20VC 深度圓桌：Canva 增速下調與 AI 算力成本困局、Google 頂級人才出走與馬斯克 550 億晶圓廠

這期 20VC 比表面上更重要。它看起來是在討論 Canva、Google、Revolut、Terafab 和 SaaS，實際上是在討論 AI 正在同時重寫四張資產負債表：軟件公司的毛利表、科技公司的組織表、美國的工業資本支出表，以及創始人與股東之間的權力表。

我會把這期真正的總命題定義爲：

AI 正在把科技行業從“輕資產軟件時代”，重新拖回“重資本 + 超級人才 + 強創始人 + 稀缺資源”的時代。

而這件事的後果，比“SaaS 會不會被 AI 幹掉”大得多。

一、先把幾處事實口徑校準：你的整理方向基本對，但三處必須升級

Canva 的確正在經歷一次非常有代表性的 AI Unit Economics Shock。最新報道顯示，它將年度增長預期從約 30% 降到約 20%；截至六月季度收入約 9.22 億美元，同比增長約 25%。重要的是，Canva 並不是因爲沒人用了才突然出問題，而是早期大量依賴第三方 AI 模型導致 serving cost 高於預期，所以公司主動減慢部分 AI 功能推廣、重新做技術架構並降低推理成本。Canva 同時仍有約 14.7 億美元現金，而且已經連續多年盈利。

所以準確標題不是：

“AI 把 Canva 打死了。”

而是：

“AI 第一次開始破壞傳統 SaaS 最性感的經濟屬性——接近零的邊際成本。”

Google 的人才變化也是真的，而且比“Jeff Dean 一個人離職”嚴重。Jeff Dean 離開任職 27 年的 Google，與 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 等人成立 Discovery Loop；Demis Hassabis 不再負責 DeepMind 日常運營，轉任 DeepMind Chairman 與 Alphabet Chief Scientist，Koray Kavukcuoglu 接手更強的經營與 Gemini 商業化職責。

Revolut 這部分需要特別注意：“500 億美元 CEO 薪酬包”更多是節目標題式表達，並不是 Nik Storonsky 今天拿走了 500 億美元現金或已經獲得確定價值 500 億美元的新股權。 Revolut 最新 secondary transaction 對公司的估值約爲 1150 億美元；Storonsky 目前約持股 29%，此前的激勵安排在公司達到約 2000 億美元估值時可能把持股提高到約 40%。目前正在討論的是另一套與 5000 億美元公司估值目標綁定的新長期激勵方案，具體最終股權授予結構尚未公開敲定。

Terafab 也不是簡單的“馬斯克投 550 億”。5 月份公開文件曾給出約 550 億美元的初步項目投資規模；到 8 月，Tesla 與 SpaceX 公佈的首階段投資約爲 168 億美元，如果整個規劃完全展開，總投入甚至可能達到約 1190 億美元。

這幾個口徑校準以後，這期節目才真正開始變得有意思。

二、Canva 暴露的是 AI 時代一個巨大的金融問題：SaaS 的毛利率神話正在結束

傳統 SaaS 爲什麼過去二十年受到資本市場極端偏愛？

因爲軟件具有一個近乎完美的經濟模型：

研發一次，

賣 100 個用戶；

賣 1 萬個用戶；

賣 1000 萬個用戶。

增加一個用戶的邊際成本極低。

因此 SaaS 可以擁有：

80%、85%、甚至 90% 左右的 Gross Margin。

這也是爲什麼資本市場過去願意給 Salesforce、ServiceNow、Adobe 等軟件公司遠高於普通製造業的估值倍數。

AI 把這個模型改變了。

假設原來的 Canva：

客戶一年支付 $120。

增加這個用戶的服務器、存儲和帶寬成本可能只有 $10—$20。

毛利極高。

但是用戶現在每天：

生成 20 張圖片；

生成 10 個視頻；

調用多模態模型；

使用 Agent；

不斷修改設計。

每一次動作背後都需要真正的：

GPU inference。

突然之間：

用戶用得越多，公司成本越高。

這和傳統 SaaS 是完全不同的經濟學。

三、這可以稱爲“AI Tax”

