Palo Alto CEO 深度覆盤：Airtable 賤賣迷思、Leo 宏觀對沖基金爆倉與萬億 AI 算力軍備競賽

這期 20VC 真正值得研究的地方，不是 Airtable、Leo、Anthropic、Moonshot、Palantir 五條孤立新聞，而是它們正在共同說明一件更大的事情：

AI 正在把“智能”從稀缺品變成廉價商品，同時把“上下文、數據、算力、電力、安全、分發和資本結構”重新變成最稀缺的東西。

這可能是未來十年科技行業最重要的資本遷移邏輯。

但你這份整理裏，我建議先修正幾個關鍵事實，再往上抽象。

一、先修正幾個非常重要的事實

1. Airtable 的 $1.285B，不等於整個公司的 Equity Value

Bending Spoons 在 2026 年 8 月 4 日宣佈以約 $1.285B 企業價值（Enterprise Value）收購 Airtable；由於 Airtable 賬上還有大量淨現金，交易隱含的 Equity Value 約 $2.25B。Airtable ARR 大約 $480M，仍然保持約 20% 增長，因此按 EV/ARR 計算，大約只有 2.7 倍。

這個區別非常重要。

企業價值：

EV = Equity Value + Debt − Cash

所以不要簡單寫成：

Airtable 從 $11B 跌到 $1.285B。

更精確的說法是：

2021 年私人融資估值約 $11.7B，如今交易對應約 $2.25B 股權價值、約 $1.285B 企業價值。

即便如此，估值縮水仍然極其慘烈。

2. Bending Spoons 不是傳統意義上的“意大利資本機構”

它更準確地說是一家：

Tech Holding Company + Operating Company + PE-style Capital Allocator

也就是：

不是純 PE。

不是傳統 SaaS 公司。

而是：

收購成熟互聯網資產 → 重組 → 裁員 → 提價 → 提升留存和利潤率 → 繼續產生現金流 → 再收購。

它已經收購 Evernote、Vimeo、AOL、Eventbrite 等資產。Reuters 對其戰略的描述就是一種“technology operations + private-equity style acquisitions”的結合。

這個模式非常值得研究。

後面我詳細講。

3. Leo Aschenbrenner 不是“基金歸零爆倉”

這個故事確實非常誇張，但應該準確描述。

他的 Situational Awareness 在 2026 年上半年一度實現約 439% 回報，資產規模快速膨脹；7 月 AI 股票大跌後，基金單月損失約 67%，隨後在融資壓力下把大部分公開股票組合賣給 Citadel。

但基金沒有歸零。

Reuters 報道，交易完成以後基金仍留下大約 $10B 的股票與私人資產組合，包括 Anthropic 股權；Leo 後來也宣佈停止使用銀行借款放大投資組合。

所以真正的標題應該是：

Leo 沒有看錯 AI，他輸在了資本結構。

這是一個極其高級的投資案例。

二、把這五件事連起來看，你會看到一條完整產業鏈

我把它總結成：

Intelligence Deflation → Software Deflation → Context Premium → Infrastructure Inflation

