20VC 深度圆桌：Canva 增速下调与 AI 算力成本困局、Google 顶级人才出走与马斯克 550 亿晶圆厂

这期 20VC 比表面上更重要。它看起来是在讨论 Canva、Google、Revolut、Terafab 和 SaaS，实际上是在讨论 AI 正在同时重写四张资产负债表：软件公司的毛利表、科技公司的组织表、美国的工业资本支出表，以及创始人与股东之间的权力表。

我会把这期真正的总命题定义为：

AI 正在把科技行业从“轻资产软件时代”，重新拖回“重资本 + 超级人才 + 强创始人 + 稀缺资源”的时代。

而这件事的后果，比“SaaS 会不会被 AI 干掉”大得多。

一、先把几处事实口径校准：你的整理方向基本对，但三处必须升级

Canva 的确正在经历一次非常有代表性的 AI Unit Economics Shock。最新报道显示，它将年度增长预期从约 30% 降到约 20%；截至六月季度收入约 9.22 亿美元，同比增长约 25%。重要的是，Canva 并不是因为没人用了才突然出问题，而是早期大量依赖第三方 AI 模型导致 serving cost 高于预期，所以公司主动减慢部分 AI 功能推广、重新做技术架构并降低推理成本。Canva 同时仍有约 14.7 亿美元现金，而且已经连续多年盈利。

所以准确标题不是：

“AI 把 Canva 打死了。”

而是：

“AI 第一次开始破坏传统 SaaS 最性感的经济属性——接近零的边际成本。”

Google 的人才变化也是真的，而且比“Jeff Dean 一个人离职”严重。Jeff Dean 离开任职 27 年的 Google，与 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 等人成立 Discovery Loop；Demis Hassabis 不再负责 DeepMind 日常运营，转任 DeepMind Chairman 与 Alphabet Chief Scientist，Koray Kavukcuoglu 接手更强的经营与 Gemini 商业化职责。

Revolut 这部分需要特别注意：“500 亿美元 CEO 薪酬包”更多是节目标题式表达，并不是 Nik Storonsky 今天拿走了 500 亿美元现金或已经获得确定价值 500 亿美元的新股权。 Revolut 最新 secondary transaction 对公司的估值约为 1150 亿美元；Storonsky 目前约持股 29%，此前的激励安排在公司达到约 2000 亿美元估值时可能把持股提高到约 40%。目前正在讨论的是另一套与 5000 亿美元公司估值目标绑定的新长期激励方案，具体最终股权授予结构尚未公开敲定。

Terafab 也不是简单的“马斯克投 550 亿”。5 月份公开文件曾给出约 550 亿美元的初步项目投资规模；到 8 月，Tesla 与 SpaceX 公布的首阶段投资约为 168 亿美元，如果整个规划完全展开，总投入甚至可能达到约 1190 亿美元。

这几个口径校准以后，这期节目才真正开始变得有意思。

二、Canva 暴露的是 AI 时代一个巨大的金融问题：SaaS 的毛利率神话正在结束

传统 SaaS 为什么过去二十年受到资本市场极端偏爱？

因为软件具有一个近乎完美的经济模型：

研发一次，

卖 100 个用户；

卖 1 万个用户；

卖 1000 万个用户。

增加一个用户的边际成本极低。

因此 SaaS 可以拥有：

80%、85%、甚至 90% 左右的 Gross Margin。

这也是为什么资本市场过去愿意给 Salesforce、ServiceNow、Adobe 等软件公司远高于普通制造业的估值倍数。

AI 把这个模型改变了。

假设原来的 Canva：

客户一年支付 $120。

增加这个用户的服务器、存储和带宽成本可能只有 $10—$20。

毛利极高。

但是用户现在每天：

生成 20 张图片；

生成 10 个视频；

调用多模态模型；

使用 Agent；

不断修改设计。

每一次动作背后都需要真正的：

GPU inference。

突然之间：

用户用得越多，公司成本越高。

这和传统 SaaS 是完全不同的经济学。

三、这可以称为“AI Tax”

