Sequoia Capitals geschlossene Präsentation: Von 'Software bereitstellen' zu 'Ergebnisse liefern', neue Logik der KI-Kommerzialisierung und Kapitalbewertung

Quelle: Video von Pat Gradys Präsentation "KI für BC IC"

Zusammengefasst von: AGI 2050

Anmerkung des Herausgebers

An den Wendepunkten technologischer Zyklen stellen die internen Bewertungen führender Risikokapitalgesellschaften oft wichtige Einblicke in Branchentrends dar.

Dieser Artikel basiert auf einer geschlossenen Präsentation von Pat Grady, einem globalen Partner bei Sequoia Capital, vor dem Boston College Investment Committee. In dieser Präsentation stellte Grady seine Beobachtungen im Herbst 2026 dar und überprüfte systematisch die strukturellen Veränderungen in der globalen Entwicklung der zugrunde liegenden Technologie, das Tempo der Branchenanpassung und die Logik der Kapitalbewertung seit der Explosion großer Modelle.

Im Gegensatz zu verallgemeinerten öffentlichen Diskussionen konzentriert sich dieser Bericht, der sich an zentrale begrenzte Partner (LPs) richtet, auf eine Reihe spezifischer und prägnanter geschäftlicher Substanzfragen:

• Veränderung der zugrunde liegenden Logik: Das Wesen dieser Welle ist nicht eine Revolution der Informationsverteilung, sondern eine Rekonstruktion der zugrunde liegenden Rechenarchitektur, deren potenzieller Markt (TAM) erheblich in den Markt für professionelle Dienstleistungen eindringt, der ein bis zwei Größenordnungen größer ist als der Billionen-Dollar-Realm der reinen Software;

• Sprung in den F&E-Paradigmen: Mit der Reife der logischen Argumentation und der Technologie der Langzeit-Agenten hat sich der Forschungsschwerpunkt der Grenzlabore von der Künstlichen Allgemeinen Intelligenz (AGI) zur Künstlichen Superintelligenz (ASI) und zur rekursiven Selbstverbesserung (RSI) verschoben;

• Kommerzielle Differenzierung und Diffusionslücke: Es gibt eine signifikante "Technologiediffusionslücke" zwischen den nativen Fähigkeiten der Modelle und ihren tatsächlichen Anwendungen in Unternehmen, wobei hochqualifizierte Wissensarbeit (Programmierung, Gesundheitswesen, Steuerkonformität usw.) eine neue Generation von systemischen Unternehmen hervorbringt, während die hochfrequente Oszillation der zugrunde liegenden Technologie die Unternehmen auf Anwendungsebene zwingt, ihre Organisationsformen neu zu konstruieren;

• Neue Formen der Kapitalblase: Inmitten eines leidenschaftlichen Marktgefühls hat sich der Primärmarkt zu einem zweistufigen Finanzierungsmodell entwickelt, das "Co-Building-Partner von Finanzierungs-Partnern trennt", wobei die Bewertungshebel und die Prämienrhythmen der Primär- und Sekundärmärkte ohne Präzedenzfall getestet werden.

Im Folgenden finden Sie den vollständigen Text unserer Zusammenstellung der Präsentation:

1. Dies ist keine Revolution der Informationsverteilung, sondern eine rechnerische Rekonstruktion

Die heutigen Materialien dienen hauptsächlich dazu, auf einen Vorschlag des Boston College Investment Committee zu antworten: "Wie ist der aktuelle Stand der KI-Industrie?"

Hier werde ich diese Beobachtungen als Momentaufnahme am Knotenpunkt September 2026 festhalten.

Die Risikokapitalbranche verwendet oft ein Diagramm, um die sich über Jahrzehnte überlappenden Entwicklungen technologischer Wellen zu veranschaulichen: von der Entwicklung von Chips auf der untersten Ebene bis hin zu Rechensystemen, die über das Internet mit der Öffentlichkeit verbunden sind; dann in mobile Geräte eintretend, die ein komplexes Anwendungsecosystem hervorrufen; bis jetzt, wo KI beginnt, diesen Anwendungen ohnegleichen Verarbeitungsfähigkeiten zu verleihen.