過去 SaaS 的成本結構主要是：

固定研發成本 + 極低邊際服務成本。

AI SaaS 變成：

固定研發成本 + 持續推理成本。

這會導致一個過去 SaaS 很少面對的悖論：

Power User 可能成爲你的低毛利客戶。

過去客戶每天登錄 100 次，你非常開心。

現在客戶每天生成 500 個 AI 視頻：

你可能開始心疼。

Canva 現在重新設計自己的 AI architecture，並聲稱部分內部圖像生成成本已經顯著降低，本質上就是在解決這個問題。

因此未來 AI 軟件公司不能只看：

ARR。

還要看一個越來越重要的新指標：

Gross Profit per AI Task

甚至：

Gross Profit per Outcome

四、這將推動整個 SaaS 定價革命

傳統 SaaS 最熟悉：

$20/user/month。

這是 Seat-based Pricing。

但 Agent 出現以後出現一個荒謬問題：

以前公司需要 100 個銷售員工。

現在：

20 個人 + 50 個 Agent。

如果 SaaS 仍然按人頭收費：

收入可能反而下降。

於是未來越來越可能出現三種模式：

Seat + Credits + Outcome。

也就是：

基礎訂閱費；

AI Token/Credit；

結果收費。

HubSpot 已經在嘗試這個方向：Breeze Customer Agent 和 Prospecting Agent 開始採用 outcome-based pricing——任務完成才收費。

這個變化非常大。

過去賣的是：

software access。

未來越來越多賣的是：

work completed。

軟件行業實際上正在慢慢進入：

Software-as-Labor

軟件開始直接和勞動力預算競爭，而不僅僅和 IT Budget 競爭。

五、“No-Code 已經死了”這個判斷太粗糙

Airtable、Canva、Notion 的一部分功能確實會被 AI commodity 化。

以前你需要 Canva 做：

一個海報。

現在說：

給我做一個 Lakers 比賽宣傳海報。

AI 直接完成。

以前你需要 Airtable 搭 CRM。

現在 Claude Code/Cursor 可以生成。

所以：

Creation Interface 的價值下降了。

但不能推出：

Canva 沒價值了。

真正的問題應該問：

Canva 究竟是一套“製作圖片的軟件”，還是一個“企業視覺資產與品牌工作流系統”？

如果只是前者：

危險極大。

如果能變成後者：

仍然可以很強。

因爲企業真正麻煩的不是：

“生成一張海報”。

而是：

這個 Logo 能不能用？

品牌色正確嗎？

素材有沒有授權？

20 個國家應該使用哪個版本？

100 個員工誰能修改？

總部審批了嗎？

上一版在哪裏？

TikTok、Instagram、YouTube、網站應該輸出什麼尺寸？

這就是：

Generation ≠ Workflow

AI 可以摧毀工具層，

但不一定摧毀：

Workflow + Governance + Context + Distribution。

六、真正危險的是：Agent 可能繞過 Canva

Jason Lemkin 在節目裏提到一個非常重要的例子：SaaStr 自己構建廣告 Agent 流程以後，生成和調度廣告時已經不需要主動經過 Canva。

這個問題其實比“AI 圖片生成更強”嚴重得多。

因爲 Canva 最大風險不是：

AI 能做圖。

而是：

用戶根本不再打開 Canva。

想象未來營銷 Agent：

讀銷售數據；

分析客戶；

決定廣告主題；

生成文案；

生成視頻；

生成圖片；

投放 Meta；

分析 Conversion；

重新優化。

整個過程中人只說：

把本月獲客成本降低 15%。

那麼 Canva 可能從：

User Destination

退化成爲：

某個 Agent 背後的工具。

七、這裏出現一個 AI 時代非常重要的商業概念：UI Disintermediation

過去互聯網的權力屬於：

誰控制 UI。

Google Search。

Facebook Feed。

Amazon App。

Salesforce Dashboard。

Canva Editor。

未來越來越可能屬於：

誰控制 Agent。

因爲：

Agent 控制 Intent。

Agent 決定調用誰。

Agent 決定買什麼。

Agent 決定哪個軟件值得存在於 workflow 中。

所以未來很多 SaaS 最大風險根本不是競爭對手做了更好的 SaaS。

而是：

AI 把它變成 Backend。

用戶甚至不知道它還存在。

這和我們上一期講 Hark 是完全連接起來的。

八、所以 SaaS 不會死亡，而是進入一次“價值棧遷移”

