Mike Cannon-Brookes 与 20VC 谈 AI、软件市场和领导力

Harry Stebbings 欢迎 Atlassian 联合创始人 Mike Cannon-Brookes 与投资人 Jason Lemkin 和 Rory O’Driscoll 参加圆桌。讨论从据报道的乐观情景开始：Anthropic 到 2029 年实现 1490 亿美元年度经常性收入。这个数字是报道中的预测，并非已实现收入，也不是圆桌独立核实的预测。

O’Driscoll 将该情景与估计的 OpenAI 预测及全球软件市场规模比较。他说，两家公司若都实现巨额收入，就需要支出扩大或其他领域被替代。他的市场规模数字和合并预测只是粗略示例，不是经过核实的预算或已确定的未来结果。

Lemkin 问模型支出是否与 Atlassian 争夺有限的企业预算。Cannon-Brookes 说，回答需要理解收入层次：公司使用多个模型供应商，并根据成本、质量和速度选择。作为 Atlassian 联合创始人和高管，他在这一评估中有直接利益。

Cannon-Brookes 举出假设例子：客户向应用供应商付款，供应商向云服务商付款，后者再向模型供应商付款。每个环节都可能从同一最终客户支出中报告收入。他明确表示金额仅用于说明，不应将其相加当作独立购买。

他说软件公司可以与模型供应商合作，同时与其某些产品竞争，正如大型科技公司在其他市场的做法。他预计竞争会使模型供应商继续向其他企业开放。这是他的战略观点，并非对未来访问、定价或供应商行为的保证。

Cannon-Brookes 质疑 AI 支出是零和的假设。他认为，如果企业能构建更多产品或改善运营，技术预算可能增长。O’Driscoll 同意市场可能扩张，但认为如此巨大的拟议收入需要大量新增支出，不能仅靠过去趋势的简单延续。

O’Driscoll 指出，收入层叠使计算复杂化：编程应用和其背后模型的支出可能出现在不同公司数字中。他提出咨询和系统集成预算可能是新增支出的来源，但市场估计只是近似，替代程度未知。

Stebbings 认为部署和集成期间咨询收入可能增长，O’Driscoll 则预计部分常规系统集成工作会自动化。Lemkin 认为有效实施可能需要更强的技术能力。这些是关于不同工作的相互竞争的预测，并非经过测量的行业结果。

Lemkin 质疑是否有足够专家实施复杂智能体工作流。Cannon-Brookes 回应，供应商有动力简化工具，让更多人能够采用。两人的交流体现了专家主导部署与自助服务之间的张力，但没有确定适用于每家企业的人员模式。

Cannon-Brookes 说，大规模采用需要普通员工能使用的工具，而不是无限供应的专家。他描述客户从小型自动化开始，逐渐学习智能体能做和不能做什么。他的评论反映 Atlassian 的产品视角，不能独立确定智能体部署的广度或安全性。

被问及 AI 是否意味着软件终结时，Cannon-Brookes 反对针对整个类别的说法。他说一些公司会失败，另一些会增长，就像此前技术转型中一样。这是软件供应商领导人的预测，不能证明任何个别公司会生存。

Lemkin 将他认为可能受益于更多软件创造的工程和产品工具，与可能面临席位缩减的其他类别区分开。他引用了人脉中公司的观察。他对招聘、工具需求和特定公司的说法是轶事和预测，并非代表性的劳动力研究。

Lemkin 认为产品和工程相对有韧性，因为团队可能构建更多软件，而不是立即减少工程师。Cannon-Brookes 指出服务产品对 Atlassian 也很重要。两种解读都反映各自商业环境，不能确定全行业就业趋势。

Cannon-Brookes 说产品和工程占 Atlassian 业务的重要部分，但服务管理也很重要且正在增长。他介绍较新的客户服务产品，并认为供应商必须使服务更便宜或更好。这些是有利益关系的高管对公司业绩和产品的说法，并非独立核实的结果。

他引用 Atlassian 云收入增长和剩余履约义务，即 RPO，作为客户承诺的证据。他用简化的多年合同例子说明，未来合同金额并不全是当期收入。公司数字来自他的叙述，RPO 不等同于已收现金，也不能保证未来确认收入。

O’Driscoll 同意整个软件行业不会消失，但认为架构变化可能增加失败的公司数量。他明确表示举出的百分比是虚构示例。他问 AI 改变的仅是开发速度，还是软件本身的性质。

