence（证据）——看数字和 leading indicators。

"The theory of our process is to crystallize an investment thesis—a single declarative statement of why we should invest—and then stress test it... If the evidence doesn't support the story, we know we are missing something."

"我们流程的理论，是把一个投资 thesis 结晶成一句陈述式的'我们为什么应该投'，然后去压力测试它……如果证据撑不起这个故事，我们就知道自己漏掉了什么。"

20VC (2019-07)

对 VC 的提炼：这个框架的精妙在于它的可证伪性——thesis 被压缩成单句，于是任何一条腿（团队/市场/证据）站不住，都会立刻暴露 narrative 与 reality 的缺口。它与他在 EP.378 里强调的"keep the narrative up front, tight, crisp"是同一种纪律：先逼自己把信念讲到足够简单，简单到能被检验、能被他人 understand。这也正是他 conviction>consensus 哲学的程序化落点——conviction 不是"我感觉对"，而是"我能用一句话讲清、并扛过三脚凳的压力测试"。

值得一提的是，他对 conviction vs consensus 的判断早在 2019 年就已成型，远早于 2025 年 Uncapped 那次用"内部数据"做的背书：

"If you have conviction, you must be able to explain it in simple enough terms so that everyone else understands what you see. They don't have to agree, but they must understand the thesis. By the time we invest, we want it to be a Team Sequoia investment, not an individual's investment."

"如果你有 conviction，你必须能用足够简单的话把它讲清，让所有人都理解你看到了什么。他们不必同意，但必须理解这个 thesis。到我们真正出手时，我们希望它是一笔 Team Sequoia 的投资，而不是某个人的投资。"

20VC (2019-07)

关于投资组合数学：信念 > 共识，做 outlier 生意

这是 Grady 在 2025 年底 Uncapped 访谈里讲得最透的一块，对 VC 读者尤其有 calibration 价值——因为它用 Sequoia 的内部数据反驳了一个流行直觉。

"Our internal data shows that consensus versus non-consensus does not matter at all. It's just not a factor. Presence of conviction is what matters."

"我们的内部数据显示，共识与非共识根本无所谓，它压根不是一个因素。真正重要的是信念是否存在。"

Uncapped with Jack Altman, Ep.36 (2025)

他自 2014 年起在合伙人会议上用 0–10 的投票系统，并刻意偏好双峰分布（一堆 9 和一堆 1），而不是一致的 6。理由是：一笔所有人都打 6 的交易，比一笔有人打 9、有人打 1 的交易更糟——因为真正的 outlier 必然引发分歧。

"Our business is dramatically different because we're in the outlier business. Our objective is not consistency. Our objective is to find the two or three or four outliers in any given year."

"我们的生意截然不同，因为我们做的是 outlier 生意。我们的目标不是稳定一致，而是找到任何一年里那两个、三个或四个异常值。"

Uncapped with Jack Altman, Ep.36 (2025)

"We need that volatility because the truth is not somewhere in the middle where everybody agrees. We're trying to build the future. The future does not look like the past."

"我们需要那种波动性，因为真相并不在大家都同意的中间地带。我们在试图建造未来，而未来不会和过去长得一样。"

Uncapped with Jack Altman, Ep.36 (2025)

由此延伸出他对"好的 picking（选择能力）"的重新定义——它不是"不亏钱"，而是"足够高的非对称性纳入率"：

"Good picking isn't not losing money. Good picking is a high enough inclusion rate of asymmetry."

"好的选择能力不是不亏钱。好的选择能力，是足够高的非对称机会纳入率。"

Uncapped with Jack Altman, Ep.36 (2025)

具体的回报数学（值得 VC 抄进 notebook）：在一个 45–55 笔投资的组合里，需要约 6 笔做到 10x+，其中约 3 笔是十亿美元级别的盈利；"只对一半就足够了，只要赢的那部分足够大"。Sequoia 表现最好的 Venture 12 基金，write-off 率约 50%——这恰恰证明了 grand-slam（满贯）式投资必须接受高失败率。

阻碍人做出正确（即敢于非共识）决策的，是两种恐惧：

"The two fears, fear of missing out and fear of looking stupid are the two fears that prevent people from making the right decisions."

