Sequoia Capital: Das ist AGI
Sequoia Capital ist der Ansicht:
Das Jahr 2026 wird als das erste Jahr der allgemeinen künstlichen Intelligenz (AGI) gelten. Das Kernmerkmal ist die Reife der „Langzeit-Intelligenzagenten“. KI hat sich von einem einfachen Gesprächspartner zu einem Ausführenden entwickelt, der über eigenständige Schlussfolgerungs- und Iterationsfähigkeiten verfügt und wie ein Mensch in unklaren Situationen komplexe Probleme lösen kann. Das Geschäftsparadigma wird sich von „Softwareverkauf“ hin zu „Verkauf von Arbeitsergebnissen“ verschieben. Intelligenzagenten werden zu rund-the-clock arbeitenden „digitalen Mitarbeitern“. Durch die Treiber von Reinforcement Learning und Agent-Architekturen verdoppelt sich ihre Fähigkeit alle sieben Monate, was die Produktivitätsgrenzen grundlegend neu definiert.
Die allgemeine künstliche Intelligenz (AGI) ist kein ferner Traum mehr, sondern hat mit der Entstehung der „Langzeit-Intelligenzagenten“ (Long-horizon agents) Wirklichkeit geworden. Laut einem Artikel namens „2026: This is AGI“ von den Partnern von Sequoia Capital, Pat Grady und Sonya Huang, der am 14. veröffentlicht wurde, bestehen zwar immer noch Meinungsverschiedenheiten auf technischer Ebene über die Definition von AGI. Aber auf funktionaler Ebene ist die künstliche Intelligenz mit der Fähigkeit, Probleme eigenständig zu lösen, bereits realisiert. Das Jahr 2026 wird ihr Jahr sein.
Sequoia Capital hat erklärt, dass die Programmieragenten (Coding agents) das erste Beispiel für die Umsetzung von AGI sind, und es tauchen immer mehr Arten von Intelligenzagenten auf. Im Gegensatz zur frühen Dialog-KI können die neuen Langzeit-Intelligenzagenten wie Menschen auf der Grundlage von Basiswissen schließen und durch ständige Selbstiteration ihre Ziele erreichen. Dieser Sprung in den Fähigkeiten markiert die Umwandlung der künstlichen Intelligenz von einem bloßen „Gesprächspartner“ zu einem „Ausführenden“, der tatsächlich Arbeit erledigen kann.
Diese Veränderung wird weitreichende Auswirkungen auf die Geschäftswelt und die Investitionsbranche haben. Sequoia Capital hat analysiert, dass mit dem exponentiellen Wachstum der Fähigkeiten der Intelligenzagenten die Logik, wie Gründer Produkte entwickeln, grundlegend verändert wird – von der Softwareverkauf hin zu direktem „Verkauf von Arbeitsergebnissen“. Zukünftige KI-Anwendungen werden nicht nur Hilfsmittel sein, sondern als „Kollegen“ rund um die Uhr parallel arbeiten können. Die Benutzer werden von unabhängigen Leistungsträgern zu Managern von Intelligenzagententeams.
Nachdem Claude Code und andere Programmieragenten in letzter Zeit einen wichtigen Fähigkeits-Schwellenwert überschritten haben, hat sich die Marktauffassung von AGI gewandelt. Der Artikel betont, dass durch die Optimierung von Reinforcement Learning und Agent-Architekturen die Fähigkeit der Intelligenzagenten, komplexe Aufgaben zu bewältigen, alle sieben Monate verdoppelt wird. Dies wird die Personalstruktur und die Produktivitätsgrenzen von Unternehmen grundlegend verändern.
01 Funktionale Definition: AGI ist die Fähigkeit, Probleme eigenständig zu lösen
Sequoia Capital hat erklärt, dass als Anleger sie nicht an der technischen Definition von AGI interessiert sind, sondern eine praktische funktionale Definition vorgeschlagen haben: AGI ist die „Fähigkeit, Probleme eigenständig zu lösen“. Für Unternehmen, die etwas erreichen wollen, ist es nicht wichtig, wie die KI ihr Ziel erreicht. Wichtig ist, ob sie die Aufgabe tatsächlich erledigen kann.
Der Artikel hat die KI mit dieser Fähigkeit in drei Kernelemente zerlegt:
- Basiswissen (Prä-Training):
Dies war der Kernmotor des ChatGPT-Moments im Jahr 2022.
- Schlussfolgerungsfähigkeit (Berechnung während des Schließens):
Dies wurde mit der Veröffentlichung des o1-Modells Ende 2024 erreicht.
- Iterationsfähigkeit (Langzeit-Intelligenzagenten):
Dies ist der neueste Durchbruch. Die KI kann wie ein Mensch mit allgemeiner Intelligenz mehrere Stunden lang eigenständig arbeiten, Fehler korrigieren und ohne konkrete Anweisungen über den nächsten Schritt entscheiden.
02 Vom Befehl zur Autonomie: Der geschlossene Arbeitszyklus der Intelligenzagenten
Um zu erklären, was „Probleme eigenständig lösen“ bedeutet, hat der Artikel das Beispiel eines Einstellungsszenarios genommen: Wenn ein Gründer einen Leiter für die Entwicklerbeziehungen sucht, der sowohl technisch versiert als auch aktiv in den sozialen Medien ist, war die herkömmliche Methode, eine Stellenausschreibung zu veröffentlichen. Die Intelligenzagenten können jedoch einen komplexen Suchzyklus eigenständig ausführen.