Der grundlegende Verlauf der technologischen Evolution war immer so. Diese Welle, die sich auf KI konzentriert, weist jedoch drei Merkmale auf, die sich deutlich von früheren Zyklen unterscheiden:

Erstens ist der potenzielle Markt (TAM) ohnegleichen groß.

In den letzten Jahrzehnten war das Hauptziel des Branchendurchsatzes die "Marktgröße der Software" (Software TAM); während KI direkt in die "Marktgröße der professionellen Dienstleistungen" (Services TAM) eindringt ------ letzterer ist ein bis zwei Größenordnungen größer als reine Software.

Zweitens übersteigt die Geschwindigkeit der Technologiediffusion die der Vergangenheit bei weitem.

Diese hohe Durchdringungsrate ist nicht einzigartig für KI-Technologie, sondern ein unvermeidliches Ergebnis der Bereitschaft der Infrastruktur. Zu Beginn des Cloud-Computing hatte die globale Bevölkerung, die auf das Internet zugreifen konnte, weniger als 100 Millionen; als das mobile Internet begann, mussten die Benutzer intelligente Hardware einzeln kaufen. Jetzt, mit der globalen Netzwerkinfrastruktur und der weit verbreiteten intelligenten Hardware, ist der Widerstand gegen die großflächige Diffusion auf ein historisches Minimum gesunken, sobald die Technologie den Nutzungsinflektionspunkt überschreitet.

Drittens und am wichtigsten: Die Form dieser technologischen Transformation unterscheidet sich physisch von der Vergangenheit.

Die technologischen Revolutionen der letzten Jahrzehnte ------ einschließlich Personalcomputern, lokalen Netzwerken, dem Internet und Cloud-Computing ------ gehören im Wesentlichen zur "Revolution der Informationsverteilung", wobei der Kern darin besteht, die Effizienz der Informationsübertragung im Raum zu optimieren.

Was wir derzeit erleben, ist eine "Revolution der Berechnung selbst." Es geht nicht mehr darum, wie Informationen übertragen werden, sondern wie Informationen verarbeitet und reorganisiert werden. Diese Ebene der zugrunde liegenden Rekonstruktion hat in der Branche seit der Geburt der Halbleiter-Integrationsschaltungen in den 1960er und 70er Jahren nicht stattgefunden.

Diese Unterscheidung hat erhebliche kommerzielle Implikationen: Sie bedeutet, dass die technologische Grundlage, auf die sich Unternehmer auf Anwendungsebene stützen, sich weiterhin in einer dynamischen Evolution mit hochfrequenten Verschiebungen befindet.

Wenn wir den Entwicklungspfad der letzten Jahre überprüfen, hat die Branche drei wichtige Wendepunkte erlebt:

1. Der ChatGPT-Moment Ende 2022 stellte die technische Machbarkeit und das Expansionspotenzial des unüberwachten Pre-Trainings fest;

2. Die Veröffentlichung von OpenAI o1 Ende 2024 bestätigte den Weg der logischen Argumentation und markierte, dass große Modelle zunächst die Fähigkeit besaßen, vom intuitiven schnellen Denken (System 1) zum logischen langsamen Denken (System 2) überzugehen;

3. Die Einführung von Claude Code und Opus 4.5 bestätigte die Nutzbarkeit von "Langzeit-Agenten" in komplexen Aufgabenumgebungen.

Diese drei Phasen scheinen sich auf demselben technologischen Kontinuum zu befinden, aber zu dem Zeitpunkt, als die dritte Phase abgeschlossen war, hatte die Branche tatsächlich eine kritische Schwelle überschritten ------ Künstliche Allgemeine Intelligenz (AGI) hat sich von einer technischen Hypothese zu einer industriellen Realität entwickelt.