"两种恐惧——害怕错过（FOMO）和害怕显得愚蠢——是阻止人们做出正确决策的两种恐惧。"

Uncapped with Jack Altman, Ep.36 (2025)

关于"asymmetric upside"作为成长期的硬门槛：在他自己负责的成长期，门槛同样苛刻——如果看不到 10X 的回报，"它大概就是不够好"，或者市场不够大。

"Keep the narrative up front, keep it tight, keep it crisp, and make sure that the thing you're optimizing for is clarity and understanding... If we can't see a 10X return, it's probably just not good enough."

"把叙事放在最前面，保持紧凑、保持清晰，并确保你优化的目标是清晰和理解……如果我们看不到 10X 的回报，那它大概就是不够好。"

Invest Like the Best, EP.378 (2024)

关于 inputs vs outputs：在超长反馈回路里如何自我校准

风投是 Grady 口中"终极的长反馈周期生意"——结果要十年后才揭晓，连中途的 markup（估值上调）都可能是海市蜃楼。在这样的生意里，他的方法论是以输入而非输出为荣。

"We're in the ultimate long feedback cycle business and I think one of the mistakes that people make is they try to lunge for outcomes instead of just taking pride in the quality of the inputs."

"我们身处终极的长反馈周期生意，我认为人们犯的一个错误，是他们扑向结果，而不是单纯地以输入的质量为荣。"

Peak XV (2025)

"In venture, the outputs are like 10 years into the future. So there are outputs that look like they're outputs, but those can be mirages too, like markups can be mirages."

"在风投里，输出是十年后的事。所以有些看起来像是输出的东西，其实也可能是海市蜃楼——比如估值上调（markups）就可能是海市蜃楼。"

Uncapped with Jack Altman, Ep.36 (2025)

那么如何在结果到来前判断一个新投资人是否有判断力？他的第一 leading indicator 是看一个人怎么花时间：

"The first leading indicator of good investment judgment for a new investor is how they invest their time."

"对一个新投资人而言，良好投资判断力的第一个领先指标，是他们如何投资自己的时间。"

Uncapped with Jack Altman, Ep.36 (2025)

对 VC 的提炼：把"以输入为荣 + 时间分配作为判断力的 proxy"合起来，是一套对抗长反馈回路的自我训练系统——它让你在十年结果到来之前，就有可校准的中间信号。

关于"投资中只有两件事需要人来做"

这是 Grady 对投资工作本质最简洁的拆解，也直接关系到他对 AI 改造投资行业的态度——他不主张自动化投资决策本身。

"There are only two things that you need a human being to do in the world of investing... number one, build the relationship with the founder, and number two, make the decision."

"在投资世界里，只有两件事需要人来做……第一，与创始人建立关系；第二，做出决策。"

Invest Like the Best, EP.378 (2024)

除此之外的一切——研究、数据处理、初筛——都可以自动化。但建立关系与做决策这两件事，他认为是 irreducibly human（不可被还原为机器）的。这与他"founder-first / 服务创始人"的文化一脉相承。

关于护城河与窗口：mid-funnel 与 coverage 70%

Grady 对 Sequoia 内部流程有几个反直觉的设计，对管理投资组合的 VC 有借鉴价值：

• 最重要的决策在 mid-funnel（漏斗中段）：最大的 miss 往往是那些根本没进周一合伙人会议的项目。换句话说，错失不是发生在拒绝时，而是发生在它从未被认真看见时。
• Coverage 目标约 70%，而非 100%：他刻意把"应当看到的交易覆盖率"定在大约 70%——即一个 30–40 人的同侪投资人集合最终会做的交易里，Sequoia 大约接触 70%。为什么不是 100%？因为追求 100% 会导致肤浅的、CYA（掩盖责任）式的行为——为了"覆盖到"而草草接触，反而牺牲了深度。

关于赢得交易：靠真爱，不靠 business card

Grady 反复破除一个外界对 Sequoia 的误解——以为顶着 Sequoia 的名字就能自动赢得交易。

"It is an absolute knife fight every time. And we try to have a team and a culture where even if your business card meant nothing and nobody had ever heard of the name Sequoia, you can still be put in position to win."