O’Driscoll 区分软件供应商的正常更替与可能更剧烈的架构变化。他强调举出的失败率是为讨论而虚构的。问题在于传统产品和新竞争者适应得有多快，而不是经过测量的某个失败比例预测。

Cannon-Brookes 说 Atlassian 正使用语言模型构建软件，并投资上下文、搜索、聊天和基础设施。他说部分推理成本大幅下降，并引用最近几个季度毛利率改善。这些是公司说法，访谈没有提供产品级成本表或独立验证。

Stebbings 问软件股下跌是否意味着投资人应出售某些持仓。Cannon-Brookes 认为恐惧正在影响估值，但说他不能保证每家公司五年后都更值钱。他对行业和竞争者的看法不是个性化投资建议，也不是经过独立测试的估值模型。

Lemkin 认可 Atlassian 指标加速，同时担心许多同行尚未恢复增长。他认为上市公司应展示 AI 支出如何转化为有用产品和收入。他对公司数字和同行的预测是自己的估计和判断，并非经过验证的行业预测。

圆桌讨论上市软件公司群体看起来较弱，是否部分因为上市的高增长公司减少，而私募股权或更大企业收购了其他公司。Cannon-Brookes 回忆一个因公司被收购而缩小的软件 CEO 群体。他们的观察是可能的构成效应，并非对指数表现的统计分解。

Cannon-Brookes 说一些原上市软件公司已被收购，而其他高增长企业保持私人状态更久。他认为这些变化使简单比较上市公司平均值变得困难。例子来自他的回忆，没有量化每个因素对估值的影响。

Cannon-Brookes 补充说，营销渠道变化、获取私人资本的能力和公司规模不同都可能影响比较。他相信客户会继续购买软件，但承认多种力量同时作用。他的预期反映其在 Atlassian 的角色，不能确定哪些供应商会获益或受损。

Stebbings 提到据报道的 Harvey 以 110 亿美元估值融资 2 亿美元，并引用未来可能达到 6 亿美元的收入。圆桌还提到约 1.9 亿至 2 亿美元 ARR。这些是报道或估计数字，未来数字只是情景；年度经常性收入不等于完整一年确认的收入。

O’Driscoll 指出，对模型供应商法律插件可能冲击传统企业的担忧，与投资人对法律 AI 公司的热情形成对比。他认为重要问题是增长能复合多久，以及可服务市场最终多大。他估计的市场份额和未来轨迹都是假设。

Lemkin 认为，实际增长可能揭示此前市场估计遗漏的需求，特别是 AI 不只获取软件支出，还获取服务支出时。Stebbings 和 O’Driscoll 质疑为拥有这一增长需要支付的价格。他们争论的是不确定的投资假设，而非产品是否已实现某个未来收入。

Cannon-Brookes 说技术可以改变市场规模，即使依赖其他模型，客户喜欢的产品也可能有价值。他认为客户关系和分销可能提供优势。他对 Harvey 的正面看法是一种观点，并不能证明其拥有持久的竞争保护。

O’Driscoll 澄清，他使用“模型包装层”一词是为了描述市场叙事，并非否定 Harvey 产品价值。Cannon-Brookes 说软件经常将现有流程组织成有用的界面。两人仍承认，持久的客户价值和竞争优势必须靠努力获得。

Stebbings 比较以高私人估值投资 Harvey，与在股价下跌后购买 Atlassian 股票。Cannon-Brookes 区分公司质量与投资去向，并回忆 Accel 早期对 Atlassian 的二级市场投资。他对价格、财务模型和最终回报的回忆是近似的，未经独立核实。

O’Driscoll 同意，一家公司可能令人印象深刻，但在高价格下仍可能是困难的投资。他用约 50 倍运行率收入的计算说明买家可能需要多少增长来证明入场合理。例子依赖发言人未经核实的估值和 ARR 数字，并不声称已实现任何回报。

Cannon-Brookes 指出，早期对 Atlassian 的投资模型低估了后续增长，但提醒这是事后回看的成功案例。O’Driscoll 说入场倍数越高，价格中可能已经反映越多未来表现。两个例子都不能证明新投资人会获得特定回报。

Lemkin 说自己对 AI 替代部分工作的看法已经变化，并指出法律劳动力支出可能是需求来源。他强调并非每家公司都会证明这一判断。他对支出和潜在替代的估计是假设，不是实际岗位消失或 Harvey 获取收入的证据。