AI 最先毀掉的是：

Feature Value。

然後壓縮：

UI Value。

之後價值向下面和上面遷移。

下面：

System of Record。

數據。

權限。

身份。

歷史記錄。

合規。

業務狀態。

上面：

System of Action。

Agent。

Automation。

Execution。

Outcome。

因此未來最危險的位置是：

夾在中間、只有漂亮 UI 和幾個 Feature 的 SaaS。

這類公司的估值會非常危險。

九、這正好解釋爲什麼 Palantir 沒死，反而瘋狂增長

Palantir 2026 Q2 總收入同比增長約 93%，美國商業收入同比增長約 149%。

爲什麼？

因爲它不是簡單賣一個 Dashboard。

Palantir 更接近：

企業數據模型 + Ontology + Workflow + AI + Execution。

它已經卡到了：

Context Layer。

所以 AI 越強：

Palantir 不一定越弱。

可能越強。

因爲模型本身越來越 commodity，而：

“這家醫院、軍隊、汽車廠究竟如何運行”

不是 commodity。

十、Atlassian 也是同樣的反例：SaaS 並沒有集體死亡

Atlassian 最新披露的 trailing-12-month revenue 約 66 億美元，同比增長 26%，擁有超過 35 萬客戶，85% 以上的 Fortune 500 都是付費客戶。

爲什麼 Jira 還活着？

因爲真正價值不是：

“做一個 Todo List”。

而是：

整個組織已經把：

Bug；

項目；

權限；

開發流程；

審批；

知識；

組織協作

放在裏面。

這叫：

Embedded Workflow。

AI 可以生成一個 Jira 替代品。

但 AI 很難生成：

公司過去十年的組織歷史。

十一、所以“HubSpot 會不會被 AI 手搓 CRM 幹掉？”這個問題也問錯了

一個小企業當然可以讓 AI 做一個：

聯繫人列表；

Lead Pipeline；

Dashboard；

郵件系統。

但這不是 HubSpot 最大的危險。

最大的危險是：

Agent 成爲 Customer Interface，而 HubSpot 退化成 Database。

這區別巨大。

未來銷售人員可能根本不進入 HubSpot。

他說：

找出今天最可能成交的十個客戶。

Agent 調用 HubSpot。

分析歷史互動。

讀取郵件。

查詢公司新聞。

生成 Outreach。

發送。

跟蹤。

更新 CRM。

HubSpot仍然存在。

但是：

Agent 搶走了用戶關係。

因此 HubSpot 自己已經非常明確地往“Agentic Customer Platform”移動，並把自己的優勢描述成 Growth Context，同時讓 AI Agent 接入 CRM 歷史和客戶關係數據。

這就是正確戰略。

十二、Google 人才出走背後，比“官僚主義”深得多

Jeff Dean 離職當然可以解釋成：

Google 太官僚。

但是從經濟學角度，更有價值的解釋叫：

Internal Capital Market Breakdown

Google 內部擁有有限的：

GPU；

TPU；

電力；

研究人員；

管理 attention。

這意味着：

任何項目實際上都在競爭資本。

如果一張 GPU 可以拿去：

訓練 Gemini；

賣 Google Cloud；

做 Coding Agent；

或者：

研究 Alzheimer’s。

那麼今天資本市場會越來越逼管理層問：

哪一個項目未來 24 個月能夠產生巨大現金流？

Reuters 對這次重組的報道也明確指出，Google 正在強化 Gemini 的產品和商業化導向。

十三、“Google 沒錢治 Alzheimer’s”當然不是字面意思

Alphabet 有錢。

真正沒有的是：

Opportunity-cost-free Compute

算力不是無限的。

假設一塊超級集羣可以：

A：推進科學研究。

或者：

B：讓 Gemini Coding 能力趕上競爭者。

而 B 關係：

Google Search；

Google Cloud；

Alphabet 數萬億美元的市場價值。

CEO 必然面臨資本配置壓力。

所以真正矛盾是：

Scientist Utility Function

追求：

知識突破。

長期科學價值。

Public Company Utility Function

追求：

ROIC。

Revenue Growth。

FCF。

Shareholder Return。

兩者並不永遠一致。

十四、這就是爲什麼未來十年可能出現大量“科學家獨立建國”