"每一次都是一场不折不扣的刀战。我们努力打造这样一支团队和文化——即便你的名片一文不值、从没人听过 Sequoia 这个名字，你依然能被放到一个能赢的位置上。"

20VC, E1174 (2024)

赢的方式是对创始人、对问题的真爱——"real love for the problem, real love for your business, and real love for you（对问题的真爱、对你生意的真爱、对你本人的真爱）"——以及一种近乎极致的在场与理解（via Roelof Botha 的示范：在 45 分钟里把对方理解到没有别人能企及的程度）。他还引用 Peter Fenton 的话作为识别顶级创始人的反直觉信号：

"The best founders should make you feel a little bit uncomfortable. They won't make you feel at ease."

"最好的创始人应该让你感到有一点不自在。他们不会让你感到轻松自在。"

20VC, E1174 (2024)

他对自己面对创始人的"目标函数"定义得很明确：

"My personal objective function is to help you become the absolute best possible version of yourself and build these world-changing companies."

"我个人的目标函数，是帮助你成为你可能成为的、绝对最好的那个版本，并建造这些改变世界的公司。"

Uncapped with Jack Altman, Ep.36 (2025)

赢的方式之二：在 fundraise 之外、提前数年建立关系。 在成长期，赢往往不是在交易窗口里赢的，而是在窗口打开之前。Grady 举的标志案例是 Zoom——他在真正投资前已经认识 Eric Yuan 两年；等到交易成形时进展很快，但那是建立在两年信任之上的。他由此给创始人一个反 FOMO 的忠告：第一次见投资人就在迫近的 fundraise 语境里，很难做出好决定——因为 term sheet 容易比较，人和 partnership 却很难比较。

"The partner is who you are stuck with for five or ten years; the term sheet is a moment in time."

"partner 是你要被绑定五年或十年的人；term sheet 只是一个时间点上的瞬间。"

20VC (2019-07)

这条 GTM 原则与他"coverage 70% 而非 100%""最重要的决策在 mid-funnel"是自洽的：真正的关系资本是慢变量，靠的是在没有交易压力时的长期在场，而不是 fundraise 启动后的临时冲刺。

关于组织：优先级栈、demanding=supportive、freedom within frameworks

Grady 对 Sequoia 组织设计的论述，本身就是一套"如何运营一个以 outlier 个体为核心的合伙制"的范本。

优先级栈（反复出现，几乎是 Sequoia 的信条）：

"We've always thought that it's founders first, then LPs, then Sequoia, then the team, then yourself."

"我们一直认为：创始人优先，然后是 LP，再然后是 Sequoia，再然后是团队，最后才是你自己。"

Uncapped with Jack Altman, Ep.36 (2025)

把自己排在最后，他认为最终反而对个体长期最有利。竞争被刻意安排在公司外部，而非内部；内部去强调的是 de-emphasize credit-seeking（淡化抢功）。

这条文化信条早在 2019 年就被工程化成了一个具体的内部 artifact：Sequoia 刻意改造了自己的 CRM 系统，把记录里的个人名字全部替换成 "Team Sequoia"——因为他们相信每一家合作的公司都属于团队、而非个人。Grady 把这描述为一笔自觉的取舍：

"We have made a deliberate decision to trade a few points of efficiency in exchange for our culture... We changed our CRM system to remove individual names and replaced them with 'Team Sequoia."

"我们做了一个自觉的决定：用几个百分点的效率，去换取我们的文化……我们改造了 CRM 系统，去掉个人名字，全部替换成 'Team Sequoia'。"

20VC (2019-07)

支撑这一切的底层信念，他用一句话点破——这也是他认为 Sequoia 能挺过多轮周期、平台迁移与代际交接的头号原因（"我们作为团队工作，任何一个人明天消失，Sequoia 都会照常运转"）：

"It is amazing what you can accomplish when you do not care who gets the credit."

"当你不在乎功劳归谁时，你能做成的事会多得惊人。"

20VC (2019-07)

demanding = supportive（严苛即是支持）：

"We think that being demanding of one another is being supportive and that the best thing we can do for each other is to demand excellence, first of ourselves and then of each other."