过去 SaaS 的成本结构主要是：

固定研发成本 + 极低边际服务成本。

AI SaaS 变成：

固定研发成本 + 持续推理成本。

这会导致一个过去 SaaS 很少面对的悖论：

Power User 可能成为你的低毛利客户。

过去客户每天登录 100 次，你非常开心。

现在客户每天生成 500 个 AI 视频：

你可能开始心疼。

Canva 现在重新设计自己的 AI architecture，并声称部分内部图像生成成本已经显著降低，本质上就是在解决这个问题。

因此未来 AI 软件公司不能只看：

ARR。

还要看一个越来越重要的新指标：

Gross Profit per AI Task

甚至：

Gross Profit per Outcome

四、这将推动整个 SaaS 定价革命

传统 SaaS 最熟悉：

$20/user/month。

这是 Seat-based Pricing。

但 Agent 出现以后出现一个荒谬问题：

以前公司需要 100 个销售员工。

现在：

20 个人 + 50 个 Agent。

如果 SaaS 仍然按人头收费：

收入可能反而下降。

于是未来越来越可能出现三种模式：

Seat + Credits + Outcome。

也就是：

基础订阅费；

AI Token/Credit；

结果收费。

HubSpot 已经在尝试这个方向：Breeze Customer Agent 和 Prospecting Agent 开始采用 outcome-based pricing——任务完成才收费。

这个变化非常大。

过去卖的是：

software access。

未来越来越多卖的是：

work completed。

软件行业实际上正在慢慢进入：

Software-as-Labor

软件开始直接和劳动力预算竞争，而不仅仅和 IT Budget 竞争。

五、“No-Code 已经死了”这个判断太粗糙

Airtable、Canva、Notion 的一部分功能确实会被 AI commodity 化。

以前你需要 Canva 做：

一个海报。

现在说：

给我做一个 Lakers 比赛宣传海报。

AI 直接完成。

以前你需要 Airtable 搭 CRM。

现在 Claude Code/Cursor 可以生成。

所以：

Creation Interface 的价值下降了。

但不能推出：

Canva 没价值了。

真正的问题应该问：

Canva 究竟是一套“制作图片的软件”，还是一个“企业视觉资产与品牌工作流系统”？

如果只是前者：

危险极大。

如果能变成后者：

仍然可以很强。

因为企业真正麻烦的不是：

“生成一张海报”。

而是：

这个 Logo 能不能用？

品牌色正确吗？

素材有没有授权？

20 个国家应该使用哪个版本？

100 个员工谁能修改？

总部审批了吗？

上一版在哪里？

TikTok、Instagram、YouTube、网站应该输出什么尺寸？

这就是：

Generation ≠ Workflow

AI 可以摧毁工具层，

但不一定摧毁：

Workflow + Governance + Context + Distribution。

六、真正危险的是：Agent 可能绕过 Canva

Jason Lemkin 在节目里提到一个非常重要的例子：SaaStr 自己构建广告 Agent 流程以后，生成和调度广告时已经不需要主动经过 Canva。

这个问题其实比“AI 图片生成更强”严重得多。

因为 Canva 最大风险不是：

AI 能做图。

而是：

用户根本不再打开 Canva。

想象未来营销 Agent：

读销售数据；

分析客户；

决定广告主题；

生成文案；

生成视频；

生成图片；

投放 Meta；

分析 Conversion；

重新优化。

整个过程中人只说：

把本月获客成本降低 15%。

那么 Canva 可能从：

User Destination

退化成为：

某个 Agent 背后的工具。

七、这里出现一个 AI 时代非常重要的商业概念：UI Disintermediation

过去互联网的权力属于：

谁控制 UI。

Google Search。

Facebook Feed。

Amazon App。

Salesforce Dashboard。

Canva Editor。

未来越来越可能属于：

谁控制 Agent。

因为：

Agent 控制 Intent。

Agent 决定调用谁。

Agent 决定买什么。

Agent 决定哪个软件值得存在于 workflow 中。

所以未来很多 SaaS 最大风险根本不是竞争对手做了更好的 SaaS。

而是：

AI 把它变成 Backend。

用户甚至不知道它还存在。

这和我们上一期讲 Hark 是完全连接起来的。

八、所以 SaaS 不会死亡，而是进入一次“价值栈迁移”

