夜雨聆风
软件正走向无界面化!旧金山创始人:智能体操作员将创造几十万岗位!AI不会取代人类!认同黄仁勋立场,硅谷在被中国开源模型反向赋能
编辑 | 林芯
“我们并没有把人类从循环中移除，只是改变了人类参与的方式。”
“你不该把职业押注在一线客服岗位上，自动化的结果，是让我们看到下一层的瓶颈”
“我们太短视、太以自我为中心，总觉得整个行业就是科技行业。”
最近，小编听了一期非常过瘾的播客，嘉宾是Box创始人兼CEO Aaron Levie——被主持人评价为“企业 AI 转型领域最具有洞察力的人之一”。
在一开场就“火药味”十足，他们提到了关于黄仁勋在Dwarkesh Patel 做客的那期节目，20VC 的主持人Harry Stebbings 直言：“我觉得黄仁勋在那期里表现得不太好”；Aaron Levie 表明他有80%是认同黄仁勋的，更接近于他的观点，包括 AI 竞赛、安全方向等。
说实话，我一开始也被一些更吸引眼球的话题带偏了，比如中国相关的部分。但整体来看，我大概有 80% 是认同黄仁勋 的。我自己的思考逻辑，其实更接近他的观点。
第二，又回到了重要的就业问题。目前行业的主流观点是“AI会影响就业”，就比如Anthropic CEO Dario Amodei 在采访中预测：将出现前所未有的失业潮。金融、咨询和科技行业的基础性职位即将消失。撰写文件和起草财务报告——这些初级任务很快将完全由人工智能接管。
而 Aaron 和主流观点有分歧：“我们太短视、太以自我为中心，总觉得整个行业就是科技行业。但实际上，科技行业在整个经济中的占比可能只有 8% 到 15%”
他还举了一个律师的案例：虽然如今的律师现在被客户用 AI 生成的内容“淹没”了，但是当每个人都觉得自己是律师时，真正的瓶颈反而变成了——能够审核这些内容的真正律师数量。因此，未来五年，律师的数量会更多，因为生成法律内容变得更容易了，但要让这些内容被法院认可、完成专利申请等，依然没有变得更容易。
而且在后文两人还谈到，很多行业长期存在的原因——“总需要有人背锅”。
而在 AI 时代也是一样——你不可能去怪 Anthropic。当系统出问题时，你不能跟客户说：“是模型的问题”。客户只会说：“那我再也不用你了。”
第三，预测目前不起眼但是未来可能会创造出 50 万到 100 万个工作岗位——智能体操作员。
这个岗位需要具备一定技术能力，要深入理解 AI，要懂 MCP、CLI，要会编写Skills，还要理解 agents.mmd 这类结构。他们的核心价值，是能够进入一个公司的市场、法务、运营或生命科学团队，帮助这些部门真正用上智能体，并从中获得效率提升。
Aaron Levie 认为：我们能做的“像手机 App 一样的软件”是有限的，但需要构建的“后台系统级软件”是无限的——这些软件负责连接数据源、自动化流程，而这才是未来工作的重点。
第四，SaaS企业是否会因为AI的发展变得没有价值？“AI 不会杀死软件，而是会让软件需求爆炸式增长。按这个逻辑，是不是会变成这样：一个核心 AI 在上面“爬”，连接 15 个 SaaS 工具，而这些工具本质上是否就变成了供智能体调用的数据库？”
Aaron的观点很明确：我在某些领域是认同这个观点的。但在一个 API 驱动、智能体执行更多工作的世界里，软件不会变得没价值，只是“价值的位置”会发生转移。
第五，企业里的 Token 会如何分配？例如，前段时间的硅谷掀起了一场“Token刷量大赛”，OpenAI 一名员工更是一周烧掉就2100亿Tokens
Aaron 给出了两个关键点：第一，现实世界是有预算的，不可能简单地说“全公司无限 token”，否则公司全年业绩会直接失控。第二，token 预算将从 IT 支出转移到常规运营支出。它不再是“我是在买 Salesforce 还是买算力 token”的选择，而更像是：“我是做一场营销活动，还是用这些钱去自动化我的营销流程”。
第六，硅谷是否被中国的开源模型“反向赋能”了？
Aaron 的回答是：从经验上看，这种说法某种程度上是成立的。但我并不会带着那种“这太可怕了”的情绪去看待它。当然，也要承认存在一定风险，比如模型里可能存在后门权重或某些被触发的参数。
第七，在AI 竞赛里 OpenAI 和 Anthropic 谁会赢——在这个阶段很难下定论。
“我无法准确预测是OpenAI占60%而Anthropic占40%，还是反过来，或者我偏差10%。但无论如何，这些市场都巨大无比。公司会采用多个系统，他们不想单供应商绑定。在这个栈里，他们不希望只有一个供应商。一旦某个服务宕机、改API或者推出新商业模式，你就需要一个多供应商、多AI的世界。”
当然，除了这些之外，还有更多精彩的观点。
话不多说，完整内容就在下面！
我更站在黄仁勋这一边：他的判断更务实
主持人：我想从一个话题开始。刚才我们也在聊，我在听 Dwark 和黄仁勋的那期节目时在外面跑步，我当时想，“我觉得黄仁勋在那期里表现得不太好。”你同意吗？
Aaron Levie：我觉得这可能是一个关于 AI 立场的“罗夏测试”（Rorschach test），能看出一个人对 AI 的思维状态。我在看之前先刷到了一些推文，所以多少有点先入为主。但如果我完全没看评论，只看那期节目，我反而会对后面的舆论评价感到很困惑。
