Newsletter · · Ashutosh Agarwal
ServiceNow业绩爆表，SaaS末日论激辩正酣，Kimi K3重塑AI定价格局 - 每周SaaS软件播客汇总 - 2026年7月26日当周
2026年7月19日至26日当周的SaaS/软件播客汇总。这一周，播客界围绕SaaS末日论、一款更便宜的中国模型Kimi K3、定价模式从按坐席转向按结果、ServiceNow的爆表季度业绩,以及软件估值究竟还要跌多深展开了激烈讨论。
每周SaaS/软件播客汇总
2026年7月26日当周：ServiceNow业绩爆表，SaaS末日论激辩正酣，Kimi K3重塑AI定价格局
统计窗口：2026年7月19日至26日。
以下是本周软件领域播客真正在争论的内容。所有内容均取自过去七天内发布的节目,并附有链接,方便你直接收听原声片段。
本周焦点
本周几乎所有关于软件的讨论都贯穿着两个东西：一种恐惧和一个数字。
恐惧来自"SaaS末日论"（SaaSpocalypse）,即AI即将掏空传统软件公司的核心价值。这一说法出现在创始人节目、投资人节目,甚至CNBC的演播室里,通常被表述为"SaaS已死了吗？"这类问题。
数字来自Kimi K3,一款出人意料地优秀、价格却便宜得多的中国AI模型。一档播客援引估算称,该模型的发布让投资者眼中OpenAI和Anthropic的估值蒸发了约3140亿美元,并重新定义了这个行业最核心的问题：如果顶尖AI正在变得便宜且开放,那么真正能留住利润的是谁？
将这两者串联起来的,是一个更安静但非常具体的变化——软件的定价方式正在从按"人头"收费转向按"用量"或按"结果"收费。Salesforce在这方面制造了实实在在的新闻。而本周被讨论最多、遥遥领先的公开上市股票是ServiceNow,它交出了一份爆表的季度业绩,成为"好软件在AI时代依然能赢"的代表案例。安全领域的并购(Palo Alto以7亿美元收购Protect AI)以及对软件股估值的残酷解读,为本周画上了句号。
一、主导主题
主题A："SaaS末日论"——AI正在扼杀软件吗？
这是本周声量最大的话题,观点从悲观末世论到坚定反驳不一而足。
反驳一方的声音来自Rob Walling在Startups For the Rest of Us（第842期,"What is the Future of SaaS in an AI World?",7月21日）。他的核心论点是：让软件有价值的东西从来都不是代码。"护城河从来都不是代码。而是你在代码之上添加的一切……AI只是让最显而易见的那部分,变成了构建软件中风险最低的部分。"他把常见的恐慌逻辑彻底颠倒了过来——他认为,真正的危险不在于小型创业公司,而在于臃肿的行业巨头："真正的SaaS末日冲击的是那些大公司、大的在位巨头。正是他们把价格提得太高……他们的客户群大概正对过去三次涨价心怀不满,默默积怨。这些正是人们现在有动力去替换的公司,而AI恰恰降低了打造替代品的成本。"针对"智能体将取代SaaS"这一流行说法,他的回答是：智能体不过是你按订阅付费的软件,本质上仍是SaaS,而且智能体实际上离不开底层的SaaS："一个悬浮在空中的智能体毫无用处……它需要一个可以执行动作的后端。所以智能体不会杀死SaaS,它们需要SaaS。"他的结论是："2000年时互联网并没有死,2026年SaaS也不会死。"（注："SaaS"即软件即服务,是按月或按年订阅方式租用软件的标准模式。）
悲观一方的声音来自**The Synopsis（"AI SaaS Risk (again), Atlassian, Duolingo, & Uber",7月23日）,他们围绕Atlassian**构建了一套详尽的看空案例（具体数字见"具体名单"部分）。他们判断哪些软件最脆弱的框架值得复述：如果"我旁边坐着一个能帮我解决某些问题的全职真人,那就是个问题"——他们以Chegg（作业辅导）作为经典受害者案例；而当你仍然愿意亲自坐下来处理数据时,软件就更安全——他们以QuickBooks（会计）作为幸存者案例。他们还提出了一个更宏观的观点：即便是幸存者,风险也在加大："结果的分布已经变宽了……而且是朝着负面方向变宽的。"