AI 最先毁掉的是：

Feature Value。

然后压缩：

UI Value。

之后价值向下面和上面迁移。

下面：

System of Record。

数据。

权限。

身份。

历史记录。

合规。

业务状态。

上面：

System of Action。

Agent。

Automation。

Execution。

Outcome。

因此未来最危险的位置是：

夹在中间、只有漂亮 UI 和几个 Feature 的 SaaS。

这类公司的估值会非常危险。

九、这正好解释为什么 Palantir 没死，反而疯狂增长

Palantir 2026 Q2 总收入同比增长约 93%，美国商业收入同比增长约 149%。

为什么？

因为它不是简单卖一个 Dashboard。

Palantir 更接近：

企业数据模型 + Ontology + Workflow + AI + Execution。

它已经卡到了：

Context Layer。

所以 AI 越强：

Palantir 不一定越弱。

可能越强。

因为模型本身越来越 commodity，而：

“这家医院、军队、汽车厂究竟如何运行”

不是 commodity。

十、Atlassian 也是同样的反例：SaaS 并没有集体死亡

Atlassian 最新披露的 trailing-12-month revenue 约 66 亿美元，同比增长 26%，拥有超过 35 万客户，85% 以上的 Fortune 500 都是付费客户。

为什么 Jira 还活着？

因为真正价值不是：

“做一个 Todo List”。

而是：

整个组织已经把：

Bug；

项目；

权限；

开发流程；

审批；

知识；

组织协作

放在里面。

这叫：

Embedded Workflow。

AI 可以生成一个 Jira 替代品。

但 AI 很难生成：

公司过去十年的组织历史。

十一、所以“HubSpot 会不会被 AI 手搓 CRM 干掉？”这个问题也问错了

一个小企业当然可以让 AI 做一个：

联系人列表；

Lead Pipeline；

Dashboard；

邮件系统。

但这不是 HubSpot 最大的危险。

最大的危险是：

Agent 成为 Customer Interface，而 HubSpot 退化成 Database。

这区别巨大。

未来销售人员可能根本不进入 HubSpot。

他说：

找出今天最可能成交的十个客户。

Agent 调用 HubSpot。

分析历史互动。

读取邮件。

查询公司新闻。

生成 Outreach。

发送。

跟踪。

更新 CRM。

HubSpot仍然存在。

但是：

Agent 抢走了用户关系。

因此 HubSpot 自己已经非常明确地往“Agentic Customer Platform”移动，并把自己的优势描述成 Growth Context，同时让 AI Agent 接入 CRM 历史和客户关系数据。

这就是正确战略。

十二、Google 人才出走背后，比“官僚主义”深得多

Jeff Dean 离职当然可以解释成：

Google 太官僚。

但是从经济学角度，更有价值的解释叫：

Internal Capital Market Breakdown

Google 内部拥有有限的：

GPU；

TPU；

电力；

研究人员；

管理 attention。

这意味着：

任何项目实际上都在竞争资本。

如果一张 GPU 可以拿去：

训练 Gemini；

卖 Google Cloud；

做 Coding Agent；

或者：

研究 Alzheimer’s。

那么今天资本市场会越来越逼管理层问：

哪一个项目未来 24 个月能够产生巨大现金流？

Reuters 对这次重组的报道也明确指出，Google 正在强化 Gemini 的产品和商业化导向。

十三、“Google 没钱治 Alzheimer’s”当然不是字面意思

Alphabet 有钱。

真正没有的是：

Opportunity-cost-free Compute

算力不是无限的。

假设一块超级集群可以：

A：推进科学研究。

或者：

B：让 Gemini Coding 能力赶上竞争者。

而 B 关系：

Google Search；

Google Cloud；

Alphabet 数万亿美元的市场价值。

CEO 必然面临资本配置压力。

所以真正矛盾是：

Scientist Utility Function

追求：

知识突破。

长期科学价值。

Public Company Utility Function

追求：

ROIC。

Revenue Growth。

FCF。

Shareholder Return。

两者并不永远一致。

十四、这就是为什么未来十年可能出现大量“科学家独立建国”