备注：罗夏测试是由瑞士精神科医生赫尔曼·罗夏于1921年创立的人格测验方法。 该测试通过分析被试对标准化墨渍图的自由联想反应，评估其思维过程、情感反应等心理特征，属于心理投射法的重要代表性工具。
说实话，我一开始也被一些更吸引眼球的话题带偏了，比如中国相关的部分。但整体来看，我大概有 80% 是认同黄仁勋的。我自己的思考逻辑，其实更接近他的观点。
那种认为我们正处在某种“生死竞赛”中，认为领先一两个月就会彻底改变 AI 发展结果、改变中美之间一切格局的说法，我并不认同。我认为我们确实处在一场商业和经济竞赛中，当然安全问题也包含在其中，这一点毫无疑问。而且如果是我们的技术栈在全球范围内驱动 AI，我们其实会拥有更大的影响力。所以总体上，我更站在黄仁勋这一边。
另外，Dwark 在一些地方把问题过度简化了。比如他说，如果我们能提前获得某个系统，就可以升级所有系统。但现实是，软件升级往往是一个持续多年的过程。除非你能把这个系统封闭十年，否则不可能存在某个“魔法时刻”，一下子把所有问题解决。这是一个长期、持续的过程，本质上是攻防双方不断“你追我赶”的循环。所以我不认为这些问题是非黑即白的，我整体更倾向于黄仁勋的观点。
而且黄仁勋还提到了一个关键点，但没有火起来。你或许可以把它放大。他说，如果我们因为 AI 而吓退人们，不再去学工程、不再进入放射学、不再投身医疗行业，因为他们觉得这些工作都会被 AI 取代，那我们是在伤害自己。这是在伤害下一代，也是在伤害整个社会。
目前为止，我们还没有找到一种使用 AI 的方式，可以完全脱离人类。AI 仍然是在增强我们的工作能力，我们最终仍然需要对结果进行某种形式的审查。也许你不需要再检查每一个细节，但你可以审查更大块的工作成果。所以我们并没有把人类从循环中移除，只是改变了人类参与的方式。我认为黄仁勋对这项技术的看法更务实。我们确实需要认真思考如何让这些系统更安全，但在整体判断上，我更认同他的立场。
科技行业并不是整个行业：律师的数量会更多
主持人：天啊兄弟，你这回答让我没什么可补充的了。那换个问题——如果因为担心 AI 而劝退人们不要进入放射学或工程领域，这是在“帮倒忙”。那你觉得，五年之后，你们公司里的工程师会变多吗？
Aaron Levie：会的，而且我觉得大家忽略的一点是——我们在这个问题上实在太短视了，我真想把整个行业摇醒。我们太短视、太以自我为中心，总觉得整个行业就是科技行业。但当你走遍各个国家或地区，去问一家拖拉机公司、一家银行、一家制药公司：“你们是否拥有足够多的工程师，来实现未来行业的自动化？”他们的答案永远是明确的“不够”。
所以，像 Cloud code、Codex 这样的突破，本质上是在让这些公司也能拥有硅谷过去才具备的工程能力。我们之所以短视，是因为我们以为工程师只服务于科技行业，而实际上科技行业在整个经济中的占比可能只有 8% 到 15%。那当剩下的 85% 的经济体也获得了工程能力，会发生什么？这才是真正的变化。
也许你今天从某个计算机专业毕业后，不会第一时间去 Google，而是去了 John Deere、Caterpillar 或 Eli Lilly 这样的公司。但你的技能依然同样重要，只是应用在不同领域。你不再是做一个带按钮的小应用，而是在做制药研发自动化、农业和工业设备的 AI。
备注：John Deere 成立于1837年，是农业机械和工程机械制造商；Caterpillar 是建筑机械、采矿设备及动力系统制造商；Eli Lilly & Co.是一家制药公司。
我们对这件事的理解实在太狭隘了，而且你已经可以看到这种趋势在发生。有一篇很有意思的《金融时报》文章说，律师们现在被客户用 AI 生成的内容“淹没”了——客户不断发来：“帮我看看这个合同”“帮我审一下这个备忘录”“帮我分析这个案子”。
那当每个人都觉得自己是律师时，会发生什么？真正的瓶颈反而变成了——能够审核这些内容的真正律师数量。我反而持相反观点：未来五年，律师的数量会更多，因为生成法律内容变得更容易了，但要让这些内容被法院认可、完成专利申请等，依然没有变得更容易。这也是我和行业主流观点的分歧所在。
流程自动化了，但真正的瓶颈还在
主持人：你真的这么认为吗？恕我直言，我们确实看到一些初级法律岗位正在被消灭。
Aaron Levie：那是另一个问题——当 AI 自动化了传统初级任务之后，下一代的导师制和学徒制该怎么办？这是一个很大的问题，也是全球所有银行、律所等依赖“师徒制”的组织都会面临的问题。我不否认这是个真实问题，但它和“最终约束”是两回事。
两周前我们和一个客户聊过，这个例子我会一直记得。他们在做患者转诊流程的自动化——比如你要去看放射科医生或某个专家，现在可以不用再打电话排一周的队，这很好。但问题是，即使流程自动化了，如果预约仍然要排 18 个月，那真正的瓶颈仍然是医疗体系本身、医生数量，以及真实的人力供给。
所以，也许你不该把职业押注在一线客服岗位上，但这些人会有更多新的就业机会。同时，系统中的这些“瓶颈”不会消失，反而会暴露出来，我们仍然需要更多岗位去解决这些问题。自动化的结果，是让我们看到下一层的瓶颈——过去因为流程太慢、太人工，我们甚至没有意识到这些瓶颈的存在。
一个具有前景的新职业：智能体操作员
主持人：那你觉得，有没有什么现在还不存在、但五年后会非常重要的职位？
