消费级代理竞争、LLM调用拆分与AI投资定价——Jason Lemkin与Rory O'Driscoll 20VC周评要点梳理（20VC with Harry Stebbings，2026-09-24）

——据20VC with Harry Stebbings节目《ChatGPT Finally Has a Rival | Menlo Sounds the AI Bubble Alarm | Keith Rabois vs Airwallex》（2026-09-24）整理

摘要：本文对20VC with Harry Stebbings节目2026年9月24日一期周度新闻评论的主要观点进行了梳理汇总。嘉宾为SaaStr创始人Jason Lemkin与Scale Venture Partners合伙人Rory O'Driscoll。本文梳理了Meta Muse对ChatGPT的挑战（Meta一周市值增加约1000亿美元），介绍了代理购物对平台的冲击及Jev廉价分类模型对LLM调用的拆分（年支出约1000亿美元中约两成可由低价模型承接），最后汇总了Factory以50亿美元估值融资等投资案例及Anthropic推迟上市、OpenAI资金缺口等议题。

关键词：消费级AI；代理商务；模型路由；融资估值；AI资本开支；Meta Muse；Jev；Factory

一、Meta Muse与消费级代理竞争

两位嘉宾一致认为，Muse是ChatGPT在消费端面临的实质性挑战者，Meta的分发优势也借此在资本市场上得到重新定价。

（一）产品力与对ChatGPT的替代

主持人将Muse连续数日位居应用商店榜首、Meta股价上涨列为本周头条。Lemkin认为，Muse是“ChatGPT第一个真正的竞争者”，此前Anthropic并未真正重视Claude的消费端。其依据有三：一是产品集多种功能于一身，底层模型足够好，用户借助代理办事时会顺带提问，它能给出观点，是一款“很像样的消费级LLM”，因而也是“打ChatGPT的特洛伊木马”；二是Muse免费，并带有ChatGPT所不具备的真正自主的代理；三是token额度远多于ChatGPT，犯错时还会撰写道歉信。他同时指出，Muse不适用于编写湿实验室生物软件等专业场景，但“如果它免费，普通人为什么要付费”。

（二）“一人CRM”样本与算力约束

Lemkin给出一个具体样本：Muse为其搭建了一整套客户关系管理系统（CRM），实时跟踪SaaStr约150家赞助商的每一封邮件与每一条事项并自动更新。该系统无法协作，撑不起销售团队，属于“一人CRM”，但成本为零，在他看来是节目开播以来所见真正跑得起来的“可组合软件”。

O'Driscoll补充了三点：一是这一用法需要数据库、智能、邮箱权限等全部组件，Lemkin属于非典型用户；二是Meta的经济模型不会按“人人自建CRM”来设计，否则算力将被耗尽；三是据其判断，Muse为每位用户配置的独立算力与沙箱多于Instinct。

（三）分发杠杆与市值重估

O'Driscoll表示，他此前对Meta押注企业模型的路线持保留态度，此次则“正中要害”：产品接入Meta的分发杠杆，深度使用Instagram与Facebook的用户本已在场内。据其介绍，Meta股价本周上涨7%至8%，市值增加约1000亿美元；主持人补充，Meta本月累计上涨34%。

O'Driscoll认为，“一个产品换来1000亿美元”说明面对超大终端市场时入口价值可观，也解释了OpenAI为何考虑“要不要买Instinct”。他对Meta的看法由“很好的生意在企业AI这个无底洞里花钱”转为“很好的生意在AI里可能真有一出戏”，认为值得重新评估。

二、代理商务对平台与中间商的影响

随着用户开始借助Muse跨平台购物，亚马逊选择封锁，Shopify选择合作，两位嘉宾对平台应对与中间商前景给出了力度不同的判断。

（一）亚马逊与Shopify的不同算术

O'Driscoll认为两家的选择均有其合理性。据其了解，亚马逊（Amazon）从其他代理商务实践中得出两点结论：一是代理下单不产生广告收入，而亚马逊广告业务规模已超过电商利润；二是沃尔玛（Walmart）近期数据显示，代理购物会缩小购物篮，用户失去了顺手加购的机会。在此基础上，亚马逊的底气在于“我封了他们，他们照样会来，因为我是Amazon”，这是巨头之间的碰撞，亚马逊意在谈判之后再作让步。

