2026 年的科技界，范式跃迁已成事实。长周期智能体（Long-horizon Agents）能够从失败中自我修复并持续交付结果；底层算法保证算力指数级跃升，创新工具以「周」为单位快速迭代。
当市场目光全部集中在基础模型、算力基建和芯片时，一个直击中国一级市场的问题必须回答：
诞生于 1984 年、已在欧美运转 40 年的搜索基金（Search Fund），刚刚在亚太市场萌芽。在这个被「硬科技」和「AI 基础设施」强力鼓吹的周期里，这种看似传统的「买入成熟服务企业、优化人效、持有退出」的投资模式，还能适应这个时代吗？在资本极度渴求颠覆性创新的语境下，搜索基金及其标的，是否还有吸引力？
答案，就在红杉资本 AI Ascent 2026 峰会上。合伙人帕特·格雷迪（Pat Grady）、索尼娅·黄（Sonya Huang）、康斯坦丁·布勒（Konstantine Buhler）的共识，以及朱利安·贝克（Julien Bek）《Services: The New Software》一文，不仅没有否定传统服务业，反而为搜索基金指明了最清晰的路径：
在 AGI 时代，搜索基金的价值不是买公司，而是做 AI 落地服务业的「前置机构」（Pre-processor）。
一、智力与判断：标的筛选的动态谱系
红杉将这次浪潮定义为计算革命，而非通信革命。互联网和云解决的是信息分发，AI 解决的是信息处理。底层能力每天都在变，你脚下的地板在移动。
在这个背景下，朱利安·贝克切开了变革的横截面：智力（Intelligence）与判断（Judgement）的分离。
- 智力：把规则翻译成结果。写代码、填表格、筛简历、做账。规则复杂，但终究是规则。Agent 已经跨过阈值。
- 判断：决定「该做什么」。选方向、担风险、妥协与坚持。依赖经验、taste、对人性的理解。
这条谱系是动态的。今天需要人类判断的工作，明天就会被模型降级为智力层。
搜索基金筛选标的的逻辑必须切换：不再单纯看当前利润率，而是看标的在谱系中的位置。最好的标的横跨两层——智力层交给 AI（释放利润、实现规模化），判断层留给人做（加深护城河、维系客户粘性）。
二、核心定位：做 AI 落地服务业的「前置机构」
拥有庞大算力的科技巨头正在疯狂寻找 AI 的应用场景，十万亿美元的传统服务业是最大的一块肉。但这里存在一个现实鸿沟：AI 公司有模型（智力），但缺乏行业数据（Data）、缺乏客户信任（Trust）、缺乏可落地的组织架构（Organization）。
这就是搜索基金的机会。我们买下的不是传统人力公司，而是带着行业数据、客户关系和交付 SOP 的「半成品」。
我们做三件 AI 落地必须做、但纯技术公司做不了的事：
- 数据治理（Data Governance）：把老员工脑子里的隐性知识、烂 Excel 里的非标数据，清洗为结构化数据集。这是训练垂直行业 Agent 的燃料。
- 组织重构（Organization Restructuring）：将「人力密集型」架构改造为「人机协作型」架构，为自动化留出系统接口。
- 客户信任（Customer Readiness）：客户可能不信任冷冰冰的 AI 软件，但他们信任服务了十年的顾问。我们用现有关系网，替技术公司跨过信任门槛。
朱利安提到的「外包即楔子（Outsourcing as the Wedge）」就是最佳切入点。会计审计、IT 托管、招聘 Staffing……客户已经习惯为「结果」付费，替换摩擦极低。搜索基金完成 AI 化改造后，实际上是在为未来的科技巨头预制高溢价的并购标的。
三、估值逻辑重塑：数据资产 > 智力资产
康斯坦丁·布勒讲了一个关于「铝」的故事：电解法发明前，铝比黄金贵；发明后，它变成了包装纸。他的结论很直接：「铝就是智能。电解法就是人工智能。」
曾经需要数十年练就的技能，未来可能只需调用一次 Token 就能获得。智力资产注定贬值。如果买入一家公司，看中的是一堆「高智商」专家团队，而他们干的都是重复性智力劳动，那你买到的就是正在加速折旧的资产。
相反，数据资产将维持价值，甚至升值。因为无论 Agent 多聪明，都需要原材料。数据，就是喂养智能体的起点。AI 的护城河在于「accumulating proprietary data」。一家公司拥有的数万份真实行业案例、历史决策记录、非公开客户行为数据，不再是副产品，而是核心资产。
