§1 一場大會在問你一句話
每年矽谷最盛大的 AI 年會 Sequoia AI Ascent 2026 上週剛落幕。
從諾貝爾獎得主、Google DeepMind 執行長 Demis Hassabis，OpenAI 創辦團隊、Software 3.0 提出者 Karpathy，到 Claude Code 之父 Boris Cherny，巨頭雲集。
11 幕、9 位重量級講者、6 張底牌、5 個關鍵問題。
但仔細看每位大咖講的東西，會發現他們其實共同描述了同一個問題的答案 —
哪些工作還該自己做？
整場大會講的所有重點，可以變成一張個人能用的工作盤點表。下面拆解 4 個翻轉，一起回答這個問題。
§2 為什麼這篇跟你有關
10 兆美元服務市場，AI 任務時長約每 7 個月翻倍，DeepMind CEO 親口說「我們已經走完通往 AGI 的四分之三」。
這些數字第一眼看會覺得「跟我有點距離」 — 都是給創投、董事會、公司高層看的策略訊號。
但仔細看就會發現：紅杉合夥人在講的賣工具 vs 賣結果、Karpathy 在講的 Software 3.0、Demis 在講的 AGI 倒數，全部都指向同一件事 —
AI 不是讓人多裝一個新工具，是要重新分配每天的工作。
這篇文章不是大會懶人包，是把這個分配權翻成下週能做的 4 個工作決定。
§3 工作分配三問
每件手上的工作問三個問題：
- 哪些事還在親手做？
- 哪些事可以 AI 先做，自己驗收？
- 哪些事根本不該再存在？
填完之後照三類分配：
- 🟢 可交辦：AI 全做，自己只驗收
- 🟡 可半交辦：AI 做第一版，自己改完再用
- 🔴 目前不能交辦：完全自己做
每個月更新一次清單，因為能力邊界會移動。
下面 4 個翻轉，每個翻轉對應一個三問裡的具體決策。
§4 翻轉一：從幫手升到代理
大會說的：紅杉合夥人 Julien Bek 在「Services: The New Software」這篇文章直接點破 — 每 1 美元軟體預算，對應 6 美元服務預算。
賣工具的（副駕駛模式）會被賣結果的（自動駕駛模式）吃掉。
翻成個人版：
別問「AI 能不能幫我更快做完」，要問「這件事還該不該由我做」。
舉個日常例子，每週寫週報：
過去親手做：
- 整理上週交付資料
- 寫第一版
- 發給主管
- 全程約 60 分鐘
分配後：
- AI 整合資料出第一版
- 自己只校關鍵數字跟語氣
- 發給主管
- 全程約 15 分鐘
光這一個改造，每週省 45 分鐘，一年 39 小時。
下個月可以試的清單：每月對帳、會議筆記、回客戶 email 第一版、定期報告。共通點是「結果可驗證 + 有固定模板」 — 這正是紅杉合夥人 Bek 點名 AI 自動駕駛模式會優先吃掉的工作類型。
§5 翻轉二：你已經在寫程式了
大會說的：OpenAI 創辦團隊 Karpathy 提出「Software 3.0」 —
Software 1.0 = 人寫程式碼 Software 2.0 = 神經網路訓練（資料 + 目標 + 學出規則） Software 3.0 = 用人話對 AI 編程
他說：未來寫程式的組合是「提示詞 + 給範例 + 設驗收標準」。
翻成個人版：
不一定要會寫程式，但要會寫工作說明書。
工作說明書的公式，4 個欄位寫清楚：
- 背景：這件事在做什麼，給誰看
- 好範例 / 壞範例：各放一份對照
- 輸出格式：段落結構，字數，語氣
- 驗收標準：哪 3 件事必須對
把最近一次跟 AI 來回 20 次才搞定的事，寫成這樣的「情境包」。下次同類事貼上就跑。
過去聊過的多 AI 協作（Claude × Codex 串接）、自家研究軍團，其實都是這同一招的不同尺度版本。從來不是寫程式，是寫工作說明書。
§6 翻轉三：護城河是驗收力
大會說的：紅杉引用 AI 評估獨立機構 METR 的數據 —
AI 能獨立完成的任務時長，約每 7 個月翻倍。今天最強的模型約能可靠完成 30 分鐘級任務，照這個速度，很快就會進入工作日級。