Aaron Levie：有的。我最近在反复打磨一个概念，当然很多人也在讨论，这不是我一个人的发明。但我在构思这样一个角色。
主持人：Aaron，这时候你得抢功劳，作为投资人，最重要的就是发明一个新词。就当这是你洗澡时的灵感。
Aaron Levie：好吧，这完全是我原创的，没有受任何外界影响。
我认为会出现一种新的角色——暂且叫它“智能体操作员”。我不确定它最终是否会成为一个完整的全职岗位，还是会被拆分到不同岗位中，但可以确定的是，这类岗位会创造出 50 万到 100 万个工作机会。
这个人需要具备一定技术能力，要深入理解 AI，要懂 MCP、CLI，要会编写技能Skills，还要理解 agents.mmd 这类结构。他们的核心价值，是能够进入一个公司的市场、法务、运营或生命科学团队，帮助这些部门真正用上智能体，并从中获得效率提升。
而现实世界的问题在于——很多创业公司都没有意识到：当你从零开始创业时，一切都是全新的，你可以随意设计工作流程，出问题的风险也不大，因为规模还很小。基本没有监管机构来盯着你说“你做的对不对”。某种意义上，那是一个几乎无限上行空间的空白地带。
但当你进入一家《财富》1000 强的制药公司、银行或咨询公司时，情况完全不同——它们受到监管，数据分散在组织各处，员工也早已习惯用既定方式完成工作流程。
所以，就需要有这样一个人站出来说：如果我们真的想从自动化中获得价值，就必须重新设计工作流程，而且这个流程应该是为“智能体”设计的，而不是为人设计的。
那么问题来了：当你重新构想一个业务流程，让智能体承担比人类更多的工作时，你该怎么做？这意味着整个实施周期都会不同——涉及真正的变革管理，你需要把数据整理好、把系统正确连接起来。而且，一旦有新模型发布，你的流程很可能就会“崩掉”，因为提示词的写法变了、语法要求也变了。这一切都需要持续的维护，以及相当高的技术能力和业务流程理解能力。
所以我认为，会诞生大量这样的岗位。有些人来自 IT，有些来自运营，有些来自工程领域。如果是在技术导向更强的公司，你可以这样理解：我们能做的“像手机 App 一样的软件”是有限的，但需要构建的“后台系统级软件”是无限的——这些软件负责连接数据源、自动化流程，而这才是未来工作的重点。
软件不会消失，但“价值正在转移”
主持人：这其实正是我想问的一个核心问题。黄仁勋很明确地说，AI 不会杀死软件，而是会让软件需求爆炸式增长。按这个逻辑，是不是会变成这样：一个核心 AI 在上面“爬”，连接 15 个 SaaS 工具，而这些工具本质上变成了供智能体调用的数据库？那这些 SaaS 工具不会变得没有价值吗？
Aaron Levie：我在某些领域是认同这个观点的。确实有一类软件，它的价值在于用户去点击各种按钮，过去“按钮数量”和底层 API 的比例是偏向按钮的。我稍微简化一下，但确实有一些工具，打开之后有 90 多个功能，用户已经习惯了如何点击操作，这就是它的价值来源。
但在一个 API 驱动、智能体执行更多工作的世界里，这些原本通过点击完成的操作会被自动化，那价值就会更多转移到 API 层。接下来的问题就变成：你的 API 有多强？不是说你有一千个 API 就行，而是这些 API 是否足够健壮、有用、具备专有性，以及其中包含了多少业务逻辑。
比如，一个好的 API 不只是从数据库里取一条记录，而是包含了业务逻辑——它知道如何保护数据、知道组织内不同角色该访问哪些信息。
当然，从某种角度说，所有软件背后都是数据库，你可以这样极度简化问题。但现实是，数据库之上的那一层业务逻辑非常重要。比如 ERP 系统，它早就不只是数据库了，它包含了大量关于供应链如何自动化、会计如何处理的逻辑。这些都不会消失。
真正变化的是用户界面——用户或工作流程与系统交互的方式。未来的界面可能只是和一个智能体对话。更进一步，可能有一个后台智能体在连接多个系统，用户甚至看不到一半的价值实现过程。这个智能体会在 ERP、CRM、人力资源系统、文档系统之间穿梭执行任务。这就意味着，软件的价值将取决于：你的 API 设计得有多好、是否为智能体做好了准备，以及你能否围绕它建立合理的商业模式。
我们现在把软件行业看得太“单一”了，其实可以用一个二维坐标来划分，比如：业务逻辑的复杂度，以及人类与智能体协作的程度。一旦涉及人机协作，你通常还是需要一个界面，让用户查看智能体完成的工作成果，这部分不会完全消失。另外，当越来越多的智能体参与到软件使用中，有些软件类别反而会因为“智能体调用 API 的频率更高”而获得更大价值，而不是被削弱。
智能体是一个“放大器”：机会而非威胁
主持人：那具体来说，哪些场景下，智能体使用工具的频率会超过人类？
Aaron Levie：一个很明显的例子就是非结构化数据。智能体会成为这种数据的巨大消费者，同时也是创造者。智能体会阅读你所有的合同、生成所有的合同；它们会生成营销素材，会替你写报告。所以，当生成这些信息变得极其容易，或者让智能体去审核这些信息变得很容易时，你仍然需要一个“中枢系统”，来管理、协调，并为这些工作流以及执行任务的智能体建立“护栏”。因此，我们即将看到一个典型现象——非结构化数据的爆炸式增长。
主持人：Aaron，恕我打断一下，可以吗？
Aaron Levie：当然可以。
主持人：这会提升你们公司的价值吗？我在想，如果你变成一个供智能体调用的数据仓库，你如何在这种模式下保持价值？这个问题同样适用于你。