同样焦虑情绪的"从业者版本"来自**Futureproof Founder**（第407期,"The SaaSpocalypse",7月21日）。嘉宾的直白判断是：那些单薄的"包装壳"应用（只是把你的请求转发给ChatGPT再把答案传回来的产品）已经完蛋了,"这些壳子公司已经玩完了。"他预计,"接下来大概18个月到两年时间里",已经成型的SaaS供应商中将出现"大量的洗牌",关键看它们能否适应。在他看来,能够存活下来的是那些难以被复制的东西：数据、合规性和信任。他指出了一个真正新颖的动向——软件厂商正在为其AI功能获取正式的"信任评分",甚至保险（他提到了一个名为AIUC-1的标准,如今已获得包括MITRE在内的一个联盟支持）："安全和合规认证是没法靠氛围编程（vibe-code）蒙混过关的。"（"氛围编程"指的是用自然语言向AI描述需求来快速搭建应用,而不是亲自动手写代码。）
主题B：定价大重置——从坐席到用量再到结果
这是本周最具体、最"真金白银"的主题。
最清晰的解读来自**Chat GPT Podcast（"How AI Native Startups Hit Billions Faster",7月22日）,援引分析师Sean Kanungo的观点。20年来,软件一直按"坐席"销售——50名员工,50份许可证。这套算法在AI时代崩溃了："如果一个AI智能体能自主处理IT工单、撰写营销文案、回复客户邮件,实实在在地干着五个人的活儿,那公司为什么还要为人类坐席付费？"问题在于,一个重度AI用户"产生的算力成本是普通用户的100倍,每一次点击都在实实在在地侵蚀你的利润率。"因此定价正在转向按用量计费**（"有点像水电煤账单"）,或者更激进地转向按结果计费："你为一张成功解决的客户支持工单付费。如果AI产生幻觉、未能解决问题,你就不用付钱。"同一期节目还指出了AI原生公司令人瞠目的效率：55%的公司人均创收超过40万美元,而创业公司现在达到十亿美元估值大约只需3.5年,是过去大约7年的一半。（该节目还援引了兰德公司的一项统计,称"80%的AI项目仍然未能创造商业价值",所以赢家固然亮眼,但失败率也很高。）
这里真正的新闻头条是Salesforce,在**Insights for IT Negotiations（"What Salesforce's Pay-Per-Resolution Model Really Means",7月23日）中被详细剖析。Salesforce的Agentforce客服智能体现在将按每个解决方案2美元**（一个已解决的问题）收费,而不再是每次对话2美元,更关键的是,"除非问题被解决,否则你不用给Salesforce付一分钱……任何类型的升级处理,你都不用为此付费。"分析师Adam Mansfield给出的评价出人意料地正面："干得漂亮,Salesforce。"他对Salesforce为何这么做的解读,恰恰是整个行业的风向标——客户害怕开放式的消耗账单：他们"看到了外面流传的关于OpenAI和Anthropic以及消耗计费的恐怖故事……有些公司开始使用ChatGPT Enterprise,结果突然收到一张400万美元的账单,完全出乎意料。"他认为,消耗式计费实际上正在拖慢Salesforce的销售周期,因为买家无法预测自己最终要付多少钱。他强调的一个陷阱是：细则里有猫腻。仍然存在一个"类消耗"的成分（你需要预付至少1000次解决方案的套餐）,而"解决方案"的定义背后其实藏着实实在在的机制——"即便你是按结果收费……客户仍然应该去搞清楚什么才算一次'解决'。"
ServiceNow的首席产品官在**The Product Podcast**（Amit Zavery,7月22日）中给出了同样的宏观判断：过去每一次科技变革都改变了商业模式,而这一次正把定价"从订阅制……转向更由消耗量驱动的定价。我用了,我就想为此付费。"
主题C：Kimi K3与"智能的商品化"
本周最大的市场震动事件在**The Rundown（"Did China Break the AI Trade Again?",7月25日）中得到了全面剖析。Kimi K3出自北京一家名为月之暗面（Moonshot AI）的初创公司（约300名员工,估值约200亿美元,由33岁的杨植麟创立,他拥有卡内基梅隆大学博士学位,曾在Meta和Google Brain工作）,是一款2.8万亿参数的开放权重模型**,是迄今为止发布的最大开放模型。独立基准测试将其排在全球第三,仅次于Anthropic的Fable 5和OpenAI的GPT-5.6,并且在部分编程测试中超越了这两者。真正的杀手锏是价格：月之暗面每百万输出token收费约15美元,而OpenAI旗舰模型约为30美元,Anthropic的Fable 5约为50美元,折扣幅度达50%至70%。("开放权重"意味着企业可以下载该模型,在自己的硬件上运行,而无需每次都向模型开发商付费;"token"是AI处理文本的计量单位,也是AI用量计费的标准单位。)