过去顶级科学家需要：

Bell Labs。

IBM。

Google。

Microsoft。

因为只有巨型公司能提供：

计算机；

实验室；

资本；

员工。

今天情况发生变化。

一个 Jeff Dean 级别的人如果离职：

VC 会来。

云厂商会来。

战略投资者会来。

Google 自己甚至也可以投资。

Discovery Loop 就是一个非常典型的新结构：顶级 Google 人才离开以后独立成立公司，而 Alphabet 本身仍参与其中并成为云合作方。

这很像：

Corporate Fission

公司发生“核裂变”。

优秀人才不断从巨头裂变出去，

形成：

新公司。

十五、这解释了所谓的“God-Tier Comp”

AI 人才市场现在不能继续用：

Software Engineer Level 7

去理解。

真正最顶尖的几十、几百个人拥有的是：

Scarce Production Knowledge

他们知道：

大规模 pre-training 为什么失败；

训练 instability 怎么解决；

数据 recipe；

RL training；

inference optimization；

cluster orchestration；

model architecture。

很多知识甚至：

根本没有写在 Paper 里。

这是：

Tacit Knowledge

隐性知识。

十六、为什么给一个 AI 研究员一年 1000 万美元，可能反而“便宜”？

做一个简单 EV 计算。

假设公司价值：

$500B。

一个顶级研究员加入后，

只把公司最终胜出的概率提高：

0.1%。

那么理论 Expected Value：

$500B × 0.1% = $500M。

如果支付：

$10M。

从股东角度完全可能是 rational。

所以千万不要把顶级 AI 人才薪酬理解成：

“他一年写多少行代码？”

应该理解成：

他改变了多少未来状态的概率分布？

这是 VC 和 Finance 的思维。

十七、但是 God-Tier Comp 会产生一个巨大的组织问题

假设：

普通高级工程师：

$400K。

AI Engineer：

$1M。

某核心研究员：

$20M。

公司实际上形成三个劳动力阶级。

那么另外的人就会问：

“为什么他值我的 50 倍？”

这会引发：

Retention Problem。

Culture Problem。

Status Problem。

Internal Equity Problem。

所以未来领先 AI 公司很可能出现一种新的组织设计：

Special Economic Zone

超级人才实行：

不同 Equity；

不同 Retention；

不同 Vesting；

不同 Research Freedom。

不能继续用传统 HR salary band 管理。

十八、再看 Terafab：这里已经不是一家公司的 Capex，而是“计算主权”

Musk 真正担心的不是：

TSMC 芯片贵一点。

而是：

Dependency。

如果未来 Tesla 的 Optimus、Robotaxi，SpaceX 的 orbital computing，以及 Musk 体系的大规模 AI 都需要数量级更大的芯片，那么：

没有芯片，

整个帝国就停了。

因此 Terafab 的金融本质是：

Supply-chain Insurance。

或者更准确：

Compute Sovereignty。

SpaceX/Tesla 已披露 Grimes County 的大规模 Terafab 规划；当前首阶段约 168 亿美元，而此前公开文件曾对应约 550 亿美元投资规模，完全展开可能更高。

十九、但“自己造芯片，所以摆脱 TSMC”这种理解也太简单

半导体是人类工业史上最复杂的产业链之一。

你有厂房不等于能做出先进芯片。

你还需要：

Lithography；

EUV；

EDA；

IP；

Photoresist；

Wafer；

Deposition；

Etching；

Metrology；

Advanced Packaging；

HBM；

Yield Engineering。

最重要的是：

Yield。

设计出来不难。

批量生产并且良率高才难。

这就是为什么半导体制造存在如此巨大的经验曲线。

因此 Musk 真正需要的不会只是：

“Tesla 自己造一座 Fab。”