Shopify的处境则不同：一是代表大量长尾商家，乐于获得增量需求；二是购物篮压缩并不明显；三是没有大体量广告业务，只要支付经由其通道即可满足。

（二）需求先行与接口规则

O'Driscoll将六个月前谷歌（Google）与OpenAI关于代理支付协议的讨论称为“聪明人在房间里想事情”，认为真正推动规则形成的是Instinct与Meta这类聚合消费需求的一方开始高频调用API；他预计Resy与OpenTable正在制定代理API政策，亚马逊本周正与Meta谈判。

（三）中间商承压的程度

Lemkin的判断更为激进，认为这是“不必要的系统记录的最后一搏”，其观点可归纳为三点：一是Resy会输，亚马逊因自营商品接近独家而短期损失较少，但代理终将绕开此类平台，Shopify、Stripe、PayPal是受益方；二是代理“乐于”绕行，擅长找到不该暴露的接口，如直接致电餐厅、调用OpenTable后端API；三是其结果为“不会被杀死，会被打残”，即便只影响亚马逊广告收入的10%，对利润率的冲击也足以压低股价。据其介绍，当天一家核心供应商大幅涨价，其团队的代理随即自行列出12个月的迁移计划。他还指出，亚马逊封锁Perplexity较为容易，因为后者“只是一只蚊子”，当对面是所有人时，“确定要全封吗”将成为复杂的选择。

O'Driscoll引用约25年前“互联网厌恶低效”的说法，认为旅行网站曾把供需拉近，AI将以同样方式压缩中间商，仅靠信息差报价的环节会承压；他预计影响程度不及Lemkin所言惨烈，但5%至10%的影响已具意义。

三、Jev与LLM调用的分层拆分

O'Driscoll将Jev列为本周的“story of the week”。两位嘉宾总体上认为，此类廉价分类模型将从开发者一端切走部分简单判断类调用，前沿模型仍承担复杂任务。

（一）产品定位与使用体验

据主持人介绍，Jev是“做决定、不做聊天”的模型，上量速度创Vercel平台发布以来新高。Lemkin周末重度使用后认为，Jev更接近“由LLM支撑的分类器”。据其介绍：一是他用Jev判断SaaStr社区中谁该与谁会面，提示写法重做后可在毫秒级作答；二是价格约为Anthropic的百分之一甚至更低；三是它不输出文本，无法进行复杂推理，在其应用中约对应两成的LLM调用。他认为Jev提醒业界“我们在简单事情上浪费了太多token”，各家都会推出同类产品，但Jev不会接管整个技术栈，也不会替代ChatGPT。

（二）LLM调用支出的拆分测算

O'Driscoll的分析框架是：LLM返回文本，计算密集、速度慢且价格高；Jev只返回真假、排序或分数三类答案，速度快且价格低，官网甚至不对输出token收费，自称卡尼曼（Kahneman）意义上的“系统一”。

据其在合伙人会议上的测算：一是当前Anthropic、OpenAI与开源模型合计的LLM调用支出约为每年1000亿美元，若OpenAI做到3500亿、Anthropic做到2500亿，五年后可能增至5000亿美元；二是其中约两成属于“用复杂昂贵模型做本该简单的事”，对应约200亿美元；三是价格降低五倍后，这200亿美元将缩至40亿美元，Jev或TypeSafe押注的正是这40亿美元。他援引Foundation Capital的说法，这只是原本流向前沿实验室的支出中“被削去的一块”，“基础模型没有终结，只是被打残了两成收入”。Lemkin坚持成本差距为百分之一，对其余部分表示认同。

（三）拆分层级与路由评测负担

O'Driscoll指出，拆分发生在OpenAI与Anthropic的API一端：终端用户不会使用Jev，开发软件的人则会发现，所需智能中有相当一部分属于“系统一”，只需要一个快速答案，不需要“这是个好问题”式的奉承；消费者与开发者对AI的需求将持续分化。

Lemkin则强调路由与评测带来的额外负担：一是每个用例都需运行评测以判断是否适用Jev，如“Rory和Jason该不该喝咖啡”它能答对，“三人中谁更适合加入20VC做合伙人”则会答错；二是自动路由存在性能风险，他在Replit上切换至自动路由后无法得知底层运行何种模型，出现性能退化后又切回Astra；三是若将Jev用作即时路由器，两成情况下选错模型，开发关键功能时将整日修复缺陷。他将此称为“DevOps的文艺复兴”，评测需要7×24小时覆盖大量组合，团队规模也需扩大；Databricks式“八成流量走开放权重模型”对首席财务官（CFO）有吸引力，对产品开发者则不够好用。他的结论是模型选择正在变难，“对投资人是好事，对做产品的人是负担”。