Aaron Levie：完全理解，这也是现在几乎所有投资人都在思考的问题。我们已经习惯被问这个问题了，也不觉得可怕。有一点对我们有利的是，我们一直以来都有很强的 API 战略——也许不是“API 优先”，但至少是同等重要。如果我告诉你我们去年处理的 API 调用次数，你大概率会低估一个数量级。
我们系统里的 API 使用量已经非常庞大，而且远远超过终端用户的直接操作。这是因为内容会在各种应用和工作流中被使用，其规模远远超过用户手动打开文件、上传文档这种行为。比如 ERP 系统会生成文件，财富管理平台会让客户上传文件，而用户甚至从未“看到”我们的产品；还有发票处理等后台流程一直在运行。
所以，我们这种“无头（headless）”形态其实从公司创立之初就存在了。对我来说，智能体只是一个“放大器”，让这一切规模更大。所以这对我们来说不是威胁，反而是机会。
我们已经知道如何从中变现。唯一不确定的是：一个“智能体用户”和传统“应用用户”的收入结构是否完全一样。但如果调用量增长 100 倍甚至 1000 倍，那对我们来说反而意味着更大的机会。当然，这并不适用于所有软件公司。
对于我们这种处在工作流中的平台来说——文档被生成后总要有地方存储，需要被保护、被管理、被长期治理——这意味着更多数据进入我们的平台。因此，这对我们来说几乎是纯粹的利好。
新的网络安全时代：智能体是问题制造者，也是解决者
主持人：你提到“安全和保护”。我们刚刚还聊到我们共同喜欢的 Rory O’Driscoll。我每周和 Rory 以及 Jason 做节目，Jason 直接说，这将是网络安全的黄金时代，因为安全威胁正在急剧上升。你是否担心 AI 带来的系统漏洞和安全风险？我们有哪些还没有意识到的安全问题？
备注：RoryO’Driscoll 是 ScaleVenture Partners 的合伙人 ， 专门从事早期软件和人工智能投资。
Aaron Levie：我确实担心，但不是一种“全新”的担心。在我看来，当 AI 开始生成代码的那一刻，这件事就已经“被定价”了。因为一旦 AI 能写代码，就会出现两个问题：第一，代码的产出量会远远超过人类审核能力。从 GitHub Copilot 五六年前开始，这个趋势就已经显现——当 AI 写 90%、95% 的代码时，代码总量会爆炸式增长。
第二，每一次系统改动都会带来新的安全风险。很多人理解安全问题，是看有没有“零日漏洞”或未修补的组件。但实际上，每发布一个新功能，就有可能引入漏洞。因为 AI 可能写出这样的逻辑：“为了实现某个功能，我们打开一个端口”，但这个决策可能是错误的。
所以我们正在进入一个新的网络安全时代。一方面，使用智能体本身会带来新的风险；另一方面，攻击方也可以利用 AI（尤其是开源模型）更快地扫描互联网、发现漏洞。这意味着开发过程中出现了两种新的风险来源，而好处只有一个——智能体也可以帮助审查代码、提升安全性。
因此，这将是一个非常动态的阶段。从某种意义上说，“智能体既是问题的制造者，也是问题的解决者”。也正因为如此，围绕“智能体安全”的领域将诞生大量商业机会。
算力占薪资一半：卖药的建议多吃药
主持人：你说“智能体是它自己制造问题的解决方案”，这让我想起黄仁勋之前上电视说，每个工程师都应该花……我记不清具体数字了，大概是 25 万或 50 万美元。
Aaron Levie：对，大概是相当于一半薪资。
主持人：听起来就像“卖药的建议你多吃药”。
Aaron Levie：好吧，这么说也没错。当然，我们也确实欣赏黄仁勋那种夸张又有魅力的表达方式。但不管他说的数字是否精确一半，方向是对的：未来每个人在算力上的支出，都会远远高于你现在的想象，也肯定会比今天高得多。
主持人：你觉得五年后，你们在算力上的支出会占薪资的多少比例？
Aaron Levie：这是个很好的问题。不过我们并没有对五年后的情况做过建模，当然，作为一家上市公司……
主持人：这正是你回答的好机会。
Aaron Levie：不不不，我被告知不能在播客里做长期财务预测，这是美国证监会（SEC）的规定之类的东西。
主持人：太无聊了。
Aaron Levie：所以，如果你不想在播客里被问这些问题，千万别上市。
主持人：这也是 Collison 兄弟不这么干的原因之一。
Aaron Levie：确实有点调侃的意思。我也不知道你能不能让 Patrick 或 John 在同样的问题上给出五年预测。不过可以肯定的是，这个数字一定会比现在大得多。
Token 最大化：花在“最赚钱的地方”
主持人：我再问一个你之前那条爆火推文里的观点——关于企业里的 token 最大化和 token 分配。我很好奇，你会如何建议 CIO 来做 token 分配？
备注：CIO是企业中负责信息技术战略、管理和实施的高级管理人员，扮演着推动数字化转型和信息安全的重要角色。
Aaron Levie：这个问题比较难，答案听起来可能会有点“正确但空泛”。本质上，token 的使用一定要和公司能产生最大价值的地方相关——听起来很平淡，但这是事实。
比如在软件行业，我们会强调“token 最大化”，因为公司的价值往往与能生产多少软件直接相关。如果你希望推动变革、让大家更高效地产出软件、快速学习最佳实践，那么通过 token 分配和排行榜来激励，是一种可行方式。