Anfang dieses Jahres sagte Sequoia in einer Kolumne voraus, dass "2026 das Jahr der AGI sein wird." Zu diesem Zeitpunkt war diese Behauptung innerhalb der Branche noch umstritten; jedoch hat sie sich im Laufe der Zeit allmählich zu einem gemeinsamen Konsens unter den Technologie- und Investitionsgemeinschaften gefestigt.

2. Von "Kutsche" zu "Automobil": Die Realität und Nebenwirkungen der kommerziellen Landung

Wenn wir die klassische Frage des Sequoia-Gründers Don Valentine aufgreifen ------ "Und was dann? Welchen substanziellen Wert schafft dies?" ------ bedeutet die aktuelle technologische Evolution tatsächlich, dass Transportmittel von der "verbesserten Kutsche" zur "Automobil"-Phase übergegangen sind.

In den letzten Jahren gehörten viele Produkte, die als KI bezeichnet werden, im Wesentlichen immer noch zur schrittweisen Verbesserung traditioneller Software und boten lediglich bessere digitale Werkzeuge; während jetzt die Technologie die Prozesse und Formen der Produktivitätsbereitstellung grundlegend verändert.

In praktischen Geschäftsterminen manifestiert sich diese Migration in mehreren Szenarien:

• Softwareformen entwickeln sich von "Werkzeugkästen" zu "Kollaboratoren": Produkte, die durch Instinct oder Muse repräsentiert werden, haben sich von bloßen Aufgabenverarbeitungswerkzeugen zu End-to-End-Geschäftskollaboratoren entwickelt, die Ergebnisse liefern. Ihre Entwicklungslogik ähnelt der der Videokonferenzbranche: Bevor Zoom die Nutzungs- und Vertrauensschwelle überschritt, existierte die Videokonferenztechnologie viele Jahre, wurde aber von der Mainstream-Wirtschaft nicht ernsthaft akzeptiert; sobald die Stabilität der Technologie einen bestimmten Schwellenwert überschritt, etablierten sich Online-Meetings schnell als der Standardarbeitsablauf. Die aktuelle KI befindet sich in einem ähnlichen Vertrauensübergangsintervall.

• Universalisierung des fortgeschrittenen Fachwissens: Im medizinischen Bereich können primäre Gesundheitseinrichtungen und Praktiker in abgelegenen Gebieten über mobile Terminals auf branchenspezifisches diagnostisches Wissen zugreifen; im Bildungsbereich zeigen innovative Lehrsysteme, die durch Alpha School repräsentiert werden, mögliche Wege auf, wie KI-native Bildungsmodelle das personalisierte Lernen umgestalten können.

• Infrastrukturüberlauf in die reale Industrie: Die Welle des Aufbaus ultra-großer Datenzentren schafft eine nachhaltige industrielle Nachfrage in den Bereichen Maschinenbau, elektromechanische Ausrüstung und Energieinfrastruktur.

Gleichzeitig löst der schnelle technologische Sprung auch eine Reihe von Kettenreaktionen auf industrieller und sozialer Ebene aus:

• Druck auf die Investitionen in Cloud-Infrastruktur-Anbieter: Ultra-große Cloud-Service-Anbieter (Hyperscalers) erhöhen kontinuierlich ihr Investitionsvolumen in Recheninfrastruktur, und sich ausschließlich auf freien Cashflow zu verlassen, reicht nicht mehr aus, um die Capex vollständig zu decken; die Branche beginnt, häufig über Anleiheemissionen zu finanzieren, um den Wettbewerb um Rechenleistung aufrechtzuerhalten.

• Entstehung neuer Cyberbedrohungen: Die Verbesserung der Fähigkeiten von Grundmodellen senkt objektiv die Entwicklungsbarriere für fortschrittliche automatisierte Angriffswerkzeuge, und das Gleichgewicht zwischen Angriff und Verteidigung in der digitalen Infrastruktur ist kontinuierlich betroffen.

