Mike Cannon-Brookes
前沿洞察
Mike Cannon-Brookes直指当前AI资产虚高且泡沫显著，轻浅工具毫无壁垒，演示光鲜难掩落地困境。他断言“SaaS未死”，真正护城河深植于分发、全域工作流与权限协作图谱。AI不会消灭工程师，反而将瓶颈推向代码审核与治理；SaaS商业模式正面临重构，必须从传统席位转向基于成果的价值定价，靠硬核ROI而非透支短期收入穿越周期。
观点集合
20VC：Atlassian CEO Mike Cannon-Brookes谈代理为何不会取代界面、企业为何不会信任中国模型，以及专用模型的价值为何仍未有定论
Teamwork Graph把客户专属的人员、决策、文档、代码与工作流上下文变成代理可查询的战略资产，界面价值不会消失。Atlassian目前未在生产环境使用中国模型，并按质量、成本和速度路由模型；专用模型能否持续跑赢通用模型，仍待验证。
查看摘要（7段）
Mike Cannon-Brookes 的核心产品判断是：代理会放大，而不是抹去界面设计的价值。 功能性、“把事办完就行”的工作可以被代理吞进后台，但协作型工作仍需要品味、上下文和人与人的互动；横向代理、垂直代理和第一方界面可以共存。他的直白规则是“无头即无脑”（Headless is brainless），并且他“非常反对 AI 的魔法按钮论”。
Atlassian 的战略资产是 Teamwork Graph：一个新建的、公司专属的人员、决策、文档、代码和工作流索引，供代理查询。 它的作用是在代理发问前先推断并整理上下文，就像 Google 在用户搜索前先索引整个互联网。Cannon-Brookes 强调：“这是客户的上下文，不是我们的上下文。”真正有价值的不是通用的外部数据，而是每个客户自己的组织语境。
企业抵触的是“中国模型”，而不是开放模型本身；Atlassian 目前没有在生产环境使用任何中国模型。 公司确实在使用 Nemotron、Mistral 和其他开放模型，并把每项任务路由到性价比最优的模型。Cannon-Brookes 表示，美国模型越来越多地用中国模型训练自己，国别标签在技术上因此变得不那么清晰，但他承认客户当下的担忧是真实存在的。
多数专用模型能否在快速进步的通用模型之上持续保持优势，仍没有定论。 专有数据，以及机器人、世界模型等高度专门化的应用，可能足以支撑专用化；但许多所谓的专有模型，不过是花费10亿美元打造的基础模型，再用约100万美元做定制。真正的证伪标准很明确：随着通用模型前沿推进，它们必须持续实现“指数级”的每瓦价格性能提升。
AI 成本管理正成为企业软件的核心能力，而不再只是后台职能。 Atlassian 内部设有 AI gateway 团队，围绕质量、成本和速度三角持续做模型路由、混合与 harness 选择。Cannon-Brookes 起初优先追求魔法般的产品采用——“如果只有5个人在用一项功能，我不在乎它花多少钱”——但一旦使用者达到500万人，就会开始激进优化。
Cannon-Brookes 已经下调了对未来推理价格的估计，尽管更低的单位成本会带来大得多的使用量。 资本、人才、芯片、数据中心设计和蒸馏会让价格性能“以陡峭的速度”下行，但他不认为需求会无限增长：技术的生产速度已经超过客户吸收业务变化的速度。一部搭载超级计算机的手机，也不会100%时间都在满负荷运行 CPU。
随着技术变得充裕，竞争稀缺性正从掌握特权信息转向创造性应用。 借用 Culture Amp 创始人 Didier 的说法，Cannon-Brookes 认为商业正从“信息不对称的世界”走向“想象力不对称的世界”。他的个人对策是刻意放慢节奏：代理会放大活动量和对注意力的要求，因此领导者必须保护深度思考的时间，学会“慢下来，才能快起来”。
Atlassian 最具争议的增长决策｜Mike Cannon-Brookes
Atlassian具备权限感知的团队协作图谱已超过1000亿个对象和连接，为Rovo跨技术与业务流程搜索和行动提供上下文。AI加快代码生成，却把成本转向审核、心智模型重建和治理，因此持久增长取决于真实ROI与未来需求播种，而非最大化下季度收入。
查看摘要（7段）
Atlassian 的可服务市场远不止开发者工具：超过一半用户从事的并非技术岗位。 Cannon-Brookes 对品类的定义是经过刻意设计的：「我们解决人的问题，不解决技术问题。」Jira 从2002年的缺陷追踪工具，演变为问题追踪器、路线图系统和连接技术团队与财务、人力资源、销售、市场等业务团队的通用工作流引擎。
Cannon-Brookes 认为，AI 会压缩业务流程，而不会让工作流软件消失。 Agent 会从流程图中移除单个方框和分支，但相关文件、链接、评论和输出仍会重新进入流程，接受审核、审批或进一步自动化。他的逆共识判断是：AI「是加速器，不是替代品」（“an accelerant, not a replacement”）。
Rovo 之下真正的战略资产，是一张具备权限感知能力的「团队协作图谱」，包含超过1000亿个对象和连接，环比增速超过50%。 这张图谱自2019年起由连接 Atlassian 产品和外部 SaaS 应用的链接构建而成，为企业搜索、上下文理解、排序和 Agent 行动提供底层能力。已有超过350万人每月使用 Atlassian 的 AI 功能：「我们不想营销 AI，我们想把它交付出去」（“We don’t want to market AI; we want to ship it.”）。