但这未必适用于所有行业。我们看到一些有意思的案例：有一家公司搞了类似《Shark Tank》的“路演机制”，团队需要来“竞标”算力和 token 预算，然后由中心化方式进行分配，就像风险投资一样。之后每隔三到六个月复盘一次，看这些 token 是否带来了预期收益。
还有一家公司采用类似“分层”的方式：比如 5% 的用户创造最大价值，20% 是次高价值，其余人只是做基础生产力工作。那你就可以给前 5% 或 10% 的人配最好的模型、几乎无限的 token；给接下来的 20% 一些限制，使用更高性价比的模型；而其他人则用最便宜的模型，不指望带来颠覆性提升。
目前大家都还在摸索这个过程。但有一点是硅谷常常忽略的——现实世界是有预算的，有年度预算周期，有对华尔街承诺的盈利指标（EPS）。你不可能简单地说“全公司无限 token”，否则公司全年业绩会直接失控。
所以，你必须等预算周期，等财报周期，再决定哪些团队最值得投入，哪些场景最有价值，这是一个逐步推进的过程。
还有一个关键点，现在已经逐渐被理解：token 预算将从 IT 支出转移到常规运营支出。它不再是“我是在买 Salesforce 还是买算力 token”的选择，而更像是：“我是做一场营销活动，还是用这些钱去自动化我的营销流程”。
Token 预算转移后：全球 IT 或技术支出翻倍
主持人：当 token 预算从 IT 支出转移到常规运营支出后，会发生什么？
Aaron Levie：首先，价格会增长。因为在大型企业中，IT 支出占收入的比例本来就比较小。
主持人：这听起来像那种经典的 VC 观点——“AI 正在从软件预算转向人力预算”，每个投资人都在点赞，但真的有那么简单吗？
Aaron Levie：如果用那种语气说，听起来确实有点过于简单，但本质上这确实是一个非常重要的变化。在过去，很少有技术可以进入企业却不受 IT 预算限制。但现在，AI 可以直接进入业务部门，你可以对他们说：我可以提供一个智能体，让你的工作效率提升 50% 或 100%。
那在这种情况下，你完全有理由从他们的运营预算中拿出 5% 来投入。这是一个全新的预算池。我不认为这会让全球 IT 或技术支出增长 10 倍，但翻倍是完全有可能的。
主持人：目前企业在技术上的支出大约占 10% 到 12%。如果像你说的那样提升到 20%，我觉得是相对可行的。你刚才提到公司要基于每股收益（EPS）运作，有预算约束——这对那些没有风投支持的公司来说确实很陌生。
Aaron Levie：是的，它们没有一个 VC 可以随时给钱来解决问题。
云计算扩散周期：技术扩散会比硅谷想象的更慢
主持人：那我们不能直接找投资人多要点钱吗？我有一个担忧：现在需求侧非常火热，几乎每家公司都需要一个 AI 故事，大家都想试一试。但我们会不会把这种需求趋势过度外推？会不会这只是一个持续 18 个月的短期热潮，而不是长期趋势？
Aaron Levie：这种可能性是存在的，也许我应该更谨慎一点。但目前来看，我更倾向于相反的判断。部分原因是我们已经经历过一次“云计算扩散周期”，当时早期的增长也非常陡峭，看起来像是“要爆炸了”，但 20 年后，它不仅持续了下来，而且规模远超预期。
如果一项技术真正有效，市场规模往往比你想象的大得多。而且我认为，18 个月甚至都算不上一个有意义的时间窗口，因为技术扩散的速度会比硅谷想象的更慢。这也回到我一开始说的那个新角色问题：在大多数公司里，你现在还不可能直接部署一个智能体，去自动完成所有客户的财务建议，而完全不需要人工审核。否则监管机构很快就会找上门来，比如美国证监会会直接说：“你给客户提供了错误的财务建议，你的牌照没了。”
这种事情会在各个行业发生。所以人们需要时间，企业需要时间——监管、合规、安全团队都需要时间来适应，这就是经济运行的现实节奏。
离“完全去掉人类”还很远：AI服务公司的机会
主持人：我之前采访过 Invisible 的 Matt Fitzpatrick，他说，如果没有一个 FD（全流程交付）模式，就不可能把产品卖进大型企业。
Aaron Levie：从某种程度上说，这基本是对的。
主持人：这就很有意思，因为我们现在看到一种趋势是：先做 PLG（产品驱动增长），再逐步渗透进企业。
Aaron Levie：我不认为这两者是互斥的。
主持人：我想说的是，当你思考最大型企业的采用情况时，AI服务公司会不会是未来五年定位最好的公司？
Aaron Levie：你指的是传统的专业服务公司吗？
主持人：是的，比如像 Accenture 这样的团队进入 Bank of America 做 AI 转型。
Aaron Levie：完全同意。这类公司会变得更大、更稳定，也更具韧性，比人们想象的更重要。我们总是太短视，总觉得 AI 会替代一切。但现实是——以我最近使用最先进模型的体验来看，输出结果我大概还需要修改 15%。
所以我们离“完全去掉人类”还很远。在这种情况下，就会产生大量“变革管理”的工作：人类应该在哪个环节介入？如何审核 AI 的输出？如何让系统适配人机协作？如何打通不同数据源？
举个例子，如果你让一个智能体在一家《财富》500 强公司里回答：“我们即将续约的合同中，风险最大的在哪里？”它可能会在 10 个不同系统中寻找合同。而其中一半系统是遗留系统，无法很好地与智能体协作——可能吞吐量很低，甚至根本接不上，还可能存在于内部文件共享或旧的文档管理系统中。