翻成個人版：
護城河不能是「AI 現在還不會」，那條防線移動的很快。
請好好訓練自己定義問題、拆解步驟、驗收結果的能力。
怎麼做：
列工作中 3 件交付物，用三類分配標起來：
- 🟢 可交辦：AI 全做，自己只驗收
- 🟡 可半交辦：AI 做第一版，自己改完再用
- 🔴 目前不能交辦：完全自己做
每月更新一次。 因為去年標 🟡 的事，今年可能變 🟢；今年標 🔴 的事，明年可能變 🟡。能力邊界移動的同時，自己的清單也要更新。
關鍵不是「能不能做」，是「能不能驗收做的對不對」。
§7 翻轉四：人類保留席
大會說的：Karpathy 在演講中引用一句話 —
「思考可以外包，理解不能」
AI 能幫你想很多，但「這件事為什麼這樣決定」這種理解永遠不能外包。沒有理解，無法驗收。
翻成個人版：
每次讓 AI 產出前，先寫 3 條驗收標準。產出後問自己一題：
如果我要負責這個結果，哪一段我還不真懂？
不真懂的部分就是個人的學習清單，也是之所以還要存在的原因。
§7.1 延伸閱讀：Karpathy 的個人 AI 知識庫
Karpathy 自己也在養類似「第二大腦」的個人 AI 知識庫，Obsidian 為前端，AI 自動把他丟進去的論文、文章、筆記整理成有結構的筆記網。
他親自示範怎麼把「工作說明書」這套思維延伸成可被 AI 持續學習的個人 wiki — 設法外包自己的思考，但最後的拍板還是回到本人。
有興趣的延伸閱讀：
- Karpathy 主站：karpathy.ai
- Karpathy blog：karpathy.bearblog.dev
§8 本週 3 個小實驗
把上面 4 個翻轉壓縮成 3 個本週可以動的實驗：
- 交辦一個交付物 — 挑一件每週重複的事，讓 AI 直接交出可給人的成品
- 寫一包情境包 — 把最近一次跟 AI 來回 20 次才搞定的事，寫成可重複用的工作說明書
- 做一次 7 天工具替代測試 — 挑一個常用的 SaaS，試著直接跟 Claude 或 Gemini 對話 7 天，看能不能拿到 80% 成果
不是要變成 AI 專家，是開始管理自己的 AI 工作流。
§9 一頁版工作檢查表
把這篇 4 個翻轉變成一張可填寫的個人工作盤點表 — 3 欄表格範本（工作項目 / AI 可接手哪一段 / 驗收標準）+ 5 個範例填好（週報 / 會議筆記 / email / 客戶提案 / 月結）+ Karpathy 第二大腦延伸閱讀 hook。
下方有可直接下載的卡片，把這個盤點先存起來，這禮拜挑一件事填看看。
§10 完整 11 幕分析
如果想看完整的 Sequoia AI Ascent 2026 速讀（11 幕全紀錄、9 位主角詳述、6 張底牌深度剖析、12 條 AI 賽道地圖、Software 1.0 / 2.0 / 3.0 演化），
我整理了一個公開分享的網站：eimba-sequoia-2026.vercel.app
結語
矽谷最強年會講的所有趨勢，最後可以收束成一句話 —
最強的人不是做最多事的，是最會決定哪些事不該自己做的。
這禮拜挑一件事試試看就好，不用全部一次做。
Sources
- Sequoia AI Ascent 2026 official playlist
- 2026: This is AGI — Pat Grady & Sonya Huang
- Services: The New Software — Julien Bek
- METR: Measuring AI Ability to Complete Long Tasks
- Karpathy: Sequoia Ascent 2026 transcript
- Andrej Karpathy: From Vibe Coding to Agentic Engineering（演講影片）
- Demis Hassabis: We're Three Quarters of the Way to AGI（演講影片）