搜索基金的估值锚点必须切换：
- 不要为「智力」买单（因为 Agent 会比人做得更便宜、更快）。
- 要为「数据」买单（因为那是训练专属 Agent、构建垂直壁垒的唯一燃料）。
四、MADS 框架：尽调清单的升维
帕特·格雷迪提出了在基础模型之上构建竞争力的 MADS 框架。对搜索基金而言，这不是产品方法论，是升级版的尽调清单：
- Moats（护城河）：看客户粘性，不看技术栈。尽调直接问：这家公司的续约率，是靠「转换成本/功能绑定」，还是靠「深度信任/关系绑定」？后者才是真护城河。
- Affordance（可供性）：看交付阻力，不看功能多寡。好产品像锤子，不需要解释。尽调问：客户接入服务需要多长的磨合期？阻力最小的路径才能赢。
- Diffusion（扩散）：看技术落地差。技术跑得快，市场跟得慢。这个「扩散鸿沟」，就是搜索基金填补空白、创造 Alpha 的空间。
五、时间折叠与投后重构
索尼娅·黄提到了时间折叠（Time Compression）：「无论你们想象中未来一百年能构建出什么，现在借助智能体，一百天内就能实现。」
投后周期被彻底重构。过去靠人盯人、做 SOP 要 3-5 年才能释放利润。现在用智能体重跑数据清洗和流程部署，周期被压缩至 12-18 个月。搜索基金的商业模式，从「买入并持有」变成了「买入、重构、释放」。
同时，我们要拥抱「异类设计」（Alien Design）。AI 产出的最优解可能不符合人类直觉（就像进化算法生成的丑陋但高效的天线）。不能再用「过去人是怎么做的」来框定工作流，必须允许 AI 用完全不同的路径达成目标。
六、祛魅 SaaS：为什么它不再是搜索基金的首选？
过去，搜索基金偏爱 SaaS。ARR 稳定、毛利高、易规模化。但在 AGI 时代，这套逻辑正在失效。
- 收费模式被颠覆。SaaS 本质是「为过程付费」（按席位、按时间）。而 AGI 是「为结果交付」。当客户能直接为「账做平」「合同审完」「人招到」买单时，按人头收租的工具软件将被降维打击。
- 需求正在被用户内部消化。「Vibe coding」让开发门槛归零。业务人员用自然语言就能搭建轻量应用，长尾需求不再依赖标准 SaaS 厂商。软件的「功能堆砌」不再是护城河，反而成了维护负担。
- 软件形态在变形。传统重型 SaaS 正在向「轻量、智能、异步」的智能体演进。未来的软件可能没有复杂界面，只有一个指令入口。传统 SaaS 的切换成本和部署壁垒，在 AI 原生应用面前极其脆弱。
对搜索基金的启示很明确：避开正在被重构的传统 SaaS。拥抱「卖结果」的传统服务业。它们有真实的客户、稳定的现金流和深厚的行业数据，只是缺 AI 改造。用 18 个月完成智能化重构，它们的价值重估空间，远大于一个正在失去定价权的 SaaS 产品。
结语：用机器放大人的价值
搜索基金的本质，是用确定性的价格（低倍数买入成熟企业），去博取非线性的增长。但在 AGI 时代，如果你买入的是一家「确定性正在衰退」的传统企业，低倍数就不再是安全垫，而是价值陷阱。
这引出了搜索基金作为投资工具的终极命题：它本质上是一个投资「人」的载体（Investment Vehicle）。无论是 Searcher 的创业韧性，还是标的公司的行业深耕，我们发掘、定价和赋能的，始终是人的价值。
AGI 的到来，绝不是用算法去替代这种温度。恰恰相反，机器应该负责处理繁重的认知苦力，而把人解放出来，去专注那 0.1% 的创造、共情与战略决断。用机器放大人的价值，而不是用机器消灭人的位置。智能体可以完成 99.9% 的认知工作，但剩下那 0.1% 的判断、信任与责任，依然需要人来兜底。
搜索基金要做的，不是买一家「全是人」的公司，也不是买一家「全是机器」的公司，而是买一家「知道何时该把人换成机器，何时必须让人留下」的公司。
在这套新逻辑下，「信任」的构建方式正在发生根本转变。它不再仅靠多年交情或人脉维系，而是被我们清洗、沉淀的结构化数据所加固。当 AI 高效跑通了 99.9% 的标准化交付，那 0.1% 的人类专业判断，就成了客户最看重的确定性来源。客户选择我们，不再仅仅因为「合作了十年」的习惯，更因为每一次服务背后都有清晰的数据可查、有可量化的结果支撑。
用算法证明你的关系价值，用关系兜底你的算法风险。
汽车已经到了。问题是，你骑马的姿势，还适不适合开车？