也就是说，一半的数据根本无法被智能体有效利用；另一半数据也高度碎片化，因为过去 20 年员工各自使用不同工具。结果就是，智能体很可能找到错误的文档或错误的数据——因为过去人类可以“凭经验”找到正确内容，但智能体做不到，它需要被精确引导、数据需要被整理、上下文需要被定义。
而我刚刚描述的这些工作——对全球每一家企业来说，都是 Accenture 未来 10 年的工作，或者是下一代 Accenture 的机会。我们需要升级系统、整理数据、为智能体定义工作流程、明确人类的参与位置。这是所有组织都必须经历的真实变革管理过程。
行业长期存在的原因：需要有“背锅”的人
主持人：而且还必须有一个“背锅的人”。
Aaron Levie：完全正确。
主持人：这也是为什么很多行业长期存在——比如我雇律师，并不只是因为我不会写 NDA，而是因为一旦出问题，这是他们的责任。
Aaron Levie：而在 AI 时代也是一样——你不可能去怪 Anthropic。当系统出问题时，你不能跟客户说：“是模型的问题”。客户只会说：“那我再也不用你了。”
所以你必须在组织内部建立责任机制：当出问题时，谁负责？一旦涉及责任，就必须有明确的所有权和问责机制，人必须向更高责任的人负责。这些人类行为模式、合同关系以及监管体系，并不会因为 AI 而改变。
我们只是给计算机装上了一把“机关枪”，让它可以生成更多信息、处理更多数据，但底层的社会运行逻辑并没有改变。
硅谷被中国开源模型反向赋能
主持人：你刚才说，你用过最新的模型，大概能做到 85% 的效果。我也和很多西海岸的早期公司以及成熟公司聊过，他们说：“我们用最前沿的模型来设定上限，然后用开源的中国模型尽可能逼近这个水平。”那硅谷是不是在某种程度上，被一代由中国资助的开源模型“反向赋能”了？
Aaron Levie：从经验上看，这种说法某种程度上是成立的。但我并不会带着那种“这太可怕了”的情绪去看待它。当然，也要承认存在一定风险，比如模型里可能存在后门权重或某些被触发的参数。但总体来说，我不是用这种方式去理解这个问题。
而且，这和我刚才的核心观点其实是两个不同的问题：即便是最先进的前沿模型，也依然会犯错。所以我必须在工作流程中，确保自己对它的输出进行审核。
技术变化太快，领先优势转瞬即逝
主持人：作为一名风投，我的特长就是在缺乏证据的情况下做出大胆判断。很多前辈也是这么干的，所以我只是效仿而已。我有个朋友 Jason Lemkin，他说：“为什么没有一家上市公司做出了真正优秀的智能体产品？大家做的都是 60 分的产品，只有 Palantir 例外。”你怎么看？
备注：Jason Lemkin 是 SaaStr.AI 的创始人兼首席执行官；Palantir是一家美国大数据与人工智能平台公司，专注为政府和大型企业提供定制化数据分析与决策支持解决方案。
Aaron Levie：我不完全认同这个说法——比如我认为我们的智能体，在内容处理方面就是最好的之一。但可以解释一下为什么会有这种印象。
这个领域变化太快了，你必须以一种前所未有的方式“深度接入”这个生态。信息来源也不再是传统渠道，不是两周后某家媒体的总结，而是来自一线实践者——比如某个做智能体沙盒的工程师，写的一篇关于“如何处理记忆机制或执行框架”的长文。如果你没有接入这个生态，你的团队就很难站在技术前沿。
这是一种全新的节奏。以前即使像 COVID 那样的重大事件，我们也只是每天关注新闻周期，但那不是一个技术问题。而现在，技术变化的速度快到你必须一周多次做出反应。
主持人：所以你的工作是不是比以前更难了？
Aaron Levie：是的。
主持人：因为技术变化太快、领先优势转瞬即逝？
Aaron Levie：没错。一方面，你能明显感受到一股“海啸式”的变化在逼近，你必须比以往更快地奔跑；另一方面，还有底层技术本身的复杂性——它既影响业务战略，也影响产品决策，还影响合作生态。
在这种变化下，你必须迅速调整方向，明确你要做什么、市场在往哪里走。同时，你还要成为客户与未来之间的“桥梁”，因为他们也不想被这场“海啸”吞没，他们希望有一条路径安全过渡到未来。所以你现在需要同时处理很多事情。
“新基准”模式：通过智能体产品显著提高收费
主持人：你刚才说你们的智能体产品是最好的之一。Jason 和 Rory 也提过一个观点——如果你不能通过智能体产品显著提高收费，华尔街其实并不买账。你们能为智能体产品收更高的价格吗？
Aaron Levie：答案是可以，但这里面有一些细节。我们的商业模式是推出了一个新的订阅层级，把最好的工作流能力、业务自动化能力、应用开发能力都放进去，而智能体是核心，因为它帮助你自动化内容相关的工作，比如读取文档、提取元数据、在工作流中处理信息等。
这确实推动了我们的收入增长。去年我们的收入出现了一个拐点，所以这种模式已经在我们业务中发生了。某种程度上，我们正在做的正是 Rory 所说的“新基准”。
不过，从资本市场的角度来看，华尔街目前还是在观望，因为变化实在太快了。他们想先看看最终格局如何稳定下来。所以今年对于软件公司、基础设施公司以及做智能体的公司来说，是一个“全年无休、持续执行”的一年。
主持人：你会每天看股价吗？
Aaron Levie：会，每天都看。我以前甚至像个交易员一样。
主持人：我还没见过不看的上市公司 CEO。前几天某公司 CEO 还说他一天看好几次。
