AI更便宜之后，谁能真正赚钱：20VC谈增长、智能体与退出

一、主讲人与议题背景

这期20VC由Harry Stebbings主持，上传于2026年11月5日，时长4113秒，约69分钟。转写中还有被称为Jason和Rory的发言者，但所给材料不足以核实两人的背景，无法据此补写履历。

节目以新闻议题和观点交锋展开。Harry提出融资、交易和产品经济性问题；Jason既分享成本案例，也在模拟投资委员会环节表达投资选择；Rory参与追问与比较。这种形式让不同判断得到反驳和检验，但其中的金额、经营描述和预测，仍应按节目中的陈述来理解，不能当作相关公司发布的财务数据或管理层确认。

贯穿这些议题的问题，是AI的技术价值如何转化为商业价值。融资估值、模型价格、客户愿付预算、持续运行所需资源和收购整合，分别影响这条转化路径上的不同环节。发言者对技术能力的肯定，与对买入价格、补贴策略和退出目标的怀疑，也因此可以同时成立。

二、本期主要内容

节目从资本市场的紧张情绪谈起。Harry称，OpenAI的融资估值从1.4万亿美元降至1.25万亿美元，计划融资额从300亿美元缩至200亿美元，承诺资金约110亿美元。一位发言者认为，不同证券在增长、盈利能力和流动性上的差异，本身就可能要求折价，不能据此认定AI需求正在崩塌。随后，Jason以CoreWeave债务收益率达到15%提示融资压力；另一位发言者则认为，关键仍是算力需求能否持续。资本变贵与客户需求减弱，需要分别判断。

Alphabet与Anthropic的讨论，分别暴露了市场解释和财务口径的难题。主持人称Alphabet约跌12%、搜索增长12%、自由现金流为负；云业务数字却出现约1300亿美元与1200亿美元年化规模两种说法，无法拼成口径一致的财务数据。Anthropic的讨论则明确纠正了收入下降与新增放缓的混淆。Jason将价格竞争列为可能原因，提到OpenAI产品价格约低30%。另一位发言者估计，全年GAAP收入约为560亿美元，次年约为1200亿美元。这些是预测，不能写成已实现业绩。

应用端的变化来自Jason的具体经历。他说，筹备中的招聘应用SaaStr Connect更换模型组合后，同一持续运行工作流的有效成本下降约70%至72%，速度和质量也有所改善。他还称，使用Canva约12年后取消了订阅，因为自己的智能体不需要它；对于Canva经营表现的相关报道，他明确表示并不确定。这两个案例显示出工作流迁移的可能，尚不足以证明其他应用的成本或软件公司的收入也发生了同样变化。

配送领域的讨论由一笔收购引出。Harry称DoorDash以170亿美元收购Instacart，发言者随后讨论网络整合、反垄断和智能体绕过平台的可能性。不过，相关市场份额推论没有建立清晰的市场定义。Kalshi与Cohere则体现了不同的融资逻辑：Harry称Kalshi按400亿美元估值融资10亿美元，一位发言者将其视为继上一轮约220亿美元估值之后的动量投资，并提出体育博彩和州级监管方面的担忧；加拿大对Cohere最高11.4亿美元的支持，则被放在主权AI的政策背景下讨论。融资、政策支持与产品采用，始终需要分开衡量。

风险议题也超出了估值。Binance的损失金额未经核实，发言者对其偿付能力的解读也有冲突，但都强调客户托管资产不等于公司自有资金。转写为Ardex的渗透测试工具，则被用来说明同一能力既可用于测试防御，也可能被转用于模型支持下的规模化攻击；Fedwire停摆只是讨论中的假设后果。随后，Baseten、Cognition和Serval的投资比较，以及AI律所、机器人和并购的话题，将讨论进一步落到收入增长、利润归属和资本退出上。

三、核心观点：推理、例子与边界

融资折价、债务承压和增长放缓，看似都是坏消息，背后的机制却不同。对于OpenAI的融资折价，一位发言者首先从相对定价解释：增长、盈利能力和流动性较弱的投资对象，需要以更低价格与其他证券竞争。CoreWeave的压力则取决于资产负债表和算力需求。如果需求强劲，算力资产可能仍有买家；如果需求疲弱，高杠杆供应商可能比资产负债表更强的公司更早承压。资产可能有人接手，不等于债务一定能够偿付。这套判断的价值，在于明确了不同条件下的结果。