• Wertumgestaltung wissensbasierter Berufe: Reine Text- und grundlegende Informationsverarbeitungsjobs im Büro werden erheblich betroffen. Arbeiter, die Modelle aktiv nutzen können, um die Produktivität zu steigern, haben einen erheblichen Vorteil in der Produktionseffizienz, während Arbeitsgruppen, die keine kollaborativen Barrieren aufbauen können, einem anhaltenden Druck zur marginalen Substitution ausgesetzt sind.

• Reibung in der sozialen Verteilung und Governance: Das Thema des Rechenleistungsverbrauchs entwickelt sich allmählich zu einem geopolitischen und regionalen Governance-Thema; die Unterschiede in den Kapitalrenditen und Arbeitsrenditen, die durch KI entstehen, haben auch bestehende Ungleichheiten in der Vermögensverteilung in gewissem Maße verschärft.

3. Verschiebung des F&E-Fokus an Grenzlabors: Fortgeschrittene Erkundung und ingenieurtechnische Realität

Eine eingehende Untersuchung der F&E-Frontlinien führender Grenzlabore zeigt, dass die Urteile der Forscher über die Pfade der technologischen Evolution oft sehr fokussiert und direkt sind.

Derzeit haben sich die Kernlabore intern von der ingenieurtechnischen Realisierung von AGI auf die Bereiche Künstliche Superintelligenz (ASI) und rekursive Selbstverbesserung (RSI) verlagert.

Dabei bezieht sich RSI auf die Fähigkeit des Modells, autonom an der nächsten Generation des Schreibens von Modellcode, Testen und Architekturoptimierung in einem sich selbst verstärkenden Zyklus teilzunehmen oder sogar diese zu leiten. Das Auftreten dieses technologischen Feedback-Loops hat die Forschungs- und Entwicklungsteams dazu veranlasst, die "technologische exponentielle Abhebung" und das potenzielle Risiko eines Ausrichtungsversagens (p(doom)) vorsichtig zu bewerten. Dies bildet den zentralen technischen Hintergrund für die jüngsten öffentlichen Aufrufe führender Persönlichkeiten wie Dario Amodei, Mitbegründer von Anthropic, an die gesamte Branche, das Tempo der Spitzenforschung und -entwicklung zu kalibrieren.

Auf der spezifischen ingenieurtechnischen und kommerziellen Ebene zeigen die Frontlabore die folgenden definitiven Trends:

1. Überwindung der Grenzen reiner natürlicher Sprache: Modelltraining und Inferenzszenarien beschleunigen ihre Migration in rigorose Deduktionsfelder wie komplexe wissenschaftliche Erkundung und Überprüfung von fortschrittlichen mathematischen Vermutungen, wobei die zugrunde liegende Rechenarchitektur neuen Effizienzoptimierungsanforderungen gegenübersteht;

2. Langfristige Diskrepanz zwischen Angebot und Nachfrage nach Rechenleistung: Der Mangel an Rechenleistung bleibt ein zentrales ingenieurtechnisches Engpassproblem, das sich durch die obersten Labore und Unternehmen auf Anwendungsebene zieht, und der Trend zu selbstentwickelten ASICs und anderen spezialisierten Siliziumchips in der gesamten Branche verstärkt sich weiterhin;

3. Intensivierung des Wettbewerbs um Inferenz-APIs: Der kommerzielle Wettbewerb um den Verbrauch von Token durch grundlegende Modelle ist extrem hart, wobei die API-Preise kontinuierlich sinken. Um effektiv Nutzung von Fortune-500-Unternehmen und anderen großen Unternehmen zu sichern, bauen führende Labore zunehmend ihre eigenen unternehmensinternen Serviceteams auf, um die Szenarien durch hochintensive maßgeschneiderte Beratung zu fördern;

4. Normalisierung externer Fusionen und Übernahmen: Da sich die Wettbewerbslandschaft in den verschiedenen Bereichen stabilisiert, etablieren führende Labore allmählich einen normalisierten Mechanismus für den Erwerb von Talenten, Teams und Vermögenswerten, wobei die kommerzielle Landschaft Merkmale der Expansion aufweist, die für große Unternehmen typisch sind.