"我们认为，彼此严苛就是彼此支持；我们能为对方做的最好的事，就是要求卓越——首先要求自己，然后要求彼此。"

Invest Like the Best, EP.378 (2024)

freedom within frameworks（框架内的自由）：合伙人都是 outlier，firm 的工作是赋能他们、然后让开路。Grady 明确说 co-steward 不是 co-CEO——因为运营型企业追逐一致性（consistency），而 Sequoia 追逐异常值（outliers）。由此他提炼出一句关于组织稳定性与个体波动性的辩证：

"The stability at the partnership level is what allows for volatility at the partner level."

"正是合伙关系层面的稳定，才容许了单个合伙人层面的波动性。"

Uncapped with Jack Altman, Ep.36 (2025)

评审节奏：合伙人的 values（价值观）在每年六月评审——标准是"aggressive but humble（进取但谦逊）、strong under scrutiny（经得起审视）、high give-a-shit（极度在乎）、zero bullshit（零废话）、demanding and supportive（严苛且支持）"；capabilities（能力）在十二月评审——sourcing、picking、winning、harvesting、building 五项。对资浅合伙人那些勇敢/非共识的下注，资深者被要求以好奇而非评判回应——因为他们可能看到了资深者看不到的东西。

apprenticeship model > operator-only 履历（一个逆潮流的人才观）：早在 2017 年——彼时业界正把"前 operator / 前 founder"背景捧上神坛——Grady 就逆势押注 Sequoia 的 tribal knowledge 与学徒制。他的论据不是怀旧，而是一个关于经验半衰期的判断：变化越快，过往操作经验的价值 decay 得越快，fresh perspective 反而越值钱。

"The rate of decay on the value of your experience as an operator has never been higher. The benefit of fresh perspective in a world that is always changing is growing over time."

"你作为一名 operator 的经验，其价值的衰减速度从未像现在这么高。在一个永远变化的世界里，fresh perspective（新鲜视角）的价值正随时间增长。"

20VC (2017-03)

他当时预测 pendulum 会在 5–10 年内摆回年轻人才与学徒制。对 VC 的提炼：把这条与他"投资功力是多年积累的 wisdom、而非可速成的 technical skill"并置，能看出他对"如何培养投资判断力"有一套一致的长期主义——judgment 既不能靠操作履历空降，也不能靠财务建模等工具替代，只能在与卓越创始人反复接触中累积（这也呼应了他在 Uncapped 里"判断力的第一领先指标是一个人怎么花时间"的说法）。

反对个人化产出指标（来自 Summit 的教训）：在 Summit Partners，通话量考核导致人们去给根本不会投资的创始人打电话以刷数字。这成为他在 Sequoia 避免 individualized output metrics 的直接理由。

关于护城河（Sequoia 自身的）：proprietary data 与"page rank for people"

对 VC 读者，一个具体而可借鉴的 Sequoia 内部 edge：他们用十年时间，通过反复询问各家公司的 VP of Engineering"说出你最聪明、最受尊敬的 5 个同行"，构建了一张硅谷的人才地图——Grady 称之为一种"page rank for people（给人做的 PageRank）"。它被用来评估一家公司工程团队的质量。这是把"团队 DNA 是头号护城河"这一信念，工程化成了一个可复用的、累积性的专有数据资产。

关于个人哲学：紧迫感、价值观清晰、不追求满分

最大的恐惧是 irrelevance（变得无关紧要）。Grady 自陈最深的恐惧不是失败本身，而是变得无关紧要——作为丈夫、父亲、合伙人、贡献者的失败。这种恐惧被他制度化成 Sequoia 的文化默认值：

"When you work at a name brand place... you're attracting people who want to be part of something great, not people who want to build something great... one of the things that has allowed us to remain relevant for 50 plus years now is this sort of underdog mentality and this sense of desperation and this sense that tomorrow is not our birthright. We have to work to earn it today."

"当你在一个名牌机构工作……你吸引来的是想要成为某件伟大事物一部分的人，而不是想要亲手建造伟大事物的人……让我们 50 多年来保持相关性的原因之一，就是这种 underdog 心态、这种紧迫感，以及这种'明天并非我们与生俱来的权利、我们必须今天就去挣得它'的意识。"

20VC, E1174 (2024)

他甚至把这件事点成 Sequoia 唯一真正的软肋：

"Being part of Sequoia, we have every advantage in the world except for the one thing that made us who we are, which is a sense of desperation."