Anthropic的争论说明，高速增长与增速下降可以同时发生。节目用约50亿、110亿、170亿美元讨论增长：即使绝对新增接近，基数扩大也会拉低百分比增速。Jason关心新增是否已经减弱，另一位发言者则纠正了收入下降与新增放缓的混淆，强调总量仍在增加。分歧因此落在未来新增能否支撑当前估值上。不过，转写混用了GAAP收入、ARR和bookings，无法据此精确重建季度财务序列。价格压力也是Jason提出的解释，尚不能视为已经证实的原因。

模型降价带来的收益，也不会平均分配给每一层参与者。Jason称，SaaStr Connect更换模型组合后，同一工作流的有效成本显著下降；他同时承认，增加智能体和使用量可能推高总支出。持续运行环境又带来一笔成本：讨论估计，某类智能体服务每用户每月可能花费20美元甚至更多，精细管理的虚拟机则约为4至5美元。Harry认为，轻度用户可以拉低平均成本。这两种判断分别涉及重度用户成本和全部用户的混合成本，并不矛盾。支持补贴的一方相信成本会持续下降，另一方担心资金在经济性改善前就已耗尽。节目援引的数字成本每年下降50%至60%，不能直接当作经营计划的保证。

智能体对DoorDash的潜在影响，也不止于改变下单入口。节目将据报数百笔智能体订单与每天约300万单配送并列，反映的是讨论中所述的当前规模。Jason更关心另一种可能：智能体发现餐厅自营配送后，用户可以绕过原平台。他以2美元配送、节省14美元作假设，解释这一去中介过程，并未报告实测结果。反方则强调，食物图片、浏览和发现本身就有价值，定时办公室配送可能更适合自动化。争论的核心是，用户需要多少执行效率，又有多少需求来自选择过程；节目没有给出答案。

融资能力同样不能代替商业验证。讨论将Cohere置于政府支持和非美国模型需求的背景下，但也指出，政府可以支持一家企业存续，却不能强迫私营部门采用其产品。即使据报ARR增长超过165%，缺少绝对收入仍难判断业务规模。Binance的争论涉及另一条界限：宣布补偿不足以单独证明公司资金充裕，客户托管资产也不能用于补偿其他客户。转写为Ardex的工具则体现了技术的双重用途：渗透测试能力可能被转用于规模化攻击，但节目提到的基础设施后果仍是假设，不能写成已经发生的事件。

Baseten、Cognition和Serval的投资比较，把业务质量与投资回报之间的距离呈现得更清楚。三者在讨论中的估值分别约为300亿美元、700亿至800亿美元和30亿美元，对应推理服务、编码智能体和AI IT服务管理应用。Jason看好Cognition获取企业编码预算的势头，同时质疑其自有知识产权边界，并担心计入稀释后，实现十倍回报可能需要接近万亿美元的最终估值。他关于部署的表态出现在模拟投资委员会环节。Harry更看重Serval较低买入估值所带来的回报空间，但1.5亿美元的融资规模无法容纳大型基金希望投入的5亿至10亿美元。Baseten的推理收入增长受到肯定，投资前景却面临五六家强劲对手和商品化风险；Harry表示更偏好Modal和Fireworks。基金需要投出多少钱，与公司本身是否值得投资，是两个问题。

Serval的讨论还提出了一个可以直接检验的市场扩张问题：同一客户原来每年向ServiceNow支付20万美元，是否愿意为完成工作支付30万至40万美元？从记录任务转向执行任务，可能创造新增价值，却未必带来新增预算。如果客户只愿维持原有支出，而既有厂商和更多竞争者仍在分割市场，收入可能主要来自供应商之间的转移。发言者还警告，替代ServiceNow可能需要十至十五年，垂直AI产品的定价预期也可能落空。这些是对商业路径的担忧，尚不是Serval的经营结果。