Aaron Levie：对，是那种“很多很多次”的频率。有一部分原因是我可能有点ADHD之类的，所以我总忍不住去看。
寻找平衡点：企业开始分化
主持人：你会不会觉得，等我们回头看这个阶段时，会觉得“这都什么鬼”？比如公司按 3 倍现金流交易，是不是被严重低估了，还是被夸大了？
Aaron Levie：按 3 倍现金流交易，确实是被夸大了。我觉得我们现在处在一个阶段——市场基本是把整个行业当成一个“打包”的板块在看，没有太多区分。但在接下来一两年里，你会看到公司之间开始分化。
因为正如你一开始说的，智能体对某些软件领域是利好，但对另一些领域则是压力。这意味着有些公司必须彻底转型，而有些公司只要顺势而为就能继续增长。如果应对得当，3 倍自由现金流这种估值显然是过低的。但与此同时，软件行业历史上也曾出现过明显高估的情况，超过其长期价值的合理范围。
所以现在更像是一个“钟摆”在寻找平衡点的过程，这会在未来一年逐渐显现。
迎接AI的CEO：有些在“挣扎”，有些在“第一线”
主持人：那我来问个更“刺激”的问题。我采访过很多你也认识的上市公司 CEO。Jason Lemkin 在节目里说，如果 Aaron Levy 已经算是最优秀的 AI 思维和领导者之一——你确实很厉害——但即便是你，也在“挣扎”。
Aaron Levie：等等，为什么说我在挣扎？
主持人：不过说真的，我认为你身边这一代 CEO，其实是为这次 AI 转型做好准备的。我不是在恭维你，你对这个领域的理解非常深入、反应也很快。但确实有一些公司还没有建立 AI 能力，有人甚至跟我说，他们可能需要引入外部能力。
Aaron Levie：这个问题比较复杂。我觉得目前仍然有一批创始人或技术导向很强的领导者——无论他们本身是不是工程师——他们都非常“在线”。比如我所在的一些 Slack 群、WhatsApp 群里，周末都有上市公司 CEO 在用 Cloud Code 或 Codex 做实验、写代码。
所以他们确实在第一线，能真实感受到技术变化，也不会轻易让自己的公司掉队——前提是他们所在的行业本身还有增长空间。当然，每一轮技术浪潮都会有赢家和输家，这一轮也不会例外。关键就是你必须足够投入、持续跟进。
被低估的公司：卡好公司生态位
主持人：在我们进入快问快答之前，问一个难一点的问题：有没有哪些被市场“冷落”的公司，你觉得其实应该被更重视？
Aaron Levie：我可以举个例子，比如 Atlassian。我觉得它现在有点被低估了。
备注：Atlassian是一家全球化企业协作软件公司，主要提供团队协作和生产力工具。
主持人：你觉得跌了 78% 有点过头？
Aaron Levie：我觉得有可能。我的理解是，市场有一种叙事：工程工作会被商品化，那它们在技术栈中的价值会下降。但从我的视角来看——未来工程师会变得更多，而不是更少。
当然，这不意味着 Atlassian 的产品形态会完全不变，它们肯定需要演进。但如果你是在为工程自动化提供基础设施，这其实是一个不错的位置。我也很喜欢像 Linear 这样的新玩家，它们做得非常出色。但这个市场足够大，可以容纳多个赢家。
我认为，现在这个阶段的关键是：你必须深入工作流、掌握数据。你的平台必须成为“数据最适合存放的地方”，同时也是“智能体最愿意使用这些数据的地方”。
换句话说，如果你的平台不是某一类数据或工作流中，智能体的首选，那么你的处境就会比较困难。这是所有软件公司的核心任务。
最适合智能体工作地方：API + 合规能力
主持人：你知道如果你正在开发软件，最适合智能体工作的地方取决于API？
Aaron Levie：优秀的 API、合理的定价模型，以及围绕 API 构建的能力体系。比如，如果你要构建一个合规的工作流——假设涉及金融监管（如 FINRA 合规），要求文档生成、查看、共享后在一定时间内不能删除——那不仅需要对智能体友好的 API，还需要一整套配套能力，确保企业在面对监管或审计时能够证明合规。
正是这种“API + 合规能力”的组合，使得企业会选择在某个平台上构建智能体应用，而这种逻辑在各个行业都是成立的。
软件正在走向“无界面化”
主持人： 我们来做一轮快问快答。你还得去当一家上市公司的CEO，我知道。那么过去12个月里，你在哪件事上改变最大？
Aaron Levie： 我确实比三年前更相信一个观点：软件正在走向“无界面化”。这是因为过去一年里，agent在工具调用、跨系统搜索以及准确性上的能力提升太快了。两三年前，如果你搭一个agent，让它去Box里找文件并处理，它几乎总会找错文件，也没法真正打开并理解内容。所以当时“无界面”还不是优先级。但过去一年这些能力大幅跃迁，我现在完全相信软件平台必须“headless优先”。
主持人： 在Box的发展过程中，有没有哪个没做成的收购是你现在后悔的？比如Jensen说他后悔没投前沿模型。
Aaron Levie： 说实话我没有什么并购上的遗憾。反而是一些我当时很想做、最后没做成的交易，现在回头看还挺庆幸的。
主持人： 哪一笔？
Aaron Levie： 这个我就不说了。但确实有一些，如果当时完全按我个人想法来，现在可能就后悔了。
OpenAI 和Anthropic 谁会赢：市场很大，很难下定论
主持人： 企业AI这场竞赛，OpenAI和Anthropic谁会赢？