"身为 Sequoia 的一员，我们拥有世界上的一切优势——除了那一件成就了今日之我们的东西，那就是一种紧迫感（desperation）。"

20VC, E1174 (2024)

价值观清晰则决策容易（来自他父亲）：

"My dad always said 'when your values are clear, decision-making is easy."

"我父亲总说：'当你的价值观清晰时，决策就变得容易。"

Sequoia 官方 bio / 公开自述

简单即信任（来自 Doug Leone）：

"The simpler you can keep things, the more straightforward you can be, the more transparent you can be, the more people are going to trust you. And the more people trust you, the easier life becomes."

"你越能把事情保持简单、越直接、越透明，人们就越会信任你。而人们越信任你，生活就越轻松。"

Invest Like the Best, EP.378 (2024)

服务式沟通——他在沟通里的目标不是证明自己聪明，而是让对方理解：

"My objective is not to impress upon anybody how smart I am. My objective is for them to understand."

"我的目标不是向任何人证明我有多聪明。我的目标是让他们理解。"

Invest Like the Best, EP.378 (2024)

严苛的自我评估，从不给自己满分：他维持一套"scaffolding（脚手架）"——长期个人计划层层下沉为年度 OKR → 季度 → 周目标。即便是 Sequoia 的强项，他也只打"十分之九"，永不打满分。

relentless application of force（力的不懈施加）——这是他从 Michael Moritz 那里继承、并反复引用的、区分传奇与平庸的根本：

"The thing that probably separates the legendary from the rest is, in fact, the relentless application of force."

"真正把传奇者与其余人区分开来的，大概，正是力的不懈施加。"

Invest Like the Best, EP.378 (2024)

个人

Wyoming 人，热爱户外——山地骑行、滑雪、公路骑行、单板滑雪。这种户外耐力运动的偏好，与他"slope（斜率）/ 持续施力 / 长反馈回路里以输入为荣"的方法论隐隐同构（此为推断）。

三、数据来源

网络研究（6 篇）

1. Sequoia Capital 官方 bio — Pat Grady — 2026-05-29 — 基础事实：履历、组合公司清单、enduring/exited 名单、签名引用。配合 scalingknowledge、Fortune、Presidential Scholars 等做事实交叉。
2. Generative AI: A Creative New World（Pat Grady + Sonya Huang, 2022-09）— 2026-05-29 — canonical 生成式 AI 市场地图；模型层 vs 应用层、飞轮护城河、"little brain on big brain"、trillions 量级。提供本档案多条直接引用。
3. Generative AI's Act o1 / 2026: This is AGI 等 Sequoia AI essays 摘录 — 2026-05-29 — 两幕市场结构、reasoning 时代、$/seat → $/outcome、cognitive architectures、AGI 三组件、talkers vs doers。
4. Lessons from Pat Grady (scalingknowledge substack) + Meet Sequoia's new stewards (Fortune, 2025-11-05) — 2026-05-29 — 投资哲学综述（market vs founder 取舍、understanding over impressing、avoiding irrelevance、scaffolding、relentless application of force）+ 2025 co-steward 接任事实（与 Alfred Lin 共同接替 Roelof Botha；共同主导 OpenAI 投资）。
5. Sequoia AI Ascent 2025 keynote — "AI's Trillion-Dollar Opportunity"（cache 聚合 inferencebysequoia 详细 recap + Bloomberg 2025-11 stewardship 框定）— 2026-05-30 — Grady 的 AI 市场量级与 GTM 论述：AI 同时攻击软件+服务两个市场（利润池大一个数量级）；tools→copilots→autopilots 从软件预算迁入劳动力预算；adoption 三件套（awareness/distribution/connectivity）；"from the customer back"；durability 藏在最后 20%（trust）；"run like heck / maximum velocity"。
6. Generative AI's Act Two（Pat Grady + Sonya Huang 合著, 2023-09-20）— 2026-08-04 — essay 系列中章（此前档案缺口）：Act 1 technology-out → Act 2 customer-back（"from the customer back"的 2023 成文起源）；"biggest problem is... proving value" + DAU/MAU 中位数 ~14%（"vibes revenue"的祖先）；"data moats are on shaky ground"（data-moat 怀疑论转折点，早于此前档案记录两年）；对自身第一篇 essay 的公开修正（warp speed / GPU 供给侧瓶颈）。