O’Driscoll 用估计的每位活跃律师收入提出反例：如果产品仍是相对低成本的工具，可服务支出可能小于替代劳动力模型所假设的规模。输入数字和客户数量粗略且未经核实。他说提高每位客户的价值会改变计算。

Lemkin 预测，如果某些智能体完成过去由人做的工作，可能获得高得多的价格。O’Driscoll 问生产力是否可能让同样的员工创造更多产出。他们相互竞争的情景不能确定特定客户的定价、人员配置或法律服务结果。

嘉宾对自动化对员工人数的影响存在分歧。Lemkin 认为工程和产品以外的席位面临重大风险；O’Driscoll 问更多产出是否可能吸收部分生产力收益。这些是对可能应对的预测，而非某个职业已展示的结果。

Cannon-Brookes 说律所计费做法使效率的经济性更复杂，并提醒自己不是法律市场专家。他提出区分受进入请求数量限制的职能，与软件创造这类可以生产更多产出的活动。这些类别是一种框架，而非关于就业的普遍规则。

他以企业内部法律问题和客户支持说明前者的需求可能取决于请求数量，而工程路线图可以扩张。O’Driscoll 将这一想法应用于系统集成：降低安装一个系统的成本，并不一定意味着客户会购买两套。

Lemkin 反驳说，更便宜的辅助也可能创造此前不值得做的工作需求。他介绍 SaaStr 使用 Agentforce 处理较低优先级线索的试验，并说它有效。例子来自他自己的组织，访谈没有受控结果，因此不能证明普遍投资回报。

Stebbings 问据报道的 Sierra 增长是代表新的支持需求、替代现有软件，还是替代此前由人完成的工作。他引用单季度超过 5000 万美元和超过 1.5 亿美元 ARR 的数字。这些是报道数字，讨论没有独立核实收入确认或客户级细分。

Cannon-Brookes 说 Atlassian 已有客户服务产品，其服务产品组合规模可观且正在增长，但没有披露详细结果。他认为支持服务是一个庞大的对话式市场，包含内部和外部用途。这些是所在公司参与该类别竞争的高管所作的说法。

他说买家可以比较服务产品的成本和所创造的节约，但初期节约融入业务后，供应商在第二年及以后仍需持续创造价值。他提出的支持支出百分比和回报框架是粗略估计，并非所有企业经过验证的结果。

Lemkin 引用一家传统企业据报道的 AI 支持收入，并声称新产品吸引支出的同时，支持岗位招聘已经下降。他还认为更好的体验可以立即带来“顿悟时刻”。这些收入、招聘和因果说法未经核实；招聘减少本身不能证明多少预算转向 AI。

Lemkin 认为有效的 AI 支持体验可能与传统工具显著不同，并最终扩展到相邻任务。他描述的是自己的观察和预期，而非对支持产品的受控比较或客户满意度证明。

O’Driscoll 认为支持服务不是单一均质市场。内部帮助台、外部企业对企业支持和高频消费者咨询具有不同工作流、客户规模及沟通渠道。这种细分可能解释为什么可以有多家公司存在，但不能确定最终有多少会成功。

Cannon-Brookes 认为使用支持智能体的团队可能需要编写更多文档，因为答案依赖可用知识。他说在内部和客户那里看到这种模式，并推测工作可能转向文档编写。这些例子是他的观察，而非经过测量的就业预测。

他说智能体可能帮助人们回答问题，或执行提交申请、重置密码等动作。在他看来，完成一项获授权任务可以创造降低支持成本之外的价值。这些例子是产品愿景和公司观察；不能证明任何系统在所有情况下都准确或安全。

Stebbings 仍担心支持服务市场拥挤，既有传统企业、资金雄厚的新公司，也有客户自行构建工具。O’Driscoll 同意，直接对抗资本充足的领导者可能困难，相邻供应商也可能将较小产品打包。任何个别竞争的结果仍未知。

Stebbings 强调在有许多获融资新进入者和强大传统企业的类别投资所面临的机会成本。O’Driscoll 同意，即使市场很大，相邻竞争者打包其功能也可能使一家公司陷入困境。他们的评论是投资判断，不是公司排名。

O’Driscoll 认为，投资人可能为被视为共识领导者的公司支付高价，而不是寻找更早期的挑战者。他在例子中使用一倍优先权；其保护取决于实际条款和可分配收益，并非回报保证。他的融资统计只是估计，对话没有提供来源。