这对软件行业为何重要：企业现在可以用一款廉价模型处理大部分工作,把昂贵的前沿模型留给最难的任务。这已经在发生："DoorDash表示他们用月之暗面的模型处理低级别工作,用Anthropic的模型处理最难的前沿任务。Airbnb也在做同样的事,其客服智能体大多运行在阿里巴巴的通义千问（Qwen）模型上",而且"据报道就连微软也在测试Kimi K3能否最终为其Copilot内部的部分功能提供支持。"一位分析师估计,在Kimi发布后的第二天,OpenAI和Anthropic的估值预估合计蒸发了约3140亿美元。同一期节目中提出的乐观反驳是：与2025年初的DeepSeek冲击（曾短暂让英伟达市值蒸发约6000亿美元,原因是市场担心AI将需要更少的硬件）不同,Kimi是一个需要约1.4太字节内存才能运行的庞大模型,因此根据杰文斯悖论（资源变得更便宜时,反而会被用得更多）,这实际上可能利好芯片和内存制造商,也利好那些现在能负担得起将AI嵌入一切场景的软件公司。
主题D：开源模型正在悄然吞噬token用量份额,"路由器"成为新的控制节点
本周最精彩的两场对话,都围绕开放模型抢占份额的速度之快,以及企业如何管理这一转换展开。
Factory首席执行官Matan Grinberg在红杉资本的Training Data（"The Coming 'Dark Factory' Where Software Builds Itself",7月21日）中给出了最生动的数字。开放模型从年初"占token量不到1%",到第一季度变成"个位数百分比",再到"如今已跨过两位数百分比"的门槛。在Factory内部,"我们一半的token都是开放模型的",他称赞开放模型GLM 5.2"简直不可思议"。他的核心洞察是：开放模型通常落后前沿模型大约一代,但"问题在于,开放模型是否正在追平'前沿减一代'的水准？答案是毫无疑问的,是的。"他还创造了本周对AI浪费现象最精妙的一个说法——"token极限压榨（token maxing）",指企业推动员工把AI用在一切事情上："我们合作的一些银行,每个月实实在在地花几十万美元,就为了让员工问一些诸如……今天天气怎么样这样的问题。"Factory的卖点是一款"路由器",能自动将每项任务分发给合适的模型（琐碎工作用便宜模型,关键工作用前沿模型）,而呼应本周的整体氛围,企业普遍担心被锁定："我们不能把自己的命运交到这些模型提供商中任何一家手里。"
Fireworks首席执行官Lin Qiao在20VC（7月20日）中给出了宏观版本的判断。她的预测是："未来三年内成本将降低10倍。而这10倍的成本下降,将带动用量增长100倍。"至于为何这不会导致市场收敛为一个巨型AI,她的论点是："未来不是一个AGI,而是数百万个专门化模型",各家公司在自有数据上微调开放模型。她坦率地承认,这是一门比传统软件利润率更低的生意：推理业务的利润率"传统上处于30%到40%的区间",相比之下投资者对SaaS的预期毛利率是80%,不过她将此定性为一种主动选择——优先追求超高速增长而非优化利润率。Fireworks自身用四年时间实现了10亿美元的营收,目前日处理量约40万亿token,此前为15万亿,并且刚刚聘请了前Salesforce总裁George Hu。
私募股权从业者的视角来自Vista Equity Partners的Monti Saroya在Alt Goes Mainstream（7月22日）,他讲了一个非常具体的成本故事。Vista在其保险软件（Duck Creek）中构建了一个AI"事故初次报告"功能,将其运行在一款前沿模型上,结果"对一个小客户来说,托管成本高达1100万到1200万美元……这根本不可持续。"解决方案是：转向运行在更便宜的SambaNova硬件上的开源模型。他更宏观的押注是："在未来一段时间里……大约20年,一切都会走向开源。"他打的比方是：开放模型就像当年打败Unix的Linux。而他关于为何日常工作不需要最聪明模型的一句尖锐点评是："你想让天才来运营你的理赔流程吗？……说到底,天才是很贵的。"
主题E：钱究竟落到了哪里——基础设施还是应用层？