更可能是：

Vertical Alliance

Tesla/SpaceX 提供：

需求和设计。

Intel 等提供：

Process Technology。

设备商提供：

制造设备。

整个生态共同建立新的专用 AI silicon supply chain。Intel 已公开参与 Terafab 合作。

二十、Terafab 背后的真正趋势：AI 正在把硅谷重新工业化

过去二十年的伟大商业模式是：

Asset Light。

Uber：

没有出租车。

Airbnb：

没有酒店。

Facebook：

没有传统媒体。

Software：

没有工厂。

但是 AI 时代出现了逆转。

AI 要：

土地。

变电站。

天然气。

核电。

数据中心。

冷却系统。

GPU。

HBM。

光纤。

芯片工厂。

所以科技资本正在经历：

Asset-Light → Asset-Heavy

这是非常深刻的历史转折。

二十一、而数据中心抗议说明了一件投资者极容易忽视的事情：Permit 也是资产

AI 行业过去认为瓶颈是：

GPU。

之后发现：

电力。

现在又发现：

Political Permission。

Reuters 最近报道，2026 年第一季度至少有 75 个、价值约 1300 亿美元的数据中心项目面临社区反对；贷款机构已经开始把地方政治风险纳入融资评估，并倾向于更欢迎数据中心建设的州。

居民担心的问题包括：

电费；

水；

噪声；

土地；

污染；

当地基础设施。

这种阻力已经从 NIMBY 变成真正的：

Project Finance Risk。

二十二、所以未来一个数据中心真正值钱的不是“有块地”

而是：

Land + Power + Interconnection + Water + Permit + Community Acceptance。

少一个都不行。

这意味着未来优质 Data Center Site 会越来越像：

机场。

港口。

矿山。

输油管。

它的价值来自：

Regulatory Scarcity。

甚至银行以后可能愿意给：

一个拥有确定电力和许可的地块

比一个单纯拥有昂贵 GPU 的项目更好的 financing terms。

这才是基础设施投资最有意思的地方。

二十三、Revolut 的 CEO 激励案，则把我们带回资本主义最古老的问题

这个问题叫：

Principal-Agent Problem

股东：

Principal。

CEO：

Agent。

CEO 控制公司，

但股东承担资本风险。

如果 CEO 只有固定工资：

他很可能追求：

稳定；

职位；

避免风险。

而不是：

最大化长期公司价值。

所以股权激励本质是：

让 CEO：

Think Like an Owner。

二十四、Storonsky 的情况为什么特殊？

Revolut 最新估值已经达到约 1150 亿美元；公开报道显示公司已有约 7500 万客户，最近年度收入约 45 亿英镑、税前利润约 17 亿英镑。

也就是说：

它已经不是一个普通 startup。

但 Storonsky 仍然在说：

我要继续做到：

$200B。

甚至：

$500B。

这就是所谓：

Founder Convexity。

如果创始人还拥有巨大 upside：

成功：

赚极其多。

失败：

失去未来巨大财富。

他的行为更接近：

Owner。

二十五、但“给创始人越多股权越好”也是错的

为什么？

因为过度 Convex Incentive 会产生：

Risk Shifting。

例如：

公司目前：

$100B。

正常经营五年可能：

$180B。

但是 CEO 有一个激励：

只有超过 $500B 才获得巨额奖励。

那么 CEO 可能更愿意采取：

20% 概率到 $600B；

80% 概率跌到 $30B

的战略。

对 CEO：

可能合理。

对普通股东：

未必。

所以真正优秀的 CEO Package 必须同时设计：

长期 Vesting；

多阶段 Milestone；

Revenue/Profit/FCF；

Risk Controls；

Clawback；

Shareholder Alignment。

不是只给一个：

“市值达到 X”。

二十六、“只有 Founder-led 公司能活过 AI”同样过度

Founder Mode 很重要。

因为 AI 时代最大的优势之一确实是：

决策速度。

创始人可以说：

全部重做。

职业经理人容易说：

成立一个 AI Committee。

但是：

Founder ≠ Genius。

Professional Manager ≠ Bureaucrat。

真正决定企业能否活下来的不是名片上有没有 Founder。

而是：

能不能进行 Cannibalistic Reinvention。

也就是：

愿不愿意主动杀死自己现有收入。

这是最难的。

因为任何公司真正的敌人往往不是：

新技术。

而是：

旧利润。

二十七、我认为这期节目最大的投资启示，是以后不能再问“SaaS 会不会死”