Aaron Levie： 这个问题基本没法回答。你当然可以把它当成一场竞赛，而且身在其中的人必须这么看——他们都想要80%的市场份额，而不是55%。但如果你对比云计算的发展：2010年AWS收入5亿美元，Azure刚起步，GCP还是Google App Engine，logo是个带翅膀的小涡轮机。15年后，这是一个每年数千亿美元的市场。那时大家也在问谁会赢，结果是市场太大了，当然他们的执行力让市场持续扩大，竞争也保持了活力，但最终大家其实都赢了。所以我对AI的看法也类似。我无法准确预测是OpenAI占60%而Anthropic占40%，还是反过来，或者我偏差10%。但无论如何，这些市场都巨大无比。公司会采用多个系统，他们不想单供应商绑定。在这个栈里，他们不希望只有一个供应商。一旦某个服务宕机、改API或者推出新商业模式，你就需要一个多供应商、多AI的世界。所以在这个阶段很难下定论。
AI在编程上的效果很难被迅速复刻
主持人： 关于企业采用AI，有什么是大家普遍认为对、但其实错的？
Aaron Levie： 很多人觉得，AI在编程上的效果会很快复制到其他知识工作领域。但这是个误判。一部分是因为编码本身的特殊性，一部分是因为其余工作的普遍特点和实际发生方式，进展不会那么快。
继续重仓前沿模型公司
主持人： 如果你今天是VC，会最想投哪个方向？当然，我只是假设。
Aaron Levie： 我大概率还是会继续重仓前沿模型公司。这些公司的规模还有可能继续变大。
主持人： 还能更大？比如从8500亿到2万亿？
Aaron Levie： 这种问题很难判断。我以前在很多领域也这么想。
主持人：比如加密币——它还能走多远。
Aaron Levie：但加密我得单独放一类。
市场就像是一个赌场：更主要的叙事是板块轮动
主持人： 我其实想说的是，关于Atlassian，坦率地说，你和你的整个领域就像是股市的赌场化。这就好像，如果你现在是一个动量交易者，你仍然会买入Palantir的股票，因为现在的市场就像是一个赌场。
Aaron Levie： 更公平地说，是有些公司很好地抓住了市场情绪。当然，也有一些基础设施和数据中心公司带点“迷因化”。但整体来看，这是一个非常混乱、很难判断的时期。我认为现在更主要的叙事是板块轮动：AI正在发生，如果我更靠近半导体栈、更靠近工作负载和数据中心建设的地方，回报会更高；而在纯授权模式的软件上，回报会低一些。我觉得这可能是我们现在看到的更多背景。有些数据中心和基础设施的公司可能也被神化了，这反而帮了软件的忙。但整体来说，这是一个非常奇怪的时代，很难想清楚。
主持人： 所以你不会把 Allirds 当作 AI 公司来购买。
Aaron Levie： 我的意思是，也许你会因为刚才那个理由去投。所以那可能会属于“个例”类别，比如New Bird AI之类的。
AI 新类别涌现：不太可能被垄断
Aaron Levie：我还是认为——虽然听起来有点老生常谈——未来真正能赚大钱的，依然是那些能把硅谷和实验室里的创新，落地到企业真实业务中的公司。不管是垂直AI，还是企业需要的新一类工具，都会有机会。
比如现在正在出现一个新类别——agent的可观测性和评估。我可以举个例子，比如Brain Trust。你会发现，一开始我们以为只有做agent开发的人需要评估工具，这是一个“硅谷市场”。但后来意识到，只要你把agent用进企业工作流，所有公司都需要评估能力。因为你必须知道：如果你的agent突然开始把贷款文件生成错了怎么办？
所以这类领域很有意思，它不太可能被某一个大模型公司垄断，你希望它能跨多个模型工作。这会成为agent时代企业基础设施的一部分。我觉得类似这样的新类别，会出现十几个、几十个。
平衡家庭与工作
主持人： 我认识你也有一段时间了，你也忍受了我好几次采访。最后我想问个不那么常规的问题：你是一个非常优秀的CEO，也是上市公司CEO，压力巨大。同时你还有婚姻和家庭，而且关系很好。认真问，在压力这么大的情况下，如何还能做好一个丈夫？
Aaron Levie： 这个问题有点“危险”，如果我真的承认“好丈夫”这件事，可能还需要做个360度评估。我只能说，从我自己的角度，我很幸运有一个了不起的妻子和家庭。
这种角色本身就是长期高压的“磨练”，所以有一个强大的支持系统非常重要。我们会尽量抽时间去享受生活中轻松、有趣的部分，虽然在现在这个阶段确实很有限。我和我妻子在一起大概15、16年了，她见证了整个过程。同时她自己在事业上也有自己的奋斗。所以总体来说，就是一起经历这些。
主持人： 兄弟，你是我的偶像，我长大也想成为你这样的人。非常感谢你，真的很棒。另外我2010年才14岁。
Aaron Levie： 好吧好吧，差点说错话了。
参考来源：
https://youtu.be/qrxQikecJL0?si=_nvkqGzdHznejOMg
——好文推荐——
马斯克官宣：Grok5 = AGI，一个月内将连发两款万亿参数模型，参数堆积到达AGI ！Grok：我不认同这个观点，但我支持老板的乐观！
Kimi新模型开源即SOTA，击败GPT-5.4和Claude Opus 4.6！连续编码12小时，一个提示词就能并行跑300个Agent，更适配龙虾和Hermes
普通网线也能跑万亿大模型！月之暗面抛出王炸架构，亲证：不用全买 H100！1T模型实测：延迟暴降64%！大模型推理“围城”攻破了！