在新闻综述节目**20VC（Harry Stebbings对话Scale Venture Partners的Rory O'Driscoll与SaaStr的Jason Lemkin,7月23日）中,Rory用三个板块勾勒出一幅赤裸裸的AI经济图景：基础设施层每年支出约8000亿到9000亿美元;两大基础模型公司合计约1000亿美元;而"把其他所有应用公司的收入全部加总,你也很难凑到40或50[亿]。"他的总结是："所有优质的投资似乎确实都在基础设施层",而应用层"几乎只是个舍入误差。"他指出,仅Cursor**一家（约40亿美元）就占了应用层的大部分,而训练数据上的支出——Mercor（约20亿美元ARR）、Surge（约30亿美元）——就足以匹敌除Cursor之外的整个应用生态系统。Jason Lemkin则反驳称,头部企业的应用收入是真实存在的,而且一旦达到规模,"每个人都想要自己的模型。"（ARR=年度经常性收入;ACV=年度合同价值。）同一期节目还提到,Databricks正以1880亿美元估值募集30亿美元的"M轮"融资,而两人都提到了他们差点忘记提及的一桩超级大新闻——Stripe收购PayPal。
主题F：软件股估值——泡沫正在放气
关于估值最直白的评论来自Verdad的Dan Rasmussen在Planet MicroCap（"Private Equity Unwind",7月25日）中的发言。关于私募股权的软件"整合体"（rollups）：他说,"我愿意以5到6倍EBITDA买下你整个软件组合。但问题是,你当初付出的是25倍EBITDA的价格。所以……你背负的是10倍EBITDA的债务。"他愿意把出价拉高到"7或8倍,因为没有资本支出",但这个价位与私募股权当初给这些交易定价的水平之间的差距巨大,"想想这些私募股权投资组合到底需要被减记到什么地步,实在是令人着迷。"（EBITDA=息税折旧摊销前利润,是现金利润的粗略代理指标;倍数指的是为每一美元利润所支付的价格。）他还首次将半导体市场称为"看起来像个泡沫的东西……它是周期性的,还会再跌回去。"
公开市场的回响出现在**Squawk on the Street**（7月23日）：软件板块（IGV软件指数）的五年滚动回报率是"自2013年以来最差的",许多个股跌幅约达35%。
主题G：安全软件的整合
Bold Start Ventures的Ed Sim在Resilient Cyber（"Why AI Security Is Getting Rebuilt From Scratch",7月23日）中详细分析了Palo Alto Networks以约7亿美元收购Protect AI一事,他称之为"AI安全领域历史上的第一次退出。"他对交易时机的解读是："第一起交易通常估值最高",而Protect AI的退出"引发了一波12到15起收购的浪潮。"他对行业的坦率评价是："这个世界需要更多的网络安全。但我们不需要现在拥有的所有这些网络安全公司。"他还提出了一个引人注目的框架——把模型实验室视为对服务和安全公司的竞争威胁："眼下正在发生的最大一起'抢劫案',就是OpenAI和Anthropic打造了属于自己的前沿部署工程公司。"
二、核心辩论
辩论一：SaaS已死了吗？ 看空方：AI侵蚀了护城河,用户界面正迁移到位于软件之上的"AI智能体层",臃肿的行业巨头面临一场为期18到24个月、"要么适应要么死亡"的洗牌（The Synopsis;Futureproof Founder）。看多方：SaaS并没有死,智能体需要软件作为底层的"记录系统",代码从来都不是真正的护城河,真正受伤的是定价过高的巨头,而不是精简高效的玩家（Startups For the Rest of Us）。分歧点在于：你相信AI主要是取代软件工作流,还是主要叠加在其之上、从而增加对优质底层系统的需求？
辩论二：按坐席计费 vs. 按消耗计费 vs. 按结果计费。 消耗计费阵营：这是AI原生产品的默认选择,因为重度用户消耗的是真实的算力（Chat GPT Podcast）。结果计费阵营：Salesforce每次解决方案2美元的模式,是应对意外消耗账单的一种对客户友好的解法（Insights for IT Negotiations）。分歧点在于：按结果定价消除了买家的恐惧,但需要对"结果"这一概念给出滴水不漏的定义,而且其中确实存在细则陷阱。