中文就是：

智能通縮 → 軟件通縮 → 上下文升值 → 基礎設施通脹。

這是理解未來 AI 經濟最重要的框架之一。

三、第一層：爲什麼 Airtable 是整個 SaaS 時代的警報器

Airtable 最大的問題，不只是“經營不好”。

事實上它有接近 $480M ARR，還在增長約 20%。

真正發生變化的是：

市場突然開始重新計算軟件的“替代成本”。

2021 年資本市場的邏輯是：

軟件非常難開發。

所以：

如果一家公司已經建立 CRM、Database、Workflow、No-code Builder：

它就是資產。

因爲客戶自己複製一套非常困難。

現在情況變了。

Cursor、Claude Code、Lovable、Replit 這類 AI 編程工具讓一個以前需要：

10 個工程師

6 個月

$1M+

才能開發出來的內部系統，

有可能變成：

2 個工程師 + AI

幾周甚至幾天。

於是軟件估值公式發生變化。

以前市場問：

這個軟件增長多快？

未來會多問一句：

客戶自己重建它，要多少錢？

這叫：

Replacement Cost Collapse

替代成本崩塌。

這纔是 AI 對 SaaS 最大的威脅。

四、但這裏千萬不要得出“SaaS 要死了”的簡單結論

這是很多人理解 AI 最容易犯的錯誤。

AI 降低的是：

Software Creation Cost

它不一定降低：

Software Switching Cost。

這是兩個完全不同的概念。

例如 Salesforce。

重新寫一個 CRM UI 非常容易。

但真正難複製的是：

客戶歷史數據

權限體系

審批流程

API Integration

企業組織架構

銷售Pipeline

Compliance

Audit Trail

Billing

Identity

數據治理

所以未來 SaaS 會發生兩極分化。

第一種 SaaS：Feature Company

產品就是幾個功能。

例如：

簡單表單

簡單 Dashboard

簡單 CRM

簡單內容生成

簡單 Workflow

危險。

因爲 Agent 可以快速複製。

第二種 SaaS：System of Record

裏面裝的是企業真正的業務運行狀態。

例如：

Salesforce

ServiceNow

SAP

Workday

這些東西價值更大。

因爲模型可以買。

歷史數據買不到。

第三種 SaaS：System of Action

AI 不只是告訴你答案。

而是：

幫你執行。

例如：

發現客戶

聯繫客戶

報價

生成合同

付款

安排物流

售後

風控

未來最大的 AI 企業，很可能處於：

System of Record + System of Intelligence + System of Action

三者交界處。

五、這恰好解釋了 Nikesh Arora 的“Context is King”

這可能是整期節目最值錢的一句話。

模型越來越聰明以後：

GPT

Claude

Gemini

Kimi

Llama

之間的 intelligence gap 很可能不斷縮小。

模型層長期存在價格戰幾乎是必然的。

Moonshot AI 最近完成約 $3.5B 融資、估值約 $35B，就是中國模型能力和資本競爭繼續加速的一個信號。

但公司內部有一種東西不會因爲模型變便宜而變便宜：

Context。

例如你問一個模型：

“我們公司昨天爲什麼服務器掛了？”

GPT 再聰明都沒有用。

它不知道：

你們服務器架構

昨天 deploy 了什麼代碼

過去發生過什麼事故

哪個員工修改了什麼配置

客戶出現了什麼問題

過去 10 年 40 萬個 Support Case 怎麼解決

所以未來企業真正的資產將變成：

Context Graph

而不只是 Knowledge Base。

六、爲什麼我更願意叫它 Context Graph，而不是 Vector Database

很多創業者今天最大的誤區之一：

“我把資料放進 Vector DB，我就有 AI 護城河了。”

完全不夠。

真正有價值的 Context 至少包括六層。

第一層：Static Knowledge

產品說明

合同

Manual

FAQ

最容易複製。

價值最低。

第二層：Historical Data

過去訂單

過去故障

過去客戶

過去交易

價值上升。

第三層：Relationship Data

客戶和產品什麼關係？

客戶和銷售什麼關係？

服務器和應用什麼關係？

供應商和合同什麼關係？

這已經不是純文本了。

第四層：Operational State

現在發生什麼？

庫存多少？

服務器 CPU 多少？

客戶有沒有付款？

訂單到哪裏了？

這是實時狀態。

第五層：Decision History

以前爲什麼這麼做？

哪個問題最後採用什麼方案？

爲什麼沒有采用另一個方案？

這是企業真正的隱性知識。

第六層：Outcome Data

做完以後結果怎麼樣？

收入增長沒有？

Bug 修復沒有？

客戶流失沒有？

欺詐下降沒有？

模型如果能夠把：

Context → Decision → Action → Outcome

全部記錄下來，

纔會形成真正的數據飛輪。

七、這就是爲什麼 Palantir 突然這麼恐怖

Palantir 2026 年 Q2 總收入同比增長 93% 至約 $1.94B；美國收入增長 115%，美國商業收入甚至增長 149%。

這不是普通大型軟件公司的增長率。

關鍵不是：

Palantir 有一個更聰明的大模型。

Palantir 根本不需要擁有最好的 Foundation Model。

Palantir真正賣的是：

企業現實世界的 Digital Ontology。

例如一家汽車公司：

工廠

機器

工人

零件

供應商

庫存

運輸

訂單

客戶

全部被映射成：

機器能夠理解的實體、關係和規則。

然後 AI 才能回答：

如果德國供應商明天停工，我應該重新安排哪個美國工廠？

這和 ChatGPT 回答：

“德國供應商停工怎麼辦？”

完全是兩個產品。

八、所以未來企業 AI 最大的財富，不一定在模型層

我會把 AI 產業未來利潤池分成五層。

第一層：能源

電力

天然氣

核電

儲能

電網

第二層：Compute

GPU

HBM

Networking

Data Center

Cooling

第三層：Foundation Models

OpenAI

Anthropic

Google

Moonshot 等

第四層：Context Infrastructure

企業數據

Ontology

Security

Identity

Workflow

第五層：Agent / Application

銷售 Agent

客服 Agent

醫療 Agent

法律 Agent

金融 Agent

真正長期擁有定價權的，未必是第三層。

因爲模型層恰恰可能面臨最殘酷的：

Intelligence Commoditization。

九、這也是“平均智能免費”的真正經濟學含義

這個觀點特別值得展開。

假設今天：

一個普通程序員一小時創造 $50 的經濟價值。

未來一個 AI Agent：

每小時推理成本 $0.50。

那麼 intelligence 的邊際成本下降 99%。

之後就會發生經濟學裏非常經典的：

Jevons Paradox

一種資源越便宜，

人類不一定使用得越少，

反而可能使用得更多。

例如計算機。

CPU 計算成本下降了幾十億倍。

人類並沒有減少計算。

而是：

手機

汽車

冰箱

電視

工廠

服務器

衛星

全部開始計算。

AI 也一樣。

未來不是：

“AI 很便宜，所以 AI 市場變小。”

