从红杉26年33笔AI投资，看懂智能体时代的下注逻辑

今年，红杉出手更多了。

据不完全统计，2026年以来红杉全球在AI领域已经累计出手33次。而据乌鸦君此前统计，2023至2025年间，红杉只出手了45次。

如果你仔细拆解这33笔投资，会发现一个惊人的事实：红杉对“智能体时代”的布局已经开始了。

基础设施层，是2026年红杉出手最密集的赛道。今年以来，红杉在智能体基建赛道累计出手10次，占总出手数的比重接近三分之一。

在红杉看来，智能体将成为下一代软件运行的主体。红杉判断，长时程智能体想要在生产环境规模化稳定运行，必须配一整套工具栈——推理性能优化、多步骤工作流编排、实时外部数据检索、输入输出校验与系统安全，缺一不可。

今天，我们就透过这33笔投资，看看顶级VC眼里的“智能体时代”到底长什么样。

模型层：重仓巨头+前沿押注

红杉在模型层的策略一直非常克制。2023年，红杉合伙人Roelof Botha曾直言：“我们的钱不是用来付天价训练成本的。”

实际动作也印证了这点，除早期投资的OpenAI和xAI外，红杉对通用大模型赛道始终保持着财务投资人的距离感。

但进入 2026 年，智能体落地让模型可靠性从“加分项”变成了生死线——一个乱编、会死循环的智能体，企业不敢用。

于是红杉的策略来了个180度转弯，从“选择性参与”变成了“重仓巨头 + 前沿押注”的双线打法。

在头部通用大模型赛道，红杉半年内两度追投Anthropic（G轮参投，H轮联合领投），对其H轮投后估值达到了惊人的9650亿美元；对OpenAI的8520亿美元新一轮融资也持续跟进。

对红杉而言，追投头部模型的真正意图，是卡住“确定性”。无论未来AI怎么发展，模型层的赢家大概率绕不开这两家。

而在下一代技术路线上，红杉把筹码押给了Ineffable Intelligence。

这家由AlphaGo之父David Silver创立的英国AI实验室，主打纯强化学习路线的下一代基础模型，不依赖人类标注数据训练。红杉在其种子轮就联合领投，投后估值达51亿美元。

红杉在模型层的打法其实很清晰：两头下注，用确定性保底，用黑马博超额收益。

出手最多，押注智能体“卖铲人”

基础设施层，是2026年红杉出手最密集的赛道。今年以来，红杉在智能体基建赛道累计出手10次，占总出手数的比重接近三分之一。

红杉判断，长时程智能体想要在生产环境规模化稳定运行，必须配一整套工具栈——推理性能优化、多步骤工作流编排、实时外部数据检索、输入输出校验与系统安全，缺一不可。

在推理性能优化方面，红杉领投了估值40亿美元的Fireworks AI（高性能AI推理云平台），并参投了由vLLM核心团队创立的Inferact（主打底层推理优化）。

其中，Fireworks AI是一家高性能 AI 推理云平台，把市面上主流的开源、闭源大模型都部署在自己的算力集群上，开发者和AI公司通过API一键调用，省去自建GPU的成本与运维，推理更便宜、更快。

Inferact则由知名开源推理框架 vLLM 的核心团队创立，主打底层推理优化技术，通过技术优化让一块 GPU 能同时处理更多请求、单条推理成本更低。

在多步骤工作流编排方面，红杉连续加注了开源工作流编排引擎Temporal，投后估值50亿美元。在红杉看来，没有成熟的编排工具，智能体永远只能是演示级的“玩具”。

Temporal 是目前行业主流的开源工作流编排引擎，相当于智能体系统的 “任务调度总管”，负责管理复杂任务的步骤顺序、故障恢复，保障多智能体能稳定地运行。

在实时外部数据检索领域，红杉领投了前Twitter CEO创立的Parallel Web Systems（估值20亿美元）。

Parallel由前 Twitter CEO Parag Agrawal 创立，专为 AI 智能体提供网页访问与检索基础设施。智能体需要实时从互联网获取信息，但直接访问网页会遇到反爬、宕机、解析混乱等问题。Parallel把这些问题封装成一套高可用API，相当于给智能体配了一个“专属浏览器”，解决智能体实时获取外部公开数据的痛点。

除了上述领域外，AI安全的基础设施也是红杉布局的重点。

比如，红杉投资了Pydantic。Pydantic 是 Python AI 生态最核心的数据验证与数据建模库，已经成为 FastAPI、LangChain 等众多 AI 框架的重要基础设施。

大模型输出的内容往往是自由文本，无法直接对接企业系统，Pydantic 可以严格校验输出数据的格式、结构、类型，确保智能体的输出是规范、可用的，堪称智能体的 “格式质检员”