（四）前沿实验室的应对

O'Driscoll认为，OpenAI已“无情地商业化”，几周内即会推出低价版本；Anthropic专注于“造神”，不屑涉足此类产品。Lemkin则认为两家有意放弃低端市场：一是各自的低配模型Mini与Haiku在其小规模评测中全部失败，属于“打勾式产品”；二是两家在一个周末内即可做出类似Jev的产品，但有意不做；三是两家真正担忧的是开放权重模型比预期更早逼近。主持人补充，Jev的种子轮融资额为4000万美元。

四、风险投资定价与重点投资案例

在本轮周期中，早期轮次定价明显抬升，两位嘉宾对Factory、Legora、Crusoe三笔交易给出了不同的投资判断。

（一）早期轮次价格抬升

据主持人介绍，团队反映“再也看不到低于2000万美元的首轮”，由此引出传统种子轮是否正在消失的讨论。Lemkin提到，a16z当天宣布投入4000万美元开展pre-inception投资。O'Driscoll从三方面解释价格抬升：一是按名义GDP计算，2010年至今增长约2.5倍，当年400万美元的支票折合今天为1000万美元；二是叠加眼下科技行业全面向好，“眨眼就到2000万”；三是退出规模增长快于名义GDP，其上可能还叠加一层估值抬升。

（二）周期顶部的出手逻辑与LP的两难

O'Driscoll推荐了Menlo Ventures一位合伙人关于“周期顶部如何出手”的文章，该文将参与者分为手握从Anthropic赚得的“庄家的钱”的一方与错过早期轮次、急于追赶的一方，其间大量支票带有错失恐惧。主持人与Lemkin均认为该文“居高临下”，因为Menlo在多数轮次中出价居前；O'Driscoll则认为，同一笔交易今天的价格可能高出三四倍，若仍按四年前的框架承保，回报相当于除以四。

Lemkin表示，其2021年全年只投了Owner的种子轮，该公司刚以23亿美元估值完成融资；但他反问“不投AI投什么”：投资一家估值5000万美元、年增长60%的公司，指望以3倍收入出售给Bending Spoons，而后者一年看1000个标的只做两到四笔，“我喜欢安静的复利者，只是没有市场了”。对于Gokul愿意投资资本效率高的“三倍三倍两倍两倍”公司的说法，主持人认为这是空话，因为LP会把资金交给Sarah Guo这样的管理人：她以5000万美元投前估值投资Instinct种子轮，此后四个月内Kleiner以3.5亿美元投前估值、Index与Benchmark以25亿美元估值相继进入，目前传闻估值已达100亿美元，价格相差20倍。

围绕LP的配置选择，一是Lemkin承认2021年顶部四分位LP的内部收益率（IRR）达90%，2026年将会重演，但十年跨度上30%出头已是上限；二是O'Driscoll认为成长期市场当前类似2021年，“在100亿时安全边际可能只剩1倍”；三是Lemkin认为种子层面追逐回报比平时更难，O'Driscoll则补充，风投业绩的持续性远高于公开市场基金，部分追逐行为并不愚蠢。

（三）Factory：编程代理与企业数据主权

Factory以50亿美元估值融资2亿美元，估值为上轮的三倍；主持人自述为其投资人，Droid产品收入“可观”但不便公开。两位嘉宾均表示支持。

Lemkin的理由有二：一是推理需求无论被Muse、Factory还是Anthropic获得，都将超出现有模型的供给；二是他刚参加完Dreamforce大会，突出主题为主权（“我要知道数据在哪”）与模型选择，据其与高管的线下交流，企业高管“不信任Anthropic和OpenAI保管数据”。他本人亦持此看法：上传机密数据后，“我不确定它不会通过LLM流到竞争对手那里，实际上我相当确定会”，这与恶意无关，源于LLM的工作方式。他判断一年内企业界不会有人放心将数据交给这两家厂商，人们容忍现状只因开发者对相关产品的需求“疯狂”，“他们训练过所有人的数据，当然会训练你的”。