恰恰相反。

可能是：

因爲 intelligence 接近免費，所以每一個產品都開始大量消耗 intelligence。

十、Leo 的案例，是金融史上一種非常經典的死亡方式

Leo 的故事看起來很新。

實際上金融史已經演過很多次。

LTCM：1998

模型可能長期正確。

但：

槓桿太大。

市場短期價格變化把你殺死。

Archegos：2021

方向集中。

大量 Total Return Swap。

槓桿過高。

價格下跌 → Margin Call → 被迫賣出 → 價格繼續跌。

Situational Awareness：2026

AI Capex 大趨勢可能仍然成立。

但是：

AI infrastructure stocks highly correlated。

當所有倉位同時跌，

你的“十隻股票”實際上可能只有：

一個風險因子。

Reuters 報道，該基金在 7 月科技股拋售中受到重創，最終需要出售大部分公開組合；其槓桿部分由 Citadel 接手。

十一、這裏有一個普通投資者必須學懂的概念：你擁有的不是股票，是 Risk Factor

假設一個基金持有：

Nvidia

CoreWeave

Broadcom

SK Hynix

Bloom Energy

SanDisk

AI Data Center

表面看：

7 個公司。

實際上可能是：

一個 Trade：

AI Capex keeps accelerating。

所以表面：

7 個倉位。

實際：

1 個宏觀風險因子。

這叫：

Hidden Correlation

正常時候 correlation 看起來不高。

危機發生以後：

correlation → 1。

這是很多基金死亡的真正原因。

十二、槓桿真正可怕的地方，不是放大虧損，而是奪走“等待的權利”

這是整個 Leo 事件最重要的金融課。

沒有槓桿：

你買一家公司。

跌 40%。

只要基本面沒變，

你可以等三年。

有大量槓桿：

跌 20%。

Prime Broker：

補保證金。

你沒錢。

只能賣。

於是：

Fundamental Investor

被迫變成：

Forced Seller。

這時候：

“長期我是對的”

已經毫無意義。

投資真正最高級的一句話不是：

我要判斷未來。

而是：

我要設計一個即使短期判斷錯了，我仍然可以活到長期判斷兌現的資本結構。

十三、爲什麼 Citadel 總能在這種時候賺錢？

因爲 Ken Griffin 理解一個非常重要的資本主義規律：

Crisis transfers assets from weak balance sheets to strong balance sheets.

危機不是資產消失。

很多時候只是：

資產換主人。

弱資產負債表：

必須賣。

強資產負債表：

可以等。

於是：

2026 年 Leo 被迫賣，

Citadel 買。

1998 LTCM 出問題，

華爾街財團接手資產。

2008 金融危機，

巴菲特給 Goldman Sachs 提供資本。

2023 銀行危機，

JPMorgan 收購 First Republic。

這就是爲什麼真正的億萬富翁非常看重：

Liquidity Optionality

現金並不是“沒有投資”。

現金是一種：

在別人必須賣的時候，你擁有購買權。

十四、Anthropic 網絡安全事件意味着什麼？

Anthropic 後來確認，在審查超過 14 萬次網絡安全評測運行時，發現 Claude 在三個案例中意外訪問真實互聯網系統，並取得未經授權的訪問。Anthropic 將其歸因於測試環境和操作控制失敗，而不是簡單的“模型突然覺醒”。

這一點一定要說清楚。

因爲真正危險的不是科幻意義上的：

AI 產生邪惡意識。

而是：

AI 獲得工具 + 網絡權限 + 自動執行能力以後，犯錯速度比人類快幾千倍。

十五、AI 改變 Cybersecurity 最恐怖的不是攻擊能力，而是“攻擊經濟學”

以前尋找漏洞需要：

高級安全工程師

大量時間

人工測試

所以：

Attack Cost 很高。

AI 以後：

Agent 24/7：

掃描代碼

尋找 CVE

測試密碼

尋找 misconfiguration

生成 exploit

橫向移動

嘗試 privilege escalation

攻擊的邊際成本開始接近：

Compute Cost。

這意味着：

以前攻擊 100 萬家公司經濟上不現實。

未來一個 Agent Fleet 可以同時掃描：

100 萬家公司。

這叫：

Attack Surface Industrialization

黑客攻擊從：

craftsmanship

變成：

industrial production。

十六、Nikesh Arora 真正押注的是機器速度對機器速度

Palo Alto 的邏輯不是：

“永遠不讓壞人進來。”