辩论三：既然开放模型已经"足够好",OpenAI和Anthropic是否被高估了？ 看空方：Lin Qiao认为,大多数企业工作流都可以运行在更便宜的开放或微调模型上,因此前沿模型的用量"不会像它本该覆盖一切场景时那么大",而Kimi K3是"对这种定价权的一次直接冲击"（20VC/Fireworks;The Rundown）。看多方：在20VC节目中,有观点认为,"真正重要的只有OpenAI和Anthropic在[20]26年和[20]27年的增长率。只要你能年年实现10倍增长,并且拥有某种正向且不断改善的毛利率,这就足以覆盖所有的固定支出",而且它们依然拥有最好的模型和最大的生态系统（ChatGPT"正在逼近10亿用户"）。分歧点在于：廉价开源是否会限制前沿实验室的收入天花板,还是整体用量的爆炸式增长无论如何都会把它们一并托起？
辩论四：基础设施层 vs. 应用层,价值究竟沉淀在哪里？ 目前基础设施占上风：Rory O'Driscoll认为,相较于约8000亿到9000亿美元的基础设施支出,应用层"几乎只是个舍入误差",而且"我不认为应用层现在就已经站稳了脚跟。"应用阵营：Jason Lemkin认为,头部企业的收入是真实的,每一个认真做事的应用最终都会打造自己的微调模型或推理层（20VC）。
辩论五：大型在位巨头（ServiceNow、Salesforce）能否真正把智能体变现,并占据"编排层"？ 看多方：ServiceNow的Amit Zavery表示,他们"20多年来"一直是业务流程的编排者,其AI业务如今已达15亿美元,而且重要的是,他驳斥了赢家通吃的观点："我认为行业以为将来只会有一个编排者,这是个谬论。将来会有多个编排者……由不同的供应商各自编排"（The Product Podcast）。DA Davidson的Gil Luria在Closing Bell中支持了这一执行叙事。怀疑方：在财报发布之前,The Exchange预期会出现疲软,认为企业支出正从"管理平台"转向网络安全和AI建设,但随后实际的超预期业绩驳斥了这一论点。
辩论六：供应商锁定问题——模型实验室 vs. 中立平台。 Factory的Grinberg认为,企业希望获得"模型独立性",以免任何单一AI实验室掌控自己的命运,但对于那个诚实的追问("那我现在是不是只是被锁死在Factory了?"),得到的也是诚实的答案：自动化流程和产出物"会留在你自己的代码库中"（Training Data）。
三、具体名单
上市公司
ServiceNow（NOW）,本周当之无愧的赢家。 在Closing Bell节目中提到,该公司营收（39.9亿美元,超出预期的39.3亿美元）和调整后每股收益（0.90美元,超出预期的0.85美元）均超预期,股价上涨约6%（"这可不是我们平常形容软件股时会用的说法"）。ServiceNow的AI业务"已跨过了10亿美元ACV年化运行率的门槛",首席产品官Amit Zavery在The Product Podcast中表示,该AI业务今年将达到15亿美元,高于最初10亿美元的计划。在Squawk on the Street节目中,首席执行官Bill McDermott将全年指引上调"至320亿美元以上",并直接向Salesforce和Benioff开炮,称ServiceNow正在"冲着CRM平台来。"看多观点（DA Davidson的Gil Luria,评级买入）："这跟AI关系不大……真正的原因是他们在核心业务上执行得很好",这得益于对Armis和Moveworks的收购;ServiceNow如今与Palantir、Datadog和Snowflake一起,跻身于少数几家收入增速仍在加速的软件公司之列,而大多数同行都在放缓。看空及需关注事项：市场对按坐席计费的抵触情绪,以及有报道称客户正在签订两年期而非四年期合同;值得注意的是,尽管业绩超预期,股价并未大幅飙升。
Salesforce（CRM）。 新的Agentforce每次解决方案2美元的结果定价模式,是本周最重要的定价新闻（Insights for IT Negotiations）。另外,The Synopsis将Salesforce作为一家日渐成熟的软件公司的正面案例,其营业利润率自2022年以来"从3%的利润率提升到如今20%的利润率",股票薪酬支出被削减至"中高个位数百分比。"