O'Driscoll一改此前的谨慎，赞成投资，理由是其团队两年来反复强调的“编程是母矿”：一是按当前AI创造的价值计算，编程是其他一切的十倍，编程、测试、审查等全栈押注“不嫌多”；二是企业倾向于从“不同时卖你模型的人”那里采购编程方案，“他们也许不会像自己说的那样毁灭人类，但可能偷走我的数据”；三是Cursor已被“从桌上扫走”，面向大企业提供整体交付服务的仅剩Factory与Cognition。他将此类公司归为“可以熬过一年颠簸”的非杠杆资产，与数据中心交易形成对照。

（四）Legora与Crusoe

Legora当日宣布年度经常性收入（ARR）达2亿美元，下轮估值110亿美元。Lemkin投反对票，理由是The Information报道Harvey毛利率为负50%，若同类公司毛利率持续下行、未见V形回升，他不会领投。O'Driscoll认为负毛利率说明“律师在猛用产品”，但法律行业人均支出低于软件工程师，110亿美元估值“按律师人头算不到”，同样给出否决。

Crusoe以309亿美元估值融资39亿美元，合同总额约1400亿美元。Lemkin称其为“电子表格投资”，略高于其回报门槛，遗憾放弃。O'Driscoll提示，数据中心交易有四到五倍杠杆，暴露于AI用量的增速，上行时表现优异、下行时较为艰难，他愿意持有但不愿全仓，并倾向以稍低价格换取更长的债务跑道。据其介绍，《华尔街日报》（The Wall Street Journal）同日早间报道数据中心交易担忧下多笔交易撤回，当天纳指大涨后，晚间标题变为“AI资本开支担忧消退”。

五、前沿实验室上市安排与资金需求

本期还讨论了Anthropic上市时间调整与OpenAI的长期资金需求，嘉宾总体上将其归结为披露时点的选择与智能供给的高昂成本。

（一）Anthropic推迟IPO

Anthropic将2万亿美元级首次公开发行（IPO）由10月推迟至11月。O'Driscoll认为原因在于招股书的季度选择：一是Anthropic二季度表现“惊人”，规模终于超过OpenAI；二是OpenAI随即于7月大力宣传三季度数字，银行家会建议把这一季度纳入发行叙事；三是10月上市时无法披露10月数据，11月上市则可直接列示，“数字自己会说话”。

主持人认为其中透出一丝压力，超额认购20至30倍的预沟通可能并不顺利。O'Driscoll表示认同，同时指出，“不惜代价拿到钱”的首席财务官会接受估值降至1.5万亿美元、照常在10月上市，Anthropic未作此选择，说明管理层自认处于强势地位，愿意多担一个月窗口风险换取估值，他给这一决定90%的正确概率。

对于前沿模型公司无法获得责任险承保的顾虑，O'Driscoll认为属于噪音：2万亿美元市值的公司可以自保，证券法的要义在于披露风险，招股说明书（S-1）写明即可。Lemkin表示，Anthropic会组建200人的内部法务团队应诉到底，“这是我记忆里第一次一家公司如此明确地危险还要上市，但开局了”。

（二）OpenAI的资金缺口

据报道，OpenAI到2030年将累计烧钱2780亿美元，2028年现金耗尽，同时传闻其以1.5万亿美元估值再融资。Lemkin判断实际需求更多，“可能需要4000亿”，理由是其投资组合中实际烧钱一贯比模型测算高30%至50%，无论由谁担任CFO都一样。

O'Driscoll列出三组数字：一是ARR由今年底的350亿美元增至三四年后的3500亿美元，对照Anthropic去年一年增长十倍，“几乎算保守”；二是净烧钱2780亿美元，账上现金1220亿美元，仍有时间再融资；三是所需资本开支约7000亿美元，其中大部分未列入OpenAI资产负债表，由甲骨文（Oracle）、英伟达（NVIDIA）等通过收入支持与兜底安排代为承担并回租。

总的看，本期嘉宾的判断集中于三方面：一是Muse对ChatGPT构成实质竞争，代理绕行将压缩平台与中间商的利润；二是廉价分类模型从API一端切走部分简单调用，路由与评测负担随之上升；三是企业对模型厂商保管数据的不信任支撑独立编程代理公司的估值，前沿实验室的资金需求依然庞大，正如O'Driscoll所言，“智能不便宜”。