AI 显然正在提升从任务到代码的速度，但 Atlassian 拒绝把代码生成变快等同于客户价值，甚至拒绝将其等同于已经实现的生产力提升。 编码约占开发者每周工作时间的1/3，而生成式代码会把工作转移到重建心智模型和审核输出上。考虑到高 token 消耗工具可能让每名开发者花费数千美元、让 Atlassian 每年支出数千万美元，DX 将量化交付指标与定性调查结合起来，以寻找真实 ROI。
Atlassian 的应用层战略，是提供上下文并选择模型，而不是把产品押注在单一模型供应商上。 其生产级 AI 网关运行着超过75个模型，Rovo Dev 在一项典型任务中可能调用2至3个模型，包括 Claude Code 或 Gemini。一个值得注意的内部用例不是从零创建产品，而是对超过500个代码仓库进行 API 变更——大规模「割草」（“mowing the lawn”），让工程师重新回到「景观设计」（“landscape architecture”）。
Cannon-Brookes 既不接受开发者大规模被替代，也不接受只有资深工程师才能继续就业的判断。 他预计5年后 Atlassian 会雇佣更多开发者；让1名资深工程师搭配4至5名经验较少的工程师，仍有持续存在的经济价值，而 AI 可以放大后者的产出。责任仍由人承担：无论代码由 Rovo Dev、Cursor、Claude Code 还是 GitHub Copilot 生成，提交或审批代码的人都对其负责。
Atlassian 的经营准则是「把增长周期拉长，而不是追求更快增长」，即便公司最新披露的营收增速约为21%、云业务增速为26%、RPO 增速为40%。 Cannon-Brookes 希望5年后仍能实现超过20%–30%的持久增长，而不是为了眼前营收，把所有可用资金都花在一个季度上。他给投资者的关键判断是：公司是在播种未来需求，还是只是在收割过去的工作，直到「田地荒芜」。
Atlassian CEO Mike Cannon-Brookes：为什么一切都被高估了，以及我们是否处于 AI 泡沫之中
Mike Cannon-Brookes认为多数 AI 资产被严重高估，且许多业务缺乏持久模式；由于快速建立的 AI 企业转换成本低，真正护城河要靠分发、数据、工作流和用户熟悉度。编程工具难以收取10倍价格，AI 可能增加而非减少工程师需求；企业部署、Token经济学和按价值定价仍未解决，演示效果明显领先于实际价值。
查看摘要（7段）
- “大多数东西都被严重高估了。” 但也有一些被低估的东西，未来价值会高得多，而且“高得多的那部分可能占比过重”：这正是互联网泡沫破裂后 Amazon 从废墟中崛起的路径。循环收入的说法——一家 AI 公司给模型公司1亿美元，模型公司给云厂商1.5亿美元，云厂商再给 Nvidia 2亿美元，“结果一路上每个人都亏了5000万美元”——正是为什么“我们还没有处在一个拥有持久商业模式的时代”，任何声称知道价值最终会落在哪里的人，“可能都没有告诉你真相”。
- 在 Harry 询问过的至少10位 CEO 中，Cannon-Brookes 是唯一一个不愿为 AI 编程工具支付10倍价格的人。 他说：“它们之间的竞争态势不可能允许你这么做”——一旦涨价10倍，工程师就会转用别的工具——而且编程本身只占开发者一周工作时间的10%-30%。搜索、调试和运维占据其余大量时间；服务越多——假设从100个变成1000个——故障点也越多，最终形成“AI 用 AI 解决 AI 用 AI 制造的问题”的“戈尔迪之结”。
- 投资者应该牢记的护城河逻辑是：“你不可能快速建立一家拥有高转换成本的企业。” LLM 是“同时被投放给全世界的”，不同于 PC 或移动设备花了数年才普及，因此当前几乎所有新业务的转换成本起点都很低，只能靠交付价值、数据、工作流和熟悉度逐步建立。竞争仍然是：“创业公司能否先获得分发，还是在任者能否先获得创新？”
- 按席位定价不会消亡。 基于价值的定价会在两处失效：买卖双方必须同意如何衡量结果，而共享节省额的算法只对“一个循环、绕世界一圈”有效——一张100美元的支持工单降到90美元后，你不可能永远围绕这10美元折扣收费。客户不喜欢按消耗量计费，而这类模式往往会转化成另一种付款方式，就像无限存储一样。他预计最终会是混合模式：“答案可能一如既往，存在细微差别和复杂性。”
- 5年后工程师会更多，而不是更少。 Mike 紧接着 AWS 的 Matt 发言，两人“激烈地达成一致”。Atlassian 招聘的应届毕业生比去年更多，一些10倍工程师可能借助新工具变成100倍工程师，而产品路线图没有尽头：“找一家已经走到路线图终点的软件公司给我看看。”当创造变得便宜，设计就会成为稀缺且难以复制的差异化因素。
- “魔法般的演示”与实际交付的价值之间，差距相当大。 企业部署 AI 可能远比预期耗时，需要改造工作流、清理数据、加强安全、开展培训等。未来的界面也未必是聊天机器人——“否则我们都会直接用终端”——而更可能是稳定的 UI 加上提示词层，并拥有更高的点击价值比。
- 运营23年后，他的信条是：“创始人的工作，是对抗雄心的熵增。” 这是 Tobes 的话，Mike 把它记了下来。面对技术范式切换，Atlassian 的防线是创造力：“我们不可能靠防守穿越它。我们必须创造出下一个时代。”