Atlassian（TEAM）,本周详尽的看空案例（The Synopsis）。批评之处在于：这家已有24年历史的软件公司,营业利润率为-4%,研发支出约占营收的50%（客户对产品变化"几乎没有"感知）,股票薪酬占营收的25%,客户增长率已从疫情前的约40%滑落至"百分之十几的中段。"他们认为,该公司近期超过6亿美元的浏览器收购"几乎可以肯定将会成为一笔减值损失。"AI带来的风险是：工作流开始于AI助手,而不是Jira。反驳意见（来自联合主持人）：毛利率仍在80%以上,净收入留存率（NRR,衡量现有客户年度支出增长幅度的指标）依然很高,而且公司仍在赢得新客户——"AI之后是一门更差的生意",但绝非正在融化的冰块。
Adobe（ADBE）。 在Squawk on the Street节目中,Cramer的评价颇为严厉：董事会迟迟未能填补首席执行官和首席财务官的空缺职位,来自Figma和Canva的竞争压力,以及AI带来的威胁："如果你用的是Claude,你可以把它们全部碾压。"
Datadog（DDOG）。 被Gil Luria列为少数几家收入增速仍在加速的软件公司之一（Closing Bell）。
Snowflake（SNOW）和Palantir（PLTR）。 同样被列入"直接受益于AI=收入增速加速"这一群体（Closing Bell）。
IBM（IBM）和Pegasystems（PEGA）。 两者都被认为陷入了企业级"挤出效应",Gil Luria给出了令人印象深刻的表述："AI正在把房间里的氧气抽走。这不是说我们在用AI替代软件,而是我们正在把原本花在AI之外任何其他技术上的支出,转移到token支出上"（Closing Bell）。
Palo Alto Networks（PANW）。 以约7亿美元收购Protect AI,引发了一波AI安全领域的整合浪潮（Resilient Cyber）。
CrowdStrike（CRWD）。 Cramer对ServiceNow进军网络安全领域的一句旁白评论："我宁愿让CrowdStrike来做这件事"（Squawk on the Street）。
未上市公司
Anthropic和OpenAI。 本周的核心主角。据报道,两家公司均已提交了万亿美元以上估值的上市申请,而且两者的企业业务如今都暴露在Kimi带来的定价威胁之下（The Rundown）。Vista的Saroya提到,Anthropic的营收年化运行率在短短几个月内"从300亿跳升到440亿"（Alt Goes Mainstream）。在Squawk节目中,Cramer对比了两家公司："没有人说Anthropic的坏话,因为我认为Anthropic正在赚很多钱",而OpenAI则面临"钱究竟从哪里来"的质疑。Elon Musk Podcast（7月23日）也跟进了"Anthropic已超越OpenAI,成为最具价值的初创公司"这一说法。
月之暗面（Moonshot AI）/Kimi。 本周的搅局者,详见主题C。2.8万亿参数,约200亿美元估值,约300名员工,比美国前沿模型便宜约50%到70%（The Rundown）。
Databricks。 正以1880亿美元估值募集30亿美元的"M轮"融资;2025年实现了约54亿美元的ARR（20VC;Alt Goes Mainstream）。
Fireworks。 推理领域的领头羊,四年内实现10亿美元ARR,日处理量约40万亿token,刚完成一轮15亿美元融资,聘请了前Salesforce总裁George Hu（20VC）。
Cursor（Anysphere）。 多次被提及为按营收计算最大的AI应用（约40亿美元）,也是"应用层只是个舍入误差"这一说法的例外（20VC）。一个需要注意的点：同一期节目以及Elon Musk Podcast中都出现了一句关于Cursor"被SpaceX收购"的说法,但这只是一句未经证实的随口一提,应被视为播客闲聊,而非已确认的交易。
Mercor和Surge。 两家数据标注公司分别被提及约20亿美元和约30亿美元的ARR,提醒人们有多少资金正流向训练数据领域（20VC）。
SambaNova。 由Vista投资支持的AI芯片公司;其风冷硬件是打造更廉价推理中心的基础,这些中心可以再利用旧的电信数据中心,而无需新增净电力容量（Alt Goes Mainstream）。
GLM 5.2（智谱）和阿里巴巴的通义千问（Qwen）。 实际投入生产使用的开放模型,GLM被Factory称为"不可思议"（Training Data）;Qwen驱动着Airbnb的客服系统（The Rundown）。
Stripe/PayPal。 被标记为本周的"超级"交易——Stripe收购PayPal,不过节目团队没来得及深入探讨（20VC）。