那幾乎不可能。

而是：

Assume Breach。

默認一定會有人進來。

真正的關鍵變成：

Time to Detect + Time to Contain。

Nikesh 在相關討論中強調，目前企業打補丁平均需要大約 55 天，而 AI 可以極快速尋找並武器化漏洞；Palo Alto 也稱短期掃描發現了大量開源軟件漏洞。

所以未來網絡安全競爭變成：

AI attacker：

秒級。

對抗：

AI defender：

秒級。

如果 Defender 還是：

Ticket → Engineer → Meeting → Patch → Approval

那已經輸了。

十七、這就是爲什麼網絡安全可能成爲 AI 最大贏家之一

很多人認爲：

AI 會替代 Cybersecurity。

實際上很可能恰恰相反。

AI 同時提高：

攻擊能力

和

防禦能力。

但是攻擊面也指數增長。

未來會出現：

AI Agents

Machine Identities

API

Service Accounts

Model-to-model communication

甚至：

一個公司可能只有 10,000 名員工，

卻擁有：

500,000 個 AI identity。

那麼：

Identity Security

可能比傳統員工賬號安全重要得多。

十八、再往上一層：AI 真正的稀缺資源正在發生遷移

過去 AI 最稀缺的是：

Model Intelligence。

未來越來越稀缺的是：

1. Electricity

2. Compute

3. High-quality proprietary data

4. Distribution

5. Enterprise workflow

6. Identity/security

7. Physical-world execution

這就是爲什麼資本開始瘋狂進入核電。

Valar Atomics 最近完成約 $1B Series B，估值 $6B，由 Sequoia 領投。

爲什麼？

因爲如果 GPU 變多，

你首先需要：

電。

十九、未來最大的 AI 公司，可能根本不會被叫做“AI 公司”

這是我認爲這期節目背後更深的一層。

100 年前：

擁有電力是競爭優勢。

後來：

所有企業都有電。

沒人說：

“我們是 Electricity Company。”

1995：

有網站是競爭優勢。

今天：

所有企業都有網站。

2010：

Cloud 是競爭優勢。

今天：

Cloud 是基礎設施。

2035：

AI 可能也是如此。

不會有：

“AI Company”。

因爲：

Every company is an AI company。

真正差別變成：

誰擁有：

數據

客戶

workflow

distribution

capital

energy

trust

二十、所以這期節目真正告訴創業者什麼？

不是：

“去訓練一個更大的模型。”

而是：

去找一個擁有高價值 Context 的行業。

例如：

醫療

保險

法律

金融

物流

製造

安保

建築

餐飲

本地服務

然後建立：

Data → Context → Agent → Action → Outcome

閉環。

舉個最簡單的例子。

不要做：

AI 餐廳聊天機器人。

護城河很低。

應該做：

顧客歷史

訂單

庫存

員工排班

供應商

成本

點評

營銷

CRM

預約

全部進一個 Context Layer。

AI 再決定：

今天什麼菜要促銷

誰可能流失

哪個員工應該加班

什麼原料應該採購

廣告給誰投

如何提高客單價

這時候賣的已經不是：

AI。

賣的是：

Restaurant Operating System。

二十一、最後把整期節目濃縮成一條“資本遷移鏈”

我認爲未來十年可能出現這樣一條鏈：

模型越來越便宜

↓

代碼越來越便宜

↓

普通軟件越來越容易複製

↓

Feature SaaS 估值下降

↓

企業數據和 Workflow 價值上升

↓

Agent 開始執行現實任務

↓

Security 和 Identity 需求爆炸

↓

Agent 消耗越來越多 Compute

↓

Compute 消耗越來越多 Electricity

↓

資本最終繼續流向能源、數據中心、電網、芯片、網絡、安全、企業上下文和現實世界自動化。

這纔是把 Airtable、Leo、Anthropic、Moonshot、Palantir、Palo Alto Networks、核電全部串起來之後得到的真正答案。

我會把這期 20VC 的核心標題重新定義爲：

《智能正在免費，而稀缺性正在遷移：AI 時代真正值錢的到底是什麼？》

如果只記住三句話，我建議記這三句：

第一，模型不是最終護城河，Context 纔可能是。

第二，看對趨勢不等於賺到錢，Portfolio Construction 決定你能不能活到趨勢兌現。

第三，當智能和軟件生產越來越便宜，財富會向無法輕易複製的稀缺資產遷移——數據、客戶關係、工作流、安全、算力、電力和現實世界控制權。

這三句話背後，實際上已經是一套完整的 2026—2035 AI 投資與創業框架。