過去頂級科學家需要：

Bell Labs。

IBM。

Google。

Microsoft。

因爲只有巨型公司能提供：

計算機；

實驗室；

資本；

員工。

今天情況發生變化。

一個 Jeff Dean 級別的人如果離職：

VC 會來。

雲廠商會來。

戰略投資者會來。

Google 自己甚至也可以投資。

Discovery Loop 就是一個非常典型的新結構：頂級 Google 人才離開以後獨立成立公司，而 Alphabet 本身仍參與其中併成爲雲合作方。

這很像：

Corporate Fission

公司發生“核裂變”。

優秀人才不斷從巨頭裂變出去，

形成：

新公司。

十五、這解釋了所謂的“God-Tier Comp”

AI 人才市場現在不能繼續用：

Software Engineer Level 7

去理解。

真正最頂尖的幾十、幾百個人擁有的是：

Scarce Production Knowledge

他們知道：

大規模 pre-training 爲什麼失敗；

訓練 instability 怎麼解決；

數據 recipe；

RL training；

inference optimization；

cluster orchestration；

model architecture。

很多知識甚至：

根本沒有寫在 Paper 裏。

這是：

Tacit Knowledge

隱性知識。

十六、爲什麼給一個 AI 研究員一年 1000 萬美元，可能反而“便宜”？

做一個簡單 EV 計算。

假設公司價值：

$500B。

一個頂級研究員加入後，

只把公司最終勝出的概率提高：

0.1%。

那麼理論 Expected Value：

$500B × 0.1% = $500M。

如果支付：

$10M。

從股東角度完全可能是 rational。

所以千萬不要把頂級 AI 人才薪酬理解成：

“他一年寫多少行代碼？”

應該理解成：

他改變了多少未來狀態的概率分佈？

這是 VC 和 Finance 的思維。

十七、但是 God-Tier Comp 會產生一個巨大的組織問題

假設：

普通高級工程師：

$400K。

AI Engineer：

$1M。

某核心研究員：

$20M。

公司實際上形成三個勞動力階級。

那麼另外的人就會問：

“爲什麼他值我的 50 倍？”

這會引發：

Retention Problem。

Culture Problem。

Status Problem。

Internal Equity Problem。

所以未來領先 AI 公司很可能出現一種新的組織設計：

Special Economic Zone

超級人才實行：

不同 Equity；

不同 Retention；

不同 Vesting；

不同 Research Freedom。

不能繼續用傳統 HR salary band 管理。

十八、再看 Terafab：這裏已經不是一家公司的 Capex，而是“計算主權”

Musk 真正擔心的不是：

TSMC 芯片貴一點。

而是：

Dependency。

如果未來 Tesla 的 Optimus、Robotaxi，SpaceX 的 orbital computing，以及 Musk 體系的大規模 AI 都需要數量級更大的芯片，那麼：

沒有芯片，

整個帝國就停了。

因此 Terafab 的金融本質是：

Supply-chain Insurance。

或者更準確：

Compute Sovereignty。

SpaceX/Tesla 已披露 Grimes County 的大規模 Terafab 規劃；當前首階段約 168 億美元，而此前公開文件曾對應約 550 億美元投資規模，完全展開可能更高。

十九、但“自己造芯片，所以擺脫 TSMC”這種理解也太簡單

半導體是人類工業史上最複雜的產業鏈之一。

你有廠房不等於能做出先進芯片。

你還需要：

Lithography；

EUV；

EDA；

IP；

Photoresist；

Wafer；

Deposition；

Etching；

Metrology；

Advanced Packaging；

HBM；

Yield Engineering。

最重要的是：

Yield。

設計出來不難。

批量生產並且良率高才難。

這就是爲什麼半導體制造存在如此巨大的經驗曲線。

因此 Musk 真正需要的不會只是：

“Tesla 自己造一座 Fab。”