AI律所与机器人进一步把问题带到实际交付。围绕Crosby的讨论区分了标准化法律任务与依赖个人信任的复杂工作。支持方认为自动化可以减少错误，但节目未提供实证。讨论中的薪酬与股权方案也是假设：能否吸引律师，既要看收入前景，也要看可预期工时的价值；有人可能愿意以收入换取每周40小时和更可控的时间。不过，招到人、建成一家可经营的律所，与实现100亿美元退出仍是不同目标。机器人也有类似约束。发言者赞叹灵巧度进步，却质疑部署速度和每小时收入，并明确认为市场迅速翻倍的叙事过于简单。BMW不太可能在一周内部署100台人形机器人的例子，正是为了说明技术进展与收入兑现之间仍有距离。

四、学习与应用

经营者可以从一张任务成本表开始检验这些判断：选择可重复的工作流，固定输入、验收标准和完成范围，再比较不同模型组合。模型费用之外，还应记录虚拟机运行时间、重试、人工检查和完成速度。这是从节目成本争论推导出的操作方法，并非节目已经报告的测试结果。Jason所述70%至72%的降本可以成为实验动机，却不能直接写入预算。若质量下降或人工修复增加，较低单价未必带来较低交付成本。

对于持续运行的产品，还需要分别计算轻度、典型和重度用户的成本。Harry认为轻度用户能够拉低平均值，这一判断能否成立，取决于真实用户结构。可以分别估算成本不降、缓慢下降和按乐观预期下降时的现金需求，检验资金能否支撑产品走到经济性可接受的阶段。节目以每年补贴100美元、100万用户合计需要1亿美元，说明补贴如何随规模累积。实际决策还需把用户增长和融资衔接纳入同一现金计划；大型公司承受得起的补贴，未必适合创业公司。

企业AI产品可以将Serval的讨论转化为客户访谈和试点问题：产品替代的是记录工具，还是交付了原本需要人完成的结果？原客户是否愿意增加预算，增加多少，由谁批准？新增预算与从旧供应商转移来的预算，应分别核算。即使同一客户愿意多付，也要检验这是否仅适用于少数高价值场景，不能将单一合同的提升外推为整个市场都能接受三四倍定价。替代过程可能持续十至十五年的判断，也要求团队评估自身资金能否支撑相应的销售周期。

配送平台可以沿两条路径测试智能体：保留图片浏览和人工选择，让智能体负责比较与执行；或针对固定地点、时间和偏好的重复配送，检验自动化的价值。若智能体找到餐厅直送服务，还需核实覆盖范围、履约责任和异常处理。节目假设的14美元节省不能作为实际承诺。软件替代也有同样的边界：Jason取消Canva，说明他的某种工作流已不再需要该产品，不能据此推断其他客户也能取消订阅。

AI专业服务和机器人业务，都需要先核实交付约束，再估算市场空间。法律服务可以先区分标准化任务与依赖个人信任的工作，再评估审核责任、律师激励和客户接受度。可预期的工时可能有助于招聘，却不能据此预设利润一定流向股东。机器人则需要逐项验证可安装设备、实际采用、运行时数和收费能力，才能从技术展示走向收入预测。节目尚未提供足以完成这些计算的数据，因此更适合据此列出待验证问题，无法据此承诺商业化日期。

退出规划也需要落实到买方和整合条件。Jason将持续发生的并购与风险投资的流动性联系起来，希望减少投资组合对IPO的依赖。他对据称涉及Hugging Face的129亿美元交易所受审查表示担忧，同时称自己不认为已经出现正式信息请求；这一限定必须保留，不能将其写成已确认的监管程序。创始人研究潜在买家时，可以识别哪位业务负责人需要这项能力、谁能投入销售和整合资源，以及标的收入能否对买方形成实质贡献。节目将成熟企业的部署与LLM原生公司的增长作比较，提到约1亿美元收入可能是获得重大整合资源的经验门槛。它既不是收购资格线，也不意味着达到后必然会被收购。比较Listen与Cresta／Craster时，还需先核实名称，并统一收入与ARR口径；仅凭相近的交易总价，无法判断哪一笔更划算。

来源

• 原始节目：Google Loses $500B in 12 Hours | DoorDash Buys Instacart for $17B | Kalshi Raises $1B