应该问：

第一：AI 变强以后，这家公司 Gross Margin 是提高还是下降？

Canva 暂时面临下降压力。

第二：AI 变强以后，客户是不是更需要它的数据？

Palantir：

可能更需要。

第三：Agent 会把它绕过去，还是调用它？

这是未来最重要的问题之一。

第四：它是 System of Record，还是 Feature？

Feature 最危险。

第五：它有没有 Action Layer？

只给信息越来越便宜。

执行才值钱。

第六：它拥有不可复制的 Scarcity 吗？

数据。

Workflow。

Distribution。

Energy。

Permit。

Talent。

Capital。

Trust。

只要没有其中任何一个：

长期定价权就很值得怀疑。

二十八、把 Canva、Google、Terafab、Revolut、Palantir 全部连起来，会得到一条非常漂亮的资本迁移路径

过去互联网时代最大的资产是：

Software。

所以钱追逐：

程序员。

SaaS。

Cloud。

App。

今天 AI 把代码生产成本压低。

于是价值开始迁移。

从：

Software

↓

Context

↓

Talent

↓

Compute

↓

Energy

↓

Physical Infrastructure

↓

Regulatory Permission

与此同时，公司治理也从：

职业经理人式 Incremental Management

重新向：

Founder-style Capital Allocation

摆动。

这就是整期节目真正讲的东西。

二十九、这里甚至隐藏着一个更大的历史循环

1950—1970 年代的科技巨头非常重。

IBM。

Bell Labs。

GE。

航空航天。

半导体。

需要：

实验室；

工厂；

超级科学家；

政府；

长期资本。

1995—2020 的互联网把科技行业变轻：

写代码。

租服务器。

全球分发。

VC 融资。

AI 时代正在把这两个世界重新合并：

互联网的软件速度

加上

工业革命的资本强度。

于是未来真正的 AI 巨头可能同时拥有：

软件公司的毛利逻辑；

半导体公司的技术壁垒；

能源公司的资产；

军工公司的政府关系；

银行的资本能力；

研究实验室的人才密度。

这也是为什么未来的头部 AI 公司，一旦成功，市值可能远远超过传统 SaaS 能达到的上限。

三十、我会给这期节目重新定一个更高级的标题

你原来的“从 No-Code 时代终结到万亿算力资本支出”方向不错，但我认为还能再往上一层。

最推荐标题：

《AI 正在重写公司：软件毛利崩塌、神级人才战争、芯片主权与创始人控制权》

副标题：

从 Canva 的推理成本危机、Google 顶级科学家出走，到马斯克百亿美元 Terafab 与 Revolut 的超级创始人激励，一场关于利润率、人才、算力和公司控制权的重新定价正在发生。

如果想更有冲击力：

《轻资产科技时代结束了：AI 正把硅谷重新变成一个重工业》

如果偏投资：

《AI 时代真正稀缺的不是软件：从 Canva、Google、Revolut 到马斯克 Terafab 的资本迁移》

我个人最喜欢最后这个。

因为今天资本市场最重要的问题已经不再是：

“谁用了 AI？”

而是：

“AI 把什么变便宜以后，什么东西反而会因此变得更加稀缺？”

答案越来越清楚：

普通代码越来越便宜，稀缺的是 Context；普通工程能力越来越便宜，稀缺的是 God-Tier Talent；云端算力越来越重要，稀缺的是电力与许可；职业管理越来越容易复制，稀缺的是敢于主动摧毁旧商业模式的资本配置能力。

谁能够提前拥有这些“AI 无法无限复制的资产”，谁才可能吃掉下一轮最大的财富。