IV. Die Technologiediffusionslücke und die kommerzielle Explosivkraft der Anwendungsebene

Es gibt eine signifikante Verzögerung zwischen der Explosion der Fähigkeiten grundlegender Modelle und den tatsächlichen Absorptionsniveaus in der Industrie, die als "Technologiediffusionslücke" bezeichnet wird. Für Startups auf Anwendungsebene stellt diese Lücke die primäre Kommerzialisierungsmöglichkeit dar.

In diesem Zyklus konzentrieren sich die kommerziell sichersten Einstiegspunkte auf den Sektor der hochqualifizierten Wissensarbeit: Softwareengineering, Cybersicherheit, medizinische Fachdienstleistungen, Finanzen und Investmentbanking, Prüfung und Compliance usw. Jeder Teilsektor mit hohen professionellen kognitiven Barrieren hat das Potenzial, neue Plattformunternehmen der nächsten Generation mit Bewertungen in Milliardenhöhe hervorzubringen.

In Anlehnung an die Position der Kernaufzeichnungssysteme, die während des Cloud-Computing-Zyklus von ServiceNow, Workday und Salesforce etabliert wurden, bildet sich derzeit eine neue Generation von Aufzeichnungssystemen, die sich um KI als Interaktions- und Logik-Hub in verschiedenen professionellen vertikalen Szenarien gruppiert.

Bei der Erkundung zugrunde liegender Anwendungen haben einige vertikale Architekturen Effizienzverhältnisse gezeigt, die die allgemeinen großen Modelle bei weitem übertreffen:

• Kandidatenmoleküldesign im biopharmazeutischen Bereich: Modelle, die für spezifische wissenschaftliche Berechnungen optimiert sind, können jetzt extrem kurze Zyklusgenerationen von Kandidatenarzneimolekülen erreichen, wodurch die für das molekulare Design in der traditionellen Arzneimittelentwicklung erforderliche Zeit erheblich verkürzt wird;

• Explosive Einzelpunktarchitekturen: Die Nachfrage der Branche nach homogenen allgemeinen Basen ist begrenzt, aber vertikale Modelle, die in der Lage sind, Einzelpunktaufgaben mit neuen Architekturen neu zu konstruieren, wachsen schnell. Ein aktueller typischer Fall, Jev, ist im Wesentlichen ein hochdurchsatzfähiger "Entscheidungs-Klassifizierer." In der tatsächlichen Produktion gehören eine große Anzahl komplexer Anforderungen an LLM-Aufrufe im Wesentlichen zu diskreten Auswahlklassifikationsaufgaben. Dieses Produkt hat die Einzelinferenzkosten solcher Aufgaben durch extreme rechnerische Optimierung um etwa das 100-fache gesenkt und in sehr kurzer Zeit einen außergewöhnlichen Anstieg des jährlichen wiederkehrenden Umsatzes (ARR) erzielt.

Diese kommerzielle Explosivkraft zeigt, dass in Teilsektoren mit hohen Bruttomargen und signifikanten kognitiven Barrieren KI-gestützte Softwareprodukte anomale Wachstumsneigungen aufweisen.

Unternehmen, die kontinuierlich Barrieren auf der Anwendungsebene aufbauen können, weisen im Allgemeinen die folgenden organisatorischen und geschäftlichen Merkmale auf:

Erstens, autonome Kontrolle der intelligenten Basis.

Unternehmen beginnen proaktiv, ihre Kernarbeitslasten von geschlossenen großen Modell-APIs auf tiefes Post-Training basierend auf Open-Source-Basen zu migrieren. Der Hauptantrieb dahinter ist Kosten und Effizienz: Allgemeine Grundmodelle bedienen hauptsächlich begrenzte Gleichgewichtspunkte an der allgemeinen Pareto-Front; um extreme Kosteneffizienz in spezifischen kommerziellen Aufgaben zu erreichen, sind Unternehmen, die über speziell entwickelte Open-Source-Modelle verfügen, die optimale Lösung.