Cannon-Brookes 说重大技术变化可能吸引大量资本、创造少数赢家，也会在过程中产生损失。他不相信当前周期能免于这些模式。他还认为一些投资人看重知名投资组合标识；这是对激励的观点，不是某笔交易的证据。

话题转向 Anthropic 的超级碗广告及 OpenAI 的回应。他们概述自己对竞争信息的理解，并讨论广告意在触达谁。他们对私人动机、员工传递的信息和受众反应的描述是推测，不是独立测量的活动结果。

O’Driscoll 认为，如果付费订阅的用户相对较少，消费级 AI 产品可能需要广告，而企业产品可能作出不同选择。他将此作为对商业模式的解读，并非经过验证的转化数据，也不是任何一家公司长期政策的声明。

Lemkin 质疑在他认为 Anthropic 较弱的产品领域投放广告的战略价值。Cannon-Brookes 比较了科技周期中高度可见的广告。他们对效果和高管动机的观点没有活动归因、支出记录或受众调查支持。

Cannon-Brookes 区分资金充裕的私人公司与需要展示盈利和增长的上市公司。他认为这些约束可能使营销决策不同，但他对模型公司支出的描述是估计，不能确定它们的预算或活动效果。

Stebbings 反驳并引用一位认为超级碗投放有效的 Wix 营销人员。O’Driscoll 质疑预算更紧时科技公司是否会同样持续购买；Cannon-Brookes 说答案取决于业务和预期回报。访谈没有确定 Wix 或两家 AI 公司的回报。

圆桌讨论上市公司报告压力是否使其更难与资金充足的私人公司竞争。Cannon-Brookes 说他的工作是在投资未来产品和研究的同时履行近期义务。他的观点反映其对 Atlassian 资本配置的责任，私人和上市公司可能面临不同约束。

他认为领导者必须解释研究支出为何重要并作出艰难选择，以长期上市的科技公司为例。他相信上市使 Atlassian 更擅长预测和执行，同时提醒财务规划不能取代策略。这是自我评估，并非受控比较。

他说投资人很难准确看到研究支出会如何影响公司未来数年的竞争地位。按他的说法，上市公司 CEO 必须解释投资并执行。他认为 Atlassian 能两者兼顾，这是管理层观点，并非独立核实的预测。

Stebbings 问，考虑到股价下跌，Cannon-Brookes 是否有效传达了公司的故事。Cannon-Brookes 说 Atlassian 实现了许多目标，但承认市场对未来价值的判断较弱。他说团队必须继续适应和构建；他对公司表现的评价不是独立财务分析。

Cannon-Brookes 敦促领导者接受变化并创造新的客户价值，而不是等待冲击过去。他以近似数字列出 Atlassian 的客户、资本和研发人员等资源，并说更快构建可能是机会。这些公司数字和未来前景是他的说法。

Lemkin 想知道是否所有软件 CEO 都愿意带领企业经历另一轮艰难转型。Cannon-Brookes 和 O’Driscoll 说，领导者可以合理地决定退位，为其他人腾出空间。他们将此视为个人和组织决定，而非对领导者的道德判断。

被问及是否更努力工作时，Cannon-Brookes 说联合创始人退休和变化速度增加了要求，他目前每天很早开始工作。他强调领导者也应考虑工作是否有乐趣，以及家庭、锻炼或离开工作是否仍是生活的一部分。这是个人建议，不是规定的时间表。

Lemkin 开玩笑说，如果许多创始人过于诚实地评估平衡，可能会辞职。Cannon-Brookes 澄清，他不期待每一天都愉快；在更长时期内，他认为领导者应重视创造产品、建立团队和服务客户。他的反思承认困难时期，并未为所有人规定同一应对方式。

嘉宾讨论强烈抱负与工作之外生活的张力。Cannon-Brookes 说与孩子和朋友共度时间对他有帮助，把每一小时都用于工作可能导致更差的决定。这是个人经验，并非某种时间安排适合所有创始人的临床证据。

O’Driscoll 根据个人经历同意，离开工作一段时间有助于避免精疲力竭和糟糕决定。圆桌也提到家庭、友谊和高强度工作之间的取舍。这些是个人反思，并非医疗建议或普遍的生产力建议。

Stebbings 说与朋友共事能创造定期相处时间。Cannon-Brookes 最后重视那些与自己共同经历成功和挫折、值得信赖的同事。他说领导团队面对困难时需要互助和共同目标；对话以致谢结束。