来源说明：上述 1 与 4 的 cache 文件各自聚合了多个 URL（Sequoia bio、scalingknowledge、Fortune、Presidential Scholars bio）。一处常见误归属已纠正：《AI's $600B Question》(2024-06) 由 Sequoia 的 David Cahn 撰写，并非 Grady（其早期版本《AI's $200B Question》, 2023-09 同此）。本档案据此未将该文计入 Grady 自署作品。

播客访谈（10 期）

未使用但已扫描的（Podwise 搜索命中）

以下集数在 Podwise 搜索中出现，但因与已采用集数高度重叠/重复（同场访谈的不同切片或镜像上传），为控制 context 预算未单独 digest：

• Uncapped #36 | Pat Grady & Alfred Lin from Sequoia（episode 6329784）— 与已采用的 6407804 为同一场 Uncapped 访谈的重复上传。
• 20VC: The Sequoia Investment Process...（episode 1488894）— 与已采用的 1733110（20VC E1174）为同一场 20VC 访谈的镜像/平台重复上传。
• 100 Years of Progress in 100 Days: Sequoia AI Ascent 2026 Keynote（episode 7888120）— 与已采用的 7902975（This is AGI）为同一场 2026 AI Ascent keynote 的镜像上传（同一 MAD 框架、"faster horses → cars"于近乎相同时间戳 [00:06:09] vs [00:06:02]、"100 年 → 100 天"、aluminum / human-connection 收尾一致）。可折内容尽在 7902975，故本集整集跳过。
• Elon vs OpenAI, Ads in ChatGPT, Leaked Tech Emails | Sean Frank, Bill Shufelt, Alex Mashrabov, Sonya Huang & Pat Grady（episode 6860428, 2026-01-17）— 3 小时新闻 roundup panel（五嘉宾其一），Podwise highlights 未逐句 speaker-attributed；Grady/Huang segment 的主题（apps→agents、AGI 需要人的 agency 与应用）与档案已折入的 2026 keynote MAD/diffusion-gap、"服务即新软件"高度重叠，未通过 genuinely-new 闸门，整集跳过。
• Sequoia's Playbook: Bold Discipline with Pat Grady & Alfred Lin — Uncapped (4-min)（episode 6337787）— 已采用的 Uncapped Ep.36（6407804）的 4 分钟宣传切片，按形态排除。
• 已确认存在但 Podwise 未索引：Boston College Shea Center "A Conversation with Sequoia Capital's Pat Grady"（2025-09-26 校园对谈）——活动页无录像/transcript 可提交，留作人工跟进。

处理失败（transcription failed）：

• Agent Talk #7: Pat Grady (Sequoia) — What actually works in AI startups（Get Paid with Manny Medina, episode 5807555, 2025-03-26）— 原集提交 Podwise 处理时 transcription failed。其 REPLAY 重播版（episode 5856289, 2025-11-14）已在 2026-07-03 refresh 成功处理并折入本档案（见上表"关于 AI-agent 创业者的操作手册"一节），故原失败集不再需要单独重试。

说明：Grady 亦共同主持 Sequoia 的 Training Data 播客（作为主持人而非受访者），其中他多以提问者身份出现；本档案以"他作为受访对象自述"的材料为主，故未纳入其主持的单集。如需进一步扩充，Training Data 中他与 AI builders 的对话可作为后续 /refresh 的候选语料。

方法论备注（给后续维护者）：本档案的 AI-investing 洞察刻意按"thesis 的可证伪结构"组织——每个框架（frozen frontier、$/seat→$/outcome、conviction>consensus、market vs founder）都尽量保留其原始 mental model 形态与一手引用，以便用于 vc-loop 的 sparring 与 q-mine 反向工程。区分了事实（标注来源）与推断（显式标注），并对一处作者误归属（$600B Question）做了纠正。