Zweitens, die organisatorische Struktur verschiebt sich in Richtung "Langbrettdurchbrüche."

Da der zugrunde liegende Technologiestack und die Modellfähigkeiten alle paar Monate Iterationen durchlaufen, müssen Unternehmen auf Anwendungsebene, die überleben, extrem kurze Selbstrekonstruktionszyklen für Produkte aufrechterhalten. Diese Organisationen geben allmählich traditionelle kollaborative Modelle auf, die durch Teamdefizite eingeschränkt sind, und verlassen sich stattdessen auf eine kleine Anzahl von Top-Kernmitarbeitern, um technische Herausforderungen zu bewältigen und das gesamte Geschäft mit hoher Geschwindigkeit voranzutreiben.

Drittens entwickelt sich die Unternehmensführung zu einem verteilten kollaborativen Netzwerk.

Traditionelle hierarchische Befehlssysteme weichen dezentralen Architekturen, die sich um KI-Intelligenzen als Informationszentren gruppieren, und verlassen sich auf hochdichte automatisierte Prozesse und autonome Zusammenarbeit, um die Betriebseffizienz mit einer sehr kleinen Personalstärke aufrechtzuerhalten.

V. Die Differenzierung der Kapitalbewertungssysteme und Hebeleffekte

Auf dem Kapitalmarkt hat die Vermögensbewertung im KI-Bereich im vergangenen Jahr eine signifikante Polarisierung und hohe Strukturierungsmerkmale gezeigt.

Um Risiken und Renditen in einem überhitzten Vermögensumfeld auszugleichen, haben einige Frühphasenprojekte begonnen, einen "zwei-stufigen" Finanzierungsmechanismus zu übernehmen: die strategischen Mitbauverantwortlichkeiten des industriellen Kapitals von dem reinen Finanzkapital zu trennen, das nachfolgende Expansionsmunition bereitstellt.

In mehreren typischen Transaktionsbeispielen, an denen Sequoia im vergangenen Jahr intensiv beteiligt war, sind folgende Trends aufgetreten:

• In den frühen Phasen haben Institutionen, die als Geschäftspartner fungieren, frühzeitige führende Investitionen zu relativ angemessenen Bewertungsbenchmarks abgeschlossen (z. B. im Nachinvestitionsbereich von 110 Millionen USD);

• Nach einer sehr kurzen Geschäftsvalidierungsphase folgte externes reines Finanzkapital schnell nach und schob die Bewertung des Ziels in den nachfolgenden Runden schnell auf mehrere Male oder sogar höhere Niveaus (einige Durchschnittswerte erreichten über 3 Milliarden USD).

Dieser schnelle Wechsel hoher Bewertungsmultiplikatoren spiegelt objektiv die extreme Nachfrage der Primärmarktmittel nach Zielen mit echten technologischen und geschäftlichen Barrieren wider, konzentriert jedoch auch die hohe Liquiditätsprämie, die im aktuellen Markt angesammelt wurde.

Angesichts des zukünftigen industriellen Evolutionspfades kann keine Institution einen vollständig sicheren Fahrplan halten. Die grundlegenden Gesetze, die den Technologieinvestitionszyklus durchziehen, gelten jedoch weiterhin:

Wenn die Grenzkosten eines entscheidenden Produktionsfaktors um eine Größenordnung sinken, während die umfassende Verarbeitungseffizienz exponentiell weiter steigt, wird die strukturelle Umgestaltung auf industrieller Ebene eine unumkehrbare objektive Realität werden. Die technologische Rekonstruktion des globalen Geschäftssystems befindet sich derzeit nur in der Entfaltung der ersten Hälfte.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.