Laut dem Artikel können die Intelligenzagenten in 31 Minuten den Denkprozess eines menschlichen Einstellungsexperten abwickeln: Sie suchen nicht nur auf LinkedIn nach passenden Positionen in Wettbewerbsunternehmen wie Datadog und Temporal, sondern wählen auch auf YouTube Sprecher mit hoher Interaktion aus und vergleichen dann die Aktivität und die Qualität der Inhalte auf Twitter. Die Intelligenzagenten können sogar durch die Analyse des Rückgangs der Beitragshäufigkeit potenzielle Abgangssignale erkennen und schließlich die besten Kandidaten auswählen und personalisierte Kontakt-E-Mails verfassen.
Diese Fähigkeit, in unklaren Situationen Hypothesen aufzustellen, zu testen, Fehlversuche zu machen und die Richtung anzupassen, bis das Ziel erreicht ist, ist das Kernmerkmal der Langzeit-Intelligenzagenten. Obwohl sie derzeit noch Halluzinationen haben oder sich verirren können, ist ihre Entwicklung unumkehrbar, und die Fehler werden immer leichter korrigierbar.
03 Technischer Weg: Doppelte Treiber von Reinforcement Learning und Agent-Architekturen
Was den Weg zu diesem Sprung angeht, hat Sequoia Capital darauf hingewiesen, dass es nicht einfach ist, ein Modell dazu zu bringen, lange Zeit zu denken. Zwei technische Wege haben sich bisher als effektiv und skalierbar erwiesen:
Der erste ist das Reinforcement Learning, das hauptsächlich von Forschungslaboren geleitet wird. Durch ständiges „Zurechtweisen“ und Leiten während des Trainings wird das Modell gelehrt, sich über einen langen Zeitraum konzentriert zu halten. Bisher wurden bemerkenswerte Fortschritte bei der Zuverlässigkeit von Mehr-Agenten-Systemen und der Werkzeugnutzung erzielt.
Der zweite ist die Agent-Architektur, die in der Anwendungsebene liegt. Entwickler entwerfen bestimmte Hilfskonstruktionen (wie Gedächtnisübergabe, Kompression usw.), um die bekannten Einschränkungen des Modells zu umgehen. Die derzeit auf dem Markt sehr gut bewerteten Produkte wie Manus, Claude Code und Factory’s Droids verdanken ihren Erfolg ihrer hervorragenden Architekturgestaltung.
Nach der Verfolgung der Fähigkeit der KI, Langzeitaufgaben zu bewältigen, durch METR wächst der Fortschritt in diesem Bereich exponentiell. Wenn man den derzeitigen Trend fortsetzt, können die Intelligenzagenten im Jahr 2028 zuverlässig die Arbeit erledigen, die ein menschlicher Experte einen ganzen Tag braucht, und bis 2034 die Arbeit eines ganzen Jahres.
04 Geschäftliche Veränderungen: Vom Softwareverkauf zu den „digitalen Mitarbeitern“
„Kann man einen Intelligenzagenten einstellen?“ Sequoia Capital ist der Ansicht, dass dies der Prüfstein für AGI ist. Die gegenwärtige Marktlage zeigt, dass spezialisierte Intelligenzagenten in allen Branchen, von OpenEvidence im Gesundheitswesen, Harvey im Rechtswesen bis hin zu XBOW im Bereich der Netzwerksicherheit, schnell auftauchen.
Für Unternehmer bedeutet dies eine enorme Paradigmenverschiebung. Die KI-Anwendungen in den Jahren 2023 und 2024 waren meistens „Gesprächspartner“ mit begrenzten Auswirkungen. Die Anwendungen ab 2026 werden hingegen „Ausführende“ sein. Diese Veränderung macht es möglich, „Arbeit zu verkaufen“. Gründer müssen sich neu fragen: Welche Aufgaben, die ständig überwacht werden müssen, können von Intelligenzagenten übernommen werden? Wie kann man die Preise und die Verpackung nicht auf die „Werkzeuge“, sondern auf die „Ergebnisse“ ausrichten?
Der Artikel ruft am Ende den Markt auf, sich auf das exponentielle Wachstum der Langzeit-Intelligenzagenten vorzubereiten. Obwohl heutige Intelligenzagenten möglicherweise nur etwa 30 Minuten lang zuverlässig arbeiten können, werden sie bald einen ganzen Arbeitstag über arbeiten können und schließlich sogar die Arbeit eines menschlichen Jahrhunderts bewältigen können.
Dies bedeutet, dass Roadmaps, die einst als zu ambitioniert galten – wie der Vergleich von 200.000 klinischen Studiendaten oder die Neugestaltung des gesamten US-amerikanische Steuerrechts – jetzt realisierbar sind. Im ersten Jahr der AGI werden ehrgeizige Pläne allmählich zu realistischen Geschäftsmodelle.
Dieser Artikel stammt aus dem WeChat-Account „Hard AI“ und wurde vom Autor, der sich auf die Technologieproduktion und -forschung konzentriert, von 36 Kr mit Genehmigung veröffentlicht.