更可能是：

Vertical Alliance

Tesla/SpaceX 提供：

需求和設計。

Intel 等提供：

Process Technology。

設備商提供：

製造設備。

整個生態共同建立新的專用 AI silicon supply chain。Intel 已公開參與 Terafab 合作。

二十、Terafab 背後的真正趨勢：AI 正在把硅谷重新工業化

過去二十年的偉大商業模式是：

Asset Light。

Uber：

沒有出租車。

Airbnb：

沒有酒店。

Facebook：

沒有傳統媒體。

Software：

沒有工廠。

但是 AI 時代出現了逆轉。

AI 要：

土地。

變電站。

天然氣。

核電。

數據中心。

冷卻系統。

GPU。

HBM。

光纖。

芯片工廠。

所以科技資本正在經歷：

Asset-Light → Asset-Heavy

這是非常深刻的歷史轉折。

二十一、而數據中心抗議說明了一件投資者極容易忽視的事情：Permit 也是資產

AI 行業過去認爲瓶頸是：

GPU。

之後發現：

電力。

現在又發現：

Political Permission。

Reuters 最近報道，2026 年第一季度至少有 75 個、價值約 1300 億美元的數據中心項目面臨社區反對；貸款機構已經開始把地方政治風險納入融資評估，並傾向於更歡迎數據中心建設的州。

居民擔心的問題包括：

電費；

水；

噪聲；

土地；

污染；

當地基礎設施。

這種阻力已經從 NIMBY 變成真正的：

Project Finance Risk。

二十二、所以未來一個數據中心真正值錢的不是“有塊地”

而是：

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

少一個都不行。

這意味着未來優質 Data Center Site 會越來越像：

機場。

港口。

礦山。

輸油管。

它的價值來自：

Regulatory Scarcity。

甚至銀行以後可能願意給：

一個擁有確定電力和許可的地塊

比一個單純擁有昂貴 GPU 的項目更好的 financing terms。

這纔是基礎設施投資最有意思的地方。

二十三、Revolut 的 CEO 激勵案，則把我們帶回資本主義最古老的問題

這個問題叫：

Principal-Agent Problem

股東：

Principal。

CEO：

Agent。

CEO 控制公司，

但股東承擔資本風險。

如果 CEO 只有固定工資：

他很可能追求：

穩定；

職位；

避免風險。

而不是：

最大化長期公司價值。

所以股權激勵本質是：

讓 CEO：

Think Like an Owner。

二十四、Storonsky 的情況爲什麼特殊？

Revolut 最新估值已經達到約 1150 億美元；公開報道顯示公司已有約 7500 萬客戶，最近年度收入約 45 億英鎊、稅前利潤約 17 億英鎊。

也就是說：

它已經不是一個普通 startup。

但 Storonsky 仍然在說：

我要繼續做到：

$200B。

甚至：

$500B。

這就是所謂：

Founder Convexity。

如果創始人還擁有巨大 upside：

成功：

賺極其多。

失敗：

失去未來巨大財富。

他的行爲更接近：

Owner。

二十五、但“給創始人越多股權越好”也是錯的

爲什麼？

因爲過度 Convex Incentive 會產生：

Risk Shifting。

例如：

公司目前：

$100B。

正常經營五年可能：

$180B。

但是 CEO 有一個激勵：

只有超過 $500B 才獲得鉅額獎勵。

那麼 CEO 可能更願意採取：

20% 概率到 $600B；

80% 概率跌到 $30B

的戰略。

對 CEO：

可能合理。

對普通股東：

未必。

所以真正優秀的 CEO Package 必須同時設計：

長期 Vesting；

多階段 Milestone；

Revenue/Profit/FCF；

Risk Controls；

Clawback；

Shareholder Alignment。

不是隻給一個：

“市值達到 X”。

二十六、“只有 Founder-led 公司能活過 AI”同樣過度

Founder Mode 很重要。

因爲 AI 時代最大的優勢之一確實是：

決策速度。

創始人可以說：

全部重做。

職業經理人容易說：

成立一個 AI Committee。

但是：

Founder ≠ Genius。

Professional Manager ≠ Bureaucrat。

真正決定企業能否活下來的不是名片上有沒有 Founder。

而是：

能不能進行 Cannibalistic Reinvention。

也就是：

願不願意主動殺死自己現有收入。

這是最難的。

因爲任何公司真正的敵人往往不是：

新技術。

而是：

舊利潤。

二十七、我認爲這期節目最大的投資啓示，是以後不能再問“SaaS 會不會死”