此外，红杉的布局还覆盖了漏洞挖掘、模型防护、数据安全、隐私计算、安全数据基建五大环节。

XBOW：AI 驱动的自动化渗透测试平台，可自主发现并验证软件漏洞。

Oasis Security：专注AI模型本身的安全，包括 prompt注入、数据泄露、恶意工具调用等 AI 特有安全问题。

Cyera：AI 数据安全平台，企业在用大模型处理数据时，哪些数据能喂给模型、哪些不能，全生命周期需要管控。Cyera解决的就是大模型落地中的数据合规问题。

Evervault：AI 隐私计算基础设施，它能让企业在加密数据上直接运行AI推理——比如医院要把病历数据传给AI分析，但全程数据都是加密的，满足金融、医疗等强监管行业合规需求。

Scanner：面向安全场景的高性能数据基础设施，相当于 AI 安全智能体的日志检索引擎，让企业安全团队能以极低成本保存海量历史日志，并随时查到任何时间段的记录，快速调查攻击来源。

红杉在基础设施层的打法，本质上是在为智能体经济的爆发提前“铺路”。抢占智能体经济基础设施与关键场景的先发位置。

应用层：别做“助手”了，要做就做“劳动力替身”

应用层始终是红杉 AI 投资的主战场，这和它 “重应用、轻模型” 的一贯策略一脉相承。

不过前几年不同，红杉今年的应用投资逻辑发生了升级：从“AI提效工具”全面转向“自主智能体服务”。

红杉在《Services: The New Software》中提出了一个核心判断：单点工具随时可能被大模型内置为功能。真正的壁垒，是把AI能力串联成自主工作流，直接交付完整的业务结果，抢占企业的人力服务外包预算。

数据也支撑了这个判断：企业每花1美元买SaaS软件，就会配套花6美元在人力服务上。AI应用的最大增量市场，不是替代软件，而是替代人。

在法律AI赛道，Harvey是绝对核心标的，2026年两个月内连融两轮，红杉均担任领投，估值达110亿美元。

从早期的合同工具到如今的全流程 AI 平台，Harvey 已经从 “律师的辅助工具” 进化为 “AI律师”。Crosby 则代表了 “AI + 持牌律所” 的创新模式，把数天的合同审查压缩到 1 小时。

医疗 AI 是另一大重仓赛道，逻辑与法律高度一致：大量标准化流程存在优化空间。2026 年红杉的投资已经从行政提效延伸到医保、诊疗等核心环节。

其中，Commure 是医疗赛道标杆，主打医疗收入周期管理，用 AI 自动化处理医保理赔、账单核算等行政流程，ARR 已突破 2 亿美元，本质是直接替代医院行政人力。

此外，Anterior 专注医疗事先授权审批自动化，帮助医院快速获取手术、检查等项目的保险批复；Grow Therapy 提供AI驱动的心理健康服务平台，通过智能匹配引擎为患者精准推荐持牌治疗师。

在金融AI赛道，红杉布局了Pace、Rogo和Rowspace，主打一级市场投研、企业财务和保险理赔的全流程自动化。

除了垂直领域外，红杉对于AIGC也颇为看好。对于AIGC赛道，红杉的态度非常明确：纯生成工具没有长期壁垒，只有打通内容生产全工作流的公司，才能形成持续价值。

于是，红杉加注了ElevenLabs（AI语音）、Decart（实时视频生成）和Astrocade（AI游戏内容生成）。

ElevenLabs：全球头部 AI 语音生成公司，提供多语言语音合成、声音克隆、音频生成等服务，覆盖内容创作、游戏、客服、影视等场景。

Decart：专注实时生成式视频技术与 GPU 优化，推出全球首个无限长视频生成模型 MirageLSD，实现超低延迟实时视频转换。

Astrocade：AI 游戏内容生成平台，用 AI 自动化生成游戏场景、角色、剧情、关卡等内容，赋能游戏开发全流程，提升内容生产效率。

纵观红杉的应用层布局，所有标的都遵循同一个标准：不是给员工做提效工具，而是直接交付完整的业务结果。AI创业的竞争维度，已经从“谁的模型能力强”，变成了“谁能吃掉更多的人力服务预算”。

/ 04/

总结

复盘红杉33笔投资，风格与前几年一脉相承：重仓早期、注重商业化兑现、验证即加仓。

2026年红杉的AI投资中，早期项目占比超55%，近60%由红杉领投。所有被加注的项目，几乎都有亮眼的商业化表现（如Harvey ARR破3亿美元，Commure ARR超2亿美元）。

红杉合伙人今年在AI Ascent峰会上定调：2026年是“功能性AGI元年”，智能体正式从演示跨进商用门槛。

而红杉所有的布局，都指向一个终极判断：AI对脑力劳动的颠覆，将等同于工业革命对体力劳动的颠覆。

文/元元