應該問：

第一：AI 變強以後，這家公司 Gross Margin 是提高還是下降？

Canva 暫時面臨下降壓力。

第二：AI 變強以後，客戶是不是更需要它的數據？

Palantir：

可能更需要。

第三：Agent 會把它繞過去，還是調用它？

這是未來最重要的問題之一。

第四：它是 System of Record，還是 Feature？

Feature 最危險。

第五：它有沒有 Action Layer？

只給信息越來越便宜。

執行才值錢。

第六：它擁有不可複製的 Scarcity 嗎？

數據。

Workflow。

Distribution。

Energy。

Permit。

Talent。

Capital。

Trust。

只要沒有其中任何一個：

長期定價權就很值得懷疑。

二十八、把 Canva、Google、Terafab、Revolut、Palantir 全部連起來，會得到一條非常漂亮的資本遷移路徑

過去互聯網時代最大的資產是：

Software。

所以錢追逐：

程序員。

SaaS。

Cloud。

App。

今天 AI 把代碼生產成本壓低。

於是價值開始遷移。

從：

Software

↓

Context

↓

Talent

↓

Compute

↓

Energy

↓

Physical Infrastructure

↓

Regulatory Permission

與此同時，公司治理也從：

職業經理人式 Incremental Management

重新向：

Founder-style Capital Allocation

擺動。

這就是整期節目真正講的東西。

二十九、這裏甚至隱藏着一個更大的歷史循環

1950—1970 年代的科技巨頭非常重。

IBM。

Bell Labs。

GE。

航空航天。

半導體。

需要：

實驗室；

工廠；

超級科學家；

政府；

長期資本。

1995—2020 的互聯網把科技行業變輕：

寫代碼。

租服務器。

全球分發。

VC 融資。

AI 時代正在把這兩個世界重新合併：

互聯網的軟件速度

加上

工業革命的資本強度。

於是未來真正的 AI 巨頭可能同時擁有：

軟件公司的毛利邏輯；

半導體公司的技術壁壘；

能源公司的資產；

軍工公司的政府關係；

銀行的資本能力；

研究實驗室的人才密度。

這也是爲什麼未來的頭部 AI 公司，一旦成功，市值可能遠遠超過傳統 SaaS 能達到的上限。

三十、我會給這期節目重新定一個更高級的標題

你原來的“從 No-Code 時代終結到萬億算力資本支出”方向不錯，但我認爲還能再往上一層。

最推薦標題：

《AI 正在重寫公司：軟件毛利崩塌、神級人才戰爭、芯片主權與創始人控制權》

副標題：

從 Canva 的推理成本危機、Google 頂級科學家出走，到馬斯克百億美元 Terafab 與 Revolut 的超級創始人激勵，一場關於利潤率、人才、算力和公司控制權的重新定價正在發生。

如果想更有衝擊力：

《輕資產科技時代結束了：AI 正把硅谷重新變成一個重工業》

如果偏投資：

《AI 時代真正稀缺的不是軟件：從 Canva、Google、Revolut 到馬斯克 Terafab 的資本遷移》

我個人最喜歡最後這個。

因爲今天資本市場最重要的問題已經不再是：

“誰用了 AI？”

而是：

“AI 把什麼變便宜以後，什麼東西反而會因此變得更加稀缺？”

答案越來越清楚：

普通代碼越來越便宜，稀缺的是 Context；普通工程能力越來越便宜，稀缺的是 God-Tier Talent；雲端算力越來越重要，稀缺的是電力與許可；職業管理越來越容易複製，稀缺的是敢於主動摧毀舊商業模式的資本配置能力。

誰能夠提前擁有這些“AI 無法無限複製的資產”，誰纔可能喫掉下一輪最大的財富。